上一期，作者从底层业务逻辑探讨了工业物联网的核心，即以“边缘计算”为主要载体的软硬件一体化解决方案。智慧工厂的建设是一个复杂的系统工程，涵盖“自动化设备、工业网络、OT&IT基础设施、工业软件应用、工业安全”等，从工厂业主的需求来看，急需与第三方合作。 – 方服务合作伙伴提供端到端的解决方案规划、设计和集成。工业网络解决方案的设计（设备/传感器网络、控制网络、信息网络的融合）是智能工厂建设的重要命题，但并不是作者擅长的专业领域。基于工业互联网架构的智能工厂与企业协同解决方案将重点探讨工业物联网的应用架构设计，并顺带对基础技术架构提出一些关键要求（狭义的工业互联网是以工业制造端的数字化智能化为基础，基本等同于工业物联网的范围，经过几年的实践，国内业界已经形成实践共识工业互联网应该把重点放在“物”和数据应用的连接上，去年美国工业互联网联盟“IIC，工业互联网联盟”就别装了，更名为美国工业物联网联盟《IIC，工业物联网联盟》，本文继续沿用国内工业I的概念互联网）。
（一）从业务分层管控思维到数据分层驱动思维
图制造领域应用架构思维的升级（工厂到企业）
制造过程中“人-机-料”各要素的在线化是智能工厂的基础，各要素的连接需要与“人-机-料”相关的所有设备和系统完全互联（通常称为“尽可能多地获取”），势必会带来广泛的实时连接和大流量数据的并发处理。我们会发现，基于“业务分级管控”思想的传统ISA95金字塔式制造系统架构遇到了比较大的挑战，主要体现在以下三点：
l 流程数据“上不去，用不上”：L3操作执行层的信息系统（MES等）是基于业务流程驱动的概念设计的，其交互L2层的数据通常是基于业务流的。从这个角度来看，只收集了当前业务所需的少量设备系统数据。如果全部数据都被接管，基于传统应用架构的信息系统（针对规模有限、高度结构化的业务数据设计）就无法承受，导致流程众多。数据只能分散在不同的设备或自动化系统中，无法向上流动和高效利用。
l 大流程的实时数据处理与分析：智能工厂利用大量自动化生产线，机器自动生成的大量流程数据流“自下而上”实时驱动流程执行控制“智能主动协同”，未来将取代目前以工作流为核心的“被动执行模式”，成为主流。 ISA95架构的L3层信息系统和L2层的SCADA系统通常只具备原始数据的查询分析能力，无法满足大流量的需求。实时数据处理、分析和共享需求。
l 软硬耦合，需求响应慢：ISA95架构L3运维层的信息系统通常采用业务应用逻辑与底层设备数据采集紧耦合的方案跨层数据传输的效率。执行层的业务往往比较多变。一旦业务场景流程发生变化或跨业务场景协同，往往需要在设备回购、二次开发、系统集成等方面投入较高的人力实施成本，难以快速响应业务需求调整。 .
近年来，随着制造业数字化转型的深入和工业互联网理念的不断实践，基于工业互联网平台和工业互联网建设的融合融合新应用模式不断涌现。采用应用程序开展“基于传统ISA95架构的制造系统”。 “补充升级”和“解构重构”逐渐成为业界共识。笔者认为，基于工业互联网平台的应用架构，本质上是构建基于“数据层驱动”思维，目的是利用制造过程产生的大量数据来驱动生产过程的实时洞察、优化、协同控制，是“敏捷、自动化、智能化”的能力传统信息系统由业务流驱动，实现业务和数据的双轮驱动闭环。笔者认为，基于工业互联网架构的制造应用系统主要体现在以下两点：
l 以边缘为中心的“云-边-端”三层平面协同：制造端数字化转型的核心是从工厂层到企业的资源按需集成和实时协同主要服务业务场景在工厂内网制造现场。从数据使用的角度来看，制造现场的绝大多数流程数据对于企业侧管理和业务决策没有任何价值。这些数据不需要上云去占用资源增加成本，但是工厂运营效率的提升和生产现场的实时控制优化都依赖于对一个实时访问和处理分析大量的过程数据，工业互联网需要在工厂内网“以边缘计算架构为核心，以端侧接入框架为统一入口”，在制造现场访问不同厂商的设备和协议。 OT 或 IT 子系统，构建“连接”和“数据”层的完整能力。在工厂车间到企业的协同场景下，核心生产数据需要从工厂内网流向工厂外网，尤其是多组织、多工厂的大中型企业，还涉及跨工厂资源分配协调要求。工业互联网需要在企业云计算架构的基础上，构建工厂数据统一的云通道以及多工厂数字资源（数据模型、应用服务、机制知识等）实现全球业务协同控制和调度优化。综上所述，工业互联网架构是一个包含“云-边-端”三层的协同体系：“边缘”是核心能力承载，“端侧”作为接触点实现实时感知与操作现场交互。控制，以“云”为集合点向上连接企业，实现厂内外资源配置的实时协同和集约管控。
l 从“连接-处理分析-优化控制”的工厂内外两层数据闭环：工业互联网首先需要通过实-“边缘”与“端侧”数据的实时交互与协同 实时闭环：从设备/传感器/子系统连接感知、数据访问、处理转换和实时分析，到状态预警、业务事件驱动或实时优化控制，这层数据闭环在工厂内部，主要需求特征是“大规模数据”。流量、低延迟、高并发、本地自治、高稳定性和可靠性。”工厂与企业之间存在第二层数据闭环。对外输出流的核心是将工厂生产数据传递到企业端，实现与上下游业务环节的横向整合和协同，并汇集到企业数据湖中，为企业提供支持。向内输入流的核心是企业侧提供的数字资源（数据模型、应用服务等）和上下游业务环节的操作指令（计划、订单等）。
(二）基于工业互联网架构的智能工厂与企业协作解决方案
图基于工业互联网架构的智能工厂与企业协同方案示意图
基于工业互联网架构的智能工厂与企业协同解决方案，从数据层驱动思维的角度，针对企业管理管理、工厂制造运营层、现场运营执行层的不同层次用户群体，利用“云-边”——一体化协同端到端集成的云原生技术架构，从“决策”、“运营”、“运营”三个层面整合构建相应的平台和应用APP 从车间级到现场级的“端到端、分层解耦、数据共享、灵活级联”的整体解决方案，帮助制造企业实现“智能决策”、“智能运营”和“运营智能”。聪明”：
l“企业级”：基于云边协同的云原生容器管理平台技术基础，构建IIoT云管控平台服务器的三个主要子系统，最大限度利用企业总部IT数字资源，集中开发、管理、分散运营各工厂的数字资产（OT数据模型、OT应用及机制知识等）本质上是通过集约化的方式构建“数字化技术共享服务中心”，将各工厂的数字化需求降到最低面向 IT 人才和 IT 基础设施。以及运维成本，提高智能工厂解决方案的复制推广效率。另一方面结合企业大数据平台和数据智能开发平台，收集各工厂上报的核心生产领域数据，并入湖运营或预测分析，帮助企业构建基于数据分析的数字化运营体系，并支持企业级全流程追溯类、全局协同优化类业务应用和数据智能应用，实现“决策智能”。
l “工厂/车间级”：基于云原生容器运营节点的边缘计算技术基础，构建工业物联网边缘数据应用平台，收集现场侧接入的制造过程数据，并基于平台的场景数据建模，实时数据处理分析能力，整合整合运营层OT数据和运营层IT数据，实现工厂运营全场景（生产、能源管理、安全环境）的实现过程、设备、质量等）基于数据流驱动“在线、自动化”，并通过端侧接入终端与现场不同控制层的设备或自动化系统打通实时交互通道，实现由实时数据处理和分析结果驱动的跨生产线/流程的优化控制和智能协作。 IIoT边缘数据应用平台基于云原生容器库的云边协同通道，对接云数据智能平台和视觉智能平台的算法模型应用，提供算法模型的推理运行环境和建立工厂所需的运行数据。 / 车间级数据智能应用和视觉智能应用，实现“运营智能”。此外，根据智能工厂工程的交付特点，可以利用边缘计算服务器或超融合一体机提供一体化的软硬件解决方案，实现轻量化的解决方案交付，实现解决方案价值的最大化。
l“现场级”：基于IIoT端侧接入框架，提供IIoT采集和控制终端（通常带有硬件盒：网关或工控机综合输出，或独立输出软件，即“软终端”） ，解决工业领域基于统一数据标准的IIoT平台与不同厂商协议的设备或系统实现双向实时数据交互，支持现场实时控制应用（通常使用HMI作为硬件载体）。 IIoT终端侧接入框架本质上是一种零侵入或低侵入的方式来解决现有设备系统的互联互通问题。它的核心提供了“连接”层的能力和运行轻量级插件应用的能力，以保证可以基于端侧框架构建一个完整的现场级应用系统。工业物联网终端侧接入框架和运行在不同采集和控制终端上的应用程序，通过接入工业物联网边缘平台，基于工业物联网提供的实时数据处理和优化控制能力，可以实现连接不同终端的设备系统的互联互通。边缘平台。 ，实现“智能操作”。
基于工业互联网架构的智能工厂与企业协同解决方案，为企业制造端数字化转型提供“面向未来、当下”的最佳实践参考，助力企业基于“”的理念整体规划、渐进演进”，基于三层开放架构的平台，在不同层面充分整合和复用企业现有IT资产，提升“数字化、智能化转型”的效率，促进企业生产力的提升。制造端，降本增效。
(三）“云边协同容器集群+终端接入框架”的基本技术架构
“云边协同容器集群+终端接入框架”的基本技术架构
边缘计算与物联网一样，是一个非常广泛的技术概念。它可以从网络、业务场景、基础设施等不同维度分为很多不同的类型。从纯技术角度看，主流边缘计算基础框架的功能特点大同小异。我们聚焦工业制造场景，从业务需求的角度提出以“边缘计算”为核心的基础技术架构的关键要求，作为我们选择和开发边缘侧基础技术架构的参考。
(1）边缘节点
边缘节点的运行环境面临有限的硬件资源（工业制造场景下，边缘节点不限于3000-5000元以下的工控机。从业务角度看，资源成本和架构能力要合理平衡） , 运行可靠性和稳定性要求高、网络约束和云边不稳定性等因素，需要重点关注以下三个特点：
l 本地业务和数据闭环自治：边缘节点必须在网络、数据和应用层面支持完全的本地自治，并且在云-边缘网络断线的情况下，能够保证边缘业务和数据的正常运行。长时间的闭环。
l 边云反向协同运维通道：边缘节点通常没有公网出口地址，必须打通从边缘节点到云端管控节点的反向数据协同和应用运维通道，以支持云边数据协同和远程操作维度监控。
l 高稳定性和自恢复能力：边缘节点所在工厂环境非常复杂，运维条件和手段匮乏。边缘节点必须考虑构建从网络、基础到上层应用的“自我恢复”能力。面对工厂断网、停电等情况，可自动恢复正常运行服务器的三个主要子系统，保证长期高稳定性运行。
(2）访问端口
接入终端的硬件成本敏感，硬件资源需要与数据流量规模灵活匹配，考虑性价比。另外，接入终端的运行环境可能比较恶劣（强电磁干扰、高温高湿等），通常需要使用工业级受保护的硬件资源。
l 低负载：接入端的技术框架（业内也称为“物联网边缘”）需要与“嵌入式软件架构”对齐，轻量级足以在数百个普通盒子上运行美元。接入端在南向交互时，需要保证对南向设备控制器资源的低资源占用。
l 大流量：接入端框架需要能够支持构建现场级应用解决方案。面对数万点的大流量设备系统（PLC/DCS等）接入场景，仍能保证硬件资源。要求低。
l 免费运维：接入终端的运维条件通常比较差，对接入终端框架长期运行稳定性的要求压倒了技术进步的要求。 “免运维”对齐，辅助必要的远程运维监控方式。
以上内容是从智能工厂整体解决方案的角度出发，作者为基于工业互联网的制造应用架构体系提供参考。这个架构体系可以概括为一个“123”体系：1个统一平台，2层数据闭环，3层协同平面，源于作者对不同制造业数字化工厂/智能工厂的实践总结，因为面临的智能制造场景较为复杂，完全采用以边缘为中心的“云-边-端”。 “三层扁平架构。由于三层架构的设计充分考虑了分层解耦和自闭环，其实在应用于不同行业时，可以根据场景复杂度选择架构的一些平面以及工厂的业务特点，比如机器化，对于加工、注塑等小型离散制造场景，完全可以只使用“云端”的两个平面结构，核心数据层能力可以放在云端。基本原则是为客户提供最具成本效益的解决方案。
后续计划探索工厂OT领域的数据建模思路，敬请期待。
暂无评论内容