研究发布丨工业互联网中台为“王”，究竟有什么门道？

导语
从工业时代迈入数字时代的最大特征，是从决策到复杂决策的转变。制造业数字化转型本质是一场数据驱动的“决策革命”。
工业时代，企业解决的是“点”与“线”上的碎片化问题与局部问题。但当步入到数字时代，需要面对的则是“面”与“体”带来的系统化决策上的挑战，而数据孤岛、系统孤岛、业务孤岛成为制造企业转型上的最大障碍。当前企业面临的最为现实的问题，即数字化转型的复杂性指数级增加导致信息化时代遗留的基础设施的“崩盘”。

工业互联网，作为制造业的新型数字基础设施，其本质是数据驱动的自动化决策，以化解制造业复杂系统的不确定性，并驱动新价值网络的生成——即利用数据进行信息交换与传递、利用数据洞察生产与商业的运行规律、利用数据进行精准的自动化决策，并最终对信息与物理世界加以控制、利用数据驱动全价值链、全要素的网络化协同，产生新价值、新模式、新业态与新产业。
工业互联网平台是工业互联网的核心，通过构建一个全新的知识与技术分工协同体系，最大程度降低数据决策的成本，提升决策效率。以云作为数字底座的全新分工协同体系，将涵盖计算、数据、连接、分析、算法模型、机理模型在内的大量碎片化知识与技术聚合在一起。技术之间相互组合、“繁衍”、进化，进而形成新的知识与技术，以满足各类企业面向全场景、全要素、全价值链的自动化决策与网络协同的需求。

什么是“工业数字中台” ？
本着打造一个以“数据驱动”的工业互联网平台生态体系，阿里围绕云计算、物联网、大数据、人工智能等新一代数字技术构建的“工业数字中台”，作为工业互联网的“数据操作系统”。
工业数字中台的本质，即对后端核心数据与核心系统标准化、模型化、模块化，由中台进行统一管理，并以共享的形式赋能前台，快速响应前端业务的变化与创新，最大程度降低创新的风险与试错成本。
工业数字中台由基于一个统一的云平台之上的四中台组成，即 IoT 中台、数据中台、业务双中台与AI中台，四者间成松耦合关系，即可独立实施，又可整体落地。工业数字中台可以在公有云、私有云、混合云等多种环境中部署，具备高灵活性、高扩展性与高可靠性。

IoT 中台

基于IoT技术，实现“云、边、端”一体化的数据与业务协同，打造工厂版“Android”。平台一方面负责端侧与边缘侧的数据采集，将物理资产转化为数据资产，在云端进行统一管理。另一方面，支持跨业务系统的连接以及与第三方工业SaaS的接入。IoT中台可加强人、机器、设备、产品、系统之间的互操作性，实现物理数据与系统数据的打通，低门槛打造数字化工厂。
业务中台

业务中台的本质是企业级能力的复用。通过将企业核心业务能力解构，模块化与微服务化，将其中共性业务抽离出来，以服务的形式固化到中台，并像“搭积木”一样对能力进行重新编排、组合，支撑前台业务的敏捷开发与创新。
数据中台

一座“数据服务工厂”，对产品生命周期的全链路数据进行“打通、汇聚与共享”，有组织、系统性地使用数据。通过数据中台建立包括订单、原料、设备、生产、产品、客户在内的全域数据模型，并根据不同业务逻辑对数据模型进行关联与分析，最终转化为统一的数据服务，为前台决策赋能。
AI中台

平台、数据、算法模型组合构成AI中台，支持从数据、模型、算法、应用到控制的决策闭环。AI中台提供低代码工具，可支持规模化开发与复用面向不同工业场景的智能应用。
IoT中台、数据中台、业务中台与AI中台四者相互依托、互为支撑。IoT中台实现数字世界与物理世界的链接。数据中台对大量连接所产生的海量数据进行加工与提纯，形成标准化、规范化的数据服务，更好支撑业务中台与AI中台开发面向业务场景的应用。而后者产生的数据则沉淀到数据中台，反哺数据模型的持续优化。

为什么需要“工业数字中台”？
迈入到 VUCA 时代（volatile、uncertain、complex、ambiguous），制造业发展最确定的即不确定性。如何最大程度降低在数字化转型过程中创新与试错的成本与风险，是每一家制造企业急需要攻克的难题。
? 从业务角度，企业急需获得快速响应市场环境、用户需求、服务体验、产品迭代变化的能力。
? 从 IT/OT 角度，打破OT系统与IT系统的“围墙花园”，解决数字化转型过程中，新产品、新服务、新模式、新数据、新组织所导致的更多的烟囱系统、数据孤岛与业务孤岛问题。
? 从数据价值角度，需要克服数据智能应用开发在系统性、敏捷性、标准性与可复制性上的缺陷，推动数据智能从单机智能升级为产线智能、工厂智能、直到全域智能，方可实现工厂生产运营效率的整体最优。
? 从组织/员工的角度，如何通过实现数据协同推动组织、业务、供应链间的液态化协同；如何由过去管理者经验决策，到现在数据驱动的实时、在线决策；如何激发全员的数据化运营与数据化创新思维。
如果制造企业遇到上述问题中的任何一个，那么就有必要考虑围绕数字中台，着手开展工业互联网的建设工作。

“工业数字中台”的特点是什么？
? 中台不是一成不变的，而是根据外部环境变化，动态调整、持续迭代的；
? 中台不是设计出来的，而是为满足业务转型需求，自然演进的结果；
? 中台不是技术堆栈，而是系统化地为用户提供面向业务的能力，为用户带来持续价值；
? 中台建设虽是以局部业务优化作为切入，但最终目标是提供横跨供、研、产、销、服的企业级数字服务能力；
? 中台不是纯线上平台，而是同时覆盖线上/线下场景，提供IT/OT能力与解决方案；
? 中台不是封闭的，而是开放给所有工业互联网参与者的。
? 中台不能通吃，而是被集成的，且平台能力可以整体平移给合作伙伴与企业用户。

“工业数字中台”的四个组成部分
IoT中台：
打造数字工厂的“Android”

? 在端侧，AliOSThings操作系统支持多种工业协议标准与安全防护机制，确保平台上所链接的机器能够进行安全的数据传输；
? 在边缘侧，阿里IoT边缘计算平台Link IoT Edge用以处理大量、实时的工业数据，决策后直接指挥机器进行工作；
? 在云端，云平台Link Platform负责管理链接、设备及应用组件，并在Link Market上沉淀为产品与解决方案，进行交易。
? Link Security安全平台结合物联网、区块链技术，保障云、边、端数据采集与数据应用的可信。

在IoT技术构建的数字孪生世界中，IoT中台另一项关键任务是支持OT（Operating Technologies）应用的SaaS化与APP化，以及跨业务应用系统间的集成。用云化的软件与应用管理工厂中包括“人、机、料、法、环”在内的工业要素。面向不同工业用户，平台输出一站式、标准化的数字服务。

? 工业 APP 运营服务平台面向设备与应用开发服务商，提供包含开发、托管，上架，交易，运维，下架 的工业APP全生命周期服务。
? 集成工作台面向软件集成商，平台提供适合数字工厂集成实施的集成工作台，可以实现标准化的工厂设备接入与集成。
? 数字工厂面向工厂企业，提供专属的云上数字工厂平台。平台通过统一的主数据、工厂模型、工艺模型及权限管理，帮助工厂建设数据中心和业务中心，既可以此为基础整合与新建业务系统，还可以实现工厂所有数据的融合，为生产效率及经营业务能力提升打好数据基础，同时降低数字工厂的打造成本与实施风险。
? 平台运营中心面向工业互联网平台运营商，提供行业平台运营能力。平台以阿里云工业互联网平台的数字工厂、集成工作台为技术基础，进一步为平台运营商提供行业平台门户。并帮助行业平台整合设备应用开发服务商、集成服务商、工厂企业、供应链及金融等各方能力，打造带有行业属性工业互联网生态。

工业业务中台：
企业核心业务能力的解构与重构

业务中台的能力在于打破业务系统的“围墙花园”、业务孤岛，减少大量系统重复性建设，提高核心业务能力的复用性。通过业务中台，将技术、经验、知识、最佳实践解构与重构。基于云端的微服务架构，无论是库存管理、订单管理，还是CAD、ERP、MES等，这些传统应用均可通过解耦、模块化、微服务化的方式，沉淀到业务中台。并基于一个统一的业务中台，重新封装面向特定场景、特定问题的新的、轻量型的工业 APP。
业务中台不是系统，而是一套可以借助IT系统推动企业包括组织、业务、模式在内的整体转型的机制。基于此，阿里提出了“3+1+1”的工业业务中台能力方法论，即三项核心业务能力、一个跨业务能力的业务数据域以及一套通用的业务中台技术基础设施。

? 三项业务能力
包括由基础业务能力、组合业务能力、个性化业务能力组成的基于领域模型分解的业务能力池。
基础业务能力是企业业务的“原子单元”，是企业精细化管理的基础，比如库存管理、物料管理、订单管理、人力管理、财务管理、分销发货、原料采购等，都是不可再拆分的最小业务颗粒。基础服务能力可以被抽象成各种微服务APP，满足面向不同业务场景的需求。
组合业务能力中心是依据制造业“经、管、产”三大业务特点，对基础业务能力中心提供的能力进行统一编排，形成企业新的业务能力，提高业务能力的复用性与支撑企业业务发展的灵活性，比如设计中心、研发中心、用户中心、生产中心、营销中心、商品中心等。
个性化业务能力是针对某些业务域提供的个性化能力支持，如云生产系统、云财务系统、云办公系统等，负责支撑智能网联业务域的个性化。

? 业务数据域
业务数据域是与上述业务能力中心匹配的业务数据集合。业务数据域的操作需通过业务能力中心，从而保障数据的高度一致性。通过业务中台实现业务及数据的实时、统一、在线是业务中台的核心价值之一。
? 业务中台技术基础设施
业务中台技术基础设施是对业务中台中的业务能力中心、业务数据域、管理机制及标准提供标准技术支撑的技术体系，如分布式服务框架、分布式数据库、分布式消息队列、分布式业务监控等。采用统一的技术基础设施对于业务中台的落地、运维、迭代更新等起到重要的支撑作用。
工业数据中台（IData）：
工业互联网的“数据服务工厂”

数据中台的本质是驱动数据的自由流动，即将正确的数据在正确的时间、以正确的方式、提供给正确的人、并做正确的决策。
制造业数字化转型不只是为了实现制造过程的数字化。通过5G、AIOT等最新技术所获取的设备、作业的实时数据还需要延伸到整个价值链中，实现基于产品、用户、服务的全面创新。因此，企业未来的创新必须是站在“上帝视角”的创新——从用户视角去看产品的设计研发、从集团视角去看工厂的运营、从供应链视角去看生产排产、从产线视角去看每一台设备的管理。
更多企业意识到，全要素、全链路间的数据协同所带来的系统性优化，其收益要成倍于单点或是局部上的创新。因此，看不见的自动化（数据自动化），决定了未来企业的数据创新力，是制造企业实现全面业务变革的必要条件。工业数据中台的使命就是打破数据之间的隔阂，让数据低成本共享，为数据资产变现打下扎实的基础。
如果用一句话定义工业数据中台，即由数据运营组织管理、以业务为驱动、借助中台技术、对数据进行生产加工，并将数据资产根据业务场景转化为数据服务的一套完整的业务流程体系。

阿里工业数据中台包含四个核心要素：技术工具箱、数据仓储中心、数据加工车间与数据运营组织。
? 技术工具箱
负责提供数据、算力与算法工具，用精益管理对数据进行统一的加工与制造。技术工具箱第一是为数据的汇聚（实时汇聚，批量汇聚与流式汇聚）提供技术支撑；第二是为数据制造过程提供弹性的、可按需分配，合理调度的强大算力；第三是提供面向不同业务场景的分析与算法模型能力，例如工业参数优化、能耗优化、智能补货、销售预测等。
? 数据仓储中心
对产品从设计、研发、生产、到物流、销售的全生命周期中所有业务主体的描述，构建全域数据模型。模型即可以表达空间结构，诸如离散制造行业中，汽车、机械、高端装备等产品组装的过程，也可以按时间序列（流程制造）描述产品从原材料到成品的转化过程。借助工具箱中的工具，将来自不同业务系统的同类数据按照不同业务维度进行聚合。所构建的数据模型可以在“微粒世界”中，对每一台设备、每一位用户、或是每一件产品进行实时、动态的数字映射。同时，通过全域数据模型, 无论是IT数据、OT数据或是两者的集合，都可解耦并重构成供前台应用快速编排与调用的 API。

? 数据加工车间
负责数据的制造加工，制造过程由运营组织管理，制造技术由技术工具箱支持。数据加工车间根据不同业务场景的描述，基于全域数据模型，进行跨域数据的关联与分析，以清晰表达企业内部各业务主体之间的相关性，呈现完整的业务价值全景图。数据制造的过程主要包括：
1）全域数据对象自身维度变化的计算过程，例如加热炉在运行过程中参数状态或是在炼钢过程中，铁在脱硫环节发生的变化。
2）根据不断变化的业务逻辑，重新组合跨组织、跨业务流程体系，对不同业务对象之间进行关联分析，例如订单与产线的关联、订单与物料的关联、设备与工艺的关联、用户体验反馈与研发的关联；
3）面向不同维度，将产品数字信息与物理信息相融合，并以可视化的方式呈现，例如各类车间看板与可视化大屏；
4）数据智能计算，例如工艺参数优化、设备的预测性维护，智能排产排程等。
最后，通过将这些映射业务价值的全景数据进行封装，形成统一的数据服务，支撑一线业务的决策。
? 数据运营组织
最好的数据中台永远是在明天，中台建设需根据业务的变化不断迭代与持续投入。围绕中台，需要搭建一个独立的、具有跨学科、跨业务能力的数据运营组织，具备数据持续运营、数据价值挖掘与创造的能力。运营组织需负责制定数据策略、流程、标准、规范以及绩效考核体系来保障数据的一致性、可信性、准确性、安全性以及业务响应的敏捷性，包括全域数据模型的标准和质量管理、控制与调度数据的制造过程，以及必要的数据安全、数据备份、数据双活和灾备等一系列措施。

工业智能中台：沉淀、传承与复用

平台 ×（数据 + 算法）的互联网模式所产生的杠杆效应，可以支撑工业智能应用以十倍速复制，最终撬动整个产业的数智化转型。
“AI与工业互联网的叠加是工业互联网发展到新阶段的标志，也是工业企业寻求差异竞争的核心能力。”算力、算法、大数据能力与行业“know-how”的组合所构成的工业智能已经在单点应用上证明其价值创造的能力。工业智能需要从单机智能升级为产线智能、工厂智能、直到全维智能，系统性解决工厂生产运营的不确定性。
阿里工业大脑开放平台，旨在通过一个统一的、标准化的平台完成“数据-模型-应用-控制”间的决策闭环。通过降低数据治理、算法模型、开发工具与行业知识的门槛，帮助行业合作伙伴与行业专家更高效地开发面向不同工业场景的智能应用。
工业大脑开放平台对外已开放数据工厂、算法工厂、AI创作间与API服务总线四大功能。

? 数据工厂
负责对工业大数据资产进行一站式管理，让数据采集、接入、清洗、特征提取、上云这些不能够直接产生经济价值，但又占用 80% 精力的工作不再成为工业智能落地的障碍。
? 算法工厂
面向算法开发、算法交付与算法维护工程师。工厂提供一整套算法管理、配置、部署和封装的工具，让算法工程师能够更加专注于算法本身，提高算法模型的开发效率。此外，应用服务合作伙伴可以将自己开发的算法模型上架到算法工厂开放的“算法商店”，进行算法交易与共享。
? AI 创作间
面向不懂代码的工程师，提供低代码的开发环境。通过可视化的行业知识图谱与行业算法模型工具，将数据与算法“翻译”成业务语言。工程师只要掌握业务过程建模的基本逻辑“，通过“拖、拉、拽”等图形化编程方式，便可开发出面向不同场景的专属工业智能应用。
? API 服务总线
则是将已经建立的算法模型发布成服务，统一调用，优化一线人员决策。最终目标是通过将智能算法与生产系统相连接，直接对生产设备进行实时、动态的反向控制，打通决策到执行的最后一公里。
目前，阿里工业大脑平台 2.0 已经覆盖了钢铁、水泥、化工、电力、3C、机械等多个行业，集成并开放 3 大行业知识图谱、19 个业务模型、7 个行业数据模型以及 20+ 行业算法模型，被广泛应用到涵盖工艺优化、能耗优化、智能排程、AI 质检、生产资源优化、设备预测维护在内的众多生产场景中，有效降低生产环境中的各种不确定性，做到降本增效。

本文转自网络，原文链接：https://developer.aliyun.com/article/785777
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！