分享嘉宾：张起彤阿里云物联网架构师

编辑整理：王吉东昆仑数据

出品平台：DataFunTalk

导读：工业互联网技术，是物联网技术、云边协同、数据库、实时计算等领域的综合应用场景。本文会从工程实践角度，讲述智能制造数字化赋能转型的角度，并结合智能制造转型应用案例，端到端地讲述阿里云IoT对工业上云整体方案的系统设计和实践心得。主要内容包括：①工业数据上云背景与整体方案介绍；②核心技术环节和优化心得；③工业数据应用案例介绍。

01

工业数据上云背景与整体方案介绍

1.工业数据上云的意义

工业互联网，是继消费互联网后又一个重要的应用场景，在全球范围内得到了普及推广。

抛开国内制造企业、业主等类型单位对工业数据上云的成本、产出效益方面的担忧，工业数据上云的主要意义在于：利用云的开放灵活度、分布式、可扩展等特点，打破传统工厂在工业化、信息化方案中的标准封闭、碎片化、孤岛问题，实现OT和IT的融合。具体包括：

利用云端的大数据能力，产生新的数据价值，优化生产和经营；

云边协同（云端训练+现场推理），加速工业算法落地；

云上工业互联网，打造产业链协同的新应用模式。

2.工业数据上云面临的挑战

对于工业数据，可从OT域和IT域两个角度入手：

①OT域——工业设备时序数据实时上云的挑战

相比于智能家居等消费型智能设备，制造业产业普遍自动化程度较高，然而设备更加专业化和封闭化：适配协议多，采集频率高，数据量大，非标设备多；因此需要搭建统一的、具有兼容性的数据汇集网关，做好底层建设，制定针对性的云边一体化方案。

工业产线设备和消费级智能设备的对比如左图所示。

②IT域——工业离线数据集成挑战

除了上述的OT域所面临的挑战外，在IT域同样面临不小的挑战。

右图是一个典型的工厂信息化进程。从图中可以看出，工业企业采购的IT系统之间通常是不能数据互通的，因此工业IT存多源异构系统特别多、数据格式不统一、碎片化严重。基于这样的情况，将各类数据汇聚起来做商业分析、经营报表等是非常困难的；因此需要配套离线的数据集成方案，去解决上述诸多IT域存在的问题。

3.工业数据上云整体架构

如前文所述，工业数据上云的价值在于：帮助制造企业实现企业内部从设备、控制系统及信息系统的互联和数据融合，最终实现数据驱动业务与运营优化；然而其存在诸多的技术挑战，主要在于：工业边缘采集+建模、海量数据上云、异构数据集成、数据融合分析等。

基于上述种种现状，阿里云IoT事业部工业互联网团队联合阿里云物联网平台以及边缘计算团队、容器服务团队，共同研发了一套工业数据组合应用平台，专用于解决工业企业大规模点位设备数据快速上云这类问题，并结合工业典型场景提供诸如数据资产服务、业务应用服务、数据融合服务等。整体架构如下：

基于阿里云物联网、云技术和工业大数据技术等，阿里云数字工厂构建了一套相关的解决方案：利用数字化控制管理资源，收集分析历史数据，并基于分析结果进行业务决策和优化技术。（可在阿里云主页搜索“数字工厂”查看详情）

4.工业数据上云核心链路

工业数据通过采集器采集数据，获取设备的运行状态。工业产线大多是通过PLC或DSC实现自动化控制，因此工业边缘网关的主要目标是读取数据并进行模型化处理、格式化组织并上云。

这一部分的关键点在于，根据数据的实时性以及数据类型，进行分层处理，实现设备实时消息采集上云+云边离线数据集成：

对于设备实时消息（图中的上层），借助物联网平台提供的MQTT这一大吞吐量上云通道，实现采集数据的实时上云。同时，可通过实时消息订阅分发，提供给下游对工业数据实时性要求较高的应用（如组态应用、MES系统等）；

对于本地数据存量（图中的下层），提供了云边数据集成工具，可帮助工业客户快速完成异构跨源IT数据的采集、转换和批量上云。随后，可利用阿里云工业数仓进行预设的业务分析，以及客户自定义的开发任务分析，最终输出给工业数据应用层，进行业务呈现。

02

核心技术环节和优化心得

1.工业多协议兼容的边缘计算一体机

①在工业生产现场，通过部署阿里云边缘计算一体机，实现高实时高流量高可靠的数据接入、就近计算、算法推理

使用阿里云边缘一体机，为客户提供边缘计算基础设施，具体包括以下特性：

本地设备接入，协议适配

本地AI容器，应用容器

本地规则引擎，本地FC(函数计算)

基于OpenYurt的云原生运维

软硬一体，成本优化

②在工业数据上云场景的边缘计算应用架构

工业协议驱动：驱动主要采集PLC点位数据和设备告警数据上行，并执行反向设置点位数据。支持OPCUA/Modbus等市面主流工业协议；同时开放驱动对接SDK，第三方可以实现自己的驱动程序。

点位数据处理和模型转换：将原始的离散的、非结构化的点位数据，转化为结构化的设备物模型消息。

实时处理：包括按规则加工、清洗、生成中间数据。

数据代理：负责数据上云，同时接受下行的请求，将设备下行请求转化为下行请求。

2.工业设备实时数据的模型化处理

①阿里云物模型介绍

阿里云物联网平台物模型,在智能消费类设备领域大规模推广,沉淀了属性、事件、服务标准定义;又在园区、城市、工业等场景中不断增强,演化出组合、引用、规则等复杂模型特性,最终具备数字孪生体的建模、协同、共智核心特征。

阿里云物联网平台物模型2.0增加了物模型规则，可计算包括物模型自身功能定义之间的运算和跨物模型功能定义之间的计算。

下图的左图就是一个最简单的物模型转换规则：将摄氏度转换为华氏度。

传统的工控自动化背后，是很多小规模、封闭、独立的自控系统，在工业实施的过程中，需要专有的系统或协议层的访问，而且难以复用。基于阿里云工业协议网关配合物联网平台物模型规范，可以实现现实通信协议和设备模型之间的解耦。通过物模型，站在整个企业视角对工业设备进行统一的自上而下下建模，从实践中看到有如下收益：

标准化设备上下行的数据范式，便于设备实时互操作（状态跟踪/采集/反控），利于系统间数据流的打通和三方应用标准化接入；

基于物模型数据采集对于数据的范式、语义和约束条件有明确的定义，有利于数据分析、算法推理，节省数据清洗成本；

模型化表达物理世界映射，更容易描述设备关系、机理规则等复杂特征，更适用于

转载请注明:http://www.aideyishus.com/lkjg/4768.html