目前，工业互联网建设如火如荼。我们先来瞅瞅官方的定义：工业互联网是链接工业全系统、全产业链、全价值链，支撑工业智能化发展的关键基础设施，是新一代信息技术与制造业深度融合所形成的新兴业态和应用模式，是互联网从消费领域向生产领域、从虚拟经济向实体经济拓展的核心载体。

可以看出，工业互联网的核心要素是数据+模型，关于这方面的实践应用可谓众说纷纭。

作为专业从事工业自动化与信息化产业的上市企业，科远股份25年深耕钻研于流程工业领域的自动化控制及数据挖掘应用，身为这方面的“老司机”，今天我们就来韶韶基于工业互联网的大数据该如何建设！

众所周知，

工业发展到现在，主要经历了三个阶段，

而目前正进入第四个阶段，

工业4.0，也就是第四次工业革命，

由德国政府提出的十大未来项目之一，

涵盖智能工厂，智能生产，智能物流，生产服务化，云工厂，跨界融合等理念。

在此发展趋势下，科远股份前瞻布局，

开始了基于工业互联网的大数据建设。

话不多说

直奔重点

PART1市场业务模式

国外巨头提早布局，建设了以GE的Predix和西门子的MindSphere等为代表的平台，打造“国际品牌+高端产品+先进平台”的综合优势。我国企业基于各自行业经验，也进行了工业互联网平台的探索，形成了三种工业互联网平台主要模式。

平台赋能型新业务模式平台表现：

（一）企业租赁，为企业提供增值服务、提供数据全生命周期管理，多层次价值实现，除了以物联展现、资产全方位管理、智能诊断服务、预测性维护等为代表的基础性服务，还包括：以机器为核心，通过连接机器和受益相关者，打造机器关系管理生态服务体系，提供机器物联和大数据分析为基础，专注机器全生命周期管理，聚焦高价值运营设备。

（二）项目实施，通过机器的互联和数据的收集整理，对接云端数据存储、数据分析和智能服务平台，提供资产管理、设备跟踪、故障预测、保险金融、研发辅助等创新业务，帮助用户降低成本、提高运营效率，实现商业模式创新。

（三）服务授权，为设备提供全角度全生命周期管理，涵盖物联监控、智能服务、能耗耗材、资产管理、设备协同、设备保险、交易支付、货款保理、共享租赁、改装再造等多个环节，为企业实现增效提速、商业创新等目的。

PART2应用技术探索

企业级大数据中心负责统一存储、管理、分析、挖掘、实时计算为一体的PAAS 平台，以服务生产业务为导向，以高效，稳定，安全为目标。

业务框架设计规则：

高可用性：确保业务系统软件的可用性，包含管理数据节点的双活，元数据的备份管理，数据的多份冗余，微服务的单节点修正，故障监控和快速恢复机制等重要环节。

可扩展性：业务系统软件的设计秉承着低耦合的理念去做，注重在合理的地方抽象。方便功能更改、新增和运用技术的迭代，并且支持在适时对架构持续重构、升级。

高复用性：为避免重复劳动、降低成本，结合开源软件和自身框架的特点，持续引入和升级业务框架体系，提高业务软件开发效率。

平台的业务职责:

业务框架图：

业务框架图分以下几个模块：

电厂把测点数据、信息系统数据、第三方数据，通过企业消息总线，发往大数据处理中心，由企业实时计算业务处理流程引擎和离线分析业务流程引擎，统一对数据进行计算、分析、挖掘，然后通过对数据的呈现，完成智慧决策，生产业务数据流程。

（一）实时流处理系统 ：实时处理现场设备数据，对用户实时呈现设备工况。

（二）数据集成服务：对各渠道的离线数据进行抽取、清洗、标准化、转换、加载过程。

（三）基础数据： 数据仓储服务、数据分域管理、元数据管理服务等基础服务。

（四）算法服务： 生产设备数据、业务数据快速迭代分析，历史数据规整，设备数据分析与挖掘。

（五）数据能力： 数据分类、标签体系、业务规则、专家知识、流程引擎规范管理。

（六）应用服务： 生产业务数据可视化、报告查询、统计分析、搜素与探索。

（七）服务封装： 与信息系统业务模块进行接口对接并向用户提供标准化开发接口。

PART3与业务相结合

工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节，产生的各类数据及相关技术和应用的总称。其以产品数据为核心，极大延展了传统工业数据的范围，同时还包括工业大数据相关技术和应用。

工业大数据的主要来源有如下3类：

生产经营相关业务数据

主要来自于传统企业信息化范围，存储在企业信息系统内部，包括传统工业设计和制造类软件、企业资源计划（enterprise resource planning，ERP）、产品生命周期管理（product lifecycle management， PLM）、供应链管理（supply chain management，SCM）、客户关系管理（customer relationship management， CRM）和环境管理系统（environmental management system，EMS）等。这些企业信息系统已累积了大量的产品研发数据、生产性数据、经营性数据、客户信息数据、物流供应数据及环境数据。此类数据是工业领域传统的数据资产，在移动互联网等新技术应用环境下正在逐步扩大范围。

设备物联数据

主要指工业生产设备和目标产品在物联网运行模式下，实时产生收集的涵盖操作和运行情况、工况状态、环境参数等体现设备和产品运行状态的数据。此类数据是工业大数据新的、增长较快的来源。狭义的工业大数据即指该类数据，即工业设备和产品快速产生且存在时间序列差异的大量数据。

外部数据

指与工业企业生产活动和产品相关的企业外部互联网来源数据，例如，评价企业环境绩效的环境法规、预测产品市场的宏观社会经济数据等。工业大数据技术是使工业大数据中蕴含的价值得以挖掘和展现的一系列技术与方法，包括数据规划、采集、预处理、存储、分析挖掘、可视化和智能控制等。工业大数据应用则是对特定的工业大数据集，集成应用工业大数据系列技术与方法，获得有价值信息的过程。工业大数据技术的研究与突破，其本质目标就是从复杂的数据集中发现新的模式与知识，挖掘得到有价值的新信息，从而促进制造型企业的产品创新，提升经营水平和生产运作效率以及拓展新型商业模式。

PART4行业应用

科远结合二十五年工业自动化与信息化经验，推出的EmpoworX工业互联网平台可实现精准化定制，其核心竞争力便是一套大数据信息系统和数据驱动的大规模定制化智能化生产线，通过提供存放大数据的网络、基础设施、平台、应用工具、规模定制化生产及其他服务，实现运营效率的提高和业务创新的支撑。

通过互联网平台实现了客户个性化需求数据的采集，通过积累产品设计模型数据，建立起大数据信息系统。借助大数据技术、AI技术，分析设计数据中量体数据一个部位的变化引起的大量身体其他部位的关联变化规律，如相关设备之间数据的相互影响，建立规则库，设计数学模型，从而解决了上游设备和下游设备数据关联变化的难点问题，实现了个性化设计的产线编排，并支持客户个性化设计的自动匹配推荐。随着数据的累积，能满足用户更多的个性化定制需求。

通过云计算平台、实时数据库、边缘计算实现了产品全生命周期内数据流动的自动化、无缝衔接。在生产过程中，对数据进行加工、分析处理，从数据分析规则，真正的发挥数据价值，这是真正的智能制造内涵所在。

通过物联网技术、AI技术支持生产线的自动化改造、升级，实现流程工业、离散工业的不间断生产，并在生产过程中，使用大数据分析解决生产线平衡和瓶颈问题，使之达到产能提升、成本降低。