工业互网平台能感知与生产相关的原材料、产品、智能加工设备、生产线、工厂、工人、供应商和用户信息，通过互联网将信息关联起来，并利用数据分析技术，为智能制造提供决策支持，最终利用工业APP推送给用户和各智能设备。
因此，工业互联网技术体系包括5个部分: 工业互联网平台七大核心技术交织融合、PaaS 以其开放灵活特性成为主流选择、工业机理与数据科学走向融合、边缘与云端协同成为平台重要发展方向、微服务等新型架构大幅降低开发难度与创新成本。
工业互联网平台的技术体系
工业互联网平台需要解决多类工业设备接入、多源工业数据集成、海量数据管理与处理、工业数据建模分析、工业应用创新与集成、工业知识积累迭代实现等一系列问题，涉及七大类关键技术，分别为数据集成和边缘处理技术、IaaS 技术、平台使能技术、数据管理技术、应用开发和微服务技术、工业数据建模与分析技术、安全技术。
平台七大核心技术交织融合
（1）数据集成与边缘处理技术
设备接入：基于工业以太网、工业总线等工业通信协议，以太网、光纤等通用协议，3G/4G、NB-IOT 等无线协议将工业现场设备接入到平台边缘层。
协议转换：一方面运用协议解析、中间件等技术兼容 ModBus、OPC、CAN、Profibus 等各类工业通信协议和软件通信接口，实现数据格式转换和统一。另一方面利用 HTTP、MQTT 等方式从边缘侧将采集到的数据传输到云端，实现数据的远程接入。
边缘数据处理：基于高性能计算芯片、实时操作系统、边缘分析算法等技术支撑，在靠近设备或数据源头的网络边缘侧进行数据预处理、存储以及智能分析应用，提升操作响应灵敏度、消除网络堵塞，并与云端分析形成协同。
（2）IaaS技术
基于虚拟化、分布式存储、并行计算、负载调度等技术，实现网络、计算、存储等计算机资源的池化管理，根据需求进行弹性分配，并确保资源使用的安全与隔离，为用户提供完善的云基础设施服务。
（3）平台使能技术
资源调度：通过实时监控云端应用的业务量动态变化，结合相应的调度算法为应用程序分配相应的底层资源，从而使云端应用可以自动适应业务量的变化。
多租户管理：通过虚拟化、数据库隔离、容器等技术实现不同租户应用和服务的隔离，保护其隐私与安全。
（4）数据管理技术
数据处理框架：借助 Hadoop、Spark、Storm 等分布式处理架构，满足海量数据的批处理和流处理计算需求。
数据预处理：运用数据冗余剔除、异常检测、归一化等方法对原始数据进行清洗，为后续存储、管理与分析提供高质量数据来源。
数据存储与管理：通过分布式文件系统、NoSQL 数据库、关系数据库、时序数据库等不同的数据管理引擎实现海量工业数据的分区选择、存储、编目与索引等。
（5）应用开发和微服务技术
多语言与工具支持：支持 Java、Python、JavaScript、Ruby 和 PHP 等多种语言编译环境，并提供 Eclipse integration，JBoss Developer Studio、git 和 Jenkins 等各类开发工具，构建高效便捷的集成开发环境。
微服务架构：提供涵盖服务注册、发现、通信、调用的管理机制和运行环境，支撑基于微型服务单元集成的“松耦合”应用开发和部署。
图形化编程：通过类似 Labview 的图形化编程工具，简化开发流程，支持用户采用拖拽方式进行应用创建、测试、扩展等。
（6）工业数据建模与分析技术
数据分析算法：运用数学统计、机器学习及最新的人工智能算法实现面向历史数据、实时数据、时序数据的聚类、关联和预测分析。
机理建模：利用机械、电子、物理、化学等领域专业知识，结合工业生产实践经验，基于已知工业机理构建各类模型，实现分析应用。
（7）安全技术
数据接入安全：通过工业防火墙技术、工业网闸技术、加密隧道传输技术，防止数据泄漏、被侦听或篡改，保障数据在源头和传输过程中安全。
平台安全：通过平台入侵实时检测、网络安全防御系统、恶意代码防护、网站威胁防护、网页防篡改等技术实现工业互联网平台的代码安全、应用安全、数据安全、网站安全。
访问安全：通过建立统一的访问机制，限制用户的访问权限和所能使用的计算资源和网络资源实现对云平台重要资源的访问控制和管理, 防止非法访问。
在上述七大类技术中，通用平台使能技术、工业数据建模与分析技术、数据集成与边缘处理技术、应用开发和微服务技术正快速发展，对工业互联网平台的构建和发展产生深远影响。在平台层，PaaS 技术、新型集成技术和容器技术正加速改变信息系统的构建和组织方式。在边缘层，边缘计算技术极大的拓展了平台收集和管理数据的范围和能力。在应用层，微服务等新型开发框架驱动工业软件开发方式不断变革，而工业机理与数据科学深度融合则正在引发工业应用的创新浪潮。
我们在工业互联网平台的体系架构中提到：工业 PaaS 依托组件化的微服务、强大的数据处理能力、高效的资源接入与管理、开放的开发环境工具，向下接入海量社会开放资源，向上支撑SaaS层开发部署与运营优化面向工业场景的App，发挥着类似于“操作系统”的重要作用。那么，PaaS的开放灵活特性主要体现在以下三个方面：
PaaS 以其开放灵活特性成为平台架构的主流选择
（1）基于通用 PaaS 的二次开发成为工业 PaaS 主要构建方式
PaaS 能够为上层工业 APP 开发屏蔽设备连接、软件集成与部署、计算资源调度的复杂性，大部分领先平台都依托通用 PaaS 向用户提供服务。
（2）新型集成技术成为平台能力开放的重要手段
借助 REST API 等一系列 Web API 技术，大部分工业互联网平台中的设备、软件和服务通过 JSON、XML 等统一格式实现不同业务系统的信息交互和调度管理，为企业内外协同、云端协同、能力开放、知识共享奠定基础。新型 API 技术为多源异构系统的快速集成提供有效支撑，实现边缘设备与云端的集成、传统工业软件与云端的集成、平台内部不同软件和功能的集成。
（3）容器技术支撑平台及应用的灵活部署
通过引入容器和无服务器计算等新型架构，能够实现平台和工业应用的灵活部署和快速迭代，以适应工业场景中海量个性化开发需求。容器技术简化了硬件资源配置的复杂性，一方面实现了平台中服务和应用的灵活部署。
工业机理与数据科学走向应用创新融合，主要体现在以下四个方面：
工业机理与数据科学走向应用创新融合
（1）对工业机理的深入理解是工业数据分析的重要前提
在长期工业发展过程中，工业企业面向不同行业、不同场景、不同学科积累了大量经验与知识，这些工业机理的理解和提炼能够对生产现象进行精准描述和有效分析，对传统工业生产和管理的优化起到重要作用。随着新型数据科学的兴起，这些工业机理又能够有效指导数据分析过程中的参数选择和算法选择，使其更加贴合工业生产特点。
（2）大数据、机器学习技术驱动工业数据分析能力跨越式提升
工业互联网带来工业数据的爆发式增长，传统数学统计与拟合方法难以满足海量数据的深度挖掘，大数据与机器学习方法正在成为众多工业互联网平台的标准配置。Spark、Hadoop、Storm等大数据框架被广泛应用于海量数据的批处理和流处理，决策树、贝叶斯、支持向量机等各类机器学习算法，尤其是以深度学习、迁移学习、强化学习为代表的人工智能算法，正成为工业互联网 平台解决各领域诊断、预测与优化问题的得力工具。
（3）数据科学与工业机理结合有效支撑复杂数据分析，驱动数字孪生发展
基于工业互联网平台，数据分析方法与工业机理知识正在加 速融合，从而实现对复杂工业数据的深度挖掘，形成优化决策。
（4）工业知识正基于平台快速积累并实现高效传播与复用
通过数据积累、算法优化、模型迭代，工业互联网平台中将形成覆盖众多领域的各类知识库、工具库和模型库，实现旧知识的不断复用和新知识的持续产生。借助这种方式，传统分散于不同企业、不同系统、不同个体的工业经验将能够获得有效沉淀和汇聚起来，并通过平台功能的开放和调用被更多企业共享。
边缘与云端协同成为平台重要发展方向，主要体现在以下三点：
边缘与云端协同成为平台重要发展方向
（1）基于边缘的多协议转换强化平台数据接入能力
大部分平台均提出了协议转换和云端协同技术方案，实现设备、传感器、PLC、控制系统、管理软件等不同来源的海量数据在云端的集成与汇聚。
（2）边缘数据处理和缓存技术有效提升平台承载能力
工业生产过程中高频数据采集，往往会对网络传输、平台存储与计算处理等方面带来性能和成本上的巨大压力，在边缘层进行数据的预处理和缓存，正成为主要平台企业的共同做法。一是在边缘层进行数据预处理，剔除冗余数据，减轻平台负载压力。二是利用边缘缓存保留工业现场全量数据，并通过缓存设备直接导入数据中心，降低网络使用成本。
（3）边缘分析技术显著增强平台实时分析能力
为了更好满足工业用户的实时性、可靠性要求，越来越多的平台运营企业开始将计算能力下放到更为靠近物或数据源头的网络边缘侧。一是边缘层直接运行实时分析算法，二是边缘与平台协同，实现模型不断成长和优化。
微服务等新型架构大幅降低开发难度与创新成本，主要体现在以下两点：
微服务等新型架构大幅降低开发难度与创新成本
（1）基于微服务架构的开发方式大幅提升工业 APP 开发效率
基于微服务的开发方式支持多种开发工具和编程语言,并通过将通用功能进行模块化封装和复用，加快应用部署速度，降低应用维护成本。
（2）基于图形拖拽的开发方式有效降低工业 APP 开发门槛
基于图形拖拽的开发方式降低了对开发人员编程基础、开发经验的要求，使其可以专注于功能设计，从而降低应用开发的门槛。
部分内容引用：《工业互联网平台理论架构、评价方案与应用实践》一书，作者：李君、周勇，电子工业出版社
关注微信
