文章

我国工业互联网平台建设面临四大瓶颈

2019-03-31袁晓庆

549阅
从供给侧来看,我国工业互联网平台在工业数据采集、大数据建模分析、行业机理模型沉淀、工业APP培育等方面面临四大“卡脖子”瓶颈,亟需尽快取得突破。

    《国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见》提出,“到2025年,形成3-5个具有国际竞争力的工业互联网平台”。培育具有国际竞争力的工业互联网平台,事关未来10-15年工业操作系统主导权之争,事关一个国家制造业竞争优势的确立、巩固和强化,打造本土工业互联网平台时间紧迫、任务艰巨、使命伟大。从供给侧来看,我国工业互联网平台在工业数据采集、大数据建模分析、行业机理模型沉淀、工业APP培育等方面面临四大“卡脖子”瓶颈,亟需尽快取得突破。

一、瓶颈一:设备联网难,工业数据采集能力薄弱

    数据采集是工业互联网平台的基础,工业互联网平台首先要解决的问题是连接工业中的人、机器设备和业务系统,但是设备连接在工业现场并不是一件容易的事情。当前,我国规模以上工业企业里,80%以上的机器设备都是没有联网、不会说话的“哑”设备,只有20%的设备联了网、会说话,但是这些设备遵循不同的通信协议,存在严重的“语言障碍”,成为制约工业互联网平台建设的卡脖子瓶颈。

    一方面80%的设备没有联网,设备数字化水平低。我国制造业总体水平处于2.0向3.0过渡阶段,老旧设备多、数字化水平低,2017年我国规模以上工业企业生产设备数字化率为44.8%、数字化设备联网率为39.0%,需要通过加装传感器等方式实现设备联网,导致工业互联网平台数据采集难、成本高、效率低。

    另一方面20%的设备联网了,但通信协议不统一。近30年来,全球各类自动化厂商、研究机构、标准化组织围绕设备联网推出了成百上种现场总线协议、工业以太网协议和无线协议,协议标准众多且相对封闭,工业设备互联互通难,严重制约了设备上云,亟需构建能够兼容、转换多种协议的技术产品体系。

二、瓶颈二:数据不好用,工业大数据建模分析能力薄弱

    工业设备联网不是目的,目的是在赛博空间对工业设备建立数字镜像,利用工业大数据和人工智能“训练”出解决实际业务痛点的工业APP。工业互联网平台的本质就是对机器设备和业务系统产生的数据进行建模分析,将数据转化为指导设备和业务进行优化的应用服务。当前,受限于数据采集瓶颈和工业大数据自身的专业性、关联性、流程性、时序性和解析性等特点,工业大数据建模分析需要平台企业兼具工业基因和大数据基因,导致现有工业互联网平台工业大数据建模分析能力较为薄弱。

    一是数据种类不全,制约了工业大数据建模分析和工业APP功能。相对于互联网大数据注重数据的“量”和“相关性”,工业大数据更注重数据的“全”和“关联性”,以保证能够从数据中提取出工业设备真实状态的全面信息。受限于设备数据采集能力不足,数据源不全,这在一定程度上会制约工业大数据建模分析和工业APP的开发,当前,基于单一数据源开发的工业APP多,基于设备和业务系统等多源异构数据开发的工业APP少。

    二是数据质量不高,制约了工业大数据建模分析和工业APP性能。工业大数据往往会出现遗漏、分散、断续等现象,低质量的数据会直接导致建模分析结果无法利用或者更为严重的后果,需要对数据质量进行预判和修改,因此数据“清洗”工作甚至会占到工业APP开发时间的70%左右。基于数据质量问题,当前工业互联网平台上状态监测、故障诊断类工业APP较多,预测预警类尤其是智能决策类工业APP较少。

责任编辑:程玥
本文来源于互联网,e-works本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供,并以尽力标明作者与出处,如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
读者评论 (0)
请您登录/注册后再评论