【深度解读工业物联网】：用技术的眼睛

　　一、工业互联网的技术特性

　　1.对物联网层级的不同定义

　　如果做一个简单的比较，就会发现(工业互联网)执行视角的基础架构和(信息领域)物联网网络结构十分相似，但对层级的划分却有一些不同。

　　边缘层，一是包括了传感器、驱动器(执行器)、工业设备等终端设备，对应到物联网的感知/执行层;二是包括了两种网络形式：邻接网络、接入网络。和物联网网络层级相比，这两种网络的定义、范围略有差异。

　　邻接网络，可以理解为边缘网络层，包括了用于局域组网的转发节点，提供“就近”服务的边缘计算，以及连接云端的边缘网关。两者的差异在于物联网终端到边缘转发节点也属于邻接网络，但在边缘网络层(信息领域)中是不包括这部分的。

　　接入网络，其定义和物联网网络接入层有较大差异。它主要是指核心网(主要是指通信领域的骨干网络，例如移动通信的4G LTE/EPC网络)，是用于接入终端和边缘网关的核心网络。

　　虽然在“接入”的理解上工业互联网有自己的定义，但是整体上工业互联网和其他领域对物联网层次的理解差异性并不大。

　　平台层和服务层共处于服务网络之中，可以映射到核心网络层的应用部分(不包括核心网络)。其中，平台层对应于物联网服务平台，而服务层则对应于具体的行业应用。

　　端系统的概念

　　工业互联网对“接入”有不同的理解，是由于工业领域通常会将工厂内一整套的自动化系统理解为“端”。这种概念，在计算机领域称之为“端系统”，如同“终端”一样的信息化系统。

　　端系统是在一个区域范围内，由多种边缘设备(传感器、执行器、生产设备(终端)、仪器仪表、边缘网络节点、边缘服务器等)组成的系统。例如自动化生产系统，就是在一个工厂空间内，由各类感测器、执行器、控制器等组成的生产流水线。

　　端系统中的各类网络、设备、终端、有着非常紧密的联系，相互间往往采用私有、专用的通信协议进行数据传递，具有紧耦合的结构特性，以此搭建出一个完整、封闭(具有专网专用的特征)、自动化的生产应用或服务。除了生产流水线以外，传感器网络(Wireless Sensor Networks, WSN)和RFID应用系统(RFID应用系统包括控制服务器、读写器、电子标签)也都属于端系统。由于采用了专用、私有的通信协议，使得端系统必须作为一个整体来使用，系统中单独一个部件的功能无法被企业或用户正常使用。

　　从物联网的发展趋势来看，边缘设备的智能会逐步提升，通信接入和组网协议也会朝着规范、开放的方向发展，工业的“端系统”会逐渐被分解(系统解耦)，边缘网络中的终端和节点会逐渐独立出来，以满足自由、灵活的组合。所以，执行视角对网络层级的理解，预计会和互联网、通信领域的理解进行融合。

　　当然，仅从字面上纠结“接入”的范围和上下层次，并没太大的实际意义。物联网应用是丰富多态的，只有根据实际需求去理解架构层次，才具有价值。

　　2. 执行视角的递归性

　　从执行视角自身来看，其架构是具有显著“递归性”的，即网络能力和信息处理能力可以相互叠加和组装，实现更加复杂、健壮的信息系统。

　　例如：

　　一个小的邻接网络可以归属于一个范围更大的邻接网络，再连接到平台层(叠加网络);

　　平台层也可以分为多个层级来实现各类信息化功能(分层服务);

　　应用层中各类应用之间可以相互“调用”和“查询”，它们交互信息、相互支持，在不同的行业应用中扮演不同的角色，在各异的业务流程中履行不同职责(能力分工)。

　　架构中信息能力的组合，是设计者从商业、管理、行业和信息技术等各个方面的统筹考量，可以是一个极度复杂的大系统，也可以“弱水三千、只取一瓢”：只实现最基本的组网，使用最基本的功能。

　　3.执行视角和功能视角的关系

　　(1)元素(执行视角)与组合(功能视角)的关系

　　从功能视角来看，在执行视角中的信息处理能力是组成功能视角的元素。功能域中的功能模块，就是执行层中各类技术的组合。

　　如果一个“功能”是需要对控制域的设备进行操作，则需要从服务层(行业应用)发送指示，经过平台层转换为具体的操作指令，再贯穿两层网络(接入网络、边缘网络)，抵达驱动器执行。在这个具体的功能中，涉及了大量(执行视角中)的信息技术和相关设备。但对最终用户来说，只需要知道如何发出“指示”就可以实现对物的远程操控。

　　功能视角中的“功能”被称为“组件”，功能组件可以理解为一种数字化的“物品”，是在虚拟世界中可见、可以触及的“事物”。组件具有开放、规范的交互接口，结构化的属性和状态，语义化的内在含义。它可以被其它任何应用系统查询、理解、分析和使用，就像球场上的足球，可以被双方22个球员“盘顶扑射”的同时，还能被裁判和数万个现场球迷观看到。在执行视角中，各类终端设备也具有“功能”，但不能称为组件。就像一个温度传感器有感知温度的“功能”，但只有专用系统才能够读取、理解并运用它的测量数据。对其它设备系统来说，它们“看不到”传感器的存在，即使“捕获”传感器的感测数据，也无法理解那一串字符。

　　功能视角可以将现实物件映射在虚拟世界中(例如数字化双胞胎)，也可以将信息化应用(例如某特定行业的大数据分析)映射成标准服务向外提供。

　　利用功能组件中所包含的元素(功能模块)和组合(多个模块之间形成的结构)，能够在信息化、数字化的基础上，实现既灵活、又复杂的应用。这便是功能视角作为工业互联网顶层构架的意义所在。

　　(2) 功能域在网络层级(执行视角)中的位置

　　从整体来看，功能视角中的功能域，在执行视角的网路结构中有集中化部署的特性，即某些特定的功能域(功能视角)主要集中在特定的(执行视角中的)网络层级中。或者说，“层(执行视角的网络层级)”和“域(功能域)”有一定的映射关系，但这种映射关系并不是必然的。

　　控制域几乎都部署在边缘层中;大部分信息域和操作域的能力落地在平台层中;而企业层主要对应着应用域和业务域。

　　虽然整体上具备对应关系，但实际情况往往是由特定的行业系统来决定的，并且会随着技术的发展不断变化。

　　当设备终端是通过接入网络直接连接服务平台时，平台层必须具备一定的控制域能力。

　　如果边缘计算的能力不断增强，更多信息域的功能(数据预处理能力等)自然会迁移到边缘层中，而操作域中包括的资产管理能力也可以部署到边缘层中。

　　整体来看，随着计算的泛在部署逐渐推进，上层功能域的能力(应用域、业务域的信息处理能力)会更广泛地部署到各个层级中。此外，在实际的行业应用中，不同层级中的功能域需要相互服务和调用：控制域在图像的智能识别上，可能需要信息域提供图像处理的能力;同样需要定位服务的时候，又需要借助应用域提供Google地图这样的服务。所以，执行的“层”和功能的“域”并没有严密的映射关系。

　　二、工业互联网的两个核心“主题”

　　工业互联网的初衷在于通过自动化控制系统和信息系统的结合，实现两个核心“主题”：增加边缘的协作自主性;全球化业务贯通增进系统优化。

　　1.增加边缘的协作自主性

　　自主性是建立在自动化之上的“智能”。在工业生产的现场，高新传感监测技术的广泛部署，实现高质量的数据采集;利用嵌入式计算来完成实时的复杂逻辑运算和高级数据分析;网络互联实现了系统间无缝的信息交互，使得相互合作、协同生产称为可能。“智能”的落地(边缘计算)将成长性赋予了系统，它们可以通过“自学习(机器学习等)”来自建数据分析模型和信息处理工具，不断地优化自身的业务逻辑。

　　2.全球业务贯通的系统优化

　　通过跨系统的海量(传感)数据汇聚和“智能”的分析，使得企业的决策系统能够预见未来的业务趋势，洞察新的商业机会。系统将对未来的“洞见”进行“消化”，自主性地形成新的商业策略，并融入业务组件中(例如调整供应商、增加库存、修改产品设计等)。智能化的信息反馈机制，会将“智慧”垂直向下传递到“行为”上：业务组件会根据策略优化应用(组件)，改进功能(组件)，并最终落实到执行层面(组件)。“感知-智能(策略)-执行”形成了一个持续不止、巨大无比的信息循环，循环中的每一个独立系统，都可以根据自身获取的信息流，来调整自己的工作状态和工作方式，以适应(以预测为依据的)不断变化的商业环境。

　　三、GE的Predix

　　Predix是GE的物联网平台，定位于工业领域的PAAS(平台及服务)。从Predix中能看到工业互联网的架构，也能看到物联网平台发展最关键的需求。

　　1.从功能视角回看GE的Predix

　　在功能视角中，平台包括有三类功能域：操作域、信息域、应用域。GE作为工业互联网平台推进的主力企业，它的Predix(物联网平台)即是按照这三类功能域进行构建的。

　　Predix的PaaS层平台中有五类核心服务：“Assets”(资产)、“Analytics”(分析)、“Data”(数据)、“Security”(安全)、“Operations”(运营)。

　　Predix 的“服务”具备“域”的各种能力：

　　资产服务->信息域：工业数据建立“资产模型”、图形化数据库

　　分析服务->操作域：运营分析和预测分析(工业领域内的应用计算)

　　数据服务->信息域：引入层(Ingestion)和数据池(Data Lake)功能

　　安全服务->所有五类功能域：信息安全和安全生产

　　运营服务->操作域、应用域：“DevOps”和“BizOps”(软件领域)

　　2. GE Predix的荆棘之路

　　相比工业4.0，工业互联网有着比较清晰的信息基础架构，从GE Predix的架构中可以看出工业互联网企业努力的方向。

　　对于工业4.0和工业互联网，CPS都是它们构建工业物联网的基石，而构建CPS的关键是统一、规范的数字化标准和能力架构。但不幸的是，随着杰夫·伊梅尔特(Jeffrey Immelt)离任GE的CEO一职(2017年下半年)，Predix的发展被猛踩了一脚刹车。

　　由于前几年收购、合并了大量的软件公司，造成Predix自身一直存在大量的异构性问题，数据接口、系统架构、通信协议、数据模型差异巨大。由于一直无法有效整合这些软件系统，致使GE的“登月工程”戛然而止。

　　在工业物联网中，不论是引入CPS系统，还是搭建物联网平台服务，最核心的基础目标都是为了消除各领域信息系统的异构性。然而，如果位于应用之下的CPS、平台自身也存在大量的异构问题，那么这就会给企业的“工业革命”带来灾难性的后果。显然，GE雄厚的技术实力也无法解决战略上的判断失误，没有相对统一、明确的内部系统，则无法整合纷乱的外部系统，而形成新的工业生态。

　　所以，GE的Predix怕是需要推倒重来，才能涅槃重生了!