孰优孰劣：基于工业模型的数字化与基于数字互联网的工业化

这其实代表了两种商业思路，前者以德国工业4.0为特征，后者以美国GE提出的工业互联网为典型。

工业4.0

关键字：数字孪生DigitalTwins、基于模型的数字化企业MBE

工业4.0是2013年在德国汉诺威工业博览会上首次推出的。核心目的是依托欧洲发达成熟的工业体系，提升制造业的智能化水平，建立具有适应性、资源效率及基因工程学的智慧工厂，在商业流程及价值流程中整合客户及商业伙伴，利用信息化技术促进产业变革。这一方的想法是在现有工业产线的基础上，借助物联网、大数据分析技术，通过更多的数据采集，更细致的流程管理，结合行业模型积累，通过设计、仿真、装配工艺、制造的全过程把控，实现更高效的生产制造，更低成本的物料管理、更高质的产品输出，更快的市场发布，更有效的客户反馈。

这一块的典型玩家有博世、西门子、施耐德、ABB

常见的业务架构方案如下：

从上图就可以看出，新工业4.0 更多的是基于现有产线做流程改造，通过工业模型的标准化和数字化，实现信息的全过程畅通传递，产品设计、应用分析、零部件工艺制造、装配生产、质量检验均使用基于模型的系统工程来实现协同。最后将这些带有三维数字模型的信息拓展到整个生命周期，实现虚拟和物理数据的同步和一致，虚实互联，避免原有各个子过程独立建模，无法同步关联，无法及时发现缺陷、矛盾等问题，缩短大量方案设计和安装调试的时间，加快交付周期，不断追求优化进步。

基于工业模型的软件开发系统工程使用SysML这样的系统建模语言，通过使用面向MBSE 的设计和制造复杂产品的方法来增强创新能力。在这之上提供的数字孪生服务方案，也呈现出多种集成模式。

OEM Discrete Digital Twin
OEM Composite Digital Twin
Owner-Operator Complex Digital Twin
Owner-Operator Composite Digital Twin

Gartner G00350786 27 April 2018. “Five Approaches for Integrating IoT Digital Twins”

工业互联网

关键字：物联网IOT、产业互联网、软件定义的工业

工业互联网是美国GE公司在2012年提出的概念，他们认为“工业互联网，就是把人、数据和机器连接起来”。工业互联网的三要素，是人、数据、机器。随着使用范畴的演变，工业互联网进一步丰富为：

借助开放、互连的网络平台，把设备、产线、员工、工厂、供应商、产品和客户紧密地连接起来，共享工业生产全流程的各种要素资源，使其数字化、网络化、自动化、智能化，从而实现效率提升和成本降低。

工业互联网最大的特点就是借助互联网技术让之前单节点、单系统的孤岛数据“流动”起来。通过交换数据、共享数据，借助云计算、物联网、大数据这些新信息技术升级的产物，产生价值。

虽然都是IT+OT技术的融合，但工业互联网的发力点在于底部的IT信息技术。以IT技术为先导，用物联网平台为手段，借助AI、BigData等新服务能力，实现工业生产过程所有要素的泛在连接和整合。

官方版 工业互联网平台架构图

工业互联网的主体架构和云计算架构很类似，包括IaaS、PaaS、SaaS。这些都属于IT信息技术带来的能力。边缘层则是OT现场生产那部分。结合架构，可以看出，工业互联网既然词根的重心落在后半截，就代表着它更强调用互联网的技术、思维、打法来改变传统工业行业。所以这块也更适合美国和中国这样的互联网强国。较典型的代表有GE、Rockwell、微软、霍尼韦尔、海尔、树根互联、阿里、华为

留心的看官可能已经发现，工业PaaS平台中一块用红圈标注了，这不同于下面的通用PaaS平台，不是简单的设备资产管理、运维、报警、FM等，而涉及对工业数据的业务建模和相关行业知识的服务化组件开发。这块也真是目前工业互联网迟迟难以落地成功的一个重要原因——个性化、定制化

传统的ToC消费物联网平台，分析需求、建立模型、编写代码这三步的工作比例，是2:3:5；而ToB的工业互联网恰好相反，是5:3:2，你需要花大量的时间在场景和需求分析上，搞懂它到底是怎么运作的。在这一点上，作为互联网巨头的亚马逊、微软、谷歌，包括国内的阿里、腾讯，虽然拥有雄厚的软件研发实力，但对工业制造过程没有深厚的技术积累，在短时间内也无法作出合适的平台，用以满足行业的不同诉求。

这个行业需要的是高度定制化。试图拿一个通用平台（IoT平台、数据平台）再简单改改，搭一层互联网企业眼中所谓的业务中台就能解决行业问题，纯粹不切实际。

需要接入平台的下游企业所生产的设备不一样，子系统不一样，流程不一样，工艺不一样，渠道不一样，甚至商业模式和供应链都有可能不一样，这些对上层业务模型都会造成影响。愿望是美好的，现实是残酷的，不懂行业的结果只能是做出一个不伦不类的行业平台，并不能迅速解决行业的痛点问题。

求同存异

关键字：软件模型、工业知识

通过前面工业4.0和工业互联网的分别说明，相信大家其实对此也或多或少有所认识。这里我们再做个总结。

工业平台固然重要，但平台最终是要为用户提供应用服务才有价值。离开应用谈平台，撇开为了一些无法道明的商业炒作，最后伤害只能是企业用户。工业行业毕竟经历了上百年的历史沉淀，代表了一个社会文明进步的技术水准，是工业知识长期积累并在应用中不断迭代的模型化、软件化的产物，其核心是工业知识。就拿近期网上炒得火热的华为芯片事件，不了解的人都会觉得不是应该很简单嘛，EDA设计了，放到制造线去生产加工就行了，结果呢，没有工业光刻机，一切都是镜花水月。我拿这件事也是为了说明，工业知识和行业模型、行业软件不同于现在那些互联网IT大厂的软件，更何况我们所看到的几家大厂，阿里腾讯百度字节，更多是面向消费者，还缺少ToB的国产SAP、Salesforce。没有足以支撑一个平台的工业应用软件、行业知识库，是不足以形成一系列软件化、可移植、可复用的行业系统解决方案的，这才是构建整个新工业应用体系的主要内容，也是实现工业平台价值的最终出口。

为何前几年大火的AI技术，2020年开始一地鸡毛，也正是类似的原因，平台所提供的所谓AI能力并没有能很好的结合行业模型和真实诉求，转为有效服务用户的软实力。空谈一些Paper和比赛排行，却很少精下心做好产品和接受市场，最后伤害的还是企业自身的口碑。

普通软件模型，比如CEP、BPM、MQ 对于常规软件设计是可以的，但对于工业应用或楼宇自控来说，从根本来说是不能满足需要的。不过工业4.0一样认为软件化是工业的未来，未来的工业软件应该基于模型的理论、工具和方法。将工业知识转化为工业软件才是未来可取之道。

未来：智慧工业

我国的软件长于“软件模型”层面的技术和应用，短于“工业模型”层面的提炼和积累。这需要我们从行业多吸取有效经验，重视“工业模型”的构建，尤其是构建可广泛应用的跨学科、多领域统一建模的标准和平台，用互联网低耦合、高复用的技术方案来改变工业重复性工作多、应用大而全、建模工作量大、模型应用难的问题。同时数据才是一切分析的来源。传统工业往往按OT的思路来管理现实世界与设备、产线的关系，缺乏对设备协同分析的机理，而结合数字孪生，多按IT的思路去分库分表，往纵深发展，形成一套系统的方法论和数字决策体系也是IT可以给工业带来的变革。

下图是设想的分工协作方式，现场工业产线更多的是工业行业专家来牵头，包括现场逻辑设计和调试，云端的行业平台则是IT互联网企业和工业专家合作共建。通过工业专家的输入，将工业原理模型封装为low code的图形化算法组件，降低开发的成本和门槛。比如西门子的Mendix就是一类低代码软件开发工具，通过可视化、拖拽式的软件功能组件装配，让不太擅长互联网代码的工业应用软件开发者也能便捷的开发出工业应用软件。Mendix通过模型驱动自动生成运行代码，让高度抽象的模型映射到具体的业务数据上，进而来满足需要的功能。这些模型组件实现了业务应用和底层物联网平台技术的分离，大大减少了遍码的重复工作，提高了软件的可变更性。

未来的智慧工业将不再是简单将工业产线数据嫁接在互联网平台上，而是两者的深入融合，互联网架构设计和软件开发的专家也需要更多地了解行业知识，明白在哪些方面需要用微服务，哪些地方不能用，哪些地方云边协同，哪些地方集中管理分散控制。而工业OT的技术人员也要多了解容器、分布式、云原生等对原有工业软件体系的改变，用新的技术手段推动行业的升级。

个人介绍：

远景智能智慧城市-智慧楼宇业务架构副总监
蚂蚁金服金融核心-数字政府行业组-解决方案架构师
阿里巴巴智慧建筑事业部-基础平台研发部智慧楼宇PaaS平台技术专家
Samsung Electronics VD IoT Platform项目TL，云计算高级工程师

在云计算、物联网、智慧建筑、智慧政务、智慧园区、数据安全、消息通信基础构架领域拥有超过10年的专业知识和经验；

拥有丰富的企业级边缘网关和业务应用中台架构的设计经验，在楼宇IBMS、智能家居都有深入的工作项目落地经验；

广泛了解行业多个物联网智能平台(SmartThings、OIC Iotivity、Allseen Alliance Alljoyn、Azure IOT、阿里云物联)；

成熟的SCRUM项目管理和解决方案设计交付能力；

拥有5项发明专利（云计算、IoT、智慧楼宇）；

熟悉Tridiuim Niagara软件框架技术，拥有Niagara4楼控技术资格证书；