制造业数字化转型已是大势所趋，工业互联网平台对于制造业数字化转型的支撑作用将会越来越强，其应用为制造企业生产和运营优化的能力提升提供了探索应用模式和路径。平台的不断创新和应用突破，将不断为制造业的升级转型赋能。实施制造业数字化转型，加快工业互联网规模化应用，在加快数字化转型中赋能经济社会发展，塑造高质量发展新动能新优势。

1 、制造业数字化的背景及现状

工业的先进程度代表了人类文明的先进程度，从第一次工业革命到现在，工业化技术和工业化程度已经发生了翻天覆地的变化。在工业 1.0 时代，机械的大规模发展使工业生产进入了机械化时代，生产效率得到大幅度提升。到工业 2.0 时代，电力使工业生产进入了电气化时代。在工业 3.0 时代，计算机、电子和自动控制技术的普及推动了自动化工业的发展，网络技术、通信技术、IT 技术以及物联网技术的飞速发展和应用，推动了工业时代向后 3.0 时代迈进，工业 4.0 的重要标识是实现工业生产智能化。

从自动化的工业 3.0 到智能化的工业 4.0，必然会经历“自动化→信息化→网络化→协同化→数字化→智能化”过程。传统工厂通过对产线和设备的自动化升级改造实现企业自动化 ;自动化企业通过对工厂全实体全业务流程的信息化建模和实施工业软件实现企业信息化 ;信息化企业通过网络部署的优化改造升级，接入以高带宽、高速率、高频率、低延迟为特征的 5G 通信网络，通过信息化和自动化的两化深度融合及工厂网络资源的优化配置实现网络协同，将业务和生产数据打通，实现各网络层和系统间的信息互通流转，使企业生产制造实现数字化转型;数字化企业通过智能化应用(机器视觉辅助、AI 人工智能应用、机器人替代人工、BI 智能分析决策等)使企业具备智能化生产制造能力，最终实现智能化。从工业 3.0 迈向工业 4.0 过程中，制造业实现数字化转型是重中之重。工业化技术及工业化程度发展过程和趋势如图 1 所示。

图 1 人类社会的工业化技术及工业化程度发展过程和趋势

当前，国内大多数产值 2000 万以上的规上企业，处在从工业 3.0 向工业 4.0 时代迈进的不同阶段，这一次变革仍然处于起步阶段。从规模和复杂度划分，工业企业可以划分为以下 3 种类型。

车间自动化型 ：传统小微企业已经从简单人工作坊转变为车间企业，并实现了车间自动化。该类企业工厂车间管理比较简单，仅实施信息化系统，数字化和智能化的需求不高，数据信息相对分散。这类企业的目标是实现数字化车间。

内部大系统型 ：企业经过多年发展，生产管理和横向业务开始扩展，企业进一步实施信息化，拥有多个智能单元(多工业软件)，企业内部开始进行数据采集和系统集成，深入开展自动化和信息化融合，进一步对企业资源进行配置优化，从而满足内部快速连续变化的需求，逐步实现内部大系统的网络化、数字化智造。这类企业以大中企业为主，目标是实现智能工厂、未来工厂。

复杂产业链系统型 ：内部大系统型企业进一步发展后成为集团级的大型数字化企业，随之而来的就是希望向更高层次的产业 / 行业数据共享和网络化协同的数字化企业迈进。该类企业拥有更多的智能单元(工业软件群)，通过产业链上下游的设计协同、服务协同、制造协同、物流协同进一步实现在所在产业 / 行业的产业链资源数据集成、产业链资源配置优化和产业链供应链双链快速响应。这类企业以集团级大型企业为主，目标是组织建立所在行业的产业大脑。工业企业经营管理关注领域如图 2 所示。

图 2 企业经营管理开始从简单走向复杂

2 、工业企业生产制造的痛点和需求

在工业企业数字化转型的进程中，由于企业自身发展、软硬件设备条件、信息化状况等都有着千差万别，肯定会碰到诸多问题，本文在工业企业实施数字化转型服务项目的经验基础上，总结归纳了企业数字化转型的典型问题。

业务决策难：企业在规模小的时候，管理也比较简单，数据和信息也不多，企业主可以轻松做决策。但企业规模大了以后，人员几百上千，收入几十上百亿，要精确掌握大企业内部的复杂结构，做一些关键决策反而很难。

数据孤岛：企业在不同阶段安装了各类软件系统，数据也保存在不同的系统中，产生“烟囱式”相对独立的工厂信息化系统，数据分散冗余且不统一，信息不能互通流转，系统业务之间很难融合。

数据利用率低：穿插于各个信息化系统中的业务数据如何被利用起来?一些有价值的数据可以从深层次分析企业在制造、经营、管理上的业务改善机会，如何利用这些数据去辅助企业进行决策?

IT 成本很高：工业软件厚重，IT 系统运维难，难以精准解决企业问题，信息化投入、运营及优化升级成本高。经验传承难 ：工艺经验、操作参数、长期积累的工业知识难以保留和传承，工厂关键岗位的人员离开以后，没有合适的人能快速顶替，或者说随后的产品质量和生产效率难以跟上。

工艺改善难：工业上的工艺流程知识不普及，工艺“黑盒子”较多，很难将工艺路线拆解再优化配置，企业希望能用工业大数据、人工智能等新技术预测、沉淀工业知识，优化配置定义产品工艺路线。

数字化需求多变：随着企业经营环境越来越复杂，工业软件信息化系统经过 3 ～ 5 年的使用后，需要按新的需求更新优化迭代，很多数字化软件的新需求层出不穷，难以满足。企业经营节奏快，传统服务商响应慢，IT 人员难以发挥价值。

数字化能力复制难：如何把企业管理和运营经验从一个工厂快速沉淀复制到另一个新的工厂是面临的挑战。可以通过以工业操作系统为核心的工业互联网平台，解决企业在数字化转型中遇到的难题。通过通用连通器向下连接海量工业装备、仪器和产品，实现工厂万物互联，利用工业操作系统提供的平台化的数据底座能力，向上支撑工厂工业软件的集成对接和工业 App 的快速开发部署。

工业操作系统就像工业的安卓系统，把工业企业的实体对象，如人员、产线、设备、工序、物料、工艺、环境、业务流程等核心全要素数据统一管理起来，以统一的标准化建模方式汇聚到平台，并提供低门槛的开发环境和工具，为企业赋能，让企业中更多的业务专家和外部应用开发商快速地构建轻量化的工业智能应用。按企业需求开发 App 应用，主要包括业务经营管理 App、生产管控 App 和其他创新应用场景App。开发应用不再是 IT 人员的专属能力，让懂业务的专家一起参与企业数字化转型，激发全员创新活力，进一步提升企业核心竞争力。

3、 工业互联网平台解析

工业互联网平台以工厂数据 / 信息全集成为基础，构建多元对象化工业数据湖，企业可通过平台内置的工业 App 开发平台，实现生产控制、生产管理、企业经营等多维、多元数据的融合应用。平台提供对象模型建模、边缘计算、大数据分析和人工智能应用、场景化分析服务、智慧决策等功能，以集成化、数字化、智能化手段解决生产管控、业务管理和企业经营的综合问题，打造服务于企业、赋能于工业的智慧大脑。通过工业互联网平台，把企业中的设备、产线、加工中心、智能产品、服务甚至生产链上下游紧密地连接融合起来，帮助企业拉长产业链，形成跨设备、跨系统、跨厂区、跨地区的互联互通，从而提高效率，推动制造业体系智能化。工业互联网平台应用架构如图 3、图 4 所示。

图 3 工业操作系统 + 工业 App 整体解决方案

图 4 工业操作系统平台技术架构图

工业操作系统是工业互联网平台的核心，从功能应用上分为 3 层 ：第一层是物联套件，主要负责边缘端数据采集和控制，包括智能物联网关、IoT 边缘智能服务器以及人工智能控制器等 ;第二层是工业操作系统平台，主要负责物联套件设备接入、对象化模型组织、数据存储处理、可视化数据分析、工业 App 开发、大数据分析和人工智能算法应用等 ;第三层是智能工业 App生态，通过工业操作系统平台构建面向特定场景的智能工业 App，逐步积累形成面向不同行业的智能制造解决方案。

工业操作系统基于工业 5T 技术融合(PT- 工艺技术、ET- 设备技术、OT- 运营技术、AT- 自动化技术、IT- 信息技术)，将大量工业技术原理、行业知识、基础工艺、模型工具进行规则化、软件化、模块化，并构建为可重复使用的平台内置微服务组件。第三方应用开发者可以面向特定工业场景开发不同的工业 App，进而构建成基于工业操作系统平台的产业生态。

3.1 工业操作系统功能分析

3.1.1 信息全集成平台

数据采集是工业操作系统的基础，没有数据的工业互联将成为无源之水，工业操作系统的价值在很大程度上取决于采集数据的数量和质量。这些数据既包括业务管理信息化系统运行与产生的数据，也包括设备产生的各种状态与制造参数、工艺指标、人员信息、物料信息等工业全要素数据。“工业操作系统 +App”创新模式如图 5 所示，工业操作系统向下吸收企业现有数据资源，向上供给各类信息化系统和工业 App，其绿色生产智造理念如图 6 所示。

图 5 全信息平台“工厂操作系统 +App”的创新应用模式

图 6 工业操作系统中绿色生产智造理念

工业操作系统信息全集成主要负责采集工厂的人员、设备、装置、物料和产品等信息数据，打破厂内的DCS、MES、WMS、OA、SCM、CRM、ERP、CCTV等业务系统的数据孤岛现象，实现工厂生产数据、管理数据和运营数据有效融合。通过建设大数据集成平台，形成生产要素的大数据画像，实现多业务系统的有效融合、联动，对工业企业几十套“烟囱式”信息系统进行 App化迁移。工厂全信息数据采集和系统集成如图 7 所示。

图 7 工厂全信息集成多元异构数据采集汇总

3.1.2 对象化工业数据湖

系统内置对象化工业数据湖，支持图片、数字、布尔、字符串、文本、文件、视频、音频、位置、自定义结构、对象、结构数据、块数据等类型的数据处理与存储能力 ;提供数据存储压缩服务，根据实际数据的质量要求，可灵活配置存储精度，满足至少 5 年以上的工业现场复杂数据存储要求 ;支持离线运行数据备份。平台工业数据湖支持分布式集群部署，提供了面向对象结构的数字化工厂模型构建方法，可对多元数据进行清洗、重组和标准化处理，采用容器化和微服务技术，提供基于面向对象可视化数据模型的预处理、计算、存储和查询服务，满足上层应用的数据分析和综合应用。工业数据湖对多元数据进行采、存、分析、展示，如图 8 所示。

图 8 多元异构数据存储数据湖

3.1.3 数据建模及服务

工业操作系统支持对象化元数据定义、数据标准化和信息模型的运行期管理，支持对象模型的组织管理和工厂建模，提供对象模板、对象实例和功能集合的可视化组态管理功能。平台基于属性、服务、事件与订阅等方法构建业务场景，提供统一的面向工厂设备、人员、物料、产品等维度的对象化模型定义能力，实现标准化元数据清洗与组织。同时，将真实工厂的单元主体以对象化的全信息模型表示，结合工厂的单元模型与生产组织关系建立工厂数字化模型。工业操作系统提供数据集成、数据加工、数据管理、数据服务的能力，帮助制造业企业快捷构建自身系统性的数据治理，实现企业内各业务系统异构数据汇聚，沉淀优化企业数据模型，强化数据质量，能够对外提供加工后的业务数据，支持应用快速开发和数据可视化。工业操作系统作为工业大数据底座，对采集到的多元异构数据进行采存算用一体化处理，如图 9 所示。

图 9工业大数据底座，数据采存展一体化

3.1.4 工业微服务架构

工业操作系统通过工业微服务实现机理模型算法的模块化和软件化，满足工业 App 的运行和扩展，微服务发挥着承上启下的关键作用。基于不同行业、不同领域经验知识所提炼出来的各类原始机理算法模型通常缺少对外调用的接口，也往往难以进行独立的调试、运行和升级，需要用工业微服务的方式将这些机理算法模型集成起来，封装成可独立调试运行的单一功能或服务模块，提升易用性和可维护性。

在平台中基于工业微服务模块进行工业 App 开发，既能够借助工业微服务并行开发、分布运行的特点，有效发挥平台海量开发者接入、资源弹性配置、云化部署运行等优势，又能够利用工业微服务独立隔离、灵活调用的特点，克服工业 App所面临的快速运维、持续迭代、个性化定制等问题。工业微服务结构和 App 化迁移及集成如图 10 所示。

图 10 工业操作系统微服务结构及平台应用微服务化、APP 化迁移

3.1.5 工业 App 开发环境

系统提供的可组态的工业 App 开发环境，通过图形化、组件化、模块化的向导式应用构建，有效降低了App 开发和设计的 IT 门槛。用户只需要关注应用场景和业务流程的分析和设计，利用平台提供的表单设计和工作流设计工具，即可快速开发 App 应用。平台提供微服务容器框架，每个 App 都运行在一个独立的容器中，可实现热插拔。通过平台提供的交互式业务和流程设计器，满足流程图监控、在线报表、App 业务管理页面、工作流管理、Dashboard 分析、大屏画面、数据DIY 分析等一体的混合业。

图 11 低代码开发工具

3.1.6 数据 DIY 分析与展示

平台提供数据 DIY 分析工具，用户可通过组态方式实现多元数据的自主分析与利用，如建立生产看板、能耗看板、设备预警看板、重要指标参数看板、重要摄像头监控等。工业过程中产生的时序数据、流式数据和关系数据，利用不同的展示方式，可实现多元数据的可视化综合应用。平台为每个用户提供个人空间，用户可根据自己关注的内容进行个性化定义，个人空间内容可进行权限控制。

在可视化工具方面，平台提供了一整套数据展示的控件库，包括基础图元控件、图表控件、报表控件、趋势控件、实时报警控件、历史报警控件和视频控件。基础图元控件包括矩形、圆角矩形、椭圆、弦、扇形、多边形、按钮、棒状图、管道、直线、弧、折线、文本、数据链接和图片等 ;图表控件包括柱状图、曲线图、散点图、折线图、饼图、气泡图、面积图、玫瑰图、仪表盘和热力图等。工厂 BI 数据分析及数据可视化展示效果如图 12 所示。

图 12 工厂BI数据分析及展示效果图

3.1.7 多组织、多租户服务

针对多组织的用户，平台进行集成部署，各实际业务中所需的组织、人员、用户及权限无需自行维护，由平台统一提供，提高了运维效率以及数据同步性，第三方平台不用维护自己的组织、人员、用户及权限。通过平台多组织实现多公司人员组织架构以及用户和权限管理，供第三方平台调取和使用，实现对组织、人员、用户、权限的统一处理，满足平台集成需求。

针对平台多租户设计的 SaaS 系统，可以为多个租户提供服务，多个租户可以在互联网环境下使用同一套程序，且租户间的数据隔离也能得到保证。多租户架构设计模式关键技术是同一套程序下多个租户数据的隔离，以保证数据的安全性，防止租户数据不经意或被他人恶意获取和篡改。多租户技术可以有效降低环境建置的成本，包含硬件本身的成本，操作系统与相关软件的授权成本也可以由多个租户一起分担。多租户架构下所有用户共用相同的软件环境，因此在软件改版时只需发布一次，就能在所有租户的环境上生效。多组织多租户级联结构图如图 13 所示。

图 13 集团级联的多租户多组织架构图

3.1.8工业大数据及人工智能

基于机器学习技术的工业大数据分析赋能平台，为企业用户提供大数据环境下满足不同领域业务需求的建模算法和数据挖掘等多样化应用服务，提供精细化算法节点、拖拽式连线操作、图形化洞察分析等功能，让机器学习、数据挖掘技术更加简单易用，降低企业数据建模技术门槛，帮助企业充分利用和挖掘数据潜在商业价值。工业大数据及 AI 分析路径如图 14 所示。

图 14工业大数据分析及人工智能

系统人工智能应用平台提供机器视觉、语音识别、智能问答、自然语言处理等多元的工业大数据服务能力，实现人工智能技术在工业领域的深度应用。基于分类、聚类、回归、预测、寻优和深度学习等大数据算法模块，结合特定场景进行建模分析，实现算法模型开发，训练完成的算法模型可以在平台中运行。如基于机器视觉的分析服务，可通过接入的工业视频进行图像分析，分析检测结果可与平台的工业实时数据等进行联动，根据不同场景产生工艺质量报警、人员安全预警、设备故障预警等响应。通过人工智能技术与业务系统的无缝融合，实现数据的相关性分析、未来趋势预测、工艺动态特性分析等多种分析业务，促进数据分析成果转化为生产力，实现商业价值最大化。

3.1.9 工业数据安全防护体系

依照《工业互联网安全框架白皮书》，安全体系的防护对象包括设备、控制、网络、应用以及数据等内容。平台提供分级多域、自主可控的信息安全防护体系，支持各个层级的深度防御安全，具有访问控制、数据分区隔离、通信安全加密、入侵检测等安全防护措施。平台通过多机冗余、断线续传、自动重连等可靠性技术进行多协议数据采集和驱动动态适配扩展，实现工业现场数据的准确、可靠、及时上送，为企业大数据的分层清洗、治理提供一体化防护方案。基于点点隔离、鉴权认证等网络通讯安全技术进行企业内部与外部连接，防止病毒入侵、黑客攻击，实现工业数据的安全防护。工业操作系统自主可控的安全体系结构如图 15 所示。

图 15 自主可控的信息安全体系

3.1.10 移动应用平台

工业操作系统同时包含移动应用子平台，是一个运行于智能设备上的移动应用平台。作为工业操作系统在移动端的延伸和扩展，该子平台提供了丰富的平台功能移动化应用，将所有关键应用集成在一台手机上，打破了时间与空间的束缚，让用户可以充分利用会议、出差、在家等时间处理工作事宜，帮助用户实时掌握生产状态，随时随地高效处理事务，移动终端应用如图 16所示，主要功能如下。

图 16 移动端应用协同

(1)生产办公协同。平台提供生产过程的移动化画面监控、视频监控、趋势分析、报警查看、待办处理等功能，快速高效地实现工业生产过程的协同办公。

(2)企业社交服务。平台提供即时沟通、群聊、组织、公告等功能，企业侧的现场操作内外协同、工作任务沟通等效率得到提升。

(3)应用集成与管理。支持企业信息个性化设置，支持平台桌面应用移动化展示，支持第三方应用接入，满足企业持续集成与优化的需求。

3.2 实现制造业数字化转型路径

通过企业主导和应用牵引，构建一个涵盖技术创新、资源整合、平台服务等多方协作的开放网状价值生态系统。平台核心是应用“工业 OS+ 工业 App”模式构建智慧工业大脑，彻底疏通传统工业系统错综复杂的数据业务关系。工业操作系统抢占智能制造战略制高点，基于工业操作系统丰富的工业 App 应用，大数据应用、工业 AI、大规模节能降耗等设想将成为可能。其作为“共创 · 共享”的创新应用服务平台，服务于全球工业企业，未来重心是构建能够根据企业发展需求动态生长的 App 生态系统。

企业实现数字化转型，可通过搭建工业互联网平台的核心，即工业操作系统，实现工厂全要素、全业务和全价值链的数据集成，逐步实现数字化转型目标。首先，对涉及企业生产经营的产品、技术、设备、供应商、客户、人员、环境等全要素数据进行集成 ;其次，对设计、销售、采购、制造、质量、仓储、物流、财务、人力资源等全业务链数据进行集成 ;最后，对工厂、集团、上下游企业、供应链、分销等全产业链数据进新集成，提升生产效率，降低产品不良率，提升工厂能源利用率，降低运营成本，缩短研发周期，确保企业无安全事故和环保事件，最终实现从资源数字化向业务数字化再向业务融合创新升级，达到数字化转型的价值效益目标，如图 17 所示。数字化转型通过引入自动化、机器人技术、物联网(IoT)和数据分析等技术，显著提高了生产效率和灵活性。

图 17 工厂操作系统作为数据底座支撑实现工业企业数字化转型目标

4 、结语

以工业操作系统为核心的工业互联网平台，采用基于“OS 平台 +App”的创新应用模式，打造智能工厂，对制造业企业进行数字化智慧赋能，通过 IoT 智能化感知系统、智慧网关、主流通信协议、标准化接口等，对工厂人员、设备、物料、环境、能耗、商业资源等多元异构数据进行实时采集并上送至工业操作系统数据湖引擎，通过工业操作系统平台 PaaS 层的 AI 算法库、大数据模型、云计算算法库等对工厂产生的海量生产和运营大数据进行智能化支撑，实现数据的建模、加工、存储、计算、分析、统计，产生能够辅助工业企业运营并实现战略分析和决策的各类图形报表，以智能可视化展示的形式将工厂各类业务数据、生产加工数据、运营现状数据、安全数据、运营趋势数据等呈现到可视化智能调度中心驾驶舱及车间现场大屏或看板上，通过集团和区域级操作系统数据级联的模式实现集团数据和分厂数据的实时同步传输，辅助决策层实现工厂从自动化到数字化再到智能化的转变。

通过“工业操作系统 +App”的创新应用模式建立应用可扩展的架构体系，同时在软硬件和技术支持上，建立绿色生态合作体系，保障工厂运营管理的数据透明化、管控智慧化、操作高效化、运营稳定化、数据设备安全化，全面促进制造业数实融合，真正实现制造业数字化转型升级。平台应用已实现流程行业和离散行业 5300 多家智能工厂的应用交付和落地，典型案例如图 18、图 19 所示 ：

图 18 工业操作系统在流程行业企业的应用效果

图 19 工业操作系统在离散行业企业的应用效果

未来，在制造业数字化转型过程中，应注意针对企业的不同特征，设计差异化的策略并关注中小企业在数字化转型过程中面临的困难 , 为中小企业开辟数字化转型道路。制造业数字化转型的规模推广和技术融入，特别是在大企业智能工厂建设与中小企业数字化普及方面的并行推进，是制造业数字化、网络化、智能化的重要载体，对于提升工业生产效率和智能化水平具有重要意义。