工业互联网是链接工业全系统、全产业链、全价值链，支撑工业智能化发展的关键信息基础设施，是新一代信息技术与制造业深度融合所形成的新兴业态和应用模式，是互联网从消费领域向生产领域、从虚拟经济向实体经济延伸拓展的核心载体，是智能制造的重要支撑技术和系统。
“工业互联网”最早由通用电气于2012年提出，随后美国五家行业龙头企业（AT&T、思科、通用电气、IBM和英特尔）联手组建了工业互联网联盟（Industrial Internet Alliance, IIC），对其进行推广和应用。工业互联网的核心是通过工业互联网平台把原料、设备、生产线、工厂、工程师、供应商、产品和客户等工业全要素紧密地连接和融合起来，形成跨设备、跨系统、跨企业、跨区域、跨行业的互联互通，从而提高整体效率。它可以帮助制造业拉长产业链，推动整个制造过程和服务体系的智能化。还有利于推动制造业融通发展，实现制造业和服务业之间的紧密交互和跨越发展，使工业经济各种要素和资源实现高效共享。
作为工业智能化发展的重要基础设施，工业互联网的本质就是使得工业能形成基于全面互联的数据驱动智能，在这个过程中，工业互联网能构建出面向工业智能化发展的三大优化闭环：
（1）面向机器设备/产线运行优化的闭环，核心是通过对设备/产线运行数据、生产环节数据的实时感知和边缘计算，实现机器设备/产线的动态优化调整，构建智能机器和柔性产线；
（2）面向生产运营优化的闭环，核心是通过对信息系统数据、制造执行系统数据、控制系统数据的集成融合处理和大数据建模分析，实现生产运营的动态优化调整，形成各种场景下的智能生产模式；
（3）面向企业协同、用户交互与产品服务优化的闭环，核心是通过对供应链数据、用户需求数据、产品服务数据的综合集成与分析，实现企业资源组织和商业活动的创新，形成网络化协同、个性化定制、服务化延伸等新模式。
工业互联网对现代工业的生产系统和商业系统均产生了重大变革性影响。基于工业视角：工业互联网实现了工业体系的模式变革和各个层级的运行优化，如实时监测、精准控制、数据集成、运营优化、供应链协同、个性定制、需求匹配、服务增值等；基于互联网视角：工业互联网实现了从营销、服务、设计环节的互联网新模式新业态带动生产组织和制造模式的智能化变革，如精准营销、个性定制、智能服务、众包众创、协同设计、协同制造、柔性制造等。
智能制造具有自我感知、自我预测、智能匹配和自主决策等功能。为实现这些功能，制造过程中的数据通信面临严峻挑战，包括设备高连接密度、低功耗、通信质量的高可靠性、超低延迟、高传输速率等。5G作为一种先进通信技术，具有更低的延迟、更高的传输速率，以及无处不在的连接等特点，可有效应对上述挑战。
5G技术使得无线技术应用于现场设备实时控制、远程维护及操控、工业高清图像处理等工业应用新领域成为可能，同时也为未来柔性产线、柔性车间奠定了基础。由于具有媲美光纤的传输速率、万物互联的泛在连接特性和接近工业总线的实时能力，5G技术正逐步向智能制造渗透，开启工业领域无线发展的未来。伴随智能制造的发展，5G技术将广泛深入地应用于智能制造的各个领域。5G+智能制造的总体架构主要包括4个层面：数据层、网络层、平台层和应用层，如图所示。
数据层依托传感器、视频系统、嵌入式系统等组成的数据采集网络，对产品制造过程的各种数据信息进行实时采集，包括生产使用的设备状态、人员信息、车间工况、工艺信息、质量信息等，并利用5G通信技术将数据实时上传到云端平台，从而形成一套高效的数据实时采集系统。通过云计算、边缘计算等技术，对数据进行实时高效处理，从而获取数据分析结果，并通过数据层进行实时反馈，一方面指导整个生产过程，另一方面也为智能制造的生产优化决策和闭环调控提供基础。数据层实现了制造全流程数据的完备采集，为制造资源的优化提供了海量多源异构的数据，是实时分析、科学决策的起点，也是建设智能制造工业互联网平台的基础。网络层的作用是给平台层和应用层提供更好的通信服务。作为企业的网络资源，大规模连接、低时延通信的5G网络可以将工厂内海量的生产信息进行互联，提升生产数据采集的及时性，为生产优化、能耗管理、订单跟踪等提供网络支撑。网络层采用的5G技术可以在极短的时间内完成信息上报，确保信息的及时性，从而确保生产管理者能够形成信息反馈，对生产环境进行精准调控，有效提高生产效率。网络层还可以实现远程生产设备全生命周期工作状态的实时监控，使生产设备的维护突破工厂边界，实现跨工厂、跨区域的远程故障诊断和维护。基于5G技术的平台层，为生产过程中的分析和决策提供智能化支持，是实现智能制造的重要核心之一。在平台层中主要包括了以GPU为代表的高性能计算设备，以边缘计算、云计算为代表的新一代计算技术、以及以云存储为代表的高性能存储平台。平台层通过关联分析、深度学习、智能决策、知识推理等人工智能方法，实现制造数据的挖掘、分析和预测，从而为智能制造的决策和调控提供依据。应用层主要承担5G背景下智能制造技术的转化和应用工作，包括各类典型产品、生产与行业的解决方案等。基于5G网络的大规模连接、大带宽、低时延、高可靠等优势，研发一系列生产与行业应用，从而满足企业数字化和智能化的需求。应用场景包括：状态监测、数字孪生、虚拟工厂、人机交互、人机协同、信息跟踪与追溯等。与此同时，随着5G技术的进一步深入，依托数据与用户需求，应用层还可以为用户提供精准化、个性化的订制应用，从而使得整个生产等更加贴合用户的实际需求。数据库是“按照数据结构来组织、存储和管理数据的仓库”，是一个长期存储在计算机内、有组织、可共享、统一管理大量数据的集合。数据库将数据以一定方式储存在一起，用户可以通过接口对数据库中的数据进行新增、查询、更新、删除、共享等操作。在智能制造中，数据库技术是数据分析、处理的重要保障，也是智能制造的重要支撑系统之一。在数据库的发展历史上，数据库先后经历了层次数据库、网状数据库和关系数据库等各个阶段的发展。数据库技术在各个方面的快速的发展，特别是关系型数据库已经成为目前数据库产品中最重要的一员。20世纪80年代以来，几乎所有的数据库厂商新出的数据库产品都支持关系型数据库，即使一些非关系型数据库产品也几乎都有支持关系型数据库的接口。这主要是因为关系型数据库可以比较好地解决管理和存储关系型数据的问题。随着云计算的发展和大数据时代的到来，关系型数据库越来越无法满足制造业的需要，这主要是由于越来越多的半关系型和非关系型数据需要用数据库进行存储管理，与此同时，分布式技术等新技术的出现也对数据库技术提出了新的要求，于是越来越多的非关系型数据库受到制造业的关注。这类数据库与传统的关系型数据库在设计和数据结构有很大的不同，它们更强调数据库数据的高并发读写和存储大数据，这类数据库一般被称为NoSQL（Not only SQL）数据库。关系型数据库，是指采用了关系模型来组织数据的数据库，以行和列的形式存储数据，以便于用户理解。关系型数据库这一系列的行和列被称为表，一组表组成了数据库。关系模型可以简单理解为二维表格模型，而一个关系型数据库就是由二维表及其之间的关系组成的一个数据组织。关系型数据库具有易理解、易操作、易维护的特点。在制造业中，它是构建管理信息系统，存储及处理关系数据不可缺少的核心技术，如ERP（enterprise resource planning，企业资源计划），MIS（management information system，管理信息系统），EAM（enterprise asset management，企业资产管理系统）等系统均采用关系型数据库进行数据处理。NoSQL数据库泛指非关系型的数据库。随着大数据时代的到来，数据形式呈现出多样化特点，传统的关系型数据库出现了很多难以克服的问题，而NoSQL数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战，尤其是大数据应用难题。与传统的关系型数据库相比，NoSQL数据库具有易扩展、高性能、高可用、高灵活的特点，更容易满足追求速度和可扩展性、业务多变的应用场景。更适合处理生产过程中所产生的非结构化数据，如图片、文本等。信息安全是目前包括制造业在内的各个行业所面临的重大挑战之一。新兴技术，尤其是大数据技术，给制造业带来了巨大效益的同时，也让企业面临着巨大的信息安全风险。一方面，由于工业控制系统的协议多采用明文形式、工业环境多采用通用操作系统且更新不及时、从业人员的网络安全意识不高，再加上工业数据的来源多样，具有不同的格式和标准，使其存在诸多可以被利用的漏洞。另一方面，在工业应用环境中，对数据安全有着更高的要求，任何信息安全事件的发生都有可能威胁企业信息安全、工业生产运行安全甚至国家安全等。因而，良好的信息安全技术，是企业长期安全稳定发展的重要基础和前提。信息安全是跨多领域与学科的综合性问题，需要结合法律法规、行业特点、工业技术等多维度进行研究。目前常用的信息安全技术体系可以分为信息接入安全、信息平台安全、信息应用安全等3个层次。其中，信息接入安全为工业现场数据的采集、传输、转换流程提供安全保障机制；信息平台安全为工业数据存储、计算提供安全保障基础；信息应用安全为上层应用的接入、数据访问等提供强力的安全管控。信息接入安全必须保障工业边缘设备实时数据采集、远程状态监控、系统数据抽取等从外部系统获取工业数据，并进行匿名化、清洗、转换、传输以进入工业大数据平台的完整数据传输链的安全。数据采集端支持采集模块的注册及安全认证机制，保障数据采集应用的合规性以及采集数据的准确性；边缘计算模块支持统一模块管理下发及签名校验机制，保障数据预处理应用的合法性和可靠性；数据传输通路支持通道加密，保障传输过程中的机密性和完整性。信息平台安全是对工业数据资源的存储、访问、运算等功能的安全保障，包括数据的存储安全、计算安全、平台管理安全以及基础设施安全。平台存储安全支持数据多备份设置与恢复机制，并采用数据访问控制机制来防止数据的越权访问；计算安全支持计算发起方的身份认证和访问控制机制，确保只有合法的用户或应用程序才能发起数据处理请求；平台管理安全包括平台组件的安全配置、资源安全调度、补丁管理、安全审计等，确保整个平台组件及运行状态的安全可控，同时还应强化平台的数据隔离和访问公职机制，实现数据“可用不可见”。平台软硬件基础设施安全包括基础网络安全、虚拟化安全等，从而保障整个数据平台的安全运行。信息应用会对存储于工业大数据平台的海量数据进行查询、分析、计算、导出等操作，因此在信息平台提供数据服务的同时，其安全风险也随之被暴露，攻击者可利用各类已知或未知漏洞发起攻击，达到破坏系统或者获取数据信息的目的，因此需要对数据应用安全进行严格管控。信息应用安全主要覆盖了以下几个方面。首先，支持应用访问签名机制，确保只有授权的应用才能提交数据访问请求，支持应用数据按需访问，避免数据访问范围的扩大化；其次，支持对应用和访问者行为的实时监控，实时拦截应用中包含的攻击行为，包括数据访问范围、频率、数据库语句合法性等；最后，建立完整的应用流程管理机制，包括应用的提交、执行、状态监控、结果审计等，确保每个应用的审批、控制于追责有效结合，避免高权限人员的恶意操纵或误操作行为；同时，构建完备的应用测试环境及测试规范，确保只有符合安全策略的应用可以审批执行。
本文转载自plm之神公众号
关注奇正科技公众号