工业互联网怎么建模

‘壹’ 5个视角+9张视图看数字化转型背景下工业互联网应用新进展

如今，行业数字化转型已是大势所趋，工业互联网作为转型的方法论和关键路径，走过了“从0到1”的概念普及阶段，迎来了“从1到100”的实践深耕阶段。

面对数字化浪潮，工业互联网应用到底有怎样的进展和变化？中国信息通信研究院深入研究产业界应用 探索 现状，基于国内外1015个工业互联网应用案例的梳理总结以及自身业务实践，形成全方位、多视角的分析结果。

2020年，我们用四张图、725个案例带你了解工业互联网应用现状，

2021年，我们继续

基于以下数据

1000+

国内外工业互联网及案例梳理

从以下5个视角

1 应用场景

2 应用深度

3 国内外对比

4 垂直行业

5 新技术 探索

用9张统计图表

第一张：应用场景与深度分布

第二张：国内外场景分布

第三张：国外应用场景与深度分布

第四张：国内应用场景与深度分布

第五张：主要行业分布

第六张：装备制造业应用分布

第七张：原材料行业应用分布

第八张：消费品行业应用分布

第九张：5G/AI等新技术应用

总体来看，工业互联网应用以业务经营优化与资产管理服务为核心，向多维度渗透发展：

传统业务优化仍然是工业互联网赋能的主阵地

生产经营领域“逆势上扬”，工业互联网向产品研发、质量管理等高价值领域及生产核心环节深度渗透

工业互联网“连接”特性凸显，推动企业多环节协同与更大范围的优化创新

从相同点来看，生产管控、经营管理、运维与服务几大模式是国内外共同追逐的热点，但其中：

国外基于较高的数字化基础，在生产管控和经营管理领域开展大数据建模的深层次优化，我国兼顾数字化补课

设备运维服务中，国外高价值设备+复杂分析应用显着领先我国

从不同点来看：

国外在数据驱动的产品工艺研发环节应用全部领先我国

国内在共享制造、个性化定制、产融创新等模式创新方面更为活跃

国外工业互联网已进入价值深化阶段，聚焦基于数据分析实现研发、设备等环节的优化创新与新增长点创造：

产品工艺研发领域成为新模式创新高地，数据深度分析的各类新场景不断涌现

国内工业互联网应用仍以可视化监控为主，应用深度有待提升：

由于我国机理模型较为缺乏、各环节打通初步实现，导致产品工艺研发与多环节协同等模式的应用深度与国外差距较大

质量管理、能耗排放管理等部分传统重点领域优化价值大、切入门槛相对较低，深度应用 探索 增速可喜

我国工业互联网已覆盖40余个国民经济重点领域，从工业领域来看：

装备制造行业仍是工业互联网应用最广泛的领域

原材料行业应用小幅增长，其中钢铁行业增幅较高

工业互联网向非制造领域延伸，能源电力数字基础较好，渗透应用相对领先

装备行业注重产品研发与全生命周期管理，并通过服务创新提升综合价值：

围绕产品的研发设计与全生命周期管理成为价值提升的关键

运维与服务环节中，依托智能化装备打造用户入口，建立新型技术服务体系趋势明显

能耗排放优化、设备与安全生产管控始终是行业核心需求与痛点

利用AI/大数据技术开展制造工艺等技术创新应用，近两年占比提升相对较高

通过电商平台、产业链平台等提高交易资源配置效率

消费品行业注重通过生产运营协同与模式创新满足客户个性化需求：

通过生产经营管理与协同优化提升全环节柔性化水平

新模式新业态逐步成为价值最大化的关键，快速获取用户需求后通过模式创新增加用户粘性，甚至实现自身服务能力外扩

总体来看，当前新技术全面融合，已经成为工业互联网支撑传统业务优化提升与创新突破的中坚力量：

AI/大数据应用渗透率超过28%，成为设备资产管理与生产深度优化的核心驱动

5G应用初具规模，渗透率超过10%，推动远程操控、场景识别、互动交流等能力提升

区块链还处于应用的初期，在金融交易服务、多环节协同优化等领域不断开展 探索

文章来源于工业互联网洞察

两大重量级报告将陆续发布！

《工业互联网应用分析（2021）》

《行业数字化转型指南白皮书》

‘贰’ 工业互联网到底是什么

工业互联网（Instrial Internet）是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新制造和服务体系，为工业乃至产业数字化、网络化、智能化发展提供了实现途径，是第四次工业革命的重要基石。

工业互联网不是互联网在工业的简单应用，而是具有更为丰富的内涵和外延。它以网络为基础、平台为中枢、数据为要素、安全为保障，既是工业数字化、网络化、智能化转型的基础设施，也是互联网、大数据、人工智能与实体经济深度融合的应用模式，同时也是一种新业态、新产业，将重塑企业形态、供应链和产业链。

发展工业互联网：

当前，新一轮科技革命和产业变革蓬勃兴起，工业互联网作为数字化转型的关键支撑力量，正在全球范围内不断颠覆传统制造模式、生产组织方式和产业形态，推动传统产业加快转型升级、新兴产业加速发展壮大。

我国工业经济正面临发达国家制造业高端回流和发展中国家中低端分流的双重挤压，迫切需要加快工业互联网创新发展步伐，推动工业经济从规模、成本优势转向质量、效益优势，促进新旧动能接续转换，快速构建我国制造业竞争新优势，抢占未来发展主动权。

‘叁’ 工业互联网平台层所使用的技术

工业互联网平台层所使用的技术涉及七大类关键技术，分别为数据集成和边缘处理技术、IaaS技术、平台使能技术、数据管理技术、应用开发和微服务技术、工业数据建模与分析技术、安全技术。
工业互联网平台介绍
工业互联网(InstryInternet)的概念最早由GE于2012年提出。工业互联网作为物联网、大数据、人工智能等新兴数字化技术与制造业深度融合的产物，通过实现人、机、物的全面互联，构建起全要素、全产业链、全价值链全面连接的新型工业制造和服务体系，成为支撑第四次工业革命的基础设施，对未来的工业发展将产生全方位、深层次、革命性影响。

‘肆’ 工业互联网产业体系架构分为几个层级

工业互联网产业体系架构分为四大层级。

1、数据采集（边缘层）是基础。其本质是利用泛在感知技术对多源设备、异构系统、运营环境、人等要素信息进行实时高效采集和云端汇聚。

2、工业PaaS（平台层）是核心。当前，工业PaaS建设的总体思路是通过对通用PaaS平台的深度改造，构造满足工业实时、可靠、安全需求的云平台，将大量工业技术原理、行业知识、基础模型规则化、软件化、模块化，并封装为可重复使用和灵活调用的微服务。

3、工业APP（应用层）是关键。主要表现为面向特定工业应用场景，激发全社会资源推动工业技术、经验、知识和最佳实践的模型化、软件化、再封装（即工业APP），用户通过对工业APP的调用实现对特定制造资源的优化配置。

4、IaaS是支撑。它是通过虚拟化技术将计算、存储、网络等资源池化，向用户提供可计量、弹性化的资源服务。

(4)工业互联网怎么建模扩展阅读：

工业互联网平台产业发展涉及多个层次、不同领域的多类主体。在产业链上游，云计算、数据管理、数据分析、数据采集与集成、边缘计算五类专业技术型企业为平台构建提供技术支撑。

在产业链中游，装备与自动化、工业制造、信息通信技术、工业软件四大领域内领先企业加快平台布局；在产业链下游，垂直领域用户和第三方开发者通过应用部署与创新不断为平台注入新的价值。

‘伍’ 人工智能与工业互联网关系解析

1.1 核心焦点从上云互通转向借助人工智能深挖工业大数据价值

工业互联网的建设促进了企业IT系统的云化迁移，实现了ICT系统与OT系统间要素的流转，打通了数据孤岛，企业得以获取灵活便捷、高效率、低成本的信息化、网络化、数字化基础，但要想实现真正的数字化和智能化则必须借助人工智能技术对工业数据价值进行充分挖掘。数据是工业互联网的核心资产，也是其价值创造的来源，对数据分析和挖掘的深度在很大程度上决定了工业互联网实际应用价值的高低。目前对数据挖掘价值依赖程度高的生产管控类及设备管理服务类应用是我国工业互联网的高热度场景，结合深度数据分析的设备 健康 管理、生产质量管理、生产工艺优化、能耗与排放管理等应用为工业企业创造了运维成本及能耗成本降低、产品质量及服务价值提升等显着的直接优化价值。

1.2 人工智能是工业互联网实现真正数智化价值的前提

工业互联网之于工业企业而言，是企业实现数字化、网络化、智能化转型的工具，其中平台层搭建了工业数据汇聚与处理的基础，工业软件的应用本质上实现数字化和自动化，强调机器设备的自动化功能，工业互联网的互联工具应用则是强调

企业内外部的打通与协同，是工业角度的互联网+模式，人工智能的加入是在数字化、网络化的基础上实现真正的智能化。工业互联网为工业企业提供通用的算力-工业云计算和边缘计算、算据-工业大数据以及算法-工业人工智能，其中大数据作为人工智能技术发挥作用的必要燃料，其背后价值的挖掘深度决定了工业互联网价值呈现的合理逻辑是从网络化、数字化转而最终实现智能化，这也正是工业企业实现降本增效、升级优化的必经之路。

二、人工智能成为重新定义工业互联网产品逻辑的抓手

强化数据洞察力，拓宽工业互联网可解问题边界

工业互联网的核心是数据驱动的智能分析与决策优化，人工智能技术从广义上来看正是一种通过算法模型对数据的处理方式，人工智能技术因此开始进入工业互联网产品建设方的视野，成为服务商拉高产品价值的落脚点。以深度学习和知识图谱的为代表的人工智能技术从根本上提高系统建模和处理复杂性、不确定性、常识性等问题的能力，显着提升了工业大数据分析能力与效率，为解决工业各领域诊断、预测与优化问题提供得力工具，进一步扩大了工业互联网平台可解工业问题边界的深度和广度。人工智能驱动的工业数据智能分析支撑工业互联网实现数据价值深挖掘，强化了工业企业的数据洞察能力，成为打通智能制造最后一公里的关键环节。

使能工业互联网形成数据优化闭环，催生多场景系统化应用

工业领域内存在着纷繁复杂的应用场景，产品研发设计、产品瑕疵质检、生产工艺优化、流程自动化等许多场景的工业机理复杂、数据分析能力需求较高，人工智能因此被视为是使能工业互联网形成数据优化闭环的关键。目前以深度学习、知识图谱、自然语言处理为代表的人工智能技术正处于多方创新和突破的时期，通过与工业领域知识融合的不断加深，AI技术正逐渐加速向工业互联网渗透，在工业企业“研产供销管”业务链条下形成众多落地应用。从工业AI技术角度来看，主要有声音、图像、知识图谱和自然语言方向的应用，声音和图像多用于质量检测与安全监管两个领域，是目前应用较多，经济效益较为明显的场景；自然语言处理更多用在智能助手，这里有别于智能客服，智能助手更加垂直和专业，如设备维修助手；知识图谱则擅长处理大规模、复杂、多点的问题，典型应用是产品质量回溯。

以解决通用型问题为能力基础，面向特定行业差异化延伸

工业智能的本质是通用人工智能技术与工业场景、机理、知识结合，实现设计模式创新、生产智能决策、资源优化配置等创新应用。工业智能在工业系统各层级各环节已形成了相对广泛的应用，其细分应用场景可达到数十种，正如前文所述工业领域不同细分行业对工业互联网类型与功能的需求各不相同，工业智能亦是如此。不同行业依托工业智能，获取解决通用型问题的能力的同时，基于行业特点、面向行业特性痛点问题延伸出差异化方向。

五、人工智能在工业互联网中的部署

应用部署将从以平台侧为主向平台+边缘共生演进

当前人工智能主要通过三种模式融入工业互联网。第一，直接将AI算法或模型嵌入工业互联网平台层，以提升平台层数据分析能力；第二，提供工业AI软件系统，并通过云端部署形成标准化的工业互联网SaaS层应用；第三，提供一套工业互联网框架下包含软件和边缘侧硬件的完整系统。部署过程中会根据行业类别、产品相似度、场景条件、问题共性等因素对不同AI模型进行组合，对同一个行业来说，针对同一个环节将模型尽量标准化以实现移植应用。现阶段工业智能应用以平台侧为主，后期会向边缘侧发展，边缘侧的实时性要求需要AI模型产出的结论与产线或者设备形成控制闭环，艾瑞认为目前我国工业企业自动化程度不一，现场数据质量不高，并且企业对于人工智能的应用较为保守，时下落地较多的应用无论是安全监管还是质量检测都主要集中于平台侧，边缘侧工业智能的下一阶段发展需要配套基础设施和能力的共建。

六、基于AI的工业互联网参与者拓展思路

技术为先，场景为王，合作共赢

随着《互联网+人工智能三年行动实施方案》、《新一代人工智能发展规划》、《促进新一代人工智能产业发展三年行动计划》等多份国家政策文件的发布，开展人工智能与工业结合应用成为了重要发展趋势。工业领域每个下游行业场景都有

其原生的价值链条，同时各个行业的Know – how有着较高的壁垒，人工智能服务商在开展工业领域业务时，大多基于自身技术优势和特点去寻找适合实景落地的垂直细分行业或者某一共通性工业场景，在特定场景应用中持续打磨自身工业智能产品和服务。“聚焦”被大多数AI厂商视为优先的发展策略，通过与成熟的工业互联网平台型企业开展合作，以融入而非自主开发的方式获取平台能力，不仅极大地减少了自研开发的成本和风险，而且为迭代、优化、创新自身工业智能解决方案提供了丰富的资源储备。

数据、算法、算力的不足制约了AI在工业领域的普及应用

人工智能技术本身的发展离不开数据的支撑，工业领域由于自身复杂、多样且专业性强的行业特性，导致其缺乏优秀的工业主题AI数据模型，也没有很好的工业标注数据集用于AI算法训练。此外包括底层硬件、计算框架、开发平台等AI基础设施在工业领域的建设也较为落后，这直接限制了工业智能化的发展。数据、算法和算力的短板导致了当前AI技术在工业领域的应用场景主要呈现点状分布，普及范围有限。

人工智能在工业领域应用的市场前景广阔

2020年，中国人工智能市场主要客户来自政府城市治理和运营（公安、交警、司法、城市运营、政务、交运管理、国土资源、监所、环保等），互联网与金融行业也位居前列，然而作为国民经济支柱产业的工业在人工智能市场份额中仅占到5%。随着人工智能与工业互联网共同被纳入新型基础设施建设范畴，行业双双提速发展的态势基本确定，加之工业领域多样化的场景需求，预计未来五年，中国工业领域中人工智能技术的使用率将显着提高，工业智能的应用市场前景将十分广阔。

人工智能将重新切割工业互联网投入空间

2020年以机器学习与深度学习、知识图谱、NLP、计算机视觉为技术主导的我国工业智能应用核心产业规模为68亿元，年均复合增长率达到27.96%，产业整体具备高成长性。然而目前人工智能服务商多以自身独立的系统交付工业智能解决

方案，工业互联网平台服务商提供的平台AI功能也以基于开源框架的算法模型自主开发为主，平台AI功能集中于基础性的数据分析能力优化，AI技术并未在工业互联网中实现广泛化应用。总体来看，现阶段工业智能与工业互联网的结合应用呈星点状分布，未来随着工业互联网对数据价值深度挖掘的依赖性提升，人工智能技术将加速向工业互联网融入，工业互联网建设的资金投入比例将重新洗牌。

四大工业智能布局方向助力工业互联网塑造竞争优势

工业互联网的真正价值不在于为工业企业锦上添花而应是雪中送炭，人工智能技术的注入是以系统化的方法和规则助力工业互联网解决工业实际场景中的某些痛点。基于深度学习技术的计算机视觉在质检、巡检等场景中实现了机器代人，在提高生产效率的同时释放了企业人力成本；以知识图谱、自然语言处理为主的认知智能技术，促进了工业知识的积累，提升了企业决策速度与精度；AutoML平台的模型自动化塑造能力则提高了算法模型在实景中的适配性。AI技术的纵向升级使得采用多种路径解决复杂工业问题成为可能，未来融合多种AI技术的工业互联网将是相关服务商打造竞争优势的重要切口。

‘陆’ 智能制造，工业4.0和数字化制造的异同

在建设工业互联网体系时，主要包含三部分工作：网络、平台和安全。其中，网络是基础，平台是核心，安全是保障。

网络是数字化、智能化的基础。网络包括企业内网、外网，和标识解析体系。外网更多的是指运营商建设的公共网络；内网涉及到企业自身的网络改造，运营商完全可以把公网延伸到相关的企业内来发挥作用。标识解析是整个国家的基础设施，和传统互联网的域名解析其实一样。

平台是生态的关键，完成数据的收集、分析、建模。消费互联网有很多App应用，都是在平台生态的构建之上发展起来。工业互联网也是一样，需要依托工业互联网平台，通过建模，依托不同的机理、不同的模型、不同的应用场景，开发出不同的工业App。工业互联网平台承载了非常重要的使命，将来要构建丰富多彩的工业互联网应用的生态。

安全是保障。在消费互联网和数字化、信息化过程当中，运营商、互联网企业，都组建了非常庞大的安全队伍，来应对安全挑战。但是工业企业因为原来的设备、数据没有联网，所以没有太强的安全意识。在这种情况下，工业互联网的数据都要进行联结，要增强工业企业的安全意识，同时安全企业等产业要给工业企业提供安全保障的解决方案。

1972年从德国起家，1995年走进中国， SAP 致力于帮助各种规模企业数字化转型。我们不仅是 ERP 的代名词，更是全球知名的企业应用软件供应商，拥有超过48年的软件实践与创新经验，在大中华区为超过 16,000 多家大中小型企业提供解决方案，全球客户也覆盖92%的福布斯2000强。

‘柒’ 完整的工业互联网防御方案包括什么

完整的工业互联网防御方案包括：工厂内单点智能器件、成套智能终端等智能设备的安全，以及智能产品的安全，具体涉及操作系统 / 应用软件安全与硬件安全两方面。

工业互联网的关键核心技术主要涵盖“一硬(工业控制)+一软(工业软件)+一网(工业网络)+一安全(工业信息安全)”四大基础技术，“边缘智能+工业大数据分析+工业机理建模+工业应用开发”四大关键技术，以及“开源平台+开源社区”两大杀手锏技术。

明确责任分工：

组织开发技术和解决方案。应急管理部门负责创新基于工业互联网的安全生产监管方式，加强对企业接入工业互联网安全生产监管平台的管理，建立与行政许可换证挂钩等激励约束机制。

双方共同建立“工业互联网+安全生产”工作推进机制，定期通报成果，明确时间进度，强化督促检查。中国工业互联网研究院负责技术开发和数据支撑平台建设和运行。

中国安全生产科学研究院负责工业互联网安全生产监管平台建设和运行。工业企业严格落实安全生产主体责任，坚持工业互联网与安全生产同规划、同部署、同发展。

‘捌’ 新基建中的工业互联网究竟能帮到企业什么

加快工业互联网应用推广，有助于推动工业生产制造服务体系的智能化升级、产业链延伸和价值链拓展，进而带动产业向高端迈进。具体包括：

一是带动生产装备高端化。通过部署工业互联网，在装备上布设传感器，对装备加工、运行数据进行建模分析并根据工况进行优化，可以有效提高装备运行的稳定性并提升加工精度；

二是带动生产智能化。利用工业互联网的联接、计算、分析能力，能够为生产运营中的各种要素深度赋智和赋值，推动生产向柔性制造、敏捷制造和绿色制造等方向发展，倍增放大生产线价值。三是带动产品高端化。不断增加智能化、个性化产品的供给，全面提升供给体系质量和效率。

SAP 不仅是各种行业标准和相关开源项目的积极使用者，也是它们的重要贡献者。作为“工业4.0”技术标准的制定者之一，德国公司SAP在工业4.0和工业互联网方向有前沿的实践和创新，可以参考研究报告：https://www.sap.cn/procts/supply-chain-management/instry-4-0.html。我们的工业 4.0解决方案组合支持广泛的开放标准，既包括 CloudFoundry、Kubernetes、MQTT 和 OPC UA 等技术标准，又包括 eCl@ss 和资产管理壳等产品分类标准。