【中國(guó)傳動(dòng)網(wǎng) 技術(shù)前沿】 1  什么是工業(yè)應(yīng)用？

對(duì)工業(yè)企業(yè)來(lái)說(shuō)，應(yīng)用通常分為兩類(lèi)：

IT類(lèi)應(yīng)用：跟管理相關(guān)，包括辦公協(xié)同、人力資源管理、ERP、CRM，以及財(cái)務(wù)管理等應(yīng)用，主要圍繞人為主體的工作流。

OT類(lèi)應(yīng)用：跟設(shè)備和流程相關(guān)，包括MES、DCS、SCADA、TPM、TQM相關(guān)的應(yīng)用。

第一類(lèi)工業(yè)應(yīng)用，因?yàn)樯婕暗捷^多的企業(yè)差異化特征，需要很強(qiáng)的本地交付和定制能力，所以基本以國(guó)內(nèi)的軟件開(kāi)發(fā)廠商為主，集中在一些高度定制化的領(lǐng)域，也正是由于國(guó)外廠商很難保證本地快速交付和定制，才有了國(guó)內(nèi)廠商的生存空間。但這些軟件都很難實(shí)現(xiàn)標(biāo)準(zhǔn)化，所以國(guó)內(nèi)工業(yè)軟件廠商普遍生存狀況都很艱難。

第二類(lèi)工業(yè)應(yīng)用，也即OT應(yīng)用，是直接同工業(yè)設(shè)備打交道的，因此需要具備更多的專(zhuān)業(yè)知識(shí)，包括機(jī)械原理、電子電路、數(shù)據(jù)分析和數(shù)學(xué)建模、材料科學(xué)等，因此對(duì)開(kāi)發(fā)人員也提出了相當(dāng)高的要求，要求軟件開(kāi)發(fā)人員具備比較全面的跨專(zhuān)業(yè)能力，才能完成軟件的開(kāi)發(fā)?？上攵?，這一類(lèi)別的OT軟件人才是多么難得。

長(zhǎng)期以來(lái)，國(guó)內(nèi)的企業(yè)軟件人才都普遍集中在IT應(yīng)用領(lǐng)域，OT領(lǐng)域的軟件人才極其匱乏，這也造成了OT應(yīng)用也是我國(guó)軟件產(chǎn)業(yè)最薄弱的一環(huán)，長(zhǎng)期被國(guó)外設(shè)備廠商（GE、西門(mén)子、Rockwell、ABB、IBM等）所壟斷。

觀點(diǎn)

Predix上面開(kāi)發(fā)的應(yīng)用是從OT應(yīng)用開(kāi)始，逐步延伸到IT應(yīng)用。同時(shí)，Predix的OT應(yīng)用，也主要是針對(duì)GE銷(xiāo)售的各種高端設(shè)備在運(yùn)行階段的各種優(yōu)化，如設(shè)備健康管理、生產(chǎn)過(guò)程效率提升和質(zhì)量提升等。這一點(diǎn)，跟國(guó)內(nèi)很多工業(yè)互聯(lián)網(wǎng)廠商的出發(fā)點(diǎn)是非常不一樣的。為什么Predix要從OT應(yīng)用開(kāi)始？很簡(jiǎn)單，在工業(yè)里面，所有的IT應(yīng)用都要最終服務(wù)于OT，而OT應(yīng)用直接跟工業(yè)的產(chǎn)出相關(guān)，因此OT應(yīng)用的提升空間遠(yuǎn)比IT應(yīng)用更大，創(chuàng)造的價(jià)值也更大。

2  現(xiàn)有OT應(yīng)用的痛點(diǎn)

現(xiàn)有的OT應(yīng)用，已經(jīng)無(wú)法滿(mǎn)足日益增長(zhǎng)的效率提升的需求，主要體現(xiàn)在如下幾個(gè)方面：

1.無(wú)法適應(yīng)工業(yè)的“大數(shù)據(jù)”

隨著逐步推進(jìn)的數(shù)字化過(guò)程，工業(yè)數(shù)據(jù)已經(jīng)逐漸呈現(xiàn)“大數(shù)據(jù)”的4個(gè)V的特質(zhì)：

>>數(shù)據(jù)量(Volume)

工業(yè)，特別是3.0階段的工業(yè)，數(shù)據(jù)量之大是驚人的。每個(gè)大型復(fù)雜的設(shè)備都有數(shù)千個(gè)需要測(cè)量的信號(hào)，每個(gè)復(fù)雜的生產(chǎn)環(huán)節(jié)里面有數(shù)萬(wàn)個(gè)數(shù)字化的參數(shù)，而且很多工業(yè)信號(hào)（電流、電壓、震動(dòng)）的采集頻率已經(jīng)達(dá)到了Gbps級(jí)別，因此對(duì)應(yīng)的工業(yè)應(yīng)用系統(tǒng)都必須具備實(shí)時(shí)的流式和批量處理能力、海量的存儲(chǔ)能力以及相應(yīng)強(qiáng)大的分析能力，而這些在傳統(tǒng)的工業(yè)應(yīng)用里面是不具備的。

>>多樣性(Variety)

從工業(yè)數(shù)據(jù)源、數(shù)據(jù)采集、存儲(chǔ)和處理、分析方法等不同角度來(lái)看工業(yè)上的數(shù)據(jù)，都具備多樣性特征，而且遠(yuǎn)遠(yuǎn)超出其他行業(yè)數(shù)據(jù)的多樣性。

>>實(shí)時(shí)性(Velocity)

同許多其他行業(yè)數(shù)據(jù)分析很大程度上只是為了實(shí)現(xiàn)人的決策支持不同，工業(yè)行業(yè)中很多數(shù)據(jù)都有著很高的實(shí)時(shí)性處理要求，這不僅體現(xiàn)在基于規(guī)則的異常檢測(cè)、告警到自動(dòng)反饋的過(guò)程，還包括需要在設(shè)備或者制造的連續(xù)過(guò)程中不斷采集實(shí)時(shí)數(shù)據(jù)、重新訓(xùn)練和修正模型的精度并重新發(fā)布的過(guò)程。

>>價(jià)值(Value)

通過(guò)數(shù)據(jù)分析創(chuàng)造的價(jià)值，在工業(yè)里面就更毋庸置疑。GE前任CEOImmelt曾經(jīng)提出過(guò)一個(gè)概念叫“1%的威力”，說(shuō)的是在一些重點(diǎn)行業(yè)（油氣、電力、軌交、航空等）通過(guò)數(shù)字化的手段實(shí)現(xiàn)1%的資產(chǎn)效能和生產(chǎn)效率的提升，就能夠創(chuàng)造萬(wàn)億級(jí)的利潤(rùn)。

大數(shù)據(jù)給傳統(tǒng)工業(yè)帶來(lái)的挑戰(zhàn)，恰恰是傳統(tǒng)工業(yè)應(yīng)用無(wú)法應(yīng)對(duì)的。

舉一個(gè)例子，自動(dòng)化生產(chǎn)都會(huì)伴隨著產(chǎn)生大量的設(shè)備和生產(chǎn)數(shù)據(jù)，通過(guò)對(duì)數(shù)據(jù)的精細(xì)化的分析，可以找到在生產(chǎn)過(guò)程中各種不確定現(xiàn)象（產(chǎn)能和良率抖動(dòng)、設(shè)備無(wú)計(jì)劃停機(jī)）產(chǎn)生的原因，從而能夠創(chuàng)造出非常高的價(jià)值。并且越自動(dòng)化的生產(chǎn)過(guò)程，數(shù)據(jù)量、維度和實(shí)時(shí)性的要求也就越高。

但是，正是由于缺少對(duì)大數(shù)據(jù)在采集、存儲(chǔ)和分析上的支持，傳統(tǒng)應(yīng)用僅僅能夠?qū)崿F(xiàn)有限維度的實(shí)時(shí)監(jiān)控，無(wú)法從海量的傳感器指標(biāo)中分析出對(duì)異常有貢獻(xiàn)的因素，更無(wú)法對(duì)各種關(guān)鍵指標(biāo)的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。

2.無(wú)法實(shí)現(xiàn)對(duì)未知的探索

相對(duì)于工業(yè)2.0，工業(yè)3.0最大的進(jìn)步就是引入了PLC（ProgrammableLogicController），運(yùn)用數(shù)字化的手段實(shí)現(xiàn)對(duì)設(shè)備運(yùn)行情況、外部環(huán)境、產(chǎn)品數(shù)據(jù)的測(cè)量，通過(guò)實(shí)現(xiàn)對(duì)設(shè)備運(yùn)行和操作的反饋，來(lái)保證制造和設(shè)備運(yùn)行的準(zhǔn)確性和穩(wěn)定性。因此，原本在工業(yè)2.0階段完全靠操作人員聽(tīng)、看、聞、摸等模糊化的測(cè)量和手動(dòng)的控制手段，在3.0階段通過(guò)部分的數(shù)字化實(shí)現(xiàn)了精準(zhǔn)的測(cè)量，并根據(jù)設(shè)定的機(jī)理制定相應(yīng)的控制邏輯，實(shí)現(xiàn)穩(wěn)定的輸出控制。

工業(yè)行業(yè)內(nèi)流傳一句經(jīng)典的話：“如果能夠測(cè)量，就一定能夠改善”，也就是說(shuō)一個(gè)工業(yè)過(guò)程，如果所有的輸入以及影響要素都是可以測(cè)量的，那工業(yè)過(guò)程的輸出一定是可控的。

但是，真實(shí)的工業(yè)卻遠(yuǎn)遠(yuǎn)沒(méi)有那么簡(jiǎn)單。

首先，在生產(chǎn)過(guò)程中存在太多的影響因子，并且由于工業(yè)數(shù)據(jù)量巨大并且傳統(tǒng)的保存分析手段有限，導(dǎo)致很多貢獻(xiàn)異常的要素都無(wú)法在事先規(guī)劃好并且有效地保存下來(lái)，因此也容易產(chǎn)生很多無(wú)法解釋的問(wèn)題。

其次，工業(yè)生產(chǎn)和運(yùn)營(yíng)過(guò)程里面，很多工業(yè)的因素是無(wú)法直接測(cè)量的，比如設(shè)備的健康度、螺絲的松緊程度、軸承的不平衡情況等。因此，只能依靠其他可測(cè)信號(hào)的數(shù)據(jù)，通過(guò)機(jī)理模型的方式來(lái)實(shí)現(xiàn)間接測(cè)量。但是由于很多變量不可測(cè)，造成工業(yè)有很多明知其然卻不知其所以然的現(xiàn)象，故而也無(wú)法用準(zhǔn)確的機(jī)理模型來(lái)解釋。

第三，對(duì)海量歷史數(shù)據(jù)的實(shí)時(shí)分析和預(yù)測(cè)能力的缺失，造成無(wú)法從海量歷史數(shù)據(jù)中尋找到相應(yīng)的規(guī)律（相關(guān)性、因果性等），更不用說(shuō)對(duì)未來(lái)的預(yù)測(cè)。

這些原因，都造成了很多工業(yè)的未知現(xiàn)象無(wú)法依靠傳統(tǒng)的應(yīng)用來(lái)解決的問(wèn)題。

舉一個(gè)例子，在故障維修模式上，由于缺少有效的數(shù)據(jù)分析和壽命預(yù)測(cè)手段，傳統(tǒng)的工業(yè)應(yīng)用只停留在了預(yù)防性維護(hù)階段，通過(guò)定期的保養(yǎng)實(shí)現(xiàn)早期的故障預(yù)防。這種維護(hù)成本是非常高的，企業(yè)不得不去安排更多的人力、預(yù)留更多的備品備件來(lái)實(shí)現(xiàn)早期的預(yù)警，因此往往無(wú)法在過(guò)度維修(定期巡檢)和被動(dòng)維修（故障停機(jī)之后的維修）之間取得有效的統(tǒng)一。

3.無(wú)法實(shí)現(xiàn)專(zhuān)家經(jīng)驗(yàn)的沉淀

工業(yè)領(lǐng)域中最具寶貴的價(jià)值無(wú)疑是專(zhuān)家的知識(shí)和經(jīng)驗(yàn)。但是，工業(yè)領(lǐng)域卻一直缺少對(duì)專(zhuān)家知識(shí)和經(jīng)驗(yàn)的有效保存、復(fù)制和轉(zhuǎn)移的手段。這種專(zhuān)家的知識(shí)和經(jīng)驗(yàn)，不僅包括在特定情況下的異常判決和處理方式，更包括優(yōu)化的策略。

但是，眾所周知，人的認(rèn)知都是模糊而不是精確的，如果沒(méi)有數(shù)字化的手段，就沒(méi)有辦法實(shí)現(xiàn)精準(zhǔn)的判決。同時(shí)，人的認(rèn)知僅僅只能夠停留在有限的時(shí)間和有限維度的判決上，無(wú)法擴(kuò)展，更無(wú)法實(shí)現(xiàn)對(duì)復(fù)雜問(wèn)題的精準(zhǔn)分析。

而傳統(tǒng)的工業(yè)應(yīng)用，一方面由于缺少數(shù)字化的手段（數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、模型開(kāi)發(fā)等）而造成專(zhuān)家知識(shí)難以形成量化的結(jié)果，另一方面也缺少有效的知識(shí)經(jīng)驗(yàn)開(kāi)發(fā)工具，幫助專(zhuān)家提升知識(shí)經(jīng)驗(yàn)積累的能力。

舉一個(gè)眾所周知的例子，高端裝備供應(yīng)商都會(huì)針對(duì)設(shè)備的特定故障提供FMEA(FailureModeEffectAnalysis)的表格，根據(jù)實(shí)驗(yàn)數(shù)據(jù)給出不同的故障模式，并且給出在特定的故障發(fā)生情況下，需要按照既定的方式采取特定的動(dòng)作。但是FMEA一直以來(lái)都是一些模糊的表述方法，一方面缺少數(shù)字化的手段來(lái)保存實(shí)驗(yàn)數(shù)據(jù)給出的故障特征（電流、電壓等傳感器指標(biāo)在故障上的“指紋”），也沒(méi)有有效手段在實(shí)際應(yīng)用過(guò)程中基于對(duì)這些“指紋”的比對(duì)來(lái)實(shí)現(xiàn)故障判決，更無(wú)法將實(shí)際運(yùn)行中出現(xiàn)的新故障的數(shù)字化特征反饋到FMEA里面來(lái)減少未來(lái)的異常判決。

4.無(wú)法實(shí)現(xiàn)敏捷的應(yīng)用交付

工業(yè)領(lǐng)域本身就是環(huán)節(jié)眾多、異常離散和復(fù)雜的多應(yīng)用場(chǎng)景，很難用一套固化的應(yīng)用來(lái)解決諸多突發(fā)和異常事件。因?yàn)閭鹘y(tǒng)的工業(yè)應(yīng)用開(kāi)發(fā)和迭代是一個(gè)非常冗長(zhǎng)的過(guò)程，開(kāi)發(fā)和迭代周期動(dòng)輒數(shù)年，無(wú)法有效地應(yīng)對(duì)突發(fā)情況。

同時(shí)，工業(yè)應(yīng)用領(lǐng)域需要具備跨領(lǐng)域的專(zhuān)業(yè)知識(shí)，例如數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析和建模等等，往往是非常專(zhuān)業(yè)的人、依靠不同領(lǐng)域的專(zhuān)業(yè)工具來(lái)產(chǎn)生各自領(lǐng)域的半成品結(jié)果，并最終由應(yīng)用開(kāi)發(fā)人員實(shí)現(xiàn)整合。但是傳統(tǒng)的應(yīng)用開(kāi)發(fā)模式，缺少類(lèi)似API、微服務(wù)、容器化的整合方案，無(wú)法實(shí)現(xiàn)跨領(lǐng)域的有效整合，只能依賴(lài)各方面都精通的跨領(lǐng)域人才實(shí)現(xiàn)有效整合，這無(wú)疑加大了開(kāi)發(fā)的難度，限制了應(yīng)用的擴(kuò)展和靈活性。

3  為什么Predix能解決這些問(wèn)題？

一句話，技術(shù)發(fā)展了，可以在現(xiàn)階段用新的技術(shù)來(lái)解決老問(wèn)題。

這里主要包括如下幾個(gè)方面：

1.物聯(lián)網(wǎng)技術(shù)的發(fā)展

工業(yè)狀態(tài)監(jiān)測(cè)的各種傳感器（包括環(huán)境監(jiān)測(cè)、震動(dòng)、聲敏傳感器），隨著使用的普及和技術(shù)的改進(jìn)，開(kāi)始變得更廉價(jià)，用戶(hù)可以在更廣泛的應(yīng)用場(chǎng)景中采集更全面的工作狀態(tài)；而NB-IOT、5G網(wǎng)絡(luò)的商用，不僅解決了傳輸距離、傳輸帶寬問(wèn)題，更提高了傳輸?shù)膶?shí)時(shí)性，這樣，海量的數(shù)據(jù)得以回到云端實(shí)現(xiàn)更實(shí)時(shí)的判決，反饋到現(xiàn)場(chǎng)端實(shí)現(xiàn)更準(zhǔn)確的控制。

2.大數(shù)據(jù)技術(shù)的發(fā)展

隨著大數(shù)據(jù)技術(shù)在互聯(lián)網(wǎng)、金融、電信等行業(yè)的普及，讓工業(yè)對(duì)海量數(shù)據(jù)的處理門(mén)檻變得很低。一方面，針對(duì)工業(yè)海量傳感器（流式）和操作記錄（批量）數(shù)據(jù)的實(shí)時(shí)處理和分析手段，可以采用現(xiàn)有的大數(shù)據(jù)處理工具；另一方面，在上述各個(gè)行業(yè)培養(yǎng)起來(lái)的各種大數(shù)據(jù)人才，在數(shù)量、質(zhì)量和成本幾方面都已經(jīng)可以滿(mǎn)足傳統(tǒng)工業(yè)企業(yè)的需求。

3.人工智能技術(shù)的發(fā)展

隨著最近幾年深度學(xué)習(xí)技術(shù)的發(fā)展，人工智能技術(shù)在圖像和語(yǔ)音識(shí)別等固定場(chǎng)景已經(jīng)超越了人的能力限制，并逐步發(fā)展到可以實(shí)現(xiàn)對(duì)未來(lái)很多未知的判決和預(yù)測(cè)。在工業(yè)領(lǐng)域，充分利用這些研究成果，不僅可以實(shí)現(xiàn)產(chǎn)線機(jī)器視覺(jué)這種簡(jiǎn)單的應(yīng)用，更能實(shí)現(xiàn)對(duì)多維度設(shè)備健康、產(chǎn)能、質(zhì)量以及能耗等維度的判決和預(yù)測(cè)。

4.云計(jì)算技術(shù)的發(fā)展

隨著云計(jì)算的加速發(fā)展，計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)資源層面的基礎(chǔ)需求和靈活性需求已經(jīng)不再是問(wèn)題，而PaaS技術(shù)的逐步成熟，更將應(yīng)用開(kāi)發(fā)、大數(shù)據(jù)分析等過(guò)程，通過(guò)微服務(wù)和微應(yīng)用的方式實(shí)現(xiàn)了有效的整合，極大提高了應(yīng)用開(kāi)發(fā)和數(shù)據(jù)分析的效率和完整性。

4  GE為何用Predix平臺(tái)開(kāi)發(fā)OT應(yīng)用？

我分析這里面有幾個(gè)原因：

1.無(wú)法整合和集成

GED(GEDigital的簡(jiǎn)稱(chēng))本身在多年的發(fā)展過(guò)程中，無(wú)論是給客戶(hù)定制開(kāi)發(fā)還是購(gòu)買(mǎi)的公司，都提供了數(shù)量（種類(lèi)）眾多、數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、架構(gòu)不一致的軟件，不同的軟件之間很少有集成的接口、相同的數(shù)據(jù)定義，無(wú)法保證相互之間的互操作和集成，給客戶(hù)造成了很多的煙囪應(yīng)用和數(shù)據(jù)孤島。

2.無(wú)法滿(mǎn)足高效交付的要求

GED不斷面臨新的應(yīng)用開(kāi)發(fā)需求，而客戶(hù)要求的交付周期越來(lái)越短，原有動(dòng)輒數(shù)年、冗長(zhǎng)而笨重的產(chǎn)品開(kāi)發(fā)周期和更新周期已經(jīng)越來(lái)越跟不上節(jié)奏，大家不約而同地將開(kāi)發(fā)模式轉(zhuǎn)向了互聯(lián)網(wǎng)應(yīng)用的敏捷開(kāi)發(fā)、功能重用、組件是交付的模式。

3.無(wú)法實(shí)現(xiàn)跨專(zhuān)業(yè)的整合

工業(yè)應(yīng)用不僅涉及到應(yīng)用開(kāi)發(fā)，還包括了細(xì)致的數(shù)據(jù)分析，甚至專(zhuān)業(yè)的機(jī)理模型開(kāi)發(fā)，而這些專(zhuān)業(yè)能力還要針對(duì)不斷變化的需求進(jìn)行針對(duì)性的調(diào)整。如果按照傳統(tǒng)的軟件開(kāi)發(fā)思路，一定避免不了需要開(kāi)發(fā)人員充分理解業(yè)務(wù)場(chǎng)景、機(jī)理模型才能開(kāi)始設(shè)計(jì)，但這種軟件開(kāi)發(fā)一定是非常低效的。

因此，GE推出Predix平臺(tái)，并且將持續(xù)基于Predix進(jìn)行新的應(yīng)用開(kāi)發(fā)，并不是早先就設(shè)計(jì)好的，而是其發(fā)展過(guò)程中理所當(dāng)然會(huì)走的一條路線。

從應(yīng)用的角度來(lái)說(shuō)，隨著應(yīng)用類(lèi)型的增多和功能的復(fù)雜化，為了實(shí)現(xiàn)快速和穩(wěn)定的交付，應(yīng)用開(kāi)發(fā)最終都會(huì)走到集約化、平臺(tái)化開(kāi)發(fā)的路線上來(lái)。

觀點(diǎn)

下面是我理解的關(guān)于（工業(yè)互聯(lián)網(wǎng)）平臺(tái)和應(yīng)用之間的關(guān)系。

從圖中可以看到，工業(yè)互聯(lián)網(wǎng)平臺(tái)雖然也被稱(chēng)為工業(yè)PaaS平臺(tái)，但跟通用的PaaS（下面兩層，包括PaaS和服務(wù)框架，以及包括數(shù)據(jù)庫(kù)、用戶(hù)管理等在內(nèi)的通用服務(wù)）相比，增加了工業(yè)部分的內(nèi)容，這部分內(nèi)容一方面包括跨行業(yè)的各種通用服務(wù)，比如設(shè)備管理和接入、工業(yè)數(shù)據(jù)處理和時(shí)序數(shù)據(jù)庫(kù)、工業(yè)大數(shù)據(jù)建模工具等，還包括了跟每一個(gè)具體行業(yè)緊密相關(guān)的應(yīng)用開(kāi)發(fā)框架、模型、特征庫(kù)等功能。

Predix也是這個(gè)設(shè)計(jì)思路，它從本質(zhì)上來(lái)說(shuō)是一個(gè)面向工業(yè)的PaaS平臺(tái)，因此，Predix提供的各種能力，都是需要滿(mǎn)足上層工業(yè)應(yīng)用開(kāi)發(fā)需求的。雖然Predix最早是構(gòu)建在CloudFoundry（上圖的平臺(tái)下面兩層）之上，但是從一開(kāi)始，就并沒(méi)有滿(mǎn)足于Heroku、Force.com、Beanstalk等通用PaaS，而是在CloudFoundry的基礎(chǔ)上又增加了非常多針對(duì)工業(yè)應(yīng)用的能力，這里不僅包括工業(yè)設(shè)備的接入和邊緣計(jì)算、工業(yè)數(shù)據(jù)清洗和存儲(chǔ)，還包括了工業(yè)數(shù)據(jù)分析和建模、以及快速應(yīng)用開(kāi)發(fā)的能力。

5  Predix平臺(tái)和Predix應(yīng)用

Predix上的應(yīng)用，與傳統(tǒng)意義上的工業(yè)設(shè)計(jì)（PLM）、工業(yè)生產(chǎn)（MES、ERP）、工業(yè)營(yíng)銷(xiāo)（CRM、e-Commerce)以及倉(cāng)儲(chǔ)物流管理（WMS）等有很大的差別。Predix上的應(yīng)用包括了三個(gè)級(jí)別的應(yīng)用：設(shè)備級(jí)別、過(guò)程級(jí)別和業(yè)務(wù)級(jí)別的應(yīng)用。而Predix重點(diǎn)強(qiáng)調(diào)的，是前兩個(gè)級(jí)別的應(yīng)用。

同傳統(tǒng)的豎井式應(yīng)用相比，Predix這三個(gè)級(jí)別的應(yīng)用是層層迭代、一環(huán)扣一環(huán)的：

設(shè)備級(jí)別：這部分以追求可靠性為目標(biāo)，主要針對(duì)設(shè)備本身，即工業(yè)的原子單元。通過(guò)物聯(lián)網(wǎng)接入設(shè)備來(lái)采集設(shè)備的原始數(shù)據(jù)和參數(shù)，不僅能夠現(xiàn)對(duì)工業(yè)設(shè)備一些關(guān)鍵參數(shù)當(dāng)前狀態(tài)的提取，還能夠通過(guò)各種分析模型實(shí)現(xiàn)對(duì)設(shè)備過(guò)去和未來(lái)狀態(tài)的判決，并且可以將這種判決同采集的實(shí)時(shí)數(shù)據(jù)進(jìn)行關(guān)聯(lián)，實(shí)現(xiàn)實(shí)時(shí)診斷和預(yù)測(cè)。而傳統(tǒng)的控制系統(tǒng)僅僅能夠?qū)崿F(xiàn)當(dāng)前狀態(tài)的監(jiān)控和有限的歷史數(shù)據(jù)分析。

過(guò)程級(jí)別：這部分以追求效率為目標(biāo)，針對(duì)的主要是生產(chǎn)過(guò)程。需要依賴(lài)于設(shè)備級(jí)別的各種分析結(jié)果和KPI指標(biāo)，將其映射到不同上下文的生產(chǎn)環(huán)節(jié)中，結(jié)合在不同生產(chǎn)過(guò)程上的操作要求，實(shí)現(xiàn)整個(gè)連續(xù)生產(chǎn)的關(guān)鍵指標(biāo)分析和控制。

業(yè)務(wù)級(jí)別：這部分以追求利潤(rùn)為指標(biāo)，針對(duì)的對(duì)象主要是管理流程?；谏a(chǎn)過(guò)程中的各種分析數(shù)據(jù)和關(guān)鍵指標(biāo)，企業(yè)各種IT類(lèi)的經(jīng)營(yíng)管理類(lèi)業(yè)務(wù)系統(tǒng)（ERP、CRM、WMS），實(shí)現(xiàn)更大范圍（時(shí)間維度、空間維度、數(shù)據(jù)維度）的精準(zhǔn)決策支持。

除此之外，Predix平臺(tái)還開(kāi)放了很多能力，支持客戶(hù)和合作伙伴在平臺(tái)上，利用現(xiàn)成的模塊，開(kāi)發(fā)不同行業(yè)領(lǐng)域的應(yīng)用。

Predix平臺(tái)的設(shè)計(jì)理念

Predix上面開(kāi)發(fā)的各種應(yīng)用，從一開(kāi)始就具備了很多鮮明的特點(diǎn)，包括DigitalTwin、數(shù)據(jù)驅(qū)動(dòng)、微服務(wù)。

1DigitalTwin

DigitalTwin是Predix應(yīng)用的核心組成部分，通過(guò)DigitalTwin，用戶(hù)不僅可以隨時(shí)隨地獲得物理設(shè)備或者過(guò)程的實(shí)時(shí)監(jiān)測(cè)，更能通過(guò)海量歷史數(shù)據(jù)的積累和細(xì)致的分析，獲得很多無(wú)法直觀監(jiān)測(cè)到的設(shè)備或過(guò)程的性能指標(biāo)，如設(shè)備健康度、故障產(chǎn)生原因或者不良因素的相關(guān)性，并能夠?qū)υO(shè)備和生產(chǎn)過(guò)程進(jìn)行仿真模擬，同時(shí)將生產(chǎn)和運(yùn)維過(guò)程中的經(jīng)驗(yàn)通過(guò)數(shù)字化的方式保存下來(lái)，形成對(duì)未來(lái)判決的依據(jù)。

在ACMMM2017大會(huì)上，GED（GEDigital）對(duì)DigitalTwin給出了更明確的解釋?zhuān)倚Q(chēng)，GED已經(jīng)基于Predix開(kāi)發(fā)和部署了接近一百萬(wàn)個(gè)DigitalTwin。

1.何為DigitalTwin?

DigitalTwin這個(gè)概念已經(jīng)快被各大咨詢(xún)機(jī)構(gòu)和廠商用爛了，很多人把它簡(jiǎn)單的理解成了在設(shè)計(jì)和仿真階段，用3D手段來(lái)呈現(xiàn)和仿真模擬物理設(shè)備運(yùn)行狀態(tài)的功能。

Gartner關(guān)于DigitalTwin的定義如下，即DigitalTwin指的是基于物理設(shè)備的傳感器數(shù)據(jù)，通過(guò)動(dòng)態(tài)的模型來(lái)改進(jìn)運(yùn)營(yíng)和增加價(jià)值。

而GED官方對(duì)DigitalTwin的有著更清晰的定義：

字面意思是“用軟件的方式來(lái)表征物理設(shè)備”，并且可以“讓企業(yè)更好的理解、預(yù)測(cè)和優(yōu)化每一個(gè)設(shè)備的性能”。同時(shí)，DigitalTwin，可以是“一個(gè)獨(dú)立的設(shè)別”，也可以是“一個(gè)集成的系統(tǒng)”，也可以是“一群設(shè)備”。

2.Predix如何定義DigitalTwin？

GE將DigitalTwin分成了三部分，包括AssetModel、AnalyticModel以及KnowledgeBase。

AssetModel

AssetModel:可以理解為設(shè)備的生命周期管理能力，可以為設(shè)備設(shè)定相應(yīng)的屬性、設(shè)置特定的工作狀態(tài)，以及在不同工作狀態(tài)下的數(shù)據(jù)和模型。

AssetModel是把物理的設(shè)別用數(shù)字化手段來(lái)表現(xiàn)和定義的方式，它包括了很多方面：

>設(shè)備的層次關(guān)系、位置、標(biāo)簽、管理人員的定義

>動(dòng)態(tài)和靜態(tài)的屬性的定義

>關(guān)鍵指標(biāo)的定義

>2D/3D的模型映射

通過(guò)AssetModel，不僅可以設(shè)置設(shè)備在不同生命周期中的屬性、狀態(tài)和連接關(guān)系，還能夠?qū)Σ煌恢?、層?jí)的傳感器數(shù)據(jù)的來(lái)源、保存方式以及相應(yīng)的屬性進(jìn)行定義，方便構(gòu)建實(shí)時(shí)的狀態(tài)監(jiān)測(cè)。

基于AssetModel，還可以提煉出跟設(shè)備領(lǐng)域知識(shí)相關(guān)的一些參數(shù)，比如關(guān)聯(lián)關(guān)系、層級(jí)關(guān)系等。

AnalyticModel

AnalyticModel:為虛擬空間中需要構(gòu)建的關(guān)鍵指標(biāo)提供包括統(tǒng)計(jì)分析、診斷分析、預(yù)測(cè)分析和決策優(yōu)化等能力。

設(shè)備運(yùn)行會(huì)定義很多虛擬的性能指標(biāo)，如設(shè)備健康度、剩余壽命等，而這些無(wú)法通過(guò)傳感器直接測(cè)量的計(jì)算指標(biāo)，就需要通過(guò)AnalyticsModel的建模分析能力，基于對(duì)設(shè)備原始數(shù)據(jù)的存儲(chǔ)和特定的算法模型來(lái)計(jì)算這些虛擬的性能參數(shù)，進(jìn)而形成一個(gè)又一個(gè)在平臺(tái)上運(yùn)行的實(shí)時(shí)模型。當(dāng)設(shè)備上特定的實(shí)時(shí)數(shù)據(jù)送達(dá)這些模型之后，系統(tǒng)會(huì)實(shí)時(shí)地計(jì)算出相應(yīng)的虛擬性能指標(biāo)。當(dāng)虛擬指標(biāo)超出一定設(shè)定的門(mén)限，系統(tǒng)就會(huì)產(chǎn)生相應(yīng)的動(dòng)作。

AnalyticModel是DigitalTwin的大腦，是指基于設(shè)備產(chǎn)生的原始數(shù)據(jù)、通過(guò)各種建模方法（機(jī)理+數(shù)據(jù)）和建模工具（語(yǔ)言+機(jī)器學(xué)習(xí)）來(lái)構(gòu)建各種對(duì)設(shè)備的判決。通過(guò)精細(xì)化的分析，AnalyticModel不僅可以讓運(yùn)營(yíng)人員充分理解基于歷史數(shù)據(jù)構(gòu)建的設(shè)備上下文（Context），還能夠基于歷史數(shù)據(jù)構(gòu)建的模型對(duì)當(dāng)前的狀態(tài)進(jìn)行評(píng)估，并且對(duì)未來(lái)的狀態(tài)進(jìn)行預(yù)測(cè)。

這種分析往往包括的兩個(gè)維度：時(shí)間維度+空間維度。

時(shí)間維度指的是基于該設(shè)備（過(guò)程）的歷史數(shù)據(jù)，構(gòu)建當(dāng)前的狀態(tài)評(píng)估和未來(lái)的性能預(yù)測(cè)。這種分析適合樣本數(shù)量不多，但歷史數(shù)據(jù)保存完整的分析場(chǎng)景。

空間維度是指基于其他同類(lèi)型設(shè)備（過(guò)程）的歷史數(shù)據(jù)，開(kāi)發(fā)或者訓(xùn)練相應(yīng)的模型，對(duì)當(dāng)前設(shè)備進(jìn)行狀態(tài)評(píng)估和性能預(yù)測(cè)。這種分析適合樣本數(shù)量眾多，但歷史數(shù)據(jù)保存不完整的分析場(chǎng)景。

KnowledgeBase

KnowledgeBase:則將行業(yè)的知識(shí)和經(jīng)驗(yàn)以數(shù)字化的方式進(jìn)行保存，形成可以復(fù)制、轉(zhuǎn)移的依據(jù)。

這部分在ACMMM2017大會(huì)上并沒(méi)有太多提及，更多是一些模糊的概念。我個(gè)人理解這里主要指的是數(shù)據(jù)科學(xué)家與領(lǐng)域?qū)＜医涣?、得到某個(gè)設(shè)備的領(lǐng)域知識(shí)和數(shù)據(jù)、用于構(gòu)建digitaltwin的一個(gè)過(guò)程。

一方面，對(duì)于數(shù)據(jù)科學(xué)家來(lái)說(shuō)，每一個(gè)設(shè)備的性能分析，都需要具備一定的領(lǐng)域知識(shí)。而這里提到的領(lǐng)域知識(shí)，不僅指的是根據(jù)機(jī)理模型了解設(shè)備的工作原理，還需要具備一定的關(guān)聯(lián)性，通過(guò)關(guān)聯(lián)性來(lái)降低分析的維度和復(fù)雜度，增加分析的確定性。

另一方面，工業(yè)設(shè)備在運(yùn)行過(guò)程中的不同狀態(tài)下會(huì)在各種指標(biāo)上表現(xiàn)出不同的特征，如果將這種特征同設(shè)備的故障或者過(guò)程的異常，以及處理的方法和記錄相關(guān)聯(lián)，就可以形成現(xiàn)象和數(shù)據(jù)的映射關(guān)系，也就是我們常說(shuō)的“專(zhuān)家經(jīng)驗(yàn)”。但是這種“專(zhuān)家經(jīng)驗(yàn)”是可以數(shù)字化保存的，不會(huì)因依賴(lài)于人的記憶的模糊特點(diǎn)而失真。隨著運(yùn)行數(shù)據(jù)和故障、異常特征的不斷積累，對(duì)于設(shè)備和生產(chǎn)過(guò)程中的各種判決將會(huì)越來(lái)越自動(dòng)化和精準(zhǔn)。

3.如何構(gòu)建DigitalTwin

基于上面提到的三個(gè)要素，Predix在平臺(tái)上提供了一系列的開(kāi)發(fā)工具，包括：

AssetModelWorkbench：提供資產(chǎn)模型的開(kāi)發(fā)環(huán)境，來(lái)定義設(shè)備的資產(chǎn)模型，包括各種參數(shù)、屬性、指標(biāo)和2D/3D模型的映射。

AnalyticWorkbench：提供模型的快速建模開(kāi)發(fā)環(huán)境，包括基于設(shè)備資產(chǎn)模型構(gòu)建的機(jī)理和機(jī)器學(xué)習(xí)模型。

DigitalTwinWorkbench：提供DigitalTwin的開(kāi)發(fā)和部署環(huán)境，實(shí)現(xiàn)快速、批量生成和部署部件級(jí)以及全系統(tǒng)的各種DigitalTwin。

下面是Predix上開(kāi)發(fā)DigitalTwin的完整過(guò)程。

基于設(shè)備采集的數(shù)據(jù)，構(gòu)建AssetModel，建立物理設(shè)備與虛擬實(shí)體之間的映射關(guān)系，并且通過(guò)提煉設(shè)備的領(lǐng)域知識(shí)，結(jié)合歷史數(shù)據(jù)的分析，構(gòu)建模型并發(fā)布到模型的運(yùn)行環(huán)境中。

4.Predix應(yīng)用如何使用DigitalTwin？

對(duì)于Predix的應(yīng)用來(lái)說(shuō)，Predix構(gòu)建的DigitalTwin可以用在下面三個(gè)方面：

物理系統(tǒng)的早期預(yù)警

對(duì)當(dāng)前操作和使用的長(zhǎng)期預(yù)測(cè)

對(duì)操作的動(dòng)態(tài)優(yōu)化

Predix應(yīng)用的核心是圍繞著DigitalTwin開(kāi)展的，把DigitalTwin作為構(gòu)建Predix應(yīng)用的單元級(jí)別的能力。

下面是基于Predix的工業(yè)應(yīng)用例子。

可以看到，Predix可以為不同的物理設(shè)備構(gòu)建獨(dú)立的DigitalTwin，并基于DigitalTwin，首先構(gòu)建設(shè)備級(jí)別的應(yīng)用(APM)，然后再在設(shè)備級(jí)別應(yīng)用加工的數(shù)據(jù)基礎(chǔ)上，構(gòu)建運(yùn)營(yíng)級(jí)別的應(yīng)用(OPM)。

設(shè)備級(jí)別的應(yīng)用，主要是指APM（AssetPerformanceManagement），包括：

實(shí)時(shí)監(jiān)控、健康管理以及故障診斷

維護(hù)策略的優(yōu)化

可靠性的管理

性能的優(yōu)化

操作的合規(guī)性

APM完全是基于DigitalTwin構(gòu)建的，是DigitalTwin的使用者，也就是說(shuō)，一個(gè)APM可能會(huì)為每一個(gè)設(shè)備、部件或者過(guò)程構(gòu)建一個(gè)DigitalTwin，而DigitalTwin能實(shí)時(shí)接收設(shè)備采集的各種數(shù)據(jù)、實(shí)時(shí)通過(guò)模型計(jì)算相應(yīng)的指標(biāo)，并最終將實(shí)施的計(jì)算結(jié)果送到APM應(yīng)用上，因此APM上面的各種關(guān)鍵指標(biāo)都是來(lái)自于Predix實(shí)時(shí)采集的數(shù)據(jù)和構(gòu)建的模型。

運(yùn)營(yíng)級(jí)別的應(yīng)用，主要指的是OPM（OperationPerformanceManagement）。OPM并不是直接構(gòu)建在DigitalTwin之上的，而是基于APM應(yīng)用各種加工后的數(shù)據(jù)構(gòu)建的，它包括：

操作的優(yōu)化

資產(chǎn)的策略

業(yè)務(wù)的優(yōu)化

基于上下文的What-If的模擬仿真

新的商業(yè)模式和服務(wù)創(chuàng)新

后面有專(zhuān)門(mén)的介紹APM和OPM的章節(jié)，這里就不詳述了。

2數(shù)據(jù)驅(qū)動(dòng)

1.工業(yè)煙囪和孤島現(xiàn)象嚴(yán)重

不同于其他如金融、電信等高度依賴(lài)數(shù)字化的行業(yè)，工業(yè)企業(yè)直到今天還只是在部分環(huán)節(jié)（主要是在研發(fā)設(shè)計(jì)上，而生產(chǎn)、運(yùn)維和服務(wù)上則缺少數(shù)字化支撐手段）實(shí)現(xiàn)了數(shù)字化，這就造成了工業(yè)很多場(chǎng)景無(wú)法通過(guò)數(shù)據(jù)來(lái)進(jìn)行精確的決策。這種矛盾不僅表現(xiàn)在無(wú)法對(duì)生產(chǎn)過(guò)程中的各種參數(shù)實(shí)現(xiàn)有效的穩(wěn)定性控制，進(jìn)而穩(wěn)定和提高產(chǎn)品質(zhì)量，更無(wú)法對(duì)設(shè)備的運(yùn)行狀態(tài)和維修策略做出精確的評(píng)估和預(yù)測(cè)來(lái)避免非計(jì)劃停機(jī)。

正是由于工業(yè)在設(shè)計(jì)、生產(chǎn)和運(yùn)維上的專(zhuān)業(yè)性、復(fù)雜性和離散的特點(diǎn)，造成了工業(yè)應(yīng)用在建設(shè)時(shí)的“煙囪式”業(yè)務(wù)特點(diǎn)。

這種煙囪式業(yè)務(wù)系統(tǒng)，在本質(zhì)上是一種數(shù)據(jù)的割裂，不僅體現(xiàn)在設(shè)計(jì)、生產(chǎn)和運(yùn)維等橫向環(huán)節(jié)的應(yīng)用缺少有效的數(shù)據(jù)互通和集成的手段，即使在每個(gè)環(huán)節(jié)的內(nèi)部縱向環(huán)節(jié)（如ERP和MES之間），都無(wú)法形成統(tǒng)一的數(shù)據(jù)集成和判決依據(jù)。

在自動(dòng)化、連續(xù)生產(chǎn)的要求不高的時(shí)候，不同系統(tǒng)之間壁壘的消除主要依靠人的靈活性來(lái)彌補(bǔ)，然而在現(xiàn)代生產(chǎn)越來(lái)越依賴(lài)自動(dòng)化的前提下，已經(jīng)很難使用人的智慧和靈活性來(lái)取代基于數(shù)據(jù)的判決。在這種前提下，數(shù)據(jù)的統(tǒng)一標(biāo)準(zhǔn)、數(shù)據(jù)的互通，以及快速的決策能力，就成為工業(yè)企業(yè)不可缺少的能力。

2.Predix旨在解決工業(yè)的煙囪和孤島問(wèn)題

GED在多年來(lái)收購(gòu)、開(kāi)發(fā)的軟件不計(jì)其數(shù)，深諳數(shù)據(jù)不一致、無(wú)法集成給工業(yè)企業(yè)造成的痛苦和低效，因此，在規(guī)劃針對(duì)工業(yè)應(yīng)用開(kāi)發(fā)的Predix這個(gè)PaaS平臺(tái)的時(shí)候，解決數(shù)據(jù)的一致性和互聯(lián)互通就成為了Predix架構(gòu)設(shè)計(jì)的一個(gè)重要輸入。

相對(duì)于傳統(tǒng)豎井式應(yīng)用極易造成各種數(shù)據(jù)孤島來(lái)說(shuō)，Predix這些應(yīng)用從數(shù)據(jù)角度是一脈相承的。異構(gòu)的數(shù)據(jù)源（機(jī)器和儀表產(chǎn)生的實(shí)時(shí)數(shù)據(jù)、人操作產(chǎn)生的日志數(shù)據(jù)、加工過(guò)程產(chǎn)生的產(chǎn)品和狀態(tài)數(shù)據(jù)，以及不同IT業(yè)務(wù)系統(tǒng)的數(shù)據(jù)等）都在同一個(gè)平臺(tái)上按照既定的數(shù)據(jù)標(biāo)準(zhǔn)得以存儲(chǔ)，而應(yīng)用完全可以按照對(duì)應(yīng)的權(quán)限來(lái)訪問(wèn)同一份數(shù)據(jù)。因此，基于數(shù)據(jù)構(gòu)建的應(yīng)用，天生是可以實(shí)現(xiàn)互聯(lián)互通的，這不僅能夠保證信息在不同應(yīng)用之間實(shí)現(xiàn)更暢通、更及時(shí)的交互，而且還能避免更多對(duì)數(shù)據(jù)定義的歧義和誤差，進(jìn)而消除數(shù)據(jù)孤島。

3.工業(yè)數(shù)據(jù)的處理特點(diǎn)

上面說(shuō)的是平臺(tái)在數(shù)據(jù)層面規(guī)劃的基本原則，除了需要保證原子性、一致性和互聯(lián)互通的通用能力，還需要提供充分開(kāi)放但嚴(yán)格授權(quán)的訪問(wèn)機(jī)制。

工業(yè)企業(yè)同其他行業(yè)不同，面對(duì)的數(shù)據(jù)主要來(lái)自于三個(gè)層面：

設(shè)備級(jí)別：主要包括傳感器、控制系統(tǒng)產(chǎn)生的實(shí)時(shí)數(shù)據(jù)、測(cè)量數(shù)據(jù)、產(chǎn)品數(shù)據(jù)，不僅有時(shí)序數(shù)據(jù)，還包括了很多文本、日志，以及最近幾年日益增多的圖片和視頻類(lèi)數(shù)據(jù)；

過(guò)程級(jí)別：包括生產(chǎn)作業(yè)的不同工序數(shù)據(jù)、配方數(shù)據(jù)等，很多時(shí)候來(lái)自于第三方系統(tǒng)或者人為錄入；

經(jīng)營(yíng)級(jí)別：這里更多是加工數(shù)據(jù)，往往來(lái)自不同設(shè)備級(jí)別系統(tǒng)或者生產(chǎn)級(jí)別系統(tǒng)產(chǎn)生的間接數(shù)據(jù)，以及一些橫向的管理系統(tǒng)的數(shù)據(jù)。

工業(yè)數(shù)據(jù)的處理，包括數(shù)據(jù)源、數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)和處理、分析手段上，和其他行業(yè)區(qū)別非常大。

數(shù)據(jù)源：不僅包括工業(yè)生產(chǎn)過(guò)程中的各種設(shè)備實(shí)時(shí)狀態(tài)、人員操作記錄、工藝規(guī)格數(shù)據(jù)、產(chǎn)品檢測(cè)數(shù)據(jù)，還包括在產(chǎn)品實(shí)際運(yùn)營(yíng)過(guò)程中采集的工況數(shù)據(jù)、運(yùn)行數(shù)據(jù)以及關(guān)聯(lián)的業(yè)務(wù)系統(tǒng)數(shù)據(jù)。

采集方式：不僅有傳感器實(shí)時(shí)數(shù)據(jù)的接收，還有從不同業(yè)務(wù)系統(tǒng)進(jìn)行抽取的批量處理。

存儲(chǔ)：不僅需要實(shí)時(shí)數(shù)據(jù)存儲(chǔ)（傳感器、信號(hào)的實(shí)時(shí)數(shù)據(jù)）、文件存儲(chǔ)（歷史文件、日志文件、檢測(cè)結(jié)果），還包括各種數(shù)據(jù)庫(kù)（操作記錄）和對(duì)象存儲(chǔ)（圖像和視頻），既要保證存儲(chǔ)橫向擴(kuò)展的能力，又要保證讀寫(xiě)性能。

處理：每種數(shù)據(jù)處理方式都很不一樣，對(duì)于工業(yè)實(shí)時(shí)數(shù)據(jù)（時(shí)序數(shù)據(jù)）需要靈活的流式處理（在線修改負(fù)荷、差值填充、過(guò)濾等）的定制能力，對(duì)于日志需要基于文本的檢索能力，對(duì)于振動(dòng)傳感器需要視頻變化的能力，每種不同場(chǎng)景需要不同的處理方式。

分析：針對(duì)分析的目標(biāo)（設(shè)備健康、生產(chǎn)效率、能耗、質(zhì)量）不同，需要對(duì)不同的數(shù)據(jù)源采取包括統(tǒng)計(jì)分析、異常檢測(cè)、趨勢(shì)預(yù)測(cè)等多種分析方法。

根據(jù)ACMMM2017的說(shuō)法，通常在一個(gè)工業(yè)項(xiàng)目中，用戶(hù)需要花60%-70%的時(shí)間在數(shù)據(jù)處理上。

如此眾多的、異構(gòu)的數(shù)據(jù)，如果沒(méi)有好的平臺(tái)來(lái)適配和處理，一定會(huì)極大的降低數(shù)據(jù)的消費(fèi)者（主要是應(yīng)用）的使用效率。

4.Predix提供完整的數(shù)據(jù)處理功能

Predix提供了從數(shù)據(jù)接收、攝取、處理、存儲(chǔ)和建模的完整的數(shù)據(jù)處理功能，能夠支持上層應(yīng)用快速實(shí)現(xiàn)各種原始數(shù)據(jù)和加工數(shù)據(jù)的加載和訪問(wèn)。

下面是PredixCloud在數(shù)據(jù)處理上的架構(gòu)。

可以看到，Predix在數(shù)據(jù)處理上主要提供了三部分的能力：

DataIngestion（數(shù)據(jù)攝?。?/p>

這部分包括了對(duì)流式數(shù)據(jù)和批量數(shù)據(jù)的統(tǒng)一處理。對(duì)于流式數(shù)據(jù)，Predix支持對(duì)各種數(shù)據(jù)流的在線修改和轉(zhuǎn)換，對(duì)于批量數(shù)據(jù)，Predix提供了豐富的ETL工具。

DataProcessing（數(shù)據(jù)處理）

Predix在數(shù)據(jù)處理上，不僅提供了工作流和分析的引擎，還提供了多種運(yùn)行環(huán)境，不僅包括標(biāo)準(zhǔn)環(huán)境，還支持Serverless、4GL等。除此之外，Predix還提供了PredixStudio，支持通過(guò)AIDrivenDataModeling的方式對(duì)數(shù)據(jù)進(jìn)行自動(dòng)分析，并提供包括ElasticSearch在內(nèi)的自動(dòng)檢索能力。

DataStorage（數(shù)據(jù)存儲(chǔ)）

針對(duì)各種異構(gòu)的工業(yè)數(shù)據(jù)來(lái)源，Predix提供了多種存儲(chǔ)的方式，不僅包括時(shí)間序列(TimeSeries)，還包括RDBMS、NoSQL、HDFS以及對(duì)象存儲(chǔ)等針對(duì)不同類(lèi)型數(shù)據(jù)的存儲(chǔ)方式。

除此之外，Predix還提供了將處理完成的數(shù)據(jù)開(kāi)放出來(lái)，供上層應(yīng)用開(kāi)發(fā)和模型開(kāi)發(fā)所共享的能力，這樣就可以實(shí)現(xiàn)不同的應(yīng)用開(kāi)發(fā)、模型開(kāi)發(fā)都可以在同一套數(shù)據(jù)架構(gòu)、數(shù)據(jù)標(biāo)準(zhǔn)下進(jìn)行，即消除了很多的不確定性，也提高了應(yīng)用和分析的效率。

3微服務(wù)

1.軟件不應(yīng)該越做越復(fù)雜

傳統(tǒng)工業(yè)應(yīng)用的開(kāi)發(fā)，無(wú)論是ERP還是MES，已經(jīng)逐步走入了一個(gè)死胡同。

一方面，依據(jù)摩爾定律，計(jì)算資源將越來(lái)越廉價(jià)，這也就給軟件開(kāi)發(fā)商更好的理由來(lái)增加軟件的功能，加之軟件很多功能可以重用，因而造成軟件的功能復(fù)雜度也根據(jù)計(jì)算資源的摩爾定律呈現(xiàn)指數(shù)增長(zhǎng)趨勢(shì)。

另一方面，基于邊際成本越來(lái)越低的前提，軟件廠家越來(lái)越傾向于將無(wú)數(shù)功能疊加到一套軟件里面，希望通過(guò)加強(qiáng)軟件的功能來(lái)適應(yīng)更多的應(yīng)用場(chǎng)景，以此鎖定客戶(hù)。

國(guó)際上有一個(gè)很有意思的IT概念，叫ConsumptionGap，指的是人對(duì)軟件功能的消費(fèi)能力與軟件復(fù)雜度之間存在著越來(lái)越大的差距。

可以看到，軟件功能的復(fù)雜度保持著和計(jì)算能力（摩爾定律）相似的指數(shù)特性，然而客戶(hù)（人）的吸收能力卻不是可擴(kuò)展的，完全跟不上軟件復(fù)雜度的發(fā)展速度，因此軟件功能越多，這種差距只會(huì)越來(lái)越大，給客戶(hù)造成的困難就越大，客戶(hù)對(duì)復(fù)雜軟件的抵觸也會(huì)越來(lái)越明顯。

2.微服務(wù)

如何化解軟件廠商和客戶(hù)需求之間不斷惡化的這種矛盾？基于微服務(wù)開(kāi)發(fā)微應(yīng)用，是主要的解決辦法。

微服務(wù)是互聯(lián)網(wǎng)領(lǐng)域已經(jīng)普遍使用的開(kāi)發(fā)方法（微服務(wù)不是標(biāo)準(zhǔn)的架構(gòu)，而是一種理念和方法），是指將一個(gè)復(fù)雜的軟件系統(tǒng)通過(guò)解耦的方式拆解成多個(gè)微服務(wù)模塊，每個(gè)模塊獨(dú)立開(kāi)發(fā)各自的功能，再通過(guò)API實(shí)現(xiàn)微服務(wù)模塊之間的集成。獨(dú)立開(kāi)發(fā)完成的模塊不再需要重新編譯，而通過(guò)重用和集成部署，可以快速構(gòu)建新的應(yīng)用。

微服務(wù)架構(gòu)的優(yōu)勢(shì)是不言而喻的

開(kāi)發(fā)更高效：每個(gè)微服務(wù)模塊，都可以采用不同的開(kāi)發(fā)方法甚至開(kāi)發(fā)語(yǔ)言，這樣就可以極大的兼容已有的開(kāi)發(fā)成果，使用包括開(kāi)源軟件等與現(xiàn)有模型進(jìn)行集成，而不用考慮環(huán)境和語(yǔ)言的不兼容性。

功能更專(zhuān)業(yè)：跨專(zhuān)業(yè)的全能型開(kāi)發(fā)人才已經(jīng)不是必須，而更需要精細(xì)化的專(zhuān)業(yè)人才，這樣不僅可以保證每個(gè)功能設(shè)計(jì)得更專(zhuān)業(yè)、更深入，而且不再需要開(kāi)發(fā)人員理解每個(gè)功能模塊的專(zhuān)業(yè)技能，進(jìn)而更大程度提高交付的速度。

交付速度更快、開(kāi)發(fā)成本更低：多個(gè)微服務(wù)模塊可以獨(dú)立開(kāi)發(fā)并統(tǒng)一集成，每個(gè)微服務(wù)模塊都有自己的獨(dú)立部署環(huán)境，可以認(rèn)為是一套獨(dú)立的、功能簡(jiǎn)單的軟件系統(tǒng)，交付速度自然快了很多。

更能形成專(zhuān)業(yè)知識(shí)的沉淀：每個(gè)獨(dú)立完成的微服務(wù)模塊，都可以被保存為數(shù)字化載體（容器鏡像、模型等），只需要在構(gòu)建新的應(yīng)用時(shí)被調(diào)用部署，而完全不需要使用者具備該模塊的開(kāi)發(fā)經(jīng)驗(yàn)，這樣就可以將原有的專(zhuān)業(yè)技能有效沉淀下來(lái)，形成專(zhuān)業(yè)的經(jīng)驗(yàn)知識(shí)庫(kù)。

每個(gè)微服務(wù)都可以獨(dú)立部署，并可以獨(dú)立擴(kuò)展，這樣可以更好的利用云端資源復(fù)用的特點(diǎn)，實(shí)現(xiàn)更高效的部署。

3.微應(yīng)用

Predix在微服務(wù)的概念上發(fā)展出了微應(yīng)用的概念，并且通過(guò)AppHub實(shí)現(xiàn)最終工業(yè)應(yīng)用的集成交付。

微應(yīng)用是指在微服務(wù)架構(gòu)上開(kāi)發(fā)的、旨在針對(duì)一個(gè)特定專(zhuān)業(yè)功能的應(yīng)用程序，它通常由如下部分構(gòu)成：

前端UI：用以和使用者之間產(chǎn)生交互。

核心邏輯：用以處理根據(jù)用戶(hù)交互的動(dòng)作，按照既定的邏輯，形成相應(yīng)的判決結(jié)果，并且反映在用戶(hù)界面上，或者保存在對(duì)應(yīng)的數(shù)據(jù)存儲(chǔ)中。

后端（微）服務(wù)：這里不僅包括傳統(tǒng)意義上的數(shù)據(jù)庫(kù)、消息等服務(wù)，還包括很多已經(jīng)開(kāi)發(fā)好的算法、模型，以及一些行業(yè)專(zhuān)用的服務(wù)，如FMECA、RCA等。

微應(yīng)用能夠把一個(gè)復(fù)雜的軟件功能，解構(gòu)成若干個(gè)獨(dú)立的子功能，每一個(gè)子功能都有自己的使用界面和邏輯，這樣不僅可以讓開(kāi)發(fā)從串行變成并行從而更高效，還能讓一個(gè)功能的使用過(guò)程變得簡(jiǎn)單和精細(xì)化，從而提高用戶(hù)的接受程度。

4.為什么Predix要采用微服務(wù)+微應(yīng)用的架構(gòu)？

首先，我們必須承認(rèn)，工業(yè)是一個(gè)高度離散化的行業(yè)，很難有一個(gè)通用的應(yīng)用程序可以滿(mǎn)足不同行業(yè)的不同場(chǎng)景需求，即使是在一個(gè)場(chǎng)景下，仍然會(huì)面臨非常多的環(huán)節(jié)和設(shè)備的不同處理方式，因此跨行業(yè)的應(yīng)用開(kāi)發(fā)變得非常困難。但是，微服務(wù)可以將很多通用模塊和能力（行業(yè)模型、行業(yè)特征庫(kù)）做成標(biāo)準(zhǔn)模塊，并通過(guò)用集成的方式大幅降低開(kāi)發(fā)的工作量。作為軟件開(kāi)發(fā)商，應(yīng)該采用微服務(wù)的方式來(lái)開(kāi)發(fā)微應(yīng)用。

其次，任何一個(gè)微服務(wù)，都需要將能力數(shù)字化和標(biāo)準(zhǔn)化。而工業(yè)里面，最缺少的就是讓工業(yè)的各種能力（包括數(shù)據(jù)采集、數(shù)據(jù)處理、領(lǐng)域知識(shí)、專(zhuān)業(yè)經(jīng)驗(yàn)和模型等）實(shí)現(xiàn)數(shù)字化和標(biāo)準(zhǔn)化，完成包括復(fù)制、轉(zhuǎn)移在內(nèi)的各種操作。數(shù)字化+標(biāo)準(zhǔn)化，一方面為高效自動(dòng)化打下了基礎(chǔ)，一方面也為過(guò)程穩(wěn)定性和提高質(zhì)量提供了保障。

最后，相對(duì)于傳統(tǒng)的管理類(lèi)應(yīng)用，工業(yè)應(yīng)用不僅需要代碼開(kāi)發(fā)能力，很多時(shí)候還需要具備自動(dòng)化專(zhuān)業(yè)能力、機(jī)械專(zhuān)業(yè)能力，甚至數(shù)學(xué)專(zhuān)業(yè)技能。每一個(gè)學(xué)科都需要非常專(zhuān)業(yè)的人參與，才能完成整個(gè)軟件的開(kāi)發(fā)，而傳統(tǒng)的開(kāi)發(fā)模式，必定要求開(kāi)發(fā)人員精通各種專(zhuān)業(yè)技能，這是非常困難的。在微服務(wù)架構(gòu)下，可以將不同方式的專(zhuān)業(yè)能力通過(guò)API的方式快速集合在一起。這種能力，不僅包括由不同團(tuán)隊(duì)開(kāi)發(fā)的不同語(yǔ)言的應(yīng)用的整合，更包括由不同部門(mén)通過(guò)不同的開(kāi)發(fā)工具開(kāi)發(fā)的模型和算法的整合。而最終的應(yīng)用，僅僅需要很小的代價(jià)，就可以把應(yīng)用、數(shù)據(jù)和模型集成起來(lái)，這樣既能讓不同專(zhuān)業(yè)的人并行開(kāi)發(fā)提高效率，又可以輕松實(shí)現(xiàn)跨專(zhuān)業(yè)集成。

因此，我們不得不說(shuō)，Predix用微服務(wù)的方式改變傳統(tǒng)工業(yè)應(yīng)用的開(kāi)發(fā)模式，絕對(duì)不是追趕互聯(lián)網(wǎng)潮流，而是深思熟慮的結(jié)果。

5.新的OT應(yīng)用——集成，而不是開(kāi)發(fā)

Predix的應(yīng)用，不止是簡(jiǎn)單的應(yīng)用開(kāi)發(fā)，而更像是一個(gè)大集成，將跨專(zhuān)業(yè)的能力，在相同的框架下通過(guò)微服務(wù)的方式進(jìn)行封裝和集成，這種開(kāi)發(fā)模式完全不同于傳統(tǒng)的巨塊式應(yīng)用。

下面是Predix的典型應(yīng)用——APM（設(shè)備性能管理）的架構(gòu)。

同傳統(tǒng)單塊式應(yīng)用截然不同的是，可以看到，整個(gè)APM應(yīng)用采用了很多組件式、模塊化的微服務(wù)和微應(yīng)用組合而成。

這里提到的微服務(wù)，不光包括一些用戶(hù)登錄、租戶(hù)管理的基礎(chǔ)微服務(wù)，還包括很多分析、設(shè)備管理、時(shí)序分析、告警策略、工單管理、儀表盤(pán)等服務(wù)，而有一些服務(wù)基本上可以等同于是一個(gè)獨(dú)立的微應(yīng)用。

為了簡(jiǎn)化應(yīng)用開(kāi)發(fā)，Predix不惜開(kāi)發(fā)了微服務(wù)的模板，把很多通用功能和微服務(wù)都做成了標(biāo)準(zhǔn)的模板，開(kāi)發(fā)者只需要按照模板來(lái)設(shè)計(jì)，就可以快速構(gòu)建一些定制化的工業(yè)應(yīng)用。

感興趣的讀者可以去Predix開(kāi)發(fā)者網(wǎng)站(www.predix.io)上查看Predix的各種開(kāi)發(fā)者使用的基礎(chǔ)微服務(wù)和分析微服務(wù)。