从计算资源和网络资源有效利用的角度考虑，数字孪生必须以合理的方式在机器端（边缘），厂级端（雾端）和云端部署，从而实现物理资产控制、管理，优化，业务优化、赋能等诸多工业应用。物理资产控制内容包括：传感器数据实时处理与分析、高性能实时控制、 执行机构监控、 闭环降载荷、自适应控制、故障处理、安全停机、优雅停机等。物理资产管理包括: 远程监控、远程诊断、远程介入、远程升级、远程维护、性能评估、故障分析、资产可视化等。物理资产优化含: 智能增工、智能增效、 智能增寿、智能改造、寿命管理、基于状态的维护等。业务优化涵盖内容有: 预报、规划、排产、调度、仓储管理、资产跟踪、追踪等。赋能、流程优化的任务有：工作流、查询、文档、手册、多媒体、翻译、用户行为分析、合作、分享、按需设计，随选工具等。
远程监控与诊断是工业互联网平台的一个典型应用。以远程诊断为例，一台机器的诊断由多个分别部署在不同层级的数字孪生APP协作完成。在机器端（边缘端），一般部署有实时处理要求的应用APP，如传感器、执行器诊断、健康指标与特征提取、周期数累计、特诊提取、数据缓冲、诊断用线性模型的使用等；厂级端（雾端）部署实时性要求稍弱，但又需要大量计算的应用APP，如模型自适应、健康状态特征值数据库、模型训练、频谱计算、小波变换、报警优先级处理、事故录波等。云端部署高计算量需求的APP，如高保真物理模型，寿命估计，模式识别，故障回放，故障追踪，机器学习，场景演绎，相关分析，集群分析等。三个层级的APP分别处理机器本体、机器群体和系统群体所在范围的诊断。实时性、数据传输的资源、计算资源等都是决定APP分类部署的重要因素。
另外一个例子是数字孪生在风电场设备控制领域的应用。有一些APP被部署在风机控制器内（边缘端），有一些APP被部署在风场控制服务器内（雾端），还有一部分部署在云平台上。一般情况下，机器端部署的是单个风机的线性模型，或简化模型；在风场控制器内部署的是整个风场及环境的模型； 在云端部署了高保真的物理机理模型，用于估算部件的寿命以及流体力学有关的的复杂计算，如尾流的计算仿真等。这些APP相互协作，在保证风电资产寿命和可靠性的条件下，实现最大可能的风能捕捉。这个闭环的优化过程是100%自动化的，不需要人工介入。
八．软件定义的工业互联网平台
在工业互联网产业联盟发布的《工业互联网平台白皮书》中，工信部信软司副司长、中国信息化百人会执委安筱鹏博士在前言中清晰简明地指出了工业互联网平台的本质和定位——“工业互联网平台是传统工业云平台的迭代升级”，“工业互联网平台是新工业体系的‘操作系统’”。
未来将是一个软件定义的世界。随着技术的发展，硬件趋于标准化、模块化，虚拟化和池化，硬件的功能及性能也将通过软件来定义。工业互联网平台的发展将由软件的进步所主导。工业APP作为工业知识的载体，是未来工业数字化经济的主要驱动力。
根据《国务院关于“深化互联网+先进制造业”发展工业互联网的指导意见》，到2020年，我国工业互联网平台体系将初步形成，有望建成10个左右跨行业、跨领域，能够支撑企业数字化、网络化、智能化生产的企业级平台；到2020年，我国还将利用推进工业互联网发展的契机，培育30万个面向特定行业、特定场景的工业APP，推动30万家企业应用工业互联网平台开展研发设计、生产制造、运营管理等业务。
机器的数字化、智能化将加速自动组态工业软件的发展，工业APP制作流水线技术或许是创新的另一个关键点。为实现国家2020年工业互联网发展目标，工业行业急需一款跨行业APP开发和部署的平台，可以支持多种语言和开发环境，以组态的方式灵活实现各种工业应用。大规模开发和部署工业APP是一项艰巨，但又必须完成的任务。
开源技术为打破行业技术壁垒提供了有力的武器。谁能够通过开源、开放的平台和工具，有效地组织大众创新，有效地将片散化，孤岛化的工业知识体系微服务化、APP化、系统化、价值化，谁将是工业互联网时代的领头羊。
人类的故事就是控制能量的历史。在数字化时代，数据与信息是另外一种形式的能量，工业互联网开创了技术创新、应用创新，和模式创新的工业新纪元，让我们以更加开放、包容、智慧和创新的精神，打破机器-系统-人之间的壁垒，实现机器-机器、人-机器之间的高效协作与多系统的和谐共生，拥抱工业互联网时代的到来。
本次宣讲到此结束，谢谢大家的热心关注和宝贵的时间。
【主持人】：
感谢康博士带来精彩的分享。康博士的报告从控制的故事谈起，指出工业互联网作为数字化时代的典型特征，其核心理念就是要将机器—数据—人三者深度融合。我们的制造型企业可以通过工业互联网平台，实现数字化重塑，重新构建客户及合作伙伴关系，重塑行业价值链和业务运营方式。
康博士为大家详细阐释了工业互联网平台的技术元素，包括智能终端技术、工业大数据平台、大数据挖掘分析、人工智能、工业机器智能等。用浅显的文字描述了康博士眼中的“智能”，同时为我们描绘了工业互联网平台的应用创新图景：第一步，智能机器作为工业互联网的基石，第二步，机器上云，第三步，将智能应用在边缘、雾端、云端合理部署，实现优化控制，第四步，开发工业APP，第五步，通过工业互联网平台重塑工业控制行业，重构工控软硬件生态系统。
在工业互联网平台创新应用中，康博士为我们介绍了边缘计算、雾计算、云计算、工业大数据湖、工业大数据分析、数字孪生等相关技术和具体应用，信息量很大。感谢康博士为大家带来一场丰富的工业知识饕餮盛宴。
【网友互动环节】
【群友提问】：刚才主持人提到康总在GE工作过，请问GE的工业互联网平台与我国的工业互联网平台有什么本质上的差异？
【康鹏举】：工业互联网平台涵盖边缘层、IaaS层、PaaS层、工业SaaS层以及贯穿上述各层级的安全防护。从构架看GE的平台和我国的平台没有多大区别。GE工业互联网平台和我国的平台差异在于内容细节。GE认为智能机器是工业互联网的基石，因为只有智能的机器设备互联才能将系统的效益最大化。GE非常重视边缘技术的创新。对GE这样的大型设备厂商来讲，边缘技术具体指的是机器设备的控制器，也叫做智能终端。GE是目前工业互联网平台企业中唯一一个能提供工业级智能边缘装置的企业。
GE的智能终端产品就是她的Predix machine产品系列。通过Predix machine，GE制造的各种机器可以通过互联网安全地和GE的Predix工业云平台无缝连接，GE的工程师可以在任何时间、地点访问GE的在线机器设备。另外由于GE的规模，过去的多年中已经陆续开发了许多工业APP，而且这些APP也为GE带来了实实在在的商业价值。做工业互联网的目的是实现数据闭环。我认为GE在将数据转化为价值方面做得相对较好，在一定程度上GE实现了数据闭环，即智能机器产生数据，分析APP将数据转化为可以执行的信息来进一步优化机器的运行、设计、改造、升级、创新。
【群友提问】：您在报告中提到工业互联网平台技术创新包括了人工智能、工业机器的智能，请问如何理解人工智能与机器智能，他们之间的关系和区别是什么？
【康鹏举】：人工智能（AI）其实很难定义的清楚，不同的人有不同的解读。通俗地讲，所有模拟人的感知，思维，行为的技术都可以称为人工智能。目前最为流行的人工智能技术大都基于深度学习的模拟神经网络，主要应用场景是各种各样的模式识别应用，比如语音识别、语义识别、机器翻译、图像识别等。另外一个技术学派就是基于计算机语义学的符号流派。曾经风靡一时的人工智能语言LISP旧属于这个流派。LISP通过一阶逻辑体系模拟人脑的逻辑推理能力
机器智能（MI）指的是机器模拟人的感知，思考，决策，行动方式对机器自身进行控制、操作。一台机器的运行状态由内置于机器的控制器负责调节。这个控制器就是机器的大脑。纵观人类工业文明史，工程师们的一个奋斗目标就是将自己的智慧复制到机器的大脑中，让机器“人化”。机器智能设计主要依赖物理知识、信息论、自动控制理论的支撑。
人工智能在机器智能中应用非常少见，从事人工智能的工程师很少和自动控制工程师交界。主要原因是大多数工业机器的控制要求实时性、准确性、安全性、可靠性。依赖数据的人工智能算法在这些性能要求上无法和基于物理模型的控制算法比拟。另外工程师必须具备深厚的物理机理知识才能设计出性能良好的控制器。
工业互联网时代，这种局面将会改变。创造未来的智能机器如自动驾驶汽车、飞机、机器人等，人工智能工程师和控制工程师必须走出自己的领地，协同合作，思想融合。
【群友提问】：您认为工业互联网平台应用创新最有可能在那些领域落地应用？作为中小型制造企业，如何进入工业互联网平台生态体系？
【康鹏举】：新能源行业，如基于工业互联网的智能风场，智能光伏场；工程机械领域，如远程运维，工业车联网；智慧矿山、智慧物流、智慧园区、智慧城市、智慧能源系统等都是很好的落地应用场景。企业生存之道是向客户提供有价值的产品或服务，中小型企业也不列为。
中小型企业进入工业互联网生态体系的途径如下：
1. 利用工业互联网技术提高内部效率，从精益制造向智能制造转型；
2. 利用工业互联网技术将产品数字化、智能化，掌握软件定义技术，提升用户体验，和产品附加值；
3. 寻求在工业互联网生态系统中的附加盈利空间和模式，如服务转型。
专业
专注
省心
放心