在《論工業互聯網與智能制造》（中篇），我們引入了智能制造三鏈模型。下篇將對三鏈模型進行具體應用。在建立了業務管理的價值鏈和創新管理的知識產權鏈的這些流程后，我們可以對整個制造過程進行有效的計劃、決策和執行，大幅度地提高了生產的效率和績效。在這個基礎上，工業互聯網則將進一步實現對生產的效率和績效優化。

圖1 工業互聯網數據分析在制造環境的應用

利用工業互聯網的技術，收集覆蓋裝備操作情況、運行狀態、工況狀態、環境參數，反映關于產品和設備實況的數據，并通分析，可以進一步對整個生產過程進行優化。這些優化包括對制造設備的實時監控、故障檢測和診斷、預測性維護、整體設備效率、質量檢測、能耗管理、人員安全監管等等。

對這些生產過程和設備數據的分析，也將超越目前在生產環節，如MES，SCADA或DCS系統中的，普遍基于閾值監測等基本分析方法，越來越多地基于機理模型，和機器學習、深度學習和AI等高級數據模型分析方法，提供更準確更及時的分析結果。這些分析的結果，不僅直接用于支持上述的優化功能，如預測性維護等，而且可以反饋回到制造管理系統，如MES，ERP等，使其根據設備的現狀，對生產過程進行必要的動態調整。

的確，通過數據分析對這些裝備運維的優化，對裝備實現資產績效管理，增加其正常運行時間和可靠性，降低維護成本和能耗，提高運營績效，也正是工業互聯網在制造業之外的主要應用。

在此同時，利用數字標簽、傳感器和無線通訊技術，我們可以在物流的各個環節追蹤貨物的地理位置以及如溫度、濕度，震動等環境參數，以監管貨物的運輸質量和交付時間，并把任何異常情況報告給ERP業務管理鏈，使其及時為此調整生產計劃。 

圖2 批量性工業大數據挖掘分析：

宏觀性的優化

值得注意的是，很多這樣的數據分析有很強的時延要求，需要采納流式數據分析的模式。在另一方面，制造的各個流程和環節產生海量的數據。這些數據蘊藏著關于生產流程有價值的信息。對這些數據作時間縱向性，長周期、跨環節、跨流程，跨域的大數據挖掘分析，是對進一步宏觀性地優化生產過程的一個重要手段。這些批量性的大數據分析可以幫助識別和消除生產流程中效率和績效瓶頸、確定不良率與工藝參數和操作工序等關鍵數據的關聯性，生產計劃與排程目標和實際的差異的因素分析，客戶對產品反饋分析，產品維護狀況分析等等。

由于生產過程復雜，數據收集對象種類多（包括物料、產品、工具、設備、物料分揀傳送系，人員、環境和安全傳感器等），數量大，采樣時間密度大、并需要作多參數同步關聯性分析。因此，為了對生產過程作全面覆蓋性的數據收集和分析服務，同時滿足不同時效、可靠性、分析方法、計算強度和儲存量的要求，需要有綜合性的數據收集和分析平臺。為了最佳地平衡這些需求，這個平臺的功能的部署應是分布性的，把低時延可靠性高的流式數據分析部署在靠近生產現場的邊緣端，也就是把分析功能部署在靠近數據源，靠近決策點；而把計算強度高和儲存量大，但對時延和可靠性要求不太嚴格的批量分析部署在計算資源豐富的數據中心或云端。這樣的一個分析平臺還應能提供一個開放性的分析應用（APP）框架，使能特別是第三方數據分析專業人員簡易快速地開發新的分析應用和增強現有分析應用的效能，以提高生產過程的應變能力。

圖3 工業數據分析平臺：分布式功能部署

（部署于邊緣的流式數據分析提供更安全、可靠和低時延的實時分析）

控制層包括了生產設備和產品的所有CPS單元及各級系統，以及其所在的物理環境，不僅是控制的對象，也是工業互聯網數據收集的主要對象。信息層作為系統化地實現工業數據和信息的互流互用而新設的架構層，提供框架性的數據分析解決方案，對控制層和其它制造流程各個環節收集數據，實施系統化的數據管理和支持各種形式數據分析，包括實時流式數據分析和不定期的批量型大數據挖掘分析，為屬于決策層的各種工業軟件，包括基于工業互聯網的各種優化性的應用，以及業務的決策提供可執行（actionable）的信息。同時，信息層還為數字主線的實現和數字孿生的構建提供支持。為了在不同功能層之間實現互操作性，我們必須為這些功能層之間制定新的交互界面標準。

圖4 新的工業軟件架構：

控制、信息與決策功能分層并行交互

我們上面提到的工業數據分析的報告 ，也提供了很好的描述了信息技術在工業自動化這兩個一開始完全分割的領域，在不同的時間段里相互靠近，最后融合在一起的過程。在過去的十多年里，被廣泛接納的ISA95垂直分層的五層自動化金字塔一直用于定義制造業的軟件架構。在這個架構中，ERP系統處于頂層，MES系統緊接其下，SCADA系統處于中層，PLC和DCS系統置之其下，而實際的輸入/輸出信號在底部。這個報告并提出，IoT架構和相應的分析能力可能會改變這個架構圖像。

的確，這些工業軟件為制造業向信息化提升，優化制造過程的作用，不可估量。這些工業軟件系列大多共享一些特征，比如它們大都整合了很多的功能模塊，提供非常豐富的功能，規模可以很龐大，而且，作為一個廠商提供的專有應用，本身整合和內部優化的程度比較高，部署和維護過程比較直接，由廠商或廠商認可的整合商完成并提供支持。但是，由于缺乏通用的標準，這些工業軟件系列（如ERP與MES）之間的可操作性很低。同時，作為可以說是大而全的專用應用，開放性不高，第三方的開發團隊難以在其基礎上創新開發出更切合客戶需求的應用。

面對這樣一些挑戰，如果我們回顧一下近十年來IT應用的發展，或許會得到一些有價值的借鑒。以前不少的IT應用也是一個大而全的封閉型的軟件，第三方也很難在其基礎上創新。 

圖5 IT和自動化的發展路線

在過去十年的時間里面，不少企業認識到這些問題，包括不容易創新，也不容易靈活快速迭代發展，最終難以為客戶提供最大價值等等。現在越來越多的IT應用已將其核心功能作為API暴露出來，讓第三方通過API的調用，整合創意出更新的，更加適應客戶需求的，小的專門性的應用。像在智能手機里一樣，沒有一個APP（應用）是大而全的，每個APP都是為了提供一個很特殊的功能或為了解決一個很特殊的問題而創立的，而且APP內部所提供的功能多不是由APP本身完全提供，更多的是通過調用多種其它的服務，優化整合后而實現的。

圖6 未來的工業軟件架構：

工業功能服務和應用網格

在制造業的環境里，我們是否也可以朝這個方向走？

比如說把我們現有的垂直分層的結構壓扁，把大而全的應用中的細分基本功能以API把它暴露出來。在這本基礎上，這些系列工業軟件供應商可以組合出多種高層次的應用。第三方的應用開發商也可以把這些基本功能，隨意地組合，在其之上，創意出新的，小而精的細分業務的APP的模塊，這些模塊易于演變，也可以把其基本功能再次以API把它暴露出來，利于其它第三方的創新。這些各種基本功能服務和上層的專門應用一起構成了一個具有活力的工業軟件服務和應用網格。在這樣一個工業軟件的生態下，不管是傳統的工業軟件供應商，還是新生的第三方的應用開發商，都比較容易開發出更加切合客戶需求的應用，而且能敏捷地演變，以應對客戶的生產環境和需求的快速變化。我們是否能朝這個方向發展，或能以多快的速度發展，受到很多因素的制約。然而，這是一個值得嘗試和努力的方向。

工業互聯網和工業大數據分析，都可以作為智能制造的優化手段，實現及時快捷地獲取可執行的信息，對生產過程進行全透明度的管理，從而優化系統績效動態，靈活響應新的需求。同時在確保人員安全，實現保障可持續性發展。