近日，阿裡雲Lindorm與Intel、OSIsoft推出了面向工業物聯網資訊經濟（Infonomics）的IT & OT超融合工業資料雲解決方案。方案通過雲端打通阿裡雲、Intel的IT技術積累和OSIsoft的OT經驗能力，實作對傳統技術供需關系的超越，打造資料鍊和價值鍊混搭方式連接配接企業和供應商的開放、安全、共享的制造業資料雲社群生态。
資訊時代背景下的制造業數字化市場機遇
5G + 工業物聯網/網際網路浪潮推動的制造業數字化轉型，無疑是企業更新生産效能，提升企業整體競争力的難得機遇。Mckinsey預測，全球工業物聯網市場規模在2025年可能達到3.7萬億美元，全球物聯網市場将從 2016 年的 1570 億美元增長到 2020 年的 4570 億美元，複合年增長率 （CAGR） 為 28.5%。到2020年，離散的制造、運輸和物流以及公用事業将引領所有行業在物聯網支出方面的發展，平均每個行業為 400 億美元。國内，國家在政策層面積極支援我國工業網際網路發展，2019 、2020年相繼出台了《“5G+ 工業網際網路”512 工程推進方案》和《關于推動工業網際網路加快發展的通知》，明确了我國要由工業大國發展邁向工業強國的戰略目标，加快推進“網際網路 + 制造業”、“5G+ 工業網際網路” 的融合創新。2018、2019 年工業網際網路融合帶動的經濟影響增加值規模分别為 9808 億元、15953 億元。預計 2020 年，我國工業網際網路融合帶動的經濟影響增加值規模将達 24850 億元。
在過去數十年間，OT 團隊部署了自動化、流程控制和分布式控制軟體系統，為工廠人員提供了可監控、控制和優化工業流程的計算資源。這些系統積累了關于過去和目前流程與資産的海量工業資訊。同時，IT 團隊實施了大量的業務系統、資訊架構和先進的分析工具。今天，雲計算和大資料技術逐漸成熟帶來了一個前所未有的機遇 - 通過整合 IT 和 OT 的人員、資料、軟體工具和戰略，可以為企業創造新的數字化價值，提高業務靈活度，提升營運效率和企業整體競争力。
然而，制造業固有的流程複雜性、環境多變性，以及缺少新技術和新平台技術積累、實踐經驗等問題嚴重阻礙了數字化業務落地，企業IT和OT無法有打通，資料孤島化嚴重使用率低，價值發揮不出來。統計資料顯示，隻有不到30%的企業通過數字化業務轉型提升了盈利能力，而大多數企業都陷入了技術陷阱之中。
新技術落地的問題與挑戰
新技術在創造新機遇帶動産業更新的同時，也為制造企業踐行數字化轉型帶來了新的問題與挑戰，更加複雜的系統架構和更高的性能、穩定性要求制約了IT與OT融合，阻礙了工業物聯網系統實施落地。總的來說，目前企業面臨的主要問題有以下幾點：
1.工業物聯網IT技術棧複雜，建設實施風險高：要實作工業裝置全連結入網絡，打通新舊不同IT技術棧打造的資訊系統，實作跨地域遍在資料共享，需要IT 部門掌握更全面的IT技術，需要巨大投入和專家支援，而且，雲計算、工業網際網路技術疊代更新速度快，IT基礎設施建設難度大，使得自建TCO成本高，對制造業企業帶來很大的成本負擔。
2.制造業生産環境複雜多變，現有OT系統靈活性不足：一座中等規模工廠通常擁有上百台獨立裝置，且有可能是分别購買于不同時期的不同供應商。每個供應商的自動化水準、軟硬體平台以及通信協定均不相同，導緻資料的收集、整合和場景化非常困難。不僅如此，一些裝置制造商甚至将資料分析洞見作為需購買的增值服務，進一步阻礙了資料的可獲得性。此外，OT的工業自動化層的軟硬體本身極其複雜，包括了從制造執行系統（MES）、維修保養軟體、生産計劃軟體、分布式控制系統（DCS）等從企業資源規劃到産品生命周期管理的各個方面，數字化改造更新需要有豐富OT經驗廠商支撐。
3.缺乏規模化的OT最後一公裡接入能力：制造業企業要落地工業網際網路，須具備從獨立工作的離散系統中提取、解讀和協調資料的能力。無論是在企業内部還是與第三方搭建工業物聯網平台，企業都必須找到具備相應能力的OT服務提供商既能支援不同地點的多個工廠，又能協調從工廠可程式設計邏輯控制器（PLC）、傳感器和曆史資料庫中獲得的資料（和連接配接能力）。如果沒有這一步，再完善的分析模型和使用者界面也會因缺乏相應資料而無法傳遞預期的價值洞見。
4.IT和OT之間缺乏協作，能力無法互聯互通：制造業企業IT和OT活動曆來就缺少聯系，特别是現場制造流程工程師所實施的活動。OT通常關注目前業績、正常經營的可預測性以及如何避免正常工作的系統不被幹擾。IT則更多地傾向于安全性以及如何擷取可信賴的技術提供商通常這些技術已被廣泛應用。在使用者管理和機器管理上的不同側重通常會導緻十分不同的問題解決方案。是以， IT和OT從業人員必須從一開始就互相協作。
5.IT 與OT底層計算基礎架構和通信之間的異構性：由于業務目标不同IT與OT底層計算和通信支撐基礎架構存在較大差異。實作資料互聯互通，IT能夠安全地通路 OT 資料，來自 OT 系統的時序資料能夠以 IT 系統可使用的格式呈現，企業通過進階的IT 業務智能和分析工具讓整個企業能夠自助通路和使用 OT 資料，而沒有影響關鍵營運的風險并不容易。
阿裡雲Lindorm、Intel與OSIsoft整合IT & OT超融合工業資料雲解決方案
解決制造業企業目前面臨的數字化轉型問題，靠企業自身能力和積累遠遠不夠，是以需要既有完整、豐富IT技術堆棧能力積累，又有豐富OT實踐經驗支撐的科技公司提供支撐。如願景圖1所示，方案通過雲端打通阿裡雲、Intel的IT技術積累和OSIsoft的OT經驗能力，實作對傳統技術供需關系的超越，打造資料鍊和價值鍊混搭方式連接配接企業和供應商的開放、安全、共享的制造業資料雲社群生态。阿裡雲、Intel與OSIsoft在工業資料雲方案層面的結合，為制造業融合IT與OT能力，屏蔽較高技術複雜度規避事件風險，一站解決工業資料采集、傳輸、存儲、分析及可視化全鍊資料處理系統建設難點提供了切實可行的解決方案。
在資訊技術（IT）方面，阿裡雲原生多模資料庫Lindorm和Intel Analytics Zoo大資料分析平台具備行業領先的技術積累和完整的軟、硬體工業資料存儲分析能力，能夠為制造業企業提供雲計算、多模資料庫、ML/AI、流資料計算等為代表的經營管理業務系統支撐能力；營運技術（OT）方面，OSIsoft PI System具備豐富的對接可程式設計邏輯控制器（PLC）、遠端終端單元（RTU），資料采集與監視控制系統（SCADA）及嵌入式計算系統經驗，能夠提供過程監控管理系統支撐經驗與技術。
圖1 阿裡雲Lindorm、Intel Analytics Zoo與OSIsoft PI System方案願景
阿裡雲原生多模資料庫Lindorm
雲原生多模資料庫 Lindorm 在公有雲和本地專有雲端，面向工業網際網路場景提供了開箱即用的IIoT海量、異構監控資料（時序名額、文本、網絡封包、檔案、視訊等）一站存儲能力。面向IT側系統對接，Lindorm相容HBase/Cassandra、OpenTSDB、Solr、SQL、HDFS等多種開源标準接口，打通與企業ERP、CRM、數字營運 & 運維IT系統資料通道，整合資料；面向OT側，Lindorm利用PI Core産品提供的450多個本機接口，和跨越垂直細分領域的20多個智能連接配接器，我們可以從各種複雜的工業系統中擷取實時資料。這些資料來源覆寫工控場景下核心系統，如可程式設計邏輯控制器（PLC）、分布式控制系統（DCS）、SCADA、儀器儀表、實驗室資訊管理系統（LIMS）等等，并支援裝置利舊。阿裡雲原生多模資料庫Lindorm不僅具備多樣性的資料整合處理能力，同時其雲原生的存儲能力為物聯網海量存儲場景提供了低成本的資料存儲方案，讓資料“存得起，看得見”。
圖2 超融合工業資料雲體系結構
Intel Analytics Zoo大資料分析平台
工業網際網路資料分析是提取資料價值，驅動業務更新的關鍵。Intel Analytics Zoo（AZ）是英特爾開源的統一的大資料和AI平台，圍繞工業網際網路裝置故障診斷、異常檢測等智能化資料分析場景需求，AZ可以無縫的将TensorFlow, Keras，PyTorch等AI程式擴充到分布式的Spark, Flink, Ray等大資料平台上運作。Analytics Zoo提供了如下先進特性：
-為基于TensorFlow, PyTorch, OpenVINO等的AI模型提供運作在大資料平台之上的端到端的流水線。例如，開發者可以在Spark代碼中嵌入TensorFlow或者PyTorch代碼，進行分布式的訓練和推理，開發者可以在Spark ML流水線中使用原生的深度學習支援如TensorFlow, Keras, PyTorch, BigDL等。
-為自動化的機器學習任務提供了進階ML工作流支援，例如自動的TensorFlow, PyTorch, OpenVINO等模型的分布式推理Cluster Serving，以及可擴充的時序資料預測的AutoML功能。
-内置提供了Recommendation, Time Series，CV, NLP等應用常用的模型。
OSIsoft PI System工業營運資料管理平台
OSIsoft公司開發的PI System是一款工業資料營運管理系統，通過 PI Core、PI Edge 和 PI Cloud 這三個內建産品來實時收集、存儲和管理傳感器和時序操作資料。無縫內建的混合資料架構使您能夠從任何位置收集營運環境中的關鍵資料，并将這些資料按需提供給相應的人員，進而将營運資料轉化為寶貴的洞察力。PI Core 在本地運作，為日常運作和核心操作優化提供實時資料。PI Edge 通過裝置中的傳感器，可以遠端收集和通路資料。而 PI Cloud 則采用部署在雲端的營運資料管理服務來擴充資料存儲，實作更廣泛的資料通路。它們一起構成了PI System，可以確定大型分布式企業中資料的完整性和可用性。
如部署架構圖4所示，三款産品整合為基礎的工業資料雲方案能夠為制造業企業提供從邊緣到雲端的資料管理系統化能力，為分布式企業中的資料驅動型決策和數字轉換提供可信的營運資料。系統支援從在場總線（FiledBus）連接配接的傳感器、PLC、DCS對接操作地點、 資産和帶有傳感器的裝置中廣泛地收集資料，适配控制總線（ControlBus）接入SCADA、OPC系統采集控制指令及操作，連接配接以太網MES、ERP和Edge邊緣端軟硬體系統接口和各種工控協定，同時，它還為資料提供了有用的上下文資訊，對資料進行了增強。而且系統對資料進行清理并規範資料的格式，然後把資料傳遞給分析工具、資料科學家和相關的 Intel Analytics Zoo AI/ML(人工智能和機 器學習)平台和應用。工業資料雲在營運核心、邊緣和雲端對資料進行無縫內建，可確定資料的完整性，可以在工業控制網絡之外安全地共享資料。工業資料雲平台使企業内外的員工能夠即時通路豐富的營運資料，以可視化方式呈現趨勢、解釋事件之間的關聯、發現潛在異常或性能瓶頸。
圖4 超融合工業資料雲部署結構
從資料全鍊采集層面看，工業網際網路産業鍊參與企業多，上遊通過智能裝置實作工業大資料的收集，再通過中遊工業網際網路平台進行資料處理，面向下遊不同行業企業應用。産業鍊上中下遊的利益相關方通過阿裡雲Lindorm資料雲平台将各方在生産、傳輸等流程中産生的資料進行互動彙總，打破“資訊孤島”的現象，實作高效的資訊傳遞和資源配置。
從資料互通整合層面看，IT系統中結構化、半結構化資料占比較高，需要較高的資料一緻性保障能力，主要服務于企業決策支援、實時監控，資料分析和報表統計等應用，在數字資訊系統和技術方面有大量積累，但缺少面向特定場景的故障處理等營運、運維經驗；OT系統資料相對結構化程度弱，通常面向生産流程在場部署，資料孤島較多，對資料關聯性和一緻性保障較弱，要求系統可靠性高、故障恢複時間短，關注MTTR（平均系統恢複時間）、MTBF（平均故障間隔時間）等維穩名額，在系統運維、營運方面有大量積累。阿裡雲Lindorm資料雲平台提供的多模資料融合存儲能力支援IT和OT資料集中存儲關聯，兼顧了異構資料存儲檢索對成本、性能、可靠性等方面的特殊需要。
阿裡雲Lindorm資料雲平台由資料和價值鍊混搭方式連接配接企業和供應商的社群生态，超越傳統技術供需關系，打造資訊經濟（Infonomics）。生态重心以雲原聲多模資料庫存儲為核心，提供雲端融合存儲分析離散、流程行業泛資料源的能力，并最大化資料價值，提供對資料合規合法使用監管。阿裡雲Lindorm、Intel和OSIsoft工業資料雲聯合方案資料架構如圖5所示，其中關鍵元件和子系統有：
圖5 工業資料雲資料架構
-OSIsoft PI Edge/Core ：PI Core 從各種、複雜的工業系統中擷取實時資料，PI Edge支援從智能物聯網裝置、移動裝置資産中擷取資料。這些資料來源有可程式設計邏輯控制器(PLC)、分布式控制系統(DCS)、SCADA、儀器儀表、實驗室資訊管理系統(LIMS)等等。
-霧端阿裡雲Lindorm資料緩存：基于分布在邊緣端裝置和膠囊資料中心的計算、資料庫存儲能力，對接OSIsoft PI Edge/Core采集的多種監視、控制資料，以應對即席的資料處理任務，這是存儲從傳感器擷取的事件和資料點的資料庫緩存。
-注冊資産庫：部署在霧端阿裡雲Lindorm資料緩存之上的業務子產品，支援資産屬性、關系等主資料資訊管理，例如被監視計算機的模型和操作屬性，可以包括使用的燃油、遵循的流程步驟或機器的狀态等。
-雲原生Lindorm資料雲：基于雲端雲原生能力建構工業資料集中存儲資料雲平台，用于支援全量監控狀況資料、控制資料、以及名額、圖像、日志檔案存儲、檢索，同時能夠用于為事件和路徑成本（時間序列）提供存儲支援。在Lindorm資料雲中，我們通常以寬表、時序、檢索等多模引擎存儲清洗、融合後的全量資料。
-Intel資料分析平台：充分利用Intel硬體平台提供的強悍計算能力，基于Analytics Zoo内置算法庫提取異常、機器運作狀況、效率或通用關鍵性能名額 （KPI）。分析可以在流模式下或在微批處理模式下工作。支援使用基于流的簡單分析來評估簡單的規則，而機器學習分析或基于實體的分析，用于在批處理模式下工作的更複雜的海量資料分析。
-IoT 網關：裝置采集資料排程程式和裝置管理器，負責将資料排程到正确的資料處理器（存儲、分析或隊列），通常它通過多協定網關（如 AMQP、HTTPS 或 MQTT）和消息代理實作。
以阿裡雲Lindorm、Intel Analytics Zoo和OSIsoft PI System為基礎的工業資料雲平台為基礎的超融合資料雲能夠面向能源電力、鋼鐵、工程機械、工廠智慧生産具體數字化轉型更新場景，融入産品化解決方案能力，實作數字驅動的生産過程減能提效，裝備與工具的智能化營運運維、人與環境智能防護和材料與工藝的高效智能比對。
方案價值
-資産風險集中監控，提升成本效益：由資料驅動實作資産狀态全鍊路實時監控管理，風險及時發現、及時維修，這個政策能夠為企業帶來重大的成本效益，該政策會使用營運資料(OT 資料)了解一項資産可能在何時發生故障或受到不利影響，然後使用業務資料(IT 資料)了解不同維修計劃在經濟方面的優缺點，實作生産資産全景實時監控，以及自動的跟蹤和監測參數域優化，如品質、性能、潛在損壞或故障、瓶頸定位等。生産監控資料可用于監控服務品質和服務品質，并增強此聚合資料的結果。
-裝置預防性維護，降低突發故障帶來的損失：系統提供的基于狀态的維護 （CBM）方案利用實時狀态監控來觸發企業資産管理系統 （EAM）中的工作流，而這在傳統上是由 IT 部門維護的。使用CBM，企業可以避免不必要的維修成本、 減少停工期和延長資産生命周期，進而減少總體資本成本。使用更嚴密的統計模型确定故障機率以優化決策支援。
-IT & OT多源資料接入，雲端業務導向異構資料融合：跨地域服務管理能力能夠支撐企業打造超連接配接、超感覺、數字化和物聯網支援制造的數字生态系統，整合MES（Manufacturing Execution System）、SCADA（Supervisory Control And Data Acquisition）等系統孤島資料，更新端到端全景化監控管理能力，提供計劃規劃、生産優化和集中供應商管理能力。OT營運部門可以通過從 PLC、裝置和傳感器收集關鍵 資料來履行其職責，IT 部門則能夠提供資料分析以及為資料賦予含義的其他工具。通過采用全數字化的維護過程，IT/OT 團隊可以預測任何特定裝置可能發生故障的時間，并相應地采取行動。
-全景資産風險管理，降低資本支出：覆寫全域工廠、生産線資産集中管理，其中包括生産資産監控、追蹤,品質、性能及潛在風險損耗相關參數監視優化。數字化轉型能夠實作企業資産風險集中、有效，洞察影響生産效率的潛在因素将幫助企業降低資本支出（CapEx）50%，節省營運成本（OpEx）30%；面向日常裝置運維的實時監測、預防性維護來規避裝置突發風險，進而降低突發故障帶來的損失，并将故障發生率減少60%左右。
咨詢相關産品和方案的使用者，請用釘釘掃描下方二維碼，群裡會有阿裡雲資料庫的專家為您解答。