工业互联网应用：从基础到实战

本书是一本将工业互联网的理论与实践高度统一的图书，是在作者二十余年工业互联网领域工作的理论基础以及在智能制造领域的实践经验基础之上撰写而成的。本书具有以下两大特色： （1）通过工业互联网的背景和基础理论的介绍，使读者全方位了解工业互联网与互联网，工业互联网与物联网、工业互联网与新基建、工业互联网与企业数字化转型的关系，及工业互联网应用中的八大关键技术。 （2）通过工业互联网的实践案例的剖析，让读者不仅了解到工业互联网的理论，还可以更深一步掌握如何利用知识来加快制造业的升级转型，并形成一个解决问题的思路和方法。

继《中国制造2025》印发以来，我国密集出台了数十个推动工业互联网技术发展的政策性文件，着力推动工业互联网的发展与应用。政策的密集发布也推动了5G、大数据、人工智能相关技术的发展迭代，从而间接地推动工业互联网的发展。数据作为工业互联网发展的关键要素，遍布工业场景的各个环节，数据挖掘与分析技术有利于提取有价值的信息，提高生产效率，优化生产模式。这些技术的迭代创新，不断推动着工业互联网在工业场景应用的深入，也不断创造着新的应用场景和价值。
目前，我国已经形成较为完整的工业互联网顶层政策体系，极大地从外部推动了工业互联网的发展，未来我国也将继续推进工业互联网发展，为企业数字化转型提供有力支撑。鉴于此，笔者基于多年在工业互联网领域的理论研究及在智能制造领域的实践经验编写此书，以期为推动工业互联网的发展尽绵薄之力。本书着重介绍工业互联网核心技术等基础理论，阐述工业互联网与智能制造的关系、工业互联网在智能制造中的应用和实践等，并通过典型案例帮助读者更好地理解和掌握工业互联网的基础知识，以指导应用实践。
全书共分6 章，第1 章主要介绍工业互联网概念、体系架构、与“中国制造2025”“新基建”的关系、发展意义等基础知识；第2 章从数据集成与边缘处理技术、IaaS 关键技术、云计算、工业大数据、工业数据建模与分析、工业 APP、多租户技术、安全技术、运维技术等角度阐述工业互联网核心技术；第3 章主要介绍工业互联网与智能制造的关系；第4 章主要介绍工业互联网在制造业中的应用；第5 章主要介绍工业互联网实战；第6 章主要介绍一系列工业互联网典型应用案例。
在本书写作过程中，笔者得到了许多国内外工业互联网同行的支持和帮助，特别是华为技术有限公司崔昊、腾讯云计算有限公司李赟、亚马逊云科技有限公司朱继荣、航天科技控股集团股份有限公司刘一凡等，在此向他们表示感谢！同时，本书融合了许多ICT 领域专家和学者的真知灼见，在此向他们表达谢意!
由于笔者水平有限，书中难免存在不妥之处，望广大读者给予批评指正!

编著者

杨奎，男，深圳市星链物联网技术有限公司总经理，物联网资深专家，有20余年相关从业经验。曾参加5个工业互联网和智慧制造项目建设，10多个智慧城市建设项目，20余个智慧园区项目建设，并主持或参与物联网、智慧城市数据应用、智慧园区等国家相关行业标准的制定。

工业互联网是新一代信息通信技术与工业系统全方位深度融合所形成的产业和应用生态，是制造业数字化转型的重要抓手，不断推动着传统产业转型升级、新兴产业发展壮大。本书以新时代下企业数字化转型为背景，从工业互联网理论和与制造业实践相结合的角度，介绍工业互联网核心技术和实战，为制造企业数字化转型升级提供参考。全书共分6 章，前两章主要介绍工业互联网基础与核心技术等理论，后面四章主要介绍工业互联网与智能制造的关系、工业互联网在智能制造中的应用和实践等。本书还通过典型案例帮助读者更好地理解和掌握工业互联网的基础知识，并指导应用实践。
本书可供物联网、工业互联网行业从业人员、智能制造研究与开发的工程技术人员阅读，也可作为高等院校互联网、智能制造等相关专业师生的参考书。

第1章 工业互联网基础 001
1.1 工业互联网 001
1.1.1 工业互联网概念 001
1.1.2 工业互联网整体架构 001
1.1.3 工业互联网与互联网的关系 002
1.2 工业互联网发展背景 003
1.2.1 全球工业互联网平台发展现状 003
1.2.2 我国工业互联网平台现状 004
1.2.3 我国工业互联网的实现路径 005
1.3 工业互联网与“中国制造2025” 007
1.4 工业互联网与新基建的关系 007
1.4.1 中国新基建概述 007
1.4.2 新基建下的工业互联网 008
1.5 发展工业互联网的意义 008

第2章 工业互联网核心技术 010
2.1 数据集成与边缘处理技术 010
2.1.1 数据集成 011
2.1.2 边缘计算 024
2.1.3 工业网络 035
2.2 IaaS 关键技术 046
2.2.1 虚拟化技术 046
2.2.2 分布式存储 047
2.2.3 并行计算 050
2.2.4 负载均衡 051
2.3 云计算 055
2.3.1 云计算概念 055
2.3.2 云计算架构 056
2.3.3 云计算技术特点 058
2.3.4 云计算类别 059
2.3.5 云计算核心技术 061
2.3.6 云计算的功能 061
2.4 工业大数据 062
2.4.1 工业大数据概念 062
2.4.2 工业大数据的来源 062
2.4.3 工业大数据的数据类型 064
2.4.4 工业大数据的数据特点 065
2.4.5 工业大数据与互联网大数据的区别 066
2.4.6 工业大数据架构 067
2.4.7 工业大数据的数据处理 070
2.4.8 工业大数据的作用 084
2.4.9 工业大数据的价值 085
2.4.10 工业大数据的应用场景 085
2.5 工业数据建模与分析 086
2.5.1 数字化模型 086
2.5.2 数字化模型的价值 088
2.5.3 数字化模型建立流程 088
2.5.4 数据+模型=服务 088
2.6 工业APP 089
2.6.1 工业APP 概念 089
2.6.2 工业APP 的体系架构 090
2.6.3 工业APP 的特征 090
2.6.4 工业软件与工业APP 的区别 091
2.6.5 工业APP 与消费APP 的区别 092
2.6.6 工业APP、组件、微服务的关系 092
2.6.7 工业APP 的应用场景 093
2.7 多租户技术 094
2.7.1 多租户技术概念 094
2.7.2 多租户技术要求 095
2.7.3 虚拟网络拓扑 096
2.7.4 多租户技术 097
2.7.5 多租户技术实现方式 097
2.7.6 多租户方式的选择 098
2.8 安全技术 101
2.8.1 工业互联网的安全威胁 101
2.8.2 我国信息安全法律 102
2.8.3 工业互联网安全与网络安全的比较 103
2.8.4 工业互联网平台安全架构 104
2.8.5 工业互联网安全目标 106
2.8.6 安全能力评估 106
2.8.7 工业互联网安全技术体系 108
2.8.8 工业互联网平台安全的要求 110
2.9 运维技术 111
2.9.1 运维管理的发展 111
2.9.2 运维管理的痛点 111
2.9.3 运维监控的设计思路 112
2.9.4 运维管理的体系 113

第3章 工业互联网与智能制造的关系 118
3.1 工业互联网是制造企业IT 和OT 连接的纽带 118
3.1.1 工业领域网络连接现状 118
3.1.2 工业互联网将IT 和OT 融合 121
3.2 智能制造是工业互联网的现实落脚点 121
3.2.1 打通各个系统，消除信息孤岛 121
3.2.2 工业大数据挖掘，实现“数据+模型=服务” 122
3.3 工业大数据驱动制造业的转型升级 122
3.4 数据带来的智能制造发展趋势 123
3.4.1 数据可视化—提高管理决策效率 123
3.4.2 趋势可视化—有效支撑判断依据 125
3.4.3 生产可视化—智能制造的核心竞争力 125
3.4.4 制造虚拟化—智能制造的新模式 126

第4章 工业互联网在制造业中的应用 129
4.1 中国制造业现状 129
4.1.1 中国制造业SWOT 分析 129
4.1.2 中国制造业升级目标 130
4.1.3 “工业4.0”和“中国制造2025”的关系 131
4.2 智能制造的体系架构132
4.2.1 智能制造总体架构132
4.2.2 智能制造的五个特征133
4.2.3 智能制造的智能特性 134
4.3 使能技术在智能制造的应用 138
4.3.1 传感技术 138
4.3.2 自动识别技术 139
4.3.3 工业机器人技术 140
4.3.4 无人机技术 141
4.3.5 增材制造技术142
4.3.6 仿真技术 144
4.3.7 人工智能 145
4.3.8 区块链146
4.3.9 数字孪生技术 146
4.3.10 元宇宙 147
4.4 智能制造的应用场景 149

第5章 工业互联网实战152
5.1 我国制造业存在的问题152
5.1.1 我国制造业变革面临的三大痛点152
5.1.2 工业互联网改变三大模式 153
5.2 工业互联网实战 154
5.2.1 工业互联网的模式探索 154
5.2.2 工业互联网的路径选择 155
5.2.3 工业互联网实践流程 169
5.2.4 工业互联网实施方案推荐 174
5.2.5 工业互联网平台设计与实现 176
5.3 我国工业互联网主流平台介绍 186
5.3.1 我国工业互联网平台介绍 186
5.3.2 工业互联网平台能力评价 188

第6章 工业互联网典型应用案例 190
6.1 研发制造管理一体化解决方案与实践 190
6.1.1 背景 190
6.1.2 问题点 190
6.1.3 目标 191
6.1.4 解决方案 191
6.1.5 效果 193
6.2 工厂综合价值链升级解决方案与实践 193
6.2.1 背景 193
6.2.2 问题点 193
6.2.3 目标 194
6.2.4 解决方案 194
6.2.5 效果 195
6.3 生产可视化全程监控解决方案与实践 195
6.3.1 背景 195
6.3.2 客户挑战 195
6.3.3 解决方案 196
6.3.4 效果 197
6.4 生产运行管控平台解决方案与实践 198
6.4.1 背景 198
6.4.2 问题点 198
6.4.3 目标 198
6.4.4 解决方案 198
6.4.5 效果 199
6.5 工业视觉质检解决方案与实践 200
6.5.1 背景 200
6.5.2 问题点 200
6.5.3 目标 200
6.5.4 解决方案 200
6.5.5 解决效果 201
6.6 工业设备故障预测解决方案与实践 201
6.6.1 背景 201
6.6.2 问题点 201
6.6.3 解决方案 201
6.6.4 效果 203
6.7 设备全生命周期管理解决方案与实践 203
6.7.1 背景 203
6.7.2 问题点 203
6.7.3 目标 203
6.7.4 解决方案 204
6.7.5 效果 208
6.8 数字孪生助力智能制造解决方案与实践 208
6.8.1 背景 208
6.8.2 问题点 208
6.8.3 目标 209
6.8.4 解决方案 209
6.8.5 效果210
6.9 企业全流程管理解决方案与实践 211
6.9.1 背景 211
6.9.2 问题点 211
6.9.3 目标 211
6.9.4 解决方案 211
6.9.5 效果214
6.10 工业云边端一体化解决方案与实践214
6.10.1 背景214
6.10.2 问题点214
6.10.3 目标214
6.10.4 解决方案214
6.10.5 效果217
6.11 服务化模式转型解决方案与实践217
6.11.1 背景217
6.11.2 问题点 218
6.11.3 目标 218
6.11.4 解决方案 218
6.11.5 效果 220
6.12 基于云边协同解决方案与实践 220
6.12.1 背景 220
6.12.2 问题点221
6.12.3 目标221
6.12.4 解决方案221
6.12.5 效果 222
6.13 数据全生命周期管理解决方案与实践 222
6.13.1 背景 222
6.13.2 问题点 223
6.13.3 目标 223
6.13.4 解决方案 223
6.13.5 效果 224
6.14 基于物联网能源解决方案与实践 226
6.14.1 背景226
6.14.2 问题点226
6.14.3 目标226
6.14.4 解决方案226
6.14.5 效果230
6.15 业务驱动数字化协同解决方案与实践230
6.15.1 背景230
6.15.2 问题点230
6.15.3 目标 231
6.15.4 解决方案 231
6.15.5 效果232
6.16 数据驱动运营管控解决方案与实践232
6.16.1 背景232
6.16.2 问题点232
6.16.3 目标232
6.16.4 解决方案233
6.16.5 效果234
6.17 数字化运维解决方案与实践234
6.17.1 背景234
6.17.2 问题点234
6.17.3 目标235
6.17.4 解决方案235
6.17.5 效果236
6.18 基于VR+远程运维解决方案与实践237
6.18.1 背景237
6.18.2 问题点237
6.18.3 目标237
6.18.4 解决方案237
6.18.5 效果 241

参考文献 242