关键IT技术助力工业数字化转型实现

从本质上来讲，工业4.0代表着一种融合，即互联网与工业的深度融合，虚拟数字世界与现实物理世界的融合。在这个过程中，数字信息和物理对象可以相互作用或转化，通过对物理世界的数字化过程（如安装在生产机器上众多的工业传感器）收集海量数据，通过高级分析/机器学习等数据分析方法，揭示海量数据中存在的趋势和模式，形成数据洞察以指导业务行动（如根据数据分析结果动态调整机器生产参数，通过控制器实时优化生产过程）。整个融合过程的闭环如图8-4所示。

图8-4 虚拟数字世界与现实物理世界的融合

在这个融合的过程中，也是以制造执行系统（MES）为代表的物理生产系统与以ERP为代表的业务管理系统深度打通的过程。在这个过程中，需要建设的信息物理系统实现这种融合，就是将物理设备连接到互联网上，让物理设备具有计算、通信、精确控制、远程协调和自治五大功能，从而实现虚拟网络世界与现实物理世界的融合。而实现信息物理系统是建立在很多创新的颠覆性技术的基础之上的，这些技术主要可以分为图8-5所示的4类。

图8-5 工业数字化技术生态图（来源：McKensey）

在新一代的工业基础架构中，生产机器产生的海量数据需要无穷无尽的数据计算能力和存储能力，以及支撑海量设备和传感器互联互通的高速网络。因此，物联网、云计算、大数据等技术是支撑工业计算基础架构的关键工业4.0中的创新性技术的相关关系如图8-6所示。(www.xing528.com)

图8-6 工业4.0中的创新性技术的相关关系

工业4.0是以数据为基础的，以数据分析为驱动力的。如何对海量工业数据进行处理，从中发现对业务有价值的信息，是工业4.0的关键环节。因此，数据挖掘、机器学习、人工智能等数据分析和处理技术，是从海量、低价值密度的工业大数据中发现价值的利器。

通过对机器数据的分析和处理，采集、汇总、分析生产过程中产生的多样化数据，并结合实时的监控和预警，可以进行业务洞察，提升工厂生产效率和提高产品质量。比如针对原物料的检测监控，能够提前找出潜在的问题，并通过分析找出问题的根源，或者通过分析设备传感器数据及日志，找出异常发生的模式，监控并预测未来故障机率，实时执行最适合的决策。

接下来，我们重点谈谈物联网、大数据和云计算技术在工业数字化转型中的作用。