工業(yè)PaaS平臺，對應工業(yè)互聯(lián)網的平臺層，其本質是在現有成熟的IaaS平臺上構建一個可擴展的操作系統(tǒng)，為工業(yè)應用軟件開發(fā)提供一個基礎平臺。工業(yè)PaaS是工業(yè)互聯(lián)網平臺的核心。那么工業(yè)PaaS平臺的核心又是什么呢？

工業(yè)互聯(lián)網作為新一代信息技術與制造業(yè)深度融合的產物，不僅能為制造業(yè)乃至整個實體經濟數字化、網絡化、智能化升級提供新型網絡基礎設施支撐，還不斷催生新模式、新業(yè)態(tài)和新產業(yè)。工業(yè)互聯(lián)網平臺作為工業(yè)互聯(lián)網實施落地與生態(tài)構建的關鍵載體，正成為全球主要國家和產業(yè)界布局的關鍵方向。工業(yè)PaaS平臺，對應工業(yè)互聯(lián)網的平臺層，其本質是在現有成熟的IaaS平臺上構建一個可擴展的操作系統(tǒng)，為工業(yè)應用軟件開發(fā)提供一個基礎平臺。

工業(yè)PaaS是工業(yè)互聯(lián)網平臺的核心。那么工業(yè)PaaS平臺的核心又是什么呢？

一

數字化模型是工業(yè)PaaS平臺的核心

如果說工業(yè)PaaS是工業(yè)互聯(lián)網平臺的核心，那工業(yè)PaaS的核心又是什么呢？就是數字化模型。工業(yè)互聯(lián)網平臺要想將人、流程、數據和事物都結合在一起，必須有足夠的工業(yè)知識和經驗，并且把這些以數字化模型的形式沉淀到平臺之上。即把工業(yè)的技術原理、行業(yè)知識、基礎工藝、模型工具規(guī)則化、軟件化、模塊化，并封裝為可重復使用的組件。

二

什么是數據化模型？

所謂的“數字化模型”是將大量工業(yè)技術原理、行業(yè)知識、基礎工藝、模型工具等規(guī)則化、軟件化、模塊化，并封裝為可重復使用的組件。具體包括通用類業(yè)務功能組件、工具類業(yè)務功能組件、面向工業(yè)場景類業(yè)務功能組件。

1

數字化模型的來源

數字化模型既然在工業(yè)PaaS平臺中如此重要，那么這些數字化模型從哪里來的呢？一部分來源于物理設備，包括制造過程的零件模板，設備故障診斷、性能優(yōu)化和遠程運維等背后的原理、知識、經驗及方法；一部分來源于業(yè)務流程邏輯，包括ERP、MES、SCM、CRM、生產效能優(yōu)化等這些業(yè)務系統(tǒng)中蘊含著的流程邏輯框架；此外還來源于研發(fā)工具，包括CAD、CAE、MBD等設計、仿真工具中的三維數字化模型、仿真環(huán)境模型等；以及生產工藝中的工藝配方、工藝流程、工藝參數等模型。

2

數字化模型分類

數字化模型一種是機理模型，亦稱白箱模型。根據對象、生產過程的內部機制或者物質流的傳遞機理建立起來的精確數學模型。其優(yōu)點是參數具有非常明確的物理意義，模型參數易于調整，所得的模型具有很強的適應性。機理模型往往需要大量的參數，這些參數如果不能很好地獲取，也會影響到模型的模擬效果。機理包括基礎理論模型（如制造過程涉及到的流體力學、熱力學、空氣動力學方程等模型）；流程邏輯模型（如ERP、SCM供應鏈管理等業(yè)務流程中蘊含的邏輯關系）、部件模型（如零部件三維模型）、工藝模型（如生產過程中涉及到的多種工藝、配方、參數模型）、故障模型（如設備故障關聯(lián)、故障診斷模型等）、仿真模型（如風洞、溫度場模型等）。機理模型本質上是各種經驗知識和方法的固化，它更多是從業(yè)務邏輯原理出發(fā)，強調的是因果關系。

隨著大數據技術發(fā)展，一些大數據分析模型也被廣泛使用，包括基本的數據分析模型（如對數據做回歸、聚類、分類、降維等基本處理的算法模型）、機器學習模型（如利用神經網絡等模型對數據進行進一步辨識、預測等）以及智能控制結構模型，大數據分析模型更多的是從數據本身出發(fā)，不過分考慮機理原理，更加強調相關關系。

3

數字化模型開發(fā)工具

所有的這些技術、知識、經驗、方法、工藝都將通過不同的編程語言、編程方式固化形成一個個數字化模型。建模工具如：Python數據抓取、MYSQL數據整理統(tǒng)計、EXCLE圖表制作、SPSS.R數據建?？梢暬鹊?，這些模型一部分是由具備一定開發(fā)能力的編程人員，通過代碼化、參數化的編程方式直接將數字化模型以源代碼的形式表示出來，但對模型背后所蘊含的知識、經驗了解相對較少；另一部分是由具有深厚工業(yè)知識沉淀但不具備直接編程能力的行業(yè)專家，將長期積累的知識、經驗、方法通過“拖拉拽”等形象、低門檻的圖形化編程方式，簡易、便捷、高效的固化成一個個數字化模型。

大數據建模的步驟一般包括：選擇模型、訓練模型、評估模型、應用模型和優(yōu)化模型五個階段。正如數據挖掘標準流程一樣，構建模型的這五個步驟，并不是單向的，而是一個循環(huán)的過程。當發(fā)現模型不佳時，就需要優(yōu)化，就有可能回到最開始的地方重新開始思考。即使模型可用了，也需要定期對模型進行維護和優(yōu)化，以便讓模型能夠繼續(xù)適用新的業(yè)務場景。

4

數字化模型技術架構

當把這些技術、知識、經驗、方法等固化成一個個數字化模型沉淀在工業(yè)PaaS平臺上時，主要以兩種方式存在：一種是整體式架構，即把一個復雜大型的軟件系統(tǒng)直接遷移至平臺上；另一種是微服務架構，傳統(tǒng)的軟件架構不斷碎片化成一個個功能單元，并以微服務架構形式呈現在工業(yè)PaaS平臺上，構成一個微服務池。目前兩種架構并存于平臺之上，但隨著時間的推移，整體式架構會不斷地向微服務架構遷移。

采用工業(yè)微服務的方式將上述軟件拆解成獨立的功能模塊，實現對原有生產體系的解構，隨后在平臺中構建起富含各類功能與服務的微服務組件池，并按照實際需求來調用相應的微服務組件，進行高效率和個性化的面向用戶的工業(yè)App研發(fā)，整個軟件研發(fā)的技術門檻和投入成本大大降低。原來需要專業(yè)團隊和雄厚資金支持的精英化軟件研發(fā)開始向大眾化研發(fā)轉變。

工業(yè)微服務需要創(chuàng)造全新開放價值生態(tài)平臺。工業(yè)微服務開放平臺能夠為廣大第三方開發(fā)者提供眾多低門檻、易操作、高效率的開發(fā)支持手段，形成以工業(yè)App開發(fā)為核心的平臺創(chuàng)新生態(tài)，同時也能夠為制造業(yè)用戶提供以工業(yè)微服務為基礎的定制化、高可靠、可擴展工業(yè)App或解決方案，形成以價值挖掘提升為核心的平臺應用生態(tài)。

5

數字化模型的價值

工業(yè)大數據匯聚到工業(yè)PaaS平臺之上，所有的工業(yè)技術、知識、經驗和方法都以數字化模型的形式沉淀在PaaS平臺上，當把海量數據加入到數字化模型中，進行反復迭代、學習、分析、計算之后，可以解決物理世界四個基本問題：

首先是描述物理世界發(fā)生了什么；其次是診斷為什么會發(fā)生；第三是預測下一步會發(fā)生什么；第四是決策該怎么辦，決策完成之后就可以驅動物理世界執(zhí)行。

如上圖，通過傳感器的及時數據與歷史數據對比診斷，預測故障發(fā)生，管理者可以根據預測的情況，采取包括預防性維護在內的決策。

數字化模型的價值，概括起來講，就是狀態(tài)感知、實時分析、科學決策、精準執(zhí)行。

三

結語

工業(yè)PaaS平臺目的是為企業(yè)提供云服務所必需的各種中間件、分層的動態(tài)擴展機制、開發(fā)和運維等支撐能力，幫助企業(yè)快速構建面向工業(yè)行業(yè)的社會級服務，同時與開發(fā)者、合作伙伴一起打造良性生態(tài)圈。

當工業(yè)PaaS平臺上擁有大量蘊含著工業(yè)技術、知識、經驗和方法的微服務架構的數字化模型時，應用層的工業(yè)APP可以快速、靈活的調用多種碎片化的微服務，實現工業(yè)APP快速開發(fā)部署和應用。