本期导读

如果您是个刚刚迈入工业物联网界的新人，相信今天这篇文章，可以帮您快速了解工业互联网平台的概念、框架。搭配研华WISE-PaaS工业物联网云平台讲解，及数据上云案例，祝您快速入门。

工业互联网平台究竟是什么？

根据工信部发布的白皮书，工业互联网平台是面向制造业数字化、网络化、智能化需求，构建基于海量数据采集、汇聚、分析的服务体系，支撑制造资源泛在连接、弹性供给、高效配置的载体。

上图来自《工业互联网白皮书》，大家可以看到整个工业互联网平台呈现出清晰的层级架构，涵盖边缘层、IaaS层、平台层、应用层以及贯穿上述各层级的安全防护。其中，边缘层、平台层、应用层是工业互联网平台的三大核心层级 。

对于工业互联网平台，我们可以用三句话来概括：

● 数据采集是基础

● 工业PaaS是核心

● 工业APP 是关键

研华WISE-PaaS工业物联网云平台

结合此，我们再来看看研华的WISE-PaaS工业物联网云平台。研华最初推出WISE-PaaS，是在局端的物联网软件模块，持续整合、加强与开源社群的对接，到现在，我们发布了最新的3.0版本。研华明确将数据撷取后可以产出的商业价值，作为其发展首要目标。产业数据驱动智能创新成为WISE-PaaS演化的聚焦方向。

这里不得不提的就是新增的4大功能模块：

● WISE-PaaS/SaaS Composer-流程可视化云端组态工具

● WISE-PaaS/APM-资产绩效管理服务

● WISE-PaaS/AFS-人工智能模型训练与部署服务框架

● 微服务(Microservices)开发框架

数据上云落地案例

我国中小型制造企业仍面临着层次不齐的技术基础、纷繁复杂的接入类型、高度定制化的实际需求等棘手现状。举例广州康达能源，面对其从设备接入到统一管理再到数据挖掘的多重诉求，研华通过边缘智能与云服务相结合的方式，为其量身打造了切实可行的物联网解决方案。

研华物联网共创峰会

进入最后一天

前线指挥部发回了新鲜出炉的现场报道

小伙伴们赶紧看过来

本次峰会上发表的WISE-PaaS 3.0新功能可谓是最大看点之一了，研华联合众多共创伙伴发表了奠基在WISE-PaaS上的物联网行业解决方案SRP（Solution Ready Package），分享双方共创成果的同时，也在会议上强力宣示了近期与伙伴共创的策略与进程。

研华科技技术长

杨瑞祥

研华技术长杨瑞祥表示，在物联网蓬勃发展下，许多业者已投资进行设备连网与数据收集，但对于数据如何产生价值，仍处于摸索阶段。

自2014年研华推出WISE-PaaS后，从最初在局端的物联网软件模块，持续整合、加强与开源社群的对接，至今更发展建立云平台运营服务的能量，明确将数据撷取后可以产出的商业价值，作为其发展首要目标，产业数据驱动智能创新因而成为WISE-PaaS演化的聚焦方向。

WISE-PaaS 3.0为协助产业升级，提供以下四大功能模块：

●WISE-PaaS/SaaS Composer-流程可视化云端组态工具：

支援客制化绘图元件，可将应用场景导入3D建模绘制与互动，并以毫秒等级的画面刷新速度，搭配WISE-PaaS/Dashboard将关键管理数据以视觉直觉呈现，协助萃取数据价值与运营效率。

●WISE-PaaS/AFS(AI Framework Service)-人工智能模型训练与部署服务框架：

提供简易的拖拉界面，让开发者快速导入产业数据结合人工智能算法，建立有效的推论引擎，并可自动部署到边缘运算平台。AFS同时提供模型准确度管理，模型再训练及再部署的自动化。AFS可同时管理应用场域里多个AI模型，提供自动化的模型准确度提升与模型生命周期管理服务。

●WISE-PaaS/APM(Asset Performance Management)-设备联网远程运维服务框架：

可以对接广泛的现场产业设备控制与通讯协议，支持最新的边缘运算EdgeX Foundry开放标准，内建设备管理与工作流程整合模板，并结合AFS加速设备智联之应用发展。

●微服务(Microservices)开发框架：

WISE-PaaS导入微服务开发框架协助开发者，快速生成微服务程序设计框架，降低开发门槛。同时对于微服务的服务发现、负载均衡、服务治理、配置中心等功能都有灵活的机制支撑。

▼▼▼

杨瑞祥进一步说明，许多行业伙伴已投资设备资料采集，希望导入AI推进设备与流程管理智慧化。他们积极寻找提取数据价值的方法与工具，但行业伙伴对外透露多年积累的高价值行业专业知识通常相当保留。研华也需理解各行业需突破的升级痛点，才能提供更有效的技术支持。

研华发现通过共创，双方合作共同设计基于物联网云平台数据驱动的创新产业解决方案，经常能有效结合彼此专业，创造双赢。

通过伙伴在行业内的专家知识，搭配研华多年来在局端数据收集、联网和在云端资料的处理运用，将形成OT与IT的融合，完整从数据搜集、管理到分析，展现数据驱动的最后一哩路。

因此，研华自今年起，启动各种领域的共创合作，育成行业深耕的系统集成商（Domain-Focused Solution Integrator,DFSI），比如近期与川源（中国）机械合资成立水处理系统集成商、与台湾永进机械合资成立CNC设备远程运营服务商，皆是研华通过共创模式，与伙伴携手引导产业数位转型，实现物联网产业共赢的新局势。

以下为今年研华通过DFSI共创的进展：

小编后续还将

继续与您分享物联网升级干货

请持续关注哦

也欢迎大家文末留下

您对本次峰会的感想或建议

WISE-PaaS动态播报

研华WISE-PaaS工业物联网云平台在不断地升级完善中，我们每周四为您播报其更新动态~

今天要告诉大家一个好消息！研华WISE-PaaS工业物联网云平台数据分析服务框架（简称AFS）即将要上线啦！

“AFS”全称为WISE-PaaS工业物联网云平台数据分析服务框架，它是研华WISE-PaaS平台独有的功能模块。其已有成功应用在钢铁公司的改造项目中，也将在不久后正式上线，对外发布。

今天就来为大家介绍一下，AFS到底是什么呢？

“AFS”提供简易的拖拉接口让开发者可以将分析模块组装成解决方案，并且整合多种机器学习函数库，如：Spark Mllib、TensorFlow，用户可轻松调用后端分布式计算资源，有效降低了开发门坎。

WISE-PaaS 云平台的数据分析服务主要功能包括：

●分析模块/解决方案管理，提供分析模块/解决方案完整生命周期的管理，包含订阅、验证、发布等；

●解决方案在线开发，提供拖拉式接口以组装多个分析模块进行解决方案的开发；

●分析模块在线开发，提供在线IDE进行分析模块的开发并部署至云端平台；

●开放各算法及高速运算模式，提供多种分析所需的算法与运算模式。

AFS特性说明↑↑↑

AFS架构↑↑↑

AFS目前已被成功应用落地在某钢铁公司的改造项目中，对方初始想要建置的设备诊断云端平台系统，需要能远端监控设备状况，同时也得将资料后送给云端平台机器学习软件模块进行大数据分析，以便能建立像是瑕疵检测和预防诊断的预测模型。

研华的AFS也满足了对方的需求，让这家钢铁公司的工程师可以更容易地设计所需的监控管理APP，建立大数据分析的预测模型，从而实现设备实时监控与预防监诊。

同时，AFS服务提供了数据科学能力，让分析人员可以使用相关模块对数据做前处理、分析以及可视化。数据可以接入平台提供的可视化工具以便了解数据趋势，以及利用平台的分析服务进行进阶加值应用，而这些分析模型可以在历史分析的基础上随着时间的推移而更新或者升级等。相关功能如下：

● 数据建模与可视化：

基于WISE-PaaS/Dashboard，提供美观，多样化的数据呈现形式。该可视化平台可进行数据源添加（包括各种数据库、API等），提供丰富的数据分析展现服务。

在钢铁公司的改造项目中，使用者可以利用资料可视化工具Dashboard，创建自己的仪表板，管理者就能通过易读性高的各种图表来清楚掌握边缘装置健康状态、异常警报、预测模型、讯号串流波形等。

●多语言与工具支持：

支持Jupyter Notebook、Python和R等多种语言编译环境，并提供神经网络模块：Neural Network (Reflow建模)、CNN (AOI影像辨识)、RNN (Reflow建模)；资料分类模块：SVM (温度预测)、Decision Tree (马达检测)、ResNet (AOI建模)；资料降维模块：Auto-encoder dimension reduction for time-series (Time series data降维算法)、Down-sampling (periodic data降维)；资料前处理模块：OpenCV (AOI切图前处理)、FFT (震动资料前处理)、Wavelet (低频震动资料前处理)；目标检测模块：Faster R-CNN (人形辨识)、SSD (物件辨识)；特征撷取模块：PCA (Time series资料降维)、Convolution (图形资料特征撷取)等工具模组让大数据专家快速分析建模；

● 数据批处理：

提供一个分布式的、可靠的、容错的数据流处理系统，可用于实时分析、在线机器学习、持续计算、ETL 等领域可在毫秒级完成分析、并得到响应；

● 结合OTA，提供模型的远端更新

WISE-PaaS/OTA是WISE-PaaS工业物联网云平台上的远端软件更新管理服务。同样是在钢铁公司的改造项目中，WISE-PaaS/OTA的远端更新机制让该公司可以很方便地将预测模型部署至指定的边缘端，并让预测模型随时保持在最新版本，管理者完全不用亲自到现场就能完成更新作业。

往期阅读

● IoT.PaaS || 数据分析、可视化！你要的功能，WISE-PaaS平台它都有

● IoT.PaaS || Graph数据统计！增强访问控制！——Dashboard新增功能播报

● IoT.PaaS || 我们又新开发了这三款Panel——Dashboard新增功能播报

下周四同一时间

继续为您推送WISE-PaaS动态资讯

敬请期待

▼

▼

长按识别关注

作者：DIGITIMES蔡腾辉

在工业4.0、智慧城市、智慧交通的发展过程当中，很多流程都需要透过收集大量数据与后端分析，才能产生出符合当下生产端、应用端、物流端的实际应用。研华股份有限公司IoT智能服务事业群协理苏鸿升表示，研华在智慧医疗领域，聚焦收集与分析诊间各领域的数据，并纳入研华工业物联网云平台当中，进以让智慧医院(iHospital)各面向的应用更加贴近实际场域。此外，远距医疗的仪器精细度提升，也是研华发展智慧医疗的核心面向之一。

在行政与医疗方面上，研华希望透过大数据(big data)、人工智能(AI)、数据运算，提供智慧医院医疗决策。也借由AI系统，让排班流程与病人的血液透析卫生健康上，都可以有所提升。

长期以来，医疗科技政策发展除了依照趋势调整以外，更希望能够透过流程调整，改善护病比。目前在智能技术导入医院系统升级上，已在许多医院的院长和护士长电脑系统当中，建立即时数据分析系统，能够快速与即时呈现院内相当丰富的数据和人员流动状况。

也由于人工智能需要经过数据收集、数据清理与数据挖掘才能逐步成形，所以数据的正确性与数量丰富性是关键。居家健康与远距医疗要发展顺利，其中十分重要的莫过于民众在家中每天且定时量测的生理数据是否正确，其包括心跳、血压、血氧、呼吸、睡眠品质等。苏鸿升认为，如果许多厂商所生产的测量仪器，测量出来的数据够精准、符合法规与医疗标准。医院愿意采用透过这些设备所测量出来的长期生理数据，提供医师做为门诊时的诊断参考，那么远距医疗才会有实际成效。

苏鸿升认为未来的远距医疗发展趋势，将与老龄化人口整合科技创新息息相关。研华目前携手许多厂商合作，希望借由产业升级与导入物联网科技，让这些医疗设备厂商做出市场区隔、开拓更多产业触角、有更多发展的空间，并且让更多业界看见智慧医疗设备对于远距医疗的重要。

也因为医疗设备前置期相当长，大厂才比较可能有资源，能够在数月，甚至是数年之后，形成产业生态系，进而让市场大举采用。也因为概念验证(Proof of concept；POC)一般大约要2个月，有些医院更可能因为要通过更多步骤的医疗研究，因此POC需要半年的时间。

在各大医院采用智能技术辅助医疗的意愿上，也因政策与体系对于科技的拥抱程度而有所不同。此外，不同区域也会有不同的医疗生态与市场。苏鸿升表示，智慧医院的概念也不仅限于医院内部与病患直接接触的医疗器械，包括整体建筑也包括其中。

对于未来的智慧医院发展预测，苏鸿升表示，现在民众已经可以在网络上预约挂号，未来在各界的合作之下，人们或可以在网络上查询自己的病历与就诊纪录。

研华工业物联网云平台Wise-PaaS(Platform as a Service)和WebAccess分享平台，是一个物联网软体生态系，其中包括基础设施即服务( Infrastructure as a Service；IaaS)、平台即服务(Platform as a Service；PaaS)及物联网产业解决方案(Solution Ready Platform；SRP)的应用界面等。同时，与微软也紧密合作IaaS和PaaS。

导 读

研华科技董事长刘克振在上周六举办的2018长三角工业互联网峰会上，发表了“以共创模式，赋能工业物联网产业链”的主题演讲。小A稍作整理，今天特来与大家分享何为工业物联网产业链？研华又是如何应对物联网变革所带来的机遇与挑战？供伙伴们参考。

研华科技董事长刘克振

伙伴共创致胜 方能抢占先机

站在风口上，猪都能飞起来。这句话放在互联网时代，企业单打独斗，或可成寡头，但物联网时代的商业模式却截然不同。我们面临着的是一个以平台为基础，共享经济为王的新世界。那么在这波变革中，如何才能抓住机遇，抢占先机？

研华的选择是共创谋共赢。

研华物联网三阶段策略↑↑↑

上图是研华提出的物联网三阶段，刘克振解读说：第一阶段是面向数据感知和数据传输层的发展，研华在这一领域已取得令人瞩目的成绩；第二阶段是面向应用服务开发的云端平台的发展，云端平台是物联网应用的核心，将创造巨大价值；第三阶段是面向垂直领域应用的物联网云服务发展，应用前景极为广阔。

物联网发展第二、三阶段都离不开共创伙伴。研华已提前布局WISE-PaaS，并探索出共创的商业模式，以技术与模式的双重创新来加速整个行业SaaS服务的到来。

研华的共创模式主要分为两大类：

● 一类是第二阶段的SRP（SRP Co-Creation），其特点是集软硬件于一体的、基于行业应用的解决方案，销售不以区域为限制。

“SRP属于半成品，提供给垂直专注的云服务公司，集成不同垂直产业的解决方案，成为完成品后，再提供服务给各行各业的终端用户。”刘克振介绍道，“对客户而言，SRP的优势在于它能够快速部署，缩减切入市场、建置系统的时间，有效提升效率。研华则能依托SRP跳脱产业市场的限制，更快地将解决方案依据需求供给不同的产业客户。”

●另一类是物联网第三阶段的区域DFSI合资共创（Regional DFSI JV Co-Creation）。

研华选取专注于垂直行业的、有潜力的企业进行投资，DFSI则在各自区域内，根据行业应用需求集成多套SRP，实现物联网技术及解决方案的快速、规模化落地。据透露，研华的DFSI合资共创已在全球范围同步展开。

何为工业物联网产业链？

刘克振表示，工业物联网落实到各行业的应用即将落地普及，但其成功关键在于平台技术供货商如研华，与行业专家公司之间的充分合作、整合，形成可以标准化复制的软硬件整合解决方案SRP，即共创SRP。这些SRP再经由系统集成商（System Integrator）安装到用户现场，成为完整场域解决方案。这样就形成工业物联网的产业链，其从下而上包括感知组件、边缘运算、通讯、PaaS平台、行业SRP、云服务营运；估计这样的产业链将在未来五年快速发展逐渐成熟。

研华IoT Summit，抢滩物联网

正如每每遇到科技典范的转移，总是为全球发展带来质变，研华也要搞个“大动作”：11月1-2日在苏州举办6,000人规模的物联网共创峰会及AIoT.SRP（物联网行业解决方案）发布会。

戳图了解↑↑↑

届时，研华将为大家全面解析物联网产业链的分工架构，共探工业物联网与智慧城市产业变革之路。

研华官方小程序

——研华智能地球正式发布啦！

无论是上文中提到的研华WISE-PaaS工业物联网云平台，还是11月的物联网共创峰会，您都能在小程序上获得最新信息，不仅如此，还有海量资料供您下载。话不多说，动动手指，赶紧关注起来。

关注研华官方小程序

IoT Summit议程尽在掌握

研华科技工业物联网事业群中国区总经理蔡奇男在智能制造融合创新主题峰会接受了至顶网独家专访。他表示，企业要实现智能制造，不能“照抄”别人的模式，而需要回过头检视自己的真实情况，由经营议题找到智能制造的关键切入点

至顶网CIO与应用频道： 11月28日，由中央网信办、工业和信息化部指导，湖南省人民政府、中国工程院、中国科学技术协会、国防科技大学、中国电子信息产业集团有限公司主办，工信部装备司、湖南省工信厅、长沙市人民政府、中电工业互联网有限公司承办，至顶网和中国制造千人会协办的智能制造融合创新主题峰会在长沙国际会展中心举行。

研华科技工业物联网事业群中国区总经理蔡奇男在大会上发表演讲，并在会后接受了至顶网独家专访。他表示，企业要实现智能制造，不能“照抄”别人的模式，而需要回过头检视自己的真实情况，由经营议题找到智能制造的关键切入点，通过自动化与信息融合，并结合云端及资料分析推动工业4.0.他认为，未来的工厂是数据驱动的，这将成为企业竞争力的关键要素，通过数据把人、产品、设备连接起来，是最终实现智能制造的重要手段。

以下为访谈实录（内容经至顶网编辑整理，未经允许谢绝转载）：

政策与资金支持下的智能制造新阶段

至顶网：从工业4.0到智能制造再到数字化制造，制造业转型谈了很多年，您认为目前到了一个什么阶段？

蔡奇男：无论是谈工业4.0还是中国制造2025，前面两三年应该是一个市场观念的转变阶段。在这个过程中，不管是在国内还是国外都有很多论坛，其实很多经营者相信听到这些词的时候还是很陌生，需要一个学习消化的过程。当然也有一些动作比较快的经营者已经在思考并实践，做一些试点或者样板。从整个大环境来看，有一些企业已经做出了初步成效。进入第二个阶段，经过过去两三年的学习、理解跟思考，我认为未来的三到五年很多企业会开始逐步地从一条产线，一个车间进入尝试，特别是在国家政策和资金的大力支持下，整个应该会给整个产业带来新的突破。

研华智能制造的产业布局

至顶网：研华在智能制造方面深耕多年，针对整个产业的现状，研华进行了哪些布局？

蔡奇男：研华本身就是制造企业，我们工厂的生产规模大概是4000左右，大多是少量多品种的制造。在启动了智能制造方案后，企业生产质量、交期和效率都得到了显著的提升。所以，研华布局的第一步，就是将智能制造落实到自己的车间里。

同时，我们也在几年前开始把自己的产品和方案通过软硬整合方案的方式对外输出，变成智能制造的应用方案，帮助智能制造的用户快速地导入。目前研华通过对自身的实践和提炼，已经推出了将近20套不同的智能制造应用方案，涉及能源管理、设备联网、可视化、、作业站、电子攻关等等。由于这些的方案经过了研华长时间的实践和提炼，因此很多用户在导入之后，也觉得非常受用。大部分用户会来到我们的工厂进行参观，看到这些方案如何在研华的车间使用。

第三，研华也在与行业伙伴合作，通过产业链的结合形成新的共创模式。在过去这两三年中，我们在不同领域拥有了将近20家的共创伙伴。通过把他们自己在行业中多年的经验，与研华的硬件组建和工业云平台结合起来，形成行业性的解决方案，我们希望能够服务于更多的行业。

总结一下，简单分成三步：第一，自身的实践；第二，提炼出解决方案；第三，与行业合作伙伴一起打造智能制造的生态圈。

智能制造面临的挑战

至顶网：智能制造其实是一种非常令人向往的一种模式，但它的落地并不容易。在您看来，企业主要面临了哪些挑战？又该如何克服？

蔡奇男：这里的挑战，我把它分成三个层面：

第一，是来自于观念跟认知的挑战。目前，仍然有很多人认为，必须要有新的智能工厂才能实现工业4.0。但通过实践，我们认为实际上可以把传统的工厂改造成智能工厂，逐步迈向工业4.0。

第二，要实现工业4.0是不是引入一套外部的解决方案就可以解决所有的问题？工业4.0事实上就是制造业从经济生产、到信息交互，再到自动化的持续改善过程，这是一个持续性的过程，不能一蹴而就。

第三，工业4.0是一个一把手工程。如果随便找一个外面的人做，决心不够，就不容易成功。在与客户的沟通时，我经常告诉大家一定要先想清楚，是不是有决心启动这个事情，因为这不是一天两天可以实现的，所以一定要有非常坚定的决心。

以第二点为例：在制造业中，我们可以从品质、交期、效率等几个层面，与其他企业的经营指标进行对比，发现其中的差异再做改造和提升。举个例子，曾经一个客户反馈业绩订单减少，其中的原因主要是产线设备状态不稳定，经常停机、停摆或故障。经过沟通，我们发现对原来设备的状态与监控，是影响达标率的非常重要的因素。通过对设备状态的监测和监控，就可以针对性地提高产品品质，提高产线的稳定性，最终提高产品达标率。我们认为，应该从更加务实的角度评估企业切入工业4.0，而不是复制和照抄别人的模式。

除此之外，也有很多企业面临着来自人才的压力。在做工业4.0的时候，如果员工还没有相匹配的能力，选择一个合适的合作伙伴就更为重要。这个合作伙伴可能经验丰富，可能在信誉、能力方面比较突出。因为要完全靠自身来做，时间会拉很长，可能也会走一些弯路，所以适当地寻求合作伙伴也是非常重要。

最后，需要再强调的一点是，在工业4.0实践中，企业应该有计划地设定阶段性的目标，并针对阶段性成果不断调整策略。

之前我们自己也遇到过，一些原来设定的目标在导入某一系统之后确实得到了提升，但是经过一段时间之后效率却没有达到预期，在这种情况下，就需要做策略上的调整和修正。比如有一些基础架构做得不够好，当系统越做越大的时候就需要打掉重来。通过对每一个阶段进行目标设定、实践、再调整，就可以根据计划执行的进度，逐步迈向工业4.0。

至顶网：看到研华在智能制造方面的洞察和实践非常丰富。非常感谢蔡总您的分享，谢谢！

(一) 工业数据采集产业综述

1. 市场规模潜力巨大：

中国作为世界第一制造大国，随着工业互联网市场的不断发展和完善，企业对工业数据采集的实时性、可靠性和专业解决方案需求日益增强，中国工业数据采集市场呈现巨大潜力，相关软硬件和服务提供商迎来了良好的发展机遇。

2. 市场各方积极参与

从消化政策、推出工业数据采集解决方案，到发布工业互联网平台，各市场参与方努力寻求业务转型，外资企业和本土企业均在积极部署工业数据采集产品体系和解决方案，谋划市11场布局。

3. 技术产品和解决方案持续推进与完善

当前，工业数据采集技术产品和解决方案仍处于发展阶段，但已有部分厂商推出了一些多样化的解决方案，比如通过构建兼容转换协议的技术产品体系，实现工业数据互联互通；或是通过部署边缘计算模块，实现数据在机器设备端的轻量级运算和实时分析。

点击上方“关注”,共同学习工业互联网相关知识！

(二) 工业数据采集产业规模和预测

整体市场情况2017 年，中国工业数据采集产业市场规模达到 570 亿元，同比增长 16.3%。预计未来 2-3 年，中国工业数据采集市场将保持稳定增长趋势。

图：2015-2020 年中国工业数据采集市场规模

2. 细分产品市场情况

图：2017 年中国工业数据采集细分产品市场规模

备注 1：传感器包括光电传感器、接近传感器、视觉传感器、位移传感器、速度传感器、加速度传感器等。读码设备包括条码设备、射频识别等。工业通讯模块包含工业串口卡、总线卡、串口服务器、工业电源、以太网模块等。

3. 细分行业市场情况

图：2017 年中国工业数据采集细分行业市场规模

点击上方“关注”,共同学习工业互联网相关知识！

(三) 工业数据采集存在的主要问题

当前工业数据采集面临的突出问题可以总结为“三不”：不敢传（数据安全问题）、不能传（协议标准不统一）、不需传（本地化和实时性问题），无法支撑实时数据采集和实时分析、智能优化和科学决策。

(1) 工业数据采集存在数据安全隐患

工业数据采集会涉及到大量重要工业数据和用户隐私信息，在传输和存储时都会存在一定的数据安全隐患，也存在黑客窃取数据、攻击企业生产系统的风险。急需从技术、管理和法律法规等多方面保障数据安全。

(2) 工业协议标准不统一且数据开放性不够

目前在工业数据采集领域，存在 Profibus、Modbus、CAN、LonWorks、HART、Profinet、EthernetIP 等多种工业协议标准，各个自动化设备生产及集成商还会自己开发各种私有的工业协议，各种协议标准不统一、互不兼容；同时很多设备和系统的数据开放性不够，缺乏数据开放接口及文档说明。导致协议适配、协议解析和数据互联互通困难。

(3) 工业数据采集实时性要求难以保证

生产线的高速运转，精密生产和运动控制等场景则对数据采集的实时性要求不断提高，传统数据采集技术对于高精度、低时延的工业场景难以保证重要的信息实时采集和上传，无法满足生产过程的实时监控需求。

(四) 我国工业数据采集产业格局

当前，工业数据采集发展越来越快，工业互联网的跑道越来越宽，工业自动化企业、网络通信企业、信息技术企业身影已纷纷出现。就当前情况而言，工业自动化企业具备先天竞争优势，起步和前期推广相对容易，可以在原有系统客户上深度耕耘。信息技术企业和网络通信企业在技术架构的高度上更有比较优势，战略构想和规划能力更为突出。

目前，工业数据采集产业供应侧主要有以下三类企业：

一是工业自动化企业，从自身核心产品能力出发，主要为工业数据采集提供接入设备，作为工业数据采集的源头，例如15西门子、研华、霍尼韦尔、安控等；

二是工业网络服务企业，主要为工业数据采集提供工业网络协议转换、传输、安全等配套设备和服务，部分企业从原有优势领域正在积极向制造业领域延伸发展，例如中国电信、中兴通讯、华为等；

三是工业数据采集解决方案企业，主要提供工业数据采集解决方案、系统开发、项目实施、系统集成等服务，例如北自所、和利时、明匠智能等。

已阅读完毕，点击上方“关注”,共同学习工业互联网相关知识！

本期导言

对于大多数企业来说，机器学习就像航空航天一样遥远，听起来既昂贵，又需要高科技人才的支持。今天，小A就来为您解锁PaaS上如何快速搭建ML环境？只需简单四步，小白也可快速入门。

人工智能浪潮席卷全球，诸多词汇时刻萦绕在我们耳边：机器学习、深度学习。不少人对这些高频词汇似懂非懂、一知半解。就说机器学习，它是人工智能的入门级技术，那么究竟什么是机器学习呢？

上图清晰描述了机器学习的过程，Learning Machine代表了一个用于学习的机器，通过喂给机器大量的Data，机器可以通过一定的算法产出相应的预测（Predictions）和假设（Hypothesis）等。

▌▌ “高大上”的机器学习≈高额的人力+金钱+时间

机器学习是大势所趋，但对大多数企业来说，它就像航空航天一样遥远，听起来既昂贵，又需要高科技人才。

一直以来，构建和部署ML模型所涉及的步骤需通过编码，从收集及处理数据、模型训练、模型部署到最终推理准确率的监控。这不仅需要数据科学团队来构建解决特定问题的有效模型，还需要一支非常有能力的工程师团队将模型转变为运营应用程序。如此所耗费的人力、金钱、时间成本，是很多企业所无法承受的。

▌▌ 算法小白轻松入门，简单四步搭建ML环境

针对上述问题，今天我们就来看看在研华WISE-PaaS上，如何4步搭建可操作的AI环境和构建模块。

研华WISE-PaaS技术架构

戳图，更多精彩内容！

1

研华提供丰富的数据采集设备和模块，确保您将所有有价值的物联网数据传输到通用数据库。WISE-PaaS私有云提供IoT-Hub，能够处理在任何给定时间发送数百万条消息的数百万台设备。

2

在WISE-PaaS / EnSaaS中，我们可以支持多种数据存储类型：从关系型数据库（PostgreSQL）、非关系型数据库（MangoDB）、时间序列数据库（InfluxDB）到对象存储（ BLOB）。

3

通过WISE-PaaS / Dashboard可视化工具，用户可通过拖放面板显示原始数据。并在显示的图表上进行注释，做为监督式学习的依据标签。

4

使用大数据分析框架AFS训练ML模型。通过目录，用户可以浏览并选择完整的AI解决方案或算法作为ML模型构建的起点。然后，选择ML框架：如TensorFlow，Caffe，Torch等来推动模型计算。在将表示数据源、数据预处理功能、算法和推理引擎端点的节点拖放到可视流IDE以设计完整的AI解决方案之前，可以通过代码IDE编辑参数。最后，按下按钮，用户就可以将推理引擎部署到目的地。

值得一提的是，AFS能够持续监控和提高预测准确性。在上述推理引擎部署的最后一步中，用户可以设置模型的重新训练模式：按照周期或通过精度监控，触发自主模型重新训练。如此，用户可以确保AI应用程序即使在不断变化的环境中也能保持最新状态。

点击获取→研华大数据分析框架AFS详细信息

重磅福利

只是寥寥数文，大家是否感到意犹未尽呢？为了那些想要深入了解我们WISE-PaaS的小伙伴，小A就来宣布一项重要福利啦！

关于研华WISE-PaaS工业物联网云平台，我们开设了一系列专业培训课程，现对外开放报名，感兴趣的小伙伴，赶紧文末留下您的姓名+电话+公司，通过筛选的小伙伴，我们会迅速与您联系。

研华物联网共创峰会

下戳图片，报名活动↓↓↓

本期导读

边缘层、平台层、应用层是工业互联网平台的三大核心层级 。之前我们已经解读过边缘层和平台层，今天我们就围绕应用层，以研华WISE-PaaS工业物联网云平台为例，介绍我们应用在智能工厂领域中的具体方案-整体设备效率管理方案。

如果说边缘层是基础，平台层是核心的话，那么应用层就是关键，就是要形成满足不同行业、不同场景的应用服务，并以工业APP的形式呈现出来。

以研华WISE-PaaS工业物联网云平台为例，在应用层，我们提供聚焦于各细分领域的软硬件整合解决方案（简称SRP）。

今天，小A就聚焦于应用比较多的智能工厂领域，为大家介绍一款整体设备效率管理方案。

研华整体设备效率管理方案

设备正常运转是生产要素，设备综合效率（简称OEE）是一台设备一贯的生产产品的能力。但目前国内企业特别是制造业，由于生产方式、人员素质、物流、设备维护、加工工艺等多种因素的影响，看似正常运转的的设备并没有发挥出其最大的产能。企业无法消除这些生产过程中造成的不必要浪费，导致生产效率难以提升。

而研华的整体设备效率管理方案，以物联网技术监控设备实时状态，并通过WISE-PaaS可视化仪表板呈现设备稼动率及线平衡率等重要信息。研华提供的云平台服务让管理者能够随时随地掌握现场生产信息及管理绩效指标，全面实现生产效率的优化。

▌▌ 系统架构

↑↑↑ 系统架构 ↑↑↑

如上图，您可以看到研华通过采集层、边缘计算以及云端处理三层架构，做不断的认知/纠错/改善循环精进。

● 在第一层采集层，通过研华数据采集方案进行设备信息的收集，如通过I/O方式采集设备的三色灯来获取设备状态，或通过通讯协议如Modbus方式；

● 第二层是边缘计算，通过WebAccess特有的节点上移方式将多区域的采集数据进行统合，并且可支持向上传输至WISE-PaaS云端；

▼ 软件架构 ▼

●第三层是云端数据处理和呈现，通过情景化的管理看板画面进行现场管理，使企业对设备的运行状况一目了然，比如：机器的运转效率是否正常？生产线上的次品率为何突然增高？器械的故障率为何增加？这些都可以在研华OEE系统中找到答案。

↑左图：设备稼动率；右图：设备现场看板↑

▌▌ 方案特点

总结来讲，研华提供的整体设备效率管理方案，有以下三个特点：

● 完整的数据采集

以开放架构协助客户搜集机台信息，针对不同类型，不同厂牌的机台设备，提供各种数据采集模块，并通过通讯整合平台，完成设备联网及信息采集，实现生产信息分析。右戳了解》》不同类型设备如何快速接入云平台？

● OT与IT信息整合

WISE-PaaS平台有效整合信息科技（IT）与营运技术（OT），再进一步结合开放式云端服务平台，行程智能企业整合架构，连接云端及数据分析应用，优化生产及运营管理。

● 工厂可视化管理

如上面WISE-PaaS可视化仪表板所展现的，通过信息可视化呈现，协助业者实时监控生产状态、设备稼动率等生产指标，落实实时便利的流程可视化管理应用，提升产能与品质的智能管理综效。

目前这款方案，在电子制造、制鞋及纺织、金属加工及数控机床等领域的企业中，都有成功应用，篇幅所限，这里就不多叙述。

更多的智能工厂解决方案

都将在研华物联网共创峰会中

进行现场演示

想要深入了解的小伙伴

现在赶紧报名峰会