工业智能制造IT-OT融合解决方案
发布时间：2022-05-23 00:00:00
该方案解决的是IT与OT之间的融合问题，在工业制造领域具有普遍性。目前正在实施的用户是具有显著示范效应的行业龙头企业。IT与OT的融合，将显而易见地对企业智能制造有所促进，提高企业的生产效率和数据应用效率。
作者：索提斯云智控科技（上海）有限公司
1 目标和概述
5G通信、人工智能、云计算等技术的应用与逐渐普及，给制造业发展带来了巨大的变革。根据工业和信息化部发布的《智能制造发展规划（2016-2020）》， 国家正在加快推进制造业逐步向智能制造转型的进程。 《规划》提出智能制造实施“两步走”战略：
第一步，到2020年，智能制造发展基础和支撑能 力明显增强，传统制造业重点领域基本实现数字化制造，有条件、有基础的重点产业智能转型取得明显进展；第二步，到2025年，智能制造支撑体系基本建立， 重点产业初步实现智能转型。
该方案的目标主要有以下几个方面：
（1）验证通信标准、5G应用，以及构建智能工厂所需的IT与OT融合的技术。
（2）以物联网技术与5G应用为主线，将新一代信息技术，如边缘计算、人工智能、深度学习等，与制造领域的系统深度融合。
（3）建立云-边-端一体化系统架构。
（4）探索OT领域的信息生态应用，制定OT网络接入标准（协议、数据接口规范等）。
（5）验证以5G、信息技术主导传统制造产业的协同创新应用及相关技术。
2 方案介绍
该方案采用云-边协同架构， 云端包括基于云的设施即服务（IaaS）、软件即服务（SaaS）、平台即服务（PaaS） 三部分， 提供在云中的应用程序开发和管理，云计算平台采用Open Stack相关组件实现云基础服务架构。如图1所示。
边缘侧包括云边协同、边缘计算、系统支撑三部 分，实现集中化的资源使用、监控和运维等。如图2所 示。
图1 解决方案云端架构图
图2 解决方案边缘侧架构图
系统框架如图3所示。
图3 系统框架图
该方案通过边缘网关将云与端的数据打通，通过IoT平台及边缘网关将OT与IT打通，IoT平台既可与制造执行系统（Manufacturing Execution System，MES）、仓库管理系统（Warehouse Management System， WMS）、企业资源计划（Enterprise Resource Planning，ERP）等IT系统进行通讯与交互，也可通过边缘网关与OT设备交互，进行数据采集，它是数据的汇总与处理中心。智能运营中心（Intelligent Operations Center，IOC）负责数据的展示和综合运用。
2.1 IoT平台
通过对MES系统、仓储系统、装配系统、质检系 统、行为异常识别系统、环境检测系统、设备健康及预测性维护系统、边缘网关的通讯集成，实现OT与IT系统间数据共享，为上层业务系统实现协同化，智能化提供前提。其部分业务功能如表1所示。
主要技术特点有：
（1）支持多种消息队列实现： Kafka、RabbitMQ。
（2）支持多种协议：MQTT、HTTP和CoAP。
（3）可基于设备和应用收集数据并进行可视化。
（4）可基于生命周期事件、REST API事件、RPC 请求构建工作流。
（5）可基于规则引擎自定义功能。
（6）可发布设备数据至第三方系统。
（7）微服务架构，支持本地部署及云部署。
（8）完善的认证机制，数据可以进行加密传输，确保安全性。
运行环境：跨平台，部署在可运行JVM的设备上，数据库为“关系数据库+时序数据库”，内存>4G。
2.2 IOC运营中心
IOC运营中心为运维管理人员构建统一的、业务清晰的数据展示平台，可为各子系统进行参数配置、数据查询、监控，为问题分析、决策调度、运营效率提升提供极大便利。
表2是需展示的部分数据列表。
表2 IOC运营中心部分数据展示列表
主要技术特点有：
（1）支持多数据源，支持REST API、WebSocket 及流式数据。
（2）可拖拽式生成大屏页面。
（3）可加密发布、动态鉴权。
（4）前后端分离，支持本地部署及云部署。
（5）完善的认证机制，数据可以进行加密传输， 确保安全性。
运行环境：跨平台，部署在可运行JVM的设备上，数据库为关系数据库，内存>4G。
2.3 边缘计算模块
（1）主要用于连接各种设备并进行数据采集，同时可以根据用户配置将采集的数据进行存储和转发。
（2）该设备支持多种协议，能连接多种设备，主要用于解决工业现场设备种类繁多、难以进行统一数据 采集的问题。
（3）该设备还具备简易PLC的功能以及SCADA功能。
（4）其主要技术特点如下：
· 支持5G；
· 4核处理器，4G以上内存；
· 支持RS485、RS232、Modbus、Ethernet、 USB等接口；
· 支持HDMI2.0显示接口；
· 支持数据存储；
· 自带SCADA系统， 支持用户自定义逻辑控制功能；
· 支持协议：Modbus RTU、Modbus TCP、TCP/ IP、MQTT、OPC UA；
· 自带PLC功能，并可外接PLC扩展模块；
· 支持Linux操作系统及部署容器化应用；
· 完善的认证机制，数据可以进行加密传输，确保 安全性。
2.4 AI算法平台
为了解决繁多的AI工具安装配置、数据准备、模 型训练慢等困扰AI工程师的诸多难题，通过引入AI算法建模平台，实现数据管理、数据分析、算法开发、模 型训练、模型部署和服务发布等功能需求统一集成到一个开发环境中，一站式地完成AI应用开发任务，降低AI应用的开发难度， 提高AI场景化应用的设计能力和部署服务能力。主要包含以下功能模块：
（1）数据治理
· 数据收集；
· 数据清洗；
· 数据标注等功能。
（2）模型构建/算法开发
· 预置模型，支持视觉类任务类型的开发模板；
· 支持多引擎框架（Jupyter Notebook、 Sklearn、TensorFlow、PyTorch、Spark等）；
· 支持拖拉拽式算子建模等。
（3）模型训练
· 机器学习、深度学习、自动学习等；
· 模型评估，多指标多角度对训练的模型进行评价。
（4）模型管理
· 模型版本管理；
· 模型转换；
· 模型评估；
· 模型监控。
（5）模型部署
· 一键部署、支持高并发、低延迟、多模型灰度发布、A/B测试、在线监控、在线推理；
· 私有化部署，服务器端SDK（多平台、多语言支持），Docker容器化部署；
· 设备端部署，模型量化压缩、云边端多场景部署和推理。
（6）服务管理
· 在线服务；
· 批量服务；
· 边缘服务。
2.5 智能质检系统
智能质检系统对泵体装配图像采集进行自动判别是否有错装和漏装，同时满足边缘设备的接入和数据管理要求；工业相机连接边缘设备后可以实现终端设备的数据采集、存储、分析、清洗并上报设备数据至云端服务器，边缘设备应支持MQTTS、Modbus等协议接入到边缘计算节点，并可通过边缘管理平台进行应用集成和业务扩展功能，实现设备的管理和智能控制。
其基本架构如图4所示。
3 代表性及推广价值
该方案解决的是IT与OT之间的融合问题，在工业制造领域具有普遍性。目前正在实施的用户是具有显著示范效应的行业龙头企业。IT与OT的融合，将显而易见地对企业智能制造有所促进，提高企业的生产效率和数据应用效率。
来源 | 《自动化博览》2022年第二期暨《边缘计算2022专辑》
