发帖
雷达卡
工业互联网平台需要解决多类工业设备接入、多源工业数据集成、海量数据管理与处理、工业数据建模分析、工业应用创新与集成、工业知识积累迭代实现等一系列问题。根据工业互联网产业联盟统计，工业互联网平台涉及七大类关键技术，分别为数据集成和边缘处理技术、IaaS技术、平台使能技术、数据管理技术、应用开发和微服务技术、工业数据建模与分析技术、安全技术。
图1：工业互联网平台关键技术体系图
表1:工业互联网细分技术品类
目前，工业互联网的众多支撑技术正迎来变革，将有力促进行业增速的提升。智能制造发展迅速，制造业自动化程度提升是工业互联网推广的重要条件。工业互联网平台的基础是边缘层的数据采集与集成，高自动化生产线是实现数据自动化采集的重要条件。
工业机器人：受人工成本上升及技术突破驱动，行业发展迅速。根据IFR统计，2016年全球工业机器人销量为29.43万台，同比增长16%，中国机器人销量为8.7万台，同比增长26.91%。从产量来看，2017年我国工业机器人产量为13.11万台，同比增长68.10%，2018年1-4月累计产量为4.64万台，同比增长32.20%。
自动化物流：2015年9月29日，国务院办公厅发布《国务院办公厅关于推进线上线下互动加快商贸流通创新发展转型升级的意见》，提出要转变物流业发展方式。运用互联网技术大力推进物流标准化，推进信息共享和互联互通，促进多式联运发展。2010-2016年，中国物流自动化行业市场供给规模呈现不断增长的趋势。2010年，中国物流自动化行业市场供给规模为122亿元，增长率为17.5%；2016年，市场供给规模增长为722亿元，增长率上升为31.3%。
图2：2010-2016年中国物流自动化行业市场供给规模
自动化立体仓库：根据前瞻产业研究院的数据显示，中国每年建成的各类自动化立体库已经超过400座，截至2016年中国自动化立体库保有量超过3300座，对应市场规模149亿元。然而与发达国家相比，美国、日本、德国的自动化立体仓库数量分别达2万多座、3.8万多座、1万多座，国内市场增长前景广阔。
预计自动化立体仓库市场增速将维持20%左右水平，2020年市场规模达325亿元。工业互联网带来工业数据的大幅增长，传统数学统计与拟合方法难以满足海量数据的深度挖掘，以深度学习、迁移学习、强化学习为代表的人工智能算法，正成为工业互联网平台解决各领域诊断、预测与优化问题的得力工具。
随着工业自动化应用领域的深入与多元化，实际应用场景存在诸多影响结果的因素，而算法的复杂度会随着变量数目的增加呈指数上升，当变量超过某个数目时已经难以通过人工为其制定合理的处理流程。与传统算法相比，机器学习能够在面临海量数据时做到举一反三，通过大数据训练能够寻找数据与结果之间的内在关联，并形成新的洞察力以帮助企业进行最优决策。目前机器学习算法的数目众多，常见如回归算法、基于实例的算法、正则化方法、基于核的算法、降低维度算法、集成算法、决策树学习、贝叶斯方法、聚类算法、关联规则学习等。根据新华社中国经济信息社发布的《新一代人工智能发展年度报告2017》显示，2018年我国人工智能市场规模有望达到339亿元，增速有望达到56.3%。
边缘计算技术突破，有效提升工业互联网平台承载能力。边缘计算是相对云计算而言的概念，是一种尽量靠近终端的小型数据中心，有助于提升平台的访问速度和性能，目前发展仍处于初级阶段。
从作用上看，边缘计算一方面能够在边缘层进行数据预处理，剔除冗余数据，减轻平台负载压力；另一方面能够利用边缘缓存保留工业现场全量数据，并通过缓存设备直接导入数据中心，降低网络使用成本。例如微软与金属切削刀具企业SandvikCoromant合作，基于AzureIoTEdge在边缘实现了流数据分析和机器学习算法，使故障处理时延从云端处理的2秒缩短到边缘处理的0.1秒。
京公网安备 11010802022788号
