20、工业物联网架构：可扩展、稳健与安全的设计探索

工业物联网架构：可扩展、稳健与安全的设计探索

1. 工业物联网参考架构概述

参考架构可视为助力应用构建的流程、方法和工具框架，为特定系统、解决方案和应用的发展提供抽象起点。这里介绍两种突出的参考架构模式：工业互联网参考架构（IIRA）和RAMI 4.0。

1.1 工业互联网参考架构（IIRA）

IIRA是一个架构框架，涵盖信息、确定基本架构构建，明确关注点、利益相关者、视角、模型、规则和适用条件。其三维结构包含多个垂直的视角，以及产品生命周期和行业垂直两个水平轴。
- 视角分类
- 业务视角 ：包含业务价值、预期投资回报率、维护成本和产品责任等业务和监管方面的关注点。
- 使用视角 ：处理如何实现已确定的业务视角，由协调不同系统组件上工作单元的各种活动、任务和工作流组成。
- 功能视角 ：关注功能能力相关的问题，其功能域可进一步细分为控制、运营、信息、应用和业务五个子域。
- 实现视角 ：描述系统的技术组件、接口、通信协议、行为和属性。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(业务视角):::process --> B(使用视角):::process
    B --> C(功能视角):::process
    C --> D(实现视角):::process
    C --> E(控制子域):::process
    C --> F(运营子域):::process
    C --> G(信息子域):::process
    C --> H(应用子域):::process
    C --> I(业务子域):::process

1.2 功能视角深入剖析

功能组件专注于主要系统功能，支持工业物联网用例，通过处理物理系统捕获的数据来有效驱动物理系统。五个主要域相互关联，共同构建工业4.0生态系统，通过南北向数据连接，类似于IDA - 95结构。
- 控制域 ：北向包括传感、数据预过滤和通信；南向控制模块写入数据和控制信号以实现优化。
- 运营域 ：负责控制域系统的配置、管理和监控，位于控制域之上，有助于控制和优化企业内的多个工厂，解锁新业务模式。
- 信息域 ：负责管理和处理数据，其数据收集和分析功能与控制域互补，有助于决策和水平改进系统模型。
- 应用域 ：包含特定业务的应用逻辑、规则和模型，用于全局优化，还包含用于与其他层和应用进行数据交换的API和UI。
- 业务域 ：集成业务功能、企业资源规划、产品生命周期管理、人力资源管理、规划和工作调度系统、预算和财务系统、客户关系管理以及服务生命周期管理。

此外，还有跨领域功能或促成因素，如连接性、数据管理、分析和智能控制，以及系统特性或架构原则，它们相互交织构建可信系统。

1.3 RAMI 4.0

RAMI 4.0是一个面向服务的架构模型，将制造元素、业务流程和IT组件结合在一个层和生命周期模型中，以三维立方体形式系统映射工业4.0范式的复杂关系和功能。
- 层次级别轴 ：由IEC 62264和IEC 61512技术标准定义，包括从智能产品到连接世界的七个组件。
- 智能产品 ：具有内置智能，可自我指定和定位，能监控健康、运营、性能和周围环境，支持软件空中更新、动态现场校准等用例。
- 连接世界 ：聚合制造设施及其与外部支持企业、第三方供应商、客户、合作伙伴、销售单位、经销商和系统集成商的集成，实现按需供应原材料和远程调试等功能。
- 产品生命周期轴 ：跟踪产品从创意到生命周期结束的发展，分为类型和实例两个关键部分。
- 类型 ：涉及产品开发阶段，包括原型制作、计算机模拟等，使用模块指定标准维护周期、操作程序等。
- 实例 ：产品设计完成后进行大规模生产，每个产品实例都有唯一标识，生产组件包含特定产品信息，使用组件跟踪使用、磨损、维护、回收和报废信息。
- 分层数据架构轴 ：通过数据集成资产和业务层。
- 物理层 ：资产以物理形式表示。
- 集成层 ：资产转换为数字孪生。
- 通信层 ：连接各种数据源到数据湖。
- 信息层 ：处理和获取有价值的信息，计算关键绩效指标和相互依赖的指标。
- 业务层 ：将结果与生产输出进行货币关联展示。

轴名称	组成部分	说明
层次级别轴	智能产品、连接世界等	定义系统层次结构
产品生命周期轴	类型、实例	跟踪产品全生命周期
分层数据架构轴	物理层、集成层等	通过数据集成资产和业务层

2. 重要概念助力架构设计

2.1 资产管理壳（AAS）

AAS是物理资产的数字表示，包含资产的所有信息和功能，是物理资产与连接的数字世界之间的桥梁。其结构通过与技术无关的元模型和特定技术的序列化映射（如XML、JSON和OPC UA）定义，元模型可由多个子模型组成，实时更新以反映资产状态。AAS可视为工业4.0的数字孪生实现，用于与其他孪生和系统交互和交换信息。

2.2 数据服务总线（DSB）

DSB是制造服务总线的超集，提供参与规划生产、分销、服务、保险等各方之间的实时数据交换。实时数据可用性使我们能够可视化供应链波动、做出响应并降低供应链风险，有助于进行数据驱动的根本原因分析（RCA）。

例如，在摩托车刹车故障案例中，DSB使所有利益相关者（摩托车原始设备制造商、组件供应商、系统集成商和保险公司）立即了解事件，通过数据驱动的RCA实现更快的主动部件可追溯性和决策，还能提醒类似系统参数的摩托车避免类似情况，及时改进未来产品设计，增强整个价值链的透明度和信任。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(摩托车原始设备制造商):::process --> B(DSB):::process
    C(组件供应商):::process --> B
    D(系统集成商):::process --> B
    E(保险公司):::process --> B
    B --> F(数据驱动RCA):::process
    F --> G(主动部件可追溯性):::process
    F --> H(快速决策):::process
    F --> I(改进设计):::process

3. 架构设计的系统考虑因素

3.1 边缘与云的权衡

在架构设计中，需要考虑将决策的计算能力和自主性靠近资产（边缘）还是集中到中央系统（云）。带宽在系统设计中起着重要作用，由于工业物联网层机器和传感器产生的数据量巨大，且大多数车间位置网络条件不佳，数据传输成为挑战。
- 边缘优势 ：建议在这些场景中采用具有更高存储容量的强大边缘，可采用存储转发方法处理计算结果，或过滤并仅将关键数据（异常值、关键绩效指标）发送到云。在网络延迟过高影响决策的用例中，将计算卸载到边缘。
- 存储挑战 ：大量收集来自多个传感器的机器数据会迅速消耗硬盘空间，需要明确和智能的数据清除或存档策略以确保边缘高效运行。
- 数据敏感性 ：对于敏感数据，利益相关者不愿将其发送到工厂网络之外，边缘智能在计算阶段更受青睐，地缘政治边界的数据治理限制也适用此原则。

3.2 财务因素

除了操作因素，财务因素在系统设计和长期使用中也起着至关重要的作用。需要基于可量化的预测做出关于前期成本和运行成本的明智决策，以确保选择的方案具有长期可行性。

3.3 数据分类

数据是任何数字化转型项目中最关键的因素，在工业物联网背景下，数据可分为系统数据、性能数据和核心数据。
- 系统数据 ：包含状态、配置和可能的警报信息。
- 性能数据 ：关于系统的结构化遥测数据，用于监控设备的工作状态和健康状况。
- 核心数据 ：通常是机器产生的关键有效负载，来自传感器流、电表或摄像头的物理 + 数字值。在设计稳健的架构框架时，必须考虑数据的类型和频率。

4. AWS工业物联网参考架构

AWS工业物联网参考架构为理解解决方案的构建提供了良好起点，可根据项目的具体需求进行定制。该架构由熟悉的构建块组成：
- 收集块 ：在边缘聚合来自物理过程的原始数据。
- 摄取块 ：消耗传入的数据。
- 转换块 ：对数据应用转换和算法，并存储在数据库中。
- 洞察块 ：将算法应用的推理和结果呈现给用户。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(物理过程):::process --> B(收集块):::process
    B --> C(摄取块):::process
    C --> D(转换块):::process
    D --> E(洞察块):::process
    D --> F(数据库):::process

在设计解决方案架构时，虽然没有量化机制定义架构质量，但每个解决方案、场景、用例和环境都有独特的需求，架构设计是一个不断发展和改进的过程。只要架构符合相关原则和模式，就朝着正确的方向前进。

5. 工业物联网架构的应用案例分析

5.1 智能工厂的生产优化

在智能工厂场景中，结合IIRA和RAMI 4.0架构能实现生产的高效优化。例如，某汽车制造工厂采用IIRA的功能视角，通过控制域实时收集生产线上设备的运行数据，如传感器监测到的温度、压力等。运营域对这些数据进行分析，预测设备可能出现的故障，提前安排维护计划，减少停机时间。信息域将各个环节的数据整合，为管理层提供全面的生产报表，辅助决策。应用域则根据市场需求和生产能力，优化生产排程。

同时，利用RAMI 4.0的层次级别轴，智能产品（汽车零部件）自带智能芯片，可实时反馈自身状态，如零部件的磨损程度。连接世界轴实现了工厂与供应商、物流商的实时信息共享，确保原材料的及时供应和产品的高效配送。产品生命周期轴从设计阶段的模拟优化，到生产过程的质量控制，再到售后的维护管理，实现全生命周期的跟踪。

5.2 能源管理系统的应用

能源管理系统中，数据的有效利用至关重要。以一个大型工业园区为例，通过AAS对园区内的各种能源设备（如发电机、变压器等）进行数字建模。每个设备的AAS包含设备的技术参数、运行状态、维护记录等信息。DSB则实现了能源数据在不同部门（如能源管理部门、生产部门、财务部门）之间的实时共享。

在能源消耗高峰期，系统根据实时数据进行分析，通过控制域调整设备的运行参数，实现能源的优化分配。信息域对能源消耗数据进行长期分析，为园区的能源规划提供依据。业务域则根据能源成本和生产需求，制定合理的能源采购计划。

应用场景	涉及架构元素	实现效果
智能工厂生产优化	IIRA功能视角、RAMI 4.0各轴	提高生产效率、减少停机时间、优化生产排程
能源管理系统	AAS、DSB、IIRA各域	实现能源优化分配、提供能源规划依据、制定合理采购计划

6. 工业物联网架构的未来发展趋势

6.1 人工智能与机器学习的融合

未来，工业物联网架构将更多地融入人工智能和机器学习技术。例如，在功能视角的信息域中，利用机器学习算法对大量的生产数据进行深度分析，挖掘潜在的生产规律和问题。通过人工智能实现设备的自主决策和控制，提高生产的智能化水平。

6.2 区块链技术的应用

区块链技术可用于增强工业物联网架构的安全性和数据可信度。在数据传输和共享过程中，利用区块链的分布式账本特性，确保数据的不可篡改和可追溯性。例如，在供应链管理中，通过区块链记录原材料的来源、运输过程和使用情况，提高供应链的透明度和信任度。

6.3 5G技术的推动

5G技术的高速率、低延迟特性将极大地改善工业物联网架构中的数据传输问题。在边缘与云的交互中，5G网络使得实时数据的快速传输成为可能，进一步推动了工业物联网架构向实时化、智能化方向发展。

7. 总结与建议

7.1 总结

工业物联网架构的设计是一个复杂而又关键的过程，涉及到多种架构模式（如IIRA、RAMI 4.0）、重要概念（如AAS、DSB）以及系统考虑因素（如边缘与云的权衡、财务因素、数据分类）。不同的架构元素相互配合，共同构建了一个可扩展、稳健和安全的工业物联网生态系统。

7.2 建议

• 结合实际需求 ：在选择架构模式和设计架构时，要充分考虑企业的实际业务需求、生产环境和技术水平。不同的行业和企业可能需要不同的架构组合。
• 注重数据质量 ：数据是工业物联网的核心，要确保数据的准确性、完整性和及时性。建立完善的数据管理体系，对数据进行有效的清洗、存储和分析。
• 持续优化架构 ：工业物联网技术不断发展，架构也需要不断优化和改进。企业应建立架构评估机制，定期对架构进行评估和调整，以适应不断变化的业务需求。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(人工智能与机器学习):::process --> B(工业物联网架构):::process
    C(区块链技术):::process --> B
    D(5G技术):::process --> B
    B --> E(可扩展架构):::process
    B --> F(稳健架构):::process
    B --> G(安全架构):::process

通过对工业物联网架构的深入研究和应用，企业能够实现生产效率的提升、成本的降低和竞争力的增强，在未来的工业竞争中占据有利地位。