工业互联网体系架构设计方案
2022-10-27 17:52:24 0 举报
AI智能生成
工业互联网体系架构设计方案
作者其他创作
大纲/内容
网络
网络互联
功能要求
即通过有线、无线方式,将工业互联网体系相关的人机物料法环以及企业上下游、智能产品、用户等全要素连接,支撑业务发展的多要求数据转发,实现端到端数据传输。
高频带、广连接、低时延
现存问题
低时延、高可靠、广连接、高灵活的要求还很难达到。(依靠5G、NB-IOT、RFID等技术解决)
数据互通
功能要求
实现数据和信息在各要素间、各系统间的无缝传递,使得异构系统在数据层面能相互“理解”,从而实现数据互操作与信息集成。
应用层通信、信息模型和语义互操作
现存问题
目前国际上现存的现场总线通信协议数量高达 40 余种, 不同厂商、不同系统、不同设备的数据接口、互操作规程等各不相同,形成了一个个烟囱型的数据体系。这些自成体系、互不兼容的数据体系有着独立的一套应用层通信协议、数据模型和语义互操作规范,导致 MES、ERP、SCADA 等应用系统需要投入非常大的人力、物力来实现生产数据的采集。(即集成难)
从不同设备、系统采集的异构数据无法兼容,难以实现数据的统一处理分析;(即兼容难)
跨厂商、跨系统的互操作仅能实现简单功能,无法实现高效、实时、全面的数据互通和互操作。(即全面互操作难)
标识解析
功能要求
当前,制造业企业多采用企业自定义的私有标识体系,标识编码规则和标识数据模型均不统一,“信息孤岛”问题严重,当标识信息在跨系统、跨企业、跨业务流动时,由于标识体系冲突,造成企业间无法有效进行有效的信息共享和数据交互,产业链上下游无法实现资源的高效协同。(即标识解析是解决企业上下游、产业链协同的必不可少的技术。)
标识解析技术在工业中应用广泛,但目前仍然停留在资产管理、物流管理、产品追溯等信息获取的浅应用上,并未渗透到工业生产制造环节,深层次的创新应用还有待发展。
标识解析提供标识数据采集、标签管理、标识注册、标识解析、数据处理和标识数据建模功能。
现存问题
标识应用链条较为单一
解析性能和安全保障能力不足
平台
通用意义上的平台功能模块
可视化
可视化形式:大屏显示、web端显示、手机端显示
SaaS
需求分析、流程优化、预测运维、能源管理等环节,数据驱动的工业新模式新业态不断涌现。具体应用如:设备管理(PHM)、能源管理、人员管理、生产管理(排产、自动化生产)
PaaS
对上提供SaaS应用环境,对下兼容调度OT、IT资源,同时平台提供一定开发应用环境
供需对接、开发者社区、应用商店、脑舱室站金
平台应可根据数据存放分为公有云、私有云、混合云等形式
IaaS
提供计算、存储、网络等弹性云资源
边缘层
物联网/信息系统接入/外部信息接入
现场加工生产设备
PLC、DCS、DNC
传感器
MES、ERP、SCADA等内部信息系统
外部网站、系统等信息
协议解析与数据预处理
将采集连接的各类多源异构数据进行格式统一和语义解析,并进行数据剔除、压缩、缓存等操作后传输至云端。
边缘分析应用
重点是面向高实时应用场景,在边缘侧开展实时分析与反馈控制,并提供边缘应用开发所需的资源调度、运行维护、开发调试等各类功能。
个性化平台功能
智慧企业
智慧园区
智慧企业
安全
安全分类
信息安全
功能安全
物理安全
安全特性
可靠性
硬件功能可靠
软件功能可靠
数据分析可靠
人身安全可靠
保密性
通信保密
信息保密
完整性
信息完整性
系统完整性
可用性
通信可用
信息可用
系统可用
隐私和数据保护
用户隐私保护
企业敏感数据保护
0 条评论
下一页