繼德國工業 4.0 的提出，中國也確立了“中國制造 2025”的目標，工業 4.0 及物聯網的概念在中國大地上遍地開花，整個行業也是紅紅火火。

從工業大數據到智能制造，工業大數據云平臺將為工業創新和產能提高帶來新的機遇，在萬物互聯的時代助力生產力的提高，給全球工業帶來深刻的變革，創新企業的研發、生產、運營、營銷和管理方式。

三一重工的Witsight工業大數據云平臺就是國內工業大數據云平臺的典型代表。通過三一重工這面鏡子，我們得以一窺工業AI的應用現狀，包括三一重工在內的工業4.0大數據云平臺在“中國制造2025”計劃中將扮演的角色，以及當工業界與人工智能相遇，將碰撞出的火花。

1942年，美國科幻巨匠阿西莫夫提出“機器人三定律”,一、機器人不得傷害人，也不得見人受到傷害而袖手旁觀；二、機器人應服從人的一切命令，但不得違反第一定律；三、機器人應保護自身的安全，但不得違反第一、第二定律。

半個世紀之后，我們已隨處可見智能機器人的身影。2018年8月，OpenAI實驗室研制的機械手，已經能夠靈活控制六面立方體，這表明仿真操控做到了極佳的優化。

我們身邊越來越多的智能產品說明，我們已不可抵擋地身處于一個智能的時代。事實上，除了日常生活中普通人可以切身體會的語音助手等智能產品，在我們不常看不到的工廠車間里，智能化的步伐早已來臨...

當人工智能遇見冷冰冰的工業，會碰撞出什么樣的火花呢？今天我們將通過三一重工的工業大數據云平臺Witsight，來一窺在萬物互聯的人工智能時代，大數據云平臺在其中扮演著什么樣的角色。

揭秘三一重工Witsight工業大數據云平臺

在大多數人的印象里，三一重工可能就是一家大型重型機械生產商，最容易聯想到在施工場地忙碌的挖掘機、起重機等。

事實上，三一重工研究所是三一重工旗下的一個全資子公司，全稱是上海華興數字有限公司，其核心產品包括顯示屏、控制器、遙控器以及易維迅系統，被應用于挖掘機、履帶吊、挖掘鉆機、泵車、起重機、裝載機、礦山車以及攪拌站等工程機械的監控、管理與維護。但在隨著工業物聯網在快速發展，華興也嘗試利用云計算、大數據等技術豐富產品的功能，2014年華興采用大數據的方式取代經驗值，通過統計檔位、模式與操作習慣來實現設備的高效匹配。

2016年，華興開始建設WitSight工業大數據云平臺。主要應用有兩個，一個是智慧風場（用于管理分析風力發電機），一個是易維迅系統（用于管理挖掘機等工程機械設備）。利用云平臺在資源調度上的優勢和大數據系統對海量信息實時處理的功能，將設備上傳數據的間隔由分鐘級縮短秒級，并建立事件數據庫。

據悉，三一重工目前擁有 30 多萬臺大型的工程機械設備的保有量，每一個設備都有大量的傳感器參數上報到三一重工自主研發的Witsight工業大數據云平臺上，每天存儲處理的數據容量為200G，一年70T左右的數據量。三一重工華興工業大數據云平臺主要用于管理挖掘機、樁機為主，以公司的自身需求為主，但在設計之初就考慮到了平臺的通用性，在設備接入層，除了三一重工設備專有協議的開發之外，同時也支持MQTT等國際通用協議；在數據存儲與數據建模層也考慮到了對接不同廠商、不同類型的多元化設備。

張翔從技術和架構兩個層面講解了Witsight工業大數據云平臺是如何工作的。

1. 技術層面：

Witsight采用DCOS技術方案，通過大數據平臺整合Spark、Kafka、Cassandra、Mysql、Redis、Netty、Rabbitmq等關鍵技術和應用，實現對于工程機械設備數據的采集、分析、存儲的需求。

**Spark：**：提供系統高效的并行計算能力，能夠準實時地處理100萬臺海量設備上傳的工況數據。

**Cassandra：**提供海量數據的快速高效存儲及查詢，保障設備工況數據及時寫入，數據延時小于10s。

**Kafka:**一種高吞吐量的分布式發布訂閱消息系統，它可以處理挖機所有動作的流數據。

**Mysql：**使用主從集群模式，提供設備基本數據的存儲和報表數據的存儲。

2. 平臺架構層面

如上圖所示，華興EVIcloud整體架構分為計算平臺、業務平臺與可視化三個部分。其中計算平臺主要用來實現數據的采集、傳輸、存儲、處理與分析等功能。業務平臺又分為通用業務與產品業務，通用業務用來實現設備管理、運維人員管理、安全管理以及運行監控，而產品業務則會根據不同產品的屬性和功能進行合理的建模。可視化部分則用于實現數據、矢量組態與報表的多終端顯示、分布式控制以及圖形自由編排與聯通。

WitSight的優勢在于本土化

在工業大數據云平臺領域，GE（Predix）、SIEMENS（MindSphere）開創了大數據平臺的先河，在行業內占據絕對領導地位。與之相比，三一重工的WitSight核心能力和優勢體現在哪里呢？

對此，張翔引用了百度和谷歌的故事、阿里與eBay的故事。他說道：“國外的企業和產品進入國內，往往第一個要考慮的是本土化的問題。三一重工是中國大地上孕育出來的世界級企業，三一重工華興工業大數據云平臺也是中國土生土長的工業大數據云平臺。人家說背靠大樹好乘涼，三一重工華興工業大數據云平臺以管理三一設備開始，從2010開始開發并投入使用，工業大數據云平臺經過了這么多年的打磨與經驗積累，現在已經可以處理30萬在線設備，處理速度提升到了秒級。”

開發過程并非一帆風順

萬事開頭難，尤其是搭建這樣大規模的工業大數據云平臺。張翔告訴AI前線，三一重工團隊在整個構建工業大數據云平臺的過程遇到了不少的難題，比如在平臺運行的過程中，分布在全球各地的機器與裝備的傳感器需要實時地將數據傳送至WitSight數據分析平臺上，然后經過平臺的傳輸、處理和分析最終將數據通過可視化的方式靈活地呈現給用戶。整個數據傳輸和處理的過程雖然看似簡單，實現它們卻需要精心地設計整體架構，組合多種軟件和工具并且要經過反復的測試驗證和不斷的迭代。WitSight平臺中的數據傳輸、數據存儲以及數據處理等平臺需要集成Kafka、Cassandra、Spark、HDFS、Mongodb等軟件。此外，平臺也需要集成devops等工具，從而實現業務的敏捷開發與交付。在開發WitSight平臺以及智慧風場、EVIcloud應用的過程中，華興曾經設想并嘗試過多種解決方案，利用傳統的虛擬機交付或者申請公有云IaaS資源交付，但這會面臨著下述的一些問題：

部署配置復雜，每種軟件都需要相關專業的人員進行部署和配置，即使采用第三方工具，交付周期也需要數天甚至數周。

每個虛擬機只能用于特定的服務，同一個虛擬機不能同時運行多種應用，資源的整體利用率得不到提高。

遇到業務高峰時，需要申請新的IaaS資源，然后在虛擬機上繼續部署軟件，整個流程繁瑣，效率低下，無法做到全自動化地完成資源的彈性伸縮。

Kafka、Cassandra、Spark、HDFS、Mongodb等軟件架構相對復雜，在生產環境中往往需新招聘相關大量運維技能的人員或者花費大量的時間培訓內部員工。這種方式大大提升了軟件的使用門檻、復雜度以及成本。

無論是采用開源軟件還是使用企業版軟件，當Kafka、Cassandra、Spark、HDFS、Mongodb等軟件在使用中遇到了難題或者生產過程中出現故障時，研發人員與運維人員需要自行查詢資料解決問題或者單獨聯系各個軟件供應商解決問題，管理分散，無法快速突破技術難題、保證故障在第一時間內得到響應。

網絡與數據的安全無法得到有效的保證，無法實現網絡保護以及平臺數據的備份與恢復的集中管理。

面對這些實際的問題，三一重工上海華興更需要的是一個以應用為中心，在同一套基礎設施上能夠支撐不同類型業務負載的新一代云原生應用平臺。經過反復的思考、測試與驗證，三一重工決定彩用DC/OS(Mesos)作為底層平臺來支撐WitSight上的各種應用、工具和業務。這樣，上述難題就得以解決了。

未來5年將是工業大數云平臺發展最好的時機

在萬物互聯時代，的出現是順應時代發展要求的產物，在推動工業發展上它會扮演什么角色呢？另一方面，在“中國制造2025”計劃目標的驅動下，包括WitSight在內的工業大數據云平臺會為中國未來的發展做出什么貢獻呢？對此，張翔有著自己的理解。

“萬物互聯，即指的是物聯網，這幾年物聯網的概念遍地開花，比如穿戴設備出現、家庭智能設備的出現，都標志的物聯網的發展，物聯網的英文是IOT，工業物聯網的英文叫IIOT，工業物聯網就是物聯網在工業行業的應用。工業4.0是由德國最先提出來的，之后中國馬上提出了中國自己的“中國制造2025”，所以可以看出，工業物聯網的發展不僅是產業層面的需求，同時得到了國家政策層的支持，是未來的一個發展方向。工業大數據云平臺就是在這樣一個天時地利人和的環境下的產物，它順應產業與時代的發展需求，我相信未來5年將是工業大數云平臺發展最好的時機。”

不破不立，不新不進，創新對于工業企業轉型來說至關重要。對于工業大數據云平臺，三一重工在公司層面有三年規劃與五年規劃，有一整套的商業模式與發展戰略（詳細內容不便透露）。但在創新之下，三一在挖掘機領域的國內銷量已經多年第一，張翔認為公司未來在大工業大數據云平臺領域也能引領行業的發展。

物聯網是新一代信息網絡技術的高度集成和綜合應用，是新一輪產業革命的重要方向和世界產業格局重構的重要推動力。展望未來，工業物聯網將呈現三大演進趨勢：

數據處理方面：設備聯接趨于多元化，未來的設備在種類與數量上會有幾何指數的增長，如果把設備消息的解析與計算放到云端，對于云端會有很大的壓力，未來的發展數據的初步處理與計算會越來越邊緣化，目前行業內提倡的“邊緣計算”指的就是這個。

產業生態方面：目前很多企業都在自己做工業物聯網，平臺方面都是孤立的，每家的平臺都不一樣；信息方面也是各家獨享。在未來，每一家的工業設備廠家都是每個工業物聯網體系的一員，形成平臺共享、信息共享，形成一個集群效應、協同發展的新生態體系。

應用關注度方面：工業物聯網不僅能夠實現設備的互聯，還能夠通過優化產品類型、維護客戶關系為企業服務。目前工業物聯網的關注點都在設備資產這塊，但對于優化產品類型、維護客戶關系關注比較少。未來工業物聯網在收集產品與客戶的信息方面發揮重要作用，對于這方面信息的收集，來提升產品的滿意度、吸引力，同時又能提升客戶關系。

工業AI的現狀與未來

自從阿爾法狗打敗了李世石和柯潔之后，人工智能就開始走進了人們的生活，同時也越來越多的走近了工業領域。OpenAI的機械手自動識別六面體屬于AI，機械手自動組裝挖掘機也屬于AI，我們平時經常提到的機器學習也屬于AI范疇。大家都知道，機器學習=數據+特征+模型。在工業物聯網行業，數據不是問題，有設備就有數據，但基于數據去提取特征與建立有效的模型是工業物聯網領域的難點，不同的工業領域，特征與模型可能截然不同。所以，想要AI在工業領域有所發展，對于工業行業領域的細分與深入研究是必不可少的。目前工業行業內普遍的AI水平在如下三個方面：

應用數據的可視化分析。

人工智能除了能夠收集設備運行的各項數據(如溫度、轉速、能耗情況、生產力狀況等)，并存儲數據以供二次分析，對生產線進行節能優化，提前檢測出設備運行是否異常，同時提供降低能耗的措施。

機器的自我診斷。

比如一條生產線突然發出故障報警，機器能夠自己進行診斷，找到哪里產生了問題，原因是什么，同時還能夠根據歷史維護的記錄或者維護標準，告訴我們如何解決故障，甚至讓機器自己解決問題、自我恢復。

預測性維護。

通過人工智能技術讓機器在出現問題之前就感知到或者分析出可能出現的問題。比如，挖掘機在運行一段時間后設備的部件可能出現損耗，通過分析歷史的運行數據，機器可以提前知道部件損耗的時間，從而提前準備好更換的配件，并安排在最近的一次維護時更換部件。

除此之外，工業AI還可用于：

自動分析設備故障情況。

自動預測設備故障。

根據設定的參數，自動進行挖掘作業。

通過挖掘機上面的攝像頭，進行人臉識別與挖機手的行為分析，來對挖機手進行考核、安全提示等。

但是，和所有新興技術一樣，工業AI在發展的早期總會面臨各種困難和挑戰。

“工業AI越來越普及的今天與未來，‘安全’是現在與未來的一大挑戰，在這里‘安全’的范圍比較廣，比如：信息的安全、設備的安全、以及設備對于人的安全等，這是工業AI未來面臨的最大挑戰，希望在不久的將來也會出來‘工來AI三定律’來解決這個問題。”