【中國傳動網(wǎng) 技術(shù)前沿】 1  什么是工業(yè)應(yīng)用？

對工業(yè)企業(yè)來說，應(yīng)用通常分為兩類：

IT類應(yīng)用：跟管理相關(guān)，包括辦公協(xié)同、人力資源管理、ERP、CRM，以及財務(wù)管理等應(yīng)用，主要圍繞人為主體的工作流。

OT類應(yīng)用：跟設(shè)備和流程相關(guān)，包括MES、DCS、SCADA、TPM、TQM相關(guān)的應(yīng)用。

第一類工業(yè)應(yīng)用，因為涉及到較多的企業(yè)差異化特征，需要很強的本地交付和定制能力，所以基本以國內(nèi)的軟件開發(fā)廠商為主，集中在一些高度定制化的領(lǐng)域，也正是由于國外廠商很難保證本地快速交付和定制，才有了國內(nèi)廠商的生存空間。但這些軟件都很難實現(xiàn)標(biāo)準(zhǔn)化，所以國內(nèi)工業(yè)軟件廠商普遍生存狀況都很艱難。

第二類工業(yè)應(yīng)用，也即OT應(yīng)用，是直接同工業(yè)設(shè)備打交道的，因此需要具備更多的專業(yè)知識，包括機械原理、電子電路、數(shù)據(jù)分析和數(shù)學(xué)建模、材料科學(xué)等，因此對開發(fā)人員也提出了相當(dāng)高的要求，要求軟件開發(fā)人員具備比較全面的跨專業(yè)能力，才能完成軟件的開發(fā)?？上攵?，這一類別的OT軟件人才是多么難得。

長期以來，國內(nèi)的企業(yè)軟件人才都普遍集中在IT應(yīng)用領(lǐng)域，OT領(lǐng)域的軟件人才極其匱乏，這也造成了OT應(yīng)用也是我國軟件產(chǎn)業(yè)最薄弱的一環(huán)，長期被國外設(shè)備廠商（GE、西門子、Rockwell、ABB、IBM等）所壟斷。

觀點

Predix上面開發(fā)的應(yīng)用是從OT應(yīng)用開始，逐步延伸到IT應(yīng)用。同時，Predix的OT應(yīng)用，也主要是針對GE銷售的各種高端設(shè)備在運行階段的各種優(yōu)化，如設(shè)備健康管理、生產(chǎn)過程效率提升和質(zhì)量提升等。這一點，跟國內(nèi)很多工業(yè)互聯(lián)網(wǎng)廠商的出發(fā)點是非常不一樣的。為什么Predix要從OT應(yīng)用開始？很簡單，在工業(yè)里面，所有的IT應(yīng)用都要最終服務(wù)于OT，而OT應(yīng)用直接跟工業(yè)的產(chǎn)出相關(guān)，因此OT應(yīng)用的提升空間遠比IT應(yīng)用更大，創(chuàng)造的價值也更大。

2  現(xiàn)有OT應(yīng)用的痛點

現(xiàn)有的OT應(yīng)用，已經(jīng)無法滿足日益增長的效率提升的需求，主要體現(xiàn)在如下幾個方面：

1.無法適應(yīng)工業(yè)的“大數(shù)據(jù)”

隨著逐步推進的數(shù)字化過程，工業(yè)數(shù)據(jù)已經(jīng)逐漸呈現(xiàn)“大數(shù)據(jù)”的4個V的特質(zhì)：

>>數(shù)據(jù)量(Volume)

工業(yè)，特別是3.0階段的工業(yè)，數(shù)據(jù)量之大是驚人的。每個大型復(fù)雜的設(shè)備都有數(shù)千個需要測量的信號，每個復(fù)雜的生產(chǎn)環(huán)節(jié)里面有數(shù)萬個數(shù)字化的參數(shù)，而且很多工業(yè)信號（電流、電壓、震動）的采集頻率已經(jīng)達到了Gbps級別，因此對應(yīng)的工業(yè)應(yīng)用系統(tǒng)都必須具備實時的流式和批量處理能力、海量的存儲能力以及相應(yīng)強大的分析能力，而這些在傳統(tǒng)的工業(yè)應(yīng)用里面是不具備的。

>>多樣性(Variety)

從工業(yè)數(shù)據(jù)源、數(shù)據(jù)采集、存儲和處理、分析方法等不同角度來看工業(yè)上的數(shù)據(jù)，都具備多樣性特征，而且遠遠超出其他行業(yè)數(shù)據(jù)的多樣性。

>>實時性(Velocity)

同許多其他行業(yè)數(shù)據(jù)分析很大程度上只是為了實現(xiàn)人的決策支持不同，工業(yè)行業(yè)中很多數(shù)據(jù)都有著很高的實時性處理要求，這不僅體現(xiàn)在基于規(guī)則的異常檢測、告警到自動反饋的過程，還包括需要在設(shè)備或者制造的連續(xù)過程中不斷采集實時數(shù)據(jù)、重新訓(xùn)練和修正模型的精度并重新發(fā)布的過程。

>>價值(Value)

通過數(shù)據(jù)分析創(chuàng)造的價值，在工業(yè)里面就更毋庸置疑。GE前任CEOImmelt曾經(jīng)提出過一個概念叫“1%的威力”，說的是在一些重點行業(yè)（油氣、電力、軌交、航空等）通過數(shù)字化的手段實現(xiàn)1%的資產(chǎn)效能和生產(chǎn)效率的提升，就能夠創(chuàng)造萬億級的利潤。

大數(shù)據(jù)給傳統(tǒng)工業(yè)帶來的挑戰(zhàn)，恰恰是傳統(tǒng)工業(yè)應(yīng)用無法應(yīng)對的。

舉一個例子，自動化生產(chǎn)都會伴隨著產(chǎn)生大量的設(shè)備和生產(chǎn)數(shù)據(jù)，通過對數(shù)據(jù)的精細化的分析，可以找到在生產(chǎn)過程中各種不確定現(xiàn)象（產(chǎn)能和良率抖動、設(shè)備無計劃停機）產(chǎn)生的原因，從而能夠創(chuàng)造出非常高的價值。并且越自動化的生產(chǎn)過程，數(shù)據(jù)量、維度和實時性的要求也就越高。

但是，正是由于缺少對大數(shù)據(jù)在采集、存儲和分析上的支持，傳統(tǒng)應(yīng)用僅僅能夠?qū)崿F(xiàn)有限維度的實時監(jiān)控，無法從海量的傳感器指標(biāo)中分析出對異常有貢獻的因素，更無法對各種關(guān)鍵指標(biāo)的發(fā)展趨勢進行預(yù)測。

2.無法實現(xiàn)對未知的探索

相對于工業(yè)2.0，工業(yè)3.0最大的進步就是引入了PLC（ProgrammableLogicController），運用數(shù)字化的手段實現(xiàn)對設(shè)備運行情況、外部環(huán)境、產(chǎn)品數(shù)據(jù)的測量，通過實現(xiàn)對設(shè)備運行和操作的反饋，來保證制造和設(shè)備運行的準(zhǔn)確性和穩(wěn)定性。因此，原本在工業(yè)2.0階段完全靠操作人員聽、看、聞、摸等模糊化的測量和手動的控制手段，在3.0階段通過部分的數(shù)字化實現(xiàn)了精準(zhǔn)的測量，并根據(jù)設(shè)定的機理制定相應(yīng)的控制邏輯，實現(xiàn)穩(wěn)定的輸出控制。

工業(yè)行業(yè)內(nèi)流傳一句經(jīng)典的話：“如果能夠測量，就一定能夠改善”，也就是說一個工業(yè)過程，如果所有的輸入以及影響要素都是可以測量的，那工業(yè)過程的輸出一定是可控的。

但是，真實的工業(yè)卻遠遠沒有那么簡單。

首先，在生產(chǎn)過程中存在太多的影響因子，并且由于工業(yè)數(shù)據(jù)量巨大并且傳統(tǒng)的保存分析手段有限，導(dǎo)致很多貢獻異常的要素都無法在事先規(guī)劃好并且有效地保存下來，因此也容易產(chǎn)生很多無法解釋的問題。

其次，工業(yè)生產(chǎn)和運營過程里面，很多工業(yè)的因素是無法直接測量的，比如設(shè)備的健康度、螺絲的松緊程度、軸承的不平衡情況等。因此，只能依靠其他可測信號的數(shù)據(jù)，通過機理模型的方式來實現(xiàn)間接測量。但是由于很多變量不可測，造成工業(yè)有很多明知其然卻不知其所以然的現(xiàn)象，故而也無法用準(zhǔn)確的機理模型來解釋。

第三，對海量歷史數(shù)據(jù)的實時分析和預(yù)測能力的缺失，造成無法從海量歷史數(shù)據(jù)中尋找到相應(yīng)的規(guī)律（相關(guān)性、因果性等），更不用說對未來的預(yù)測。

這些原因，都造成了很多工業(yè)的未知現(xiàn)象無法依靠傳統(tǒng)的應(yīng)用來解決的問題。

舉一個例子，在故障維修模式上，由于缺少有效的數(shù)據(jù)分析和壽命預(yù)測手段，傳統(tǒng)的工業(yè)應(yīng)用只停留在了預(yù)防性維護階段，通過定期的保養(yǎng)實現(xiàn)早期的故障預(yù)防。這種維護成本是非常高的，企業(yè)不得不去安排更多的人力、預(yù)留更多的備品備件來實現(xiàn)早期的預(yù)警，因此往往無法在過度維修(定期巡檢)和被動維修（故障停機之后的維修）之間取得有效的統(tǒng)一。

3.無法實現(xiàn)專家經(jīng)驗的沉淀

工業(yè)領(lǐng)域中最具寶貴的價值無疑是專家的知識和經(jīng)驗。但是，工業(yè)領(lǐng)域卻一直缺少對專家知識和經(jīng)驗的有效保存、復(fù)制和轉(zhuǎn)移的手段。這種專家的知識和經(jīng)驗，不僅包括在特定情況下的異常判決和處理方式，更包括優(yōu)化的策略。

但是，眾所周知，人的認知都是模糊而不是精確的，如果沒有數(shù)字化的手段，就沒有辦法實現(xiàn)精準(zhǔn)的判決。同時，人的認知僅僅只能夠停留在有限的時間和有限維度的判決上，無法擴展，更無法實現(xiàn)對復(fù)雜問題的精準(zhǔn)分析。

而傳統(tǒng)的工業(yè)應(yīng)用，一方面由于缺少數(shù)字化的手段（數(shù)據(jù)采集、數(shù)據(jù)存儲、模型開發(fā)等）而造成專家知識難以形成量化的結(jié)果，另一方面也缺少有效的知識經(jīng)驗開發(fā)工具，幫助專家提升知識經(jīng)驗積累的能力。

舉一個眾所周知的例子，高端裝備供應(yīng)商都會針對設(shè)備的特定故障提供FMEA(FailureModeEffectAnalysis)的表格，根據(jù)實驗數(shù)據(jù)給出不同的故障模式，并且給出在特定的故障發(fā)生情況下，需要按照既定的方式采取特定的動作。但是FMEA一直以來都是一些模糊的表述方法，一方面缺少數(shù)字化的手段來保存實驗數(shù)據(jù)給出的故障特征（電流、電壓等傳感器指標(biāo)在故障上的“指紋”），也沒有有效手段在實際應(yīng)用過程中基于對這些“指紋”的比對來實現(xiàn)故障判決，更無法將實際運行中出現(xiàn)的新故障的數(shù)字化特征反饋到FMEA里面來減少未來的異常判決。

4.無法實現(xiàn)敏捷的應(yīng)用交付

工業(yè)領(lǐng)域本身就是環(huán)節(jié)眾多、異常離散和復(fù)雜的多應(yīng)用場景，很難用一套固化的應(yīng)用來解決諸多突發(fā)和異常事件。因為傳統(tǒng)的工業(yè)應(yīng)用開發(fā)和迭代是一個非常冗長的過程，開發(fā)和迭代周期動輒數(shù)年，無法有效地應(yīng)對突發(fā)情況。

同時，工業(yè)應(yīng)用領(lǐng)域需要具備跨領(lǐng)域的專業(yè)知識，例如數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析和建模等等，往往是非常專業(yè)的人、依靠不同領(lǐng)域的專業(yè)工具來產(chǎn)生各自領(lǐng)域的半成品結(jié)果，并最終由應(yīng)用開發(fā)人員實現(xiàn)整合。但是傳統(tǒng)的應(yīng)用開發(fā)模式，缺少類似API、微服務(wù)、容器化的整合方案，無法實現(xiàn)跨領(lǐng)域的有效整合，只能依賴各方面都精通的跨領(lǐng)域人才實現(xiàn)有效整合，這無疑加大了開發(fā)的難度，限制了應(yīng)用的擴展和靈活性。

3  為什么Predix能解決這些問題？

一句話，技術(shù)發(fā)展了，可以在現(xiàn)階段用新的技術(shù)來解決老問題。

這里主要包括如下幾個方面：

1.物聯(lián)網(wǎng)技術(shù)的發(fā)展

工業(yè)狀態(tài)監(jiān)測的各種傳感器（包括環(huán)境監(jiān)測、震動、聲敏傳感器），隨著使用的普及和技術(shù)的改進，開始變得更廉價，用戶可以在更廣泛的應(yīng)用場景中采集更全面的工作狀態(tài)；而NB-IOT、5G網(wǎng)絡(luò)的商用，不僅解決了傳輸距離、傳輸帶寬問題，更提高了傳輸?shù)膶崟r性，這樣，海量的數(shù)據(jù)得以回到云端實現(xiàn)更實時的判決，反饋到現(xiàn)場端實現(xiàn)更準(zhǔn)確的控制。

2.大數(shù)據(jù)技術(shù)的發(fā)展

隨著大數(shù)據(jù)技術(shù)在互聯(lián)網(wǎng)、金融、電信等行業(yè)的普及，讓工業(yè)對海量數(shù)據(jù)的處理門檻變得很低。一方面，針對工業(yè)海量傳感器（流式）和操作記錄（批量）數(shù)據(jù)的實時處理和分析手段，可以采用現(xiàn)有的大數(shù)據(jù)處理工具；另一方面，在上述各個行業(yè)培養(yǎng)起來的各種大數(shù)據(jù)人才，在數(shù)量、質(zhì)量和成本幾方面都已經(jīng)可以滿足傳統(tǒng)工業(yè)企業(yè)的需求。

3.人工智能技術(shù)的發(fā)展

隨著最近幾年深度學(xué)習(xí)技術(shù)的發(fā)展，人工智能技術(shù)在圖像和語音識別等固定場景已經(jīng)超越了人的能力限制，并逐步發(fā)展到可以實現(xiàn)對未來很多未知的判決和預(yù)測。在工業(yè)領(lǐng)域，充分利用這些研究成果，不僅可以實現(xiàn)產(chǎn)線機器視覺這種簡單的應(yīng)用，更能實現(xiàn)對多維度設(shè)備健康、產(chǎn)能、質(zhì)量以及能耗等維度的判決和預(yù)測。

4.云計算技術(shù)的發(fā)展

隨著云計算的加速發(fā)展，計算、存儲和網(wǎng)絡(luò)資源層面的基礎(chǔ)需求和靈活性需求已經(jīng)不再是問題，而PaaS技術(shù)的逐步成熟，更將應(yīng)用開發(fā)、大數(shù)據(jù)分析等過程，通過微服務(wù)和微應(yīng)用的方式實現(xiàn)了有效的整合，極大提高了應(yīng)用開發(fā)和數(shù)據(jù)分析的效率和完整性。

4  GE為何用Predix平臺開發(fā)OT應(yīng)用？

我分析這里面有幾個原因：

1.無法整合和集成

GED(GEDigital的簡稱)本身在多年的發(fā)展過程中，無論是給客戶定制開發(fā)還是購買的公司，都提供了數(shù)量（種類）眾多、數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、架構(gòu)不一致的軟件，不同的軟件之間很少有集成的接口、相同的數(shù)據(jù)定義，無法保證相互之間的互操作和集成，給客戶造成了很多的煙囪應(yīng)用和數(shù)據(jù)孤島。

2.無法滿足高效交付的要求

GED不斷面臨新的應(yīng)用開發(fā)需求，而客戶要求的交付周期越來越短，原有動輒數(shù)年、冗長而笨重的產(chǎn)品開發(fā)周期和更新周期已經(jīng)越來越跟不上節(jié)奏，大家不約而同地將開發(fā)模式轉(zhuǎn)向了互聯(lián)網(wǎng)應(yīng)用的敏捷開發(fā)、功能重用、組件是交付的模式。

3.無法實現(xiàn)跨專業(yè)的整合

工業(yè)應(yīng)用不僅涉及到應(yīng)用開發(fā)，還包括了細致的數(shù)據(jù)分析，甚至專業(yè)的機理模型開發(fā)，而這些專業(yè)能力還要針對不斷變化的需求進行針對性的調(diào)整。如果按照傳統(tǒng)的軟件開發(fā)思路，一定避免不了需要開發(fā)人員充分理解業(yè)務(wù)場景、機理模型才能開始設(shè)計，但這種軟件開發(fā)一定是非常低效的。

因此，GE推出Predix平臺，并且將持續(xù)基于Predix進行新的應(yīng)用開發(fā)，并不是早先就設(shè)計好的，而是其發(fā)展過程中理所當(dāng)然會走的一條路線。

從應(yīng)用的角度來說，隨著應(yīng)用類型的增多和功能的復(fù)雜化，為了實現(xiàn)快速和穩(wěn)定的交付，應(yīng)用開發(fā)最終都會走到集約化、平臺化開發(fā)的路線上來。

觀點

下面是我理解的關(guān)于（工業(yè)互聯(lián)網(wǎng)）平臺和應(yīng)用之間的關(guān)系。

從圖中可以看到，工業(yè)互聯(lián)網(wǎng)平臺雖然也被稱為工業(yè)PaaS平臺，但跟通用的PaaS（下面兩層，包括PaaS和服務(wù)框架，以及包括數(shù)據(jù)庫、用戶管理等在內(nèi)的通用服務(wù)）相比，增加了工業(yè)部分的內(nèi)容，這部分內(nèi)容一方面包括跨行業(yè)的各種通用服務(wù)，比如設(shè)備管理和接入、工業(yè)數(shù)據(jù)處理和時序數(shù)據(jù)庫、工業(yè)大數(shù)據(jù)建模工具等，還包括了跟每一個具體行業(yè)緊密相關(guān)的應(yīng)用開發(fā)框架、模型、特征庫等功能。

Predix也是這個設(shè)計思路，它從本質(zhì)上來說是一個面向工業(yè)的PaaS平臺，因此，Predix提供的各種能力，都是需要滿足上層工業(yè)應(yīng)用開發(fā)需求的。雖然Predix最早是構(gòu)建在CloudFoundry（上圖的平臺下面兩層）之上，但是從一開始，就并沒有滿足于Heroku、Force.com、Beanstalk等通用PaaS，而是在CloudFoundry的基礎(chǔ)上又增加了非常多針對工業(yè)應(yīng)用的能力，這里不僅包括工業(yè)設(shè)備的接入和邊緣計算、工業(yè)數(shù)據(jù)清洗和存儲，還包括了工業(yè)數(shù)據(jù)分析和建模、以及快速應(yīng)用開發(fā)的能力。

5  Predix平臺和Predix應(yīng)用

Predix上的應(yīng)用，與傳統(tǒng)意義上的工業(yè)設(shè)計（PLM）、工業(yè)生產(chǎn)（MES、ERP）、工業(yè)營銷（CRM、e-Commerce)以及倉儲物流管理（WMS）等有很大的差別。Predix上的應(yīng)用包括了三個級別的應(yīng)用：設(shè)備級別、過程級別和業(yè)務(wù)級別的應(yīng)用。而Predix重點強調(diào)的，是前兩個級別的應(yīng)用。

同傳統(tǒng)的豎井式應(yīng)用相比，Predix這三個級別的應(yīng)用是層層迭代、一環(huán)扣一環(huán)的：

設(shè)備級別：這部分以追求可靠性為目標(biāo)，主要針對設(shè)備本身，即工業(yè)的原子單元。通過物聯(lián)網(wǎng)接入設(shè)備來采集設(shè)備的原始數(shù)據(jù)和參數(shù)，不僅能夠現(xiàn)對工業(yè)設(shè)備一些關(guān)鍵參數(shù)當(dāng)前狀態(tài)的提取，還能夠通過各種分析模型實現(xiàn)對設(shè)備過去和未來狀態(tài)的判決，并且可以將這種判決同采集的實時數(shù)據(jù)進行關(guān)聯(lián)，實現(xiàn)實時診斷和預(yù)測。而傳統(tǒng)的控制系統(tǒng)僅僅能夠?qū)崿F(xiàn)當(dāng)前狀態(tài)的監(jiān)控和有限的歷史數(shù)據(jù)分析。

過程級別：這部分以追求效率為目標(biāo)，針對的主要是生產(chǎn)過程。需要依賴于設(shè)備級別的各種分析結(jié)果和KPI指標(biāo)，將其映射到不同上下文的生產(chǎn)環(huán)節(jié)中，結(jié)合在不同生產(chǎn)過程上的操作要求，實現(xiàn)整個連續(xù)生產(chǎn)的關(guān)鍵指標(biāo)分析和控制。

業(yè)務(wù)級別：這部分以追求利潤為指標(biāo)，針對的對象主要是管理流程?；谏a(chǎn)過程中的各種分析數(shù)據(jù)和關(guān)鍵指標(biāo)，企業(yè)各種IT類的經(jīng)營管理類業(yè)務(wù)系統(tǒng)（ERP、CRM、WMS），實現(xiàn)更大范圍（時間維度、空間維度、數(shù)據(jù)維度）的精準(zhǔn)決策支持。

除此之外，Predix平臺還開放了很多能力，支持客戶和合作伙伴在平臺上，利用現(xiàn)成的模塊，開發(fā)不同行業(yè)領(lǐng)域的應(yīng)用。

Predix平臺的設(shè)計理念

Predix上面開發(fā)的各種應(yīng)用，從一開始就具備了很多鮮明的特點，包括DigitalTwin、數(shù)據(jù)驅(qū)動、微服務(wù)。

1DigitalTwin

DigitalTwin是Predix應(yīng)用的核心組成部分，通過DigitalTwin，用戶不僅可以隨時隨地獲得物理設(shè)備或者過程的實時監(jiān)測，更能通過海量歷史數(shù)據(jù)的積累和細致的分析，獲得很多無法直觀監(jiān)測到的設(shè)備或過程的性能指標(biāo)，如設(shè)備健康度、故障產(chǎn)生原因或者不良因素的相關(guān)性，并能夠?qū)υO(shè)備和生產(chǎn)過程進行仿真模擬，同時將生產(chǎn)和運維過程中的經(jīng)驗通過數(shù)字化的方式保存下來，形成對未來判決的依據(jù)。

在ACMMM2017大會上，GED（GEDigital）對DigitalTwin給出了更明確的解釋，而且宣稱，GED已經(jīng)基于Predix開發(fā)和部署了接近一百萬個DigitalTwin。

1.何為DigitalTwin?

DigitalTwin這個概念已經(jīng)快被各大咨詢機構(gòu)和廠商用爛了，很多人把它簡單的理解成了在設(shè)計和仿真階段，用3D手段來呈現(xiàn)和仿真模擬物理設(shè)備運行狀態(tài)的功能。

Gartner關(guān)于DigitalTwin的定義如下，即DigitalTwin指的是基于物理設(shè)備的傳感器數(shù)據(jù)，通過動態(tài)的模型來改進運營和增加價值。

而GED官方對DigitalTwin的有著更清晰的定義：

字面意思是“用軟件的方式來表征物理設(shè)備”，并且可以“讓企業(yè)更好的理解、預(yù)測和優(yōu)化每一個設(shè)備的性能”。同時，DigitalTwin，可以是“一個獨立的設(shè)別”，也可以是“一個集成的系統(tǒng)”，也可以是“一群設(shè)備”。

2.Predix如何定義DigitalTwin？

GE將DigitalTwin分成了三部分，包括AssetModel、AnalyticModel以及KnowledgeBase。

AssetModel

AssetModel:可以理解為設(shè)備的生命周期管理能力，可以為設(shè)備設(shè)定相應(yīng)的屬性、設(shè)置特定的工作狀態(tài)，以及在不同工作狀態(tài)下的數(shù)據(jù)和模型。

AssetModel是把物理的設(shè)別用數(shù)字化手段來表現(xiàn)和定義的方式，它包括了很多方面：

>設(shè)備的層次關(guān)系、位置、標(biāo)簽、管理人員的定義

>動態(tài)和靜態(tài)的屬性的定義

>關(guān)鍵指標(biāo)的定義

>2D/3D的模型映射

通過AssetModel，不僅可以設(shè)置設(shè)備在不同生命周期中的屬性、狀態(tài)和連接關(guān)系，還能夠?qū)Σ煌恢?、層級的傳感器?shù)據(jù)的來源、保存方式以及相應(yīng)的屬性進行定義，方便構(gòu)建實時的狀態(tài)監(jiān)測。

基于AssetModel，還可以提煉出跟設(shè)備領(lǐng)域知識相關(guān)的一些參數(shù)，比如關(guān)聯(lián)關(guān)系、層級關(guān)系等。

AnalyticModel

AnalyticModel:為虛擬空間中需要構(gòu)建的關(guān)鍵指標(biāo)提供包括統(tǒng)計分析、診斷分析、預(yù)測分析和決策優(yōu)化等能力。

設(shè)備運行會定義很多虛擬的性能指標(biāo)，如設(shè)備健康度、剩余壽命等，而這些無法通過傳感器直接測量的計算指標(biāo)，就需要通過AnalyticsModel的建模分析能力，基于對設(shè)備原始數(shù)據(jù)的存儲和特定的算法模型來計算這些虛擬的性能參數(shù)，進而形成一個又一個在平臺上運行的實時模型。當(dāng)設(shè)備上特定的實時數(shù)據(jù)送達這些模型之后，系統(tǒng)會實時地計算出相應(yīng)的虛擬性能指標(biāo)。當(dāng)虛擬指標(biāo)超出一定設(shè)定的門限，系統(tǒng)就會產(chǎn)生相應(yīng)的動作。

AnalyticModel是DigitalTwin的大腦，是指基于設(shè)備產(chǎn)生的原始數(shù)據(jù)、通過各種建模方法（機理+數(shù)據(jù)）和建模工具（語言+機器學(xué)習(xí)）來構(gòu)建各種對設(shè)備的判決。通過精細化的分析，AnalyticModel不僅可以讓運營人員充分理解基于歷史數(shù)據(jù)構(gòu)建的設(shè)備上下文（Context），還能夠基于歷史數(shù)據(jù)構(gòu)建的模型對當(dāng)前的狀態(tài)進行評估，并且對未來的狀態(tài)進行預(yù)測。

這種分析往往包括的兩個維度：時間維度+空間維度。

時間維度指的是基于該設(shè)備（過程）的歷史數(shù)據(jù)，構(gòu)建當(dāng)前的狀態(tài)評估和未來的性能預(yù)測。這種分析適合樣本數(shù)量不多，但歷史數(shù)據(jù)保存完整的分析場景。

空間維度是指基于其他同類型設(shè)備（過程）的歷史數(shù)據(jù)，開發(fā)或者訓(xùn)練相應(yīng)的模型，對當(dāng)前設(shè)備進行狀態(tài)評估和性能預(yù)測。這種分析適合樣本數(shù)量眾多，但歷史數(shù)據(jù)保存不完整的分析場景。

KnowledgeBase

KnowledgeBase:則將行業(yè)的知識和經(jīng)驗以數(shù)字化的方式進行保存，形成可以復(fù)制、轉(zhuǎn)移的依據(jù)。

這部分在ACMMM2017大會上并沒有太多提及，更多是一些模糊的概念。我個人理解這里主要指的是數(shù)據(jù)科學(xué)家與領(lǐng)域?qū)＜医涣?、得到某個設(shè)備的領(lǐng)域知識和數(shù)據(jù)、用于構(gòu)建digitaltwin的一個過程。

一方面，對于數(shù)據(jù)科學(xué)家來說，每一個設(shè)備的性能分析，都需要具備一定的領(lǐng)域知識。而這里提到的領(lǐng)域知識，不僅指的是根據(jù)機理模型了解設(shè)備的工作原理，還需要具備一定的關(guān)聯(lián)性，通過關(guān)聯(lián)性來降低分析的維度和復(fù)雜度，增加分析的確定性。

另一方面，工業(yè)設(shè)備在運行過程中的不同狀態(tài)下會在各種指標(biāo)上表現(xiàn)出不同的特征，如果將這種特征同設(shè)備的故障或者過程的異常，以及處理的方法和記錄相關(guān)聯(lián)，就可以形成現(xiàn)象和數(shù)據(jù)的映射關(guān)系，也就是我們常說的“專家經(jīng)驗”。但是這種“專家經(jīng)驗”是可以數(shù)字化保存的，不會因依賴于人的記憶的模糊特點而失真。隨著運行數(shù)據(jù)和故障、異常特征的不斷積累，對于設(shè)備和生產(chǎn)過程中的各種判決將會越來越自動化和精準(zhǔn)。

3.如何構(gòu)建DigitalTwin

基于上面提到的三個要素，Predix在平臺上提供了一系列的開發(fā)工具，包括：

AssetModelWorkbench：提供資產(chǎn)模型的開發(fā)環(huán)境，來定義設(shè)備的資產(chǎn)模型，包括各種參數(shù)、屬性、指標(biāo)和2D/3D模型的映射。

AnalyticWorkbench：提供模型的快速建模開發(fā)環(huán)境，包括基于設(shè)備資產(chǎn)模型構(gòu)建的機理和機器學(xué)習(xí)模型。

DigitalTwinWorkbench：提供DigitalTwin的開發(fā)和部署環(huán)境，實現(xiàn)快速、批量生成和部署部件級以及全系統(tǒng)的各種DigitalTwin。

下面是Predix上開發(fā)DigitalTwin的完整過程。

基于設(shè)備采集的數(shù)據(jù)，構(gòu)建AssetModel，建立物理設(shè)備與虛擬實體之間的映射關(guān)系，并且通過提煉設(shè)備的領(lǐng)域知識，結(jié)合歷史數(shù)據(jù)的分析，構(gòu)建模型并發(fā)布到模型的運行環(huán)境中。

4.Predix應(yīng)用如何使用DigitalTwin？

對于Predix的應(yīng)用來說，Predix構(gòu)建的DigitalTwin可以用在下面三個方面：

物理系統(tǒng)的早期預(yù)警

對當(dāng)前操作和使用的長期預(yù)測

對操作的動態(tài)優(yōu)化

Predix應(yīng)用的核心是圍繞著DigitalTwin開展的，把DigitalTwin作為構(gòu)建Predix應(yīng)用的單元級別的能力。

下面是基于Predix的工業(yè)應(yīng)用例子。

可以看到，Predix可以為不同的物理設(shè)備構(gòu)建獨立的DigitalTwin，并基于DigitalTwin，首先構(gòu)建設(shè)備級別的應(yīng)用(APM)，然后再在設(shè)備級別應(yīng)用加工的數(shù)據(jù)基礎(chǔ)上，構(gòu)建運營級別的應(yīng)用(OPM)。

設(shè)備級別的應(yīng)用，主要是指APM（AssetPerformanceManagement），包括：

實時監(jiān)控、健康管理以及故障診斷

維護策略的優(yōu)化

可靠性的管理

性能的優(yōu)化

操作的合規(guī)性

APM完全是基于DigitalTwin構(gòu)建的，是DigitalTwin的使用者，也就是說，一個APM可能會為每一個設(shè)備、部件或者過程構(gòu)建一個DigitalTwin，而DigitalTwin能實時接收設(shè)備采集的各種數(shù)據(jù)、實時通過模型計算相應(yīng)的指標(biāo)，并最終將實施的計算結(jié)果送到APM應(yīng)用上，因此APM上面的各種關(guān)鍵指標(biāo)都是來自于Predix實時采集的數(shù)據(jù)和構(gòu)建的模型。

運營級別的應(yīng)用，主要指的是OPM（OperationPerformanceManagement）。OPM并不是直接構(gòu)建在DigitalTwin之上的，而是基于APM應(yīng)用各種加工后的數(shù)據(jù)構(gòu)建的，它包括：

操作的優(yōu)化

資產(chǎn)的策略

業(yè)務(wù)的優(yōu)化

基于上下文的What-If的模擬仿真

新的商業(yè)模式和服務(wù)創(chuàng)新

后面有專門的介紹APM和OPM的章節(jié)，這里就不詳述了。

2數(shù)據(jù)驅(qū)動

1.工業(yè)煙囪和孤島現(xiàn)象嚴(yán)重

不同于其他如金融、電信等高度依賴數(shù)字化的行業(yè)，工業(yè)企業(yè)直到今天還只是在部分環(huán)節(jié)（主要是在研發(fā)設(shè)計上，而生產(chǎn)、運維和服務(wù)上則缺少數(shù)字化支撐手段）實現(xiàn)了數(shù)字化，這就造成了工業(yè)很多場景無法通過數(shù)據(jù)來進行精確的決策。這種矛盾不僅表現(xiàn)在無法對生產(chǎn)過程中的各種參數(shù)實現(xiàn)有效的穩(wěn)定性控制，進而穩(wěn)定和提高產(chǎn)品質(zhì)量，更無法對設(shè)備的運行狀態(tài)和維修策略做出精確的評估和預(yù)測來避免非計劃停機。

正是由于工業(yè)在設(shè)計、生產(chǎn)和運維上的專業(yè)性、復(fù)雜性和離散的特點，造成了工業(yè)應(yīng)用在建設(shè)時的“煙囪式”業(yè)務(wù)特點。

這種煙囪式業(yè)務(wù)系統(tǒng)，在本質(zhì)上是一種數(shù)據(jù)的割裂，不僅體現(xiàn)在設(shè)計、生產(chǎn)和運維等橫向環(huán)節(jié)的應(yīng)用缺少有效的數(shù)據(jù)互通和集成的手段，即使在每個環(huán)節(jié)的內(nèi)部縱向環(huán)節(jié)（如ERP和MES之間），都無法形成統(tǒng)一的數(shù)據(jù)集成和判決依據(jù)。

在自動化、連續(xù)生產(chǎn)的要求不高的時候，不同系統(tǒng)之間壁壘的消除主要依靠人的靈活性來彌補，然而在現(xiàn)代生產(chǎn)越來越依賴自動化的前提下，已經(jīng)很難使用人的智慧和靈活性來取代基于數(shù)據(jù)的判決。在這種前提下，數(shù)據(jù)的統(tǒng)一標(biāo)準(zhǔn)、數(shù)據(jù)的互通，以及快速的決策能力，就成為工業(yè)企業(yè)不可缺少的能力。

2.Predix旨在解決工業(yè)的煙囪和孤島問題

GED在多年來收購、開發(fā)的軟件不計其數(shù)，深諳數(shù)據(jù)不一致、無法集成給工業(yè)企業(yè)造成的痛苦和低效，因此，在規(guī)劃針對工業(yè)應(yīng)用開發(fā)的Predix這個PaaS平臺的時候，解決數(shù)據(jù)的一致性和互聯(lián)互通就成為了Predix架構(gòu)設(shè)計的一個重要輸入。

相對于傳統(tǒng)豎井式應(yīng)用極易造成各種數(shù)據(jù)孤島來說，Predix這些應(yīng)用從數(shù)據(jù)角度是一脈相承的。異構(gòu)的數(shù)據(jù)源（機器和儀表產(chǎn)生的實時數(shù)據(jù)、人操作產(chǎn)生的日志數(shù)據(jù)、加工過程產(chǎn)生的產(chǎn)品和狀態(tài)數(shù)據(jù)，以及不同IT業(yè)務(wù)系統(tǒng)的數(shù)據(jù)等）都在同一個平臺上按照既定的數(shù)據(jù)標(biāo)準(zhǔn)得以存儲，而應(yīng)用完全可以按照對應(yīng)的權(quán)限來訪問同一份數(shù)據(jù)。因此，基于數(shù)據(jù)構(gòu)建的應(yīng)用，天生是可以實現(xiàn)互聯(lián)互通的，這不僅能夠保證信息在不同應(yīng)用之間實現(xiàn)更暢通、更及時的交互，而且還能避免更多對數(shù)據(jù)定義的歧義和誤差，進而消除數(shù)據(jù)孤島。

3.工業(yè)數(shù)據(jù)的處理特點

上面說的是平臺在數(shù)據(jù)層面規(guī)劃的基本原則，除了需要保證原子性、一致性和互聯(lián)互通的通用能力，還需要提供充分開放但嚴(yán)格授權(quán)的訪問機制。

工業(yè)企業(yè)同其他行業(yè)不同，面對的數(shù)據(jù)主要來自于三個層面：

設(shè)備級別：主要包括傳感器、控制系統(tǒng)產(chǎn)生的實時數(shù)據(jù)、測量數(shù)據(jù)、產(chǎn)品數(shù)據(jù)，不僅有時序數(shù)據(jù)，還包括了很多文本、日志，以及最近幾年日益增多的圖片和視頻類數(shù)據(jù)；

過程級別：包括生產(chǎn)作業(yè)的不同工序數(shù)據(jù)、配方數(shù)據(jù)等，很多時候來自于第三方系統(tǒng)或者人為錄入；

經(jīng)營級別：這里更多是加工數(shù)據(jù)，往往來自不同設(shè)備級別系統(tǒng)或者生產(chǎn)級別系統(tǒng)產(chǎn)生的間接數(shù)據(jù)，以及一些橫向的管理系統(tǒng)的數(shù)據(jù)。

工業(yè)數(shù)據(jù)的處理，包括數(shù)據(jù)源、數(shù)據(jù)采集、數(shù)據(jù)存儲和處理、分析手段上，和其他行業(yè)區(qū)別非常大。

數(shù)據(jù)源：不僅包括工業(yè)生產(chǎn)過程中的各種設(shè)備實時狀態(tài)、人員操作記錄、工藝規(guī)格數(shù)據(jù)、產(chǎn)品檢測數(shù)據(jù)，還包括在產(chǎn)品實際運營過程中采集的工況數(shù)據(jù)、運行數(shù)據(jù)以及關(guān)聯(lián)的業(yè)務(wù)系統(tǒng)數(shù)據(jù)。

采集方式：不僅有傳感器實時數(shù)據(jù)的接收，還有從不同業(yè)務(wù)系統(tǒng)進行抽取的批量處理。

存儲：不僅需要實時數(shù)據(jù)存儲（傳感器、信號的實時數(shù)據(jù)）、文件存儲（歷史文件、日志文件、檢測結(jié)果），還包括各種數(shù)據(jù)庫（操作記錄）和對象存儲（圖像和視頻），既要保證存儲橫向擴展的能力，又要保證讀寫性能。

處理：每種數(shù)據(jù)處理方式都很不一樣，對于工業(yè)實時數(shù)據(jù)（時序數(shù)據(jù)）需要靈活的流式處理（在線修改負荷、差值填充、過濾等）的定制能力，對于日志需要基于文本的檢索能力，對于振動傳感器需要視頻變化的能力，每種不同場景需要不同的處理方式。

分析：針對分析的目標(biāo)（設(shè)備健康、生產(chǎn)效率、能耗、質(zhì)量）不同，需要對不同的數(shù)據(jù)源采取包括統(tǒng)計分析、異常檢測、趨勢預(yù)測等多種分析方法。

根據(jù)ACMMM2017的說法，通常在一個工業(yè)項目中，用戶需要花60%-70%的時間在數(shù)據(jù)處理上。

如此眾多的、異構(gòu)的數(shù)據(jù)，如果沒有好的平臺來適配和處理，一定會極大的降低數(shù)據(jù)的消費者（主要是應(yīng)用）的使用效率。

4.Predix提供完整的數(shù)據(jù)處理功能

Predix提供了從數(shù)據(jù)接收、攝取、處理、存儲和建模的完整的數(shù)據(jù)處理功能，能夠支持上層應(yīng)用快速實現(xiàn)各種原始數(shù)據(jù)和加工數(shù)據(jù)的加載和訪問。

下面是PredixCloud在數(shù)據(jù)處理上的架構(gòu)。

可以看到，Predix在數(shù)據(jù)處理上主要提供了三部分的能力：

DataIngestion（數(shù)據(jù)攝?。?/p>

這部分包括了對流式數(shù)據(jù)和批量數(shù)據(jù)的統(tǒng)一處理。對于流式數(shù)據(jù)，Predix支持對各種數(shù)據(jù)流的在線修改和轉(zhuǎn)換，對于批量數(shù)據(jù)，Predix提供了豐富的ETL工具。

DataProcessing（數(shù)據(jù)處理）

Predix在數(shù)據(jù)處理上，不僅提供了工作流和分析的引擎，還提供了多種運行環(huán)境，不僅包括標(biāo)準(zhǔn)環(huán)境，還支持Serverless、4GL等。除此之外，Predix還提供了PredixStudio，支持通過AIDrivenDataModeling的方式對數(shù)據(jù)進行自動分析，并提供包括ElasticSearch在內(nèi)的自動檢索能力。

DataStorage（數(shù)據(jù)存儲）

針對各種異構(gòu)的工業(yè)數(shù)據(jù)來源，Predix提供了多種存儲的方式，不僅包括時間序列(TimeSeries)，還包括RDBMS、NoSQL、HDFS以及對象存儲等針對不同類型數(shù)據(jù)的存儲方式。

除此之外，Predix還提供了將處理完成的數(shù)據(jù)開放出來，供上層應(yīng)用開發(fā)和模型開發(fā)所共享的能力，這樣就可以實現(xiàn)不同的應(yīng)用開發(fā)、模型開發(fā)都可以在同一套數(shù)據(jù)架構(gòu)、數(shù)據(jù)標(biāo)準(zhǔn)下進行，即消除了很多的不確定性，也提高了應(yīng)用和分析的效率。

3微服務(wù)

1.軟件不應(yīng)該越做越復(fù)雜

傳統(tǒng)工業(yè)應(yīng)用的開發(fā)，無論是ERP還是MES，已經(jīng)逐步走入了一個死胡同。

一方面，依據(jù)摩爾定律，計算資源將越來越廉價，這也就給軟件開發(fā)商更好的理由來增加軟件的功能，加之軟件很多功能可以重用，因而造成軟件的功能復(fù)雜度也根據(jù)計算資源的摩爾定律呈現(xiàn)指數(shù)增長趨勢。

另一方面，基于邊際成本越來越低的前提，軟件廠家越來越傾向于將無數(shù)功能疊加到一套軟件里面，希望通過加強軟件的功能來適應(yīng)更多的應(yīng)用場景，以此鎖定客戶。

國際上有一個很有意思的IT概念，叫ConsumptionGap，指的是人對軟件功能的消費能力與軟件復(fù)雜度之間存在著越來越大的差距。

可以看到，軟件功能的復(fù)雜度保持著和計算能力（摩爾定律）相似的指數(shù)特性，然而客戶（人）的吸收能力卻不是可擴展的，完全跟不上軟件復(fù)雜度的發(fā)展速度，因此軟件功能越多，這種差距只會越來越大，給客戶造成的困難就越大，客戶對復(fù)雜軟件的抵觸也會越來越明顯。

2.微服務(wù)

如何化解軟件廠商和客戶需求之間不斷惡化的這種矛盾？基于微服務(wù)開發(fā)微應(yīng)用，是主要的解決辦法。

微服務(wù)是互聯(lián)網(wǎng)領(lǐng)域已經(jīng)普遍使用的開發(fā)方法（微服務(wù)不是標(biāo)準(zhǔn)的架構(gòu)，而是一種理念和方法），是指將一個復(fù)雜的軟件系統(tǒng)通過解耦的方式拆解成多個微服務(wù)模塊，每個模塊獨立開發(fā)各自的功能，再通過API實現(xiàn)微服務(wù)模塊之間的集成。獨立開發(fā)完成的模塊不再需要重新編譯，而通過重用和集成部署，可以快速構(gòu)建新的應(yīng)用。

微服務(wù)架構(gòu)的優(yōu)勢是不言而喻的

開發(fā)更高效：每個微服務(wù)模塊，都可以采用不同的開發(fā)方法甚至開發(fā)語言，這樣就可以極大的兼容已有的開發(fā)成果，使用包括開源軟件等與現(xiàn)有模型進行集成，而不用考慮環(huán)境和語言的不兼容性。

功能更專業(yè)：跨專業(yè)的全能型開發(fā)人才已經(jīng)不是必須，而更需要精細化的專業(yè)人才，這樣不僅可以保證每個功能設(shè)計得更專業(yè)、更深入，而且不再需要開發(fā)人員理解每個功能模塊的專業(yè)技能，進而更大程度提高交付的速度。

交付速度更快、開發(fā)成本更低：多個微服務(wù)模塊可以獨立開發(fā)并統(tǒng)一集成，每個微服務(wù)模塊都有自己的獨立部署環(huán)境，可以認為是一套獨立的、功能簡單的軟件系統(tǒng)，交付速度自然快了很多。

更能形成專業(yè)知識的沉淀：每個獨立完成的微服務(wù)模塊，都可以被保存為數(shù)字化載體（容器鏡像、模型等），只需要在構(gòu)建新的應(yīng)用時被調(diào)用部署，而完全不需要使用者具備該模塊的開發(fā)經(jīng)驗，這樣就可以將原有的專業(yè)技能有效沉淀下來，形成專業(yè)的經(jīng)驗知識庫。

每個微服務(wù)都可以獨立部署，并可以獨立擴展，這樣可以更好的利用云端資源復(fù)用的特點，實現(xiàn)更高效的部署。

3.微應(yīng)用

Predix在微服務(wù)的概念上發(fā)展出了微應(yīng)用的概念，并且通過AppHub實現(xiàn)最終工業(yè)應(yīng)用的集成交付。

微應(yīng)用是指在微服務(wù)架構(gòu)上開發(fā)的、旨在針對一個特定專業(yè)功能的應(yīng)用程序，它通常由如下部分構(gòu)成：

前端UI：用以和使用者之間產(chǎn)生交互。

核心邏輯：用以處理根據(jù)用戶交互的動作，按照既定的邏輯，形成相應(yīng)的判決結(jié)果，并且反映在用戶界面上，或者保存在對應(yīng)的數(shù)據(jù)存儲中。

后端（微）服務(wù)：這里不僅包括傳統(tǒng)意義上的數(shù)據(jù)庫、消息等服務(wù)，還包括很多已經(jīng)開發(fā)好的算法、模型，以及一些行業(yè)專用的服務(wù)，如FMECA、RCA等。

微應(yīng)用能夠把一個復(fù)雜的軟件功能，解構(gòu)成若干個獨立的子功能，每一個子功能都有自己的使用界面和邏輯，這樣不僅可以讓開發(fā)從串行變成并行從而更高效，還能讓一個功能的使用過程變得簡單和精細化，從而提高用戶的接受程度。

4.為什么Predix要采用微服務(wù)+微應(yīng)用的架構(gòu)？

首先，我們必須承認，工業(yè)是一個高度離散化的行業(yè)，很難有一個通用的應(yīng)用程序可以滿足不同行業(yè)的不同場景需求，即使是在一個場景下，仍然會面臨非常多的環(huán)節(jié)和設(shè)備的不同處理方式，因此跨行業(yè)的應(yīng)用開發(fā)變得非常困難。但是，微服務(wù)可以將很多通用模塊和能力（行業(yè)模型、行業(yè)特征庫）做成標(biāo)準(zhǔn)模塊，并通過用集成的方式大幅降低開發(fā)的工作量。作為軟件開發(fā)商，應(yīng)該采用微服務(wù)的方式來開發(fā)微應(yīng)用。

其次，任何一個微服務(wù)，都需要將能力數(shù)字化和標(biāo)準(zhǔn)化。而工業(yè)里面，最缺少的就是讓工業(yè)的各種能力（包括數(shù)據(jù)采集、數(shù)據(jù)處理、領(lǐng)域知識、專業(yè)經(jīng)驗和模型等）實現(xiàn)數(shù)字化和標(biāo)準(zhǔn)化，完成包括復(fù)制、轉(zhuǎn)移在內(nèi)的各種操作。數(shù)字化+標(biāo)準(zhǔn)化，一方面為高效自動化打下了基礎(chǔ)，一方面也為過程穩(wěn)定性和提高質(zhì)量提供了保障。

最后，相對于傳統(tǒng)的管理類應(yīng)用，工業(yè)應(yīng)用不僅需要代碼開發(fā)能力，很多時候還需要具備自動化專業(yè)能力、機械專業(yè)能力，甚至數(shù)學(xué)專業(yè)技能。每一個學(xué)科都需要非常專業(yè)的人參與，才能完成整個軟件的開發(fā)，而傳統(tǒng)的開發(fā)模式，必定要求開發(fā)人員精通各種專業(yè)技能，這是非常困難的。在微服務(wù)架構(gòu)下，可以將不同方式的專業(yè)能力通過API的方式快速集合在一起。這種能力，不僅包括由不同團隊開發(fā)的不同語言的應(yīng)用的整合，更包括由不同部門通過不同的開發(fā)工具開發(fā)的模型和算法的整合。而最終的應(yīng)用，僅僅需要很小的代價，就可以把應(yīng)用、數(shù)據(jù)和模型集成起來，這樣既能讓不同專業(yè)的人并行開發(fā)提高效率，又可以輕松實現(xiàn)跨專業(yè)集成。

因此，我們不得不說，Predix用微服務(wù)的方式改變傳統(tǒng)工業(yè)應(yīng)用的開發(fā)模式，絕對不是追趕互聯(lián)網(wǎng)潮流，而是深思熟慮的結(jié)果。

5.新的OT應(yīng)用——集成，而不是開發(fā)

Predix的應(yīng)用，不止是簡單的應(yīng)用開發(fā)，而更像是一個大集成，將跨專業(yè)的能力，在相同的框架下通過微服務(wù)的方式進行封裝和集成，這種開發(fā)模式完全不同于傳統(tǒng)的巨塊式應(yīng)用。

下面是Predix的典型應(yīng)用——APM（設(shè)備性能管理）的架構(gòu)。

同傳統(tǒng)單塊式應(yīng)用截然不同的是，可以看到，整個APM應(yīng)用采用了很多組件式、模塊化的微服務(wù)和微應(yīng)用組合而成。

這里提到的微服務(wù)，不光包括一些用戶登錄、租戶管理的基礎(chǔ)微服務(wù)，還包括很多分析、設(shè)備管理、時序分析、告警策略、工單管理、儀表盤等服務(wù)，而有一些服務(wù)基本上可以等同于是一個獨立的微應(yīng)用。

為了簡化應(yīng)用開發(fā)，Predix不惜開發(fā)了微服務(wù)的模板，把很多通用功能和微服務(wù)都做成了標(biāo)準(zhǔn)的模板，開發(fā)者只需要按照模板來設(shè)計，就可以快速構(gòu)建一些定制化的工業(yè)應(yīng)用。

感興趣的讀者可以去Predix開發(fā)者網(wǎng)站(www.predix.io)上查看Predix的各種開發(fā)者使用的基礎(chǔ)微服務(wù)和分析微服務(wù)。