近三年來，盡管從國家到地方，從互聯網公司、工業軟件企業到制造型公司，都給予工業互聯網很多關注和期待，甚囂塵上，但不得不說，對于工業互聯網的全景認知仍是個重大挑戰！

在剛剛結束的2019年工業互聯網峰會上，邁迪信息董事長任開迅接受經濟觀察報采訪時一語道破：

“別說是制造業企業了，即便是很多工業互聯網服務商，或咨詢公司，單靠自身力量，都很難把工業互聯網整個弄明白，因為工業企業的個性化非常強，場景復雜。”

實際上，這是一個新行業從孕育到成熟都會面對的一個共性問題——溝壑林立的垂直行業，繁雜深厚的行業知識，IT與OT的長期分立，以及從思維到行動的巨大差異……

理解工業互聯網（平臺），行業里也有很多視角，每個深處其中的人，猶如深入叢林深處，猶如身在廬山之上，都有個共同的感受：力不從心。

造成對全景認知的無力感，主要原因在于“斷點太多”。

工業互聯網研習社推崇的方式是，首先在信息和知識層面打破這種垂直林立、顯而易見的壁壘，從資訊獲取和知識結構上走出“舒適區”，去“看到更大的世界”，從而構建起基于多元思維模型的認知體系。

當然，這是困難的，但是“無限風光在險峰”，這種認知跨越是真正的“風光”。今天給大家推薦一種認知視角：數據視角。

一方面，數據價值比較中立，不會有太多的立場之爭，容易跨越行業之見，達成共識，利于溝通與協作；

另一方面，數據價值的潛力巨大，其重要性已經在消費互聯網領域被驗證，各方非常重視；而且工藝數據等本身就是工業企業的核心機密，對企業立足及轉型發展都具有十分重要的意義。

今天我們試圖從數據視角，接通斷點，從數據采集、數據存儲、數據分析、數據應用展示等維度勾勒工業互聯網全貌，發現那條美麗的“數據線”。

第一道閘：數采

數據是工業智能化的核心驅動。首先說數據采集，這是構建工業互聯網平臺和應用的基礎，沒有數據就如同“無源之水，無本之木”。近兩年業界以談論平臺為主，而在一定程度上忽視了數據采集的基礎現實，工業互聯網產業聯盟（AII）也認識到這個行業問題，隨后組織業界IT、OT和CT相關方力量，在2018年9月發布了《工業數據采集產業研究報告》。

工業數據采集在工業互聯網（IIoT）平臺架構中處于“邊緣層”的位置，包括了設備接入、協議解析、邊緣數據處理等。工業數據采集廣義范圍既包括工業現場設備的數據采集和工廠外智能產品/裝備的數據采集，也包括對ERP、MES等應用系統的數據采集（如圖）。所以，數采涉及的數據量巨大、種類繁多，要與眾多不同協議對接。

圖片/工業數據采集體系架構

來源/AII發布《工業數據采集產業研究報告》

第二道閘：存儲（讀寫、查詢等）

工業現場數據來源多元，面對如此巨量、異構和實時數據，應該存放在什么地方？如何加密快速傳輸？數據是要放在本地，還是直接上云？對于工業場景來講，這都是非常現實的問題。

于是，“實時數據庫”登上了歷史舞臺。

實際上，業界的在討論數采和分析的時候，都沒有談到實時數據庫，這其實就是一個認知斷點。因為，這對工業企業推進工業互聯網是繞不過去的。

其實，數據庫也有自己的一段發展歷史，現在市面上常見的比如“關系數據庫”，廣泛應用于電子商務和金融科技領域，面向C端的大數據存儲與挖掘。但是，工業現場海量采集數量有著更高的技術難度，主要包括在以下幾個方面：

1、數據量巨大，而且實時。工業監控數據要求采集速度和響應速度均是毫秒級的，如一個大型企業幾萬甚至幾十萬監測點，這么大容量的高頻數據需要實時讀寫操作；

2、工業數據的協議不統一。互聯網數據采集一般都是我們常見的HTTP等協議，但在工業領域，則存在OPC、CAN、ControlNet等5000多種通訊協議。

3、對原有系統的采集難度大。自動化系統在部署時廠商水平參差不齊，大部分系統是沒有數據接口的，大量的現場系統沒有點表等基礎裝置，對于這部分數據采集的難度極大、效率很低。

4、安全性考慮不足。原先的工業系統都是運行在局域網中，安全問題不是突出考慮的重點。如果接入云端平臺，對數據存儲安全、傳輸安全等提出了更高要求。

在這種復雜工業場景和工業級企業數采與存儲的需求情況下，關系型數據庫的局限性就顯露出來，實時數據庫應運而生。

實時數據庫（RTDB－Real Time DataBase）是數據庫系統發展的一個分支，是數據庫技術結合實時處理技術產生的。首先，實時數據庫是一個數據庫，主要用來存儲和處理數據。但同時也是一個系統，實時數據庫系統是由工業協議、實時數據庫和組態工具三部分組成的系統。

國內外的大中型企業實踐表明，在流程行業中，大量使用實時數據庫系統進行控制系統監控，系統先進控制和優化控制，并為企業的生產管理和調度、數據分析、決策支持及遠程在線瀏覽提供實時數據服務和多種數據管理功能。所以說，實時數據庫已經成為企業信息化建設的基礎數據平臺。

既然實時數據庫在工業互聯網落地中那么重要，那如何衡量一款實時數據庫擔負起重任呢？據專注于工業數據管理技術近20年、并成功推出openPlant?實時數據庫系統的專業廠商——上海麥杰科技股份有限公司總經理鄭雁鵬介紹，要想滿足工業領域高頻實時采集和巨大數據量的訴求，最好能在四方面具有優勢：：

1、良好的開放性和兼容性：豐富的I/O驅動，囊括了市面上所有主流驅動，兼容眾多通信協議；開放的數據訪問接口，便于二次開發；同時要有良好的平臺兼容性；

2、強大的數據處理能力: 能夠滿足動輒上百萬，甚至在一些大型項目中上千萬IO測點的數據寫入要求，同時又能夠對未來TB、PB級歷史數據進行高速檢索查詢能力；

3、完備的數據安全策略：安全！安全！安全！這在工業領域是底線，必須在存儲安全存放、數據傳輸安全、訪問安全設計、用戶權限系統等方面下足功夫，同時強化硬件授信設計和多層安全隔離支持，確保萬無一失；

4、豐富完善的客戶端應用：這是面向客戶的應用工具要便于客戶自行構建和日常使用，比如提供圖形組態工具、圖形展示工具、趨勢分析工具、報警工具、數據建模工具、過程回放工具等。

第三道閘：數據傳輸

隨著政府推進“企業上云上平臺”的呼聲，很多人誤以為數據傳輸就是“傳到云端”。其實，不然，因數據采集來源的多元性，有些如影響產品質量和生產效率的工藝數據等非常敏感，是企業制造過程的核心秘密，不會輕易上云的；還有一些冗余的信息、時效性要求不高的信息，也并不是要實時上傳到云端的。

在這種情況下，“邊緣計算派”崛起，集成邊緣計算功能的網關受到更多青睞。所以，具體數據具體分析，而且要有明確的策略，才是正確的做法。另外，數據傳輸安全也很重要。

第四道閘：分析與應用

因篇幅所限，關于數據傳輸、分析和應用，留待后文詳細討論，敬請關注。