2018/7/18 13:13:28
工业APP，为工业互联网平台而生
负责IT（互联网技术）和OT（运营技术）的管理者，在工业化和信息化融合的几十年来，井水不犯河水：IT看重业务流程合理，OT看重业务执行稳定。从具体的面向对象来看，OT与IT的区别主要是体现设备的边缘端，OT的世界遵从物理进化的原理和机制，发展比较缓慢：源自控制，专注于运营。
然而，工业互联网的发展，和数据流动变得空前容易，激发了人们对于数据价值的想象，从而大大促使了OT和IT融合的必要性。工业互联网的应用在很多层面上就是统一IT和OT的视角。但IT和OT二者自身的需求、纬度、思维方式太不一样，融合是非常困难的。工业互联网的普及，不同于常规的企业管理软件ERP和执行管理系统MES应用，它不仅仅是收集数据丰富性和颗粒度的问题，而更多是要考虑这些数据背后的价值，这只能站在更高的战略岗位上才可以评估和定义。
GE在2018年的报告中指出，真正数字转型的主战场，恰恰是发生在IT和OT交界的地方。实际上GE更倾向于OT技术的魅力将得到极大释放，“IT正在失去魔法，OT的指挥棒正在缓缓升起”。而ARC咨询团队在2016年提出的IT和OT融合成熟度模型中，描述了人员、流程、技术和测量之间在各融合度的关系，也表明了一点，需要连接边缘和云、需要处理各种OT协议和数据格式，都是IIoT大显身手的地方。
图1：设备连接与IT应用的融合
IT要下沉，OT要上升，从各种系统汇流而来的数据要分析，这就使得工业互联网平台的崛起成为可能，使得面向工业应用的开发大大加速。IIoT平台，为工业APP应用的开发，提供了一张充满沃土的温床。
数据重力，推动边缘的进化
设备的数据，具有一种“沉底”的特性。它很少被真正打捞上来使用。因为工业数据最大的特点就是海量，而且无序。在工业发展数百年历史上，产线的管理者从来不曾正眼看过它们。它被列入考虑对象也就是最近几年的事情。
例如，仅仅单个数控机床设备，每秒产生的数据就可以达到400M。按照一条产线上有10个工位十台设备计算，有五条产线的话，那么一个简单的工厂，数据生产量每秒钟可以达到20G！想想一个人，手机流量也不过是每个月10G左右。二者相差500万倍！
工厂的大数据，往往都是垃圾数据山，主要表现在六大症状：数据很脏（必须大量的算法清洗，才能有可用数据）、频率不同（现场触发的频率非常不同）、海量、大小不一（数据的容量大小不一）、种类很多（各种异构数据源）、跨学科导致的关系复杂。
如此庞大的数据，大多数是没有用的，只能留在机器端。这就是所谓的“数据重力”。
它使得大量的数据被丢弃在车间的地板上、设备周围的空气中。
数据重力，导致大量数据无法上云端，也就无法完成分析。而这几年物联网和计算能力的发展，推动了人们对于边缘智能的思考。太重的数据，可以就地处理。在大数据分析的时代，这个任务交给了边缘计算。
工业互联网平台，本身就是一个分布式的计算平台，它很好地解决云和边缘的集成问题。通过连接、设备管理、数据管理和机器学习，为真正打开数据的分析价值，提供了一个认真的钥匙。这也为面向场景应用的工业APP的开发和部署，提供了极大的方便。
工业APP的春天正在来临
工业互联网平台中间的PaaS平台（Platform as a Service）是最重要的部分。目前最有雄心壮志的选手，都在聚焦这个地方。新型API技术和与环境无关的容器封装技术，使得平台本身的快速部署和应用。有了工业PaaS平台的支撑，面向场景的工业APP应用，也是工业互联网当下最具憧憬的一个领域：千军万马过大江的局面，正在呼之欲出。
图2：工业互联网平台架构（source：白皮书）
平民开发师（Citizen developer）也就是非专业软件人士，正在大量涌现，当前很多企业的设备维护都是这一类人员，如果也能使用软件环境，轻松部署，这就需要有大量轻代码的编程、大量拖拽式的应用。
2017年10月，工业互联网巨头美国通用电气公司GE与苹果达成合作，两家公司将共同开发企业级 iOS 应用，并推出全新的Predix SDK，重点就是物联网。GE 将为自己开发 iOS 应用以及商业合作伙伴，并在全公司部署 iPhone 和 iPad。
这个面向物联网开发APP应用，背后有一个真实的故事。
加州州立大学的计算机系学生在GE Predix的创新大赛中，发明了一款APP，可以利用学校三个不同的能源点（太阳能光伏板、热电气联产等）的能源消耗数据，通过数据分析得出最佳的供电量。该项目获得了10000美元的奖金。
图3：GE创新APP竞赛的优胜者团队
一直在思考电厂如何更加有效运行的GE团队，受TITAN的启发非常大，因为他们的一个方向就是更好地解决管道蒸汽损耗。随后，开发团队又在iPhone的应用商店中找到一例照相机辅助应用，可以获得快速、高效和低成本形成热成像技术。这让他们觉得找到了提高电厂效率的方法。
GE的APP研发团队跟亚特兰大电厂的现场经理合作。后者陪着他们一起走访了现场的各种管道，并指出哪些管道接口是可能漏汽从而造成热损耗的。
借助于这些领域专家所标定的异常故障图像，再结合机器学习和成像工具，GE开发团队随后开发了一款APP，面向管道的热成像工具TITAN（异常报警热成像工具），每年可以节省50000美元。
代价竟是如此之小。创新团队的大学生们只获得了10000美元的奖金。而GE的开发团队仅仅用了6个就开发出这样一个效果神奇的工业APP。
这就是数字组合创新的魅力，就像是高中毕业生的舞会，空气中弥漫着随时可以撮合的火花。
而要满足数字化的全新组合，所有的要素尽量服务化。这样得以释放的数据就可以轻松成为场景应用的基本素材。借助于一个松耦合、多方可以调用的资源，工业APP把各种数据重新组合，经过信息化、知识化的处理，封装成可以执行或者调用的模块。
云化风正盛
上云的应用，场景意图往往很明显，需求变化也很快。为了适应这种快速变化，就要微服务化，这就是最近几年微服务非常流