工业互联网平台选型实战:32个平台全景盘点与避坑指南

工业互联网平台平台选型数字化转型 本内容遵循CC 4.0 BY-SA版权协议
呕文不踢足球 呕文不踢足球 墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年,写一次发全网 我也要

这几年做企业数字化项目,被问得最多的一句话就是:工业互联网平台到底该选哪个?每次聊到这个话题,对方手里往往都攥着一份候选名单,少则三五家,多则十几家,越比越花眼。说实话,工业互联网平台在国内已经不是一个新鲜概念了,但市面上的平台数量多到离谱,光我接触过的、在项目里认真评估过的就有几十家,更别提各种区域平台、行业平台、细分场景平台。这次我干脆把过去几年积累的信息重新整理了一遍,挑出32个有真实落地案例、在行业内叫得上名字的知名工业互联网平台,按出身、按能力、按适用场景做一个全景盘点,顺便把我在选型、实施过程中总结出来的方法和踩过的坑一起写出来。

这篇东西不是官方榜单,也不代表什么权威评选,就是我个人基于项目经验梳理的一份参考。适合三类人看:一是正准备做数字化转型、还在纠结平台选型的企业负责人和信息化主管;二是做解决方案、做售前架构的同行,可以在给客户做对比时有个框架;三是刚入行、想快速了解工业互联网平台格局的工程师。看完之后,你至少能回答三个问题:这些平台到底有什么区别?怎么从一堆平台里筛出适合自己的?上了平台之后最容易死在哪个环节?

1. 先搞懂平台在干什么,再去数平台

1.1 工业互联网平台的四层结构,拆开看就不神秘

很多朋友一听到工业互联网平台,第一反应是“工业版的云计算”,这个理解方向对了一半但不全对。工业互联网平台的本质,是把工业现场的设备、数据、业务流程和行业知识,全部抽象成可以被软件调用的服务,再以SaaS应用的形式还给一线人员使用。市面上的主流平台,哪怕宣传口径各不相同,底层架构基本都逃不开四层:边缘接入层、基础设施层(IaaS)、工业PaaS层和应用层(SaaS)。

边缘接入层解决的是“设备怎么连上来”的问题。工厂里设备五花八门,PLC有西门子、三菱、欧姆龙,数控系统有发那科、西门子、华中数控,老设备可能只有干接点信号,新设备才有OPC UA或者Modbus TCP,这一层要靠数采网关、边缘控制器去适配。基础设施层就是云资源,可以是公有云、私有云或者混合云,国内大型制造企业多数倾向私有化,这个后面细说。工业PaaS层才是平台真正的分水岭——数据有没有被清洗、工业机理模型有没有沉淀、低代码开发环境好不好用、AI算法能力怎么样,都体现在这一层。最上面是应用层,设备管理、预测性维护、能源管理、质量追溯、供应链协同,这是用户真正看得见摸得着的部分。

明白了这四层,你再看任何一家平台的宣传材料,就不会被“全栈式、端到端”这种词唬住了。你可以直接问:你的边缘层支持哪些协议?PaaS层沉淀了哪些行业模型?应用层是你们自己做的还是第三方ISV做的?这几个问题一问,平台的高下和对你的适配度,基本能筛掉一半。

1.2 为什么平台这么多,它们真的不一样吗

国内工业互联网平台数量暴增,原因是多方面的。制造企业想把自己工厂里的实践经验变成产品输出,于是有了美的美擎、三一树根、海尔卡奥斯;云计算厂商看到企业上云的大趋势,顺势推出阿里supET、腾讯WeMake、华为FusionPlant;传统工业自动化、工业软件厂商不想被颠覆,把原来的SCADA、MES、数据采集能力包装成平台,比如宝信、石化盈科、中控蓝卓。背景不同,平台身上的基因就完全不同,这直接决定了它们擅长什么、不擅长什么。

我见过不少企业选型时只盯着品牌知名度列了一堆候选,结果发现这些平台根本不对路。比如一家做矿山设备后市场服务的公司,非要拉来一个偏消费制造业C2M的平台做对比,两个团队在会议室里聊了一个多小时,互相都听不懂对方在说什么。所以盘点平台之前,我必须先给它们分个阵营,按出身和理解语境来分组,选型才有意义。

1.3 我看平台的四个观察维度

入行这十几年,我评估一个工业互联网平台,基本只看四件事。第一,设备的接入深度和广度,协议库全不全、边缘网关是不是自研的、有没有在不换设备的情况下硬解老协议的能力。第二,行业Know-how的沉淀程度,平台里有没有可复用的工业模型,比如设备故障诊断模型、工艺参数优化模型,而不是只有一堆可视化大屏模板。第三,生态伙伴的情况,交付是平台方自己做还是靠伙伴实施,标准化程度高不高,别家ISV能不能在平台上开发应用。第四,运维和数据安全,平台能不能私有化部署,数据主权怎么保障,断网的时候边缘层还能不能继续跑。

这四个维度贯穿整篇盘点。下面进入正题,32个平台逐个过。

2. 32个平台全景盘点:分阵营看才看得清

2.1 制造业巨头孵化的平台:用内部工厂当试验田

制造业企业做工业互联网平台,有一个得天独厚的优势:自己的工厂就是最真实的试验场。这类平台的产品逻辑往往是先把内部几百条产线、几千台设备管明白,再把这套方法论输出给行业上下游。好处是实战打磨过、场景贴得紧,坏处是容易带着母公司的行业烙印,换到别的行业不见得灵。

这批平台里,有几个名字绕不开。海尔卡奥斯COSMOPlat是青岛海尔孵化的,主打大规模定制模式,用户需求可以直接传导到生产线,在消费制造、家电和泛制造领域很强。树根互联的根云平台脱胎于三一重工,工程机械、重装备的后市场服务是它的强项,设备远程运维、债权风控、开工率分析这些场景做得非常扎实。徐工汉云同样来自工程机械巨头,在设备管理、预测性维护和备件供应链上积累很深,港口机械、物流装备案例多。美的美擎M.IoT源自美的集团内部的数字化变革,从研发、供应链到生产制造全价值链的经验都有,精益制造是其标签。TCL孵化的格创东智比较特别,它的团队很多来自半导体行业,MES起家,在半导体和平板显示这类高端制造里良率分析和数据采集能力很强。宗申集团孵化的忽米H-IIP扎根重庆,汽摩配离散制造是基本盘,标识解析和区域产业数字化

最低 0.47元/天 开通会员,解锁全文
left
成为会员后, 你将解锁
right
benefits 下载资源随意下
benefits 优质VIP博文免费学
benefits 优质文库回答免费看
benefits 付费资源9折优惠

相关推荐

基于Python+Open CV的手势识别算法设计

伴随着人工智能时代的到来,人机交互的领域也逐渐成为研究的一大方向;其中,手势识别是人机交互领域的一项关键技术,自此手势识别也迎来了一波高潮,近几年无论是在消费领域、电子领域、数码领域、家电领域甚至汽车领域上,都能或多或少的见到手势识别的身影。 手势识别在设计智能高效的人机界面方面具有至关重要的作用, 目前手势识别已应用到手语识别、智能监控、到虚拟现实等各个领域,手势识别的原理都是利用各种传感器(例如红外、摄像头等)对手部的形态进行捕捉并进行建模,形成一个模型信息的序列帧,而后将这些信息序列转换为机器能够识别的相对应指令(例如打开、切换菜单、移动等)来完成控制。 采用Python的集成开发环境Pycharm进行本次课程设计,在Pycharm中进行需要库(模块)的下载,调取电脑摄像头,按帧读取摄像头采集到的头像,形态学处理,图像旋转(由于摄像头采集到的图像是镜像,需要用cv2.flip将摄像头采集到的图像进行处理),选取图片中固定位置作为手势输入,用红线画出手势识别框,基于hsv的肤色检测,进行高斯滤波,找出轮廓,求出图像中手势的凹凸点,手指间角度求取。

努力学习前端的小陈

ROS-CV-ImageConverter:将ROS图像转换为OpenCV(cv :: Mat)类型的图像

ROS-CV图像转换器 依存关系 cv_bridge(ROS软件包)

Willis Wang

计算机视觉图像处理-CV2与图像插值算法

用最近邻插值与双线性插值原理完成图像缩放 最近邻插值,是指将目标图像中的点,对应到源图像中后,找到最相邻的整数点,作为插值后的输。缺点:使用最近邻插值算法处理图像放大时,在图象中可能出现明显的块状效应 双线性插值,在两个方向上做三次线性插值。使用双线性插值算法处理图像放大时,在图象中可能出现马赛克 代码 import cv2 img = cv2.imread(’./xiabang.jpg’, cv2.IMREAD_UNCHANGED) #缩放比例 scale_percent = 0.3 width = int(img.shape[1] * scale_percent) height = int

weixin_38697274

基于水平集CV模型的图像分割(Matlab代码)

基于水平集CV模型的图像分割(Matlab代码),全套代码

小宇QAQ

导向滤波(guide_filter)的python实现

导向滤波(guide_filter)的python实现,可以结合暗通道;理论实现比较好的图像去噪效果。

zachzhan_g
返回顶部
呕文不踢足球
博客等级 码龄10年 64粉丝 5,454原创