工业软件一体化与标识解析路径研究

王昭洋 ,  池程 ,  许继平 ,  龚向南 ,  姜露

中国工程科学 ›› 2022, Vol. 24 ›› Issue (2) : 96 -105.

PDF (1453KB)
中国工程科学 ›› 2022, Vol. 24 ›› Issue (2) : 96 -105. DOI: 10.15302/J-SSCAE-2022.02.011
新时期推进制造强国建设若干重大问题研究

工业软件一体化与标识解析路径研究

作者信息 +

Industrial Software Integration and Identification Resolution Path

Author information +
文章历史 +
PDF (1487K)

摘要

工业软件一体化是支撑工业企业生产运行及数字化转型的重要基础，也是实现产品全生命周期管理的核心依托；标识解析路径作为实现工业全要素互通的关键枢纽，助力工业软件的深度集成与融合。本文针对我国工业软件一体化发展面临的数据孤岛、业务孤岛现状，从产品设计生产、质量信息追溯、企业“业财融合”等角度分析了工业软件一体化的应用需求；通过剖析工业软件一体化的国内外发展历程，总结了工业软件在市场占有率、使用成本、系统协调联动，高端制造应用、核心技术竞争、信息安全风险、生态体系建设等软件全套采购方面存在的问题。围绕物理网关、接口平台、云组件技术等重点方向，提出了工业软件一体化与标识解析相结合的发展思路，涵盖工业软件一体化集成的技术架构、标识解析技术路径、数据管理方式、核心功能等要素。研究建议，从行业驱动、企业思想、人才支撑等角度着手，努力推动标识解析体系与工业软件对接，更好促进工业软件的互联互通。

Abstract

Industrial software integration is the foundation to support the production and digital transformation of industrial enterprises. It is also the core for realizing product lifecycle management. Identification resolution path is key to realizing the interoperability of all industrial elements and thus conducive to the deep integration of industrial software. In view of the data and business islands faced by industrial software integration in China, we analyze the demand for industrial software integration from perspectives of product design and production, quality information traceability, and production–financial integration. Subsequently, we examine the development history of industrial software integration in China and abroad and summarize the challenges from the aspect of data interoperability and full-set software procurement. Additionally, we propose a development idea of combining industrial software integration with identification resolution, focusing on physical gateway, interface platform, and cloud component technology; the idea includes the technical architecture, identification resolution technology path, data management mode, and core functions. Finally, we suggest to promote the coupling of the identification resolution system with industrial software from the aspect of development of industry drive, corporate culture, and talent support.

关键词

工业软件 / 标识解析 / 信息孤岛 / 数字化转型

Key words

工业软件 / 标识解析 / 信息孤岛 / 数字化转型 / industrial software / identification resolution / information islands / digital transformation

引用本文

引用格式 ▾
王昭洋,池程,许继平,龚向南,姜露. 工业软件一体化与标识解析路径研究[J]. 中国工程科学, 2022, 24(2): 96-105 DOI:10.15302/J-SSCAE-2022.02.011

登录浏览全文

4963

注册一个新账户 忘记密码

一、前言

近年来，随着云计算、大数据、人工智能（AI）、边缘计算、第五代移动通信（5G）、区块链等信息技术的蓬勃发展，新的生产方式、组织方式、商业模式不断涌现；世界正处于工业经济向数字经济加速转型的过渡期，以数字经济为核心的产业融合发展成为趋势 [1]。工业信息化是数字经济与工业融合的典型代表，依赖工业软件的发展革新 [2]。工业软件作为工业 4.0 时代实现智能制造的关键要素，是实现工业企业数字化、智能化转型升级的核心与 “灵魂”[3]，迎来了空前的发展机遇。工业软件成为具有工业品意义的“软零件、软部件、软机器”，是不可或缺的工业软装备。在工业企业中，依靠工业软件提升产品价值、降低制造成本、提高核心竞争力，是“两化融合”的切入点和突破口，对推进工业结构调整与产业升级、保持经济平稳较快发展具有重要意义。

工业软件指在工业领域设计、生产、管理等环节应用的软件，可划分为系统软件、应用软件以及介于两者之间的中间件；具体发展主要分为三阶段：软件本身的发展阶段；软件的协同应用阶段，重在业务流程的串通与优化；“工业云”阶段，不再是单一软件，而是集成多类功能并提供“软件 + 服务”整体解决方案。目前，工业软件一体化是主流趋势，通过技术手段将若干个相互独立的工业软件以横向或纵向的方式进行集成，实现工业软件的异构数据互通、企业协同优化、产业链资源配置。工业软件广泛应用于工业生产的各个环节，伴随着产品从研发到生产再到销售及售后服务的全生命周期。世界工业软件市场发展平稳，2019 年产值约为 4100 亿美元。我国工业体系规模庞大，加之正在从制造大国向制造强国转变，使得工业软件成为亟需且应用范围和深度在不断扩大；2016—2019 年，我国工业软件产品收入年复合增长率为 16%，超过世界平均水平；2019 年工业软件产品收入达 1720 亿元 [4]。

在新基建、双循环的背景下，产业数字化将助推工业软件一体化的快速发展 [5]；与其他新基建要素加速融合，形成产业链上完整的工业互联网，补齐工业企业短板，加速数字化、智能化转型 [6]。随着工业互联网平台的快速兴起和应用推广，工业互联网标识解析与工业软件一体化成为驱动行业创新发展的重要动力，赋予智能制造更为丰富的内涵特征和应用场景。面对工业互联网发展的显著趋势与迫切挑战，本文针对工业软件一体化与标识解析路径展开研究，分析应用需求、梳理发展现状、剖析面临问题，提出新技术思路、论证新技术架构、提出发展建议，以期为工业软件行业高质量发展提供基础参考。

二、工业软件一体化需求分析

工业软件服务于工业流程中的特殊环节，需要通过数据集成来覆盖产品全生命周期的各类应用。工业软件围绕产品、生产、业务三大主线部署应用，每款工业软件可能只适用于单一的业务环节（见图 1）。工业软件主要分为设计研发类工业软件，如计算机辅助设计（CAD）、计算机辅助工程（CAE）、计算机辅助制造（CAM）、计算机辅助工艺（CAPP）等；信息管理类工业软件，如产品生命周期管理（PLM）、企业资源计划（ERP）、生产执行系统（MES）等；工业控制类工业软件，如数据采集与监视控制系统（SCADA）、可编程逻辑控制单元（PLC）等。在工业产品的全生命周期内，需要多类工业软件的协同合作，因而跨软件的数据互操作极为重要。

图 2 基于工业互联网标识解析的工业软件一体化策略

注：达索表示达索系统公司；金蝶表示金蝶国际软件集团有限公司。

在工业软件一体化研究中，工业互联网标识解析要求对人、物、料均有唯一且无歧义的命名（即标识，由字母、数字构成），一般采用层次标识。以网关为例，命名规则定义为命名机构 – 物 – 硬件 – 网络设备 – 物理层 – 网际互连协议（IP）地址；建立 chord 环，将各节点的 IP、资源等标识作为建制（key），当前存放节点唯一编码（ID）为 value1，实际信息存储的 IP 位置作为 value2，以此构成键值对（key，value1，value2）；存储阶段采用哈希映射（Hash）将键值对分散在 chord 环上，在考虑负载均衡的情况下计算 3 个 replicas 的放置位置；查找阶段根据目的资源的 key 来计算 Hash（key），查找方式为和弦算法。

标识解析技术能够解决域名解析（DNS）服务单一、资源描述能力不强的问题，扩展对物品、传感器、服务等的主体标识，克服基于 IP 寻址存在的单点负载过重、服务拥塞等不足，适应工业物联网（IIOT）海量数据超低时延的解析要求。标识解析结果包括但不限于 IP 地址，可满足工业互联网多样化、差异化需求。

（一）物理网关

作为企业内部工业互联网标识解析的核心部件，物理网关是实现企业内部工业软件接驳工业互联网信息流通的核心技术。边缘物联网关具有软件可定义、接口高度集成、网络边界数据隔离与交换等特性，提供强大的边缘计算能力，适应工业运行条件；集成工业数据采集所需的一体化接口，如 RS485、MBUS、HART、远距离无线电（LoRa）等，匹配复杂环境下的工业软件一体化。物理网关扩展开发能力完备，支持基于一体化工业软件的二次开发，用户自定义的数据格式、传输方向、接口功能；提供类似私有云服务，通过 IaaS、平台即服务（PaaS）、软件即服务（SaaS）3 种模式构建企业内部工业互联网标识体系。

高性能网络处理平台系统是物理网关在工业互联网领域的典型应用案例。平台产品包括工业互联网网关、IIoT 网关、应用交付负载均衡设备，网络深度数据包检测（DPI）设备，融合应用分流设备，通用路由封装（GRE）网关、虚拟隧道端点（vTEP）网关、虚拟路由器（vRouter）、虚拟防火墙（vFW），视觉信息显示系统（vIDS），P1、P2、P3、P4 等网络应用产品。

以工业设备异构数据物联网（IoT）模块为例，物理网关的核心支撑能力体现在三方面：一是以非侵入的方式将企业内部工业软件系统中的信息进行汇聚、转换、整合、缓存，构建实时查询业务产品数据的统一入口；二是非侵入式地获取工业软件信息，避免数据库、应用接口层面的数据采集，而是直接从用户页面获得所需数据内容，提供配置、标记工具辅助数据的精准采集；三是一体化获取工业设备信息，通过与常规工业数据兼容的采集接口直接采集工业设备信息，具有宽泛的设备接入能力（千台设备规模）。此外，标识解析区域服务器作为可选项，以中间件形式提供固定 IP、非固定 IP 的链路联通功能，为中小型企业提供智能分布式标识系统（IDIS）解决方案。

工业软件一体化与标识解析相结合，支持在平台架构上部署工业互联网网关、IIoT 应用模块，支持传输控制协议（TCP）、用户数据报协议（UDP）、消息队列遥测传输协议（MQTT）、受限应用协议（CoAP）、Modbus 通信协议、程序总线网络（PROFIBUS）、超文本传输协议（HTTP）、HTTP 安全版、 KFAKA 等常用协议以及部分企业私有协议；支持外接 LoRa、行动热点（Wi-Fi）、第四代移动通信（4G）、5G 等无线通信模块，体现出性能高、可靠性高、部署灵活、成本低、维护简单等应用优势。

（二）接口平台

接口是一种用于定义程序的协议，用于描述属于任何类或结构的一组相关行为，为应用程序、开发人员提供基于软件或硬件访问一组例程的能力（无需访问源码或理解内部工作机制）。在工业互联网标识解析系统的层次架构中，接口平台主要服务两类对象：一是对于标识解析体系，降低标识接入企业应用的技术门槛，让各种工业企业信息系统在低代码情况下进行标识体系一体化；二是对于工业企业信息系统的应用，提供各类基于标识的应用场景接口，便于理解标识用途并构建技术支撑。

接口平台通常采用微服务架构。一个微服务就是一个独立的实体，可以独立部署和升级；微服务实例可被替换而不影响其他微服务。标识解析接口平台可拆分为标识服务、主数据管理、元数据管理、大数据服务、业务场景服务、应用软件接口服务等模块（见图 3）。

图 4 云标识微服务参考架构

工业软件云平台由多个独立的微服务组成，每个微服务都有专属的业务逻辑和数据库，便于技术升级、应用灵活。云标识微服务通过集成来自边缘设备的标识数据，实现对设备消息的内容解析、过滤提取、重新整合；进而转发到后端服务，无缝连接云平台后端的存储组件、函数计算、大数据分析套件、工业软件应用，打破设备及工业软件之间的数据隔离。云标识微服务对海量工业标识进行统一解析，使用消息队列服务之上的 XML/JSON 等格式或者 RESTful Web 服务来实施风险管理、流程管理；将统计数据或必要信息传输到其他信息技术或操作技术系统，如 PLM、ERP、MES、SCM、仓储管理系统（WMS）等。

六、工业软件一体化与标识解析的发展建议

（一）深化企业应用，助力行业驱动

标识解析推动工业软件一体化产业技术革新和需求变迁。工业互联网标识解析技术应与互联网、云计算、大数据、AI、智能感应等技术进行多层次融合，推动形成产品智能追溯、供应链协同、产品全生命周期管理等创新技术变革。探索标识解析与工业软件的深化融合、与生产端数据的全面一体化，形成以供应链为核心的信息流、物流、资金流等业务数据闭环。针对客户需求日益个性化、多元化的趋势，工业软件一体化应积极探索企业的市场精准预判能力，发展精准营销的新模式，借助标识实现海量用户与企业间的交互一体化，使得大规模个性化定制、精准高效决策等成为可能。

工业软件一体化应致力于优化企业资源配置、赋能产业效率提升，通过标识解析打通工业软件以实现生产要素在世界范围内的高速流通。把握行业增长率变化、客户需求切换、技术与营销革新、行业日益全球化等驱动因素，坚持以企业需求为出发点，围绕工业企业在产品生命周期各环节的需求来提炼场景，提供反映行业特征的中间件产品服务。

（二）打造产业生态，变革企业思想

标识解析技术与工业软件的融合，打通企业内部、企业之间的信息孤岛，伴生的大量应用场景也将成为企业长远发展新的驱动力。建立解决方案供应商目录，培育一批中间件供应商；持续建设中间件提供商、工业企业之间的需求反馈渠道，促进中间件提供商快速掌握需求和使用反馈，加速中间件产品迭代。加强标准研究与制定，以基础标准为先导，对标识解析与工业软件对接中间件的定义、特征、服务方式、部署模式等形成清晰认识，更好指导工业企业对中间件服务的选择、评价、拓展应用。

同步推动工业企业的经营思想变革，鼓励建立协同制造、质量信用体系，做好行业协同推广与示范工作。工业企业应深入论证并积极谋划，加快推进企业内部的数字转型、智能升级，实施配套人才培养和基础设施建设；通过统一、标准、开放的架构体系与接口，与各个垂直行业的合作伙伴展开深度合作并融合细分领域优势，形成工业产品全生命周期的专业数字化解决方案，驱动以数据为核心、以工业软件互联互通为目标的生态体系建设。

（三）构建培养机制，强化人才支撑

工业互联网标识解析发展涉及系统建设、技术研究、应用推广、生态建设诸多方面，随着多个国家重点项目的上线试运行，相关建设已步入产业化发展的关键阶段。建议加强工业互联网标识解析与一体化方向的人才培育力度，注重人才培养成效（具备标识应用、技术标准、产业生态等研究与应用能力）并形成规模；培养机制与工业互联网领域的前沿发展相结合，持续推动前沿技术的工程化应用。

工业软件一体化方向的人才培养具有多学科、大跨度、深层次交叉等特点，对传统制造业人才的转型升级提出了新要求。培养重点是创新能力与操作能力兼具的复合型人才，既熟悉学术与基础研究，也有较强的实践应用能力，适应在复杂工作环境下解决疑难问题的工程需求，为工业软件与标识解析应用的一体化和再创新提供智力保障。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

新华网. 习近平主持召开中央全面深化改革委员会第十四次 会议 [EB/OL]. (2020-06-30)[2021-02-24]. http://www.xinhuanet. com/politics/leaders/2020-06/30/c_1126179095.htm. Xinhua Net. Xi Jinping hosted the 14th meeting of Central Committee for Deepening Overall Reform [EB/OL]. (2020- 06-30)[2021-02-24]. http://www.xinhuanet.com/politics/leaders/2020-06/30/c_1126179095.htm.
[2]

中华人民共和国工业和信息化部.《工业和信息化部办公厅关 于推动工业互联网加快发展的通知》政策解读 [EB/OL]. (2020- 03-21)[2021-01-05]. http://www.gov.cn/zhengce/2020-03/21/content_5493935.htm. Ministry of Industry and Information Technology of the People’s Republic of China. Policy interpretation on Notice of the General Office of the Ministry of Industry and Information Technology on accelerating the development of the industrial Internet [EB/OL]. (2020-03-21) [2021-01-05]. http://www.gov.cn/ zhengce/2020-03/21/content_5493935.htm.
[3]

边缘计算产业联盟, 工业互联网产业联盟. 边缘计算与云计算 协同白皮书（2018）[R]. 北京: 边缘计算产业联盟, 工业互联网 产业联盟, 2018. Edge Computing Consortium, Alliance of Industrial Internet. Collaborative edge computing and cloud computing white paper (2018) [R]. Beijing: Edge Computing Consortium, Alliance of Industrial Internet, 2018.
[4]

蒋昕昊, 张冠男. 我国工业软件产业现状、发展趋势与基础分析 [J]. 世界电信, 2016 (2): 13–18. Jiang X H, Zhang G N. Industrial software industry status quo, development trend and basic analysis [J]. World Telecommunications, 2016 (2): 13–18.
[5]

Zhou Y, Zang J Y, Miao Z Z, et al. Upgrading pathways of intelligent manufacturing in China: Transitioning across technological paradigms [J]. Engineering, 2019, 5(4): 691–701.
[6]

中华人民共和国国务院. 中国制造2025 [EB/OL]. (2015-05-08) [2019-10-08]. http://www.gov.cn/zhengce/content/2015-05/19/ content_ 9784. htm. The State Council of the People’s Republic of China. Made in China 2025 [EB/OL]. (2015-05-08) [2019-10-08]. http://www.gov. cn/zhengce/content/2015-05/19/content_9784.htm.
[7]

易树平, 刘觅, 温沛涵. 基于全生命周期的云制造服务研究综述 [J]. 计算机集成制造系统, 2016, 22(4): 871–883. Yi S P, Liu M, Wen P H. Overview of cloud manufacturing service based on lifecycle theory [J]. Computer Integrated Manufacturing System, 2016, 22(4): 871–883.
[8]

Hinterreiter D, Prähofer H, Linsbauer L, et al. Feature-oriented evolution of automation software systems in industrial software ecosystems [C]. Funchal: 2018 IEEE 23rd International Conference on Emerging Technologies and Factory Automation (ETFA), 2018.
[9]

仝维维, 贾宁, 高超, 基于研发设计软件的License资源共享 平台研究 [J]. 计算机与网络, 2018, 44(10): 65–68. Tong W W, Jia N, Gao C, et al. Research on license resource sharing platform based on R & D and design software [J]. Computer & Network, 2018, 44(10): 65–68.
[10]

Zhou J, Li P G, Zhou Y H, et al. Toward new-generation intelligent manufacturing [J]. Engineering, 2018, 4(1): 11–20.
[11]

工业互联网产业联盟. 工业互联网构筑第四次工业革命的基 石——国际工业互联网发展跟踪研究 [J]. 中国电信业, 2019 (3): 19–23. Alliance of Industrial Internet. Industrial Internet builds the cornerstone of the fourth industrial revolution: Tracking research on the development of international industrial Internet [J]. China Telecommunication Trade, 2019 (3): 19–23.
[12]

周倩. 中国工业软件企业发展现状与瓶颈突破梯度 [J]. 中国工 业和信息化, 2020 (3): 56–61. Zhou J. Development status of Chinese industrial software enterprises and breakthrough of bottleneck gradient [J]. China Industry and Information Technology, 2020 (3): 56 –61.
[13]

中华人民共和国工业和信息化部. 关于印发《工业互联网创新 发展行动计划（2021—2023年）》的通知 [EB/ OL]. (2020-12-22) [2021-01-15]. http://www.gov.cn/zhengce/zhengceku/2021-01/13/ content_5579519.htm. Ministry of Industry and Information Technology of the People’s Republic of China. Notice on issuing the Industrial Internet innovation and development action plan (2021—2023) [EB/ OL]. (2020-12-22)[2021-01-15]. http://www.gov.cn/zhengce/ zhengceku/2021-01/13/content_5579519.htm.
[14]

王晨, 宋亮, 李少昆. 工业互联网平台: 发展趋势与挑战 [J]. 中 国工程科学, 2018, 20(2): 15–19. Wang C, Song L, Li S K. The industrial Internet platform: Trend and challenges [J]. Strategic Study of CAE, 2018, 20(2): 15–19.
[15]

任语铮, 谢人超, 曾诗钦, 工业互联网标识解析体系综述 [J]. 通信学报, 2019, 40(11): 138–155. Ren Y Z, Xie R C, Zeng S Q, et al. Survey of identity resolution system in industrial Internet of things [J]. Journal of Communications, 2019, 40(11): 138–155.
[16]

Aujla G S, Singh A, Kumar N. Adaptflow: Adaptive flow forwarding scheme for software-defined industrial networks [J]. IEEE Internet of Things Journal, 2019, 7(7): 5843–5851.
[17]

Wei Y, Blake M B. Service-oriented computing and cloud computing: Challenges and opportunities [J]. IEEE Internet Computing, 2010, 14(6): 72–75.
[18]

Tao F, Zuo Y, Xu L D, et al. IoT-based intelligent perception and access of manufacturing resource toward cloud manufacturing [J]. IEEE Transactions on Industrial Informatics, 2014, 10(2): 1547– 1557.
[19]

Villamizar M, Garces O, Castro H , et al. Evaluating the monolithic and the microservice architecture pattern to deploy web applications in the cloud [C]. Bogota: 2015 10th Computing Colombian Conference (10CCC), 2015.
[20]

Liu Y X, Wang J, Li J Q, et al. Zero-bias deep learning for accurate identification of Internet of things (IoT) devices [J]. IEEE Internet of Things Journal, 2020, 11(4): 2627–2634.
[21]

Kang Y P, Hauswald J, Gao C, et al. Neurosurgeon: Collaborative intelligence between the cloud and mobile edge [J]. ACM SIGARCH Computer Architecture News, 2017, 45(1): 615–629.
[22]

Gu H F, Zhang J N, Liu T, et al. DIAVA: A traffic-based framework for detection of SQL injection attacks and vulnerability analysis of leaked data [J]. IEEE Transactions on Reliability, 2020, 69(1): 188–202.
[23]

Sgambelluri A, Pacini A, Paolucci F, et al. Reliable and scalable Kafka-based framework for optical network telemetry [J]. Journal of Optical Communications and Networking, 2021, 13(10): 42–52.
[24]

郭朝晖. 工业互联网技术发展现状及趋势分析 [J]. 自动化仪表, 2020, 41(5): 1–4. Guo Z H. Analysis of current situation and trend on industrial Internet technology [J]. Process Automation Instrumentation, 2020, 41(5): 1–4.

基金资助

工业和信息化部 2020 年工业互联网创新发展工程项目 (20TC200A00L-3)()

AI Summary AI Mindmap
PDF (1453KB)

6791

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉