工业数字化工程的内涵剖析及体系建构研究

毛光烈

(浙江省智能制造专家委员会，浙江 杭州 330108)

数字经济已成为带动经济增长的核心动力。党的十九大发出了建设数字中国的号召，浙江大力发展数字经济，以“数字产业化、产业数字化”为主线，全面实施数字经济“一号工程”。工业数字化转型是数字经济发展的主阵地，是突破传统工业产业发展瓶颈的重要出路。在此背景下工业数字化工程应运而生，它是实现工业数字化转型的重要抓手，一定程度上决定了工业数字化转型的速度和质量，具有重要的理论与实践的研究价值。但作为初生于实践的事物，工业数字化工程仍缺乏系统的理论框架解释，更缺乏可指导实践的研究。针对此，本文试图从正确理解工业数字化工程内涵和特征出发，再从实践角度出发分析其工程体系，抛砖引玉，为后续实证研究和政策探讨奠定基础。

一、工业数字化工程的内涵和特征

(一)数字化的内涵

2012年维克托·迈尔-舍恩伯格(Viktor Mayer-Schönberger)和肯尼斯·库克耶(Kenneth Cukier)提出一个与数字化相近的概念——“数据化”(Datalize)，他们认为数字化是为了方便计算机处理，用0和1来表示各种模拟数据，而数据化是把现象转变为可制表分析的量化形式的过程[1]。简言之，数字化侧重于技术变革，而数据化更关注信息本身，强调用数据挖掘巨大价值。

周济院士结合我国信息化与制造业在不同阶段的融合特征，归纳出被广泛使用的“数字化、网络化、智能化”三个基本范式[2]，此处“数字化”强调的是信息应用的计算机化和自动化，指通过数字技术和制造技术的融合，对产品信息、工艺信息和资源信息进行数字化描述、分析、决策和控制，快速生产出满足用户要求的产品的过程。徐宗本院士探讨“数字化”时也使用了“数据化”概念，但他认为数据化是数字化发展的一个阶段[3]，当前数字化正从计算机化、自动化向数据化发展，突出数据的生产要素与生产力功能，强调对数据的收集、聚合、分析与应用。安筱鹏博士从“化解不确定性”角度对“数字化”进行深入剖析，提出了被广泛认同与传播的定义：数字化的本质是“在数据+算法定义的世界中，以数据的自动流动化解复杂系统的不确定性，优化资源配置效率，构建企业新型竞争优势”[4]。总的来说，虽然不同学者对“数字化”有不同认识，但是在强调“数据的深度挖掘与应用”的这一点来看趋于一致。

信息经济向数字经济转变的过程，凸显了“数据”在生产生活中的特殊地位。现代信息技术让海量数据生成、存储、计算成为了可能，但数据的价值源自于人类分析世界、预测未来、降低不确定性的渴望，数字经济强调数据作为核心生产要素的深度应用[5]。我们认为，数字经济背景下，数字化是将大数据、云计算、人工智能等通用目的数字技术广泛应用到经济社会各行各业，并通过数据的深度挖掘指导决策，促进生产生活全要素效率提升的过程。

(二)工业数字化工程的内涵

基于上文分析，数字化就是通过对数据的深度挖掘化解产、供、销、用等复杂系统的不确定性，优化资源配置效率，构建企业新型竞争优势。其核心是数据的深度应用，关键在于数字技术与人类活动的深度融合，目的是提高运行效率和效果。数字化简单理解就是在工业领域深化数据采集、增加数据沟通、提高决策质量，促进生产效率提升的过程。进一步讲，数字化转型的过程就是运用现代科学与工程技术，解决数据怎么来、数据怎么联、数据怎么用的问题[6]，而系统解决这些问题的复杂实践活动，我们称之为——数字化工程。通俗地说，当“化”字作为动词来使用时，它是指通过数字化工程的建设模式(或工程的改造模式)来实现一个企业、一个单位、一个区域或某个领域(如交通领域)的数字化转型的方式。场景聚焦至工业领域，工业数字化工程则是在工业制造中融合运用现代数字技术与工业技术，解决“数据怎么来”“数据怎么联”“数据怎么用”三大问题的工程实体。

1．数据怎么来。“数据怎么来”是工业数字化工程需要回答的第一个问题。工业数据的搜集和特征分析是世界各国工业数字化的实施基础，不论数字工业发展到什么程度，数据采集都是生产中最实际、最高频的需求，也是工业数字化转型的先决条件[7]。数据采集工程解决的是数据来源问题，旨在低成本、高效率地建立全面、实时、高效的数据采集体系以保障数据来源。

2．数据怎么联。实现万物互联是解决“数据怎么联”问题的终极目标。万物互联是工业数字化的特征和基本要求，指人、机、物、应用等要素通过网络连在一起，并通过有效的机制进行共享，实现互联互通互操作，从而重构整个生产方式、管理模式与服务模式。数据是人机物各要素之间合作生产作业的语言，一定程度上可以认为实现万物互联的过程实质上就是打通数据应用的过程。数据互联工程是满足数据互联应用的基本条件的举措，任务是实现协议兼容，创造硬件、软件间可对话与协同工作的环境，建立高效的数据共享机制和低延时、高可靠、广覆盖的数据传输与应用体系。

3．数据怎么用。通过数据应用创造数据价值是数字化转型最关键也是最具价值的环节。解决“数据怎么用”问题的过程，是通过数据挖掘或知识发现，从大量数据中挖掘出隐含的、先前未知但潜在的有用信息与模式并指导决策、解决痛点、促进生产效率提升的一个工程化和系统化的过程[8]。

三个问题的回答，实质是数据采集、数据互联、数据应用三个环节的实施。数据应用是三个环节的核心，数据采集和数据互联为数据应用奠定基础。以数据采集、数据互联、数据应用为主线的一系列逻辑、方法、模式与措施，描述了完整的工业数字化转型过程。

(三)工业数字化工程的特征

围绕解决“数据”问题展开，是工业数字化工程的最大特点。而作为复杂的系统工程，在具体实施过程中工业数字化工程具有如下特征：

一是融合多学科多领域专业知识。工业数字化工程强调大数据技术、计算技术与工业知识与技术相互集成、跨界融合并作为一个整体来使用，具体工程实施涵盖系统及复杂系统工程的规划及顶层设计方案编制、工程组织实施与管理、工程质量监管、工程运维等方面内容。与此对应，工业数字化工程人才是复合型人才，新职业也是跨学科职业，需要设立专门的学科或专业，进行学科与课程建设，加快科学人才与技能人才的培养，要求人才培养从专业分块向专业跨界融合转变，从以学术为导向向工程实践为导向转变。

二是以系统解决问题为基本要求。“系统解决问题”是工业数字化工程最低的、最起码的要求。如果数据能打通、智能体系能建成，数字化的生产、作业与服务的目的就能实现，反之数字化生产、作业与服务就实现不了，数字化工程的绩效就是“零”。因此，要进行数据库、云平台等智能应用体系(包括生产、作业设备端物联网)的整体建设，不能缺脑无心、缺胳膊少腿、缺神经传导网络系统。只有实现软硬一体、物联网应用端与互联网平台端为一体、数据传感储用为一体，才能构成一个可实现某种人类智能、生物智能的自我感知、自我表达、自我学习、自主决策、相互协同工作的完整的整体。

三是以总包(或牵头总包)为基本施工模式。系统解决问题的基本要求呼唤总包(牵头总包)的施工模式。传统分包模式造成“铁路警察，各管一段”，采用的数字化接口、通信协议、数采模式不一，容易造成各个制造单元或每条生产线、每个车间的数据孤岛；同样，由于缺乏统一设计、统一开发选型与应用软件的集成，又造成了应用软件之间的不能互联互通互操作，无法达成系统解决问题的基本要求。总包(牵头总包)的施工模式，统一规划设计、统一标准的实施改造、统一集成的软件开发、统一数据的管理与应用，才能大幅提高改造效率，才可以实现系统解决问题的企业数字化工程的全面交付。

二、工业数字化工程的体系建构

数据采集、数据互联、数据应用是工业数字化的三大核心环节，其有效实施取决于科学的工程模式。从实际来看，工业数字化的工程体系是：智能硬件模块积木式组装+智能软件模块集成部署+先进网络与云平台的全程支持。智能模块是工业数字化工程的最小组成单位，积木式组装与集成部署是智能制造工程作业体系的组合方式，工业网络与云平台是智能制造工程作业体系发挥功效的基本支撑。

(一)智能模块

智能模块是工业数字化工程的基础，也是数字化系统的最小构成单元。具体可以分为智能硬件模块与智能软件模块两大类。

智能硬件模块的特点是软硬件一体化。根据使用功能分类，它可分为智能通用基础硬件模块、智能专用基础硬件模块、智能通用系统集成硬件模块、智能专用系统集成硬件模块等；根据适用对象分类，可分为智能装备(数控机床)或智能产品类的模块、智能装备或产品的部件模块、智能无线网络模块、智能云平台模块等。智能硬件模块是软硬件相结合的模块，可以通过积木式组装的工程模式让其发挥作用。

智能软件模块是纯软件模块，通过下载或集成的方式为数字化工程所使用。大数据(含文字数据、图像视频数据、音频数据)的应用能力与大数据新一代人工智能的应用能力始终处于核心地位，是“解决问题、创造价值”的关键。要十分重视部署在边缘计算与分布式云计算平台之上的智能应用软件模式的开发与应用，使之造福于企业与客户。智能软件模块大体可以分为三类：智能单项应用软件模块、智能系统软件模块、智能大型软件模块。智能单项应用软件模块大多以APP的模式存在，是轻量化的应用程序；智能系统软件模块是数字化工程模块的重要组成部分，如工业产品数据管理系统(PDM)、企业制造执行系统(MES)、企业资源计划系统(ERP)、全生命周期产品信息管理系统(PLM)、客户关系管理系统(CRM)等；智能大型软件模块如工业操作系统，一般在云平台上使用，可以大大提升云平台的运营与服务水平，通常可通过移植的方式转移到云平台上。

智能硬件模块与智能软件模块的特征是数字化、智能化，每个工程模块具有对数据的自动控制功能，工程模块之间具有自动互相通信的功能、系统与软件之间具有自动适配与协同功能，数据分析、计算、决策、执行等环节之间的运作具有自动化的功能。智能硬件模块或智能软件模块的这些“自动化”的功能，都是通过事先设定的“嵌入式芯片+应用软件”或“嵌入式芯片+软件包”赋予的；不同智能硬件模块的积木式组装与智能软件模块集成部署，可以组合成不同的生产作业或服务流程，并形成各不相同的生产、管理与服务模式。

(二)构建模式

数字化工程的“智能硬件模块积木式组装+智能软件模块集成部署”工程模式，源于工业化与工程化的实施模式。工业化的进程推动了产品或装备制造的社会化分工与协作，产生了“模块化生产的分工”与“积木式总(组)装”的生产方式。积木式组装与集成部署的核心在于“模块化”。模块化的基本思路是：把产品系统分解为模块，建立模块体系。不同模块组合构成多样化、柔性化的产品，实现“以不变(模块系列)应多变(用户需求)”的产品开发模式。

模块化的工程模式有快速、可靠、低成本的价值特征，能提高工程完成效率和质量，增强客户高满意度，取得市场竞争优势。具体来讲：

其一，模块化开发基于模块平台，平台资源共享、继承性强，可减少低层次的重复劳动，因此研发、制造周期短，同时产品主要由通用模块组成可快速上市；

其二，模块经反复优化，多处应用，其设计可靠性得到多次验证，且模块批量生产，工艺稳定，制造质量有保证；

其三，相对稳定的通用部件模块可重复使用，能够通过大规模生产降低成本，从而取得成批生产的效益，同时模块化可最大限度减少零部件品种规格进而降低全流程成本；

其四，模块化产品，易于拆装和测试，便于产品的维修和升级，可满足用户的个性化定制需求，提高客户满意度；

最后，模块化产品构成模式有良好的规划，可实现有序和持续发展，同时产品构成还具有柔性，易于采用新技术、实现创新成果的产业化，能够适应变化的市场和机遇。

(三)网络支持

工程模块的积木式组装与集成部署离不开先进网络的全程支持。高效能的工业通信网络可以帮助整个价值链不间断地实施与数据实时交换，并且在所有企业层级实现纵向与横向的数据交换。工业场景对网络有严格的要求，需要满足泛在性、实时性、可靠性、安全性。

1．泛在性。泛在性指无缝地激活位于网络边缘的设备或“物”，透过OT与IT的互联，让制造系统中各环节的信息可以被完整采集并无缝集成，从而实现数字化转型愿景。泛在性的意义是确保系统生成的数据的完整性，这是一个高优先级事项。如果数据不完整、不准确，在此基础上的智能分析结果是毫无价值的，甚至是会产生偏差、误导决策，造成严重不良结果。

2．实时性。在工业监控领域中，实时性问题具有十分重要的地位。制造端各装备、设备之间数据的动态交互，只传送与用户需求有关的数据，且传输时延应当被控制在智能制造允许的时间内，实现数据及时交互、远程控制等，是工业通信网络的最重要任务。缺乏了实时性，工业通信网络将毫无意义。

3．可靠性。可靠性是对IT(信息网络)与OT(生产网络)要求的最大区别。OT系统主要为了满足制造用途，而追求稳定是生产的重要诉求之一，因此大部分的工业设备系统更新周期长(往往在7年以上)。更关键的是，工业用的通讯设备在设计上会更重视环境的适应度，包括温度、湿度、防尘、防震等，比对IT的要求更严苛。工业用户若盲目将一般IT设备使用于工业环境，可能因通信讯号传递出错而导致生产设备宕机、生产线停滞，损失惨重。

4．安全性。工业网络对安全性要求极高，工业网络若被破坏，企业将付出高昂代价，包括对员工生命安全的威胁、生产过程中断招致的客户产品交付延误违约，以及索赔或被损害的各方提起诉讼等。且工业数据还往往蕴涵着企业的核心技术，一旦泄漏将影响企业的生存，所以工业网络的安全非常重要。

总的来说，在实践中工业数字化转型一大部分难题来自于IT与OT的融合，OT的严格要求与IT有所区别，对于OT系统而言，确保OT网络的稳定性和安全性是最重要的，IT不融合式的介入会对工业用户造成困扰。此外，工业用户的OT设备不像IT设备有比较统一的标准并已在市场上已经形成比较成熟的规范，且许多OT设备来自于不同厂商。因此，只有统一规划为先，打通数据接口，才能真正实现OT设备之间互联互通，确保数据的一致性。

三、推进工业数字化工程的要点

(一)加快发展即插即用智能模块

即插即用智能模块是面向工业生产过程，将嵌入式技术、传感技术、控制技术、通信技术等融合并实现软硬件一体化的集成组合，方便用户按需配置使用的一种模式创新，具有模块化、标准化、通用化等设计特点，企业数字化改造是其应用的重要场景。

目前传统企业数字化改造采用的是近乎“一企一策、一厂一案”的解决模式，受制于技术、时间、人员、成本的投入，这种模式存在着开放性差、缺乏标准、整体水平低、核心技术缺失等一系列问题，不能实现标准化开发、批量化生产、规模化的市场化应用和快速化的生态化发展。同时，这种模式难以推广，并普及到广大的中小企业。对中小企业来说，尤其关注投资小、见效快、实施便捷、部署灵活、简单易用等模式。

从集成创新角度来看，即插即用工业智能模块具有相对集成容易的优点，同时还能高效低成本解决原有设备因无数据接口、通信协议不一造成的互联不足问题。这对于企业尤其是中小型企业加快数字化改造具有重大意义。在加快统一标准规范的前提下，除少数部分要求较高的场景外，相当部分的可以使用中、低端水平的芯片(用以替代集成电路板)，各种适用软件开发门槛并不高，我国有条件有能力率先实现规模应用的突破。应该说，做好这项工作我国已经具备一定的基础与条件。

(二)加快构建工业APP发展生态

工业互联网产业联盟对国内外366个工业互联网平台应用案例进行了分析，40%的平台应用集中在产品或设备数据的检测、诊断与预测性分析领域，而在涉及数据应用范围更广、分析复杂程度更高的经营管理优化和要素协同匹配等场景中，大多数平台现有能力还无法满足要求，还需要进一步推动数据分析技术创新与业务数据建模来实现长期的工业知识积累[9]。

工业APP是实现数据服务的主要形式，是指面向特定工业应用场景，通过调用工业互联网云平台的资源，推动工业技术、经验、知识与成功实践模型化、软件化、再封装而形成的应用程序。工业APP以代码和数字技术的形式封装大量工业技术与作业原理、行业知识和基础模型，将汇集的数据进行模型化处理，能够极大优化生产与经营活动。工业互联网平台是工业APP开发与使用的载体，平台向下连接海量设备，向上支撑工业应用，是工业全要素连接和工业资源配置的枢纽。平台承载着工业知识的数字化模型和工业APP，是工业知识沉淀、传播、复用和价值创造的重要载体。建设工业互联网平台、沉淀数字化模型、开发工业APP，是数据应用的三个关键步骤。应当以解决实际问题为导向，把工业机理与数据科学方法紧密结合，积累数字化模型，完善工业互联网平台的工业APP开发环境和开发工具，加大工业APP与“智能+服务”产品的开发，真正把工业制造全程服务的“短板”补长起来，让用好数据成为提升企业竞争能力的“杀手锏”。

(三)加快5G应用实现互联互通

目前工业企业中存在着大量的联网和通信需求，5G具备布线易、高速率、大连接、适应环境强、业务灵活等特性，能高效应用于工厂管理级、车间监控级信息集成领域，实现企业管理的跃升。同时，低延时和超可靠特性，5G更能满足对时效性有较高要求的工业设备应用场景，这是5G对工业数字化转型的新贡献。

随着5G网络的应用，通过以时间敏感网络(TSN)、工业无源光网络(PON)、工业软件定义网络(SDN)、无线专网等为代表的新型网络技术标准的应用探索，有望减少庞杂繁多的现场总线协议。可以尝试通过5G的NB-IoT来加速生产系统的互联互通，进一步完善统一5G的NB-IoT通讯协议，着力开发“5G嵌入式芯片+NB-IoT通信协议软件”的智能模块。至少可以在工业物联网移动场景多、柔性生产制造单元布局的离散型制造的工厂里，使用移动网络与5G的NB-IoT统一通信协议的智能模块，率先在小数据量、小速率的装备上开展应用试点，并加快eMTC/5G技术的开发，待取得成效后再大面积推广。

四、研究结论

目前，“大而不强”是我国工业的基本面，传统工业用户的数字化转型受限于企业信息基础差、人才少等条件，如同“带着镣铐跳舞”；而已经开始数字化转型升级的企业，又囿于可参照经验甚少，只能“摸着石头过河”，各有各的困难。工业数字化转型面临人才、技术、装备等多方面复杂问题，工业数字化工程的实施道路也满是荆棘。工业数字化工程以“创造数据价值，推动工业高质量发展”为使命，是推动工业企业转型升级的重要抓手。厘清工业数字化工程的结构、逻辑、方法，准确认清智能模块、构建模式、网络支持三大支柱的作用，并明确三者之间的协同关系，是顺利开展传统企业数字化改造的重要前提，也是确保企业实现顺利转型的重要保证。