工業互聯網平臺是面向制造數字化、網絡化、智能化需求、構建基于海量數據采集、匯聚、分析的服務體系、支持制造業資源泛在連接、彈性供給、高效配置的載體。
工業互聯網平臺分成了四個層級。最下面這個層是數據采集層，主要是做生產車間以及生產過程的數據采集，然后第二層是IAAS層，IAAS在我們當前互聯網環境下非常成熟，主要指的是一些服務器的基礎設施包括存儲包括網絡，包括虛擬化。然后在IAAS層上面是工業的PAAS層。
在整個工業互聯網體系下面，工業PAAS層是核心，而工業PAAS層又分成了上半部分和下半部分，下半部分是工業PAAS層的通用部分，包含了數據存儲、數據轉發、數據服務、數據清洗，而上半部分是工業PAAS層核心中的核心。我們可以分成兩個維度來理解，第一個維度就是在這個工業PaaS層要做微服務，第二個是模型，要將大量技術原理，基礎工藝經驗形成算法和模型。基于微服務架構的數字化，微服務結構其實目前在互聯網行業已經推的比較多了，對于工業領域來說不是一個特別核心的技術，而對于工業PAAS層來說最為核心的就是模型和算法。
最上面一層是工業APP，就是未來工業互聯網平臺發展的后面階段，我們會發現有成千上萬的APP來解決不同大型企業不同細分行業各種問題，包括可能某條生產線某道工藝一個APP單獨會出現。所以工業APP未來會有很多。
我們來看最重要的一個，就是工業PAAS層的核心，模型和算法是怎么來的。我們先來看中間部分，就是模型和算法在工業領域里面分成兩種，第一種是機理模型，第二種叫數據模型。
機理模型就是上世紀80、90年代開始針對原理的數學建模，用數學公式來進行原理的描述，叫機理模型。這個變化不大，變化最大的是數據驅動的模型，叫數據模型。
為什么數據驅動的模型會有這么大的變化呢？是因為現在計算力不是一個問題了，海量的數據不是一個問題了，由海量的數據和計算力提升所帶來數據模型在工業領域里面，慢慢開始萌芽，但是這個事情如果撇開工業領域不談，比如說在金融領域、消費類領域，數據驅動模型其實很早之前就有了，但是為什么在工業領域里面用機器學習的算法，用深度學習的算法有神經網絡的算法來做了一些建模會看起來很新，而且看很來好像非常牛的技術。那是因為到目前為止，真正能夠將工業工藝相關的東西，能夠跟機器學習或者是深度學習模型去結合，目前還處在一個起步的階段。
以離散性工業為例，每個行業里不同公司的生產工藝，生產流程各方面或多或少會有差異，我們不可能像新零售、新金融領域一樣能夠用模型或者算法適配所有的場景，這就是為什么工業發展比較慢的一個原因，因為太離散化了，它的可復制性沒有那么強。這就需要我們在技術層面能夠更加好的進行提煉，更加好的進行抽象化，來滿足工業領域數字化的需求。這是模型。今天主要講數據驅動的模型。
數據驅動的模型最核心的，我認為不是算法，最核心的是數據。數據是有哪些維度數據構成呢？這些數據是怎么來的？
第一，從物理設備上來。比如，加工中心，在加工的過程中有電量、電壓，刀具有轉速，刀具在切削的過程當中會遇到一個阻力，我們叫載荷數據等等。這些數據其實是非常核心的設備運行參數。
舉個例子，載荷數據意味著加工中心在切削金屬的過程當中所遇到的阻力，用這個數據就可以實現在線的工藝預測。因為它在切削同一個產品的過程當中，同一個產品不同的工件選擇上應該遵循同樣的曲線，但是實際上由于不同的工件不同的壓鑄機這邊出來的一些工件有一些材料上的變化，批次上些變化以及模具上的變化，實際在切削過程中載荷曲線是不一致的。那么針對載荷數據我們有實時的數據，有歷史的數據，我們有集群的數據。我可能加工中心有100臺，我這100臺都在做這個產品，那我第一臺有加工產品的數據，第一臺也有，第二臺也好，第三臺也有，第一百臺也有，就有了集群的數據，利用這幾個維度的數據該可以做在線的工藝預測。
第二，流程邏輯，這個比較好理解。生產工藝也很好理解。這些生產工藝都由設備那邊去執行，設備的運行參數和實際的生產工藝這邊會有一些偏差，這是很重要的一個數據。
最難理解的是研發工具。我舉一個例子，我有一個做汽車零部件的客戶，他的年產值50個億，他們做的是熱交換系統，比如說給大的汽車品牌提供散熱器。可以想象，在做產品設計的過程當中，會有大量的仿真，這些仿真數據有沒有很好的進行關聯性的分析，能不能讓這些數據更好的來進行產品迭代，來提升產品設計的效率。這個數據量不會比生產過程中的數據量少，所以研發工具所產生的數據也非常有價值。
這些物理設備、流程邏輯、研發工具、生產工藝數據是數據驅動模型很重要的數據來源。有了模型，有了大量的數據我們進行運算，那可以很好去提升良品率，降低庫存水平等等。有了模型之后我們可以利用現場大量的傳感器數據來進行實時的分析和科學的決策，通過自動去精準執行或者是通過人工干預介入來進行精準的執行，最終能夠使得我們的企業做到降本、增效和提質。
剛剛其實有講到其實整個工業互聯網平臺最重要的一個層其實是PAAS層，在PAAS層里面最重要的就是模型，這就是工業互聯網平臺的核心。工業互聯網平臺發展到最后階段，我們會發現有成千上萬面向不同行業，不同細分領域的APP。可能這個APP是針對生產過程管理，可能這個APP是針對企業調度管理，可能這個APP小到只管理一臺設備，只管理一道工序，這樣的APP會有很多很多，最終發展到最后一個階段，這些APP可能是一個模塊，可能是多個模塊的組合，通過微服務化進行數據的互聯互通。
思普云工業互聯網平臺
GIS地圖顯示
GIS（即Geographic Information System）思普云可實時獲取硬件定位信息在云端系統快速形成地圖顯示設備在線位置情況。
設備實時數據
智能網關通過本身自帶的PLC協議解析以及數據遠傳功能將客戶所需的設備運行數據及各項參數傳輸至思普云。
云組態
通過畫面的各種圖元與點位圖，可直觀的觀察到工業的現場情況，以對其實時監控。并記錄的實時工況數據和歷史工況數據。
云端系統遠程控制
依托思普云標準成熟的數據處理能力通過云端即可實現設備的遠程監控、云端服務以及工業大數據應用。
多終端手機app
針對多樣化管理手段，我們開發不同終端APP以及適應手機端界面管理員可隨時登陸后臺并對設備經遠程監控和控制。
