智能化工业4.0时代的数字孪。

    一、工业0，智能化时代已来回顾人类历史，我们共同顺利经历了三次工业革命：第一次是沙盘公司蒸汽机时代，开创了以机器代替手工劳动的时代；第二次是电气时代，自然科学的发展和工业紧密结合，科学在推动生产力方面发挥了更为重要的作用；第三次是信息化时代，科学技术转化为直接生产力的速度急速加快。

    而今，我们迎来了第四次革命，即，工业4.0：智能化时代“工业4.0的本质，就是通过数据流动自动化技术，从规沙盘公司模经济转向范围经济，以同质化规模化的成本，构建出异质化定制化的产业对于产业结构改革，这是至关重要的作用。

    ”作为新一轮的工业革命，工业4.0的核心特征是互联工业4.0代表了“互联网+制造业”的智能生产，孕育大量的新型商业模式，真正能够助力实现“C2B2C”的商业模式二、当前工厂数字化转型痛难点当前，大沙盘公司家都还在“工业4.0”的摸索阶段。

    大量的工厂已经开始自己的智能化转型之路，比如通过构建应用来讲采集的数据可视化，讲数据价值最大化但是，在这个实践过程中，问题不断涌现，诸如：1. 数据/信息孤岛，烟囱林立一家工厂，在不同的阶段，因为项目的不同，有可能找不同的供应商去承接。

    分段式的项目供应商，导致的是不沙盘公司同的系统应用形象点说，多系统不互通，就是像独立的“烟囱”，每个“烟囱”都有“烟”，但是却不互通在工业4.0阶段，不互通，意味着信息孤岛，也就意味着企业的数字资产分布零散，维护成本高，使用效率低下

    ；2. 应用上线慢，耗时耗力正如第一点所说，不同系统之间的不互通，导致的是新的应用上线会“重复造轮子”：每沙盘公司个应用上线，都有大量的重复工作，浪费人力物力，且耗时长更重要的是，新的应用带来的数据处理问题：由于缺乏统一的建模，每个应用在处理原始数据时，都需要重复处理。

    两个“重复”让本就高昂的成本，更加“雪上加霜”；3.数据分析门槛高工厂，或者企业，有着一颗想要降本增效的心，比如想要通过分析现有的数据找到规律，沙盘公司从而优化流程，但却因为数据分析的门槛高，望而却步这其中最关键的原因，是其业务场景不明确，没有找到一个好的数据平台。

    三、找对平台，是成功的一半以上痛点难点，是大部分工业领域的厂家在“工业4.0”摸索过程中都会遇到的，而贯穿其中的是“应用”也就是说，软件开发者未做到足够的分层解耦是造成上述问题的重要原因沙盘公司之一以“应用”为基础，工厂经历了三个时期的三种模式：。

    1. 模式一：“烟囱式”应用在工业4.0之前，由于缺乏应用和实践，大部分厂家的应用，如上所述，都是“烟囱式”的：

    这样便导致，一是缺乏整体规划，各应用独立部署，数据各自基于业务需要单独进行采集和使用；二是效率低下，比如重复采集数据，对生产有较大影响沙盘公司2. 模式二：平台解耦——统一数采平台在“平台”概念提出之后，工厂管理者们逐渐意识到，或许，在生产线和应用之间，需要有一个“平台”，这样的解耦，能让应用和生产线，应用和应用之间互联互通。

    而这，就是工业4.0的一个基础模型

    模式二的产生，让专业的数据采集团队完成尽可能多的数据采集，并集中统一开放，让整体沙盘公司效率有所提升但是我们可以发现，即便是这样，数据的使用仍然是独立的，没有实现真正的融合在产线或者生产设备取得的数据，仍然是元数据，应用在取得数据之后，仍然需要单独对数据进行二次加工处理使用，进而导致应用间对数据的处理仍然存在大量重复工作。

    3. 模式三：数据处理——统一孪生模型如何同步解决“应用解耦”和沙盘公司“数据统一处理”问题，华为IoT有自己的方法。

    在物联网领域，有“孪生体”这样一个概念通过“孪生体”把设备的感知和设备的认知，进行统一的处理同样以工厂为例，工厂里面是有非常多的生产装备、生产产线以及其他各式各样的物理设备的，那我们能不能帮助工厂把所有的这些物理设备，通过统一的建模，对这些设备一一进行处沙盘公司理，抽象为数字化的形象呢？。

    答案是，可以通过把物理对象一一进行数字化处理，那么应用和物理设备的交互，就转变成了应用和数字孪生体的交互相对于前两种模式，这种模式的开发方式有了一个非常大的变化：我们可以无视最底层的物理设备，或者物理接口，将数据建模部分的工作，交由IoT的“统一孪生模型层”完成。

    “孪生”沙盘公司这一概念，意味着我们在建模的时候，首先需要对模型有清晰的认知，也即广泛的数采能力，毕竟在工厂里面，会有各式各样的设备，这些设备同时又有各式各样的一些协议；其次，需要有非常高的抽象能力，你需要将物理世界的设备，抽象成数字世界里的模型，并且能进行交互。

    数采能力和抽象能力，是目前开发物联网应用过程中，非常沙盘公司关键的两个能力基于华为云IoT带来新的开发模式，帮助用户快速构建数字化转型的基础平台接下来以华为自己的工厂为例，来简单说明华为云IoT是如何使用新的开发模式，助力工厂数字化转型的。

    正如大家所知道的，华为本身也是一个制造型的工厂，华为云IoT的能力首先是在自己的工厂进行实践我们以南方工厂，也就是Hua沙盘公司wei Mate 40 生产工厂为例，把工厂的手机贴片过程通过数采、建模在数字世界中构建出一个数字化的产线的孪生体。

    基于华为云IoT的能力，在南向完成一个统一的孪生体，并在上层构建可视化、智能化的应用，具体架构图见下：

    在南方工厂实际数字化进程中，有以下几个挑战：产线设备厂家/种类/型号多种多样，涉及沙盘公司超过30+不同应用层协议需要对接，采集难度大；一条产线上超过上千条测点数据，缺乏数据建模手段，导致数据处理低下那么，如何站在开发者的角度，去省时省力地完成数字化呢？华为云IoT正式登场。

    四、以多维模型为核心，构建数字孪生在一个数字孪生体的实际应用背后，是有很多的模型的，比如产线的模型，设备的模型，质沙盘公司量缺陷的模型等等而在建模过程中，从看待一个工厂物理世界当中的物理对象的角度，可以把工厂的孪生体分为两类：制造的数字孪生和产品的数字孪生。

    制造数字孪生：定位：将工厂的制作环节进行数字化的镜像，能够实时反映工厂的制造过程；经过对制造过程的统一抽象，不同应用可以基于同样的语义进行交互；建模内容：生产装备、沙盘公司产线、生产工艺流程、质量缺陷、物理结构等等；

    产品数字孪生：定位：从工厂在制产品维度，组织生产过程中产生的各种数据，并预留通过与数字主线对接能力打通产品设计阶段、产品维护阶段的数据；建模内容：产品的各种属性，生产过程数据，质量数据等。

    以上，就是工厂数字孪生的两个非常重要的数字抽象维度通过将产线生产过程沙盘公司透明化，实现生产有序可控，让应用上线时间从原来的6-9个月，缩减至3个月；同时，孪生建模+智能分析，用数据去驱动智能生产，让数据的开发效率能提升70%。

    通过华为云IoT，我们可以快速实现工厂的全要素联结，并通过构建工厂数字孪生模型，大幅度提升数据利用效率。

    Part 2：基于南方工厂的数字孪生实践 回沙盘公司到我们的主题南方工厂，即是生产Huawei Mate 40的产线手机产量的暴增，让产线的数字化需求迫在眉睫通过整个产线的数字化，可以提升生产过程、优化制造工程厂商的管理，以及质量控制的管理，让产线的效率得到大大的提高，同时能够降低运营的成本。

    上图是一个工厂孪生体的多维模型我们可以看到在产品模型中，包沙盘公司括了设备模型和产线模型，更上层还有制程能力模型、质量缺陷模型以及设备物理/结构模型和设备故障预测模型通过应用华为云IoT数据分析服务建模和分析能力，可以快速构建的电子工程产线和设备孪生体。

    那么本文我们就来介绍一下如何构建一个数据分析服务建模一、基础概念介绍（一）OEE概念简介在进行建模讲解之前，我们沙盘公司先普及一个基础的概念OEE，即设备综合效率（Overall Equipment Effectiveness）。

    一般来说，每一个生产设备都有自己的理论产能，要实现这一理论产能必须保障没有任何干扰和质量损耗OEE就是用来表现设备是的生产能力相对于理论产能的比率在计算OEE的时候，会涉及到以3个维度：时间沙盘公司利用率：时间利用率=Σ实际运行时间/Σ计划开机时间*100%。

    用来评价停工所带来的损失，包括引起计划生产发生停工的任何事件，例如设备故障，原材料短缺以及生产方法的改变等等；性能利用率：性能利用率=Σ[产出数量*一个产品在设备应有状态下加工的周期时间]/Σ实际运行时间*100%。

    用来评价生产速度上的损沙盘公司失包括任何导致生产不能以最大速度运行的因素，例如设备的磨损，材料的不合格以及操作人员的失误等；合格率：合格率=[合格产出数量]/[产出数量]*100%用来评价质量的损失，它用来反映没有满足质量要求的产品（包括返工的产品）；。

    那么最终的计算公式就是，OEE=[时间利用率]*[性能利用率]*[合格率]*沙盘公司100%，这就是衡量设备综合运营效率的一个关键指标，也是很多电子制造工厂以及其他类似厂房里的一个关键性指标一般来说，国内厂家OEE的数值都不会太高，一般只有70%，或者80%，少的甚至只有40%左右。

    （二）工厂孪生体产线和设备建模分析效果图工厂孪生体产线和设备建模分析，可以通过一些可视化的管理后台进沙盘公司行查看以下分别三个不同功能的效果图Picture 1：图上共有3条产线，可以进行适当地拖放图里可以看到每个设备的OEE数值。

    通过资产建模和分析能力可实时计算出产线和设备的OEE，各设备关键指标实时监控，同时可查看历史数据

    Picture 2：设备建模图。通过设备上报故障消息和设备模型相结合，实时监控设沙盘公司备运行状态。

    Picture 3：资产分析图通过资产模型分析能力，可实时分析和监控上报的设备数据是否存在异常比如说，湿度正常情况下是到45%~63%，如果上报的数据不在这个范围内，则属于不正常数据界面就会显示一个黄色的点，表示这里的设备上报的数据有异常。

    可以看出，数据分析是可以实时计算，实时监控的，如沙盘公司果有些严重异常的话，甚至可以推送到运维人员

    （三）工厂数字孪生Demo数据处理和分析流程要实现上述的效果图，我们需要经过如下几个步骤（因为不是真实工厂，所以采取的是模拟设备）：设备模拟器：基于标准物模型，模拟器定时5秒通过MQTT协议自动上报设备属性数据，可模拟手动出发上报消息，比如设备告罄消息。

    Io沙盘公司T设备接入服务：通过配置设备数据转发规则将设备属性数据和设备消息到IoTA（数据分析）服务IoT数据分析服务：基于数据管道接收设备数据，并通过资产建模和计算分析能力，实时计算生成产线和设备OEE相关数据，判断数据是否存在异常信息。

    3D应用：通过调用IoTA的API获取数据，以3D的形式展示产线和设备沙盘公司，可查看产线和设备OEE，设备关键指标，告罄等故障信息，同时可查到相关历史数据。这也就是第二部分的效果图。

    （四）IoT数据分析内的分析过程接下来，我们来重点讲解一下“IoT数据分析服务”内部的流转过程第一步，数据管道我们通过数据管道把数据接进来，同时本地也会进行备份；第二步，对设备进行建模；第三步，沙盘公司建立设备资产；。

    第四步，把模型实例化之后的设备，及灌进来的数据，通过设备资产分析这个计算引擎，完成实时计算相关的分析任务；第五步，把数据存储到IoT内部；第六步，把这个数据通过API开放给第三方使用。具体见下图：

    在这个过程中，我们需要详细讲解一下第二步以及第三步是如何操作的，也就是，我们如何创建模型沙盘公司和资产呢？（五）IoT数字孪生的基本概念介绍在进行创建模型和资产讲解之前，我们先介绍一下“IoT数字孪生”的基本概念。

    我们认为，物理世界的物，在数字世界中是有一个实时的、准确的一个映射的，它可以把实际的设备数据和一些其他的数据组织起来，组成jason模型，成为一个载体。

    上图是我们数字孪生的一个概念图沙盘公司首先数据孪生体，可以分为模型和资产两部分其中模型相当于开发过程中，Java的类，表示一个类的一个模板在实例化之后生成一个资产，就相当于new class，那么也就生成了一个对象。

    一个对象对应一个资产同时，模型又分为两种，第一种是属性，属性还可以往下分还要分三种：第一种是静态配置属性，此类属性不需要设沙盘公司备上报，也不怎么会有变化，比如产品型号，设备类型等等；第二种是测量数据属性，测量数据属性是需要设备上报的。

    通俗一点说，就是，数据分析自己是没法得到的，需要别人给系统的数据包括设备上报的属性，也有可能包括从第三方的业务系统读到的属性，系统都认为是一种测量属性；第三种是分析任务属性，此类属性在数据上报之沙盘公司后，是需要去进一步计算的。

    针对最后一种任务分析属性，有相应的任务去配置，去计算在这个过程中，相当于算法的加载及配置：先去分析这个数据，然后后台的计算引擎就去加载配置的业务逻辑分析任务属性目前有分三种：第一种是转换计算：举个简单例子，假设创建的时候包含了两个属性，a和b，而我们要求在这个过程中，a+b沙盘公司=c，那么这就是一个转化计算。

    转化属性要求是实时的，且ab两个值的数据时间戳是相同的；第二种是聚合运算：聚合是一个时间维度的计算，假设要求过去五分钟的一个平均温度，如果设备每五秒钟上报一次数据，那么就需要对五分钟内的所有上报的数据做一个平均，相当于在时间维度下，做聚合运算；

    第三种是流计算：流计算主要沙盘公司是用在比较复杂的场景，逻辑不能用简单的一个if /else表达出来的时候，就需要使用到流计算举例来说，当资产将很多参数上报之后，系统需要通过这几个参数计算出一个结果，再返回资产，那么流计算在其中的作用就相当于一个计算器。

    流计算的功能非常强大，在工厂数字化模型中，大部分的场景都能实现，比如滑动窗口、数沙盘公司据过滤、加属性等等，是比较通用的一个能力以上就是一个整体的建模的概念，基于上述的这些概念，我们能更好地理解后面的内容二、资产建模实操。

    （一）设备建模：SMT产线印刷机设备对物理世界事物构建数字资产模型时，必须先定义好资产模型，然后再创建资产一般来说，一个产线有7种设备，我们以其中的印刷机为例，来讲解沙盘公司一下设备是如何建模的首先，是属性的配置。

    针对于印刷机，我们三种属性分别为：静态配置属性：产品理想印刷时长、设备型号测量数据属性：印刷速度、脱模速度、印刷高度分析任务属性：时间利用率、性能利用率、合格率、OEE而分析任务属性同时又有以下计算配置：

    转换计算：计算时间利用率、计算性能利用率、计算OEE以及沙盘公司判断温度状态聚合计算：计算实际工作时长、计算实际工作时间、计算合格率流计算：SMT场景暂未使用下图为属性编辑的页面，包括静态配置、测量数据以及分析任务，可供参考。

    下图为所有参数都配备完成之后的完整样例在这里面可以看到大概有70个左右的属性，这些属性都是模拟了真实产业的一些属性下图所有的数据，包括样本沙盘公司和格式都是来自于南方工厂实际的生产数据，所以是相对比较真实的

    通过下面的截图，我们希望能够说明印刷机的分析任务是怎么配置的以“转换计算”为例，只需要读取上报的温度值，并做一个表达式判断，比如说温度大于25，小于35，那么就认为是正常温度把判断的结果复制给应用，应用就能直接使用这个结果。

    下图为配置好的分沙盘公司析任务。可以看到，我们目前配置好了11个分析任务，包括计算资金利率、性能利用率、合格率、OEE、以及各种状态的判断等等前面所说过的种类。

    （二）产线建模：SMT产线前面说完了“设备建模”，接下来我们讲解一下“产线建模”产线建模实际上也和设备建模的概念相同，模型类似但是静态属性和测量数据属性暂时没有配置沙盘公司，因为产线相对简单一些，主要是求OEE的值，也就是分析任务属性，包括OEE相关的四个指标，以及转换计算、聚合计算和流计算。

    分析任务属性的配置和设备产线是一致的，就不再重复讲解。下图为印刷机的设备资产配置图示例：

    接下来，我们来看看产线资产是如何构建的如下图，产线资产一共分三层：第一层是工厂（父资产）；沙盘公司第二层是产线（子资产）；第三层是设备（子资产）产线和设备同样有模型，三层模型构成了一个“父子关系”的资产数资产来自于模型，由模型实例化而来，同时，模型实例化为资产时可以根据业务场景来指定层级关系，且资产之间相互独立。

    下图是构建好的资产树。相比于上一张图的逻辑图，这是一个示例图。图中表明一个电子工厂有沙盘公司三条SMT产线，每条产线有7个SMT设备。

    （三）、OEE相关指标配置（设备&产线）我们再来看看设备的每个指标是如何计算的，如下图我们以“产品合格率”（下图灰色部分）为例如前文所述，合格率=[合格产出数量]/[产出数量]*100%表格中“TS_Sum”表示时序求和，即可以把产量在一个时间范围内求和，比沙盘公司如，对五分钟内的产量进行求和。

    其他指标的计算方式和合格率类似，就不一一赘述产线和设备的指标计算过程相似，差别在于数据的来源产线的数据来源于子资产，而非产线自己产生的因为资产“父子之间”的数据是可以相互引用的，而产线本身是不上报任何数据的。

    （四）资产运行监控所有的产品创建、属性配置都完成之后，即可点击沙盘公司“发布”，将模型发布并运行模型在定义的时候，本身是一个静态的过程，一旦发布，就会激活根据前序定义的任务分析逻辑，系统将会自动计算，并得出实时结果，进行上报。

    所有的数据都可以在下图中观察看到

    除了上述的数据展现模式，还可以根据业务的需要，将数据展示成折线图、热力图、曲线图等等，更易进行分析的图形展示方式沙盘公司，得出你想要的结果。示例图如下。

    想要体验一个产线模型建立的过程，可以前往华为云IoT数据分析服务（https://www.huaweicloud.com/product/iotanalytics-platform.html）深度体验根据“总览”页的指导一步步进行操作。

    三、小结从上述的讲解和介绍，我们沙盘公司可以得出以下结论：物理世界的物在数字世界中的实时准确映射，组织数据&模型的载体，是IoT领域的数字孪生；围绕一个具体的物理对象，组织数据&模型，定义一个数字化的模型，即是IoT领域的数字建模过程；

    设备数字孪生模型由属性和任务分析两部分组成；对物理世界事物构建资产模型时，须先定义模型，再创建资产面向对沙盘公司象建模思想带来的好处：封装、继承、组合，提升复用效率和可扩展性华为云IoT数据分析服务基于物联网资产模型，整合IoT数据集成、清洗、存储、分析、可视化，为IoT数据开发者提供一站式服务，降低开发门槛，缩短开发周期，快速实现IoT数据价值变现，让工厂数字化转型升级“触手可及”。

    来一起体验一下吧~点击关沙盘公司注，第一时间了解华为云新鲜技术~