钛媒体8月14日消息，在钛媒体和ITValue主办的2019全球数字价值峰会工业互联网分论坛上，中国华能集团首席信息师朱卫列、AWS资深解决方案架构师陈雪杰和华峰创享CEO杨绍杰分别就工业互联网这一重要趋势表述了各自的观点与解读。

论坛伊始，朱卫列就“关注工业互联网中所连接的工业设备的特征值和工业设备的数字孪生”等理论概念与实践应用展开了论述，并从基本原理、建模、实践等方面进行了深度剖析。

他认为在工业互联网建设中智能化是重点突破口，智能化是第四次工业革命的核心，它有别于第三次工业革命的控制理论及其应用（例如SIS、DCS、PLC等）。

数字孪生等智能化技术是工业互联网的突破口

朱卫列表示，自Hadoop推出以及分布式计算技术出现以来，我们打开了以非结构化数据为主的大数据应用领域的大门，但在流程型工业领域却存在着海量的时序（实）数据，它们也是大数据。

然而由于受到种种因素的影响，许多企业将时序数据也采用Hadoop等非结构化数据库的方式进行处理，这是不正确的。未来我们要建立流程型行业的工业互联网，就必须开发、利用好时序（实）数据技术。

如何建立数字孪生技术？

朱卫列表示，数字孪生是工业设备的数学表达式。数字孪生中的X1，X2，…..Xn分别代表设备的测量值，如温度、压力等等，利用神经网络等算法计算出这些测量量之间的定量关系值，从而获得实体设备各个测量量的数学表征就是数字孪生。

“工业设备的数字孪生反映了各个设备的个性化属性”朱卫列如是说。

同一型号的工业设备尽管在出厂时参数指标是相同的，但他们投运后运行的工况不同，启动次数不同，经过一段时间的运行后，设备的磨损状态形成了差异。因此，与其对应的每个设备的数字孪生也就不同，这就是设备的个性化属性。

以前我们按照几千台设备（小数据）的方式统计设备的运行状况，形成的统计值只能指导这类设备的定期检修周期，而按照人工智能技术计算出设备的数字孪生便可以实现设备的个性化检修，即按照设备过往运行参数判断设备的健康状态，从而对设备进行状态检修。

数字孪生技术还可以指导系统进行运行调整，使机组更加经济运行。“数字孪生的应用领域还有许多。”朱卫列补充道。

朱卫列最后总结到，尽管工业领域的智能化技术与应用还刚刚起步，但技术路线是清晰的，市场潜力是巨大的，可以断言传统工业将因此迎来新的变革。

除了特征值，边缘计算与机器学习不可或缺

紧接着，陈雪杰和杨绍杰分别就“AWS 支撑工业4.0—从制造到智造”、“机器学习与深度学习—赋能实业”展开论述。

陈雪杰表示，在处理工业设备的数据时，数据可能来自各种工业设备，这些工业设备使用各种工业协议，如何收集和处理这些数据是工业物联网所面临的一大问题，AWS IoT Greengrass提供的边缘计算服务可以帮助用户在设备边缘侧收集、转换、预处理这些工业数据。

其中，用户只需将自己的业务逻辑编写成运行在Greengrass上的Lambda函数便可将这些处理后的数据发送到云端。而在云端，用户可以构建工业数据湖做大数据分析，也可以训练机器学习模型做质量预测或者预测性维护等应用。

“机器学习和深度学习在工业互联网中至关重要，缘由训练数据需要花费大量的计算资源。”杨绍杰对此补充到。

在最后的问答环节中，在被问及如何如何发展中国的工业互联网时，朱卫列认为：

一个正确的方向至关重要，我们不要一味地被一些国外公司提出的概念所误导，过多的把精力放在开发平台上，工业领域与to C市场不同，不可能出现少数垄断性平台。目前有许多信息化公司因为不懂工业技术与业务，转而去开发工业互联网平台，使得平台泛滥，以此形成鲜明对照的是真正有价值的智能化应用却非常少，继而在行业中不断的炒作概念，这很不好。我们需要重新真正地思考这条道路应该怎么做，脚踏实地的在智能化方面下功夫。

（本文首发钛媒体，作者/桑明强）