工業互聯網平臺存在哪些問題

工業互聯網平臺存在以下問題：

• 工業軟件落后：很難把線下能力快速遷移成線上模型。中國制造業體量占世界制造業的份額20%強，但是中國工業軟件的市場份額僅占世界工業軟件市場份額的1.7%，同時中國90%以上的工業軟件靠進口，這充分說明我國工業技術軟件化水平和積累遠遠不夠，缺乏短時間內把行業機理模型化、代碼化的線下實力。

• 工業門類龐雜：建立體系完整的行業模型庫尚需時日。我國擁有39個工業大類，191個中類，525個小類，是全世界唯一擁有聯合國產業分類中全部工業門類的國家，每個行業均有自身獨特的行業知識，把每個行業的工業基礎原理、關鍵基礎材料、核心基礎零部件（元器件）、先進基礎工藝、產業技術基礎封裝成數字化模型是一項系統工程，需要政府和全社會共同努力。

• 數據種類不全：制約了工業大數據建模分析和工業APP功能。相對于互聯網大數據注重數據的“量”和“相關性”，工業大數據更注重數據的“全”和“關聯性”，以保證能夠從數據中提取出工業設備真實狀態的全面信息。受限于設備數據采集能力不足，數據源不全，這在一定程度上會制約工業大數據建模分析和工業APP的開發，當前，基于單一數據源開發的工業APP多，基于設備和業務系統等多源異構數據開發的工業APP少。

• 數據質量不高：制約了工業大數據建模分析和工業APP性能。工業大數據往往會出現遺漏、分散、斷續等現象，低質量的數據會直接導致建模分析結果無法利用或者更為嚴重的后果，需要對數據質量進行預判和修改，因此數據“清洗”工作甚至會占到工業APP開發時間的70%左右。基于數據質量問題，當前工業互聯網平臺上狀態監測、故障診斷類工業APP較多，預測預警類尤其是智能決策類工業APP較少。

• 工業數據采集能力薄弱：數據采集是工業互聯網平臺的基礎，工業互聯網平臺首先要解決的問題是連接工業中的人、機器設備和業務系統，但是設備連接在工業現場并不是一件容易的事情。當前，我國規模以上工業企業里，80%以上的機器設備都是沒有聯網、不會說話的“啞”設備，只有20%的設備聯了網、會說話，但是這些設備遵循不同的通信協議，存在嚴重的“語言障礙”，成為制約工業互聯網平臺建設的卡脖子瓶頸。

• 工業大數據建模分析能力薄弱：工業互聯網平臺的本質就是對機器設備和業務系統產生的數據進行建模分析，將數據轉化為指導設備和業務進行優化的應用服務。當前，受限于數據采集瓶頸和工業大數據自身的專業性、關聯性、流程性、時序性和解析性等特點，工業大數據建模分析需要平臺企業兼具工業基因和大數據基因，導致現有工業互聯網平臺工業大數據建模分析能力較為薄弱。

• 行業機理模型沉淀能力薄弱：行業機理模型是工業PaaS的核心，是平臺技術能力的集中體現。行業機理模型就是通過軟件技術對工業研發設計、生產制造、經營管理等制造全過程運行規律進行顯性化、模型化、代碼化，每個行業機理模型都是一個積木式的模塊，可供工業APP開發者靈活調用，促進工業知識的沉淀、傳播、復用與價值創造。當前工業互聯網平臺面臨的突出問題是開發工具不足、行業機理模型缺失，遠遠不能完全滿足工業級應用需要。

• 現象級工業APP培育能力薄弱：工業APP是工業互聯網平臺的關鍵。但是受限于工業互聯網平臺發展尚屬于初級發展階段，工業PaaS平臺賦能不夠，工業互聯網平臺上所謂的工業APP基本上都是工業云平臺上的云化軟件“移民”而來，依靠工業PaaS上的行業機理模型“生長”出來的 “原居民”工業APP較少，現象級工業APP更是匱乏。

回答所涉及的環境：聯想天逸510S、Windows 10。