【读书笔记】-《工业互联网-技术与实践》

2023-11-20

前言:

        现在的技术发展潮流,基本上往大数据、人工智能的方向发展。但是归根结底,是什么推动了这些技术产业的发展,是什么支撑的。主要说的话,这和互联网的发展息息相关,也就是说现在一些主要的发达国家是如何拓展先技术新领域,并且如何把这些新技术应用到实际产品中,丰富人们的生活,提高生活质量的。

        比如马斯克的特斯拉,满满的科技感,一辆高配置的纯电动汽车,为什么还能如此廉价,质量却不输其他高价位的汽车。首先和100年前的福特汽车生产说起,100年前,生产一辆汽车,几乎都是人工组装,汽车的成本也许没有那么高,那么费用出在人工组装上。但是在看现在的特斯拉生产线,是世界上较为先进的产线,百分之80是机械组装,除了比如仪表盘的螺丝可能需要人工。类似于这些全自动的生产现,都依赖于现在的技术。如果再细了说,一个产线上有多个处控制,多处需要监控,而这些监控的数据又被实时传回控制监控中心,这些数据除了生成直观的报表,更重要的是使用大数据分析,人工智能预测它未来的发展趋势,比如机械的磨损,机械的误差预测与实时校准等。再比如阿尔法go与李世石的围棋大战。

1. 主要国家工业互联网发展现状

        当前,工业互联网已经引起了美国、德国、中国等制造业大国在国家战略层面的高度重视。各国普遍以产业联盟方式快速推动本国工业互联网技术、标准与产业生态的发展。以美国工业互联网联盟、德国工业40平台、中国工业互联网产业联盟等为代表的产业联盟组织在工业互联网方面迅速推进。

1.1美国工业互联网联盟(IC)

        GE公司联合另外四家I巨头组建了工业互联网联盟( Industrial Intemet Consortiun,IC),将这一概念大力推广开来。C成立于2014年3月,由GE联合AT&T、思科、IBM和英特尔发起。ⅡC致力于构建涵盖工业界、信息与通信技术( Information and Communications Technology,ICT)界和其他相关方的产业生态,推动传感、连接、大数据分析等在工业领域的深度应用,协同其他机构尤其是标准组织解决标准规范等问题。截至2015年底,IC已经发展了200多名成员,成员分布于29个国家和地区。

        美国IC以参考架构、测试床、应用案例为工作抓手,从企业案例阶段向产业推广阶段快速推进,强化工业互联网在大型工业企业中开展广泛应用,同时建立面向行业的测试床,以此为基础向全球范围开展产业辐射与标准推广。

1.2 德国工业4.0平台( Platform Industrie4.0)

        “工业40”在德国政府发布的《高技术战略2020》中被列为十大未来项目之-。2013年4月,汉诺威工业博览会上正式提出了“工业40”计划,并且获得了德国科研机构的大力支持。弗劳恩霍夫协会以及西门子公司率先将这一概念应用在其生产开发领域。德国“工业40平台”的产业发展模式重点以西门子、博世、SAP等领先企业的“工业4.0”关键部件产品与工业软件系统为抓手,在全球大量输出“工业40”核心产品与整体解决方案,同时高度重视技术标准推广与合作,广泛开展与美国、中国等国家的工业互联网标准对接与整合。

1.3 中国工业互联网产业联盟(AI)

        《中国制造2025》是中国政府提出的第一个十年行动计划,该战略通过“三步走”最终实现制造大国向制造强国的转型。第一步,到2025年进入制造强国的行列;第二步,到2035年中国制造业整体达到世界制造业的中等水平;第三步,到新中国成立100年时,国家综合实力达到国际领先水平。围绕实现制造强国的战略目标,明确了9项战略任务和重点,提出了8个方面的战略支撑和保障。工业互联网是实现智能制造变革的关键共性基础,在工信部的大力支持和指导下,中国信息通信研究院联合制造业、通信业、互联网等企业于2016年2月1日共同发起成立中国“工业互联网产业联盟”( Alliance of Industrial Internet,AI),现有会员单位206家,加快推进工业互联网发展

        (1)整体实施方面。2016年1月,工信部、国标委共同发布了《国家智能制造标准体系建设指南(2015年版)》,其中从智能制造标准体系的总体要求、建设思路、建设内容和组织实施方式等方面提出了构建智能制造标准体系的参考模型,同时阐述了智能制造标准体系框架及主要建设内容。

        (2)资金支持方面,国家共投资108亿元支持智能制造的发展,不仅启动了智能制造专项,同时通过93个重点项目的立项,大力支持综合标准化试验验证和智能制造新模式的应用,其中智能制造专项综合标准化政府对标准化支持力度显著。

        (3)具体推进组织方面。中国信息通信研究院联合制造业、通信业互联网等企业,在工业和信息化部的支持和指导下,于2016年2月1日共同发起成立中国工业互联网产业联盟,截至2017年2月,会员单位到320家。为推动工业互联网热点问题的研究、标准研制、技术试验验证产业推广等方面的工作,联盟下设总体组、需求组、安全组、技术与标准组、试验平台组、产业发展组、国际合作组共7个工作组,以及工业大数据、边缘计算、知识产权3个特设组。2017年2月,AI主办的全球工业互联网峰会上,正式发布了《中国工业互联网年度技术白皮书(2016)》及《工业互联网标准体系V1.0》。此外,为推动我国工业互联网标准化工作,我国正筹建美国工业互联网联盟IC中国分部,并探索与工业互联网产业联盟形成对接关系。

2. 工业互联网的展望

        随着边缘计算、区块链、新一代人工智能等新兴科学技术的不断出现与发展,工业互联网技术体系不断完善;同时,基于工业互联网的社会化协同制造、柔性化生产、个性化定制等云制造新模式更加广泛地应用于制造企业,不断延伸制造产业链,重塑制造业生态系统,对传统制造模式带来颠覆性影响,推动全球制造业转型升级发展和产业变革。

2.1 工业互联网技术体系不断完善

        工业互联网技术从诞生之初,就是门交叉科学技术和集成技术,其发展将不断与边缘计算、区块链、新代人工智能等新兴科学技术相融合,断完善工业互联网技术体系。

(1)边缘计算技术带动工业现场智能化

        边缘计算和云计算都是处理大数据的计算运行方式,但不同的是,在边缘计算技术中,数据不用全部传到云端,边缘侧也可以处理数据分析的工作,更适合工业现场实时的数据分析和智能化处理,也更加高效且安全。传统制造业,特别是在工业现场向智能化改造升级的过程中,特别需要采用边缘计算技术,建立“云计算+边缘计算”的新型设备连接和数据处理方式,提高工业数据处理效率和信息安全水平,创新制造模式。根据预测,未来将有数以百亿的终端设备互联,超过50%的数据需要在边缘侧分析、处理和储存,急需边缘计算技术与工业互联网的融合发展。

(2)区块链技术打造更加安全、智能的工业互联网平台。

        区块链技术具有去中心化、公私钥数据加密、数据共享公开、数据不可篡改等特性。四)通过区块链技术改造工业互联网平台,可将公共数据分布存储在各参与体的节点中,避免平台因单计数据中心遭到攻击而造成数据丢失与篡改,提升平台的数据安全。公私钥加密特性方面使工业互联网中可公开的数据公开透明地共享,另方面保证商业秘密信息隐私,保障企业数据以及接入智能设备的安全区块链智能合约技术可以完美地解决工业互联网平台中“人对机”“机对机”的交互问题,使捷、智能,安全地实现工业互联网平台中各类交易场景。P区块链技术已经在银行、金融等领域有了较为成熟的应用,在物联网领域也不断有技术创新出现,未来必将实现与工业互联网平台的对接,提升工业互联网的适用性、安全性及智能性

(3)新一代人工智能技术深度介入工业互联网

        当前,人工智能技术的发展已经进入了新代人工智能阶段,其主要特征是数据驱动下深度强化学习的直觉感知、基于网络的群体智能、人机和脑机交互的混合智能和跨媒体推理等。四由于智能化是工业互联网后续发展的重点之,新代人工智能技术必将与工业互联网深度融合,不断促进工业互联网系统总体技术、严台技术和制造全产业链应用技术(特别是智能设计、智能生产、智能仿真试验、服务等技术)的快速发展,增强制造企业竞争力,让全球制造业受量于人工智能的不断发展。

2.2 工业互联网不断推动产业变革

        随着工业互联网的逐步深入应用,全球制造业产业链快速延伸,重塑制造业生态系统,推动全球制造业转型升级发展和产业变革。

(1)工业互联网促进制造业价值链的延伸

        随着工业互联网的应用从供应、营销向论证、设计、生产、试验、服务等制造全产业链深度扩散,工业互联网不断促进制造业价值链的延伸与拓展,促进制造业转型升级发展利用工业云平台、大数据分析等技术,工业互联网环境下的企业与用户将共同打造智能制造生态系统计方面,企业将进一步挖掘用户潜在需求,扩展已有产品与服务,拉近制造端和服务端的距离,将传统的产品生产销售模式转变为经济效益更显著的服务化制造模式:另一方面,、用尺和企业可以在工业云平台上发布和使用各类应用与服务,在知识共享中分享平台经济成果。

(2)工业互联网驱动传统制造模式的升级

        工业互联网为制造企业搭建了开放的生态环境,使企业能够面对市场需求及时组建动态的虚拟组织:快速整合自身资源和社会化优势资实现传统制造模式向新型制造模式的升级发展工业互联网环境下的社会化协同制造、柔性化生产、个性化定制服务型制造和智能服务产品等新型制造模式将会对传统制造模式带来倾覆性影响。传统制造企业通过工业互联网平台释放和聚集各类制造设备和资源能力,并通过平台实现跨企业的云端协作、协同设计、协同生产和协同服务等制造全产业链智能服务,实现数字化、网络化、智能化制造新模式。

(3)工业互联网推动传统行业的智能化转型。

        随着工业互联网技术的高速发展,各类智能工业设备和智能终端将成为工业互联网的终端接入设备,推动工业互联网与各类传统产业的深度融合发展,以智能感知、实时定位、大数据分析、人工智能等技术为基础,不断发掘新的创新行业、服务内容和服务方式,推动传统行业新模式、新手段和新业态的变革发展,创新社会发展模式。

 

 

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

【读书笔记】-《工业互联网-技术与实践》 的相关文章

  • 《C++ Primer》读书笔记第十六章-1-定义模板

    笔记会持续更新 有错误的地方欢迎指正 谢谢 这一章特别实用 神器 gt 模板 泛型编程能处理在编译之前类型不知道的情况 在编译时获知类型 比如我们学过的容器 迭代器和算法都是泛型编程 模板是C 中泛型编程的基础 记住 一个模板就是一个创建类
  • 《拖延心理学》

    一 拖延处理技巧汇编 1 确立一个可操作性的目标 可观察 具体而实在的 而不是那种模糊而抽象的目标 不是 我要停止拖延 而是 我要在9月1日之前打扫和整理我的车库 2 设定一个务实的目标 不要异想天开 而要从小事做起 不要过于理想化 而是要
  • 《淘宝技术这十年》读书笔记 (二).Java时代的脱胎换骨和坚若磐石

    马云说过 一个好的东西往往是是说不清楚的 姑且不论这句话的对与错 但我真的很佩服 淘宝技术这十年 这本书的作者子柳 能够通过淘宝的一些故事 按照时间顺序和IT发展的各种技术描述清楚 而且过程中读起来非常有意思 该读书笔记中参杂了很多原文的知
  • C语言的各类运算概述

    C语言的各类运算概述 C语言的一个很有用的特性就是支持按位布尔运算 位级运算 对char数据类型表达式求值的例子 逻辑运算 逻辑运算符 和 分别对应于命题逻辑中的OR AND和NOT 运算 逻辑运算认为所有非零的参数都表示TRUE 而参数0
  • cuda编程学习笔记 第二章 cuda memory management

    应用的性能可能有 75 都花费在内存相关问题上 NVPROF and NVVP 这俩是调试工具 不知道是不是基于CUPTI CUDA Profiler Tools Interface NVPROF是命令行工具 nvvp是可视化工具 nvvp
  • 《疯狂Java讲义》读书笔记(四):Java基础类库

    第七章 Java基础类库 使用Scanner获取键盘输入 Scanner类提供了多个构造器 不同构造器可以接收文件 输入流 字符串作为数据源 主要提供了2个方法 hasNextXXX 是否还有下一个输入项 XXX可以表示Int Long等
  • 【读书笔记】5G与车联网

    5G与车联网 by 李俨 曹一卿 陈书平等人 Quanlcomm Technologies Inc 车联网背景 2015年 麻省理工科技评论 将车车通信评为年度十大突破技术之一 V2V V2X比无人驾驶更容易实现 V2V V2X提供一种超视
  • 工作日志【 SQL内部规范-ETL银行项目 】

    工作日志 SQL内部规范 ETL银行项目 一 表结构设计 建表时 首先要确定表的业务唯一键 即该表的唯一索引由哪些字段构成 不建议创建没有唯一索引的表 如果要修改表的唯一索引 一定要严格评审 前台 表结构变更 F层的表需要通知JAVA开发
  • 做你自己

    2017 03 06 2017 03 10将彼得 巴菲特的书籍 做你自己 个股神巴菲特送给儿子的人生礼物 读完了 感受颇深 沃伦 巴菲特的名言 出生时嘴里含着的金汤匙 最后可能会变成扎在背上的金匕首 考虑不周的赠与会浇灭一个人的雄心并枯竭他
  • c陷阱与缺陷

    第一章 词法陷阱 1 这一章没有太多 干货 唯一比较有趣的就是 1 3 语法分析中的 贪心法 所讲内容 这个 贪心 就是编译器会读入字符 如果能新读入的字符和之前所读入字符能组成符号 则编译器会继续读入下一个字符 直到读入的字符不能和之前的
  • 《疯狂Java讲义》读书笔记(一):面向对象,数据类型和运算符,流程控制与数组

    序言 疯狂Java讲义 这本书深入介绍了Java编程的相关方面 全书内容覆盖了Java的基本语法结构 Java的面向对象特征 Java集合框架体系 Java泛型 异常处理 JavaGUI编程 JDBC数据库编程 Java注释 Java的IO
  • 《大话数据结构》-程杰 读书笔记

    认为程序设计的实质是对确定的问题选择一种好的结构 加上设计一种好的算法 可见 数据结构在程序设计当中占据了重要的地位 程序设计 数据结构 算法 要你相信自己一定可以学得会 学得好 既然无数人已经掌握了 你凭什么不行 于每个链表来说 它所占用
  • 读书笔记2

    深度学习入门 基于Python的理论与实现 高清中文版 pdf 1 python基础 numpy matplotlib Batch Normalization Dropout Adam 图像识别 自然语言处理 语音识别 不闻不若闻之 闻之不
  • 《曾国藩家书》读书手记(修身篇一)

    曾国藩被章太炎评价为 誉之则圣相 谳之则元凶 为什么有这样的评价呢 我们可以看出曾国藩这个人褒贬不一 不过毛和蒋对于曾国藩都是推崇备至 毛说过 吾近于人 独服于曾国藩 看来曾国藩还是有可取之处的 尤其是他的家书 很多人评价甚高 一 修身篇
  • 《Vision-Language Pre-Training with Triple Contrastive Learning》/《具有三重对比学习的视觉语言预训练》

    一 摘要 视觉语言表示学习很大程度上受益于通过对比损失 例如 InfoNCE损失 的图像 文本对齐 这种对齐策略能够最大化图像与其匹配文本之间的互信息 MI 然而 简单地执行跨模态对齐 CMA 不能确保来自相同模态的相似输入保持接近 这可能
  • 概念学习—机器学习

    概念学习 介绍 概念学习 假设的一般到特殊序 Find S 寻找极大特殊假设 变型空间和候选消除算法 表示 更简明的表示 关于变型空间和候选消除的说明 候选消除算法是否会收敛到正确的假设 归纳偏置 介绍 定义 概念学习是指从有关某个布尔函数
  • 读书笔记 摘自:《思维导图攻略:快速上手与落地实践》

    思维导图攻略 快速上手与落地实践 王健文 出版 2019 01 01 7 3万字 内容提要 无落地 不导图 思维导图的学习并不在于思维导图的绘制本身 而是在于实际应用和思维提升 第一章 精英人士自我提升的思维利器 第一节 提升大脑学习力的秘
  • VQGAN(Vector Quantized Generative Adversarial Network)模型简介

    论文 Taming Transformers for High Resolution Image Synthesis VQGAN Vector Quantized Generative Adversarial Network 是一种基于 G
  • 【读书笔记】-《工业互联网-技术与实践》

    前言 现在的技术发展潮流 基本上往大数据 人工智能的方向发展 但是归根结底 是什么推动了这些技术产业的发展 是什么支撑的 主要说的话 这和互联网的发展息息相关 也就是说现在一些主要的发达国家是如何拓展先技术新领域 并且如何把这些新技术应用到
  • 【华为数据之道学习笔记】5-6非结构化数据入湖

    1 非结构化数据管理的范围 非结构化数据包括无格式的文本 各类格式的文档 图像 音频 视频等多样异构的格式文件 相较于结构化数据 非结构化数据更难以标准化和理解 因而非结构化数据的管理不仅包括文件本身 而且包括对文件的描述属性 也就是非结构

随机推荐

  • Linux常用命令记录

    文章目录 1 软件安装 安装软件 来自源服务器 安装 deb软件 来自本地 deb文件 修复依赖关系 卸载软件 2 文件 文件夹操作 删除文件夹 移动文件 文件重命名 3 程序查看 处理 进程查看 查看端口占用情况 强制终止程序 4 解压文
  • 肖sir__mysql之单表__004

    mysql之单表 一 建表语句 1 show databases 查看所有的数据库 2 create databaes 数据库名 创建数据库 3 use 数据库名 指定使用数据库 4 show tables 5 创建表 格式 create
  • linux计算字符串个数,Linux 统计某个字符串个数的方法

    在 Linux 系统下 有时候 我们可能要对一个日志文件进行分析 比如 分析日志文件中某个单词或者某个特殊字符串出现了多少次 对于匹配统计 一般用到正则方法 下面总结了几个统计字符串个数的方法 方法一 使用 grep 命令 grep o 字
  • Python自动化测试 软件测试最全教程(附笔记),看完就可就业

    最近看到很多粉丝在后台私信我 叫我做一期Python自动化测试的教程 其实关于这个问题 我也早就在着手准备了 我录制了一整套完整的Python自动化测试的教程 都上传在B站上面 大家有兴趣的可以去看一下 Python自动化测试 手把手教你做
  • springboot不香吗?为什么还要使用springcloud

    1 为什么要使用springcloud 如果我们的服务需要调用另外的一个服务 当然可以通过url 加接口直接调用 但是如果url变动后 我们也要跟着修改 还有可能服务宕机我们也不知道 而且现在只有一个url不具备高可用性 就算有多个url
  • Hudi Log 文件格式与读写流程

    Hudi Log 文件格式与读写流程 背景 对 Hudi 有一定了解的读者应该知道 Hudi 有 COW 和 MOR 两种表类型 其中的 MOR 表会通过日志文件记录文件 写入一个 MOR 表后产生的文件可以观察到 一个 MOR 表数据存储
  • 【LeetCode与《代码随想录》】字符串篇:做题笔记与总结-JavaScript版

    文章目录 代码随想录 主要题目 344 反转字符串 541 反转字符串 II 剑指 Offer 05 替换空格 151 反转字符串中的单词 剑指 Offer 58 II 左旋转字符串 28 找出字符串中第一个匹配项的下标 KMP 还没写 4
  • 我最喜欢的10个顶级数据科学资源,kaggle、TDS、arXiv......

    当我声明数据科学正在成为最受欢迎的工作领域之一时 我想你不会与我争辩 特别是考虑到 哈佛商业评论 将 数据科学家 评为21世纪最性感的工作 在这个领域 我们已经走过了很长的路 从数据科学和机器学习等术语还不为人所知 到一切都聚集在统计学的保
  • systemd[1]: Failed to load SELinux policy. freezing.

    今天早上发现centos7无法启动了 界面提示systemd 1 Failed to load SELinux policy freezing 查到一篇资料说是selinux设置出问题了 他将 etc selinux config文件中的s
  • MATLAB进行模式识别的实验

    一 实验一习题 我猜测是根据最大似然估计法先求出那两个参数的值 然后代入 得到的是只关于x的函数 然后把文本里的1000个数据导入 画图 首先 我先把txt的数据读取到矩阵里面 方便后续处理 用到的函数 1 这里有一个比较详细的fopen的
  • docker部署war包、将容器打包成镜像、镜像导出到本地、镜像推送到dockerhub

    前言 最近公司使用帆软 finereport 报表工具制作数据报表 并且需要将制作好的报表打包成war包通过docker部署 并且将部署好的项目制作成docker镜像 发给客户 下面将部署过程中踩的坑总结一下 想要了解帆软可以点击官方链接查
  • 图片上传服务器系统说明

    图片服务器测试用例 图片上传服务器系统说明 数据库设计 drop database if exists drawing bed create database drawing bed character set utf8mb4 use dr
  • 东风小康为什么是dfsk_自吸这么“香”,为什么现在新车都是涡轮增压

    知乎视频 www zhihu com 开车不带 T 干啥都没劲 车子用了涡轮增压能够显著提升动力 能把一台 能用 的车变成 好用 的车 并且国内的排放法规也越来越严格 使用涡轮增压的同时 也具备了一些节能减排的效果 所以说 自然吸气的车越来
  • Multihead Attention - 多头注意力

    文章目录 多头注意力 模型 实现 小结 多头注意力 在实践中 当给定 相同的查询 键和值的集合 时 我们希望模型可以基于相同的注意力机制学习到不同的行为 然后将不同的行为作为知识组合起来 捕获序列内各种范围的依赖关系 例如 短距离依赖和长距
  • [3dsMax]2018版下拉菜单项的子菜单无法选中

    软件自身问题 安装更新补丁即可解决 不想更新补丁也可以使用键盘的方向键进行选中 补丁百度云链接 https pan baidu com s 1LDxRFwQnR0GSONuz7wcEfA 提取码 6gpk
  • 面试高频的CMS回收器

    CMS回收器 低延迟 想了解更多GC垃圾回收器的知识 可以看下面这篇文章JVM之垃圾回收篇 在JDK1 5时期 Hotspot推出了一款在强交互应用中几乎可认为有划时代意义的垃圾收集器 CMS Concurrent Mark Sweep 收
  • CROSSFORMER: A VERSATILE VISION TRANSFORMER BASED ON CROSS-SCALE ATTENTION 论文阅读笔记

    CROSSFORMER A VERSATILE VISION TRANSFORMER BASED ON CROSS SCALE ATTENTION 论文阅读笔记 这是浙大 腾讯 哥伦比亚大学一起发表在ICCV的一篇文章 文章有三个贡献 一是
  • python-数据分析-numpy、pandas、matplotlib的常用方法

    一 numpy import numpy as np 1 numpy 数组 和 list 的区别 输出方式不同 里面包含的元素类型 2 构造并访问二维数组 使用 索引 切片 访问ndarray元素 切片 左闭右开 np array list
  • javascript,声明变量和导入时,大括号的特殊用法

    作为一个新手 今天看到一段奇怪的代码 定义变量时用大括号把变量名括起来了 还有import时也使用了大括号 import getToken from utils auth let data request 一脸懵 这是啥意思 度娘一番 记录
  • 【读书笔记】-《工业互联网-技术与实践》

    前言 现在的技术发展潮流 基本上往大数据 人工智能的方向发展 但是归根结底 是什么推动了这些技术产业的发展 是什么支撑的 主要说的话 这和互联网的发展息息相关 也就是说现在一些主要的发达国家是如何拓展先技术新领域 并且如何把这些新技术应用到