【编者按】现阶段，工业互联网企业所做的主要工作，就是将工厂的数据收集起来，然后汇总到一个平台上再进行处理、挖掘。因此，工业数据就像是一片新的金矿等待发掘。
工业app，为 工业互联网 平台而生
负责IT和OT（运营技术）的管理者，在工业化和信息化融合的几十年来，井水不犯河水：IT看重业务流程合理，OT看重业务执行稳定。从具体的面向对象来看，OT与IT的区别主要是体现设备的边缘端，OT的世界遵从物理进化的原理和机制，发展比较缓慢：源自控制，专注于运营。
然而，工业互联网的发展，使数据流动变得空前容易，激发了人们对于数据价值的想象，从而大大促使了OT和IT融合的必要性。工业互联网的应用在很多层面上就是统一IT和OT的视角。但IT和OT二者自身的需求、纬度、思维方式太不一样，融合是非常困难的。工业互联网的普及，不同于常规的企业管理软件ERP和执行管理系统MES应用，它不仅仅是收集的数据丰富性和颗粒度的问题，而且更多是要考虑这些数据背后的价值，这只能站在更高的战略岗位上才可以评估和定义。
GE在2018年的报告中指出，真正数字转型的主战场，恰恰是发生在IT和OT交界的地方。实际上GE更倾向于OT技术的魅力将得到极大释放，“IT正在失去魔法，OT的指挥棒正在缓缓升起”。而ARC咨询团队在2016年提出的IT和OT融合成熟度模型中，描述了人员、流程、技术和测量之间在各融合度的关系，也表明了一点，需要连接边缘和云、需要处理各种OT协议和数据格式，都是IIoT大显身手的地方。
IT要下沉，OT要上升，从各种系统汇流而来的数据要分析，这就使得工业互联网平台的崛起成为可能。
这都使得面向工业应用的开发，将大大加速。IIoT平台，为工业app应用的开发，提供了一张充满沃土的温床。
数据重力 推动边缘的进化
设备的数据，具有一种“沉底”的特性。它很少被真正打捞上来使用。因为机器现场的工业数据，最大的特点就是海量、而且无序。在工业发展数百年历史上，产线的管理者从来不曾正眼看过它们。它被列入考虑对象也就是最近几年的事情。
例如，仅仅单个数控机床设备，每秒产生的数据就可以达到400M。按照一个产线上有10个工位十台设备计算，有五个产线的话，那么一个简单的工厂，数据生产量每秒钟可以达到20G！想想一个人，手机流量也不过是每个月10G左右。二者相差500万倍！
工厂的大数据，往往都是垃圾数据山，主要表现在六大症状：数据很脏（必须大量的算法清洗，才能有可用数据）、频率不同（现场触发的频率非常不同）、海量、大小（数据的容量大小不一）、种类很多（各种异构数据源）、跨学科导致的关系复杂（数据机制来自“机光电热磁”等不同学科领域）。
如此庞大的数据，大多数是没有用的，只能留在机器端。这就是所谓的“数据重力”。
它使得大量的数据被丢弃在车间的地板上、设备周围的空气中。
数据重力，导致大量数据无法上云端，也就无法完成分析。而这几年物联网和计算能力的发展，推动了人们对于边缘智能的思考。太重的数据，可以就地处理。在大数据分析的时代，这个任务交给了边缘计算。
工业互联网平台，本身就是一个分布式的计算平台，它很好地解决云和边缘的集成问题。通过连接、设备管理、数据管理和机器学习，为真正打开数据的分析价值，提供了一个认真的钥匙。这也为面向场景应用的工业APP的开发和部署，提供了极大的方便。
工业app的春天正在来临
工业互联网平台中间的PaaS平台（Platform as a Service）是最重要的部分。目前最有雄心壮志的选手，都在聚焦这个地方。新型API技术和与环境无关的容器封装技术，使得平台本身的快速部署和应用。有了工业PaaS平台的支撑，面向场景的工业APP应用，也是工业互联网当下最具憧憬的一个领域：千军万马过大江的局面，正在呼之欲出。
平民开发师（Citizen developer）也就是非专业软件人士，正在大量涌现，当前很多企业的设备维护都是这一类人员，如果也能使用软件环境，轻松部署，这就需要有大量轻代码的编程，大量拖拽式的应用。
2017年10月工业互联网巨头，美国通用电气公司GE与苹果达成合作，两家公司将共同开发企业级 iOS 应用，并推出全新的Predix SDK，重点就是物联网。GE 将为自己开发 iOS 应用以及商业合作伙伴，并在全公司部署 iPhone 和 iPad。
这个面向物联网开发app应用，背后是有一个真实的故事。
加州州立大学的计算机系大学生在GE Predix的创新大赛中，发明了一款app，可以利用学校三个不同的能源点（太阳能光伏板、热电气联产等）的能源消耗数据，利用数据分析，可以得出最佳的供电量。该项目获得了10000美元的奖金。
一直在思考电厂如何更加有效运行的GE团队，受到TITAN的启发非常大，因为他们的一个方向就是更好解决管道蒸汽损耗。随后，开发团队又在iPhone的应用商店中找到一例照相机辅助应用，可以获得快速、高效和低成本形成热成像技术。这让他们觉得找到了提高电厂效率的方法。
GE的app研发团队，跟亚特兰大电厂的现场经理合作。后者陪着他们一起走访了现场的各种管道，并指出哪些管道接口是可能漏汽从而造成热损耗的。
借助于这些领域专家所标定的异常故障图像，再结合机器学习和成像工具，GE开发团队随后开发了一款app，面向管道的热成像工具TITAN（异常报警热成像工具），可以使得每年节省50000美元。
代价竟是如此之小。创新团队的大学生们只获得了10000美元的奖金。而GE的开发团队，仅仅用了6个就开发出这样一个效果神奇的工业app。
这就是数字组合创新的魅力，就像是高中毕业生的舞会，空气中弥漫了随时可以撮合的火花。
而要满足数字化的全新组合，所有的要素尽量服务化。这样得以释放的数据，就可以轻松成为场景应用的基本素材。借助于一个松耦合、多方可以调用的资源，工业App把各种数据重新组合，经过信息化、知识化的处理，封装成可以执行或者调用的模块。
云化风正盛
上云的应用，场景意图往往很明显，需求变化也很快。为了适应这种快速变化，就要微服务化，这就是最近几年微服务非常流行的原因。微服务，可以为各类APP开发者提供满足场景应用的资源池调用，因此它正在成为全新的潮流。一心要往云方向转型的金蝶，据说已经有了几百多种微服务。
在今年德国汉诺威博览会上，传感器制造商Sick推出了具有可编程的传感器，同时建立一套软件体系，可以帮助现场工作人员，建立面向传感器应用的AppSpace。这大大改变了传统上对传感器只有开关信号的认知。软件定义硬件，已经武装到设备最末端的牙齿上了。而Sick同时推出了AppSpace的编程社区，旨在推动那些在现场的人员，也能够成为App的开发者，实现各种灵活的功能，具有非常大的吸引力。
工业互联网平台走向平民化，非IT的专业人士也可以轻松上手工业App应用。这是一个巨大的进步，一种开放式的知识洪流，在工业互联网平台上轰鸣，并重新汇成令人兴奋的场景应用。
数据天梯，推动OT与IT数据融合
IT由管理业务数据、支撑管理流程的技术、系统和应用程序组成。通常报告给CIO，这些管理的应用程序包括ERP、MES、EAM、WMS等。而OT由管理生产资产、保持顺畅运营的技术、系统和应用程序组成。通常报告给COO，管理的应用程序包括PLC、PCD、SCADA、SIS、数据历史和网关系统等。
这些数据要实现融合，意味着要克服数据重力，完成从地板到天花板的迁移。
这些数据有三条通道可以直达天花板：带通讯能力的传感器、网关和PLC。对于褐色工厂（brown field），很难采用PLC/IPC，因为对PLC重新编程会有很多困难；这个时候，一般采用网关集成的方式。而对于绿色工厂（green field），也就是通过使用当下各种接口的PLC/IPC，包括支持OPC UA协议的，都可以有很多自由的选择；对于一些褐色工厂，传感器也是适合的。但是这一点不能规模化，这种多带有通讯能力的传感器，成本还是会太高。
数据要完成从设备级的地板，升到企业级的天花板。需要闯过三关， 第一关是设备连接；第二关是数据重力识别，对相关数据进行分析；第三关是建立面向个人的app应用 。
对于工业互联网平台而言，最需要的就是搭建这样一个“数据天梯”，来完成数据上上下下的运载，从而可以丰富工业互联网平台的应用。
针对这种局面，宜科电子采用了一种IoT Hub的思路，通过三驾马车实现从边缘到云端的一揽子数据解决方案。一是面向连接的大胃王的IoT Hub边缘端，完成各种设备的数据采集，尤其是对PLC的采集；二是在边缘层构建ThingsWise大数据分析软件，实现对数据的实时分析；这两者完成了对数据的边缘分析和计算。最后，通过工业APP快速生成工具WorkBench的应用端，可以使得“平民程序员”（citizen developer）用最少代码的方式，通过视图和拽曳，就可以快速生成app程序，并且可以适配各种移动操作系统。
这就实现了设备连接、边缘分析和app应用的“三位一体”的使能平台，从而使得工业互联网平台，可以面向场景应用，来处理各种设备和数据。
例如在博世的一个纯蒸汽发生器的场景中，大型设备往往需要多个本地的HMI，而且部分工序需要人工操作（如转换、物料再存储等）。
而在IoT Hub的三位一体解决方案中，通过OPC UA采集过程变量的实时数据，并通过WiFi传输，然后在移动端分析各种KPI信息。这使得机器故障可以及时得到反馈，同时节省了固定的HMI，也不需要多次切换。
在5月份天津的第二届世界智能大会上，宜科电子总经理张鑫发表了以《赋能工业互联网平台 使能云制造》为主题的演讲，提到：“宜科的理念是搭建一个‘数据天梯’，将边缘层的数据送至云端，在Paas层利用工业互联网平台对数据进行分析处理；在Saas层通过提供工业APP等创新工具，将数据应用展示出来。” 这样的赋能平台，核心IoT Hub就像是一个“数据云梯”，使数据能力真正成为一种战略上的资源优势。
一个好的工业互联网应用，需要行业领域专家提出需求和描述，这是企业必须要独立解决的——在很大程度上，这也是一个企业Know-how的关键因素。在此基础之上，可以通过外包团队或者全职程序员完成资产建模。而剩余的设备连接、数据分析、到工业APP的生成，都是数据云梯可以大展身手的地方。
小记
工业互联网平台大大加速了IT、OT的融合过程。数据开始从设备中挣脱数据重力，像珠子一样，四处滚落。而借助工业互联网平台上的数据天梯，一部分经过边缘计算和分析就地处理，一部分则上升到IT层，都是业务决策的一部分。
在机器和人的注视中，上上下下的数据，开创着一个技术上分工合作的数字时代。