工控网络主要用于工厂内部实现数据交换和传输

王明如表示，针对中国移动5G专网在工业互联网和工业大数据领域的能力支撑和思路，他指出，中国移动总结了车间生产、港口运输、机械加工等15个领域针对不同行业细分的差异化网络服务能力，对超低延迟控制、高清视频回程、数据不间断、安全防护隔离、网络资源定制等5个典型需求。

“十四五”规划纲要明确提出，在“新基础设施”大潮中，要加大5G、工业互联网、工业大数据等新基础设施建设力度。像5G和工业互联网一样，工业大数据将成为未来国家战略规划的重要指标。如何促进其发展是工业企业迫切需要解决的问题。

11月27日，在“5G+工业互联网加大数据打造智能产业”主题沙龙上，中国移动物联网股份有限公司智能连接部副总经理王明如以“5G+工业大数据解决方案研究”为主题，分享了中国移动物联网在5G+智能工厂建设、数字结对、工业大数据方面的探索与思考。

工业大数据的几个特征？

首席信息官总结了工业大数据的BQ24314ADSGR几个主要特征。王明如认为，工业大数据需要超低延迟控制，数据不会出现，安全防护与隔离，专有网络资源。对于大规模的数据采集，工业数据主要是指各种设备的数据访问，以及系统的连续性，包括对数据完整性和巨大数据量的极高要求。通过对实时数据的分析，发现工业数据具有数据结构复杂、数据异构性强、时效性高的特点，其中数据行业的特点明显。

王明如表示，针对中国移动5G专网在工业互联网和工业大数据领域的能力支撑和思路，他指出，中国移动总结了车间生产、港口运输、机械加工等15个领域针对不同行业细分的差异化网络服务能力，对超低延迟控制、高清视频回程、数据不间断、安全防护隔离、网络资源定制等5个典型需求。

对于5G，提出了大带宽、低延迟、宽连接的要求。中国移动等三大运营商需要提供差异化的服务模式和多样化的网络连接来支持工业制造领域，包括与工业大数据相关的数据传输需求。在此基础上，中国移动根据不同的需求场景提供三种服务模式，即优惠模式、专属模式和专属模式。这些服务通过分层服务级别满足工业场景中的控制要求。王明如说:“5G融入所有行业，呼唤网络服务能力。中国移动5G专网具有个性化、定制化、灵活扩展、灵活配置、本地卸载等功能，最大限度满足5G工控、5G工业互联网、5G大数据的网络需求。

工业互联网的三种应用场景

第一、中国移动物联网主要将工业互联网大数据应用到三个主要领域。王明如说，第一，工业设备实时监控。首先采集生产设备、环境、企业的ERP数据，通过5G专网传输到大数据平台进行清洗、转换、分析处理，从而生成设备实时状态监控模型。然后通过大数据的API向WEB移动终端提供相关服务，为工厂提供设备状态、设备运行等实时监控服务。

第二、设备故障识别和预警场景。首先通过5G专网将设备生产数据、环境数据、企业CRM、ERP等数据采集到大数据平台。利用离线或实时计算框架，将历史生成的设备数据、ERP数据、标签系统数据与故障训练模型相结合，提供故障识别模型和故障识别结果，为上层WEB和移动终端提供相关的故障预警和故障识别服务。

第三、再次，优化了工艺流程。目前主要收集生产过程数据、环境数据、ERP数据，通过5G专网上报大数据平台。将历史过程数据和当前实时过程数据进行整合，通过与决策树神经网络相关的人工智能算法生成过程规则模型库和过程对比分析结果，从而为当前过程做出决策，并通过大数据API为上层WEB端和移动端提供相关服务。

以上三个场景是今年6月与国内某大型家电厂商合作，共同打造5G+工业互联网智能工厂项目。王明如表示，通过整个项目的实施，该项目可以与生产流程紧密结合，提高工厂的生产效率，减少产品质量问题，对推动工厂智能行业的数字化转型起到很好的示范作用。场景实现方面，通过5G智能工厂的数字双平台，主要实现设备监控、设备故障预警、工艺流程优化、机器视觉监控等相关场景，为工厂提供智能工厂的设备监控等相关服务。

建立大数据中心架构

关于全国工业互联网大数据中心的整体架构，包括对未来模式的思考，王明如认为，对整体架构的思考可以分为四层:设备层、边缘层、企业区域层、行业层。

从整体网络安全、网络带宽要求、网络服务保障等方面，需要采取差异化的网络保障措施，实现多层数据的快速安全传输，其中工控网络主要用于工厂内部实现数据交换和传输；在企业域层面，工厂与企业之间的大数据中心交换主要采用5G专网，满足实时数据传输；行业级或国家级工业互联网大数据中心利用中国移动等运营商的骨干网络，以专用方式实现海量数据的实时交换和传输。

“未来国家工业互联网大数据中心的建设可以理解为相关大数据中心可以在现有工业互联网标识分析系统的基础上建设。王明如表示，目前工业互联网的识别分析已经解决了工业领域商品生产流通全过程的识别问题。在未来的大数据中心建设中，利用工业识别分析系统结合工厂内部私有领域数据，可以完成我们工业领域的商品生产、制造和流通的识别和管理。

在王明如看来，工业大数据的发展仍面临诸多挑战和机遇，如解决工业数据异构问题、建立工业领域基础数据模型、解决工业数据流通中的安全问题、打破数据孤岛、促进工业数据资产共享、规范工业数据资产交易、发挥工业数据价值等。最后，王明如表示，“工业互联网的这些挑战，需要上下游企业共同解决，才能推动我国工业互联网和工业大数据的发展。