随着以美国为代表的“回归制造业”经济发展理念的提出，以智能制造为核心的新工业革命成为各国制造业发展的重要方向，发达国家和主要经济体纷纷提出了制造业转型升级的战略，大力发展工业智能制造。其中最具代表性的就是德国的“工业4.0”战略和美国的“先进制造业国家”战略。发达国家抢抓新一轮工业革命机遇，围绕核心标准、技术、平台加速布局工业互联网，构建数字驱动的工业新生态，各国参与工业互联网发展的国际竞争日趋激烈。GE、西门子等国际领军企业围绕“智能机器+云平台+工业APP”功能架构，整合“平台提供商+应用开发者+海量用户”等生态资源，抢占工业数据入口主导权、培育海量开发者、提升用户粘性，不断建立、巩固和强化以平台为载体、以数据为驱动的工业智能化新优势，抢占新工业革命的制高点。

与发达国家相比，我国工业互联网总体发展水平及现实基础仍然不高，产业支撑能力不足，核心技术和高端产品对外依存度较高，关键平台综合能力不强，标准体系不完善，与建设制造强国和网络强国的需要仍有差距，发展工业互联网意义重大、时间紧迫。具体到商用车产业，面临着商用车红海市场倒逼产品设计升级、商用车设计水平与国际存较大差距、海量研发数据缺乏积累和挖掘利用等问题，受限于上述因素困扰，亟需引入工业互联网平台测试床，对商用车研发设计领域海量数据进行汇聚、存储和管理，通过数据驱动推动研发设计业务实现优化升级。基于此，本文分析了商用车行业主要问题和相关需求，提出了一种面向商用车设计工业大数据存储分析的工业互联网平台测试床建设方案。

1 商用车行业主要问题和需求分析

（1）多源多类型研发数据采集难、利用率低，继续通过规范化技术手段形成高价值的研发知识库，提高数据质量，提升数据资产利用率和转化率。在产品研发过程中，工程师需要根据生产、物 料、质量、市场、用户等多环节的数据进行需求输入，来仿真和验证产品的性能和指标，以便确定其物理参数，例如可靠性、稳定性、安全性等。但数据类型繁多，海量结构化、半结构化、非结构化，各种设备接口及协议不统一，导致数据采集和分析困难。因此，利用大数据、云计算、数据挖掘、数据建模等先进技术，整合产品生命周期系统、试验验证数据系统、物料管理系统和需求管理系统等商用设计和试验数据，构建商用车用户模型、工况模型、可靠性模型、油耗分析模型等，灵活地分析各车型的属性与性能纸件的关联性与统计性规律，帮助企业实现研发数据资产的沉淀，打造数据驱动产品核心竞争力的能力，搭建研发数据资产库。

（2）缺乏仿真设计、虚拟验证及实物验证之间的关联分析。基于客户工况仿真设计，需要对驾驶行为，对车辆实际使用情况、运营状况、活动热区、司机驾驶行为、车辆故障等方面进行汇总分析，然后关联到试验场的虚拟和实物试验数据，以判断仿真数据、试验数据、客户实际使用三者之间的数据相关性，指导商用车的可靠耐久性能开发。因此，需要统一的工业大数据互联网平台，将独立的用户使用模型、工况采集分析模型、工程工况循环模型、工况应用模型等工况信息结合商用车的虚拟和实物的试验情况，通过与仿真工具软件、试验项目管理系统、试验设备管理系统、样品资源库等系统和数据的集成、分析、评价，建立整车耐久、操稳平顺、碰撞安全等仿真和试验能力。并且通过海量工业大数据对比功能，以快速实现仿真和试验结果方案的对比，实现研发业务信息间的有效交互。

（3）商用车研发设计存在多学科知识交叉。汽车产品与一般工业产品相比，具有更多的复杂性，这主要表现在客户需求复杂、系统组成复杂、产品技术复杂、制造过程复杂、项目管理复杂。汽车产品研发中涉及到多学科知识相互交叉，如何高效的组织多学科协同工作，如何基于设计知识进行跨领域、多学科的设计仿真和优化是提高商用车设计水平的重要问题。通过测试床，可以建设涵盖多学科的大数据平台，包括疲劳耐久、可靠性、碰撞安全、噪声、操稳平顺等方面的知识集成和设计试验数据优化，实现数据、知识、工具、软件的集成和共享，实现设计数据在多领域中的协同应用，能够充分考虑复杂系统中所包含的各个分系统之间的相互约束机理,是解决商用车研发设计复杂性问题的一个有效的途径。

（4）缺乏仿真和试验环节工业大数据应用和基础模型的标准化、规范化管理。仿真设计、虚拟及实物试验环节的工业大数据具有序列长、频次高、监测点覆盖区域广、采集方式多样、数据接口和协议不统一、海量异构数据复杂、来源系统较多等特点，需要通过标准化的手段建立规范的数据应用标准，消除数据的不一致性，提高数据质量，推动数据交换共享。包括数据服务标准和平台台服务标准等，以实现仿真和试验环节大数据的采集、管理、共 享、指标口径、分类目录、交换接口、访问接口、数据质量、数据安全等方面的标准化、规范化管理，提升数字化建模的质量和对优化商用车的指导意义。

（5）商用车仿真设计和试验验证环节工业大数据的共享、共融程度较低。目前汽车企业已建设了较多的研发设计相关的应用系统，缺乏统一的大数据规划，一些相互联系的数据资源，比如工况数据、用户使用数据、市场需求数据、试验数据、质量数据等被分割在不同系统的数据库中，造成信息资源权属单一，信息壁垒严重，共享程度不高，丧失了信息应有的流动性、共享性的特性。使得研发数据的分析仅停留在表面数据的分析、判断，缺乏对分散、孤立信息的归纳整理，不能从中发现带有规律性、指导性的数据资产，未能形成对零部件、系统到整车的设计试验的指导。无法整合商用车行业上、 中、下游的资源，为提高产品核心竞争力服务。

2 工业互联网平台测试床建设方案设计

2.1 主要目标分析

围绕商用车研发设计领域数字化、网络化、智能化转型需求，建立面向商用车设计工业大数据存储分析的工业互联网平台测试床，加快工业互联网平台应用创新，开展工业大数据存储分析技术测试验证，形成有效支撑商用车产业工业互联网平台发展的解决方案。主要实现：

（1）孵化工业大数据存储分析新技术新产品。建设面向商用车设计工业大数据存储分析的工业互联网平台测试床，打通商用车企业研发仿真、实物试验等环节的“信息孤岛”，实现仿真、试验数据的统一采集、存储、分析和共享，形成商用车研发设计的数据资产，开展商用车疲劳耐久、可靠性、碰撞安全、噪声、操稳平顺等工业大数据分析，孵化工业机理模型或微服务组件，创新工业APP或解决方案，提高商用车研发设计领域核心能力。

（2）以测带建推动工业互联网平台高质量发展。坚持“建平台” 、“用平台”、“测平台”协同推进，边建设、边测试、边推广，重点面向工业PaaS层工业大数据存储分析，开展技术成熟度、功能完整性、协议兼容性、数据安全性等测试验证，以测带建、以测促用，不断完善工业互联网平台技术能力和产品功能，为工业互联网平台大规模应用提供基础支撑，推动工业互联网平台实现高质量发展。

（3）带动商用车产业链工业互联网平台应用普及。通过工业互联网平台测试床建设，为商用车全产业链提供研发设计工业大数据存储分析服务，在产业园区或工业企业进行应用推广，促进商用车全产业链研发领域优化升级，实现资源集聚与数据开放共享，推动商用车产业链实现高效网络化协同，带动商用车产业链工业互联网平台应用普及，进而面向各行业制造业企业提供公共服务。工业互联网平台测试末建设方案设计，如图1所示。

图1 工业互联网平台测试床建设方案设计

2.2 工业互联网平台测试床总体架构

建设面向商用车设计工业大数据存储分析的工业互联网平台测试床，构建覆盖数据采集、工业PaaS和工业APP的工业互联网平台整体体系。包括数据采集层、IaaS层、工业PaaS层、工业APP层4 层，总体架构如图2所示。

图2 特定场景工业互联网平台总体架构

3 工业互联网平台测试床建设内容

3.1 数据采集层

数据采集层是工业互联网平台的基础。通过不同协议及接口完成深层次数据采集，实现商用车设计数据、仿真数据、试验数据、试验设备数据、车联网数据等的采集和汇聚，作为工业互联网平台的数据来源。利用以智能网关为代表的新型边缘计算设备实现智能传感器和设备数据的汇聚处理，以及边缘分析结果向工业互联网平台的间接集成。由于工业现场的不确定性和复杂性，在整合数据的过程中涉及到硬件传感器和不同层级的信息化系统，大致包括：传感器、ERP、MES、DCS、SCADA、PLC等。

3.2 工业PaaS层

工业PaaS层是工业互联网平台的核心。一方面，工业PaaS层提供工业大数据系统环境，支撑海量商用车研发设计工业大数据的接入、存储、分析和管理，保障数据安全，构成的完整工业大数据服务体系。另一方面，把商用车研发设计技术、知识、经验等资源固化为可移植、可复用的工业机理模型和工业微服务组件库，供开发者调用，并构建应用开发环境，借助微服务组件和工业应用开发工具，支撑工业APP的快速开发。

（1）工业大数据存储分析

工业大数据存储分析平台以存储多源异构类型的工业大数据的数据库和数据治理平台为底层数据服务环境，整合关系型数据库、时序数据库、文本数据库等多款产品，提供工业大数据系统环境，支撑海量大数据的接入交换、存储、计算和数据治理及数据服务，并保障数据安全，构成的完整工业数据服务链。

工业大数据存储分析平台实施存储和计算分离的基础技术架构，同时满足用户对工业大数据的实时计算、批量处理、交互式查询、机器学习等需求，并通过数据治理及服务平台对工业大数据进行端到端的全流程管理，通过API管理平台对平台内部APP和第三方开发者提供数据资产服务和大数据计算分析能力。

（2）工业机理模型

机理模型是根据对象、生产过程的内部机制或者物质流的传递机理建立起来的精确数学模型。它是基于质量平衡方程、能量平衡方程、动量平衡方程、相平衡方程以及某些物性方程、化学反应定律、电路基本定律等而获得对象或过程的数学模型。为解决客户使用场景复杂，开发工况数据难获取，造成设计不达标等问题，提出了基于机理模型的仿真设计环节的用户使用模型、要素模型等，结合汽车的试验验证，应用数字逻辑推方法，建立系统等效仿真模型，利用期望值与观测值之间的冲突迅速确定最优搜索路径方法，研究高效的系统仿真与推理算法，实现了在各个行业机理模型的应用。

3.3 工业APP

工业APP是工业互联网平台的关键。面向商用车研发设计过程中虚拟仿真、实物试验等应用场景，推动工业技术、经验、知识和最佳实践的模型化、软件化、再封装，创新研发碰撞安全、可靠耐久、操稳平顺、CFD、NVH、动力性经济性等各类工业APP，面向商用车全产业链提供公共服务，负能商用车产业转型升级。

此外，工业互联网平台测试床还包括IaaS基础设施，以及覆盖平台整体架构的安全管理体系，共同构成工业互联网平台测试床的基础支撑和重要保障。

4 小结

本文围绕商用车研发设计领域数字化、网络化、智能化转型需求，建立面向商用车设计工业大数据存储分析的工业互联网平台测试床，加快工业互联网平台应用创新，开展工业大数据存储分析技术测试验证，形成有效支撑商用车产业工业互联网平台发展的解决方案。

本文刊发在《中国仪器仪表》2021年第3期 作者：北汽福田股份有限公司刘磊磊、机械工业仪器仪表综合技术经济研究所赵华

本文来源于网络，本着学习交流的目的进行转载，已标注原始作者和出处，如存在异议，请联系editor@xingongye.cn。如您对内容有疑问，请告之，以便我们及时处理。