工业互联网平台存在哪些问题

工业互联网平台存在以下问题：

• 工业软件落后：很难把线下能力快速迁移成线上模型。中国制造业体量占世界制造业的份额20%强，但是中国工业软件的市场份额仅占世界工业软件市场份额的1.7%，同时中国90%以上的工业软件靠进口，这充分说明我国工业技术软件化水平和积累远远不够，缺乏短时间内把行业机理模型化、代码化的线下实力。

• 工业门类庞杂：建立体系完整的行业模型库尚需时日。我国拥有39个工业大类，191个中类，525个小类，是全世界唯一拥有联合国产业分类中全部工业门类的国家，每个行业均有自身独特的行业知识，把每个行业的工业基础原理、关键基础材料、核心基础零部件（元器件）、先进基础工艺、产业技术基础封装成数字化模型是一项系统工程，需要政府和全社会共同努力。

• 数据种类不全：制约了工业大数据建模分析和工业APP功能。相对于互联网大数据注重数据的“量”和“相关性”，工业大数据更注重数据的“全”和“关联性”，以保证能够从数据中提取出工业设备真实状态的全面信息。受限于设备数据采集能力不足，数据源不全，这在一定程度上会制约工业大数据建模分析和工业APP的开发，当前，基于单一数据源开发的工业APP多，基于设备和业务系统等多源异构数据开发的工业APP少。

• 数据质量不高：制约了工业大数据建模分析和工业APP性能。工业大数据往往会出现遗漏、分散、断续等现象，低质量的数据会直接导致建模分析结果无法利用或者更为严重的后果，需要对数据质量进行预判和修改，因此数据“清洗”工作甚至会占到工业APP开发时间的70%左右。基于数据质量问题，当前工业互联网平台上状态监测、故障诊断类工业APP较多，预测预警类尤其是智能决策类工业APP较少。

• 工业数据采集能力薄弱：数据采集是工业互联网平台的基础，工业互联网平台首先要解决的问题是连接工业中的人、机器设备和业务系统，但是设备连接在工业现场并不是一件容易的事情。当前，我国规模以上工业企业里，80%以上的机器设备都是没有联网、不会说话的“哑”设备，只有20%的设备联了网、会说话，但是这些设备遵循不同的通信协议，存在严重的“语言障碍”，成为制约工业互联网平台建设的卡脖子瓶颈。

• 工业大数据建模分析能力薄弱：工业互联网平台的本质就是对机器设备和业务系统产生的数据进行建模分析，将数据转化为指导设备和业务进行优化的应用服务。当前，受限于数据采集瓶颈和工业大数据自身的专业性、关联性、流程性、时序性和解析性等特点，工业大数据建模分析需要平台企业兼具工业基因和大数据基因，导致现有工业互联网平台工业大数据建模分析能力较为薄弱。

• 行业机理模型沉淀能力薄弱：行业机理模型是工业PaaS的核心，是平台技术能力的集中体现。行业机理模型就是通过软件技术对工业研发设计、生产制造、经营管理等制造全过程运行规律进行显性化、模型化、代码化，每个行业机理模型都是一个积木式的模块，可供工业APP开发者灵活调用，促进工业知识的沉淀、传播、复用与价值创造。当前工业互联网平台面临的突出问题是开发工具不足、行业机理模型缺失，远远不能完全满足工业级应用需要。

• 现象级工业APP培育能力薄弱：工业APP是工业互联网平台的关键。但是受限于工业互联网平台发展尚属于初级发展阶段，工业PaaS平台赋能不够，工业互联网平台上所谓的工业APP基本上都是工业云平台上的云化软件“移民”而来，依靠工业PaaS上的行业机理模型“生长”出来的 “原居民”工业APP较少，现象级工业APP更是匮乏。