工业互联网作为新一代信息技术与制造业深度融合的产物，不仅能为制造业乃至整个实体经济数字化、网络化、智能化升级提供新型网络基础设施支撑，还不断催生新模式、新业态和新产业。工业互联网平台作为工业互联网实施落地与生态构建的关键载体，正成为全球主要国家和产业界布局的关键方向。工业PaaS平台，对应工业互联网的平台层，其本质是在现有成熟的IaaS平台上构建一个可扩展的操作系统，为工业应用软件开发提供一个基础平台。
工业PaaS是工业互联网平台的核心。那么工业PaaS平台的核心又是什么呢？
一 数字化模型是工业PaaS平台的核心
如果说工业PaaS是工业互联网平台的核心，那工业PaaS的核心就是数字化模型。工业互联网平台要想将人、流程、数据和事物都结合在一起，必须有足够的工业知识和经验，并且把这些以数字化模型的形式沉淀到平台之上。即把工业的技术原理、行业知识、基础工艺、模型工具规则化、软件化、模块化，并封装为可重复使用的组件。
二 什么是数字化模型？
所谓的“数字化模型”是将大量工业技术原理、行业知识、基础工艺、模型工具等规则化、软件化、模块化，并封装为可重复使用的组件。具体包括通用类业务功能组件、工具类业务功能组件、面向工业场景类业务功能组件。
1. 数字化模型的来源
数字化模型既然在工业PaaS平台中如此重要，那么这些数字化模型从哪里来的呢？一部分来源于物理设备，包括制造过程的零件模板，设备故障诊断、性能优化和远程运维等背后的原理、知识、经验及方法；一部分来源于业务流程逻辑，包括ERP、MES、SCM、CRM、生产效能优化等这些业务系统中蕴含着的流程逻辑框架；此外还来源于研发工具，包括CAD、CAE、MBD等设计、仿真工具中的三维数字化模型、仿真环境模型等；以及生产工艺中的工艺配方、工艺流程、工艺参数等模型。
2. 数字化模型分类
数字化模型一种是机理模型，亦称白箱模型。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。其优点是参数具有非常明确的物理意义，模型参数易于调整，所得的模型具有很强的适应性。机理模型往往需要大量的参数，这些参数如果不能很好地获取，也会影响到模型的模拟效果。机理包括基础理论模型（如制造过程涉及到的流体力学、热力学、空气动力学方程等模型）；流程逻辑模型（如ERP、SCM供应链管理等业务流程中蕴含的逻辑关系）、部件模型（如零部件三维模型）、工艺模型（如生产过程中涉及到的多种工艺、配方、参数模型）、故障模型（如设备故障关联、故障诊断模型等）、仿真模型（如风洞、温度场模型等）。机理模型本质上是各种经验知识和方法的固化，它更多是从业务逻辑原理出发，强调的是因果关系。
随着大数据技术发展，一些大数据分析模型也被广泛使用，包括基本的数据分析模型（如对数据做回归、聚类、分类、降维等基本处理的算法模型）、机器学习模型（如利用神经网络等模型对数据进行进一步辨识、预测等）以及智能控制结构模型，大数据分析模型更多的是从数据本身出发，不过分考虑机理原理，更加强调相关关系。
3. 数字化模型开发工具
所有的这些技术、知识、经验、方法、工艺都将通过不同的编程语言、编程方式固化形成一个个数字化模型。建模工具如：Python数据抓取、MYSQL数据整理统计、EXCLE图表制作、SPSS.R数据建模可视化等等，这些模型一部分是由具备一定开发能力的编程人员，通过代码化、参数化的编程方式直接将数字化模型以源代码的形式表示出来，但对模型背后所蕴含的知识、经验了解相对较少；另一部分是由具有深厚工业知识沉淀但不具备直接编程能力的行业专家，将长期积累的知识、经验、方法通过“拖拉拽”等形象、低门槛的图形化编程方式，简易、便捷、高效的固化成一个个数字化模型。
大数据建模的步骤一般包括：选择模型、训练模型、评估模型、应用模型和优化模型五个阶段。正如数据挖掘标准流程一样，构建模型的这五个步骤，并不是单向的，而是一个循环的过程。当发现模型不佳时，就需要优化，就有可能回到最开始的地方重新开始思考。即使模型可用了，也需要定期对模型进行维护和优化，以便让模型能够继续适用新的业务场景。
4. 数字化模型技术架构
当把这些技术、知识、经验、方法等固化成一个个数字化模型沉淀在工业PaaS平台上时，主要以两种方式存在：一种是整体式架构，即把一个复杂大型的软件系统直接迁移至平台上；另一种是微服务架构，传统的软件架构不断碎片化成一个个功能单元，并以微服务架构形式呈现在工业PaaS平台上，构成一个微服务池。目前两种架构并存于平台之上，但随着时间的推移，整体式架构会不断地向微服务架构迁移。
采用工业微服务的方式将上述软件拆解成独立的功能模块，实现对原有生产体系的解构，随后在平台中构建起富含各类功能与服务的微服务组件池，并按照实际需求来调用相应的微服务组件，进行高效率和个性化的面向用户的工业App研发，整个软件研发的技术门槛和投入成本大大降低。原来需要专业团队和雄厚资金支持的精英化软件研发开始向大众化研发转变。
工业微服务需要创造全新开放价值生态平台。工业微服务开放平台能够为广大第三方开发者提供众多低门槛、易操作、高效率的开发支持手段，形成以工业App开发为核心的平台创新生态，同时也能够为制造业用户提供以工业微服务为基础的定制化、高可靠、可扩展工业App或解决方案，形成以价值挖掘提升为核心的平台应用生态。
5. 数字化模型的价值
工业大数据汇聚到工业PaaS平台之上，所有的工业技术、知识、经验和方法都以数字化模型的形式沉淀在PaaS平台上，当把海量数据加入到数字化模型中，进行反复迭代、学习、分析、计算之后，可以解决物理世界四个基本问题：
首先是描述物理世界发生了什么；其次是诊断为什么会发生；第三是预测下一步会发生什么；第四是决策该怎么办，决策完成之后就可以驱动物理世界执行。
如上图，通过传感器的及时数据与历史数据对比诊断，预测故障发生，管理者可以根据预测的情况，采取包括预防性维护在内的决策。
数字化模型的价值，概括起来讲，就是状态感知、实时分析、科学决策、精准执行。
三 结语
工业PaaS平台目的是为企业提供云服务所必需的各种中间件、分层的动态扩展机制、开发和运维等支撑能力，帮助企业快速构建面向工业行业的社会级服务，同时与开发者、合作伙伴一起打造良性生态圈。
当工业PaaS平台上拥有大量蕴含着工业技术、知识、经验和方法的微服务架构的数字化模型时，应用层的工业APP可以快速、灵活的调用多种碎片化的微服务，实现工业APP快速开发部署和应用。
,
