工业互联网数据采集分析(工业互联网 数据)

工业互联网到底是什么？

工业互联网（Industrial Internet）是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新制造和服务体系，为工业乃至产业数字化、网络化、智能化发展提供了实现途径，是第四次工业革命的重要基石。

工业互联网不是互联网在工业的简单应用，而是具有更为丰富的内涵和外延。它以网络为基础、平台为中枢、数据为要素、安全为保障，既是工业数字化、网络化、智能化转型的基础设施，也是互联网、大数据、人工智能与实体经济深度融合的应用模式，同时也是一种新业态、新产业，将重塑企业形态、供应链和产业链。

发展工业互联网：

当前，新一轮科技革命和产业变革蓬勃兴起，工业互联网作为数字化转型的关键支撑力量，正在全球范围内不断颠覆传统制造模式、生产组织方式和产业形态，推动传统产业加快转型升级、新兴产业加速发展壮大。

我国工业经济正面临发达国家制造业高端回流和发展中国家中低端分流的双重挤压，迫切需要加快工业互联网创新发展步伐，推动工业经济从规模、成本优势转向质量、效益优势，促进新旧动能接续转换，快速构建我国制造业竞争新优势，抢占未来发展主动权。

工业互联网技术学什么

院校专业：

专业层次 专科（高职）

基本学制 三年

学历 专科（高职）

专业代码 510211

是什么

工业网络技术主要研究计算机电路基础、单片机程序设计与维护、PLC应用技术等方面的基础知识和技能，在工业网络技术领域进行网络控制系统的安装、调试与维护；工业网络的技术开发、安全管理与服务等。例如：工业网络工程施工、系统集成设计 、现场控制设备安装维护等。 关键词：PLC 组态 网络 工业

学什么

《C语言程序设计》、《计算机实时网络系统》、《网页制作与网站建设》、《面向对象的程序设计》、《实时数据库应用与开发》、《工业网络技术》、《石化基础（化工原理、化工工艺）》、《检测仪表》、《控制工程》、《DCS/FCS》、《网络通讯技术》、《现代控制理论及应用》、《可编程控制器等智能化仪表》

干什么

化工类企业：生产与控制、仪表测量、过程自动化、化工操作、信息系统开发及应用、网络管理等。

详解

基本修业年限三年

职业面向

面向工业互联网工程技术人员、计算机网络工程技术人员、信息系统运行维护工程技术人员等职业，工业互联网工程实施、工业互联网运行维护、工业互联网应用开发等岗位(群)。

培养目标定位

本专业培养德智体美劳全面发展，掌握扎实的科学文化基础和工业互联网网络互联、数据采集、标识解析、数据处理、安全防护及相关法律法规等知识，具备工业网络集成、数据采集与处理、标识解析应用、工业APP开发与应用、安全防护运维等能力，具有工匠精神和信息素养，能够从事工业互联网工程实施、服务应用和运行维护等工作的高素质技术技能人才。

主要专业能力要求

1.具有工业互联网网络设备安装调试、系统集成及运行维护的能力； 2.具有工业互联网数据采集设备安装调试、系统集成及运行维护的能力； 3.具有工业互联网标识解析设备安装调试、系统集成及服务应用的能力； 4.具有编写工业互联网边缘数据预处理、数据可视化展示脚本的能力； 5.具有工业互联网平台功能配置、服务应用及运行监测的能力； 6.具有参与工业应用软件需求分析、开发调试及发布应用的能力； 7.具有参与工业互联网安全审计、风险管控及应急处理的能力； 8.具有将5G、人工智能等现代信息技术应用于工业互联网领域的能力； 9.具有探究学习、终身学习和可持续发展的能力。

主要专业课程与实习实训

专业基础课程：

工业互联网导论、程序设计基础、网络与通信技术基础、数据库应用基础、工业控制技术基础、生产与运作管理。

专业基础课程：

工业互联网网络互联技术、工业互联网数据采集技术、工业互联网标识解析技术、工业互联网边缘计算、工业互联网数据分析技术、工业互联网平台及应用、工业APP开发与应用、工业互联网安全防护。

实习实训：

对接真实职业场景或工作情境，在校内外进行工业互联网网络集成与运维、数据采集与处理、标识解析应用、工业APP开发与应用、安全防护运维等实训。在 工业互联网技术类、制造业类、软件开发类等单位或场所进行岗位实习。

职业类证书举例

职业资格证书：计算机技术与软件专业技术资格 职业技能等级证书：工业互联网网络运维、工业互联网设备数据采集、工业互联网实施与运维

接续专业举例

接续高职本科专业举例：工业互联网技术、计算机应用工程、网络工程技术、物联网工程技术 接续普通本科专业举例：计算机科学与技术、网络工程、物联网工程

持续本科专业举例

就业率

男女比例

男生 68% 32% 女生

开设课程

电子技术、电气控制与 PLC 技术、单片机原理与应用、变频器原理及应用、计算机控制技术、计算机网络技术、工业组态技术、集散控制系统、现场总线控制技术等。 其他信息：

工业互联网技术是中国普通高等学校专科专业。 工业网络技术专业培养掌握自动化与工业网络技术的基础知识和技能，能在生产企业从事网络控制系统的设计、运行、维护；工业控制计算机选型、安装、应用开发；工业控制设备的安装、运行和维护；以及工业网络操作和维护的高技能应用型人才。 主要研究计算机电路基础、单片机程序设计与维护、PLC应用技术等方面的基础知识和技能，在工业网络技术领域进行网络控制系统的安装、调试与维护；工业网络的技术开发、安全管理与服务等。例如：工业网络工程施工、系统集成设计 、现场控制设备安装维护等。 课程体系：《C语言程序设计》、《计算机实时网络系统》、《网页制作与网站建设》、《面向对象的程序设计》、《实时数据库应用与开发》、《工业网络技术》、《石化基础（化工原理、化工工艺）》、《检测仪表》、《控制工程》、《DCS/FCS》、《网络通讯技术》、《现代控制理论及应用》、《可编程控制器等智能化仪表》。

工业数据采集系统主要应用于哪几大方向？

目前在工业大数据领域的应用，主要应用于几大方向：智能设备维保，生产工艺优化，能源管理，智能行业监督。工业数据采集系统作为工业数据服务的主要方向，基于设备的维护保养目录?设备运行的实时监控，设备历史数据分析，故障诊断与预测等几大方向设计。比如，亚控KingIOT是面向互联网的工业数据采集系统，旨在提供Linux平台（数据终端）的解决方案，具备优秀的采集性能、良好的易用性和可维护性。连接工业设备与云端，实时准确地将生产、环境数据发送到云端；在实现数据共享的同时，减轻了云平台计算压力，提前将海量数据进行解析、逻辑判断、筛选，实现边缘计算。

工业互联网平台的的架构是什么？能帮助中小企业解决什么问题？

工业互联网平台的本质是工业云平台，它的核心由：基础设施层（lasS）、平台层（paaS）、应用层（SaaS）三层组成，再加上断层、边缘层，共同组成了工业互联平台的基本架构?。它主要是基于中小企业在应用方面的需求，搭建对工业数据采集、存储、分析和应用的模板体系，来帮助客户实现工业互联网辅助的生产功能。而在这方面做的比较优秀的企业在国内也有很多，比如奥普云、东方国信、索为、广州鲁邦通。特别是广州鲁邦通，在工业互联网领域十几年的品牌了，积累了丰富的行业经验，而且公司还拥有着丰富的在技术研发能力，到2022年6月末，知识产权申请量达到数百项，入选国家第三批专精特新重点“小巨人”企业，在行业具有一定优势。

工业和信息化考试如何对报表进行数据采集

本篇文章和大家说说数据采集的那些事儿......

实现工业4.0，需要高度的工业化、自动化基础，是漫长的征程。工业大数据是未来工业在全球市场竞争中发挥优势的关键。无论是德国工业4.0、美国工业互联网还是《中国制造2025》，各国制造业创新战略的实施基础都是工业大数据的搜集和特征分析，及以此为未来制造系统搭建的无忧环境。不论智能制造发展到何种程度，数据采集都是生产中最实际最高频的需求，也是工业4.0的先决条件。

数字化工厂不等于无人工厂，产品配置，制造流程越复杂越多变，越需要人的参与；在数字化工厂当中，工人更多地是处理异常情况，调整设备。但数据采集一直是困扰着所有制造工厂的传统痛点，自动化设备品牌类型繁多，厂家和数据接口各异，国外厂家本地支持有限，不同采购年代。即便产量停机数据自动采集了，也不等于整个制造过程数据都获得了，只要还有其他人工参与环节，这些数据就不完整。

工业数据采集类型

互联网的数据主要来自于互联网用户和服务器等网络设备，主要是大量的文本数据、社交数据以及多媒体数据等，而工业数据主要来源于机器设备数据、工业信息化数据和产业链相关数据。

从数据采集的类型上看，不仅要涵盖基础的数据，还将逐步包括半结构化的用户行为数据，网状的社交关系数据，文本或音频类型的用户意见和反馈数据，设备和传感器采集的周期性数据，网络爬虫获取的互联网数据，以及未来越来越多有潜在意义的各类数据。主要包括以下几种：

1、海量的Key-Value数据。在传感器技术飞速发展的今天，包括光电、热敏、气敏、力敏、磁敏、声敏、湿敏等不同类别的工业传感器在现场得到了大量应用，而且很多时候机器设备的数据大概要到ms的精度才能分析海量的工业数据，因此，这部分数据的特点是每条数据内容很少，但是频率极高。

2、文档数据。包括工程图纸、仿真数据、设计的CAD图纸等，还有大量的传统工程文档。

3、信息化数据。由工业信息系统产生的数据，一般是通过数据库形式存储的，这部分数据是最好采集的。

4、接口数据。由已经建成的工业自动化或信息系统提供的接口类型的数据，包括txt格式、JSON格式、XML格式等。

5、视频数据。工业现场会有大量的视频监控设备，这些设备会产生大量的视频数据。

6、图像数据。包括工业现场各类图像设备拍摄的图片（例如，巡检人员用手持设备拍摄的设备、环境信息图片）。

7、音频数据。包括语音及声音信息（例如，操作人员的通话、设备运转的音量等）。

8、其他数据。例如遥感遥测信息、三维高程信息等等。

数据采集的方法

传统的数据采集方法包括人工录入、调查问卷、电话随访等方式，大数据时代到来后，一个突出的变化是数据采集的方法有了质的飞跃，下面所介绍的数据采集方式的突破直接改变着大数据应用的场景。

1、传感器

传感器是一种检测装置，能感受到被测量的信息，并能将检测感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。在生产车间中一般存在许多的传感节点，24小时监控着整个生产过程，当发现异常时可迅速反馈至上位机，可以算得上是数据采集的感官接受系统，属于数据采集的底层环节。

传感器在采集数据的过程中主要特性是其输入与输出的关系。

其静态特性反映了传感器在被测量各个值处于稳定状态时的输入和输出关系，这意味着当输入为常量，或变化极慢时，这一关系就称为静态特性。我们总是希望传感器的输入与输出成唯一的对照关系，最好是线性关系。

一般情况下，输入与输出不会符合所要求的线性关系，同时由于存在这迟滞、蠕变等因素的影响，使输入输出关系的唯一性也不能实现。因此我们不能忽视工厂中的外界影响，其影响程度取决于传感器本身，可通过传感器本身的改善加以抑制，有时也可以加对外界条件加以限制。

2、RFID技术

RFID（Radio Frequency Identification，射频识别）技术是一种非接触式的自动识别技术，通过射频信号自动识别目标对象并获取相关的数据信息。利用射频方式进行非接触双向通信，达到识别目的并交换数据。RFID技术可识别高速运动物体并可同时识别多个标签，操作快捷方便。

在工作时，RFID读写器通过天线发送出一定频率的脉冲信号，当RFID标签进入磁场时，凭借感应电流所获得的能量发送出存储在芯片中的产品信息（Passive Tag，无源标签或被动标签），或者主动发送某一频率的信号（Active Tag，有源标签或主动标签）。

阅读器对接收的信号进行解调和解码然后送到后台主系统进行相关处理；主系统根据逻辑运算判断该卡的合法性，针对不同的设定做出相应的处理和控制，发出指令信号控制执行机构动作。

RFID技术解决了物品信息与互联网实现自动连接的问题，结合后续的大数据挖掘工作，能发挥其强大的威力。

数据采集技术难点

在当今的制造业领域，数据采集是一个难点。很多企业的生产数据采集主要依靠传统的手工作业方式，采集过程中容易出现人为的记录错误且效率低下。

有些企业虽然引进了相关技术手段，并且应用了数据采集系统，但是由于系统本身的原因以及企业没有选择最适合自己的数据采集系统，因此也无法实现信息采集的实时性、精确性和延伸性管理，各单元出现了信息断层的现象。

技术难点主要包括以下几方面：

1、数据量巨大。任何系统，在不同的数据量面前，需要的技术难度都是完全不同的。

如果单纯是将数据采到，可能还比较好完成，但采集之后还需要处理，因为必须考虑数据的规范与清洗，因为大量的工业数据是“脏”数据，直接存储无法用于分析，在存储之前，必须进行处理，对海量的数据进行处理，从技术上又提高了难度。

2、工业数据的协议不标准。互联网数据采集一般都是我们常见的HTTP等协议，但在工业领域，会出现ModBus、OPC、CAN、ControlNet、DeviceNet、Profibus、Zigbee等等各类型的工业协议，而且各个自动化设备生产及集成商还会自己开发各种私有的工业协议，导致在工业协议的互联互通上，出现了极大地难度。

很多开发人员在工业现场实施综合自动化等项目时，遇到的最大问题及时面对众多的工业协议，无法有效的进行解析和采集。

3、视频传输所需带宽巨大。传统工业信息化由于都是在现场进行数据采集，视频数据传输主要在局域网中进行，因此，带宽不是主要的问题。

但随着云计算技术的普及及公有云的兴起，大数据需要大量的计算资源和存储资源，因此工业数据逐步迁移到公有云已经是大势所趋了。但是，一个工业企业可能会有几十路视频，成规模的企业会有上百路视频，这么大量的视频文件如何通过互联网顺畅到传输到云端，是开发人员需要面临的巨大挑战。

4、对原有系统的采集难度大。在工业企业实施大数据项目时，数据采集往往不是针对传感器或者PLC，而是采集已经完成部属的自动化系统上位机数据。

这些自动化系统在部署时厂商水平参差不齐，大部分系统是没有数据接口的，文档也大量缺失，大量的现场系统没有点表等基础设置数据，使得对于这部分数据采集的难度极大。

5、安全性考虑不足。原先的工业系统都是运行在局域网中，安全问题不是突出考虑的重点。

一旦需要通过云端调度工业之中最为核心的生产能力，又没有对安全的充分考虑，造成损失，是难以弥补的。2015年，受网络安全事件影响的工业企业占比达到30%，因病毒造成停机的企业高达20%。仅美国国土安全部的工业控制系统网络应急响应小组(ICS-CERT)就收到了295起针对关键基础设施的攻击事件。

工业数据采集方案案例

方案一：物联网工业现场数据采集系统

工业4.0

本项目属于物联网终端传感器系统的一种，通过装在机器上的无线模块，采集指定机器PLC工作信息，上传到主机，主机处理数据后上传到云服务器，用户可在手机、平板、电脑上查看机器工作信息，并可以有限度地设置机器工作参数。

方案二：太阳能充电的数据采集数传模块

本方案成品底部槽位可以嵌入工业上标准din35的导轨，方便安装；自带两路数字量输入、两路模拟量输入、八路IO输出。方案还采用了太阳能充电模式，集成GPRS模块，可掉线自动复位，避免一般外置DTU掉线后需要发短信重启的问题。

方案三：U盘数据转存，无纸记录仪解决方案

工业4.0

无纸记录仪是采用了最新U盘数据存储和数据转存技术的新型无纸记录仪。根据用户要求其数据存储容量最大可配置到32G，可以满足任何工业现场的数据存储要求。特别是通过U盘将仪表记录的数据取出方式，与IC卡等其他方式相比，其具有数据存储量大，使用方便可靠等优点，适合现场实际使用。

工业互联网与大数据

郑文盼? ? ? 16020150021

【嵌牛导读】在经历了长达30年的经济快速发展之后，现在，中国需要一个全新的增长模式。快速的城镇化和工业化让数亿人摆脱了贫困，中国人的人均寿命提升了十年，中国一举成为世界上最大的制造产品出口国和世界第二大经济体。然而，强劲的消费需要更快速的工资增长来拉动——因而需要更快速地提高生产力。因此，中国需要加速从低成本生产向高附加值、高科技制造转型。这是一个非常严峻的挑战。

【嵌牛鼻子】工业互联网、大数据

【嵌牛提问】工业互联网未来发展

【嵌牛正文】

1、数字化创新提升竞争力

由数据分析得出的洞察可以实现预测性维护：提前处理潜在故障，避免意外停机。传感器和数据分析构建了一个数字化的网络——工厂车间的所有元素连接在一起，并与供应链和分销渠道相连，提高制造过程的速度和灵活性——GE称之为智慧工厂(Brilliant Factory)。现在3D打印等数字技术使一些新的制造流程成为可能，在提高生产速度的同时，降低了生产成本。

这些数字化的创新能够大幅提升各行各业的效率和生产力，从而提升竞争力，使中国的某些行业在全球范围内确立领导地位。

工业互联网创新还能提升不同层面工人的能力。具有虚拟现实/增强现实能力的便携式和可穿戴设备可以使工人即时访问信息、提供即时培训、更有效地合作以及学习和借鉴其他同事积累的实践经验。

人们常常担心新技术的出现因为提高了自动化水平而减少工作岗位。工业互联网创新的发展方向不同于以往，工业互联网使人与机器之间形成更强大的新型伙伴关系，并提升各个层面工人的能力和生产力。而近年来，中国在提升工人平均技能水平方面也取得了巨大的进展：1982年，年龄在25-29之间的中国人中只有不足1%的人口接受过高中及更高水平的教育;到2010年，这一比例已经超过20%，其中大部分集中在科学和工程学。教育水平的提高使中国的劳动力从这些创新中获得巨大的收益;这也将为中国科学家和工程师的持续创新创造环境，为新型数字化工业技术的增长和传播作出贡献。

在这样的背景下，数字化和智能工业作为一个重大趋势，已不可逆转。很多工业公司已经将数字化视为生存和发展的必要前提。尽管互联网已经改变了消费领域，但这一价值在工业领域还有待释放，在1990到2010年期间，工业生产力的年均增速为4%，但是，在过去的五年里却下降到了1%。如何将数字化转化为价值，这是所有工业公司所需要解答的问题。

中国经济正在经历前所未有的结构化转型，可以预见，服务业态将在整个GDP当中起到非常重要拉动作用。制造业在过往的中国GDP中占很大比例，但在随着结构化转型，未来的制造业将成为制造和服务并举的行业，其中服务所创造的价值贡献甚至会超过制造，从而打造出是高质量、高利润、可持续增长的全新服务业态。

BCG的数据表明，中国经济当今的转型之当中，服务的价值在医疗、航空、能源以及有一些机械制造等行业领域都有体现，在未来，他们都将走上以服务成长拉动增长的路径。所以制造业的转型对于整个GDP的贡献也由此成为重要的话题。

GE本身也是一个制造型企业，但这个百年老店也需要思考如何在新的国际竞争当中寻找突破创新之路。GE的工业互联网在2012年来到中国，而这个战略最早在五年前被提出，因为制造业本身面在寻求新的增长点方面走进了一个困境。在GE超过1000多亿的营收和160亿美元的纯利润当中，75%来自制造。但由于客户市场和全球环境的变化，GE需要找重新思考如何服务于全球各行业的客户。所以GE就提出了工业互联网的概念，从根本上讲，就是要把人与机器，机器与机器之间通过数据无缝连接，通过海量数据找到运营当中的瓶颈，降低成本，提升效率，从而进行整个核心竞争力的转型。

工业互联网同中国工业的智能化在中国的结合恰逢其时，这主要源于三个条件：经过20年的信息化建设，中国积累了很好的基础设施;同时中国目前的制造业的转型上升为国家战略之一，迫切需要一些好的信息化手段、管理理念、创新来推动实现这一目标;最后，人才储备也已经达到一定水平。

2、资产优化与运营优化

在制造业领域，工业互联网在实现工业智能化主要着力于资产优化和运营优化。资产优化是基于一个事实，亦即制造企业的重资产特性。目前重资产企业最重要的关切就是产能过剩的挑战，如何优化资产效率，提升资产的利用率，同时为客户带来一些关键的增值服务，通常也被衍生为装备服务业。其次，是运营优化，中国企业所在的是相比德国提出工业4.0，我们还处在2.0甚至更粗放的阶段。管理粗放，机能低下，信息化基础薄弱等等，都是现在制约制造业发展的重要问题。所以如何使运营优化让我们在岗的工人、管理人员，能够和管理规章制度结合提升我们的效率，这是工业互联网的着眼点，也是中国工业企业转型迫切需要解决的，资产的优化、运营的优化。

目前中国有很多离散型的工厂，例如家电，电子类产品制造商，资产优化、对这些企业而言运营优化有重要的意义。而整个智能化有三个不同的层次：第一，经由传感器驱动的自动化。第二，实现全工厂级别的自动化。第三，包括供应链，供应链上下游的优化。

这一战略也与中国的人口转型相吻合。目前，中国的人口增速降低，老龄化加速。最近出台二胎政策暂时还不会影响到中国的人口发展趋势。与此同时，较低的人口增长速度也意味着劳动力不再像过去几十年那样快速增长。现在，中国的工业面临更加有限的人力资源。因此，为支持快速的经济增长，必须更快速地提高生产力以弥补较慢的劳动力增长。

3、制造服务业与中国工业的转型

从实施角度，要实现这三方面的优化要经过四个阶段，第一阶段，在没有数据的情况下我们往往有盲人摸象的感受，就像你坐在军中但缺乏前线汇报，这种作战毫无智慧策略可言。所以数据化是非常重要的前提，大部分企业的决策和管理是基于经验，哪怕有一些数据，也是局部不及时的，甚至是错误数据，这都会直接影响到最终结果，所以全局数据的采集是非常关键的。有了数据之后我们下一步希望可视化，所以在GE的智能工厂当中我们推出了数字链和数字双胞胎的概念，通过信息可视化手段通观工厂制造全流程，让我们对生产力、生产资源、生产效率有了解。随之而来的是控制，比对管理目标实施自动化、智能化控制，在流程控制、资源控制、物料控制等等，同时与制造工艺无缝相结合。最后一个环节是我们最期待的环节，也是价值释放的部分，就是实现优化，基于全局数据基础上我们可以实现预测，能够对资源，对于市场，对于客户的需求的预测性的指导下我们进行优化。

这四个阶段就是刚才我们说互联网在智能工厂的一个体现，说起来简单，但是做起来确实是很困难的。纵观中国的产业发展，工业和基础设施还处在由硬件转向软硬件结合的过渡当中，据统计，2014年我国数字化研发设计工具普及率已达54%，关键工序数控化率达到30%。不过较发达国家，中国离互联互通，软硬件结合的工业体系距离还很远。目前，我国高端传感器、智能仪器仪表、高档数控系统、工业应用软件等市场份额不到5%。

目前GE所提供的工业互联网方案，最直接的价值就是帮助客户实现零意外停机时间，目前GE每天监测和分析来自1000万个传感器的5000万项元数据，这些数据涉及资产价值达到万亿美元。基于Predix的APM帮助客户将海量数据转化为准确决策，及时、主动地确保资产安全、帮助设备更好地运行、消耗更少的燃料、更高效地部署服务，并最大限度地减少意外停机时间。更多APM解决方案和服务将有利于资产所有者和运营商降低维护成本和运营风险，同时提高可靠性。获得“可完全预测的资产”对任何机构的都是终极目标。对于尚不成熟的机构来说，这似乎是一个无法实现的目标。但随着资产运营者逐步接受这一观念，它所带来的诸多益处证明这一投资是值得的，APM将是实现资产预测性的根本基石。

在智慧工厂层面，其价值在于利用大数据、软件、传感器、控制器和机器人提高生产力，从而实现资产和业务优化。智慧工厂的产品拥有四个要素：虚拟制造、传感器启用自动化、工厂优化和供应链优化。GE目前在全球范围内拥有400家工厂。为了改变这些工厂的管理方式并提高生产效率，我们在整个企业共有16个智慧工厂试点。2015年，我们计划把试点数量增加到75个左右。

4、挑战与关注

安全性。制造企业进行转型不管走的是什么路径，目标是一致的，但是安全是非常重要的。传统的信息化的安全不足以覆盖到制造领域的安全，GE工业互联网上倡导的安全，除了IT的安全还有OT的安全，就是工业技术的安全。

基础设施：基础设施从数据中心到网络，到大数据分析，到云计算等等基础设施的部署。

复合性人才。过去中国的20年，无论是信息化还是工业化过程中培养了很多人才，但是都过于单一化。工业化和信息化的深度融合之后，我们需要更多的是复合性人才，对工业材料了解，对信息业了解的，当然对我们管理也提出了很高的要求。因为技术是服务于业务的，刚才提到的最终是希望驱动企业，使它具备智能管理和持续创新的能力，从而提高它的核心竞争力。所以对于企业的经营者来讲，也是一个挑战，就是我们的管理技能如何和信息化技术，和先进材料技术多方面融合，给企业制定一个好的战略。

业务模式的改变。技术的引入也会促使我们从上游产品设计到生产制造，到供应链，一直到市场服务形成一个全闭环的流程。每一个环节都会对我们传统的运营模式和业务模式带来冲击，互联网给消费领域带来的改变每个人都感受到了，工业领域也是如此。比如说众包在产品设计阶段，现在已经被广泛的使用了，我相信将来在供应链，在市场服务的时候如何更精准，更和消费者互动，这些都会对我们已有的模式带来很大的改变，我们参与的很多项目当中都是着眼于这方面的改变。