【工业物联网】工业互联网正确打开方式系列（七）：工业物联网
工业互联网正确打开方式系列（七）：工业物联网
工业互联网正确打开方式系列（一）：RPA机器人流程自动化
工业互联网正确打开方式系列（二）：AI产品经理
工业互联网正确打开方式系列（三）：微服务 VS ESB
工业互联网正确打开方式系列（四）：边缘计算
工业互联网正确打开方式系列（五）：云计算PAAS
工业互联网正确打开方式系列（六）：两化融合
工业物联网（Industrial Internet of Things）：工业物联网是工业领域的物联网技术。
工业物联网是将具有感知、监控能力的各类采集、控制传感器或控制器，以及移动通信、智能分析等技术不断融入到工业生产过程各个环节，从而大幅提高制造效率，改善产品质量，降低产品成本和资源消耗，最终实现将传统工业提升到智能化的新阶段。从应用形式上，工业物联网的应用具有实时性、自动化、嵌入式(软件)、安全性、和信息互通互联性等特点。
源起
物联网的概念不仅是一个逐渐形成并明确的过程，还是一个各领域相互借鉴、融合的过程。在不同的信息化领域，各行各业对“物联网”都有自己的认知和构想。即使到今天，各领域对物联网的理解还有很大的差异性。
在对物联网没有形成统一的认识之前，各领域各都有各自的称谓，有三种定义较为明确：“M2M”、“IoT”、“CPS”。
1.M2M(machine to machine)
“M2M”的概念主要是由通信行业提出的。最初M2M主要是指：不具备信息化能力的机械设备通过移动通信网络（无线网络）与其他设备或信息系统（IT系统）进行通信。
通信行业认为：网络在满足了人与人之间的通讯需求后，还可以使得“物与物（machine to machine)）”之间进行通信联结，构成更高效的信息化应用。此后，M2M的概念又延伸出了“人与机器(man-to-machine)”或“机器与人”的概念。
总体来说，M2M就是指人、设备、信息系统，三者之间的信息互通和互动。
M2M的概念主要强调的是通信实现，网络在其技术框架中处于核心地位。通过“无线连接”的技术手段，实现“端到端”的可靠连接。在物与物“连接”的基础上，实现资产集中监控、设备远程操作、物流仓储管理、移动支付等应用。
2.IoT（Internet of things）
IT行业内认为，IoT的概念最早可以追溯到1990年施乐公司的网络可乐贩售机（Networked Coke Machine）。
而后，1999年美国麻省理工学院自动识别中心在RFID技术的基础上提出了一个物联网概念，在其定义中强调了“信息传感设备与互联网连接”的理念。（原RFID物联网定义：把所有物品通过射频识别等信息传感设备与互联网连接起来，实现智能化识别和管理。）
到如今，IoT是互联网企业、软件企业、乃至整个信息产业力推的物联网概念。在实现了人与人的社交互联后，互联网企业希望物和物之间也能通过互联网进行通信。IoT的基础任然是互联网，是互联网的延伸和发展方向。
IoT的概念主要强调的是互联网交互，互联网的全球化、开放性、互操作性、社交性是支撑IoT理念的基础。智能产品一旦有了“网络身份”，便可以衍生出各种互联网应用：产品租赁（共享智能产品）、信息服务（例如定位服务、电子支付、大数据分析）、可穿戴产品应用等等。
3.CPS（Cyber Physical System）
2006年，美国国家科学基金会的Helen Gill提出了CPS的概念，并将其列为重要的研究项目。由于CPS侧重于研究工业、制造业中嵌入式、自动化的信息系统，所以一开始也被直观地理解为“嵌入式物联网”（从现在的信息行业角度来看，这种理解有些片面）。
在“Cyber Physical System”一词中，“Cyber”指的是信息系统，“Physical”指的是物理系统（设备、环境、产生资料）。
CPS强调的是物理世界和信息世界之间实时的、动态的信息回馈、循环过程。
它深度融合了各类信息技术：传感器、嵌入式计算、云计算、网络通信、软件，使得各种信息化能力（3C:计算-Computer、通信-Communication和控制-Control）高度协同和自治，实现生产应用系统自主、智能、动态、系统化地监视并改变物理世界的性状。
CPS的目标，就是实现信息系统和物理世界、以及各信息系统之间的深度融合：在感知、互联互通（标准的通信、应用协议）、能力开放（互联网服务接口、API-应用编程接口）、安全可控（身份认证、安全加密）、应用计算（数据计算、信息控制）的基础上，构建出一个巨大的、融合的、智能化的生产服务系统。
CPS所涵盖的应用范围十分广阔：从微小的纳米机器人，到庞大的工程基建设备，从城市交通信息提供到远程手术医疗系统，交通、医疗、农业、能源、国防、建筑、制造业流水线都是其涉足的领域。就目前来看，CPS更偏重于科学研究，M2M、IoT则更注重于工程技术的落地。
在工业领域，生产系统在操控机械设备的同时，还接受并处理从物理世界反馈的信息（感知），生产操控中信息的“上传”和“下达”具有高度的实时协同性。在“M2M”、“IoT”、“CPS”这三种概念中，CPS正是为满足这种特性而设计的，也因此，被认定为工业领域的物联网（IIOT），下一代工业体系中的基础信息系统。
在工业领域中，未来的信息化应用场景和CPS技术构想有着很高的契合度，所以普遍认为CPS是实现工业物联网的核心技术。
虽然通信领域的M2M和互联网领域的IoT已经先入为主，深得人心，在商业系统中和消费市场上已经呈现出了各式各样的应用和产品。但工业领域作为全球经济主动脉，才是未来物联网技术（即CPS）发展的核心领域。
当然M2M、IoT、CPS相互之间并不是孤立的，在它们当中很多技术功能是相互交叉或互补的，它们都代表了重要的物联网领域，只是侧重不同而已。
1.工业物联网前期发展历史
（1）工业4.0
“工业4.0”的称谓源自德国。在2011年4月汉诺威工业博览会上，“工业4.0”第一次出现（来自《高技术战略2020》）。在2013年4月德国正式推出了“工业4.0”，并组建了一个由政府、企业、大学以及研究机构共同参与的大项目团队，举国上下共同推动代表着工业4.0的相关工作，明确了工业制造智能化与数字化的发展道路。
项目团队中的合作企业包括西门子、博世、大众汽车、戴姆勒、汉莎航空等等，而研究机构就是神秘而又著名的“弗劳恩霍夫研究所”。弗劳恩霍夫研究所作为主导研究机构，参与了德国工业4.0战略（2013年）的起草，并落实到其下属的多项生产领域的研究中。
2015年4月，德国经济技术部、教育研究部成为了工业4.0平台的指导机构。而后，工会组织也成为了平台成员。
工业4.0随后推出了描述工厂场景的参考架构《Reference Architecture Model Industrie 4.0（RAMI4.0）》，它成了德国举国推动的一场“革命”。
从信息技术的角度来看，德国的工业4.0就是工业领域中面向全球、并基于人工智能的信息物理系统（CPS）。
（2）工业互联网（Industry Internet）
2012年，GE公司基于自身的“软件梦”（GE期望自己能够转型成为软件业巨头），提出了“工业互联网”的概念。
2014年3月，美国五家顶级企业做为主要代表，发起了工业互联网联盟（Industrial Internet Consortium，IIC）。这五家企业分别是GE、AT&T、IBM、Intel、思科，一开始由GE主导。在此之前，后四家通信、IT公司都已经有相关的物联网概念提出，AT&T倡导“M2M”，IBM推出“智慧地球”，而思科打造了“IoE（Internet of Everything）”。
各家的概念不同，但愿景一致，其发展方向不仅是像工业4.0那样实现制造业的信息化和智能化，更是希望实现各产业整体的数字化转型。
IIC刚成立时和工业4.0不同，其主要成员集中在电信和IT领域，工业企业相对较少。到了2015年初，工业4.0平台中的西门子、博世、SAP加入了工业互联网联盟。
IIC主要的工作目标是为物联网制定标准，其在2015年6月4日，发布了第一版标准化的参考架构模型：美国工业互联网参考架构（v1.7版）
（3）平台合作的开始
一些大型企业在跨领域的工业项目合作中，遇到了两种工业物联网标准因存在较大差异而产生的矛盾（工业互联网和工业4.0），于是在2015年11月的瑞士，工业互联网联盟和工业4.0平台开了一场保密的研讨会（之所以保密，是因为担心研谈失败而造成负面影响）。
会中，双方发现两个参考平台之间具有很强的、天然的互补性。
2016年3月，德国工业4.0平台宣布与美国工业互联网联盟展开合作，并随后设立了多个联合任务组（JTG），努力将两种技术架构进行对接和融合，使得两种架构中的元素能够相互映射，使得企业无论采用哪种技术标准，都能够方便地与其他标准的企业系统进行对接。
2017年12月，两个组织联合发布了《IIRA和RAMI 4.0体系结构映射和对接白皮书》，系统性地阐明了两个体系中的异同点和互补性。
2.两体系非技术面的差异性
（1）美国与德国不同的历史认知
不同与以往，这场即将爆发的工业产业革命，并不是被事后观察到的，而是第一次被各个国家和组织机构事先预测到的工业革命。（这说明现代信息技术的突飞猛进已经能够对“未来的历史（周期）”进行预测了）
美国和德国都认同新技术创新周期到来，也意识到了信息技术和工业的融合会引发新的工业革命。但是在如何划分“周期”上略有差异。
（2）德国的历史观：
德国认为历史上发生过三次工业革命，未来的是第四次工业。
这四次工业革命分别是：
第一次工业革命：18世纪末的英国，通过对水的加热（蒸汽）作为机械动力源并加以运用，蒸汽纺织机的发明为这一次革命的标志性事件。
第二次工业革命：20世纪初期的美国，电力作为能源实现了汽车工厂的流水线生产，生产中出现明确的分工（在固定工位进行重复操作），生产效率获得飞跃。
第三次工业革命：20世纪70年代，信息技术被整合进生产流水线，工业机器人、PLC（可编程逻辑控制器）系统的出现，实现了流水线的自动化运作，并进一步提高了生产效率。直到今天，大多数工厂都还在延续应用第三次工业革命所带来的自动化技术。
第四次工业革命：CPS。
德国将新工业革命视为第四次工业革命，以“工业4.0”予以命名，并希望能够以举国之力引领这次工业革命的发展。
（3）美国的历史观：
美国将工业“革命”称之为“浪潮”，并认为人类历史上已经出现过两次浪潮，第三次则就在当下。
三次工业“浪潮”分别是（参照GE-2012年的《工业互联网白皮书》）：
第一次浪潮：18世纪末英国的工业革命。
第二次浪潮：互联网革命。20世纪后半页，在信息计算能力发展下，互联网应用的蓬勃发展，带动产业创新。产业价值从“资源密集型”向“知识/信息密集型”转移。
第三次浪潮：工业互联网。开放的信息系统（分布式信息网络）、传感设备和人工智能的高度融合，助力传统行业技术，增强生产设备自动化的维护、管理、运营能力，提高商业组织对行业趋势的分析预测水平。
从历史观中就能够看出，美国更多关注信息系统的建设和完善，而德国看重的是工业生产流水线的整体发展。
3.各国工业革命的追求
两国（美国、德国）提出的工业技术框架，是基于各自不同的工业现状，并建立在不同的诉求之上。
（1）德国的初衷
看着美国IT企业在信息领域一骑绝尘的领先优势，以及新兴的亚洲国家加入到了全球制造业的竞争当中，德国传统制造行业感受到了前所未有的危机感。与此同时，生产的成本在不断攀升：能源和人力成本亦在增加。消费者“口味”的变化（消费者的需求不仅个性化、多样化，而且需求的转变迅速—“市场节奏”加速），也让产品的生产者不知所措。
德国政府和企业都希望能够改变固化的、传统的“硬件式”的生产思维模式，将新一代的信息化技术手段融入工业体系，为“定制化生产”和“个性化服务”创造条件。企业可以通过提供更高附加值的产品，来保持国际竞争力。而原本制造业中一部分“低价+量产”的生产模式需要被无情地淘汰。
很多专家和机构认为工业4.0是德国工业巨头们的游戏。而事实上，创立工业4.0的初衷并不是为了服务于那些行业大佬的。
德国的工业巨头都具有雄厚的资金实力、专业的技术积累和经验、并占据着优质的市场先机。面对新的产业形势，它们完全能够依靠自身实力进行技术创新，完成“自我（工业）革命”。
然而，德国大量的中小企业，则不具备“数字化转型”的能力。虽然在“B2B（企业间的商业交易）”领域中很多德国的中小企业是某些垂直行业领域内的“隐形冠军”，是产业链上下游技术领先的佼佼者。但信息系统和传统技术的深度融合，需要消耗大量资本投入，转型成本（资金、人才、技术积累）成为了中小企业发力工业革命的最大障碍。
在德国政府的牵头下，集结德国各工业巨头，参与“工业4.0”的研究和框架制定，不仅是为了拓展未来的新市场，更是帮助德国中小企业降低数字化转型的成本，以及通过大企业的落地项目，带动产业链上下游的德国中小企业优先发展。
工业4.0的目标是促使德国大、中、小企业共同参与到新的全球化产业格局中。
（2）美国的追求
美国一直在航空航天、计算芯片制造等先进制造业领域领导全球，软件工业和互联网产业也是遥遥领先。然而，美国现在却面临着许多领域的工业萎缩问题。
美国“产业的空心化”，也就是“人才的空心化”。
美国很多大型企业按照“研发在国内，制造在国外”的思路布局全球化产业，虽然利润丰厚，但也带来了一个无法逃避的问题：各领域的人才衰落。在制造业领域，对于工程师的培养，即使是生产一些低端产品，也需要组建专业团队，并安排“人”进驻到制造车间中，从生产实践中掌握技术和经验。
当面临产业变革时，不论技术含量的高低，产品创新与技术融合，都需要大量的工程师参与其中，群策群力、贡献智慧。光有局部的高科技制造业，显然无法面对即将到来的工业革命。虽然美国在信息技术方面遥遥领先，但通过数字化的虚拟世界并不能掌控现实世界的全球化产业。
社会整体的技术发展和服务业的繁荣，都需要一个整体健硕的工业生态作为坚实的基础。美国在产业结构上存在不平衡的状况，中低端产品需要依赖国外生产，从而导致了产业发展受到掣肘。所以，美国希望重新获得工业领域全盘的掌控力。
相比较德国的工业4.0，美国的制造业实力稍显薄弱，所以美国希望能从擅长的信息领域入手，突破现有的产业格局（从工业互联网初创的五家企业就能看出-四家IT企业）。此外，后知后觉的页岩气革命在美国引发（能源革命），也更坚定了美国让制造业回归的决心。
（3）殊途同归的工业信息化道路
德国和美国对工业的展望，都是一条工业信息化、互联网化的道路。工业4.0和工业互联网，它们架设在CPS的信息化系统之上，使得新的生产模式面向市场，更具有“柔性”：将各类“硬件”（设备、环境、物料、人机交互端）映射在信息系统中，并由“软件”来发挥人和团队的创造力，满足个性化的市场需求。基于CPS的工业物联网，简称为“IIOT”（工业物联网，Industrial Internet of Things）。
两国从各自擅长的部分入手，按不同的路线走向产业变革。
德国的长处就在于强大的工业技术实力。因此工业4.0是以生产车间为核心的信息化革命，工厂的数字化和智能化是产业升级的核心部分，互联网、大数据、（公有）云计算、以及大众消费市场的服务，都处于体系的边缘位置。德国工业4.0主要关注的是复杂生产场景中的工业自动化、软/硬件的融合和内部信息系统的智能化。正因为工业4.0更关注工厂内部的制造环节，对大数据和互联网并不特别关注，所以被理解为是“硬件式”的改革路线。
工业互联网在工业领域没有德国那么强势的实力，他们从信息系统出发，去触动产业链整体的智能化。工业互联网意在通过提供互联网和计算服务，提升传统工业企业的IT和软件实力，在面向工业领域企业的服务中获取价值，并实现产业升级。工业互联网中的IT企业通常会从自身擅长的互联网、云计算等信息技术领域入手，将大数据和人工智能注入进工业领域的企业系统中，触发产业创新和升级。工业互联网的主旨是提供信息化服务，与工业结合并创造价值，所以也称为“软件化”的改革道路。
从整体来看，德国的工业4.0和美国的工业互联网各有优势和短板，并且整体架构之间有一定的映射关系。工业4.0钻研于对制造业的价值链重新构建，工业互联网则聚焦在跨领域的工业互联架构。所以，鉴于他们之间存在互通、互补的效应，合作与融合便水到渠成。其实在工业4.0提出之前，很多德国工业企业就已经在使用美国IT企业的软件服务，部署云计算平台和商业系统了。
（4）后知后觉的日本
看到德国和美国大力发展工业物联网，各大工业国也不甘落后、纷纷响应，着手相关标准的研究和推广。作为现代工业强国，日本经过了一段犹豫、彷徨的时期。
日本有着很强的工业实力，拥有很多高端制造业技术（世界市场份额50%的工业机器人技术）。当看到德国和美国开始着手发力工业物联网的时候，日本以为这不过是工业自动化的一次升级。而随着德国和美国不断推进全球化的工业物联网标准落地，日本终于意识到工业革命要到来了。
日本将德国4.0和美国工业互联网的携手共进，称之为“南侧路线”（即面朝太阳的一面），对于日本独自发展工业物联网的路线就称为“北侧路线”（山阴一侧）。在启动工业数字化进程之前，日本工业领域原本很纠结，对于要走哪一侧路线（南北两侧），争论一直不小。但很快日本工业整体上认识到只有融身到全球产业网络中才能“提速奔跑”，才是最好的路线。其实这条路线就是美国和德国合作的路线。
在2015年，组织成立“工业价值链倡议” （IVI: Industrial Value Chain Initiative），并于2016年12月8日，推出了智能工厂的基本架构《工业价值链参考架构（Industrial Value Chain Reference Architecture ，IVRA）》。日本面对落后的局面，正努力着争取迎头赶上。
四个视角全透视
传统的工业企业中留存了大量的旧有信息系统和工业设备，这些系统和设备中运用的信息采集方式、通信模式、数据格式、操作系统往往并不统一，它们在底层所采用的信息技术可能存在极大的差异。在工业4.0中，目前最关键的工作就是引入CPS，连接各类“异构”的系统设备，实现相互间的信息兼容。在数字化的进程中，工业物联网的搭建需要减少对原有系统的改造，做到向下兼容（兼容老旧系统）。
所以，工业4.0主要以采用“功能扩展”（增加CPS）的方式实现老设备、旧系统的“上网”，注重的是三个“集成”（三类集成：横向集成、纵向集成、端到端集成），而并不是重构工业系统底层的信息架构（重构协议标准并开放接口）。
从目标来看，工业互联网和工业4.0是高度一致的，即通过工业系统的联网来聚合能力，再灵活运用，服务于个性化、创造性的需求，并产生新的商业模式和生态。
在工业互联网白皮书中，将工业互联网描述为：致力于工业控制系统联网，使之形成大型的端对端系统。工业互联网系统能与人联接，能充分集成企业内部系统、工艺流程和分析工具。这样的端对端系统被称为“工业互联网系统（IISs）”。
工业互联网的架构，从商业利益诉求开始（联盟的发起者都为大型企业），基于各类应用，进行生态体系的研究，并通过简化方式对系统架构进行解释，便于各领域组织和个人的理解。
不同于工业4.0在“集成”之上，更注重供应链（价值链）的研究，工业互联网则更偏向于对利益相关者-“角色”的研究。生产分工的“角色”，不仅仅是指产业链上下的企业和组织，还包括了企业中的各类职业人士，包括商业决策者、技术工程师、产品经理等。在工业4.0中也有大量内容关于对“劳动者（人）”的调研和阐述，但主要是从社会学、人力资源管理学进行整体性的思考。
从“角色”的需求出发，工业互联网提出了四层“视角（Viewpoint）”的结构（有些文章中也称之为“组件”）。
1.业务视角（Business Viewpoint）
在工业互联网的搭建中，业务视角关注于识别利益相关者的商业视野、价值观和目标。相关人员（包括行业用户）需要思考如何通过工业互联网提供的基本功能来实现商业目标。（行业用户：业务决策者、产品经理、系统工程师等）
2. 应用视角（Usage Viewpoint）
应用视角定位于可靠、复杂的系统应用（功能）。通过专业用户或逻辑用户自助式的一系列操作（使用过程），能够获取到系统的基本功能或服务，并将其拼装成成熟的商业应用。（专业用户：系统工程师、产品经理等；逻辑用户：智能终端）
3.功能视角（Functional Viewpoint）
功能视角聚焦于工业互联网系统中的基本功能模块（系统的零部件），以支持上层应用组件的运行。功能视角主要研究模块之间的关联关系、组合结构、信息交互接口、使用流程和步骤，以及功能模块和系统外界环境的关联关系。（系统和组件架构师、开发人员、集成商）
4. 执行视角（Implementation viewpoint）
执行视角主要关注的是功能视角中的信息技术元素，包括具体的工业控制系统、通信方案和软件程序。执行组件（视角）关注于工业物联网最基本、核心的技术架构，功能（视角）在执行视角的技术架构上搭建，使得多个应用（视角）能够协同工作，并实现业务的完整交付。（系统和组件架构师、开发人员和集成商,和系统运营商。）
工业互联网认为，工业领域的控制系统（ICS）已经能够实现跨产业部门的工业自动化。它们通过对物理世界的感知，获得信息的“激励”，并通过“固化”、明确的逻辑运算，向执行器发布指令信号，从而由设备上的机械装置改变物理世界和环境的状态。这种“控制”过程由工程师精心设计，使得自动化设备的所有行为都明确并固定下来。但如果生产环境发生改变，生产产品需要升级，那么必须由工程师重新设计并调整系统，这有可能需要启动一个生产线的“精益”项目。（精益-Lean：制造业领域专有名词，可简单理解为：改进生产系统并提升生产线的能效）。
要适应生产环境和商业需求的变化，控制系统中的信号处理元器件，首先需要与外部信息系统组网通信，其次需要建立共通的“语言”（通信协议、数据规范），还要能够接受上层应用的调配和指挥，以此实现灵活的“柔性生产”，与其他商业系统协同“智造”。
四层视角之中，“执行视角”主要是构建信息流的通道（从通信行业的角度来说，就是拓扑、接口、规范和消息流程）。在“执行视角”中的独立设备和系统，会按照接口规范输出传感信号或接受指令信号，在“功能视角”中形成数字化映射，即在虚拟世界获得一个“身份”，能被其他信息系统进行查询、访问、调用、关停等。
四个视角中的系统和能力是相互交织，只是看待的角度层面不同。商业视角和应用视角更多的是从商业的角度来看待生产活动，它更关心的是资金、客户关系、供应链、人力资源、企业资产、产品的生命周期等等，是从上（需求）向下（实现）看待工业物联网。功能组件和执行组件是从信息技术、行业技术的角度来看生产活动，它聚焦于如何调配计算资源、如何传递信息、如何操作设备、系统的维护和运营、技术构架的健壮性和安全性，更层次化、深入化地理解工业物联网系统，关注于它的“有机性”。
在工业互联网的四个组件中，功能视角和执行视角都是从技术的角度来拆解工业互联网。其中，功能视角关注工业整体系统，是顶层的技术架构，定义并展现了工业核心能力的相互关系；执行视角关注信息系统结构，是支撑功能视角的数字化基础，它对工业物联网的信息/网络能力进行了层级划分。
通俗的来说，执行视角描述了一个人（工业）的“神经网络”，而功能视角则呈现了一个人（工业）的“器官组织”。工业互联网通过这两种视角，注重于理清信息技术与工业技术之间的关系。就目前来看，工业4.0的架构思路倾向于将信息技术进行改进和叠加。相对而言，工业互联网则更关注未来工业系统的重构，使得信息和工业深度、有机的融合。
1.功能视角
工业互联网联盟希望有一个明晰的、技术层面的功能结构，一方面兼容工业自动化原本传统的工业技术结构，并且普适于大多数的工业信息系统（如ERP等），另一方面能够具有良好的扩展性和健壮的系统性，可以达到全面数字化生产的程度，并适合相关企业和人员来进行理解、设计、开发、运营。所以，工业互联网对工业领域和信息领域的技术进行了融合，并定义和划分相应的功能模块，提出了“功能视角”的概念，这便是工业互联网的顶层功能架构：功能域模型。
功能域模型由五个基础的功能域组成。企业的信息系统可以包含所有的功能域，也可能是其中几个，还可以是单独一个功能域，每个功能域都是相对独立、完整的系统。当然，实际的业务系统会根据应用特色，删减或修改功能域中的某些细节性技术，但这不会影响工业互联网的整体结构。
（1） 控制域
控制域整体部署在物联网边缘，贴近实物和环境，在物联网结构之中处于边缘位置。控制域包括：
感测，是传感器对设备、环境的感知；
驱动，就是指通过传递指令信号，使得设备上的机械部件或电路开关实施规定动作。此外，向电子标签等存储设备注入数据也是驱动的一种类型。
交流，是指信息在边缘网络中传递。
实体抽象可以理解为物的“数字化”，即物的（状态或属性）实体信息由统一、规范、有实际意义的数据（即数字化信息）来表示，这样上层系统就可以解读感测信息、改写设备状态（驱动）。实体抽象是物理系统和信息系统的桥梁，完成虚拟和现实相互间的映射。在物联网领域中，“数字化”的狭义理解就是“实体抽象”。
建模，是对物理世界的系统性描述（包括对单一事物的分析和预测能力）。建模的对象可以是生产设备（例如通过采集大量的设备状态信息，来预测设备的隐性故障），也可以是外部环境（例如机器乒乓球手，通过视频中的乒乓球轨迹，来判断球的落点）。建模的数据源来自下层的“实体抽象”。复杂的建模需要融合高深的行业技术知识，并通过高等计算（人工智能到等）来实现。
执行者通过对控制目标的解读，按照自有的控制逻辑，实施一系列的操作（向驱动和感测传达指令）。执行者具有自主性，具有一定的决策权和智能，可以动态、灵活地完成任务。当然，对于一些特别重要或简单的控制目标，执行者会不经过逻辑判断，直接执行。
整个控制域实现了（控制）目标和（物理）行为的统一。
（2）操作域
操作域是对控制域系统的集中化运营，它可以远离控制域，实现远程的监管。操作域主要的职责包括：
-
为功能（组件）的实现，调配和部署资源并进行相应管理。
-
为保证功能的健壮性，操作域还需要具备监测和诊断分析的能力：通过分析系统的关键性能指标，来评估系统的健康，针对系统故障、性能下降等问题，及时上报或预警。
-
操作域除了“反应式”的运营方式外（出现告警后再处理），还需要支持预测和优化：预测故障和系统瓶颈，在故障和问题发生前处理（预测性维护）；掌控各类资源的利用率和下层系统设备的情况，通过调整资源分配来实现生产优化（例如动态地关闭一些空载运行的机器，来节省工厂的电力消耗）
在预测分析方面，操作域需要信息域的帮助，以弥补他可能在计算能力上的不足。
（3） 信息域
从不同的域中采集信息，并将这些大量的异构信息进行转换、建模、存储，最终实现高级分析的功能（分析系统瓶颈或预测产业链趋势）。
信息域具备的数据处理能力包括：
-
采集（汇集）传感器和操作状态的海量数据
-
数据质量管理（数据过滤、去重、挑拣垃圾数据）
-
（异构）数据格式转换
-
语义化处理（在原始数据中注入备注信息，关联其它数据集等，比如位置信息、时序信息等）
-
存储和数据持久化（data persistence，内存数据模型和存储模型的相互转换）
-
数据分发处理（包括流分析处理-streaming analytic processing）
控制域也有数据采集和建模的能力，但主要是用于即时的计算、实时的反馈、连续的操作，其关注点在于设备的“物理行为”。信息域的建模主要是用于“后计算”的，即通过大数据分析、智能预测，制定一个长期的优化目标，并通过调整控制域的执行策略，实现系统整体的性能提升。
信息域对控制域具有“引导”作用，如果将控制域看做“生产者”，那么信息域就是“管理者”。
（4）应用域
应用域是所有“功能（function）”（也称之为“函数”）的集合，包含对“控制域”进行操作的功能。功能在应用域中表示为一个个相对独立的应用程序，业务则是多个应用程序的系统性组合。虽然在软件应用的底层代码中也有“功能（函数）”的概念，但应用域所指的“功能”是高度抽象（语义化）和复杂的逻辑程序，它可以包含一组协同的物理操作或一系列流程化的数据处理行为。
操作功能发出的操作请求并不是无条件执行的，它必须接受控制域的条件约束，例如违反作业安全的操作指令会被控制域“拒绝”。
（5） 业务域
业务域即是企业各类的业务系统，例如：企业资源管理（ERP）、客户关系管理（CRM）、资产管理系统、人力资源管理系统（例如人力资源的共享中心）、项目管理系统等等。这些信息业务是通过完整的一套软件程序来实现闭环的业务流程，也被称为：实现“端到端”的操作流程，例如用户从客户端到电商平台（服务端）下订单购买商品。
2.执行视角
功能视角作为顶层技术架构，本质上是从工业领域的整体视角看待工业互联网的技术架构，而执行视角则是从“具体实现”的视角看待工业互联网，它其实属于功能视角的一个基础部分，不过以作者看来，“实现”的本质就是物理信息和虚拟信息的相互转换，所以执行视角所展示的功能拓扑看起来更像一种“服务于信息的组网和计算方式”，其强调了协议、接口，以及系统动作、设备状态的信息化映射。对于通信领域的人士来说就很容易读懂执行视角之下的架构，而且能够和物联网网络架构进行对应。
（1）三层架构
执行视角下的工业互联网分为三个基本层级：边缘层、平台层、企业层，它们分别对应不同的网络和功能特性。
边缘层收集各类设备数据并汇总转发至平台层，或由平台层反向发送数据（例如操作指令）至边缘层中的设备。
平台层，一方面具有设备和资产的管理监控功能，可以向上层应用（企业层）提供这些能力。另一方面，它可以接受并执行企业层下达的操作指令：数据分析、信息查询或控制设备运作。平台层整合了工业领域中的各类信息能力，并形成具有开放性的服务系统。
企业层，就是行业应用层。它可以是商业决策系统，也可以是提供给外部用户的设备监控系统，还可以是给内部运营人员用于产品质量分析的软件应用。它可以从平台层获取大量的底层生产数据，也可以通过平台层控制海量的设备，但它并不“关心”这些功能（查询、操控）具体是如何实现的，它只负责高层应用的逻辑实现。
（2）三层网络
在三层架构模式之中存在三层网络：邻接网络（Proximity Network）、接入网络（Access Network）、服务网络（Service Network）
邻接网络，通过一定数量的转发节点连接一定区域范围内的边缘节点（包括传感器、驱动器、设备、资产、控制系统和边缘服务），并且在区域内形成局部网络。邻接网络可以理解为物联网的边缘网络，不过它更强调了在一个场景化的空间范围内。
接入网络，实现资产、终端、设备连接到平台层的网络。接入网络可以是企业专网，也可以是商用的运营商网络，例如4G LTE网络。所有终端都需要通过网关设备连接到服务网络。
服务网络，实现平台层和企业层连接。它可以是互联网，也可以是运营商的移动网络，或是企业私有网络，还可以是建立在各种网络之上的虚拟专线网络。其实，企业系统之间的互联也可以通过服务网络。
物联网技术全矩阵图景展现
参照物联网技术的自然组成结构，以及信息产业格局和物联网商业视角的分层架构，物联网的技术矩阵可分成六个层次。从下至上为：元素层、器件层、终端和节点层、（信息）资源汇聚层、平台服务层、应用层。
技术矩阵分成两个“域”：“边缘域”、“云端域”，两“域”的边界主要体现在终端和节点层、资源汇聚层、应用层。
1、 元素层
信息科学中的自然现象和效应，是各种基础信息科学的集合，是构建器件层的基础（物联网最基本的技术元素）。包括电学、电磁感应、微波原理、电路理论等等。
2、 器件层
信息产业中的基本元器件，主要是各类电子元器件、电路模组和功能板件，包括芯片、电路板卡、电源、存储器、信号输出输入设备，传感器和执行器。在这一层，“软件”除了包括电路设计外，还包括嵌入式开发的程序，在电子器件出厂前，其内部的“软件”就基本固定了。
3、 终端和节点层
主要包括两类物理实体:
A、物联网的终端，包括非智能终端（也称“哑终端”，一般没有数据处理的能力，只能通过网络上报传感数据，或接受操控数据）、智能终端设备（例如工业机器人）、用户智能终端（手机、笔记本）。
B、专用的信息处理节点：网络设备、计算设备、存储设备。虽然这些节点都具备网络接口、计算和存储器件，但是它们通常都提供某一种专用的信息能力。就比如：运营商IP承载网中的路由器（网络）、云计算中的刀片服务器（计算）。
除了哑终端以外，其他设备都具有通用或专用的计算能力。
该层的“软件”，主要为各种终端程序，包括嵌入式程序、操作系统、中间件、通用或定制的应用软件等。
4、 资源汇聚层
各类信息资源在此层中汇聚。主要包括三种核心的信息处理的资源和能力：网络（无线网络覆盖、IP骨干网络、互联网及运营商网络的互联）、计算（云计算、大数据、机器学习）和存储（云存储、数据库）。
该层的“软件”，除了终端中运行的各种程序以外，还包括各类信息互通的协议标准、流程规范、服务接口等等。在这一层，信息化能力已经具有了语义化的特征，具备了一定的开放性，并持续朝着更加开放、灵活、模块化的方向发展。
举例：在电信运营商系统外部，虚拟运营商可以和多个国家地区的运营商签署商业合同，在各国运营商网络之上搭建自有网络，汇聚各国的运营商资源后形成一张覆盖全球的网络，成为“国际电信运营商”。当然，那些没有资金构建全球覆盖网络的专业网络服务公司，可以租用虚拟运营商的资源，为一些专用应用构建全球互通的SDN网络。
这种可以在“网络”上不断叠加“网络”的方式，正体现了信息技术的语义化特性。
5、 平台服务层
在该层，不仅信息技术被语义化地定义，其它行业技术和实体也实现了语义化（例如工业领域中的“数字化映射”—“数字化双胞胎”）。
为了承载各行业领域的数字化转型，物联网所包含的各类信息技术自身就必须做到语义化。在物联网技术领域之外，各行业的资源和能力，也在此处被模块化封装，通过标准化的信息接口向外界提供服务，应用的开发和运营者可以随取随用。
同时，该层也提供软件开发、运营的工具，便于各类行业系统对技术和设施的使用、组合、评测、维护。在平台服务层，形成了物联网应用的词典（词汇集），各类物联网的资源（设施）是“名词”、各种信息处理功能是“动词”，开发人员将可以将主要精力放置在构建“语句”和“段落”（应用的逻辑功能）上，并最终书写出完整篇章（应用系统、商业体系）。
在这一层中，“软件”包括了物联网服务平台的架构、中间件、接口标准、信息服务规范等等，也融合了各行业中的一些基础性的技术服务（比如平台可以提供气象预测的服务）。
虽然，物联网的平台服务层使得“对物联网技术和各专业技术的设计和组合”更为便捷，但底层技术对应用的开发者并不是完全“透明”的，开发者在构建应用逻辑、运用数据资源和工具的时候，需要厘清底层关键物联网技术的适用范围、成本、特性等等。
只有深入理解物联网“词汇”运用的“语境”，才能编织出一篇“严谨而优美”的“好文章”（物联网应用）。
在这一层，各行业的一些已经模块化的技术，能够通过信息产业的（程序化）封装，向外界提供开放式的服务，以形成各行业在物联网中的公共性语言（词汇）。
不过，这种语言并不是服务于“人”的语言，而是“物”与“物”，即设备、系统之间用以信息交流的语言工具。只要掌握了某种物联网应用的“语言”，那么任何设备都可以理解该应用数据的涵义，使用此应用的物联网服务，操作远端设备并获得反馈。
6、应用层
对物联网行业应用的设计、搭建、运营。开发者和运营者在应用层，选取所需的资源和功能（包括信息技术和行业技术），通过对下层服务的调用，构建自己的行业应用。在物联网技术层级的体系中，应用层之下的五层，都可以理解为应用层的“硬件”；“软件”则是应用开发者自己编写的应用逻辑。
如果应用软件承载于SAAS（软件即服务）之上，系统底层设备由云计算服务商提供，那么在应用中可能就看不到任何物理实体的“硬件”，取而代之的，是下层模块化、标准化的信息服务和行业功能。
应用层和平台服务层，也可以理解为物联网的“创新层”，一个由应用开发者自由发挥、“八仙过海”的层次，在这里，各行业的技术融合复用，实现“组合进化”并引发产业的升级。
信息流“接入”和“汇聚”的两种需求，将物联网的技术自然地分成了“边缘”和“云端”两个“域”：有无数设备需要联网，接近物理实体现场的“边缘域”；远离现实物件，但信息集中汇聚的“云端域”。在应用层面，不同的功能需求进一步促进了两域的分隔。
“边缘域”的应用和功能是更倾向于需要实时性的反馈操作，而“云端域”的应用则是更倾向于抽象化的预测分析、海量数据检索等等。
在终端和节点层、资源汇聚层中，两个域所包含的硬件和软件是有差别的。例如，边缘网络中有各类终端配备传感器—用以感知物理世界；但云端网络中的设备则只有标准的信号输出输入接口。
边缘网络会部署各种类型的网络协议，包括了有线网络和无线网络、“对等网络协议”和“非对等网络”（备注：“TCP/IP”是一种对等网络协议，而RFID技术在无线侧则不是对等网络协议）；而“云端域”只有对等网络协议，例如IPv4、IPv6。
物联网服务的本质
平台的本质是服务
“物联网中间件平台”（以后都简称“物联网平台”），定位于“PAAS”层(Platform-as-a-Service：平台即服务)，它不是指一个数据信息系统，也并非某个超大型的软件应用，而是一个物联网信息服务的集合。
平台除了“租赁资源”：提供大量的软/硬件设备、各类相关信息应用系统、网络资源、各类数据接口、软件功能模块之外，还包括了“技术支持”：信息数字化咨询服务、技术支持/运维的服务、协助系统开发和优化的服务，这些服务也是平台高价值的所在。
物联网平台拥有信息技术领域的专家团队，一方面能会结合丰富的技术经验开发物理网平台的服务系统，另一方面能够向外提供各类信息技术的咨询，帮助企业减少在物联网系统上的成本投入，开发并运营健硕、复杂的物联网应用系统。
在物联网应用系统的设计、开发、优化迭代、以及扩容搬迁的各个阶段中，“专家团队”在信息技术领域、专业领域积累的丰富经验，能够指导开发人员使用平台上的各类软件工具，在平台中获取应用需要的资源，并帮助企业进驻物联网领域，保证物联网产品和应用在全生命周期中各个环节的项目质量。
物联网平台实质上是跳出了“信息技术工具”的层面，以“服务”的方式，帮助其它企业解决物联网应用开发、运营中存在的问题。它的几大核心功能（服务）也正是围绕着物理网发展痛点来提供相应服务的。
我将物联网平台提供的核心基础服务划分成了四类：
在整个物联网行业的结构中，物联网平台就是一个“中间件”。它位于应用和数字化基础资源（网络、计算、存储）的中间。
物联网平台可以分成两层/四类基础服务：
软件开发和运营服务: 应用使能;
基础资源聚合和管理服务: 连接、计算、存储。
“应用使能”是面向开发运营的服务，位于其它三类服务之上；而“连接”、“计算”、“存储”，三者本身就是数字化的基础技术元素。所有的信息技术应用都是基于这三个元素的复合型应用，所以在物联网平台中，由这三个元素形成了“三位一体”的下层基础资源服务，提供物联网应用所需的各类基本资源和设施。
各类基础服务均是由大量“子服务”组成的
物联网平台的四类基础服务，其实是由各种“子服务”（功能）集合而成的，大多数的子服务相互之间是相对独立、自治的（例如使用API就可以相互调用），它们不仅对外提供服务，也可以在内部相互提供服务。有些重要服务、功能本身就能够独立形成一个商业服务平台，提供相应的商业化信息产品。
由各类服务和功能合成了整个物联网平台的服务全集。当然，并没有一个物联网平台能够包含所有的平台性功能和服务，但各子服务相对独立的特性，使得应用可以夸不同物联网平台进行功能和资源的调用。
在物联网的平台服务中，恐怕有数以百计的功能和工具，如果要一一列举恐怕非我力所能及。不过，有些平台功能至关重要，属于平台服务的基础功能，在此，我会挑出来一些重要的子服务进行介绍。
四大基础类服务及其子服务
一、连接服务
连接服务是将各类通信资源接入并汇聚，以及进行网络接口之间协议的转换。“连接服务”所面对的“网络”是多个层次的。
下层传感器、控制器、设备终端等数据的向上连接汇聚：海量的传感器数据、控制器数据（也包括边缘计算中的数据），通过连接服务的“下联”接口，与物联网平台和上层应用进行交互。
从物联网/互联网中获取数据（包括其它应用提供的信息服务）：在“横向”接口上，连接服务将物联网平台连接到物联网或互联网。一方面，物联网平台通过“横向”接口，与其它物联网平台和物联网系统进行对接，获取由其它物联网平台或系统采集的“下层”数据（传感、设备、网络），以及发送控制器操作信息到外部物联网系统中，以实现对外系统设备的操作。
另一方面，平台可以连接到其它平台或系统的应用使能接口，获取相应的信息服务和资源。
向物联网/互联网提供应用使能服务：“上联”接口，也就是物联网平台使能服务的接口（API接口、图形化界面等），应用开发人员可以通过该接口进行应用开发、部署和运营，其它物联网应用系统也可以通过该接口和平台进行数据交互，或获取其它形式的业务信息服务。
连接专用网络和系统：作为连接互联网/物联网的补充，和专用、私有的系统进行物联网信息交互，实现系统和系统间点对点的互服务。
连接服务-子服务
外部接口（External interfaces）
外部接口通常以API、SDK等方式向外提供物联网数据或应用服务，第三方的系统（例如ERP、CRM系统等）可以自主地获取相应服务。
连接和规范配置（Connectivity & Normalization）
这在连接服务中，乃至物联网平台中最基础的服务内容。通过它，用户（物联网平台“租户”）可以设置物联网终端和平台之间的数据格式，包括交互数据包中的字段和类型以及信息交互的方式和规则（比如消息的发布/订阅规则）。同时，还可以设置和管理“连接组”，以方便大批量的连接管理。
连接管理（Connectivity Management）
这里主要是指运营商CMP平台（Connectivity Management Platform）的功能服务集合（通信业务能力集中与开放的平台），通俗的来讲就是针对“手机号码”的管理，包括了SIM卡管理（配置电信业务功能，如短信功能）、数据流量管理、业务计费和套餐管理、卡号漫游管理（包括国际漫游）、连接故障管理等等。
二、计算服务和存储服务
计算是业务逻辑的核心，存储是数字资产的载体，计算和存储的服务通常是以一个整体的形式存在。随着软件和网络的发展，大型互联网或软件企业将计算和存储基础能力以“IAAS(Infrastructure-as-a-Service：基础设施即服务)”的“资源租赁”形式向物联网应用提供，物联网平台的各层、各类服务都是建立在基础设施层的“云服务”上的。
这样的模式使得物联网平台可以将硬件设施的维护和运营交由专业的大型软件、互联网企业维护，从而专注于开发和运营自己平台层面的应用服务。
在计算服务中，大型物联网平台能够提供大数据、人工智能的计算基础设施，通常和云存储服务一起提供给客户。
平台会将IAAS层的基础计算设备，搭建为PAAS层的云计算服务。在平台上，用户按需从计算资源共享池中使用计算资源，用于大型物联网应用的运营分析。
云计算是“网络+计算”的结合体，开发人员可以“租用”云计算资源“在线”开发并运营行业分析应用（区别于应用使能平台，这里主要是指开发用户自己的大型高级计算工具：大数据工具、人工智能等），无需担心底层物理系统的可靠性问题。
“云（平台）计算”不仅向外提供，而且还可以向平台内提供，以搭建平台内的各种分析工具。
对于各行业应用，平台还能够提供现成的高级计算工具（预测分析工具）：针对行业应用，成熟的机器学习(人工智能)和大数据分析工具。计算服务就好像提供了一个存有许多算法和数据模型的工具箱，开发者在构建应用的业务逻辑时，可以直接通过调用指令，使用平台提供的复杂计算工具，向应用植入大数据或人工智能。
即使开发人员不是数学领域的专家，也可以在计算服务中找到合适的计算工具，来拼装自己的智能应用。
边缘计算服务是一个新兴的领域，它提供边缘计算的部署和开发工具。在网络边缘，连接物联网的设备（计算芯片、操作系统、存储器等等）各异，应用对计算的需求也各不相同，边缘计算的部署更需要“中间件”来支撑。
通过边缘计算服务，实现物联网边缘设备的计算能力部署、系统版本控制、软件加载和更新，为应用的开发和运营人员提供有效的技术支持和计算资源。此外，要实现边缘计算，通常还需要满足“边缘存储”的需要，边缘计算服务还应包括在边缘设备上存储空间的分配和管理。
对开发人员来说，“得心应手”的计算和存储工具对应用的敏捷开发非常重要。在物联网应用中，一方面对海量的数据资产进行智能的“云计算”（大数据、机器学习等）是商业“洞见（预测）”的实现者；
另一方面，由于边缘智能是现场决策的关键性功能，所以“边缘计算”的部署亦是未来的服务重点。物联网平台提供中心、边缘的计算、存储服务，让开发者和使用者租用现成的工具和数字化资源，按需使用，自由且高效地开发、运营应用软件。
计算服务-子服务
分析工具（Analytics）
物联网应用最重要的工具，提供大数据分析工具和机器学习的算法模型。物联网应用可以通过调用该功能，建立业务模型，并进行行业趋势预测。在分析工具中还包括物联网设备和业务的日常维护监控，以及更高一层的预防性维护功能。由于其重要性和技术独立性，可以在某个行业中成为一个独立的物联网应用平台：BAP(Business Analytics Platform)。
云计算部署（Cloud Computing）
行业内的云计算部署有两层含义，一
云计算部署的功能，包括两个层次的服务：IAAS和PAAS。云计算（IAAS）主要是提供（租赁）云计算的硬件和系统，以及底层的技术支撑服务，有此服务的物联网平台，也称之为“基础物联网平台”。云计算（PAAS），以“中间件”形式向行业用户提供“数据计算”的开发工具，用户可以自己构建数据模型和数学算法工具，并创建数据交互接口向自己的物联网应用或外部应用提供数据分析服务。从某重程度上来说，“算法”是被作为“底层基础技术”由平台向外提供的，以降低应用开发者部署大数据和人工智能的门槛。
（注释：在业内，云计算（PAAS）亦有两种理解，一种是“应用使能”服务（广义的解释）：主要是应用的开发环境搭建和提供开发工具；一种是“计算使能”服务（狭义的解释）：侧重于分布式计算和存储的部署，提供大型、高级计算的使能服务。在我的文章中，区别于应用使能服务（AEP），“计算服务”中的“云计算（PAAS）”主要是指“计算使能”服务，请读者予以辨识）
边缘计算部署（Edge Computing）
实现对物联网边缘计算的控制和部署，功能包括：边缘安全机制（鉴权、加密等）配置、边缘设备“中间件”部署和管理、计算和存储能力部署和性能跟踪、以及应用的本地化分析功能的加载和升级。具备专门处理边缘信息的能力，是未来平台计算服务的重要功能，可以满足工业生产领域的诸多需求（数据本地化清洗、现场操作决策、系统自治等）。
存储服务-子服务
存储（Database）
提供数据库服务（包括云存储服务），对应用数据进行存储。存储服务通常和计算服务一起交付使用。
三、应用使能服务
应用使能，其实就是面向应用软件开发者的软件功能平台。在应用使能的服务中，应用开发者不仅能够通过集成化的接口获取下层服务（连接、计算、存储）所联接的各类基础资源，而且能够通过数据可视化工具、原型开发工具、软件项目的全生命周期管理工具等来敏捷地开发应用，部署到物联网中，并利用使能服务中现成的数据管理工具、后台工具进行业务运营。
其实，应用使能服务在物联网平台中，可以说是最具商业价值的独立平台服务，它是面向开发和运营的产品（“2D（to Developer）产品”），物联网行业中一般简称为“AEP”（Application Enablement Platform）。
软件应用开发者可以在使能服务平台上，获得物联网平台的接口文档和典型集成案例，在原型应用的开发界面中快速搭建自己的应用Demo（样本）。甚至于使能平台还能够通过Demo和其它需求信息，编撰出一份完整的项目策划方案，计算并给出平台服务的详细报价清单，以便于开发工程师和公司内的项目决策者进行沟通。
从整个软件开发产业的角度来看，应用使能平台就像一个“软件开发的电商平台”，“货柜”上放着各种物联网基础资源、数学分析/智能应用工具、软件开发工具、应用后台管理工具、其它领域的商业信息工具等等。
软件开发工程师就是采购者，在超市中自助式地挑选服务和装配应用，“电商平台”同时还可以推荐服务、自动结算、技术支撑，为“一站式”的应用开发提供便利。
要实现丰富、多态的物联网应用，就需要更多应用层面的开发人员，并最大程度地缩减应用开发的周期。物联网平台中的使能服务平台，能够集成所有的物联网基础资源，面向应用提供“选购、装配、结算、运营”一条龙式的自助服务，协助广大应用开发的企业和个人，完成应用软件的开发部署，从而助力传统行业进驻数字化转型的队伍，并形成物联网的生态模式。互联网电商的发展带来了线下零售业的重塑，而应用使能平台的发展和完善，也会对传统物联网应用软件的销售、开发模式产生较大冲击。
应用使能服务-子服务
开发工具包（Development Tools）
工具包可以提供应用程序快速开发工具（可以快速创建产品雏形-Demo），一致性的软件测试环境和工具，还可以提供行业应用的软件模版和通用功能模块(在有些平台中称为“客户引擎”)，甚至提供某类应用的全套解决方案（例如工业生产流程控制的模板、资产数据模板等等）。
开发工具包不止用于构建软件，还用于搭建网络协议。
笔者认为，除了软件领域所表述的“软件”开发工具，“开发工具包”还包括了具有物联网特性的内容：“网络协议”开发工具包，针对物联网的边缘网络，提供一套协议开发框架（基于开源代码、通用中间件等），可自助式地创建一套网络协议方案。我们目前看到的网络接入标准（GPRS/LTE/WIFI等网络接入规范），主要是以提供端到端的可靠性连接为主的，而具有物联网特性的网络协议并不全都需要如此。“网络协议”开发工具包所能构建的网络协议，是为了实现“简单灵活”、“可自定义的”、“非端到端”、并“允许上联损耗”的网络接入。应用人员可以利用这个开发框架，在物联网边缘处，开发私有的网络接入协议。该协议的规则由应用的特性和需求来决定，不受其它协议规范的约束（边缘网络节点，实现“私有<->公有”网络协议转换，从而实现与外部的通信）。
“网络协议开发包”，由开发人员按一定原则自由发挥，可谓“随行所欲而不逾矩”。
我个人认为，提供“网络协议开发包”，需要物联网平台整合应用使能（包括终端管理）、连接服务（连接和规范配置）、计算服务（边缘计算部署）等各大类服务资源，是物联网平台的高级服务。
（不知道大家是否还有印象，我曾经在《边缘计算，智能的层次化部署》中提到过“计算（智能）”在物联网边缘的“网络层”部署，“网络协议开发包”就与此相关。智能部署在网络边缘节点中，实现“哑终端”非对称性的网络接入，是物联网在通信领域的革新技术，也是需要在后续文章中进一步讨论的话题，而在此文中不再阐述）
程序管理（Software Management）
提供应用系统日志的集中化管理功能、通用的性能、告警检测工具（例如监测CPU负荷、内存空间）、还可以提供软件即时回滚和版本控制的服务等等。在有些平台中，该自服务会和开发工具包合并为一个整体性的软件使能服务。
实时的数据可视化工具（Real-time Data Visualization）
开发者能够通过一定的工具配置，在图形化的界面中展示业务实时情景。呈现信息会按照一定的频率在可视界面上更新。最常见的应用就是手机上的行车导航，在行车导航显示的地图中，可以动态地看到汽车所处的位置，以及前方交通拥堵的情况。
实时的操控管理（Real-time Processing and Action Management）
物联网数据的下行管理工具。在物联网传感器的信息上报后，策略和操作的规则引擎工具。应用可以按照配置的规则，实时地下发指令，指挥远端的控制器、终端设备进行操作行为。
设备管理（Device management）
一项重要的平台服务，提供对远程设备的管理功能。主要包括跟踪远端设备的状态和告警、终端应用软件的版本和更新管理。设备管理，相当于一个远程的终端软/硬件维护服务系统。我认为该服务在物联网发展过程中，重要性会越来越高，因为它能够和“边缘计算部署”能力相结合，进行边缘网络/计算节点、智能终端、智能传感设备的计算资源的调度和管理，在物联网边缘实现上层应用的智能。
需要特别注意，设备管理的对象其实有三种类型：连接性能、互联网终端（ToC）和工业应用（工业生产设备）。在不同的物联网平台上，“设备管理”的概念略有不同的。
对于运营商、电信设备厂商，设备管理服务更注重“连接”，倾向于移动性管理、连接性能管理，此类平台服务可称之为DCP(设备连接平台)，属于连接服务的应用管理功能。
对于互联网企业来说，设备管理主要针对的是用户的智能互联网终端，服务里包括终端软件升级和信息采集等等。此类设备管理关注用户体验和应用的开发和运行，是互联网终端产品管理的一部分。
对于工业领域，设备管理指的是生产设备（或者叫企业设备资产），属于企业信息化管理功能（资产管理功能），可以对生产设备的工作运行状态进行监控和管理，并且集成到其它企业应用系统（CRM、ERP、MES等）中，此类平台服务可称之为DMP（设备管理平台）。
四、安全服务和电商服务
除了两层/四类基础服务以外，物联网平台还会提供安全服务、电商服务等其它类型的信息服务。
电商服务-子服务
包括应用下载平台（商店）、平台的流量统计和服务结算、等等。
安全服务-子服务
包括用户账号管理功能、传输加密服务、安全防护/流量过滤功能、数字证书功能等等。
服务带来的好处，就是应用开发人员不再需要担心在数字化资源（连接、计算、存储）上一次性投入太多、亦或不足，以及踌躇着团队的底层技术实力不够。物联网应用的开发不再遵循“从下至上”的模式（从购买服务器装系统开始，从底层开发到搭建应用），而是“从上至下”（从应用需求出发，完成应用逻辑实现），也就是开发者根据对应用的构想在“服务集合”中取“元素”搭建应用。
物联网平台的服务全集是一个极其庞大的家族，这是由于物联网有一个庞大的技术矩阵，并且可能涉及到全行业和消费场景的数字化信息。由于在技术矩阵中，各个层面都由各种不同种类的信息技术组成，且相同类型的技术也往往包含着多种不同特性的技术（为适应不同的应用场景），所以，并没有一个物联网平能够包含绝大多数的平台性功能，且有不少小型平台只是提供了很少的一部分功能。
但在平台服务全集中，各子服务（功能）相对独立的特性，使得应用可以跨越不同物联网平台进行功能、资源的利用和共享。
服务的特性，使得物联网平台就是未来“共享经济”的一个缩影。
工业物联网的未来：信息环的泛在部署
任何一种信息系统的价值，都在于“信息价值环路”。在技术层面，“信息环”的构建一直处在变动和发展的状态中。当我们对实现“信息环”的技术进行抽象化地理解，便能从信息环的发展趋势中看到网络的未来。
在前文中提到，共享应用解耦了信息环，通过云端的服务平台作为应用的功能锚点，通过激励环和执行环，来提供智能产品的租赁服务。对控制环的解耦，使得“人得所需，物得其用”，企业能够通过平台掌控资产，并向用户临时提供物品的使用权。人与物之间能够灵活地建立连接和传递信息，成就了“共享”的商业模式。
在云端平台的信息集中化，确实方便了企业管理其资产。而由于其执行环距离较长，执行指令传递的时延较高，也容易在信息传递的中途出现差错。所以云端管理的方式并不适用于传送过于复杂的指令，及接收详细的操作反馈，以实现复杂的业务逻辑。这影响了终端在业务场景中的适应性。
在边缘网络中部署边缘计算（服务平台），让应用的功能锚点“落在”终端的近处。服务“贴近”终端，使得执行环尽可能的缩短，提高了信息交互的效率，降低时延，加强容错能力，并增加通信连接的灵活性。边缘服务可以通过边缘网关，向互联网提供应用入口，承担云端服务平台一部分的功能（主要是现场操控类应用的接口，或是具有本地化特征的应用：例如某栋楼宇中的室内定位服务）。
云端的物联网服务平台将一部分“前线”任务交由边缘服务平台来完成。在部分应用的流程中，云端的服务平台不再参与信息的交互，而由边缘服务全权代理完成。
边缘服务改变了“激励环-执行环”的单一形态，而分成了多种情况：
A、通过互联网获取边缘服务
用户端通过互联网，直接和边缘网络中的服务器建立激励环，并由边缘服务通过执行环控制物联网终端。
B、边缘网络内获取服务
用户端漫游在边缘网络内，可以通过接入边缘网络，直接和边缘服务建立激励环，控制物联网终端。在这种操控模型中，用户端、边缘服务器、设备终端完全摆脱了云端的约束，独立形成边缘应用。这种模式不受云端拥塞和故障影响，既增加了应用的健壮性，也减轻了云端信息处理的负担。
C、原M2M模式：通过云端获取服务。
边缘服务部署，并不意味着云端就一定失去了控制权，在边缘服务失效或其它紧急情况下，云端仍旧具有终端控制的最高权限。
用户可以使用互联网终端，通过云端平台向终端发出控制指令。激励环在用户端（例如手机）到平台之间的互联网中建立，平台则通过M2M式的连接直接和设备终端建立执行环。此外，企业自有的应用也可以直接建立执行环，控制管理他的设备终端。
D、对原M2M模式的改良：云端通过边缘获取服务。
云端采用直联终端的方式，可以满足轻简的信息控制需求。但是，它并没有边缘服务的交互便利，对于复杂的操作，或有力不从心之处。所以，当云端掌握控制权的时候，边缘服务任然可以帮助云端实现对终端的智能化操作：即将“执行环”解耦成多个“激励”或“执行”环。
云端将控制“目标”告知边缘服务，边缘服务就根据“目标”调用资源，在不间断的信息（服务端负责“指挥”，终端负责“反馈”）交互中，对终端进行复杂的操控。
例如在一家酒店内，云端要求一台清洁机器A从一楼坐电梯去二楼，它只要将 “A移动到酒店二楼”的“目标”传达给边缘服务平台，边缘平台就会用酒店内的视频摄像观察A的实际位置，并指挥A前进、后退、左右转向进入同样受控的电梯，而后再驶出电梯。
这种方式解决了远端实现复杂操控的难题，也减轻了核心网络中交互的信息量。
E、边缘即是终端：终端自身具备功能锚点。
一部分具有强大的信息处理能力的终端，具有使自身成为互联网服务平台的潜质。当高度智能化的终端设备，装配丰富的传感器/执行器等电子元件，并且具有复杂的机械构造，它们就能够像一个独立服务平台一样控制自身部件，以目标决策行为，根据环境变化调整举措，以及直接向互联网用户提供服务。
例如：智能汽车、手机、个人电脑等、智能机器人。当然，就目前而言，这样具有很高环境适应能力、能够完全自主决策并对外服务的物联网设备还并未出现，在此就不过多讨论了。
以上只是介绍了物联网场景中典型的信息环（激励环、执行环等）部署情况。在实际应用中，开发者可以根据应用的需求和条件，通过对较长信息环的解藕，构建连接关系更为复杂的控制环路。
例如，可以将激励环在云端拆解，分成多个同步的激励环，请求多个边缘服务完成多物联网终端协同参与的“联合行动”。也可以在云端不参与的情况，由边缘应用通过边缘服务直接通信（边缘服务之间直联）并构建信息环，建立相互服务的通道。
信息环多元化的形态，基于计算能力的泛在部署，使得应用亦可以“分布式”地建立信息环（连接）。
各种信息化能力在原垂直应用（终端-云端直联）中解藕并开放，形成信息服务的生态群，使得信息环可以灵活构建：直接“落地”操控（脱离云端在边缘构建），或将“云端-终端”的控制执行环路进行解耦。
一方面，对于应用的开发者而言，信息环的长度缩短了，更利于灵活部署和分段开发。另一方面，应用主体之间能够通过智能，传递“简单”信息，而实现“复杂”的操作。
就像人与人之间的交流一样，采用“语义化”、简洁的信息交互，能够极大的提升通信的效率。在边缘网络中，具备智能的终端、边缘服务，在靠近数据源的地方先将海量数据提炼归纳出高价值的关键信息，并使用公开化的物联网词汇组织成“句”，再传递给其它“感兴趣”的应用端设备；网络设备通过应用层的智慧，尽量浓缩数据，传递关键信息，大幅度地减少核心网络的压力。
当信息环由大变小，由少变多，一个开放的、互服务的、市场化的社交网络便会成型。（可以预见，在未来，边缘计算会有一个成长的高峰期。）
1、网络转型是信息技术的组合进化
未来网络的发展动力，源自应用需求的变化。随着物联网应用从轻简到繁杂，从相对独立到互惠互利，从服务集中到随处可取，网络不仅要满足“量”的增长，还要逐步从采集型（网络接入）、传递型（端到端连接）向解释型（面向应用层的差异化服务）、分布式（分段建立信息环，多点对多点）的方向转型。
从趋势来看，要解决未来网络发展的矛盾、实现转型，并是不仅仅依靠自身优化就能实现的（网络协议优化、终端接入改进、网络结构调整、以及通过添加设备进行网络扩容），还需要从其它信息技术找寻转型的力量：软件工业、计算科学（数学）、各行业技术经验等。从技术元素的角度来看，未来网络的瓶颈需要信息技术“全体的组合进化”来解决，并将关注力从数据的“汇聚流”转移到数据的“价值流”上去。
（网络的转型目标:在实现数据汇聚同时完成价值提升）
2 物联网是三要素“感知、连接、智能”的深化融合
各种信息技术相互嵌入、深度融合是为了系统性地解决彼此面临的发展问题。信息技术的“融合”，是为了迎接各类物联网应用对网络的差异化需求。
网络，成就了计算的分布式部署，实现计算的专业分工、虚拟化并建立相互服务的桥梁；同时连接万物聚集感知信息，让自然界中不断演化的信息在数字世界留下痕迹。
智能，从对感知的洞察中，发现应用价值和新颖的自然效应，帮助感知系统提升信息采集效率；通过智能的应用，在网络传递过程中实现信息升值，以此提高传送效率，并适应业务不断变化的需求
感知，促进智能（算法）的升华，使得现实世界的数字化映射更为精准；结合应用，形成公共语言（标准化的传感类型），使得网络设备能够理解应用层信息，并高效转发。
3.物联网网络的新结构特性
在原有网络的基础上，引入边缘网络，改良网络整体的结构，使得“信息环”由大变小、由少变多，更有利于于其它各种信息技术（特别是计算领域的技术）的嵌入和发挥。
边缘网络相对独立的搭建，使得相邻终端间的连接更为灵活，局域组网更为便捷和自动化。系统集成商、终端厂商以及软件厂商，可以根据应用需要，二次开发边缘网络的网络协议，以增加边缘网络对应用的适应性。
同时，边缘网络节点的“升级”（例如边缘网关具备应用层功能）使得网络成为一个对应用“敏感”的系统，让输出的数据流具有更多的信息价值。边缘网络中计算能力的部署，使得连接可以分段进行，信息环在解耦后能够灵活地部署，分布式地实现应用逻辑，并且使得交互的信息更具有价值，乃至使用完全抽象化的词汇（类似人类语言）来交流应用需求和操作反馈。
所以我认为，计算服务和信息环的泛在部署，对信息价值提炼的强度最大，是物联网发展后期的关键点之一。
4.物联网的两层组网结构：核心网络&边缘网络
核心网络：具有标准、可靠、开放的特性，以对等连接（IP协议）为主；
边缘网络：具有灵活、多态、可自定义的特性，满足应用不同的连接需求，构建本地化的信息服务目录。
物联网形成两层的构架（实际部署可以超过2层），使得信息转发、应用交互具备了智能化的网络决策能力。在信息环“环环相扣”的信息传递过程中，中间节点可以对应用中抽象的信息保持敏感，在数据流动、汇聚的过程中实现信息价值的萃取。
数据不再是完整不变的从终端传送到云端，而是可以在中间过程中实现压缩、过滤、去重（去掉重复内容）、合并、提炼等价值提升的操作。
分层也使得网络可以朝多远灵活的方向发展，支持消息分段传递，满足各种不同类型的链接质量需求（QOS）。
网络朝着多层次的结构发展，会促成信息行业的产业链形成新的分工和业务。平台服务部分功能落地到边缘网络中、以及信息环的解耦，使得产业链上下游企业、公司内部的技术团队在开发、运营的技术分工上也能够实现解耦，形成新的商业合作模式。
“网络转型”处在整个信息技术转型进化的大背景之下，网络将成为信息技术转型的支持者，也会成为其中的受益者。技术组合进化带来聚能效应，以形成更高层次的信息技术（智能）。网络组网的分层、长连接的分段、信息环的解耦使得网络更有“内涵”，这令智能化的设备更易于沟通和相互服务，从而形成一个正真意义上的“社交型”的物联网络。
工业4.0来临！未来20年，工业物联网如何颠覆工厂运作
制造商们正纷纷转向工业物联网（IIoT），以提高工厂效率并防止机器出现故障，但网络安全和延迟等问题仍然存在。
可以预想，未来的制造过程几乎是不需要人为干预的。但对于大多数制造商来说，未来仍然遥遥无期。
虽然一些较新的工厂是高度自动化的，但在完全数字化之前，整个制造过程还有很长的路要走。
根据精益制造指标（以整体设备效率或OEE衡量），世界级制造工厂的产能占其理论上所能达到的产能的85％。然而，一般的工厂只能达到约60％，这意味着在生产力方面存在巨大的改进空间。
工业4.0在未来二十年的成熟，将首先需要基本的数字化。之后，这种数字化可以转化为预测性的维护和真正的预测智能。
在工业物联网的影响下，制造过程会如何变化？未来会是什么样子？制定过程中会面临什么障碍？
1
数字化过程耗时也耗材
大型资本货物已经发展成为“按小时计算”的商业模式，可以保证正常运行时间。现在，在制造业中，按小时（或基于性能的合同）的功率相当普遍，特别是在半导体、航空航天和国防等关键任务领域。
该模型几乎确保了制造商寻求有助于提高效率的数字解决方案。
这个想法可以追溯到20世纪60年代，当时GE航空、劳斯莱斯和普惠等喷气发动机制造商开始向客户们兜售其产品的“发射运作寿命”，而不是一次性的发动机销售。推动时间推动发动机制造商专注于高利润维护和数字平台。如今，GE鼓励追踪其发动机的每一个细节，因为它只有在发动机正常工作时才能获得报酬。
尽管保证了正常运行时间，但机器的所有者需要负责优化使用（就像购买喷气发动机的航空公司仍需要充分利用它们一样）。
简而言之，工厂所有者仍然“拥有”机器链之间的输出效率，这意味着提高效率不仅会落在机器所有者身上，还会落在制造商身上。
如果没有对每一个细节进行数字化，效率就无法提升。然而，要制造商承担新的数字化负担，还面临着严重障碍。
车间内通常会有还可以在未来数十年继续用于制造的旧机器。除了显著的成本之外，传感器跟踪温度和振动，并非出于一般的机器的考虑。
当摩托巨头哈雷的制造工厂进行IIoT传感器改造时，该公司总经理Mike Fisher表示，传感器会“使设备更加复杂，而且它们本身也很复杂。但随着复杂性的出现，机会就会出现。”
2
从数字化到预测
简而言之，操作技术（或OT）类似于传统IT，但它针对以往未涉及的领域进行了定制。在典型IT堆栈包括台式机、笔记本电脑以及知识工作和专有数据的连接的情况下，OT管理直接控制或监控物理设备。
对于制造商，OT堆栈通常包括：
– 连接的制造设备（通常带有改装的工业物联网传感器）
– 监控和数据采集（SCADA）系统和人机界面（HMI），为操作分析员提供工业监控
– 可编程逻辑控制器（PLC），坚固耐用的计算机，可在工厂机器上获取数据
– 用于减法制造的3D打印机（增材制造）和计算机数控（CNC）机器（如削减块）
在某种程度上，IT和OT是同一技术范围的两个方面，随着制造业得到更好的数字化改进，这些边界将进一步模糊。
今天，大多数工业机器的“大脑”都在可编程逻辑控制器（PLC）中，它们是增强型计算机。西门子、ABB、施耐德和罗克韦尔自动化等工业巨头都提供高价PLC，但对于规模较小的制造企业而言，这些可能会不必要地昂贵。
这为像Oden Technologies这样的初创公司创造了一个机会，可以带来现成的计算硬件，可以直接插入大多数机器，或者集成现有的PLC。这反过来又允许中小型企业更加精简，并实时分析其效率。
随着数字化无处不在，技术效率改进的下一波浪潮将是预测分析。每个输送机和机器人执行器都会安装一个传感器，但并非它们在所有的工厂功能都具有相同的价值。
目前，完全有可能从更专业、高度更精确的物联网传感器中释放更多价值。例如，Augury使用配备AI的传感器来监控机器，并预测故障。
注重成本的工厂所有者将认识到，高度精确的传感器将比不必要的物联网提供更高的投资回报率。
3
前沿的新架构
在“边缘”或更接近传感器处完成的计算是IIoT架构中的新趋势。
起草人工智能和智能硬件的创新，a16z的Peter Levine预计会结束AV，无人机和高级物联网对象的云计算。
未来工厂的连接机器应该没有什么不同。
像Saguna Networks这样的公司专注于边缘计算（接近收集点），而Foghorn Systems则进行雾化计算。这两种方法都允许关键任务设备能在安全的环境下运行，而不会将所有数据传输到云端，这一过程可以节省大量带宽。
在不久的将来，人工智能和硬件的进步，将使我们所知道的物联网几乎独立于集中式云。
这很重要，因为从短期来看，这意味着农村工厂不需要发送10,000条机器信息来传递“我很好”这类繁琐信息，耗费掉昂贵的宽带和计算费用。相反，他们可以将异常情况发送到中央服务器，并且主要处理本地的决策。
此外，云计算延迟在制造方面存在严重缺陷。诸如连接工厂之类的关键任务系统无法承受向异地云数据库发送数据包的延迟。
从长远来看，边缘计算为自主工厂奠定了基础。支撑边缘的AI软件，将成为允许工厂机器独立做出决策的基础设施。
总而言之，在网络边缘利用更多计算的设备，将会迎来新的、分散的工厂设备浪潮。
4
网络安全成为一个优先考虑事项
IIoT的一个悖论是，工厂承受着巨大的下行风险，但几乎没有投资保护：28％的制造商在最近的一项调查中表示，他们看到过去一年因网络安全攻击导致的收入损失，但只有30％的高管说他们会增加IT支出。
网络攻击对重工业可能是毁灭性的，因为重工业可能会损害网络物理系统。WannaCry的勒索软件攻击，就曾导致雷诺-日产汽车在欧洲停工。2014年，在只遭受了一次复杂的网络攻击，停电导致高炉无法正常关闭后，德国的钢铁厂遭受了严重的损坏。
关键基础设施是网络安全领域需求不断增长的一个细分市场，许多像Bayshore Networks这样的初创公司都在提供物联网网关（桥接连接传感器的不同协议），以允许跨越多个垂直行业的制造商监控其IIoT网络。像Xage这样的其他基于网关的安全公司，甚至采用区块链的防篡改分类账，从而保障工业传感器可以安全地共享数据。
最近一项调查显示，28％的制造商表示过去一年因网络安全攻击而导致收入减少。但只有30％的高管表示他们会增加IT支出。
同样，添加连接的物联网对象和工业控制系统（ICS）传感器已在端点上形成了新的漏洞。
为了解决这个问题，Mocana和Rubicon Labs等公司正在开发IP和设备级别的安全通信产品。
此外，一些最活跃的企业网络安全投资者也对OT计算非常感兴趣。戴尔（制造工业物联网网关），以及谷歌、通用电气、三星和英特尔的合资企业都是这一领域最活跃的企业之一。
安全地管理ICS和IIoT系统，将继续成为这一领域投资的关键领域，尤其是在黑客攻击后证明OT的漏洞这一方面。
作为工业数字化的两大代表，GE选择暂时退出数字化业务，而德国西门子却在加码。“西门子和通用电气，谁更代表工业的未来？”自工业数字化竞争开始，业内经常发出这样的疑问。
去年8月1日，约翰·弗兰纳里（John Flannery）接过GE大权后，开始大刀阔斧进行业务调整，展开近200亿美元的资产剥离行动，称将削减数字化方面的投入，数字化战略从此发生变化。
而西门子数字化和工业集团营收每年以两位数的速度增长，仅次于医疗业务集团。2017财年，西门子的数字化工业业务在全球拥有7.8万名员工，营收约140亿欧元，利润率约16%。在新变革的公司架构中，数字化工业业务被保留下来，成为三大运营公司之一。
参考资料：物联江湖 作者：王一鸣 本文由产业智能官整理，商业用途请与作者本人联系，感谢王一鸣手书。《工业4.0来临！未来20年，工业物联网如何颠覆工厂运作》源自 硬创工场
工业互联网
产业智能官 AI-CPS
加入知识星球“产业智能研究院”，践行新一代信息技术（云计算+大数据+物联网+区块链+人工智能）在场景中构建状态感知、实时分析、自主决策、精准执行和学习提升的机器智能认知系统，实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
版权声明：产业智能官（ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。涉权烦请联系协商解决。联系、投稿邮箱：erp_vip@hotmail.com
_巴勒斯坦裸金属,喀麦隆云主机
