浅谈工业互联网系列（三）：元数据驱动的工厂数字化系统构建思路与落地方法参考

     上期笔者主要从制造系统应用架构和技术架构的视角，介绍基于数据分层驱动思维的工业互联网三层架构及智能工厂解决方案参考。工业互联网的核心是工业制造端的数智化，主要难点在于OT与IT的三个层面（应用、数据和网络）实时融合，破解OT与IT融合难点的主战场在工厂制造现场，笔者认为根本要解决的问题是如何快速融合拉齐三个核心参与角色（业务人员、IT技术人员、OT工程师）的思维方式。本期计划从业务架构和数据架构（信息架构）的整体视角，分三部分来展开介绍：工厂数字化建模的核心元素、元数据驱动的工厂数字化软件框架思路、以及以业务数据建模为主的工厂数字化落地方法步骤参考，核心是探讨工厂数字化以OT数据为主融合IT数据建模的思路。

• 工厂数字化建模的核心元素

图 工厂数字化建模的核心元素

      上期提到ISA95架构体系的传统制造信息化系统，是基于业务流分层管控思维构建，本质上是以面向“业务活动过程”建模为主的软件构建思路。“业务活动过程”通常是动态和不稳定的，不同行业甚至不同企业不同产品工艺的制造现场的生产活动流程可能都存在明显的差异性，这些在很大程度上导致制造端MES等信息化系统很难标准化，往往需要适配不同业态的特殊需求进行大量的定制化开发也难以灵活响应制造过程的需求变化，从而增加工厂信息化建设周期成本并影响信息化的效果，也同时制约着工厂信息化市场的规模化发展。工厂数字化不仅要在设备自动化升级与联网等技术层面提升，还需要解构与重构工业软件的底层思维方式，才能真正破解工厂信息化没有解决的问题，保证工厂数字化的落地效果。

      “业务活动”本质是企业组织单元遵从一定规则实施业务价值创造的过程，生产与消费的主体是“人、物、事”等业务对象。业务对象的信息结构是相对静态和稳定的，采用面向业务对象数据建模的思维，通过自助式工具面向业务视角动态定义业务对象的数据属性和服务模型，再使用自助式的编排工具基于规则来动态组合业务对象的数据服务，有望实现对不同场景的“业务活动过程”动态建模与数字化管理，并打破传统信息化架构在“业务流程”与“信息数据”的割裂现状。以下从业务建模的“对象、过程、规则”三个要素类型出发，尽量复用业界标准的概念来定义和解构工厂数字化建模的核心元素与交互关系：

• 对象：工厂制造过程活动的主体对象离不开“人、机、料、法、环”这5个生产资源要素，其中“人、机、料”是物理实体，按行为特征可进一步归纳为“人”、“物”（机器/物料）两类概念对象，“环”是业务活动所处的环境，包括物理工作场所和逻辑空间位置，业界通常归为“空间”逻辑实体。“空间”是制造过程活动执行与运营的承载体，是观察和分析工厂运营情况的关键视角，工厂数字化建议重点关注“空间”的数字化建模。工厂制造流程的执行需要对“人、机”为主体的生产资源进行分工协作管理，资源管理的颗粒度通常是作业单元，业界归为“工作中心”的逻辑实体。工厂也涉及到职能管理类活动，需要“部门”、“班组”等组织类逻辑实体来承载。
• 过程：制造活动的开展需要依据一定的流程顺序（比如工艺路线、操作SOP等）和业务规则，即受“法”的约束。工厂数字化的关键是实现制造运营与执行过程的实时“在线化、自动化、智能化”，制造过程执行是通过工序任务来承载，任务执行过程的输入输出依赖并影响相关资源对象的数据信息，并可能产生 “事件”来反馈与记录关键的过程状态。任务的执行顺序和规则通常是动态变化的，而任务本身的信息结构相对稳定，所以可以先对“任务”这个逻辑对象的属性与能力进行数据建模，再通过自助式的流程与规则编排工具对“任务”进行动态组合来进行“流程资产”建模并实现对“制造活动过程”的数字化还原。制造过程的数字化建模，业务对象的数据建模是基础，业务流程的自助式建模是关键，流程知识通常掌握在工艺、生产、质量等角色的业务人员手中，重点是面向这些业务人员的视角提供数字化使能工具，来承载“流程资产”的建模与运营。
• 规则：在制造过程活动中，任务的创建、排程、派工、执行过程监控与流转等环节通常依赖于一定的业务规则判断。传统的信息化系统，“业务规则”大多依附耦合于“业务任务”，导致活动过程的上下游任务之间基于确定性的规则相互依赖，难以快速响应制造活动过程的环境变化。实现制造过程的“自动化、智能化”，需要对业务规则数据（条件计算规则、触发任务/事件）进行独立建模和运营。通常业务人员最熟悉制造活动过程的业务规则，也是业务规则的直接使用方，面向业务人员视角提供支持可视化编辑和配置的规则编排工具，才能实现“规则资产”的可持续运营与“隐性知识资产”的有效沉淀。

       总结下来，工厂数字化建模的核心元素是“人”、“物”（机器/物料）、“事”（任务/规则），关键视角是“空间”（物理场所/逻辑功能位置），协作管理的颗粒度是“工作中心”（作业能力单元），主要目的是能快速实现工厂制造活动过程的动态化建模、实时响应与可持续运营。

• 工厂数字化软件框架思路：元数据驱动的多视角模型分层聚合

图 元数据驱动的工厂数字化软件框架思路

       国内工厂制造端大多数的现状是“自动化水平尚可”、“信息化水平薄弱”，工厂数字化建设主要面临的基础问题是解决自动化层面设备/系统间的“数据”孤岛和“流程”孤岛，高阶问题是解决工厂“操作层”、“运营层”、“管理层”以及上下游业务价值链环节的业务活动之间的实时高效交互闭环。工厂信息化的历史包袱不重，数据主要由没有“灰度概念”的OT设备/系统产生，数据在源头的质量相对稳定，工厂人员的流程管理意识和数据思维相对薄弱，工厂数字化建设不适合套用目前企业IT数据治理和管理数字化的思路与方法论。笔者认为工厂数字化软件的主要挑战在于如何平衡“不同工艺流程的多业务形态”、“末端执行的高灵活性”等特征的运行环境所带来的“复用性”与“适用性”。

       “元数据驱动”并非是个新概念，在低代码应用开发等领域很早就出现类似的理念和开发方式，但是真正引入到软件架构层面并找到商业规模化的适用场景，是在Salesforce平台兴起之后，也是伴随在“云化、服务化、SaaS化”等新技术发展成熟之后，也适应了近些年企业应对宏观环境“不确定性”变化所催生的构建“敏态化”业务能力的迫切诉求，是“天时、地利、人和”共同作用下的必然选择。“元数据驱动”的核心能力是“元数据动态建模”和“模型驱动开发”，特别适用于具有“多业态”的需求差异性的工厂制造数字化场景。

       在工厂数字化软件框架中引入“元数据驱动”的理念，基于企业IT信息架构的视角和管理标准，构建“元模型驱动层”来动态定义与持续运营业务对象的元数据模型，并提供“数据模型驱动引擎”作为构建软件数据构件和业务构件的“根能力”。元模型通过根引擎在“业务数据融合层”具象化生成业务数据模型，并基于容易被业务人员理解的业务对象视角，提供自助式的数据开发流水线工具，来实现对业务对象的属性与能力的快速“资产化、服务化”建模，构建可持续运营的业务数据服务底座。“应用层”基于业务流程的视角来聚合“业务数据融合层”提供的数据服务能力，通过提供应用生产力工具来承载面向不同行业业务活动场景的流程数字化和分析可视化需求，并以应用模板库的形态持续沉淀与共享行业经验知识：

• “元模型层”：核心是承载OT数据标准与IT数据标准的拉通融合，基于统一的数据标准才能快速构建OT/IT融合的数据模型并最终实现OT/IT应用融合。考虑到元模型层作为底层根技术平台，主要是面向技术人员，建议采用企业IT信息架构的视角，复用业界通用的企业IT数据管理标准（数据资产目录、数据标准、数据模型、数据分类等），并通过提供元数据采集工具来自动采集与标注OT侧的数据标签资产，最终目标是通过OT与IT元数据配置的专业分工协作，来降低双方认知对齐成本并提升沟通效率。元模型层的“数据分层结构”采用IT数据资产目录（主题域》业务对象》数据实体》属性）的管理标准规范，核心是识别业务对象范围和采集与定义属性元数据，并按属性元数据的业务逻辑相关性聚合分拆为不同的逻辑数据实体。以“设备”业务对象举例，可以按其活动场景和数据特征进行属性分组聚合，拆解为“设备档案”、“设备测点”、“设备效能指标”等不同的逻辑数据实体进行元模型开发与运营。“元模型层”的整体能力建设思路，可以尽量复用业界已经比较成熟的IT数据管理的信息架构建设理念和实操方法论，在此基础上补充元模型在多租户间的数据隔离能力，支持元模型层能够基于统一的“根引擎驱动”适配不同业态的业务差异性进行模型扩展与调整。
• “业务数据融合层”：核心是面向工厂业务对象的视角，承载OT/IT实体类、活动（事务）类、分析类的数据资产自动化开发流水线能力（从建模、接入、处理、分析、存储、服务开放、质量监控到持续运营）。“业务数据融合层”的能力建设，在数据分类、分析类数据模型以及数据开发工具等技术层面，建议可以复用已经比较成熟的企业IT数据管理标准规范与数据工具能力，没必要“另起炉灶”。在工厂制造场景下，建议面向工厂业务对象的运营视角，引入对“空间”的数据资产建模来构建制造过程数据的“分层结构（资产目录）”，以适应工厂制造运营管理的组织协作方式与用户思维习惯。笔者基于项目实践经验并参考设备资产管理标准，推荐采用“业务组织》空间位置》（物理）对象实体”的数据分层结构，来管理与分析工厂制造端的数据，其中“业务组织”主要用来支撑业务运营层面的分权分域管理，“空间位置”用来支撑操作执行层面的分区分段定位，“业务组织”和“空间位置”是对工厂制造活动场域的逻辑维度的分层划分，在物理实体层面可能存在重合情况，在建模时适配工厂实际的运营管理需求做维度选择。“业务数据融合层”需要构建“实体类”和“活动类”的数据建模能力，核心关注对“生产设备/设施/工具”等物实体和“作业计划任务/事件/规则”等事务活动的数据建模，并支持“实体类”和“活动类”的数据能基于“组织/空间”维度的“数据分层结构”进行聚合分析。“业务数据融合层”的数据存储组件，需要支持以时序特征为主的数据高性能存储与查询，并兼顾关系型和非结构化等多模形态的数据存储与时序关联查询分析。预置行业通用型的数据模型参考（空间数据资产目录、分析模型等），有助于提升工厂数字化建设的落地效率，并逐渐沉淀行业型的制造过程数据标准与知识资产。
• “应用层”：构建在“业务数据融合层”的数据服务能力之上，“应用层”可以基于业务流程视角，聚焦于业务活动流程的资产建模，通过工具对“制造活动过程”的任务顺序、执行规则以及输入输出的业务对象数据服务进行快速编辑配置，实现业务流程数字化。“应用层”的能力建设，核心是围绕着自助式的编排配置工具（流程编排/UI编辑/分析呈现/规则引擎）能力进行构建，其中UI和分析可视化工具建议复用成熟的商业生态工具并打通数据服务层，流程与规则编排工具是流程资产的核心承载体，与数据服务层割裂将明显影响业务用户的操作体验，建议重点独立构建这两块的工具化能力。“应用层”的流程资产目录，笔者推荐按业务流程视角采用“业务主题域》业务活动》业务任务”的数据分层结构，来管理与分析工厂的事务类数据。通过“应用层”构建与管理业务流程资产，能实现游离于制造现场的“隐性知识”显性化，帮助企业沉淀流程工艺等核心知识型资产。预置行业流程模板参考和数据应用模板参考，也有助于普惠更多工厂用户快速学习行业最佳实践，推动行业整体的工厂数字化水平，为形成信息知识可自由流动的开放性行业生态提供可能性。对于平台型公司而言，也有望真正构建起基于平台的行业应用服务生态。

       基于“元数据驱动、多视角模型聚合”的框架思路来构建具备“动态建模、模型驱动”能力的工厂数字化软件，有望在适用“不同行业、不同工艺流程形态”的工厂制造运营管理需求差异性的同时，实现工业软件能力的复用性，真正解决工业软件市场存在的边际效益的问题，实现商业生态的正向循环，并推动工厂数字化软件在不同行业的快速渗透与高质量发展。

• 以数据建模为主的工厂数字化软件落地方法步骤

图 以数据建模为核心的工厂数字化软件落地方法步骤

       从工厂数字化建设落地交付与运营的角度，采用“元数据驱动、多视角模型分层聚合”架构思路构建的工厂数字化软件，在实施阶段落地交付和进入运营（运维）阶段时，主要的工作以元数据和业务数据的设计建模为主：

1. 元数据准备

工作量通常集中在实施交付阶段，由OT工程师或自动化技能背景的技术人员对设备点表或自动化系统标签的进行收集与整理，并导入生成元数据，对于某些标准工业协议可通过工具自动化采集。IT类的子系统接口字段通常可以通过工具自动化采集生成元数据。采集的元数据可能不具备业务可读性，需要进行手工标注有业务含义的标签，以方便流转到下个环节进行物模型的定义。

    2.元模型定义

        工作量通常集中在实施交付阶段，建议由一定IT技能背景的技术人员来执行，主要工作内容是对设备为主的物模型的观测类属性元数据进行组合定义，物的业务静态类和分析计算类的属性根据需要在预置元模型的基础上做适配调整与扩展。另外适应不同工厂的运营管理需求情况，可能需要对“组织/空间/人员”、“业务过程/规则”、“数据分析”的预置元模型做适配调整与扩展。

   3.实体资产建模

工作量贯穿于工厂数字化建设与运营的整个生命周期，建议由业务人员来主导、IT技术人员辅助，主要工作内容是满足工厂运营管理需求的所有业务对象实体清单进行数据收集、整理、设计、建模以及运营调整。通常根据工厂运营管理的需求，需要先进行“空间资产”的设计与建模。实体资产建模的工作输出结果是后续环节的基础输入。

   4.流程资产建模

工作量贯穿于工厂数字化建设与运营的整个生命周期，建议由业务人员来主导、IT技术人员辅助，主要工作内容是梳理与评估确认工厂制造具备数字化条件的主要活动流程，并进行输入输出的业务对象识别与检查，对缺失或者不满足流程建模需求的业务对象实体数据模型进行调整与补充，最终通过工具编排的方式完成流程资产的设计、建模与发布运行。通常根据流程建模的需求，需要同步进行 “规则资产”的设计与建模。

   5.分析资产建模

       工作量贯穿于工厂数字化建设运营的整个生命周期，建议由业务人员来主导、IT技术人员辅助，主要工作内容是调研工厂运营监控与分析的需求作为输入，通过自助式的分析工具进行数据分析模型的设计与构建，最终可能需要借助数据可视化工具进行数据分析结果的前端呈现界面设计与搭建。常规的通用性分析需求，通过启用预置的分析模型与可视化应用模板来满足。

       以上内容，是笔者站在工厂数字化软件整体框架角度，尽量复用业界标准的概念和遵从企业IT数据管理标准规范，提供了一种元数据驱动的工厂数字化建模思路与落地交付与运营方法参考，主要内容点有：（1）基于业务与数据融合建模的思路，适配工厂制造运营场景改良了数据资产目录的构建视角；（2）在复用与遵从企业IT信息架构管理标准规范前提下，改用在元数据模型层来承载工厂数据信息架构的定义、运营和管理；（3）适配工厂强末端执行的组织环境，弱化流程管控的思想，强化流程在执行端自运营自适应的思想，通过对制造活动过程元素的分解建模以及提供过程任务与规则的“自助式”编排工具，来实现制造活动流程的动态化建模与可持续运营；（4）同时提供了基于此框架思路的工厂数字化软件的落地交付与运营方法参考，保证基于框架思路构建的数字化软件具备可落地性。

      笔者希望通过工业软件架构思维的创新，来提升制造端工业软件的“标准化、工程化”程度，降低工厂数字化建设的实施周期成本，让工厂数字化建设能更聚焦于OT/IT数据融合后的流程优化等业务价值创造环节，提升工厂数字化建设的落地效果。套用某著名智能制造专家的“三不要理论”：“不要在落后的工艺基础上搞自动化，不要在落后的管理基础上搞信息化，不要在不具备数字化网络化基础时搞智能化”，则是“不要在传统的信息化架构思维上搞工业软件重构”。

关注公众号“企业元宇宙”，持续关注工业互联网系列博客