从计算机网络五层架构理解工业互联网体系架构

简介: 从计算机网络五层架构理解工业互联网体系架构

工业互联网的定义

智能机器高级分析系统通过网络融合在一起,通过数据、硬软件和智能分析的交互,使创新能力提高、资产运营优化、生产效率提升成本降低,进而带动整个工业经济发展。

计算机网络五层架构

在这里插入图片描述

  • 物理层

实现相邻计算机节点之间比特流的透明传送,尽可能屏蔽掉具体传输介质和物理设备的差异。

  • 数据链路层

在两个相邻节点间的链路上传送帧。每一帧包括数据和必要的控制信息(如同步
信息,地址信息,差错控制等)

  • 网络层

选择合适的网间路由和交换结点,确保数据及时传送。

  • 运输层

负责向两台主机进程之间的通信提供通用的数据传输服务

  • 应用层

通过应用进程间的交互来完成特定网络应用。

工业互联网平台

推动互联网、大数据、人工智能与实体经济深度融合的重要载体,是制造业实现数字化、网络化、智能化发展的基础。数字化为工业互联网提供了技术和产品,成为数字经济的新动能。

从计算机网络五层架构到工业互联网平台架构。
在这里插入图片描述工业互联网的四大要素:
在这里插入图片描述

  • 资源层

以开发模式对资源(包括:软件资源、服务资源、业务资源、硬件资源等),进行聚集整合,打造平台资源库,并通过创建IoT平台生态系统为其他各层提供资源服务。

  • 数据通信层

采集基础数据,基于主流的数据挖掘、机器学习和人工智能技术,开展大数据挖掘与分析,建立故障诊断、故障预测、健康评估、质量控制等数据模型。

  • 平台层

支持工业应用的快速开发、部署、运行、集成,实现工业技术软件化,进行各类资源的分布式调度和最优匹配。

  • 应用层

通过模式软件化为企业提供互联工厂应用服务,形成全流程的应用解决方案。

  • 模式层

核心是互连的工厂模型,以用户为中心定制模型,提高用户参与度。依托互联工厂应用服务实现模式复制和资源共享,实现跨行业的复制。

参考资料:

[1] 《科技服务与价值链,协同业务科技资源》,孙林夫等.

附:

  1. 华为OceanConnect IoT平台的技术架构

在这里插入图片描述

  1. 树根互联平台架构

在这里插入图片描述

目录
相关文章
|
4月前
|
小程序 前端开发
2025商业版拓展校园圈子论坛网络的创新解决方案:校园跑腿小程序系统架构
校园跑腿小程序系统是一款创新解决方案,旨在满足校园配送需求并拓展校友网络。跑腿员可接单配送,用户能实时跟踪订单并评价服务。系统包含用户、客服、物流、跑腿员及订单模块,功能完善。此外,小程序增设信息咨询发布、校园社区建设和活动组织等功能,助力校友互动、经验分享及感情联络,构建紧密的校友网络。
130 1
2025商业版拓展校园圈子论坛网络的创新解决方案:校园跑腿小程序系统架构
|
4月前
|
人工智能 监控 安全
NTP网络子钟的技术架构与行业应用解析
在数字化与智能化时代,时间同步精度至关重要。西安同步电子科技有限公司专注时间频率领域,以“同步天下”品牌提供可靠解决方案。其明星产品SYN6109型NTP网络子钟基于网络时间协议,实现高精度时间同步,广泛应用于考场、医院、智慧场景等领域。公司坚持技术创新,产品通过权威认证,未来将结合5G、物联网等技术推动行业进步,引领精准时间管理新时代。
|
7月前
|
机器学习/深度学习 计算机视觉 iOS开发
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 RepViT 轻量级的Vision Transformers架构
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 RepViT 轻量级的Vision Transformers架构
352 0
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 RepViT 轻量级的Vision Transformers架构
|
4月前
|
机器学习/深度学习 算法 测试技术
图神经网络在信息检索重排序中的应用:原理、架构与Python代码解析
本文探讨了基于图的重排序方法在信息检索领域的应用与前景。传统两阶段检索架构中,初始检索速度快但结果可能含噪声,重排序阶段通过强大语言模型提升精度,但仍面临复杂需求挑战
125 0
图神经网络在信息检索重排序中的应用:原理、架构与Python代码解析
|
4月前
|
Cloud Native 区块链 数据中心
Arista CloudEOS 4.32.2F - 云网络基础架构即代码
Arista CloudEOS 4.32.2F - 云网络基础架构即代码
92 1
|
6月前
|
机器学习/深度学习 测试技术 网络架构
FANformer:融合傅里叶分析网络的大语言模型基础架构
近期大语言模型(LLM)的基准测试结果显示,OpenAI的GPT-4.5在某些关键评测中表现不如规模较小的模型,如DeepSeek-V3。这引发了对现有LLM架构扩展性的思考。研究人员提出了FANformer架构,通过将傅里叶分析网络整合到Transformer的注意力机制中,显著提升了模型性能。实验表明,FANformer在处理周期性模式和数学推理任务上表现出色,仅用较少参数和训练数据即可超越传统Transformer。这一创新为解决LLM扩展性挑战提供了新方向。
161 5
FANformer:融合傅里叶分析网络的大语言模型基础架构
|
9月前
|
NoSQL 关系型数据库 MySQL
《docker高级篇(大厂进阶):4.Docker网络》包括:是什么、常用基本命令、能干嘛、网络模式、docker平台架构图解
《docker高级篇(大厂进阶):4.Docker网络》包括:是什么、常用基本命令、能干嘛、网络模式、docker平台架构图解
327 56
《docker高级篇(大厂进阶):4.Docker网络》包括:是什么、常用基本命令、能干嘛、网络模式、docker平台架构图解
|
6月前
|
安全 容灾 网络安全
深度用云——释放企业潜能 | 网络先行——阿里云网络卓越架构白皮书正式发布
深度用云——释放企业潜能 | 网络先行——阿里云网络卓越架构白皮书正式发布
211 3
|
7月前
|
机器学习/深度学习 计算机视觉 iOS开发
YOLOv11改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 RepViT 轻量级的Vision Transformers架构
YOLOv11改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 RepViT 轻量级的Vision Transformers架构
352 12
|
8月前
|
容灾 网络协议 数据库
云卓越架构:云上网络稳定性建设和应用稳定性治理最佳实践
本文介绍了云上网络稳定性体系建设的关键内容,包括面向失败的架构设计、可观测性与应急恢复、客户案例及阿里巴巴的核心电商架构演进。首先强调了网络稳定性的挑战及其应对策略,如责任共担模型和冗余设计。接着详细探讨了多可用区部署、弹性架构规划及跨地域容灾设计的最佳实践,特别是阿里云的产品和技术如何助力实现高可用性和快速故障恢复。最后通过具体案例展示了秒级故障转移的效果,以及同城多活架构下的实际应用。这些措施共同确保了业务在面对网络故障时的持续稳定运行。

热门文章

最新文章