谈谈数据空间4.0 和制造-X_dataspace

        人们在为chatGPT 欢呼 ，从关注移动互联网人与人之间的交流转向了如何与智能机器人的交流和共存。而工业界仍然专注于如何实现物理世界对话，更大范围的数据交换，共享。以德国为主导的欧洲制造业提出了“Manufacturing-X”计划，他们认为“工业4.0的下一阶段：通过“Manufacturing-X”计划，德国“Plattform Industrie 4.0”正在创建一个跨行业和公司的主权数据空间，旨在实现供应链上的多边合作，并将数字价值创造过程提升到一个新的水平。”

我们注意到，“Manufacturing-X”计划中，包括了一个重要的概念-数据空间4.0（data space 4.0）。在一些工业4.0的网站上都包括了Manufacturing-X计划的内容。

数据空间

        数据是新的石油。云技术是当今全球经济的支柱。然而，在欧洲，云技术的采用水平目前低于25%，这是缺乏信任的指标。如果不定义获得信任的规则，没有对信任水平的客观衡量，就无法克服阻碍数据经济发展的这一障碍。数据经济是收集、处理、存储和货币化数据的企业生态系统。它涵盖了与数据的创建、分发和使用相关的所有活动。数据经济涉及将数据作为一种新的价值形式的创造和使用，以及围绕它建立的新经济活动和商业模式的出现。数据正在成为经济的重要组成部分，因为它使新产品和服务的开发成为可能，并使企业能够改善运营并做出更好的决策。

    我们仔细分析大数据技术在制造业的应用会发现，大数据涉及到多个技术平台和应用者，传统自动化领域中，大数据沉淀在现场设备中，主要应用于现场控制。而现在大数据应用涉及到设备健康监测，数字孪生，业务管理，AI系统等多个领域。这就需要将传统工业现场的大量数据释放出来，供多个数字化平台分享。

   于此同时，大数据的使用者也从原有的业主转向了多边应用者，比如设备供应商，业主的设备部门，车间运营部门，业主的产品采购商，设备维修服务商，数据分析平台等等。这些用户跨行业，跨企业。需要在他们之间构建一个数据空间。

从单行线到自由通行。 

  数据空间的架构要考虑三个维度 业务，法律和技术。引入了几个关键的概念

可信

数据主权

标准化

 

数据空间的构建计划

欧洲的制造业认识到，在数据驱动经济时代，数据的价值通过数据的维护，共享，互操作和确保数据主权等措施加以体现。跨行业，跨企业的不同的利益相关者都需要能够共享数据，也就是在他们之间要构建一个数据空间（Data Space）以德国为主导的欧洲制造业开始了数据空间的构建计划。 

1. boost4.0
2. Qu4lity
3. Eur3ka
4. Productive4.0
5. Market4.0
6. ConnectedFactories
7. SmartFactoryEU
8. Gaia-X

   可以访问这些项目的网站了了解更多的信息，在此我们简单地收录一些内容

Boost4.0

工厂的大数据平台。

Qu4lity

        致力于工业4.0中的自主质量（AQ）和零缺陷生产。实现自主数据管理，并确保QU4LITY项目内组织间和组织内数据交换中的数据主权。两者都是AQ范式的关键要素，可帮助制造商防止数据错误在价值链中的传播。我们使用国际数据空间（IDS）技术来实现这一目标，并辅以合适的数据剖析，自动分析和提高数据质量的解决方案。

Eur3Ka

 欧洲重要医疗用品和设备弹性和可靠的再利用制造作为快速大流行反应的服务网络。

Productive 4.0

Productive 4.0 整体系统数字化方法基于三大支柱：数字化生产、供应链网络和产品生命周期管理。

Market4.0

生产设备和服务提供商能够与制造公司之间的数据空间，实现他们之间的连接和合作。建立技术和财务信任，以证明制造 B2B 协作中的支付、交付和匿名反馈。

Gaia-X

        Gaia-X 是下一代数据基础设施。一个开放，透明和安全的数子生态系统，可以提供数据和服务。在相互信任的环境中整理和共享。Gaia-X在布鲁塞尔正式注册为非营利组织。Gaia-X是欧盟实现数字主权的核心工具之一，亦是欧盟打破美国公司在云基础设施领域垄断地位的重要举措。欧盟各界对美国公司主导本地云基础设施持担忧态度，Gaia-X旨在为欧盟创造一个欧盟数据保护标准下的有效存储环境，从而使欧盟业界和民众更加信任数据的收集和处理。其长期目标是确保欧盟数据生态系统在商业上更加“友好”，尤其是可以允许中小企业利用数据进行开发创新，并在全球范围内开展有效竞争。据预测，欧盟数据的经济价值将从2018年占欧盟GDP的2.4%增长到2025年占GDP的5.8％。该组织的成立，将大大促进欧盟企业和政府间的数据共享，从而为欧盟经济发展做出重要贡献。

一些关键技术

Eclips 的数据空间连接器（ Eclipse Dataspace Connector project ）

    Eclipse Dataspace Connector 项目为数据共享提供了一个可互操作的跨组织框架，允许每个组织控制其共享数据的使用方式。它将任何组织的数据提供者、数据用户和中介链接到虚拟数据空间，并为数据共享提供端点。

数据的提供商和和数据的消费者通过Dataspace Connector 相互连接。如下图所示：

在每个组织中实施数据空间连接器后，所有各方都可以以安全、简单且符合数据空间规则手册的方式交换信息，以协作推动创新、创建新服务并支持新的业务模型。

举例：

 在制造环境中，请考虑制造商需要对其生产机器人之一进行维修的情况。制造商和机器人维修机构可以使用 Eclipse Dataspace 连接器技术在不泄露敏感数据的情况下交换相关信息

 

在组织之间共享的文档可以附加使用条件和策略。例如，如果共享电子表格，则使用条件和策略可以定义：

• 谁可以访问电子表格
• 可以访问电子表格的次数
• 可以访问电子表格的时间段

        使用条件还可以要求只能以符合数据主权法规（如欧洲通用数据保护条例 （GDPR））的方式访问数据。这些类型的条件在医疗保健和金融等通常需要共享个人信息的行业中尤为重要。

        在道路安全场景中，Dataspace 连接器技术可实现高速公路运营商和原始设备制造商之间的可信通信。

简要介绍该技术

        为了实现图 中所示的数据交换，Eclipse Dataspace Connector 框架提供了用于执行数据查询、数据交换、策略实施、监视和审计的模块。异步和高可用性系统包括单独的控制平面和数据平面，并充当由外部系统（如 Apache Atlas）处理的数据编目协调器。

        数据传输过程是完全可审计的，并且没有用于数据存储的集中式数据库来消除单点故障。此外，策略引擎将是云感知的，这意味着它不限于连接器，可以嵌入到其他进程中。

        从安全角度来看，所有敏感数据都存储在可插拔的保管库中，严格使用临时凭据和限制数据传输的访问权限。可以控制和记录配置更改。

Eclipse Dataspace Connector 项目由一些世界上最知名的行业、技术和研究公司发起，包括：

• 亚马逊云科技
• 宝马
• 戴姆勒TSS
• 德国电信
• 弗劳恩霍夫协会
• 微软
• 树液
• 采埃孚腓特烈港

它还得到了Gaia-X和国际数据空间协会（IDSA）的支持。

大数据管道

    大数据管道能够处理从源到目的地的数据流，同时计算和转换是在途中完成。工业现场的数据大多数是非结构类型的实时数据。使用的数据可能是实时数据，也可能是非实时批量数据。因此大数据应用之前需要各种清洗，整理和存储。使用大数据管道技术是非常有效的技术，它能够在合适的地方和时间进行处理。并且控制采样频率和流量。

一个典型的组织同时拥有批处理和实时数据管道，为数据仓库提供数据。包括的技术包括

1. Snowflake
2. Redshift
3. BigQuery
4. Apache Flink
5. Storm
6. Spark

结束语

        专家和管理部门习惯使用”宏大叙事“的方式来描述工业4.0 ，智能制造和高质量制造业。如果仔细地追寻欧洲针对工业4.0 提出的各种计划和项目可以看出，他们围绕制造业数字化转型，从多维度整体地开展了研究，开发和制定标准。其中涉及大量的课题，我们应该从整体的角度来理解制造业面临的挑战和工业4.0 要解决的问题，例如数据空间。从多个方面加强基础技术研究。