今年8月20日至8月22日于宁波举办的工业互联网产业联盟第十一次工作组会议上，平台组讨论了平台架构2.0。工业互联网平台框架1.0于2017年发布，主要目的是统一认识，指导建设。进入2019年工业互联网平台越来越落地，平台架构2.0将主要解决以下问题：1、深化认识；2、总结经验；3、升级功能；4、推进应用。平台架构2.0将指导落地部署，但行业需求不同，行业落地部署的方式必然不同，能否用统一的平台架构，推进不同领域的应用?

在讨论平台功能架构时，不同企业代表对于平台架构提出了不同的意见。比如数据模型部分在这张图中处于业务PaaS层，但有一家知名的平台企业，他们的数据模型是处于通用PaaS层的。而对于运维管理而言，不同类型的企业也有不同的理解：对于设备供应商维护的工业互联网平台，对设备的运维管理属于通用PaaS层，但对于设备使用商维护的工业互联网平台，设备的运维管理属于业务PaaS层。在工业互联网的落地阶段，很难用同一个架构指导不同领域的企业落地。

预测性维护是工业互联网领域的明星应用，被很多专家称为杀手级应用。预测性维护在原燃料行业和设备制造行业都被广泛的实践，但在这两个领域使用中，其应用重点、商业模式都是不同的。原燃料行业属于大规模制造【无论工业互联网多普及，都改变不了原燃料行业大规模制造的属性，比如汽车用的汽油，如果给用户超过10个选项，只会给用户带来麻烦而不是便捷】，大规模制造领域的自动化水平高，设备的维护主要是企业维护，预测性维护的重点在于以更低的成本保持设备的正常运维。而设备制造企业，在工业互联网转型中，通常是将制造的设备联网，通过联网一方面提高设备的服务水平，另一方面通过设备运营状态数据，为产品设计提供依据。设备制造行业的预测性维护，更多的是为了提高服务水平。原燃料企业的工业互联网平台，在实现预测性维护后，通常会将预测性维护与设备备件网络融合。而设备行业的工业互联网平台，在实现预测性维护后，通常会以第三方服务的形式，实现设备的打包服务。下面以两个案例介绍两类不同类型的预测性维护。

对于原燃料行业而言，设备维护是通过资产管理系统来管理的，在工业互联网概念出现之后，预测性维护功能是与资产管理系统融合，并进一步打通备件供应商网络。如化工企业BASF巴斯夫，在实践中联合SAMSON, Endress+Hauser，Hilscher等自动化设备及工业通讯供应商，构建了设备资产全寿命周期的数字化协同平台。设备资产的健康状况可以被实时监控，在云平台中共享，这样可以提高巴斯夫设备资产利用率，降低停机带来的损失。而在数字化平台上，通过AIN(Asset Intelligent Network）实现备件需求、备件库存的信息共享，让设备供应商在提供更好的服务的同时，降低备件库存。