導 讀
很多表面上涇渭分明的領域，實則都殊途同歸。比如哥德爾的數理邏輯、艾舍爾的版畫和巴赫的音樂，這三個看上去并無關聯的領域，本質上具有異曲同工之妙。如果從“集異璧”的視角來觀察工業互聯網IIoT的進展，你可能會驚喜的發現，那些看似天馬行空，跨度極大的領域，比如5G、大數據、人工智能、數字孿生、CPS…他(ta)們的(de)(de)底層邏輯(ji)和即將(jiang)締(di)造(zao)的(de)(de)未來，具有(you)極高的(de)(de)可(ke)比性和關(guan)聯性。
這是(shi)我在【物女心經】專(zhuan)欄寫的第129篇文章。
沒(mei)錯，這兩(liang)天你將(jiang)連續看到兩(liang)篇(pian)【物女(nv)心經】，這是其中的第二篇(pian)。
《集(ji)異璧(bi)》是一本有趣的書。“集(ji)異璧(bi)”三個字(zi)是GEB的音(yin)譯，它們(men)分別是數學家(jia)(jia)哥德(de)爾(er)(er)、版(ban)畫家(jia)(jia)艾舍爾(er)(er)、音(yin)樂家(jia)(jia)巴赫(he)三個名字(zi)的前(qian)綴(zhui)。
書(shu)中傳遞了一個有(you)意思的(de)(de)觀(guan)察視角，很多表面(mian)上(shang)涇渭分明(ming)的(de)(de)領域，實則都(dou)殊(shu)途(tu)同(tong)歸。比如哥(ge)德爾(er)的(de)(de)數(shu)理邏輯(ji)、艾(ai)舍爾(er)的(de)(de)版畫和巴(ba)赫的(de)(de)音樂(le)，這三個看上(shang)去并(bing)無關聯的(de)(de)領域，本質上(shang)具有(you)異(yi)曲同(tong)工之妙。
如(ru)果從“集異璧”的視(shi)角來(lai)觀察工業互聯網(wang)IIoT的進展，你可能會驚喜的發現，那些看似(si)天(tian)馬(ma)行空(kong)，跨度(du)極(ji)大(da)的領域(yu)，比如(ru)5G、大(da)數據、人(ren)工智能、數字孿生、CPS…他(ta)們的底(di)層邏輯和即將(jiang)締(di)造(zao)的未來(lai)，具有極(ji)高的可比性(xing)和關聯性(xing)。
“集異璧”是我在本周參(can)加“菲尼克斯(si)電氣PHIIDF 2019暨中(zhong)國(guo)智能(neng)產業(ye)生態大(da)會”之時，浮現在腦海中(zhong)的第(di)一個關鍵(jian)詞(ci)。
菲尼克斯電氣是行業的“隱形冠軍”，他是德國一家擁有近百年歷史的電氣工程企業。物聯網智庫作為(wei)合(he)作伙(huo)伴(ban)，與菲尼(ni)克斯電(dian)氣共(gong)同組(zu)織了“AIoT引領未來智能工業(ye)”主題分論(lun)壇。與會嘉(jia)賓圍(wei)繞智聯網AIoT展(zhan)開(kai)深入(ru)討論(lun)，我(wo)亦受邀參與演(yan)講。
“PHIIDF 2019大會(hui)”中，各個專家從不同角(jiao)度分享了不少(shao)嶄新(xin)觀點(dian)，拼湊(cou)這些視角(jiao)讓我(wo)們可(ke)以更全(quan)面(mian)的思考IIoT的未來。還有不少(shao)朋友給我(wo)留言想(xiang)要會(hui)議(yi)精華資料，喏，下面(mian)就(jiu)是。
數據分析并不(bu)像以前那么困難 今天和未來的工業自(zi)動化
——李培(pei)根——(中(zhong)國工程院(yuan)院(yuan)士(shi)、原華中(zhong)科(ke)技大學(xue)校長(chang))
李培根院士首先帶我們跨(kua)越了從現在到未來的邊界，他認(ren)為工業自動化分為3個階段：
早期的自動(dong)化：技術比較完善，主(zhu)要處理(li)結構化的、確定性問題。
現在的(de)自動化：能處理非(fei)結構化的(de)、模式的(de)問題。
未來的(de)(de)(de)自(zi)動化(hua)(hua)：認(ren)知自(zi)動化(hua)(hua)，基于對系統和整體的(de)(de)(de)認(ren)識，對非結(jie)構(gou)化(hua)(hua)、非模式(shi)的(de)(de)(de)、不確定(ding)性問(wen)題的(de)(de)(de)控制。認(ren)知自(zi)動化(hua)(hua)需要(yao)互聯與數據。
未(wei)來(lai)自(zi)動化的關鍵，是需要處理不確定性、非固定模式的問題。
智(zhi)能制造的(de)本質和真諦(di)是利用先(xian)進技術(如數(shu)(shu)字(zi)化、網(wang)絡化、大(da)數(shu)(shu)據(ju)、人工智(zhi)能等)，認識和控制制造系統中的(de)不(bu)確定性(xing)和非固(gu)定模(mo)式的(de)問題以達到更(geng)高的(de)目標(biao)。
認識和控制非(fei)模式、不確定性問題的基礎：數據
分(fen)析加工過程中方方面面的(de)數據，有可能使(shi)人清楚原先(xian)意識不到的(de)影響加工質量的(de)因素。掌握企業各種(zhong)活動的(de)相關數據，方能降低認識的(de)不確定性。
同時，還應警(jing)惕數(shu)據(ju)不良的風險。
時代已(yi)經(jing)改變，今天的許多數(shu)據分析(xi)工具和(he)軟(ruan)件都更加簡單(dan)，易于使(shi)用，有(you)助于激發更多的有(you)用信息和(he)決(jue)策。
然而，企業要(yao)么面(mian)臨著數(shu)據(ju)(ju)不足的“困(kun)境”;要(yao)么面(mian)臨著數(shu)據(ju)(ju)散(san)落在(zai)各(ge)個(ge)系(xi)統(tong)中無(wu)法(fa)被整合(he)利用的“難(nan)題”。所以，企業應該回頭來先做好基(ji)礎(chu)的軟件系(xi)統(tong)導入和數(shu)據(ju)(ju)的積累。
目前市面上(shang)的(de)人(ren)工智(zhi)能AI，大(da)多(duo)數是由下往(wang)上(shang)學習AI技(ji)術，不(bu)一定(ding)適合工業企(qi)業的(de)實際情況，有可能在成本上(shang)不(bu)符合效益(yi)，更可能偏離企(qi)業運用AI的(de)初衷。
比如臺灣東(dong)海大學軟件工(gong)程與(yu)技(ji)術中心主任周忠信教授就提出“AI思(si)維(wei)”，他(ta)認(ren)為技(ji)術和數據都很(hen)重要(yao)。
AI思維并不(bu)是強調人工智能(neng)(neng)技術，而是強調讓人具備對人工智能(neng)(neng)抽(chou)象(xiang)概念的理解，從Model based轉換到Learning based，把人的思維轉化為AI可(ke)以理解和(he)運用的能(neng)(neng)力。
5G切合(he)智能制(zhi)造對無線網絡的(de)應用需(xu)求
我們剛剛跨過(guo)一(yi)個拐(guai)點：從現場總(zong)線到工業以太網的拐(guai)點。
2019年5月8日，HMSNetworks 發布全球工業網絡市場(chang)的(de)年度分析報告(gao)，指出現場(chang)總線將首次(ci)呈(cheng)現出下降(jiang)的(de)趨勢。
新(xin)一代網絡技術的普及仍(reng)然會是一個逐步演進的漸進過程(cheng)。
5G的(de)到(dao)來(lai)將大大推進數據和智(zhi)能(neng)技術在制造中的(de)應用。驅(qu)動因素包括(kuo)對(dui)高(gao)性能(neng)的(de)需求，以及工廠OT設(she)施和IT系(xi)統之間的(de)集成。
越(yue)來(lai)越(yue)多的(de)機(ji)器(qi)制造商和系統集成商使用無(wu)線技術來(lai)實(shi)現新的(de)、創新的(de)自動化(hua)架構。用戶可以減少(shao)布線，并創建新的(de)解(jie)決方案(an)用于連接和控制。
突破生產制造的邊界，最(zui)大限度地提高(gao)數據的價值(zhi)
不僅從(cong)時(shi)空上，工業(ye)互聯(lian)網要(yao)突破不同階段的(de)(de)邊界;從(cong)企業(ye)內在的(de)(de)橫向維度，工業(ye)互聯(lian)網也(ye)正(zheng)在突破生產(chan)制造(zao)的(de)(de)邊界。財務信(xin)(xin)息(xi)和業(ye)務信(xin)(xin)息(xi)之(zhi)間的(de)(de)界限正(zheng)在變得模(mo)糊(hu)，通(tong)過工業(ye)互聯(lian)網IIoT的(de)(de)數據，企業(ye)可(ke)以對多(duo)種類型(xing)的(de)(de)信(xin)(xin)息(xi)進行分(fen)析。
目前企業內部監控多由獨(du)立的內部控制(zhi)部或審計部門完成。在大數據背(bei)景下通過(guo)不同系統，可以更(geng)多更(geng)快地接觸到非(fei)財(cai)務信息(xi)，可以更(geng)多地參與內部控制(zhi)工作。
這種做法(fa)的好(hao)處在于實現信任(ren)與控制的統(tong)一。如(ru)果以不信任(ren)的方式去(qu)監管、控制，會給干(gan)部或員工造成很不好(hao)的感(gan)覺。
通(tong)過財務與業(ye)務信息融合，可以實現兩個轉變：變主觀(guan)的監(jian)管(guan)(guan)為客觀(guan)的監(jian)管(guan)(guan)、變人(ren)的監(jian)管(guan)(guan)為數據的監(jian)管(guan)(guan)。
數據智能 = [ Data + AI + Service ]企業數字化：哪里來?怎么(me)建?是什(shen)么(me)?什(shen)么(me)樣(yang)?怎么(me)用?
——胡立舜——(阿里云(yun)首席數(shu)字官)
企業的數(shu)字化(hua)演(yan)化(hua)之路是信息化(hua)、數(shu)字化(hua)和智能化(hua)，最終三化(hua)融合(he)。
信(xin)息(xi)化是指企(qi)業利(li)用網絡、計算機、通(tong)信(xin)等現代信(xin)息(xi)技術(shu)，通(tong)過對信(xin)息(xi)資源的(de)深度開發和廣泛利(li)用，不斷(duan)提(ti)高生產、經營(ying)、管(guan)理、決策效率(lv)和水平(ping)。
數字化是指利用(yong)虛(xu)擬現(xian)實、計算機網絡、快(kuai)速原型、數據(ju)庫和多媒體(ti)等支撐技(ji)術，根據(ju)用(yong)戶需(xu)求，迅速收(shou)集資源信息，對產(chan)(chan)品信息、工藝信息和資源信息進行分析、規劃和重組，以(yi)實現(xian)對產(chan)(chan)品設計和功能的(de)仿真(zhen)以(yi)及原型制造，進而(er)快(kuai)速生產(chan)(chan)出達到用(yong)戶要求性能的(de)產(chan)(chan)品的(de)整(zheng)個制造過程。
智能(neng)化是指構建在工廠(chang)自動化、數字化基礎上(shang)的(de)(de)智能(neng)決(jue)策(ce)引擎——將(jiang)工業的(de)(de)技(ji)術原理、行(xing)業知識、基礎工藝等沉淀為智能(neng)工廠(chang)的(de)(de)決(jue)策(ce)大(da)腦。
三化融合的(de)關鍵是數據(ju)流。
搞清楚數(shu)據從哪里來?如何(he)處理(li)?到哪里去?大多數(shu)企業(ye)只(zhi)要解決其中一個(ge)環節(jie)就可以(yi)成功，三個(ge)環節(jie)都解決了就有(you)機會成為巨頭(tou)。
進(jin)入工業互聯網的深水區
這次阿里重點闡述是石化行業，超越(yue)了以往阿里聚焦的離散自(zi)動化領域，跨界進入到流程工業。
《中國化工業數字(zi)化轉型調(diao)研問卷(juan)》顯示(shi)，在這個領域中，超過六成企業已經部署(shu)了工廠(chang)自動(dong)化系統(tong)，與安全(quan)、資(zi)源規劃相關的數字(zi)化系統(tong)也具備了一(yi)定基礎。
超過半數(shu)企業已經可以對(dui)采集的數(shu)據加以利(li)用(yong)，但仍主要應用(yong)于數(shu)據可視化(hua)層面，對(dui)洞見(jian)的挖掘率不高。
石(shi)化行業在(zai)數據智能上的(de)投入(ru)正在(zai)逐年增(zeng)長。有(you)數字(zi)化轉型規劃的(de)企(qi)業占(zhan)比超過60%，其(qi)中(zhong)55%有(you)專項預算。
工業互聯網(wang)應用的(de)核(he)心是有價(jia)值的(de)場景
工業智(zhi)能(neng)4.0的核(he)心是數(shu)據(ju)(ju)智(zhi)能(neng)，即挖掘數(shu)據(ju)(ju)價值的能(neng)力。
這是一件犯其至難的(de)事。
正如《工業(ye)(ye)大數(shu)(shu)據(ju)分(fen)析(xi)指南》中提到(dao)，與(yu)商務或互聯網大數(shu)(shu)據(ju)分(fen)析(xi)相比，工業(ye)(ye)數(shu)(shu)據(ju)分(fen)析(xi)的難點體(ti)現在復雜性(xing)上，原因(yin)主要有(you)3點：
首先，工業(ye)產品大(da)多是在(zai)人(ren)(ren)類知識發(fa)現的基礎上制造出來的，人(ren)(ren)們對工業(ye)過程的認識原本就相對深刻，分析過程不能(neng)止步于膚淺(qian)的認識，只有(you)分析得到的知識具有(you)更高精(jing)度(du)和可靠性(xing)的時(shi)候才有(you)實用(yong)價值;
其(qi)次，人們(men)對工業數據(ju)分析結(jie)果的(de)可靠性要求很(hen)高，不能滿足于(yu)似(si)是而非的(de)結(jie)論;
再(zai)次，工業(ye)過程數據(ju)的復雜(za)性(xing)很(hen)高，數據(ju)質量也不理想，建模的困(kun)難度往(wang)往(wang)很(hen)大。所以，工業(ye)數據(ju)分析面臨的主要矛(mao)盾是(shi)：業(ye)務需(xu)求高、數據(ju)條(tiao)件差。
新(xin)的(de)數據流通過硬件創新(xin)產生，依靠(kao)智(zhi)能分析和深度應用(yong)產生價(jia)值(zhi)。因為至難，工(gong)業企業的(de)數據智(zhi)能面臨十五個(ge)“大(da)挑戰”，涵(han)蓋生產、經營和管理3個(ge)層(ceng)面：
克(ke)服(fu)各種挑戰的主要(yao)手段是利用專業(ye)知識(shi)和行業(ye)Know-how，逐步探索數字化(hua)企業(ye)的未來。
具體來講，可以分為4個步驟：
通過新(xin)的IoT技術(shu)、數據處理技術(shu)構建企業數據中臺，為企業業務發展打(da)下堅實的基礎，使一切業務數字(zi)化;
明確(que)數(shu)(shu)字化(hua)轉型(xing)戰略，促進現有業(ye)務附加值，使一切(qie)數(shu)(shu)字業(ye)務化(hua);
提升IT資源(yuan)使(shi)用率(lv)、運維效率(lv)以及用戶體驗，全面打破信息孤島，將企業建在(zai)云上(shang);
通過(guo)機器學習，人(ren)工智能和大數據等(deng)手(shou)段，解決過(guo)去人(ren)力無法解決的(de)問(wen)題(ti)，挖掘數據的(de)價值。
工業互(hu)聯網正在跨越“產業裂谷”
——周亞(ya)靈——(華為工業互聯網產業發展總(zong)監(jian))
華為在其首次發布的全球產業展望GIV 2025(Global Industry Vision 2025)中預測，到2025年(nian)，個人智能終端(duan)數將達到400億，全球聯接總數達到1000億，并創造出價值23萬(wan)億美(mei)金(jin)的數字經濟。
當前工業互聯(lian)網處于產業探索(suo)期(qi)，價(jia)值(zhi)拐點、產業牽引、關(guan)鍵技術(shu)突破和持(chi)續戰略投入是跨越產業裂(lie)谷的(de)關(guan)鍵。
根據(ju)國務院發展(zhan)研究中(zhong)心(xin)課(ke)題組在(zai)《傳統產業數字(zi)化轉型的模式和(he)路(lu)徑》中(zhong)的研究，不同行(xing)業借助于(yu)信息產業技術向著數字(zi)化轉型，但行(xing)業中(zhong)的有(you)機(ji)構成-——企業，由(you)于(yu)缺(que)乏預算(suan)與(yu)資源(33%)、缺(que)乏專(zhuan)業技能(31%)、缺(que)乏上級(ji)的支持(chi)與(yu)贊助(29%)、缺(que)乏正確的技術(29%)等原因，使得數字(zi)化的推(tui)進在(zai)不同行(xing)業的深度不一(yi)。
核心場景是實現(xian)價(jia)值的拐點，工業互(hu)聯網(wang)迫切需要真正創造價(jia)值和(he)影響企業決(jue)策層。
各(ge)個(ge)(ge)(ge)領(ling)域(yu)、每個(ge)(ge)(ge)行業都(dou)很復雜，工業互聯網解(jie)決的不(bu)是一個(ge)(ge)(ge)領(ling)域(yu)的問題，而是解(jie)決很多領(ling)域(yu)的問題。
華為在(zai)自己(ji)的(de)產(chan)線(xian)上實(shi)(shi)(shi)踐(jian)了工(gong)業(ye)互聯網，比(bi)如(ru)手機(ji)制(zhi)造的(de)成品率(lv)基本上保持在(zai)99%以上， 而(er)且工(gong)人(ren)生產(chan)工(gong)作效率(lv)提升了80%。這個案例雖然很(hen)小，但是真實(shi)(shi)(shi)解決(jue)了自己(ji)產(chan)線(xian)上遇到實(shi)(shi)(shi)際(ji)(ji)的(de)問題。很(hen)多的(de)功能(neng)配置不在(zai)于大，而(er)在(zai)于真正的(de)幫助實(shi)(shi)(shi)際(ji)(ji)生產(chan)過程解決(jue)問題。
工業互聯網實現物理世(shi)界和(he)數字世(shi)界的智(zhi)能(neng)協同，華(hua)為認為可(ke)將其分為3個(ge)發展階段(duan)：
第一階段：通過數據平臺+網絡+芯片獲取(qu)數據(ju)，工業(ye)領(ling)域企業(ye)關注的重心在于數據(ju)采集與(yu)管理(li)，需(xu)要整(zheng)套的數據(ju)管理(li)方案，跨越“端-邊(bian)-云(yun)”的架構。
第二(er)階段：通過人(ren)工智能(neng)實(shi)現(xian)全面數據感知、識(shi)別(bie)(bie)問題、故(gu)障(zhang)預測和根(gen)源發(fa)現(xian)。工業領域(yu)這時聚焦于整套的數據分析方案，需要對數據的洞察(cha)與智能(neng)識(shi)別(bie)(bie)能(neng)力，及(ji)時感知和發(fa)現(xian)問題。
第三(san)階段：通(tong)過多(duo)(duo)域(yu)協同對生產系(xi)統(tong)做(zuo)出優(you)化與決策。在(zai)這個(ge)階段，工業企(qi)業需要匯(hui)總(zong)分析(xi)面向(xiang)多(duo)(duo)個(ge)領(ling)域(yu)的(de)數(shu)據，結合(he)行業知識，實現工藝(yi)優(you)化、流程優(you)化、系(xi)統(tong)改(gai)進(jin)和效率(lv)提升(sheng)。
5G先(xian)用(yong)于為(wei)工業互聯(lian)網(wang)創造更多價(jia)值(zhi)
——王帥——(聯(lian)想集團副總裁、聯(lian)想物聯(lian)科技&聯(lian)想懂的通信CEO)
聯想認為消費(fei)裂變驅動企業深度轉型升級，而效率紅(hong)利是工(gong)業變革的(de)“牛鼻子”。
在(zai)5G智能(neng)工廠(chang)方(fang)面(mian)，聯想(xiang)做了(le)一些有益探索。
比如(ru)聯(lian)想專門生產(chan)(chan)手機(ji)和平(ping)板電(dian)腦全系(xi)列產(chan)(chan)品的武(wu)漢(han)工(gong)廠(chang)(chang)，就通過工(gong)業互聯(lian)網(wang)平(ping)臺實現了產(chan)(chan)線上(shang)和邊緣端數據的高效對接、采(cai)集(ji)和處理。利用產(chan)(chan)線級(ji)的機(ji)器學習，武(wu)漢(han)工(gong)廠(chang)(chang)優化了工(gong)藝參數、降低拋料率、提高整體裝備效率，使得產(chan)(chan)能控制更(geng)加穩定、柔性(xing)，更(geng)有效地支撐了聯(lian)想全球供應鏈的運營和發展。
值得(de)一提的還有聯想和聯寶(bao)工廠打造的5G智能工廠生產線設備預測性維(wei)護解(jie)決方(fang)案。
這套方案通過數(shu)字孿生技術，將物理世界的參數(shu)重新反饋到數(shu)字世界，并對這些數(shu)據進行實(shi)時處理、分(fen)析，助力(li)實(shi)現(xian)從被(bei)動(dong)式(shi)的設(she)備維(wei)護(hu)(hu)(hu)(hu)到主動(dong)式(shi)的預測(ce)性維(wei)護(hu)(hu)(hu)(hu)轉變，幫助企業在恰當的時間維(wei)護(hu)(hu)(hu)(hu)設(she)備，避免設(she)備“過維(wei)護(hu)(hu)(hu)(hu)”和“欠維(wei)護(hu)(hu)(hu)(hu)”。
——寫在最后——
按照因聯科技COO夏(xia)立(li)印的(de)話說(shuo)，工業互聯網(wang)(wang)在很多時候遇到的(de)問題是“痛(tong)點不(bu)痛(tong)、剛需不(bu)剛，無法照搬互聯網(wang)(wang)的(de)生態模式，而且把隱性(xing)問題變得顯性(xing)這事(shi)，說(shuo)來(lai)容易做(zuo)起(qi)來(lai)難。”
的確，工業(ye)(ye)互聯網(wang)很(hen)難(nan)，每一(yi)(yi)步都(dou)難(nan)，沒(mei)有直達車，是靠(kao)一(yi)(yi)個設(she)備又一(yi)(yi)個設(she)備;一(yi)(yi)個工廠又一(yi)(yi)個工廠、一(yi)(yi)個企業(ye)(ye)又一(yi)(yi)個企業(ye)(ye)壘起來(lai)的。
聯想的王帥博士還特意帶來一首小詩：
笑語踏夜浪，
明月照海平。
勇者立高地，
智者思遠行。
大家在IIoT面前，都沒有(you)捷徑。
只要我(wo)們是一個長期(qi)主義者，在(zai)不(bu)確定(ding)中尋找(zhao)確定(ding)，就有機會(hui)創造(zao)不(bu)可被替代的價值。
物聯網智庫“2019-2020中國(guo)物聯(lian)網產業(ye)全景圖(tu)譜”
