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…他們的底層邏輯和(he)即將(jiang)締造的未來，具有(you)極高的可比性(xing)和(he)關聯性(xing)。
這是(shi)我在【物(wu)女心經(jing)】專欄寫(xie)的第129篇文章。
沒(mei)錯，這兩天你將連(lian)續看到兩篇【物女(nv)心經】，這是其中的第二篇。
《集(ji)異(yi)(yi)璧》是一本有(you)趣的書。“集(ji)異(yi)(yi)璧”三個字是GEB的音(yin)譯，它(ta)們分別是數學家(jia)哥德爾、版畫家(jia)艾舍爾、音(yin)樂(le)家(jia)巴赫三個名字的前綴。
書中傳(chuan)遞了(le)一個(ge)有意思的(de)(de)(de)觀察視角(jiao)，很(hen)多表面(mian)上涇渭分(fen)明(ming)的(de)(de)(de)領域，實則都殊(shu)途同歸。比如哥德爾的(de)(de)(de)數理邏輯、艾舍爾的(de)(de)(de)版(ban)畫和巴赫(he)的(de)(de)(de)音樂，這三個(ge)看上去并無關聯的(de)(de)(de)領域，本質上具有異(yi)曲同工之妙。
如果從“集異璧”的(de)視角來觀察工(gong)業(ye)互(hu)聯(lian)網(wang)IIoT的(de)進展，你可能會驚喜的(de)發現，那(nei)些看似天(tian)馬(ma)行空(kong)，跨(kua)度(du)極大(da)的(de)領域(yu)，比(bi)如5G、大(da)數據、人工(gong)智能、數字孿生、CPS…他們的(de)底層(ceng)邏輯和即將締造的(de)未來，具有極高的(de)可比(bi)性(xing)和關(guan)聯(lian)性(xing)。
“集異璧”是我在(zai)本周(zhou)參加“菲尼(ni)克斯電(dian)氣PHIIDF 2019暨中國智能產業(ye)生態大會(hui)”之時，浮現在(zai)腦海中的第一個(ge)關鍵詞。
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(ku)作為(wei)合作伙伴，與(yu)菲尼克斯電氣共同組織了“AIoT引領未(wei)來(lai)智能工(gong)業”主題分論(lun)壇(tan)。與(yu)會嘉賓圍繞智聯網AIoT展開深入討論(lun)，我(wo)亦受(shou)邀參(can)與(yu)演講。
“PHIIDF 2019大(da)會”中(zhong)，各個專家從不同角(jiao)度分享了不少(shao)嶄新(xin)觀點，拼(pin)湊這些(xie)視(shi)角(jiao)讓(rang)我們可以更全面的(de)思(si)考IIoT的(de)未來。還有不少(shao)朋友給我留言(yan)想(xiang)要(yao)會議精華資料，喏，下(xia)面就是。
數據分析并不(bu)像以前(qian)那(nei)么困難 今天和未來的工業自動化
——李培根——(中國工程院院士、原華中科技大學校長)
李(li)培根院(yuan)士首先帶我們(men)跨越了從現在(zai)到未來(lai)的(de)邊界，他認為工業自動(dong)化分為3個階段：
早期的(de)自動化：技(ji)術比較完善，主要(yao)處理結構化的(de)、確定性問題。
現(xian)在的自動(dong)化：能處理非結構化的、模式的問題。
未來的(de)(de)自動(dong)化(hua)：認知(zhi)自動(dong)化(hua)，基于對(dui)(dui)系(xi)統(tong)和整體的(de)(de)認識，對(dui)(dui)非(fei)結構化(hua)、非(fei)模(mo)式的(de)(de)、不(bu)確定性問題的(de)(de)控制。認知(zhi)自動(dong)化(hua)需要互(hu)聯與數據。
未來(lai)自動(dong)化的關鍵，是(shi)需要(yao)處理不確定(ding)性、非固定(ding)模式(shi)的問(wen)題。
智(zhi)能(neng)制造(zao)的(de)本質和真(zhen)諦是利用先進技術(如數(shu)字化、網絡化、大數(shu)據、人(ren)工智(zhi)能(neng)等)，認識和控制制造(zao)系(xi)統中(zhong)的(de)不確定性(xing)和非固定模式(shi)的(de)問題(ti)以達到更高的(de)目標。
認(ren)識和控制非模式、不確定性問題(ti)的基(ji)礎：數據
分析加工過(guo)程中方方面(mian)面(mian)的數(shu)據(ju)，有可能使人清楚原先意識(shi)不到的影響(xiang)加工質量(liang)的因素。掌握企業各種活(huo)動(dong)的相(xiang)關數(shu)據(ju)，方能降低認(ren)識(shi)的不確(que)定性。
同時，還應(ying)警惕數據(ju)不(bu)良的風險。
時代已經改變(bian)，今天的許(xu)多(duo)(duo)數據分析工具和軟件都更(geng)加(jia)簡單(dan)，易于使用，有(you)助于激發(fa)更(geng)多(duo)(duo)的有(you)用信息和決策。
然而，企(qi)業(ye)要么面臨著(zhu)數(shu)(shu)據(ju)不足的(de)“困境”;要么面臨著(zhu)數(shu)(shu)據(ju)散落在各個系(xi)統中無法被整合利用的(de)“難題”。所以，企(qi)業(ye)應該回頭來先做好(hao)基礎的(de)軟件系(xi)統導(dao)入和數(shu)(shu)據(ju)的(de)積累(lei)。
目前(qian)市面上的人工智能(neng)AI，大多數是由下(xia)往上學習AI技術，不一定適合工業企(qi)業的實際情況(kuang)，有可能(neng)在成本上不符合效益(yi)，更可能(neng)偏離(li)企(qi)業運用AI的初衷。
比如臺灣東海大學軟件工程(cheng)與技(ji)術中(zhong)心主任周忠信教(jiao)授就提出“AI思維”，他(ta)認為(wei)技(ji)術和數據都(dou)很重(zhong)要。
AI思維并不是強(qiang)調人工智能(neng)技術，而是強(qiang)調讓人具(ju)備對人工智能(neng)抽象(xiang)概念的(de)理解(jie)(jie)，從Model based轉(zhuan)換到Learning based，把(ba)人的(de)思維轉(zhuan)化為(wei)AI可(ke)以理解(jie)(jie)和運用的(de)能(neng)力。
5G切合智能制(zhi)造對(dui)無線網絡的應用(yong)需(xu)求
我們剛(gang)剛(gang)跨過一個拐(guai)點(dian)：從現場總(zong)線(xian)到工業以(yi)太網的拐(guai)點(dian)。
2019年(nian)5月8日，HMSNetworks 發布全球(qiu)工業(ye)網絡(luo)市(shi)場的(de)年(nian)度分析(xi)報告，指出現(xian)場總線將(jiang)首(shou)次呈(cheng)現(xian)出下降的(de)趨勢(shi)。
新(xin)一代網絡技(ji)術的普及仍然(ran)會是(shi)一個逐(zhu)步(bu)演進(jin)的漸進(jin)過程。
5G的(de)(de)到來將大大推進數(shu)據(ju)和(he)智能(neng)技術在制造中的(de)(de)應用。驅動因素(su)包括對高(gao)性能(neng)的(de)(de)需求，以(yi)及(ji)工廠OT設施和(he)IT系統(tong)之間的(de)(de)集(ji)成。
越來越多的(de)機器制(zhi)造商(shang)和系統集成商(shang)使用無線(xian)技(ji)術來實現新的(de)、創新的(de)自動化架構。用戶(hu)可以減少布線(xian)，并(bing)創建新的(de)解決方案用于連接和控制(zhi)。
突破生產(chan)制造的(de)邊(bian)界，最大限度地提高數(shu)據的(de)價值
不僅從(cong)時空(kong)上，工(gong)業(ye)(ye)(ye)互聯網要突(tu)破不同(tong)階段的(de)(de)邊界;從(cong)企(qi)業(ye)(ye)(ye)內在(zai)(zai)的(de)(de)橫向維(wei)度(du)，工(gong)業(ye)(ye)(ye)互聯網也正在(zai)(zai)突(tu)破生產制造的(de)(de)邊界。財(cai)務信(xin)息(xi)和業(ye)(ye)(ye)務信(xin)息(xi)之(zhi)間(jian)的(de)(de)界限(xian)正在(zai)(zai)變得(de)模糊，通過工(gong)業(ye)(ye)(ye)互聯網IIoT的(de)(de)數據，企(qi)業(ye)(ye)(ye)可以對多種類(lei)型的(de)(de)信(xin)息(xi)進行分析。
目前企業內(nei)部(bu)監控(kong)(kong)多(duo)由獨立的內(nei)部(bu)控(kong)(kong)制(zhi)部(bu)或審計部(bu)門完成。在(zai)大數據背景(jing)下通過(guo)不同系統，可以更多(duo)更快地接觸到(dao)非(fei)財(cai)務信息，可以更多(duo)地參與內(nei)部(bu)控(kong)(kong)制(zhi)工作。
這種(zhong)做法的好處(chu)在于實現信(xin)任與控(kong)制的統一。如果以不(bu)信(xin)任的方式(shi)去監管、控(kong)制，會給干(gan)部或員工造成(cheng)很不(bu)好的感覺。
通過財(cai)務(wu)與業務(wu)信息融合，可以實現兩個轉變(bian)：變(bian)主觀的(de)監管(guan)為客觀的(de)監管(guan)、變(bian)人的(de)監管(guan)為數據的(de)監管(guan)。
數據智能 = [ Data + AI + Service ]企(qi)業數字(zi)化：哪里來?怎(zen)(zen)么建?是什(shen)么?什(shen)么樣?怎(zen)(zen)么用?
——胡立舜——(阿(a)里(li)云首席數字(zi)官)
企業(ye)的數(shu)字化演(yan)化之路(lu)是信息化、數(shu)字化和智能化，最(zui)終三(san)化融合(he)。
信(xin)息(xi)化是(shi)指企業利用網絡、計算機、通(tong)信(xin)等現代(dai)信(xin)息(xi)技術，通(tong)過對信(xin)息(xi)資(zi)源的深度(du)開發和廣泛利用，不斷(duan)提高(gao)生產、經營、管理(li)、決策(ce)效率和水平。
數字化(hua)是(shi)指利用(yong)(yong)虛擬現實(shi)、計算(suan)機網絡、快速原型、數據(ju)庫和多媒體(ti)等支撐技術，根據(ju)用(yong)(yong)戶(hu)需求，迅速收集資源信(xin)息，對(dui)產(chan)品(pin)信(xin)息、工藝信(xin)息和資源信(xin)息進行分析、規劃和重組，以(yi)(yi)實(shi)現對(dui)產(chan)品(pin)設計和功(gong)能(neng)的(de)仿真以(yi)(yi)及原型制造(zao)，進而快速生產(chan)出達(da)到用(yong)(yong)戶(hu)要求性能(neng)的(de)產(chan)品(pin)的(de)整(zheng)個制造(zao)過程。
智能(neng)化是指構建在工(gong)廠自動化、數字化基礎上(shang)的智能(neng)決策引擎——將(jiang)工(gong)業(ye)的技術原理、行業(ye)知識(shi)、基礎工(gong)藝等沉淀為(wei)智能(neng)工(gong)廠的決策大腦。
三化融合的關鍵是數據(ju)流(liu)。
搞清楚數據從(cong)哪里來?如何處理?到哪里去?大(da)多(duo)數企業只要解(jie)決其中(zhong)一個環節(jie)就(jiu)可以成(cheng)功，三個環節(jie)都(dou)解(jie)決了(le)就(jiu)有機會(hui)成(cheng)為巨頭(tou)。
進入工業互(hu)聯網的深水(shui)區(qu)
這次阿(a)里重(zhong)點闡述是(shi)石化行業(ye)，超越了以(yi)往阿(a)里聚焦的離散(san)自動化領域，跨界進入到流程(cheng)工業(ye)。
《中國化工業(ye)(ye)數(shu)字(zi)化轉(zhuan)型(xing)調研問卷》顯示，在這(zhe)個領(ling)域(yu)中，超(chao)過(guo)六(liu)成企業(ye)(ye)已經部署了工廠(chang)自動化系統，與安全、資源規劃相關的(de)數(shu)字(zi)化系統也具備了一定基礎。
超(chao)過(guo)半數(shu)企業已經可(ke)(ke)以對采集的數(shu)據(ju)加以利用(yong)，但(dan)仍主要應用(yong)于數(shu)據(ju)可(ke)(ke)視化層面，對洞見的挖掘率不高。
石(shi)化(hua)行業在數據智能(neng)上(shang)的(de)(de)投(tou)入正(zheng)在逐年(nian)增長。有(you)數字(zi)化(hua)轉型規劃的(de)(de)企業占比超過60%，其中(zhong)55%有(you)專項預算。
工業互聯網應用的核心(xin)是有價(jia)值的場景
工業智能4.0的核心是數據(ju)智能，即挖掘數據(ju)價值的能力。
這是一件犯(fan)其(qi)至難(nan)的事。
正如《工(gong)業大數(shu)據(ju)分(fen)(fen)析(xi)指(zhi)南》中提到，與商務或互聯網大數(shu)據(ju)分(fen)(fen)析(xi)相比，工(gong)業數(shu)據(ju)分(fen)(fen)析(xi)的難點體現在復雜性上，原因主要(yao)有3點：
首先，工業產品大多是(shi)在(zai)人類知識(shi)發現的基礎(chu)上(shang)制造出來的，人們(men)對(dui)工業過(guo)程(cheng)的認識(shi)原(yuan)本就相對(dui)深刻，分(fen)析過(guo)程(cheng)不能止步于膚淺的認識(shi)，只(zhi)有(you)分(fen)析得到的知識(shi)具有(you)更高精度和可靠(kao)性的時候(hou)才有(you)實(shi)用價值;
其次，人(ren)們對工業數據分(fen)析結(jie)果的可靠性要求很高，不(bu)能滿足于(yu)似是而(er)非的結(jie)論;
再(zai)次，工業過程數(shu)據的(de)復(fu)雜性很高(gao)，數(shu)據質量也不理想，建模的(de)困(kun)難度往往很大(da)。所以，工業數(shu)據分(fen)析(xi)面臨的(de)主要矛盾是：業務需(xu)求高(gao)、數(shu)據條件差。
新(xin)的(de)數(shu)據流(liu)通過硬件創新(xin)產(chan)生(sheng)(sheng)，依(yi)靠智能分析和深度應用產(chan)生(sheng)(sheng)價值(zhi)。因為至(zhi)難(nan)，工業企業的(de)數(shu)據智能面臨十(shi)五個(ge)“大挑戰”，涵蓋生(sheng)(sheng)產(chan)、經營和管理3個(ge)層面：
克服各(ge)種挑戰的主要手(shou)段是利用專(zhuan)業(ye)知識和行業(ye)Know-how，逐步探(tan)索數字化企(qi)業(ye)的未來。
具(ju)體來(lai)講，可以分為(wei)4個步驟：
通過新的(de)IoT技術(shu)、數據處理技術(shu)構(gou)建企業數據中臺，為(wei)企業業務發展打下堅實的(de)基(ji)礎，使(shi)一(yi)切業務數字化;
明確(que)數字(zi)化轉型戰(zhan)略，促進現有業(ye)務(wu)附加(jia)值，使一切(qie)數字(zi)業(ye)務(wu)化;
提(ti)升IT資源使用率、運維效率以及用戶體驗，全面打破信(xin)息孤島，將(jiang)企業(ye)建(jian)在云(yun)上;
通過(guo)機器學(xue)習，人工(gong)智能和大數(shu)據(ju)等手(shou)段(duan)，解(jie)決過(guo)去人力無法解(jie)決的問題，挖掘數(shu)據(ju)的價值。
工業(ye)互聯(lian)網正在跨(kua)越“產業(ye)裂谷(gu)”
——周亞(ya)靈(ling)——(華為工業(ye)互聯網產業(ye)發展總監(jian))
華(hua)為在其首次發布的(de)全球(qiu)產業展望GIV 2025(Global Industry Vision 2025)中預測，到2025年(nian)，個人智能終端數(shu)將達到400億(yi)(yi)，全球(qiu)聯(lian)接(jie)總數(shu)達到1000億(yi)(yi)，并創造(zao)出價值23萬億(yi)(yi)美金的(de)數(shu)字經濟。
當前(qian)工業互聯網處于產(chan)業探索期，價(jia)值拐點、產(chan)業牽引、關(guan)鍵技術突破(po)和(he)持續戰(zhan)略投入是(shi)跨(kua)越產(chan)業裂谷的關(guan)鍵。
根據(ju)國務(wu)院發展(zhan)研(yan)究中心課題組在《傳統產(chan)業(ye)數(shu)字(zi)化(hua)轉(zhuan)(zhuan)型的(de)(de)(de)模式和路徑》中的(de)(de)(de)研(yan)究，不(bu)(bu)同(tong)行(xing)業(ye)借助(zhu)于信(xin)息產(chan)業(ye)技(ji)術向著數(shu)字(zi)化(hua)轉(zhuan)(zhuan)型，但(dan)行(xing)業(ye)中的(de)(de)(de)有機(ji)構成(cheng)-——企(qi)業(ye)，由于缺(que)乏預算與(yu)資(zi)源(yuan)(33%)、缺(que)乏專業(ye)技(ji)能(31%)、缺(que)乏上(shang)級(ji)的(de)(de)(de)支持(chi)與(yu)贊(zan)助(zhu)(29%)、缺(que)乏正(zheng)確的(de)(de)(de)技(ji)術(29%)等(deng)原因(yin)，使得數(shu)字(zi)化(hua)的(de)(de)(de)推進在不(bu)(bu)同(tong)行(xing)業(ye)的(de)(de)(de)深度不(bu)(bu)一(yi)。
核(he)心場景是實現(xian)價值(zhi)的拐點，工業(ye)互聯網迫切需要真正創造價值(zhi)和影響企業(ye)決策層(ceng)。
各個(ge)領域(yu)(yu)、每個(ge)行業都很(hen)復雜(za)，工業互聯網解決的不是一個(ge)領域(yu)(yu)的問(wen)(wen)題(ti)，而是解決很(hen)多領域(yu)(yu)的問(wen)(wen)題(ti)。
華為在自己的(de)產線上(shang)實(shi)踐了(le)工業互聯網，比如手機制造(zao)的(de)成品率(lv)基本上(shang)保(bao)持在99%以上(shang)， 而(er)且工人生產工作(zuo)效率(lv)提升(sheng)了(le)80%。這個案例雖然(ran)很小，但是真實(shi)解(jie)決(jue)了(le)自己產線上(shang)遇到(dao)實(shi)際的(de)問題。很多的(de)功(gong)能配置(zhi)不(bu)在于(yu)大，而(er)在于(yu)真正的(de)幫助(zhu)實(shi)際生產過程(cheng)解(jie)決(jue)問題。
工業互聯網實現(xian)物理世界和數字世界的智能協同，華為認為可將其分為3個發(fa)展階(jie)段(duan)：
第一階段：通過數據平臺+網絡+芯片獲取數(shu)據，工業領域(yu)企業關注的(de)重心在于數(shu)據采集與管理(li)，需要整套的(de)數(shu)據管理(li)方案，跨越(yue)“端-邊-云”的(de)架構。
第(di)二階段(duan)：通過人工智能實現全面數據感知、識別(bie)問題(ti)、故障預測(ce)和根(gen)源發(fa)現。工業領(ling)域這(zhe)時(shi)聚焦于整套的(de)數據分析方案，需(xu)要對數據的(de)洞察與(yu)智能識別(bie)能力，及時(shi)感知和發(fa)現問題(ti)。
第三(san)階(jie)段(duan)：通過多域(yu)(yu)協同對生產系(xi)(xi)統(tong)做出優(you)化與(yu)決策。在這個階(jie)段(duan)，工業企業需要匯總分析面向多個領(ling)域(yu)(yu)的數據，結合行(xing)業知(zhi)識，實(shi)現工藝優(you)化、流程優(you)化、系(xi)(xi)統(tong)改進和效率提升。
5G先用于為工(gong)業互聯網創造(zao)更多價值
——王帥——(聯(lian)想集(ji)團副總裁(cai)、聯(lian)想物聯(lian)科技(ji)&聯(lian)想懂的通信CEO)
聯想認為消費裂變驅(qu)動企(qi)業深度轉型升級(ji)，而(er)效(xiao)率(lv)紅(hong)利是工業變革(ge)的“牛鼻子”。
在5G智能工(gong)廠(chang)方面，聯想做了一(yi)些有益探索。
比如聯想專門生產手機(ji)和平(ping)板(ban)電腦全系列產品的武漢(han)(han)工(gong)廠，就通(tong)過工(gong)業互聯網平(ping)臺實現(xian)了(le)產線上和邊緣端數據的高效對接、采集和處理。利(li)用產線級的機(ji)器學(xue)習，武漢(han)(han)工(gong)廠優化了(le)工(gong)藝參數、降低拋(pao)料率(lv)、提高整體裝備(bei)效率(lv)，使得產能(neng)控(kong)制更加穩定、柔性(xing)，更有(you)效地(di)支撐(cheng)了(le)聯想全球供應鏈的運營和發展。
值(zhi)得一提的還有聯想和(he)聯寶工(gong)廠打造的5G智(zhi)能(neng)工(gong)廠生(sheng)產線設(she)備(bei)預測性維護解決方(fang)案。
這(zhe)(zhe)套方(fang)案通過數(shu)(shu)字孿生技術，將(jiang)物理(li)(li)世界的(de)(de)參數(shu)(shu)重新反(fan)饋(kui)到(dao)數(shu)(shu)字世界，并對這(zhe)(zhe)些(xie)數(shu)(shu)據進(jin)行實時處理(li)(li)、分(fen)析，助(zhu)力實現從被動式的(de)(de)設備(bei)維(wei)護到(dao)主(zhu)動式的(de)(de)預測性(xing)維(wei)護轉變，幫(bang)助(zhu)企業在恰當的(de)(de)時間維(wei)護設備(bei)，避(bi)免設備(bei)“過維(wei)護”和“欠維(wei)護”。
——寫在最后——
按照因聯科技COO夏(xia)立印的話說，工業互(hu)(hu)聯網在很多時候(hou)遇(yu)到(dao)的問題是“痛點不痛、剛需不剛，無法照搬互(hu)(hu)聯網的生態模(mo)式，而(er)且把隱性問題變(bian)得顯性這事，說來容易(yi)做起來難。”
的確，工業互(hu)聯網很難，每(mei)一(yi)步都難，沒有直(zhi)達車，是(shi)靠(kao)一(yi)個(ge)(ge)設備(bei)(bei)又(you)一(yi)個(ge)(ge)設備(bei)(bei);一(yi)個(ge)(ge)工廠又(you)一(yi)個(ge)(ge)工廠、一(yi)個(ge)(ge)企業又(you)一(yi)個(ge)(ge)企業壘起來的。
聯想的王帥(shuai)博(bo)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(da)家在IIoT面前，都沒有捷徑。
只要我(wo)們是(shi)一個長期主(zhu)義者，在不(bu)確定中尋找確定，就有(you)機(ji)會創(chuang)造不(bu)可被替代的價(jia)值。
物聯網智庫“2019-2020中國(guo)物聯網產業全景圖譜”
