当前位置：
工业互联网如何赋能高端制造？
发布时间：2019-09-02
随着5G的商用和第一个工业互联网国际标准项目的立项，2019年有望成为工业互联网启动之年，从前几年的概念热炒进入到了逐步落地的阶段。而在工业互联网领域各自为战的信息化企业和创业公司也在充分利用并购整合的策略快速成长占领市场，力争成为中国版的Uptake——工业互联网标杆企业。从现在开始关注工业互联网的创业公司和创业项目，不失为进入工业互联网赛道的最佳时机。
2019年，工业互联网首次进入政府工作报告，2019政府工作报告专门提及“打造工业互联网平台，拓展‘智能+’，为制造业转型升级赋能”。最近工业互联网非常热，一是“智能+”对工业转型升级的重要性，二是在科创板开市之后，与工业互联网、产业互联网相关的科创企业在不断进入科创板上市的行列中。此前对工业互联网有大量讨论，但还有很多困惑和发展不清晰之处。在钛资本新一代企业级科技投资人投研社第24期，寄云科技创始人&总裁时培昕分享了工业互联网如何赋能高端制造，释放机器潜力。
时培昕博士毕业于北京邮电大学信号与信息处理专业，是国内早期从事云计算、大数据和工业互联网相关领域研究推广与应用的专家。2013年创建了工业互联网公司寄云科技，帮助石油能源、电力能源、轨道交通和高端制造等领域企业实现数字化转型，包括故障诊断、故障分析预测、可靠性分析、产线优化、产能提升等工业互联网解决方案。时培昕对工业互联网领域的前沿技术、行业动态、客户需求有独到的见解，开发了国内领先的工业互联网平台——NeuSeer平台。
工业互联网两大典型玩家
工业互联网主要由网络、平台、安全三大部分组成，其中网络是基础，特别是5G低时延网络是保证工业互联网的基础，而数据和平台是工业互联网的核心，安全是保障。
工业互联网厂商非常多，从最基本的连接端到云服务端，从IaaS端到PaaS端再到工业数据分析展示和可视化平台再到具体应用场景，设计仿真、生产优化、运营管理、资产运维、能耗管理、采购优化等，都是在工业里利用物联网的数据采集和大数据分析后才能创造出的应用场景。
两个比较典型的工业互联网玩家：
第一个是提出工业互联网概念的GE旗下Digital部门，提出“通过发掘数据的价值实现高效的产出”。不幸的是GE已经在2018年开始出售Predix，主要原因有几个：一，GE Digital受到燃机、油气、电力等系列主营业务的市场疲软影响；二，低估了工业企业数字化进程的难度；三，过于强调云平台和IT能力，忽视了客户对应用的需求，盈利模式不清晰；四，进行的并购和整合并没有达到通过一个平台统一不同的应用软件和交付能力的有效目的。GE Digital的规划目标，是希望通过Predix平台结合应用Operation Performance Management（运营绩效管理）和Asset Performance Management（设备性能管理），通过设备的健康和可靠性管理、合规性管理、资产优化、策略优化，以达到运营性能的管理，包括提升运营效率、实现过程优化等。
第二个玩家是Uptake，是公认的工业互联网领域的标杆创业公司。创立于2012年，Uptake做的很多事都在模仿GE Digital，包括招募了很多GE Digital的原班人马。其主张也是通过工业物联网的数据分析，实现高效的资产性能和运营效率的提升，提供的方案也是平台加应用。在平台层，不仅提供相应工业的基础能力，也提供AI和机器学习引擎，把算法变成目录和订阅的方式以快速实现数据分析，并在上面实现快速应用编译和部署，最后形成应用和行业解决方案。应用主要有两类，一类是通过数据科学、人工智能的方式实现资产性能的提升，另一个是通过提升资产性能提升运营效率，都与GE非常像。
Uptake在2018年11月份收购了一家APT（Asset Performance Technology）公司，这家企业提供了800多种类型的设备、1000多万种不同部件的失效模式。FMEA失效模式分析有什么用呢？可以非常清楚地定位出设备有多少种故障现象，每种故障现象应该采取的应对措施和寻找相应根因形成维护策略。还有Uptake另外一个应用，通过AI实现销售线索、服务需求、工作流效率的优化，主要是针对设备制造商提供一整套业务流程优化引擎、提高销售业绩和客户满意度。
工业互联网的核心技术有四个：一，边缘计算是有强刚需的工业应用场景，通过边缘端的实时数据采集、云端的数据分析和应用开发以实现高效协同，是云端应用对边缘端实时数据采集的响应和控制过程；二，大数据平台也非常关键，以前的工业数据都是小数据，很多数据处理都在边缘完成，并没有汇总起来进行相关性分析和统一趋势分析，因此实现应用和数据解耦的大数据平台也很关键；三，数字孪生，即通过数据化方式为工业设备定义数据结构，结合数据分析对设备的过去、当前和未来进行深入的洞悉，完成设备从物理向虚拟环境映射的最关键描述；四，通过专家经验+人工智能的方式，基于专家经验指导的大数据样本标注，通过人工智能算法训练开发相应的故障诊断和预测模型，实现精准判决。
工业互联网三大高端制造应用场景
什么是高端制造？高端制造与中高端制造、中低端制造不一样之处在于：一，生产过程基本上都是连续的，比如流程制造；二，需要众多不同大型设备的高效协同，属于复杂工艺。像石油、电力、石化、光电、半导体等高端制造的可能有几百个不同的子生产过程, 需要保证每个生产过程都得到严格的管控，才能完成最终预期的产出；三，高度自动化的生产过程，可以根据实时采集的各种工况参数，对控制过程进行自动化的实时响应；四，对质量、产能、风险、成本等的精细化管理要求极高，需要非常精准的过程控制和结果检验机制。
工业互联网在高端制造里应用场景很多，而当前的高端制造普遍呈现资产密集、资产性能优化空间大，数字化程度高但数据利用率低，经验驱动、缺少科学决策能力的局面。通过结合工业互联网的赋能，即资产性能管理、运营效率提升、能源管理优化、安全生产环保、工业控制安全，可达到：一，提高资产运营的效率，降低非计划停机带来的风险影响；二，提高资产利用的效率，降低排放、降低能耗、提高安全生产、实现环保，构建产业生态。正是因为高端制造普遍的体量都比较大，所以哪怕提高1%，都能创造巨大的价值。
高端制造的工业互联网的核心不是数据采集，而是一层一层传递的数据的价值。工业互联网平台，能够起到加速整个价值传递过程的作用，一方面能够汇聚来自不同设备和业务系统的数据，构建数据中台，对数据进行规范和治理，以及针对离散化、场景化的数据分析；另一方面，它也提供了大量的跨应用系统的能力重用模块，让应用的交付、数据的分析变得更便捷和更简单。
相对于传统的PLC、DCS、MES或ERP这些传统的IT和OT系统，工业互联网应用着眼点放在了新技术解决老问题上，它通过运用物联网、大数据、云计算和人工智能等先进的IT技术，去解决原先由于数据量、数据处理能力、实时性等限制而不能得到很好解决的设备可靠性、工艺质量以及企业经营决策等方面问题，可以说是原有IT和OT系统的升级和重构。
高端制造的工业互联网应用非常离散化，应用场景主要是三类，设备资产管理、运营性能管理和生产经营决策。资产性能管理的目标是提高资产（也就是设备）的可靠性，避免非计划停机；只有保证了设备的可靠性，才能保证运营过程中的产能、质量、成本的有效提升，才能优化运营指标；而只有保证了运营效率的提升，才能实现企业经营利润的提升和经营风险的规避，所以这三层是通过数据的价值环环相扣的。
应用场景1：资产性能管理。大型高端制造都有关键的大型设备，这些设备在连续生产过程中的停机风险，会造成很大影响。普遍来说，进行有效设备维护的策略有：一是被动式维护，就是坏了再修，这种维护成本最高；二是预防性维修，为了避免被动维修引起的设备停机停产，现阶段采用较多的是预防性维修，也就是定期保养；三是视情况维修或基于状态维修，因为前两种的成本相对比较高，因此采用振动分析、红外、超声等检测仪器，对关键设备进行相应的判决和检测，基于检测的结果决定是否要维修，提前修还是推后修；四是预测维修，基于海量数据分析对设备的实时状态做评估，再决定是否要维修；第五，RCM或基于风险评估，结合实时数据对设备保养策略的一系列计算，得到基于风险管控的维护策略，实现更精准的维护。目前GE和Uptake已经做到了基于可靠性的维修或基于风险维护的完整策略。
应用场景2：运营性能管理。在工业生产过程中有很多设备都产生数据，像工艺数据、质量数据、维护数据等，都可以通过工业互联网平台采集出来，做工艺参数优化、良率优化、虚拟量测、关键指标建模、燃烧环保优化、能源管理等一系列分析。通过实时采集生产过程中设备、工艺、质检、环保、环节数据，结合数据挖掘和人工智能分析，可以实现生产工艺、品质还有运营效率全方面的优化。
应用场景3：安全生产管控。这部分主要针对能源化工等高端流程制造企业，通过采集设备端DCS的实时数据，结合检测系统、业务系统和外部数据，通过大数据、人工智能、机器学习等先进的信息技术，实现包括危险源在线监测、工艺参数实时告警、危险场景态势感知、重大风险预警预测在内的全面的安全生产管控，达到企业经营风险和经营利润的最优平衡。
随着5G的商用和第一个工业互联网国际标准项目的立项，2019年有望成为工业互联网启动之年，从前几年的概念热炒进入到了逐步落地的阶段。而在工业互联网领域各自为战的信息化企业和创业公司也在充分利用并购整合的策略快速成长占领市场，力争成为中国版的Uptake——工业互联网标杆企业。从现在开始关注工业互联网的创业公司和创业项目，不失为进入工业互联网赛道的最佳时机。
