大規(guī)模的數(shù)據(jù)應(yīng)用和平臺(tái)架構(gòu)在金融、電信等行業(yè)經(jīng)歷了充分的驗(yàn)證和演進(jìn),加上中國(guó)制造2025在政策一側(cè)的催化作用,構(gòu)成了工業(yè)智能拐點(diǎn)到來(lái)的先決條件——工業(yè)一般分為流程工業(yè)和離散工業(yè)。兩者最大的差異在生產(chǎn)的自動(dòng)化程度、數(shù)據(jù)的可得性和工業(yè)的復(fù)雜度,而最大的共性在于,每一個(gè)場(chǎng)景都需求各異,進(jìn)入任何一個(gè)細(xì)分領(lǐng)域都需要有足夠深厚的行業(yè)knowhow和上下游資源整合能力。
智能,可以理解為數(shù)據(jù)化以及建立于此之上的AI。以產(chǎn)線自動(dòng)化為始,多源異構(gòu)的工業(yè)數(shù)據(jù)被采集、流轉(zhuǎn)、分析并幫助形成決策和控制,端到端的解決方案就形成了當(dāng)前行業(yè)player的典型畫像。
為什么是工業(yè)智能?
藍(lán)海
工業(yè)尤其是制造業(yè)的GDP總量遠(yuǎn)高于零售、金融、建筑等行業(yè)。而工業(yè)領(lǐng)域每天產(chǎn)生的有效數(shù)據(jù)量其實(shí)不亞于BAT等互聯(lián)網(wǎng)公司,一個(gè)大規(guī)模的工廠每天產(chǎn)生的數(shù)據(jù)量甚至能達(dá)到幾十億到上百億條。
壁壘
雖然工業(yè)場(chǎng)景每天產(chǎn)生高頻、海量的數(shù)據(jù),但是大量的原始數(shù)據(jù)本身并沒有直接意義,且有可能產(chǎn)生大規(guī)模時(shí)延和占據(jù)大量帶寬。我們不僅需要在某些場(chǎng)景做實(shí)時(shí)的監(jiān)控和分析,也需要把更多數(shù)據(jù)采集到云端做更多維和更長(zhǎng)期的經(jīng)濟(jì)效益及價(jià)值分析,這是云計(jì)算的價(jià)值。而云計(jì)算+邊緣計(jì)算,這是比傳統(tǒng)消費(fèi)互聯(lián)網(wǎng)更細(xì)的顆粒度和更復(fù)雜的架構(gòu),這也意味著更高的壁壘。
拐點(diǎn)
互聯(lián)網(wǎng)一條邏輯叫做“Copy to China”,“Copy to工業(yè)”是同樣的道理。大規(guī)模的數(shù)據(jù)應(yīng)用和平臺(tái)架構(gòu)在金融、電信等行業(yè)經(jīng)歷了充分的驗(yàn)證和演進(jìn),加上中國(guó)制造2025在政策一側(cè)的催化作用,構(gòu)成了拐點(diǎn)成立的先決條件。
工業(yè)智能的玩家畫像
現(xiàn)階段的用戶需要的不是單個(gè)產(chǎn)品,而是端到端的整體解決方案。一個(gè)合格的工業(yè)智能公司,應(yīng)該具備整體解決方案的構(gòu)造能力。
首先,用戶需求永遠(yuǎn)是第一位,不滿足需求的技術(shù)都是偽命題。此外,一套好的解決方案從一個(gè)完美的架構(gòu)開始。對(duì)于工業(yè)場(chǎng)景而言,從內(nèi)、外部多源數(shù)據(jù)的整合開始,到云+端的平臺(tái)架構(gòu),知識(shí)庫(kù)的建立,合適模型的選擇,再到反向決策和控制,只有完整打通,才能形成閉環(huán)。
整體來(lái)說(shuō),工業(yè)智能呈現(xiàn)一橫(整體架構(gòu))+N縱(多個(gè)細(xì)分行業(yè))的格局。
工業(yè)智能的路徑選擇
對(duì)于工業(yè)領(lǐng)域的大B客戶來(lái)講,現(xiàn)階段需要的不是單個(gè)產(chǎn)品,而是端到端的整體解決方案。這雖說(shuō)是現(xiàn)狀,其實(shí)也是工業(yè)創(chuàng)業(yè)者的終極目標(biāo)。然而路徑選擇很重要。
關(guān)于發(fā)展路徑,業(yè)內(nèi)主流認(rèn)為自動(dòng)化-(數(shù)據(jù)化)-信息化-智能化是工業(yè)用戶進(jìn)階的合理順序,并且前一階段是后一階段開始的必要條件。因此國(guó)內(nèi)工業(yè)智能領(lǐng)域的企業(yè)在很長(zhǎng)一段時(shí)間內(nèi)只關(guān)注自動(dòng)化領(lǐng)域的機(jī)會(huì),甚至將工業(yè)智能等同為“機(jī)器人”或者“工業(yè)自動(dòng)化”。從用戶現(xiàn)場(chǎng)的大量實(shí)踐來(lái)看,這幾個(gè)階段存在著顯著的先后順序,但同時(shí)交叉滲透,迭代進(jìn)行。
具體來(lái)看,離散制造行業(yè)大部分客戶自動(dòng)化程度不夠,所以優(yōu)先完成產(chǎn)線自動(dòng)化。一些廠商以工業(yè)以太網(wǎng)和板卡實(shí)現(xiàn)設(shè)備互聯(lián),打通設(shè)備級(jí)數(shù)據(jù),經(jīng)過(guò)MES反饋到平臺(tái)層,在不更換原有工控設(shè)備的基礎(chǔ)上實(shí)現(xiàn)初步物聯(lián),用戶接受度很高,業(yè)績(jī)每年翻幾番增長(zhǎng),趨勢(shì)非常明顯。這一類模式,我們可以稱之為「以M2M設(shè)備物聯(lián)為核心的系統(tǒng)集成」。
更進(jìn)一步的需求,來(lái)自于離散制造業(yè)的超大型頭部客戶和流程制造行業(yè)的絕大多數(shù)客戶,由于產(chǎn)線自動(dòng)化程度本身較高,我們觀察到這類客戶對(duì)于信息化的接受程度本身也較高。
另外有一類廠商可以直接從頂層設(shè)計(jì)切入,在平臺(tái)層以工業(yè)大數(shù)據(jù)平臺(tái)或者場(chǎng)景化的AI模型服務(wù)用戶,實(shí)時(shí)的解決業(yè)務(wù)問題。反過(guò)來(lái)在數(shù)據(jù)采集層,在一些數(shù)據(jù)不完善的局部加裝傳感器,加裝智能化的檢測(cè)設(shè)備,甚至于做小段的產(chǎn)線集成等等。這一類模式,用戶接受度往往更高,這意味著項(xiàng)目的溢價(jià)往往也更高,我們可以稱之為「以數(shù)據(jù)應(yīng)用為核心的系統(tǒng)集成」。
所以,我們可以看到三條發(fā)展路徑,面對(duì)不同的客戶,不同的場(chǎng)景,不同的發(fā)展階段,有不同的路徑選擇:
一、以產(chǎn)線自動(dòng)化為核心的系統(tǒng)集成;
二、以M2M設(shè)備物聯(lián)為核心的系統(tǒng)集成;
三、以數(shù)據(jù)應(yīng)用為核心的系統(tǒng)集成。
當(dāng)然,殊途同歸,最終都是給用戶提供整體解決方案,以滿足用戶需求為核心。
工業(yè)智能之工業(yè)大數(shù)據(jù)
首先,數(shù)據(jù)在哪里?
▲一類是管理數(shù)據(jù):結(jié)構(gòu)化的SQL數(shù)據(jù)為主,如產(chǎn)品屬性、工藝、生產(chǎn)、采購(gòu)、訂單、服務(wù)等數(shù)據(jù),這類數(shù)據(jù)一般來(lái)自企業(yè)的ERP、SCM、PLM甚至MES等系統(tǒng),數(shù)據(jù)量本身不大,卻具有很大的挖掘價(jià)值;
▲另一類則是機(jī)器運(yùn)行和IoT的數(shù)據(jù):以非結(jié)構(gòu)化、流式數(shù)據(jù)居多,如設(shè)備工況(壓力、溫度、振動(dòng)、應(yīng)力等)、音視頻、日志文本等數(shù)據(jù),這類數(shù)據(jù)一般采集自設(shè)備PLC、SCADA以及部分外裝傳感器,數(shù)據(jù)量很大,采集頻率高,需要結(jié)合邊緣計(jì)算在本地做一些預(yù)處理。
總的來(lái)講,由于場(chǎng)景的割裂和分散,工業(yè)數(shù)據(jù)本身具有量大、多源、異構(gòu)、實(shí)時(shí)性要求高等特點(diǎn),而且隨著未來(lái)280億設(shè)備逐步接入,這些特性將會(huì)進(jìn)一步加強(qiáng),這是做工業(yè)大數(shù)據(jù)服務(wù)的核心難點(diǎn)之一,和互聯(lián)網(wǎng)大數(shù)據(jù)不僅量級(jí)不同,結(jié)構(gòu)不同,應(yīng)用也完全不同。
其次,基于這些工業(yè)數(shù)據(jù),平臺(tái)層應(yīng)該提供哪些服務(wù)?
▲完整的協(xié)議解析:數(shù)據(jù)采集首先要完成工業(yè)協(xié)議的打通。以應(yīng)用層協(xié)議為例,EtherNet/IP和PROFINET的市場(chǎng)占有率最大,其次是EtherCAT、Modbus-TCP和EtherNetPOWERLINK;
▲標(biāo)準(zhǔn)化的數(shù)據(jù)整合:采集上來(lái)的數(shù)據(jù)要做統(tǒng)一的主數(shù)據(jù)管理,第一步是建立標(biāo)準(zhǔn)。一般來(lái)講,我們先要用ISO或其他業(yè)內(nèi)標(biāo)準(zhǔn),制定統(tǒng)一的編碼、結(jié)構(gòu)、流轉(zhuǎn)方式和屬性,確保數(shù)據(jù)的一致性,這一點(diǎn)非常重要。
在項(xiàng)目實(shí)施的歷程中,逐步積累行業(yè)知識(shí)庫(kù)、合適的算法組件以及相關(guān)機(jī)理模型,這一點(diǎn)也很重要,這是從數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)化到業(yè)務(wù)標(biāo)準(zhǔn)化的關(guān)鍵一步,是為實(shí)現(xiàn)真正的產(chǎn)品層面的微服務(wù)化打下基礎(chǔ)。
強(qiáng)大的PaaS支持:工業(yè)數(shù)據(jù)本身的特殊性導(dǎo)致平臺(tái)必須要有強(qiáng)大的中層支撐能力。我們以時(shí)序數(shù)據(jù)庫(kù)為例,它是設(shè)備工況和傳感器數(shù)據(jù)的典型品種。這類數(shù)據(jù)頻率高、量大,用傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)處理,需要每次把所有值拉出來(lái)計(jì)算,吞吐量極大,性能很差。所以,一個(gè)高壓縮、高性能的時(shí)序數(shù)據(jù)庫(kù),就是平臺(tái)層必備的能力之一。
最后,我們應(yīng)該做哪些應(yīng)用?
▲設(shè)備級(jí):質(zhì)量控制。在工業(yè)智能時(shí)代,如果我們能夠采集到合適的實(shí)時(shí)數(shù)據(jù),結(jié)合該設(shè)備所適用的機(jī)理模型,就有可能用機(jī)器學(xué)習(xí)的方法挖掘出產(chǎn)品質(zhì)量與關(guān)鍵數(shù)據(jù)之間的關(guān)聯(lián)或因果關(guān)系,也就有可能實(shí)現(xiàn)實(shí)時(shí)在線的質(zhì)量控制和故障預(yù)警,如果數(shù)據(jù)頻率能對(duì)工藝流程形成完美包絡(luò),我們還有可能實(shí)現(xiàn)最大限度的效率提升。
▲廠級(jí):計(jì)劃排產(chǎn)。工業(yè)智能的最終目的是要實(shí)現(xiàn)大規(guī)模的個(gè)性化定制,即C2M。這一問題的目標(biāo)是實(shí)現(xiàn)當(dāng)時(shí)當(dāng)?shù)氐漠a(chǎn)能最優(yōu),約束條件來(lái)自企業(yè)的產(chǎn)線設(shè)備、人員、產(chǎn)品屬性、供應(yīng)鏈數(shù)據(jù)等等,通過(guò)歷史數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練,不難形成一個(gè)較好的預(yù)測(cè)模型。
這一模型能根據(jù)產(chǎn)線和工廠的實(shí)時(shí)數(shù)據(jù)動(dòng)態(tài)分析,動(dòng)態(tài)調(diào)整,以幫助企業(yè)實(shí)現(xiàn)準(zhǔn)確把控,最大化經(jīng)濟(jì)效益。
在可以預(yù)見的未來(lái),隨著數(shù)據(jù)的完整性和可靠性越來(lái)越高,場(chǎng)景越來(lái)越豐富,數(shù)據(jù)應(yīng)用層面會(huì)誕生相當(dāng)多的優(yōu)先企業(yè),他們幫助工業(yè)用戶降低成本,提高效率,能解決實(shí)實(shí)在在的業(yè)務(wù)問題。
文章來(lái)源:信息化和軟件服務(wù)網(wǎng)