近幾年來，第五種發(fā)電“燃料”——其他四種為煤炭、油氣、核能和再生燃料，已經被業(yè)界廣泛認可。這種燃料是什么?答案是，嗯，“提高能效”。這個幾乎沒有笑點的答案實在是出乎意料地缺乏邏輯。劍橋大學教授Yergin在2011年的書中提出來這樣一個概念，卻是我們理解工業(yè)互聯網由來的橋梁。
源自設備資產管理的需求
設備維護與能源管理一直是工業(yè)領域最重要的命題之一。在Yergin教授的書籍出版之后的一周年的時候，GE對此作出了深思熟慮地回應，2012年11月份推出了“工業(yè)互聯網——打開機器與智慧的邊界”白皮書。白皮書熱情洋溢地宣告工業(yè)互聯網開啟了工業(yè)經濟的新時代，智能儀表的優(yōu)化，可以使得單臺設備以最好的狀態(tài)運行;而相互連接的機器，則可以形成智能網絡。
在過去，飛機引擎中的傳感器都是被動模式——直到出現故障才會在儀表盤上亮紅燈。這類傳感器有很多，例如測量溫度、壓力和電壓，這些傳感數據過去很少被保留和研究。在大多數飛行中，引擎只會保留三個平均值，分別是起飛、巡航和降落數據。
而在GE的下一代GEnX引擎中(裝備波音787飛機)將會保留每次飛行的所有基礎數據，甚至會從飛機實時傳輸回GE分析。
一臺引擎一年產生的數據量甚至會超過GE航空業(yè)務歷史上所有的數據。
雖然機器間通過傳感器通訊已經不是新概念，但是GE的業(yè)務規(guī)模能讓這種想法得到更快實現。顯然作為擁有最大規(guī)模的工業(yè)數據集，同時掌握歷史數據并監(jiān)測未來數據，GE能夠測試任何算法的可行性。這就是GE面向未來的數據戰(zhàn)略。
兩種模式
診斷和預測被認為是面向不同時間的世界觀。以往的設備維護往往都是“應激性”反應，有故障報警再去解決問題，這被稱為“診斷Diagnositics”;而隨著主動性預防和維護的普及，現在“預測性Progostics”診斷則是希望提前了解設備的運行節(jié)點，并做出主動性調整。這已經成為設備資產管理行業(yè)發(fā)展的主流方向。
根據美國著名的自動化咨詢公司ARC的2015年調查報告，在美國目前只有18%的工廠利用設備數據進行主動性預防維護，而且往往只限于過程參數數據，如材料的溫度、壓力等簡單數據。
大量的設備數據都被忽視，直接丟棄。這些數據隨著機器鐵銹，悄無聲息地散發(fā)到大氣中了。然而，隨著大數據時代的到來，工業(yè)從業(yè)者重新意識到這個充滿鐵銹味的數據氣息的價值。
工業(yè)互聯網被稱為“第三次革命”，應該說這個提法過于草率和牽強，但工業(yè)互聯網卻是工業(yè)數據覺醒時代的最好代名詞。一個龐大的物理世界——由機器、設備群和網絡組成，通過大數據與數字分析的能力，與人的決策相連。這種虛實結合的工業(yè)新場景，激發(fā)了工業(yè)的想象力——準確地說，人們試圖給機器開始增加想象力。
工業(yè)互聯網的“機與智”
要理解工業(yè)互聯網的核心，其實也很簡單，就是解決人與機器的連接問題。這其中涉及到的先進分析(高級分析)，就是工業(yè)大數據專業(yè)分析。與普通的數據分析不同，它涉及到了復雜的工業(yè)知識模型。
打破機器與大腦的邊界
在這三個要素中，智能機器將現實世界中的機器、設備、機群和網絡通過先進的傳感器、控制器和軟件應用程序連接起來;高級分析則是使用基于分析與預測算法，結合各種關鍵學科的深厚專業(yè)知識來理解機器與大型系統的運作方式;而人員的連接，也使關鍵的一步。通過實時連接，連接各種工作場所的人員，將人的決策性因素與設計、操作、維護以及服務相關聯。
冷冰冰的金屬與智慧的連接與融合，數據和知識重新定義了金屬。
Big Iron +Big Data=Big Outcome
大鐵砣+大數據=大產出
剛剛被GE收購的生命科學儀器制造商賽默飛(Thermo Fisher)的化學分析儀在原有的智能功能基礎上添加網絡連接功能，一旦進入危險環(huán)境，化學分析結果就會馬上傳輸給用戶，立即啟動化學緩解過程，無需等待就實現儀 器和人員凈化。賽默飛通過GE的 Predix云平臺，用于安全地獲取、分析和儲存產品數據，并傳輸到公司內部和客戶手上。
制造業(yè)生態(tài)的邊界在哪里
既然數據自己已經跳出來打開話匣子講話，那么講故事的人就多起來了。美國PLM軟件公司PTC也不甘示弱，講了另外一個跟GE既關聯又略微有區(qū)別的理念：智能互聯產品。這個理念跳出了工廠生產與設備維護的范疇，而將價值鏈拓展到了消費者端(當然GE的發(fā)動機引擎也在講述類似的理念)。
這個故事，對海爾影響巨大。或者說，海爾也是這么想的。英雄所見略同嘛——在同一個變革激蕩的年代，各種想法相互影響相互疊加，也很難辨認出到底是誰更早地作出思考吧。
智能互聯產品設定了三個核心要素：物理要素、智能要素和互聯要素。物理要素由產品的機械和電動零件組成。例如：汽車的物理要素包括引擎、輪胎和電池;智能要素由傳感器、微處理器、引擎控制單元等;互聯要素由設備接口、連接協議組成。如：一輛汽車與一臺汽車診斷設備連接;或者與性能監(jiān)測、遠程服務等連接。
說到這里，這個故事還是有些干巴。然而，如果看清這次添加的因素是數據，而不是任何其他物理模塊。我們會發(fā)現，智能互聯產品的數據基因，有可能布局重塑產業(yè)內的競爭，而且還拓寬了產業(yè)本身的定義。
當產品與另外多個產品以及外部數據庫連接，產業(yè)生態(tài)系統出現了。一套各種類型的農業(yè)設備與另一套農業(yè)設備連接，同時連接到基于地理位置的數據庫，一個農業(yè)生態(tài)系統開始出現了。美國農機設備制造商迪爾公司(John Deere)和愛科公司(AGCO)，現在都開始把農業(yè)設備連接，產業(yè)從拖拉機制造擴張到農業(yè)設備優(yōu)化。自動耕作機根據準確的深度和間隔距離把氮肥注入土壤，然后播種機緊隨其后，把玉米種子之間埋入剛施肥的土壤中。然后還有灌溉系統和施肥系統的精準接入，與此同時參考天文氣象、農產品價格和農產品期貨等信息系統，目的是優(yōu)化總體農業(yè)收益。
拖拉機不過只是系統中的一部分，而在此之前，這是農機生廠商的全部故事。跟不上這種趨勢的公司會發(fā)現它們的傳統產品日益被邊緣化，而系統整合者則控制了核心。
跨界開始變得豐富多樣了，數據引發(fā)的 “無產品”策略開始陸續(xù)登場。美國農業(yè)數據分析軟件提供商 OnFarm，就可以通過手機各種農業(yè)設備的數據向農民提供服務，幫助種植者做更好的決策。OnFarm自己不需要制造設備，卻可以成功地和傳統農業(yè)設備制造商競爭。
工業(yè)升級的斗法路徑
“工業(yè)4.0”讓德國工業(yè)出盡了風頭，然而這只是面向未來的工業(yè)升級的一個技術版本之一。西門子對智能工廠充滿了期待，它很清楚，智能工廠繞不開自動化設備——這是它的強項;智能產品繞不開產品設計，這也是它的強項。
從GE的工業(yè)互聯網定義中，并沒有直接回答，產品設計問題——它似乎忽略了這在工業(yè)領域幾乎同樣重要的一個宏大主題。這個一閃而過露出來的空當，很快被同是美國伙伴PTC公司所解決——這是西門子在PLM(產品周期管理)軟件領域事業(yè)部多年來的最大對手之一。PTC的設計與使用的數據回路PTC做了一個精準的選擇，將前端的設計研發(fā)與后期設備的維護與聯網進行打通。數據流動，仍然是決定性的焦點，這一點與工業(yè)互聯網的戰(zhàn)略就高度一致。連接產品設計與生產制造，打造CPS(信息與物理系統)的連通，是德國人選擇的一條路——盡管德國工業(yè)4.0所提到的橫向價值鏈體系中，也同樣地提到了售后服務，但生產仍然是壓倒性的因素。
而連接設計與設備資產，尤其設備通過知識模型發(fā)揮更大的作用，是美國選擇的另外一條路徑。設備相連似乎是一個更容易實現的生態(tài)系統。
它內在的邏輯，不完全是更快地生產，更是更高的使用效率：資源配置和優(yōu)化是同樣重要的大事。。
這對于備受產能過剩困擾急需降低成本和盡快提升固有資產價值的中國制造業(yè)而言，是一個不錯的選項。
尾聲
工業(yè)互聯網不是基礎設施，而是產業(yè)思維;不是互聯網的工業(yè)化，而是設備管理效能的深度升級;不是簡單的數據能力挖潛，而是一個生態(tài)體系的建設。
在這個生態(tài)體系下，萬物互聯，人機的融合到達了一個巔峰的高度。在工業(yè)互聯網的眼界中，以前的機器忽然變成了一個偷懶的家伙：愛耍脾氣愛生病愛罷工。這次，它的健康情況被無數個神經網絡，無時無刻地被監(jiān)控起來。
數字化武裝的賽博系統，變成所有機器的新管家。
所有的機器和設備被逼到極致， 工業(yè)互聯網使得設備故障的幾率和時間大幅度降低，而且讓設備能夠在能耗最低、性能最佳的狀態(tài)中工作。
只是不知道，融合了金屬力量、人腦智慧和高級分析能力的機器，有一天會被迫造反呢?
分享到微信 ×
打開微信，點擊底部的“發(fā)現”，
使用“掃一掃”即可將網頁分享至朋友圈。
數字化要一盤棋更要各自為戰(zhàn)
