01工業(yè)數(shù)字化轉(zhuǎn)型需要區(qū)分目標(biāo)和工具

人類四次工業(yè)革命史其實(shí)也是一個(gè)工業(yè)品的制造復(fù)雜度的提升過程，從早期的手工制造到現(xiàn)在的高端電子產(chǎn)品，以及一些復(fù)雜原材料的設(shè)計(jì)，都反映了制造復(fù)雜度的提升。 早期的手工制造相對落后，后來有了5S、kaizen、JIT等精益的管理，人員素質(zhì)和管理效率得到了提升。在這個(gè)基礎(chǔ)上工業(yè)又走向自動化，通過“機(jī)器換人”的方式去避免很多重復(fù)性的勞動，也帶來時(shí)效性、精準(zhǔn)度的提高。 然而，事實(shí)證明早期的“精益管理”和“自動化”已經(jīng)不能滿足高精度、高質(zhì)量產(chǎn)品的生產(chǎn)需求，這些高端需求需要借助工業(yè)數(shù)字化轉(zhuǎn)型升級去實(shí)現(xiàn)和達(dá)成。半導(dǎo)體制造對工業(yè)數(shù)字化轉(zhuǎn)型的需求最為迫切，概括來說其體系非常復(fù)雜，每個(gè)環(huán)節(jié)都離不開大量數(shù)據(jù)，并需要借助過程管控、數(shù)據(jù)分析實(shí)現(xiàn)智能改進(jìn)，解決生產(chǎn)過程中的品質(zhì)、產(chǎn)能、效率問題。工業(yè)數(shù)字化轉(zhuǎn)型是數(shù)字化轉(zhuǎn)型的一個(gè)子集，它利用工業(yè)物聯(lián)網(wǎng)等先進(jìn)技術(shù)對現(xiàn)有的資產(chǎn)、過程、產(chǎn)品進(jìn)行轉(zhuǎn)變，實(shí)現(xiàn)運(yùn)營指標(biāo)提升，走向卓越運(yùn)營。卓越運(yùn)營（Operational Excellence）實(shí)際上是一系列關(guān)鍵指標(biāo)的優(yōu)化，其應(yīng)用場景涵蓋裝配、加工、預(yù)測性維護(hù)、績效管理、質(zhì)量管理以及可持續(xù)發(fā)展這一系列的制造環(huán)節(jié)，甚至延展到產(chǎn)業(yè)鏈的上下游。 對于工業(yè)數(shù)字化轉(zhuǎn)型的認(rèn)知，目前來看還存在很大的不足。企業(yè)、服務(wù)商更多的是在談?wù)摳鞣N時(shí)髦的技術(shù)名詞，似乎人工智能、數(shù)字孿生這些詞匯就是數(shù)字化轉(zhuǎn)型，很少有人關(guān)注數(shù)字化轉(zhuǎn)型的目標(biāo)是什么？工業(yè)數(shù)字化轉(zhuǎn)型是通向未來工廠（FOF: Factory of Future）的一個(gè)階段性工具。 這是調(diào)研機(jī)構(gòu)給出的“未來工廠”框架，涵蓋了最終的目標(biāo)，到企業(yè)戰(zhàn)略，再到價(jià)值鏈的執(zhí)行，再到人、技術(shù)、流程的有效融合，這個(gè)架構(gòu)也代表了“未來工廠”需要達(dá)到目標(biāo)。LNS調(diào)研機(jī)構(gòu)還給出了未來工廠成熟度的一個(gè)界定體系，是一個(gè)從下往上的5級標(biāo)準(zhǔn)。這個(gè)體系既是對不同層次企業(yè)的劃分，也是未來工廠不斷演進(jìn)的一個(gè)過程。 未來工廠并不是一個(gè)虛無縹緲的概念，它旨在指導(dǎo)現(xiàn)有工廠進(jìn)行數(shù)字化變革，使其能夠在運(yùn)營等層面得到巨大的提升。運(yùn)營層面其實(shí)主要是包括兩方面，第一、定義一系列卓越運(yùn)營的指標(biāo)體系；第二，打造數(shù)據(jù)賦能的運(yùn)營架構(gòu)，走向一個(gè)最終的卓越運(yùn)營的目標(biāo)。 卓越運(yùn)營的關(guān)鍵支撐就是指標(biāo)體系，這些KPI指標(biāo)從企業(yè)經(jīng)營層面來看包含各種財(cái)務(wù)、人效指標(biāo)，再往下可能就劃分到不同部門，諸如生產(chǎn)指標(biāo)、維護(hù)指標(biāo)、庫存指標(biāo)、質(zhì)量指標(biāo)、安全合規(guī)性指標(biāo)，以及相關(guān)的一些業(yè)務(wù)部門的指標(biāo)，這些指標(biāo)應(yīng)該來自于基于平臺對接的各種自動化系統(tǒng)數(shù)據(jù)和業(yè)務(wù)系統(tǒng)數(shù)據(jù)。 對指標(biāo)體系有興趣朋友可以參考ISO22400-2，這是一個(gè)多維度的一個(gè)指標(biāo)體系，主要包括生產(chǎn)（production）、維護(hù)（maintenance）、庫存（inventory）和質(zhì)量（quality）等維度，總共在運(yùn)營層面提供大概幾十個(gè)指標(biāo)，已經(jīng)足以來去支撐大部分企業(yè)的一個(gè)正常運(yùn)營。ISO22400-2指標(biāo)體系包括我們大家熟知的OEE、MTTR、MTBF，以及良品率、次品率這些指標(biāo)。它們并不是虛無的數(shù)字，全都來自各個(gè)不同的子系統(tǒng)提供的各種各樣的數(shù)據(jù)。同時(shí)，指標(biāo)也是企業(yè)努力的方向和目標(biāo)。

02未來工廠的運(yùn)營架構(gòu)

現(xiàn)代工業(yè)功能體系大致可以分成三個(gè)層面，從最下面的資產(chǎn)（包括人、流程、技術(shù)），到運(yùn)營（從研發(fā)、設(shè)計(jì)到工程，再到生產(chǎn)制造再到物流、供應(yīng)鏈，再到服務(wù)的整個(gè)價(jià)值鏈），再到業(yè)務(wù)（人事、財(cái)務(wù)、市場、決策）。 當(dāng)然，在國際上還有非常多的相關(guān)工業(yè)理論體系以及相應(yīng)的組織機(jī)構(gòu)，，包括大家熟知的OPC、ISO、ISA，以及ISA95、ISO88以及IEC61512-3等各種標(biāo)準(zhǔn)體系，涵蓋了從研發(fā)到工程再到制造、生產(chǎn)等各種階段和過程。這里我們重點(diǎn)會看ISA95，因?yàn)樗w了運(yùn)營支撐層面的很多方面。ISA95工業(yè)企業(yè)架構(gòu)劃分成5個(gè)層面，最下面三層其實(shí)是我們說的自動化層面，就是大家熟知的OT的一些PLC/PAC，以及DCS等相關(guān)的各種系統(tǒng)；中間這個(gè)層面是MOM，可能有些人對這個(gè)詞比較陌生，但其實(shí)它跟MES是一個(gè)概念，在上層業(yè)務(wù)系統(tǒng)和下層的自動化之間起著承上啟下的作用，所以它包括了生產(chǎn)計(jì)劃、過程管理、維護(hù)、質(zhì)量這方面的功能；最上面一層就是大家熟知的一些IT系統(tǒng)，財(cái)務(wù)、人事、市場這些。ISA95這種層次化的架構(gòu)雖然很清晰的定義了每一層的工作內(nèi)容，但實(shí)際上大家可以看到，在這種從底層到頂層的垂直整合模式下，每一層獲取到的數(shù)據(jù)都是上一層的匯聚和抽象，底層的數(shù)據(jù)很難被頂層的決策以及生產(chǎn)服務(wù)直接使用，這就造成層次越高能利用到的原始數(shù)據(jù)就越少，進(jìn)而發(fā)生因多次數(shù)據(jù)匯聚導(dǎo)致的失真、滯后等后果，最終導(dǎo)致企業(yè)運(yùn)行效率降低。比方說，企業(yè)可能會有一系列的如ISO22400提到的生產(chǎn)、庫存、質(zhì)量、維護(hù)、安全等層次化指標(biāo)，其數(shù)據(jù)都來源于已被處理過的下層系統(tǒng)，同時(shí)可能還需要從多個(gè)系統(tǒng)中去采集數(shù)據(jù)，得到的數(shù)據(jù)往往并不準(zhǔn)確，甚至跨系統(tǒng)融合數(shù)據(jù)也面臨著標(biāo)準(zhǔn)不統(tǒng)一的挑戰(zhàn)。 ISA95的第2個(gè)局限性是企業(yè)對數(shù)據(jù)的利用率和利用程度還非常低，一般來說數(shù)據(jù)分析包括描述性、診斷性、預(yù)測性、預(yù)知性等，但據(jù)調(diào)研機(jī)構(gòu)調(diào)研顯示，其實(shí)絕大部分企業(yè)對數(shù)據(jù)的利用只是停留在一些初級描述性descriptive層次，其實(shí)就是一些統(tǒng)計(jì)報(bào)表。高級的數(shù)據(jù)利用諸如設(shè)備可靠性的預(yù)測、產(chǎn)能的預(yù)測，亦或者是供應(yīng)鏈庫存的預(yù)測等都還沒發(fā)揮出作用。 第3個(gè)局限性就是ISA95的架構(gòu)體系。在現(xiàn)行的體系下，MOM/MES往往被做成一個(gè)大而全的獨(dú)立系統(tǒng)去承載越來越多越復(fù)雜的功能，這種單塊式、單一數(shù)據(jù)源、垂直、煙囪式系統(tǒng)，其實(shí)很難實(shí)現(xiàn)數(shù)據(jù)的共享，也很難實(shí)現(xiàn)功能和性能的一個(gè)擴(kuò)展，更沒辦法來快速滿足工業(yè)企業(yè)差異化的定制需求。 所以，工業(yè)數(shù)字化轉(zhuǎn)型其實(shí)主要是改變工業(yè)企業(yè)的運(yùn)營架構(gòu)，從這種傳統(tǒng)層次化的運(yùn)營架構(gòu)變成一個(gè)相對比較扁平，或者說以數(shù)據(jù)驅(qū)動的未來工廠的一個(gè)運(yùn)營架構(gòu)。簡單來說，我們基于已有的架構(gòu)體系把IT和OT的數(shù)據(jù)打通，形成一個(gè)數(shù)據(jù)一致、功能開放的全新層次化解決方案，并支持全新的數(shù)據(jù)智能應(yīng)用的開發(fā)和擴(kuò)展。我們把傳統(tǒng)的縱向集成變成橫向數(shù)據(jù)集成，從IT系統(tǒng)里面抽取相應(yīng)的指標(biāo)的一些數(shù)據(jù)，從OT系統(tǒng)抽取一些實(shí)時(shí)的數(shù)據(jù)做相應(yīng)的關(guān)聯(lián)，在同一個(gè)IOT的平臺上實(shí)現(xiàn)融合的數(shù)據(jù)的架構(gòu)和數(shù)據(jù)的服務(wù)，再利用一系列的應(yīng)用開發(fā)的工具、數(shù)據(jù)分析工具來實(shí)現(xiàn)相應(yīng)的應(yīng)用和分析。在智能應(yīng)用上，將來還會有更多的甚至95%以上的應(yīng)用在等待我們?nèi)ラ_發(fā)。這些應(yīng)用就包括我們說的運(yùn)營層面的各種各樣的指標(biāo)預(yù)測，如庫存維護(hù)、質(zhì)量、安全、能源，以及先進(jìn)過程控制（APC）等。所有這些應(yīng)用都有一個(gè)共同點(diǎn)就是一定是數(shù)據(jù)驅(qū)動，而數(shù)據(jù)驅(qū)動其實(shí)有4個(gè)發(fā)展階段或者說4個(gè)利用層次，也就是前面我們提到的描述性Descriptive、診斷性Diagnostic、預(yù)測性Predictive、預(yù)知性Prescriptive，圖中智能應(yīng)用下方的DDPP就是代表了這四個(gè)層次。未來所有的智能應(yīng)用必須都具備這4個(gè)數(shù)據(jù)能力中的一部分。簡單展示一下工業(yè)互聯(lián)網(wǎng)IIOT的平臺，這里我們引用調(diào)研機(jī)構(gòu)LNS的相關(guān)框架。MES/MOM在工業(yè)互聯(lián)網(wǎng)新形態(tài)下也要做大幅的調(diào)整，基于工業(yè)互聯(lián)網(wǎng)平臺構(gòu)建一個(gè)數(shù)據(jù)驅(qū)動的平臺，構(gòu)建一系列生產(chǎn)、運(yùn)營等模塊化應(yīng)用。對上連接第4層的業(yè)務(wù)系統(tǒng)對象，向下連接第2層的自動化系統(tǒng)。

03工業(yè)互聯(lián)網(wǎng)平臺是未來工廠的核心架構(gòu)

對于工業(yè)互聯(lián)網(wǎng)平臺，國內(nèi)、國外都已經(jīng)有了比較豐富的資料，也出現(xiàn)了多種版本的工業(yè)互聯(lián)網(wǎng)平臺架構(gòu)，但總體來看大同小異，基本上都保持了從邊緣端的接入、邊緣計(jì)算，一直到工業(yè)數(shù)據(jù)的管理和分析，以及到工業(yè)數(shù)據(jù)的建模，再到工業(yè)應(yīng)用的開發(fā)這個(gè)主題思路。上圖是國外LNS給出的架構(gòu)圖。國內(nèi)工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟發(fā)布的架構(gòu)也遵循從下往上的主題思路，尤其大家可以看到架構(gòu)對從接入到管理、分析與建模等全流程的數(shù)據(jù)能力很重視，此外敏捷、高效的應(yīng)用和模型開發(fā)等也是架構(gòu)的重點(diǎn)。 以上兩種屬于機(jī)構(gòu)發(fā)布的通用架構(gòu)，具體企業(yè)也會制定有不同側(cè)重和理念的工業(yè)互聯(lián)網(wǎng)平臺以及各個(gè)環(huán)節(jié)的產(chǎn)品和服務(wù)。首先來看大家比較熟悉工業(yè)互聯(lián)網(wǎng)先驅(qū)predix架構(gòu)，相比來說其平臺核心關(guān)注點(diǎn)可能更加的突出Digital Twin數(shù)字孿生的理念及其核心地位。同時(shí)，我們也會在邊緣端看到它數(shù)據(jù)接入、采集、轉(zhuǎn)發(fā)等環(huán)節(jié)相應(yīng)的軟硬件具體產(chǎn)品。再通過后面幾家工業(yè)互聯(lián)網(wǎng)平臺的對比，大家就會發(fā)現(xiàn)，目前的工業(yè)互聯(lián)網(wǎng)平臺雖然總體思路相差無幾，但是落實(shí)到具體的產(chǎn)品上還是有比較大的差異。當(dāng)然，像物聯(lián)網(wǎng)網(wǎng)關(guān)、邊緣計(jì)算等設(shè)備從無到有也在逐步的通用化。我們再來看Predix的云端，同樣大家也可以看到它的數(shù)據(jù)集成、處理、存儲等模塊，以及數(shù)據(jù)分析和建模，另外在應(yīng)用開發(fā)方面predix著重強(qiáng)調(diào)了產(chǎn)品能力、可控兩個(gè)方向，而支撐這些目標(biāo)的是微服務(wù)、可視化的開發(fā)工具，同時(shí)大家也能看到對數(shù)據(jù)建模也是predix應(yīng)用開發(fā)的重點(diǎn)。在應(yīng)用這個(gè)層面，predix構(gòu)建的應(yīng)用大致可以分為這么兩類，一類APM，就是資產(chǎn)性能管理，包括可靠性管理、設(shè)備實(shí)時(shí)健康監(jiān)測、設(shè)備可靠性管理、合規(guī)性管理和維護(hù)策略優(yōu)化，另一類是運(yùn)營性能管理，包括運(yùn)營智能、過程和指標(biāo)優(yōu)化等。 我們再來看西門子的MindSphere，通過其架構(gòu)圖我們已經(jīng)可以看到該平臺開始注重各個(gè)層面的橫向溝通、集成。國外還有C3.AI，它的架構(gòu)也遵循工業(yè)互聯(lián)網(wǎng)的主題思路，但在應(yīng)用層面可能更多的在預(yù)測性維護(hù)、資產(chǎn)管理、風(fēng)險(xiǎn)欺詐管理等方面。由此可見，工業(yè)互聯(lián)網(wǎng)平臺的差異化不但體現(xiàn)在具體平臺的形態(tài)，更會在服務(wù)和產(chǎn)品應(yīng)用層面逐步的出現(xiàn)側(cè)重分化。我們再看看國外的uptake，它在平臺層面針對不同的數(shù)據(jù)分析，提供相應(yīng)的數(shù)據(jù)科學(xué)的目錄和模型的管理，以及針對機(jī)器學(xué)習(xí)和AI的支持，體現(xiàn)了很強(qiáng)的平臺的工具特性。當(dāng)然，寄云NeuSeer工業(yè)互聯(lián)網(wǎng)平臺也遵循通用的工業(yè)互聯(lián)網(wǎng)平臺框架，但同時(shí)寄云NeuSeer平臺作為一個(gè)工業(yè)互聯(lián)網(wǎng)平臺的實(shí)例產(chǎn)品，也有很明顯的自身特性和側(cè)重點(diǎn)，從我們的架構(gòu)圖也能一窺一二。比如，它在平臺層面提供工業(yè)應(yīng)用微服務(wù)、工業(yè)模型服務(wù)、工業(yè)數(shù)據(jù)分析建模系統(tǒng)等，而在應(yīng)用層面，寄云科技主要專注在設(shè)備的資產(chǎn)管理、運(yùn)營效率的管理和生產(chǎn)經(jīng)營決策這幾類的應(yīng)用場景。寄云NeuSeer平臺在邊緣側(cè)提供兩款硬件產(chǎn)品分別是寄云NeuSeer工業(yè)物聯(lián)網(wǎng)網(wǎng)關(guān)、寄云NeuSeer邊緣計(jì)算網(wǎng)關(guān)，以及IoT-SDK、邊緣計(jì)算應(yīng)用等軟件，實(shí)現(xiàn)對數(shù)據(jù)的采集、處理、分析，以及與云端平臺的連接。這里我們著重談一下邊緣計(jì)算，其實(shí)它是介于云計(jì)算和邊緣端數(shù)據(jù)采集的一個(gè)中間形態(tài)，嚴(yán)格來說邊緣設(shè)備需要和云端緊密協(xié)同，比如云端海量數(shù)據(jù)分析、向邊緣端部署應(yīng)用和模型，并能夠提供數(shù)據(jù)處理、分析和一定的實(shí)時(shí)應(yīng)用能力。現(xiàn)在有些服務(wù)商將數(shù)據(jù)采集網(wǎng)關(guān)稱作“邊緣計(jì)算設(shè)備”，所以這種情形是不恰當(dāng)?shù)摹?img src="/static/images/xiaoyi_2018/news/loading.gif" lay-src="/data/upload/editer/image/2022/07/30/62e4911fd0e21.jpg">在云端，需要提供三類數(shù)據(jù)：實(shí)時(shí)數(shù)據(jù)、結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的存儲、處理和開放能力。寄云NeuSeer 平臺通過數(shù)據(jù)湖、元數(shù)據(jù)管理系統(tǒng)、寄云NeuSeer時(shí)序數(shù)據(jù)庫等平臺產(chǎn)品和組件，實(shí)現(xiàn)IT和OT異構(gòu)數(shù)據(jù)的融合、數(shù)據(jù)的統(tǒng)一服務(wù)、海量工業(yè)數(shù)據(jù)的專業(yè)高性能存取、數(shù)據(jù)模型和數(shù)據(jù)資產(chǎn)服務(wù)，為上層的數(shù)據(jù)分析和數(shù)字孿生應(yīng)用打好基礎(chǔ)。在數(shù)據(jù)統(tǒng)一、高效存取的基礎(chǔ)上，基于大數(shù)據(jù)、工業(yè)互聯(lián)網(wǎng)的數(shù)據(jù)分析才有可能順利展開，因?yàn)閭鹘y(tǒng)數(shù)據(jù)分析浪費(fèi)了大部分時(shí)間在數(shù)據(jù)準(zhǔn)備階段。同時(shí)，要想實(shí)現(xiàn)數(shù)據(jù)分析場景的廣泛化，數(shù)據(jù)分析工具的簡化、數(shù)據(jù)分析相關(guān)應(yīng)用的開箱即用等特性是當(dāng)今數(shù)據(jù)分析的重任。在這方面寄云NeuSeer DAStudio數(shù)據(jù)分析與建模平臺已經(jīng)實(shí)現(xiàn)了無代碼、低代碼分析，通過拖放式、可視化實(shí)現(xiàn)各種統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、人工智能等分析建模和評價(jià)。針對常用的各類工業(yè)應(yīng)用，如實(shí)時(shí)監(jiān)控和組態(tài)，可以通過一些輕量級、無代碼的開發(fā)工具實(shí)現(xiàn)；而針對復(fù)雜的工業(yè)應(yīng)用，需要利用多種開發(fā)工具，結(jié)合基于微服務(wù)的云應(yīng)用開發(fā)平臺，實(shí)現(xiàn)快速的應(yīng)用交付。針對一些超大型工業(yè)企業(yè)，可以在平臺基礎(chǔ)上實(shí)現(xiàn)一部分能力開放，構(gòu)建包括應(yīng)用、數(shù)據(jù)、模型的能力開放平臺，對接企業(yè)供應(yīng)鏈、客戶以及生態(tài)合作伙伴，構(gòu)建持續(xù)連接的數(shù)字化生態(tài)。寄云云服務(wù)市場（BOSS系統(tǒng)）為這種生態(tài)平臺提供用戶運(yùn)營、交易管理、平臺對接、資源管理等服務(wù)，目前已經(jīng)協(xié)同騰訊云落地多個(gè)地方工業(yè)互聯(lián)網(wǎng)生態(tài)平臺。

04數(shù)據(jù)、數(shù)字孿生和智能應(yīng)用

工業(yè)互聯(lián)網(wǎng)的核心是數(shù)據(jù)，“數(shù)據(jù)是未來工廠的新石油”，充分的說明了這一點(diǎn)。“未來工廠”的運(yùn)營架構(gòu)也是圍繞數(shù)據(jù)的利用方式展開。從數(shù)據(jù)的角度看，它包括了四個(gè)不同的階段：融合階段、管理階段、分析階段、應(yīng)用階段。融合不只是設(shè)備聯(lián)網(wǎng)、BI、數(shù)倉等等，它更多在于全方位的數(shù)據(jù)融合。數(shù)據(jù)可能來自于L0~L2的自動化系統(tǒng)，L3的生產(chǎn)運(yùn)營系統(tǒng)，L4的業(yè)務(wù)系統(tǒng)……企業(yè)內(nèi)部系統(tǒng)都需要連接進(jìn)來，還會涉及到一些企業(yè)外部數(shù)據(jù)，包括氣象、電價(jià)、價(jià)格指數(shù)、檢測報(bào)告等等。最終在平臺上沉淀下來時(shí)序數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)三類數(shù)據(jù)。每種數(shù)據(jù)都需要專門的數(shù)據(jù)存儲方式進(jìn)行存儲和使用。數(shù)據(jù)統(tǒng)一管理其實(shí)更多是在建立一些標(biāo)準(zhǔn)，實(shí)現(xiàn)跨業(yè)務(wù)系統(tǒng)數(shù)據(jù)無障礙使用。標(biāo)準(zhǔn)包括但不限于資產(chǎn)定義、組織定義、人員定義、工藝定義、流程定義，只有建立這樣的標(biāo)準(zhǔn)，才能夠關(guān)聯(lián)到相應(yīng)的數(shù)據(jù)源，才能夠?qū)崿F(xiàn)跨系統(tǒng)的一致性的數(shù)據(jù)訪問。標(biāo)準(zhǔn)還應(yīng)該涉及數(shù)據(jù)的存放位置、數(shù)據(jù)關(guān)聯(lián)關(guān)系、數(shù)據(jù)的權(quán)限以及數(shù)據(jù)更新等各個(gè)細(xì)節(jié)。傳統(tǒng)煙囪式的工業(yè)系統(tǒng)在這方面可以說非?；靵y，導(dǎo)致數(shù)據(jù)的跨系統(tǒng)使用很難實(shí)現(xiàn)。通過一致的、全生命周期的數(shù)據(jù)模型可以實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)一跨系統(tǒng)訪問。舉個(gè)例子，我們把復(fù)雜設(shè)備分成系統(tǒng)、子系統(tǒng)、零部件等多個(gè)層級，每個(gè)層級都關(guān)聯(lián)到設(shè)計(jì)端數(shù)據(jù)、制造端的BOM、維護(hù)歷史、故障模式等，實(shí)現(xiàn)生命周期的數(shù)據(jù)一致性，進(jìn)而為PLM系統(tǒng)、EAM系統(tǒng)、預(yù)測性維護(hù)系統(tǒng)、生產(chǎn)管理系統(tǒng)提供統(tǒng)一的數(shù)據(jù)模型。工業(yè)數(shù)據(jù)分析的價(jià)值非常高這一點(diǎn)行業(yè)已經(jīng)沒有異議，但大家對數(shù)據(jù)分析和大數(shù)據(jù)的認(rèn)知還存在誤解。首先數(shù)據(jù)分析不等同于大數(shù)據(jù)。大數(shù)據(jù)其實(shí)做的是一些基礎(chǔ)層面的事情，提取、存儲和標(biāo)準(zhǔn)化，特點(diǎn)就是海量、實(shí)時(shí)、多樣性，它的適用場景很多是在于近實(shí)時(shí)、分布式、高可用場景。但是數(shù)據(jù)分析或者叫數(shù)據(jù)科學(xué)在大數(shù)據(jù)之前就已經(jīng)存在了，工業(yè)數(shù)據(jù)分析就是根據(jù)不同的工業(yè)生產(chǎn)目標(biāo)發(fā)現(xiàn)數(shù)據(jù)的一些規(guī)律或者關(guān)聯(lián)關(guān)系，找到解決問題的方法。我們提到數(shù)據(jù)分析包含物理、統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和人工智能等分析方法。還有一點(diǎn)，工業(yè)數(shù)據(jù)必須是有意義的、基于上下文的數(shù)據(jù)，再結(jié)合數(shù)據(jù)分析才能產(chǎn)生巨大的價(jià)值。反之，再多的毫無意義的數(shù)據(jù)也沒有利用的價(jià)值。數(shù)據(jù)分析可以應(yīng)用到企業(yè)的經(jīng)營層面、決策層面、生產(chǎn)層面、設(shè)備運(yùn)維層面等各種場景。據(jù)LNS報(bào)告顯示，工業(yè)企業(yè)數(shù)據(jù)分析的主要場景有5類，分別是提高產(chǎn)品質(zhì)量、預(yù)測生產(chǎn)產(chǎn)量、提高關(guān)鍵環(huán)節(jié)運(yùn)營指標(biāo)、實(shí)現(xiàn)過程的持續(xù)優(yōu)化和提高產(chǎn)品的服務(wù)質(zhì)量。對于數(shù)據(jù)分析已經(jīng)有多個(gè)機(jī)構(gòu)將其過程、方法進(jìn)性了定義，雖然不盡相同，但大致都會包含這幾點(diǎn)：首先一定要有很清晰的目標(biāo)，比方說良率提升，為了實(shí)現(xiàn)這個(gè)目標(biāo)我們就需要對良率指標(biāo)進(jìn)性拆解，對數(shù)據(jù)做相應(yīng)的準(zhǔn)備，提取相應(yīng)的特征。然后根據(jù)目標(biāo)和數(shù)據(jù)之間的關(guān)系尋找分析方法，建立起分析模型，選擇相應(yīng)的算法，創(chuàng)建工作流，選取數(shù)據(jù)對模型進(jìn)行訓(xùn)練，還要根據(jù)結(jié)果對模型進(jìn)行評估。篩選出來的合適模型的應(yīng)用，一般來說或者放在一個(gè)實(shí)時(shí)的生產(chǎn)環(huán)境里，應(yīng)用于實(shí)時(shí)數(shù)據(jù)并獲取結(jié)果；或者把分析結(jié)果放在數(shù)據(jù)庫里支持相應(yīng)的應(yīng)用程序使用。在工業(yè)互聯(lián)網(wǎng)體系下，一般將數(shù)據(jù)分析部署在云端和邊緣端。云端主要對海量的數(shù)據(jù)進(jìn)行深入挖掘，發(fā)現(xiàn)一些潛在價(jià)值和趨勢，邊緣端主要應(yīng)對實(shí)時(shí)要求比較高的場景。需要注意的是云端數(shù)據(jù)分析和邊緣端數(shù)據(jù)分析存在數(shù)據(jù)量、實(shí)時(shí)性、分析深度、應(yīng)用范圍等多種差異，二者是相輔相成的，在架構(gòu)上緊密關(guān)聯(lián)。 我們已經(jīng)提到通用的數(shù)據(jù)分析方法大概有3種，物理的、統(tǒng)計(jì)的和機(jī)器學(xué)習(xí)的?，F(xiàn)實(shí)中企業(yè)和機(jī)構(gòu)在這方面還會有一些差異，比如貝克休斯把分析方法歸結(jié)為三種模型能力，LNS將物理的分析方法稱為第一原理的方法等等。物理分析方法就是傳統(tǒng)的物理的、可解釋的過程模型。比如，PID就是一個(gè)簡單的線性或者積分、微分的過程，公式和結(jié)果都比較明確。物理分析的優(yōu)勢是簡單，不需要太大的計(jì)算工作量，也不需要很多的數(shù)據(jù)樣本就可以完成。但是它的劣勢也非常明顯，首先它取決于有沒有一個(gè)明確的可以測量的輸入輸出，但在工業(yè)里面其實(shí)有非常多的場景數(shù)據(jù)，沒有辦法直接測量到很多工況，比如爐子中心溫度。第二是沒有狀態(tài)，跟歷史無關(guān)，它就沒有歷史的數(shù)據(jù)保存。第三不能適應(yīng)復(fù)雜的場景，比如說一個(gè)高度集成化的化工廠，就很難用單一或者組合的物理模型描述出來。因此，物理模型，比較適合簡單獨(dú)立、有明確輸入輸出關(guān)系、可解釋的的子過程的分析場景。三種分析方法中統(tǒng)計(jì)分析占比最高，大家見到的各種各樣的統(tǒng)計(jì)報(bào)表、SPC、各種各樣的分布圖，這都屬于統(tǒng)計(jì)分析范疇。它的特點(diǎn)也是簡單明確，計(jì)算工作量比較少，也不需要太多的數(shù)據(jù)樣本。但它的劣勢也比較明顯，它只能推斷出歷史數(shù)據(jù)范圍以內(nèi)的一個(gè)結(jié)果，這種通過局部推斷整體的情況畢竟有著很大的局限性。第二統(tǒng)計(jì)分析屬于事后分析，就是問題出現(xiàn)以后的分析，無法實(shí)現(xiàn)假設(shè)性判定。機(jī)器學(xué)習(xí)其實(shí)有很多分類，首先簡單的機(jī)器學(xué)習(xí)，就是一些聚、分類的數(shù)據(jù)挖掘，以及決策樹、SVM這些的一些基本的方法。再深入一些，深度學(xué)習(xí)也被應(yīng)用到越來越多的領(lǐng)域，比如神經(jīng)網(wǎng)絡(luò)、LSTM應(yīng)用到輸入和輸出不確定的場景。更高級的機(jī)器學(xué)習(xí)還有強(qiáng)化學(xué)習(xí)，可以根據(jù)反饋改進(jìn)訓(xùn)練參數(shù)、訓(xùn)練行為，實(shí)現(xiàn)更加精準(zhǔn)的判決。機(jī)器學(xué)習(xí)在工業(yè)領(lǐng)域的應(yīng)用目前來說還處于早期階段。它的優(yōu)勢是比較適合在一些大型復(fù)雜場景下，也就是那些沒有辦法用統(tǒng)計(jì)分析、物理模型的情況下，你只能借助于機(jī)器學(xué)習(xí)去尋求突破。比方對于密閉超大型的鍋爐，很多數(shù)據(jù)沒辦法直接測量，在這種情況下，可以嘗試用機(jī)器學(xué)習(xí)把很多的輸入和輸出放在一起去尋找一些規(guī)律。它的劣勢，比方說需要大量的數(shù)據(jù)樣本，同時(shí)要有非常精確的標(biāo)注，否則會影響最終學(xué)習(xí)的質(zhì)量。 對于分析方法的各有優(yōu)劣這一現(xiàn)實(shí)，人們很早就有認(rèn)知，也提出了很多的解決對策，除了方法本身的優(yōu)化，再就是方法的組合使用。比如，APC其實(shí)就涉及了物理和統(tǒng)計(jì)兩種分析方法組合使用，取得了非常顯著的效果，但是這種組合也有很大的一個(gè)局限性，它取決物理模型和數(shù)據(jù)樣本之間的一個(gè)匹配關(guān)系。同樣的，人們也在嘗試把物理、統(tǒng)計(jì)和機(jī)器學(xué)習(xí)組合在一起。圖中是貝克休斯基于統(tǒng)計(jì)模型、物理模型再加上機(jī)器學(xué)習(xí)，以求取得更好的預(yù)測結(jié)果。機(jī)器學(xué)習(xí)方法需要大量的樣本，但是結(jié)合統(tǒng)計(jì)和物理方法再去做一些預(yù)測分析，你可能就不需要太多的歷史數(shù)據(jù)樣本，就可以實(shí)現(xiàn)一個(gè)比較精確的預(yù)測。可以說，這種方法的組合發(fā)揮了各方法本身的優(yōu)勢，也規(guī)避了各方法的一些弊端，也是最經(jīng)濟(jì)有效的手段。上圖是GE提出的電廠性能的預(yù)測，把環(huán)境變量的一些參數(shù)輸入到神經(jīng)網(wǎng)絡(luò)里，實(shí)現(xiàn)精確的性能預(yù)測，同時(shí)把輸出的預(yù)測結(jié)果和改進(jìn)的決策建議和控制參數(shù)結(jié)合，實(shí)現(xiàn)優(yōu)化并反饋控制，提升電廠燃燒效率，一些結(jié)果已經(jīng)能夠驗(yàn)證。這個(gè)案例也可以看作是數(shù)字孿生的一個(gè)典型案例。所以，綜合來看，無論哪種分析方法、無論哪種應(yīng)用場景，其最終還是要實(shí)現(xiàn)價(jià)值應(yīng)用。另外，基于工業(yè)互聯(lián)網(wǎng)的數(shù)據(jù)分析，與傳統(tǒng)的數(shù)據(jù)分析不同之處在于，實(shí)時(shí)性、數(shù)字孿生以及智能。其實(shí)，我們提到的4個(gè)數(shù)據(jù)分析的特點(diǎn)，也是數(shù)據(jù)分析的4個(gè)應(yīng)用方向。從GE電廠的案例中我們可以發(fā)現(xiàn)工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)分析實(shí)現(xiàn)了從（描述）實(shí)時(shí)監(jiān)測，到（診斷）關(guān)聯(lián)分析，到（預(yù)測）指標(biāo)預(yù)測，再到（決策）優(yōu)化反饋的閉環(huán)。關(guān)于數(shù)字孿生，大家可以參考我之前寫的《一文讀懂?dāng)?shù)字孿生的應(yīng)用及意義》，也可以去網(wǎng)上搜一下相關(guān)觀點(diǎn)。個(gè)人認(rèn)為數(shù)字孿生跟CPS區(qū)別不是特別大，更多是在于怎么用數(shù)字化的方式結(jié)合數(shù)據(jù)分析去構(gòu)建起一個(gè)人可以理解的一個(gè)方式去解釋物理資產(chǎn)過程里面潛在的不可感知的一些問題。 對數(shù)字孿生的定義其實(shí)有很多種，大家可以大致了解一下Gartner、LNS以及GE提出的觀點(diǎn)。其中GE提出的資產(chǎn)模型、數(shù)據(jù)分析、行業(yè)知識三位一體的觀點(diǎn)，比較形象直觀，給實(shí)際的業(yè)務(wù)應(yīng)用能夠帶來指導(dǎo)。所以，數(shù)字孿生在范圍上并沒有很嚴(yán)格的限制，它可以存在于生產(chǎn)過程、供應(yīng)鏈、產(chǎn)品生命周期……以及一些指標(biāo)監(jiān)控、指標(biāo)預(yù)測，其實(shí)都可以看成數(shù)字孿生的實(shí)例。大家沒有必要把數(shù)字孿生看得太死，其實(shí)它可以有很多種存在形式、可以存在各種系統(tǒng)里面以及場景中。同時(shí)，我們還要警惕不可以把數(shù)字孿生看成簡單的3D可視化。因?yàn)橛行┤藢⒅暈锳R/VR之類的事物，其實(shí)那只是最基礎(chǔ)的展示型數(shù)字孿生（DT）。根據(jù)智能程度的不同，我們可以把DT的應(yīng)用劃分為四個(gè)層級：展示型、描述型、預(yù)測型、自治型。描述型DT實(shí)現(xiàn)了直接、間接和虛擬指標(biāo)的展示；預(yù)測型DT實(shí)現(xiàn)基于指標(biāo)分析的趨勢預(yù)測、What-If預(yù)測、組合模擬等；隨著數(shù)據(jù)和經(jīng)驗(yàn)的積累，自治型DT將能夠達(dá)到自動學(xué)習(xí)、知識沉淀、自我優(yōu)化。我們再細(xì)看一下數(shù)字孿生的三個(gè)關(guān)鍵部分，資產(chǎn)模型、數(shù)據(jù)分析、行業(yè)知識。資產(chǎn)模型其實(shí)就是各類資產(chǎn)數(shù)據(jù)模型、層次模型、關(guān)系模型，實(shí)現(xiàn)數(shù)字化、全生命周期、統(tǒng)一的描述。這此基礎(chǔ)上，運(yùn)用相應(yīng)的行業(yè)知識（包括控制模型、維護(hù)策略、歷史經(jīng)驗(yàn)），結(jié)合數(shù)據(jù)分析手段發(fā)現(xiàn)價(jià)值。我們舉個(gè)數(shù)字化閥門的例子，它涵蓋了工程模型、數(shù)字模型，以及各種實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)，包括維護(hù)數(shù)據(jù)、各種指標(biāo)（流速、壓力、溫度），還有相應(yīng)的物理規(guī)則，這時(shí)候它已經(jīng)是一個(gè)具備一定智能層次的數(shù)字孿生實(shí)例了，不再是簡單展示。當(dāng)然最終數(shù)字孿生還應(yīng)該落地成實(shí)際的應(yīng)用，這時(shí)候再讓我們回頭看一看基于數(shù)據(jù)的智能應(yīng)用這張圖，就會發(fā)現(xiàn)數(shù)據(jù)智能應(yīng)用都是基于數(shù)字孿生的。我們再舉幾個(gè)數(shù)據(jù)智能應(yīng)用的例子，第一個(gè)是企業(yè)制造智能(EMI)。EMI其實(shí)是一個(gè)標(biāo)準(zhǔn)的制造行業(yè)術(shù)語，但在國內(nèi)知道的人可能并不是特別多。傳統(tǒng)企業(yè)尤其是離散制造類，或多或少的都會存在生產(chǎn)指標(biāo)沒有實(shí)現(xiàn)實(shí)時(shí)獲取的情形，這樣的過程、子過程數(shù)據(jù)一般通過手工填報(bào)統(tǒng)計(jì)獲得，造成生產(chǎn)指標(biāo)統(tǒng)計(jì)滯后或者失真，也無法支持實(shí)時(shí)決策。與之相反的是，數(shù)字化程度高尤其流程類制造企業(yè)，已經(jīng)實(shí)現(xiàn)了從生產(chǎn)系統(tǒng)(DCS, PLC)中直接提取實(shí)時(shí)數(shù)據(jù)，并結(jié)合實(shí)時(shí)指標(biāo)計(jì)算，產(chǎn)生實(shí)時(shí)的生產(chǎn)指標(biāo)，并支持實(shí)時(shí)決策，這種其實(shí)都可以歸為EMI的范疇。第二個(gè)例子是庫存的預(yù)測。早期庫存受到多方面輸入因素影響和多種約束條件限制，比如市場需求、客戶訂單、供應(yīng)鏈，以及生產(chǎn)中的殘次品、非計(jì)劃停機(jī)等等，造成無法精確預(yù)測產(chǎn)能以及對應(yīng)的庫存需求，也就很難形成既能滿足客戶需求、又能兼顧庫存成本要求的最優(yōu)方案?，F(xiàn)在，已經(jīng)有人在嘗試通過神經(jīng)網(wǎng)絡(luò)可以將多種歷史數(shù)據(jù)中的輸入因素和限制條件進(jìn)行訓(xùn)練，構(gòu)建多種組合分析的可能性，并對結(jié)果進(jìn)行模擬，給出推薦建議，可以獲得最優(yōu)動態(tài)庫存策略。第三個(gè)例子是SPC，就是統(tǒng)計(jì)過程控制。SPC其實(shí)并不是一個(gè)新概念，但是一直以來它僅僅被應(yīng)用在固定門限的檢測和過程穩(wěn)定性能力的離線評估上，無法應(yīng)用到實(shí)時(shí)的產(chǎn)線異常監(jiān)測和預(yù)測，更無法應(yīng)對不同參數(shù)的變化。比如說質(zhì)量控制，人們可以用SPC檢測相關(guān)的過程能力指標(biāo)，但是卻無法把這些檢測到的指標(biāo)直接反饋到產(chǎn)線的實(shí)時(shí)運(yùn)轉(zhuǎn)過程中去?，F(xiàn)在，人們開始把數(shù)據(jù)的檢測、指標(biāo)的計(jì)算等提升到實(shí)時(shí)的水平，同時(shí)，基于指標(biāo)的歷史數(shù)據(jù)進(jìn)行訓(xùn)練，不斷動態(tài)修正判決門限，實(shí)現(xiàn)動態(tài)檢測；對預(yù)期結(jié)果進(jìn)行殘差的SPC監(jiān)測。第4個(gè)例子是虛擬量測。虛擬量測是半導(dǎo)體行業(yè)提出來的概念，因?yàn)榘雽?dǎo)體制造流程復(fù)雜、精密，上游制造流程和下游制造品之間存在一個(gè)比較長的時(shí)間差，比方說一套工藝開始生產(chǎn)到出品可能有幾天的時(shí)間，等質(zhì)檢人員對下游出品進(jìn)行檢測發(fā)現(xiàn)質(zhì)量問題時(shí)，如果這個(gè)問題是上游制造環(huán)節(jié)產(chǎn)生的，因?yàn)橛袔滋斓臅r(shí)間差，那么其實(shí)不但被檢測的這一批產(chǎn)品有問題，后續(xù)幾天的出品也會無可挽回的出現(xiàn)相同問題。基于機(jī)器學(xué)習(xí)建立一個(gè)跨時(shí)間、空間維度的預(yù)測模型，通過大量的工藝參數(shù)、批次檢測等數(shù)據(jù)，尋找規(guī)律，使得上游工藝參數(shù)發(fā)生變化時(shí)，人們就能預(yù)測到這個(gè)變化會帶來什么品質(zhì)的下游產(chǎn)品，避免低良率、高殘次品情況的出現(xiàn)，這就是虛擬量測。第5個(gè)例子是Google數(shù)據(jù)中心能耗的優(yōu)化。如何降低數(shù)據(jù)中心能耗是一個(gè)世界性的難題，它涉及到的環(huán)節(jié)非常多，需要改進(jìn)的參數(shù)也非常多（可能成千上萬個(gè)），同時(shí)動態(tài)負(fù)載變化又非常快。除了物理改進(jìn)措施，Google也在利用神經(jīng)網(wǎng)絡(luò)去解決數(shù)據(jù)中心的耗能問題。大量的參數(shù)被輸入到神經(jīng)網(wǎng)絡(luò)中，通過增強(qiáng)學(xué)習(xí)尋找最優(yōu)的優(yōu)化組合，據(jù)說實(shí)現(xiàn)了40%的提升。第6個(gè)例子是美國智慧建筑VERDIGRIS的能耗管理。常規(guī)思路對各種設(shè)備的能耗實(shí)時(shí)測量需要在被監(jiān)測設(shè)備上部署儀表或者傳感器，VERDIGRIS通過監(jiān)測電力線路，再借助神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、拆解設(shè)備能耗模式，實(shí)現(xiàn)了建筑內(nèi)各種用電設(shè)備能耗的監(jiān)控。第7個(gè)例子是基于機(jī)器學(xué)習(xí)的預(yù)測性維護(hù)。傳統(tǒng)設(shè)備維護(hù)一般基于固定的告警規(guī)則、維護(hù)策略，成本高、能效低，尤其對設(shè)備故障造成的非計(jì)劃停機(jī)缺乏低成本、有效的對策。預(yù)測性維護(hù)通過海量實(shí)時(shí)和歷史數(shù)據(jù)，監(jiān)測、學(xué)習(xí)設(shè)備的運(yùn)轉(zhuǎn)模式，發(fā)現(xiàn)設(shè)備故障早期的特征，以及設(shè)備故障的發(fā)展趨勢，并能夠?qū)⑦@種經(jīng)驗(yàn)、知識廣泛的應(yīng)用到同類設(shè)備的監(jiān)測上，在故障發(fā)生之前及早提醒工作人員采取應(yīng)對措施，以免發(fā)生嚴(yán)重故障，造成非計(jì)劃停機(jī)。

05案例分享

寄云科技是工業(yè)互聯(lián)網(wǎng)服務(wù)商，這幾年主要為一些行業(yè)頭部企業(yè)提供服務(wù)，模式基本上是基于寄云NeuSeer工業(yè)互聯(lián)網(wǎng)平臺相關(guān)的產(chǎn)品和應(yīng)用，打造智能裝備、智慧工廠和生產(chǎn)運(yùn)營管控等解決方案。上圖展示了我們的主要業(yè)務(wù)領(lǐng)域，包括石油石化、電力能源、半導(dǎo)體裝備、高端制造、軌道交通等，以及部分重要客戶，基本上都是這些領(lǐng)域的領(lǐng)頭羊。寄云科技團(tuán)隊(duì)擁有多個(gè)專業(yè)領(lǐng)域的融合優(yōu)勢，既有工業(yè)數(shù)據(jù)分析領(lǐng)域的研究團(tuán)隊(duì)，也有云計(jì)算和大數(shù)據(jù)領(lǐng)域的資深成員，同時(shí)還有工業(yè)互聯(lián)網(wǎng)以及能源、電力和化工等行業(yè)專家。寄云科技提供基于NeuSeer平臺的完整的工業(yè)互聯(lián)網(wǎng)平臺解決方案，從工業(yè)設(shè)備數(shù)據(jù)采集、邊緣計(jì)算，到海量數(shù)據(jù)的工業(yè)大數(shù)據(jù)管理平臺，以及一系列針對模型和應(yīng)用開發(fā)的工具，以及基于平臺開發(fā)的預(yù)測性維護(hù)、智慧工廠、生產(chǎn)運(yùn)營智能管控等解決方案。這里我們再給大家分享幾個(gè)實(shí)際應(yīng)用案例。在之前的內(nèi)容提到，寄云科技工業(yè)互聯(lián)網(wǎng)應(yīng)用根據(jù)企業(yè)的功能層次，劃分為資產(chǎn)、運(yùn)營和業(yè)務(wù)的管理三個(gè)層面。我們先分享資產(chǎn)性能管理這個(gè)層面的案例。資產(chǎn)性能管理首先提取各種設(shè)備數(shù)據(jù)，再結(jié)合維護(hù)記錄、故障庫、產(chǎn)品手冊等信息，同時(shí)在FMEA、控制理論等機(jī)理基礎(chǔ)之上，通過變點(diǎn)檢測、機(jī)器學(xué)習(xí)等分析手段，打造設(shè)備的實(shí)時(shí)監(jiān)測、診斷、可靠性管理、性能預(yù)測、維護(hù)策略優(yōu)化等應(yīng)用，最終實(shí)現(xiàn)降低非計(jì)劃停機(jī)概率、提高運(yùn)營效率等目標(biāo)。寄云科技協(xié)助中石油旗下寶石機(jī)械開發(fā)裝備預(yù)測性維護(hù)和故障診斷應(yīng)用，實(shí)現(xiàn)邊緣層數(shù)據(jù)采集、數(shù)據(jù)平臺層匯集，以及設(shè)備運(yùn)行監(jiān)控、健康度評估，以及基于實(shí)時(shí)數(shù)據(jù)的維修維護(hù)管理。上圖是整個(gè)解決方案的架構(gòu)圖，遵循工業(yè)互聯(lián)網(wǎng)平臺的主題思路。在解決方案中，每臺鉆機(jī)大概有1000多個(gè)傳感器以及各種自動化系統(tǒng)的數(shù)據(jù)，比如電流、電壓、扭距、轉(zhuǎn)速等，通過寄云工業(yè)物聯(lián)網(wǎng)網(wǎng)關(guān)、邊緣計(jì)算網(wǎng)關(guān)以及時(shí)序數(shù)據(jù)庫等進(jìn)行采集、處理、分析和存儲。尤其寄云邊緣計(jì)算網(wǎng)關(guān)一方面可以實(shí)現(xiàn)實(shí)時(shí)的鉆機(jī)狀態(tài)監(jiān)測和維護(hù)，另一方面可以和云端深度分析相結(jié)合，對鉆機(jī)的智能維護(hù)具有代表性意義。在此基礎(chǔ)上，結(jié)合寄云NeuSeer DAStudio數(shù)據(jù)分析與建模平臺開發(fā)故障異常檢測、故障診斷、故障預(yù)測等模型，以及相應(yīng)的可視化的、可在線交互的應(yīng)用。上面是方案的一些效果圖，展示了基于實(shí)時(shí)數(shù)據(jù)的告警和故障診斷。以及包括電機(jī)、減速箱等設(shè)備的個(gè)性化告警規(guī)則設(shè)定，并基于告警規(guī)則形成故障診斷。 同時(shí)，在多種維度層面開發(fā)相應(yīng)的模型，比如設(shè)備健康度模型，可以覆蓋電氣、潤滑、傳動等各種維度健康狀態(tài)。然后，在這個(gè)基礎(chǔ)上優(yōu)化原有的設(shè)備維護(hù)策略，把之前的“定時(shí)修”的維護(hù)策略，逐步過渡成結(jié)合傳感器數(shù)據(jù)的“狀態(tài)修”。然后我們下一個(gè)階段的目標(biāo)就是計(jì)算真實(shí)的RUL（剩余壽命），基于RUL實(shí)現(xiàn)“預(yù)測修”。我們在此基礎(chǔ)上也在嘗試一些深度數(shù)據(jù)分析的拓展。比如，通過機(jī)器學(xué)習(xí)，對多維數(shù)據(jù)的變化趨勢及其之間的故障特征進(jìn)行保存和訓(xùn)練，構(gòu)建故障特征庫。這些故障特征庫可以變成“數(shù)字化指紋”，把它跟實(shí)時(shí)數(shù)據(jù)結(jié)合起來能夠?qū)崿F(xiàn)基于相似度的異常檢測和故障診斷。比如，我們可以把實(shí)時(shí)接收的傳感器數(shù)據(jù)跟這些數(shù)字化指紋比對，能夠檢測到一些故障現(xiàn)象，比如說對潤滑問題的判決。當(dāng)然，目前這種應(yīng)用還在探索階段，還需要不斷的應(yīng)用和優(yōu)化。 第2個(gè)層面是運(yùn)營性能管理應(yīng)用，主要覆蓋生產(chǎn)過程中各種關(guān)鍵指標(biāo)的優(yōu)化。我們以寄云科技服務(wù)的北美第一、全球第三大汽車零部件供應(yīng)商麥格納旗下格特拉克（江西）傳動系統(tǒng)有限公司（GJT）智能制造戰(zhàn)略落地為例。GJT智能制造戰(zhàn)略的一個(gè)重要任務(wù)是實(shí)現(xiàn)貫穿整個(gè)工廠的數(shù)字化指標(biāo)體系，也就是從設(shè)備及相應(yīng)的設(shè)備可靠性等指標(biāo)，到產(chǎn)線層面的產(chǎn)量、節(jié)拍、合格率等，再到工廠級的訂單、質(zhì)量等，再到企業(yè)級的性能和質(zhì)量等，所有這些環(huán)節(jié)指標(biāo)都要實(shí)現(xiàn)貫穿全局的互通，為基于實(shí)時(shí)數(shù)據(jù)的精準(zhǔn)決策提供支持。數(shù)字化指標(biāo)體系中的重中之重其實(shí)是設(shè)備管理指標(biāo)的實(shí)時(shí)化。GJT雖然有著先進(jìn)的設(shè)備和相關(guān)的軟件系統(tǒng)積累，但仍然存在著較多的實(shí)時(shí)數(shù)據(jù)采集盲點(diǎn)，還停留在手工記錄時(shí)代。目前相關(guān)項(xiàng)目落地后已經(jīng)實(shí)現(xiàn)設(shè)備聯(lián)網(wǎng)數(shù)據(jù)采集、實(shí)時(shí)設(shè)備運(yùn)行狀態(tài)監(jiān)控、關(guān)鍵業(yè)務(wù)指標(biāo)JPH/ OEE/MTTR/MTBF由系統(tǒng)自動生成并無紙化匯報(bào)，實(shí)現(xiàn)了降本增效目標(biāo)。通過項(xiàng)目架構(gòu)圖可以明顯的看到，這是一個(gè)典型的基于IT和OT數(shù)據(jù)融合的實(shí)時(shí)監(jiān)控和指標(biāo)分析的案例。首先數(shù)據(jù)既包含OT類非標(biāo)設(shè)備以及機(jī)床設(shè)備參數(shù)，這一類主要是時(shí)序數(shù)據(jù)，也融入了包括等IT系統(tǒng)排班等指標(biāo)，這一類主要是結(jié)構(gòu)化關(guān)系型數(shù)據(jù)，二者通過寄云NeuSeer平臺提供的時(shí)序數(shù)據(jù)庫、MPP數(shù)據(jù)庫等實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)一，最后基于寄云NeuSeer平臺開發(fā)相應(yīng)的設(shè)備監(jiān)控和報(bào)表指標(biāo)分析應(yīng)用。上面是項(xiàng)目最終開發(fā)的相關(guān)系統(tǒng)應(yīng)用的部分界面效果，首先是實(shí)現(xiàn)了整個(gè)工藝流程以及每臺設(shè)備的可視化，通過易于辨識的狀態(tài)標(biāo)識展現(xiàn)設(shè)備的阻塞、閑置、正常運(yùn)轉(zhuǎn)等工作狀態(tài)。在這個(gè)基礎(chǔ)上還對關(guān)鍵設(shè)備指標(biāo)實(shí)時(shí)監(jiān)控告警，并自動計(jì)算、匯報(bào)JPH、OEE這些指標(biāo)，所以這也是一個(gè)比較典型的企業(yè)制造智能EMI類項(xiàng)目。它同傳統(tǒng)的MES區(qū)別之處，在于它會更精確、實(shí)時(shí)、智能，這得益于實(shí)時(shí)數(shù)據(jù)、融合數(shù)據(jù)、實(shí)時(shí)計(jì)算引擎，所以它會讓生產(chǎn)變得更透明。 第三個(gè)層面的應(yīng)用案例是生產(chǎn)運(yùn)營決策，主要面向大型流程行業(yè)。寄云科技服務(wù)的某超大型能源集團(tuán)，有較多的并購、整合歷史，一方面各子公司系統(tǒng)差異大，另一方面該領(lǐng)域業(yè)務(wù)系統(tǒng)極其復(fù)雜，使得集團(tuán)層面一直以來很難實(shí)現(xiàn)數(shù)字化的業(yè)務(wù)和數(shù)據(jù)整合，造成集團(tuán)層面無法及時(shí)得到下屬公司的重大安全生產(chǎn)信息，也缺乏應(yīng)急預(yù)案集中管理和系統(tǒng)化的應(yīng)急指揮能力。借助工業(yè)互聯(lián)網(wǎng)平臺整合匯總下屬企業(yè)的實(shí)時(shí)數(shù)據(jù)，構(gòu)建統(tǒng)一的生產(chǎn)運(yùn)營管控平臺，形成一個(gè)統(tǒng)一的集團(tuán)級決策和應(yīng)急指揮的能力，是這類企業(yè)現(xiàn)階段的剛需。上面是項(xiàng)目的架構(gòu)圖，跟GJT項(xiàng)目相比，該項(xiàng)目的重心位于更高的層面，包括數(shù)據(jù)的融合、業(yè)務(wù)的梳理、智能應(yīng)用的構(gòu)建。首先在數(shù)據(jù)這個(gè)角度，如果說GJT對于寄云科技的挑戰(zhàn)是各種復(fù)雜設(shè)備的接入，那么這個(gè)大型流程集團(tuán)項(xiàng)目對寄云科技的挑戰(zhàn)是海量數(shù)據(jù)的融合。安全生產(chǎn)管控作為大型流程集團(tuán)企業(yè)的典型工業(yè)互聯(lián)網(wǎng)應(yīng)用，需要匯聚全集團(tuán)的全量生產(chǎn)數(shù)據(jù)，數(shù)據(jù)源、數(shù)據(jù)類型、量級、存取性能、穩(wěn)定性等都有著嚴(yán)苛的要求。事實(shí)證明，寄云時(shí)序數(shù)據(jù)庫、MPP數(shù)據(jù)庫等經(jīng)得起這種考驗(yàn)。另一方面，作為大型流程集團(tuán)企業(yè)工業(yè)互聯(lián)網(wǎng)應(yīng)用的典型，該項(xiàng)目還充分體現(xiàn)了寄云NeuSeer平臺在開發(fā)效率、靈活性等方面的優(yōu)勢特性。在數(shù)據(jù)融合的基礎(chǔ)上，項(xiàng)目梳理近百項(xiàng)基礎(chǔ)、業(yè)務(wù)、綜合等各方面的智能應(yīng)用需求，借助平臺的開發(fā)能力實(shí)現(xiàn)了這些應(yīng)用的靈活開發(fā)，并具備面向未來的性能、功能等擴(kuò)展能力，最終實(shí)現(xiàn)了統(tǒng)一的生產(chǎn)決策，實(shí)現(xiàn)了生產(chǎn)指標(biāo)的真實(shí)性的監(jiān)管，設(shè)備資產(chǎn)統(tǒng)一管理，統(tǒng)一的應(yīng)急指揮。未來系統(tǒng)還會展開深入的設(shè)備性能分析、可靠性分析、工藝分析……并向機(jī)器學(xué)習(xí)的深入應(yīng)用場景延展。 上圖是項(xiàng)目開發(fā)的部分?jǐn)?shù)據(jù)智能應(yīng)用功能，包括生產(chǎn)運(yùn)行監(jiān)控、安全監(jiān)控、視頻監(jiān)控、環(huán)保、應(yīng)急指揮、可靠性、能耗一系列的管理，都統(tǒng)一在一個(gè)平臺之上，同時(shí)它還會提供一個(gè)相對比較完整的企業(yè)決策支持。 從這一系列的項(xiàng)目中，我們也看到了一些趨勢，在此也分享給各位。首先，IT和OT的數(shù)據(jù)融合勢在必行，非常有必要，而且效果驚人。每一個(gè)關(guān)鍵過程的指標(biāo)，一定是跨OT和IT系統(tǒng)的基礎(chǔ)上，通過融合的數(shù)據(jù)和實(shí)時(shí)的計(jì)算得到的。這種融合，可以讓關(guān)鍵的指標(biāo)更精確，更實(shí)時(shí)。第二，應(yīng)用和數(shù)據(jù)如果實(shí)現(xiàn)分離和解耦，將會極大的提高業(yè)務(wù)的響應(yīng)能力，帶來業(yè)務(wù)的靈活性的提高，因此，就需要一個(gè)標(biāo)準(zhǔn)化的數(shù)據(jù)平臺，以及快捷的應(yīng)用開發(fā)工具。第三，ISA95已經(jīng)從傳統(tǒng)的縱向、摘要數(shù)據(jù)的整合，逐步走向橫向、全量數(shù)據(jù)的整合，并且實(shí)現(xiàn)跨L0-L4五個(gè)層級的數(shù)據(jù)標(biāo)準(zhǔn)。第四，MOM/MES的功能，已經(jīng)開始瓦解，逐步變成一個(gè)統(tǒng)一的生產(chǎn)運(yùn)營平臺上的、基于相同數(shù)據(jù)標(biāo)準(zhǔn)開發(fā)出來的、輕量級的、基于微服務(wù)的一系列新的應(yīng)用。第五，工業(yè)數(shù)據(jù)分析不要嘗試走捷徑，一定是基于對物理過程、設(shè)備的了解的基礎(chǔ)上，結(jié)合一定的統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)，才能起到準(zhǔn)確而令人信服的結(jié)果，否則是舍本逐末。第六，另一個(gè)可以看得見的趨勢，是IT系統(tǒng)和OT的融合正在擴(kuò)大到控制系統(tǒng)，APC已經(jīng)是一個(gè)IT和OT融合的例子，隨著硬件性能的提高、計(jì)算資源的豐富，未來這類融合將會越來越普及，下一代控制系統(tǒng)，一定是結(jié)合IT和OT的產(chǎn)物。

06總結(jié)和建議

最后是一些總結(jié)，以及給大家的一些建議。首先，無論是從國內(nèi)外企業(yè)的實(shí)踐案例來看，還是從像麥肯錫這樣的調(diào)研機(jī)構(gòu)數(shù)據(jù)來看，數(shù)字化轉(zhuǎn)型確確實(shí)實(shí)能夠帶來很可觀的一個(gè)能效，包括生產(chǎn)效率的提升、可持續(xù)性的提升、敏捷性的提升、產(chǎn)品上市速度的提升……甚至有些提升程度能達(dá)到200%的程度。我們再對比一下數(shù)字化投資ROI和傳統(tǒng)工業(yè)投資ROI。傳統(tǒng)投資，包括比如自動化和機(jī)器換人。數(shù)字化投資，前期的成本肯定要比傳統(tǒng)投資要搞。從時(shí)間和回報(bào)曲線來看，在開始獲得回報(bào)之后，數(shù)字化投資的ROI提升速度要明顯超過傳統(tǒng)工業(yè)投資ROI，同時(shí)，從長遠(yuǎn)的收益來看，數(shù)字化投資的ROI也能夠持續(xù)超過傳統(tǒng)工業(yè)投資ROI，保持一個(gè)穩(wěn)健的增長態(tài)勢。我們再看一下LNS給出的這個(gè)數(shù)字化轉(zhuǎn)型框架。第1個(gè)階段就是制定經(jīng)營目標(biāo)，該階段關(guān)鍵在于“靈活性”,也就是充分考慮市場需求的變化，各種原材料的需求變化，以及自身能力的變化，制定具有一定靈活性的績效指標(biāo)。第2階段要制定一個(gè)卓越運(yùn)營的KPI指標(biāo)。大家可以回頭看看我們之前講到的ISO22400之類的指標(biāo)體系，重要的是要從繁雜的指標(biāo)中分清主次，找到適合自己業(yè)務(wù)的指標(biāo)組合體系。第3階段使用新的工業(yè)互聯(lián)網(wǎng)技術(shù)構(gòu)建新的運(yùn)營架構(gòu)。第4階段在每一個(gè)過程里面設(shè)定相應(yīng)的中期、短期和長期的目標(biāo)ROI。第5階段消除偏見，尋找長期的合作伙伴，而不是臨時(shí)的供應(yīng)商。我們的第1個(gè)建議，重視指標(biāo)的建設(shè)。經(jīng)營、生產(chǎn)、設(shè)備、庫存、質(zhì)量、安全合規(guī)等指標(biāo)，一方面實(shí)現(xiàn)數(shù)字化，另一方面要落地細(xì)化。數(shù)字化要借助工業(yè)互聯(lián)網(wǎng)平臺的融合能力，實(shí)現(xiàn)指標(biāo)的統(tǒng)一管理和統(tǒng)一服務(wù)。第2個(gè)建議是重視數(shù)據(jù)平臺的建設(shè)。傳統(tǒng)工業(yè)數(shù)據(jù)一般都會分散在各種獨(dú)立系統(tǒng)中，數(shù)據(jù)平臺通過數(shù)據(jù)融合能力，海量、高效、專業(yè)的數(shù)據(jù)存取能力，統(tǒng)一服務(wù)于智能數(shù)據(jù)應(yīng)用，實(shí)現(xiàn)基于物理、基于統(tǒng)計(jì)、基于機(jī)器學(xué)習(xí)的數(shù)據(jù)分析。第3個(gè)建議盡快擁抱數(shù)字化轉(zhuǎn)型，做好分階段的規(guī)劃。第一階段還是要做好一個(gè)平臺的規(guī)劃，做好相應(yīng)的基礎(chǔ)數(shù)據(jù)采集。同時(shí)，我建議本階段可以從一些相對比較容易讓決策層通過的應(yīng)用開始。第二階段,不斷的拓展更多的業(yè)務(wù)系統(tǒng)、自動化系統(tǒng)的接入。同時(shí)，展開一些具體的基礎(chǔ)分析，比方說良率的分析、產(chǎn)能的分析來實(shí)現(xiàn)快速獲得回報(bào)，本階段不建議進(jìn)入“大而全”的嘗試。第三階段深化相應(yīng)的數(shù)據(jù)分析，開發(fā)一系列的數(shù)據(jù)智能應(yīng)用。第四個(gè)階段有條件的超大型的企業(yè)可以考慮數(shù)字化生態(tài)的一個(gè)構(gòu)建，基于已有的服務(wù)能力，去開放相應(yīng)的模型、相應(yīng)的數(shù)據(jù)、相應(yīng)的應(yīng)用，打造數(shù)字化的生態(tài)。 第4個(gè)建議是，大型企業(yè)自身數(shù)字化轉(zhuǎn)型已經(jīng)取得足夠的成果時(shí)，再考慮對外提供服務(wù)?，F(xiàn)在也有一些大型企業(yè)剛啟動數(shù)字化轉(zhuǎn)型沒有多久，就已經(jīng)考慮對外提供服務(wù)。我的建議還是先做好自身的基本功，把質(zhì)量、效率、產(chǎn)能，這些指標(biāo)先用數(shù)字化的方式來改進(jìn)起來。從兩個(gè)維度展開，第一個(gè)是價(jià)值鏈的維度，從供應(yīng)鏈再到工廠，再到客戶，再到渠道，逐步的拓展開來。第二個(gè)產(chǎn)品生命周期，從研發(fā)設(shè)計(jì)，再到生產(chǎn)制造，再到產(chǎn)品服務(wù)，整個(gè)流程利用數(shù)字化手段管理起來。第5個(gè)建議就是選擇相應(yīng)的長期合作伙伴。對于合作伙伴的評估，一定要考慮它是否具備豐富的行業(yè)知識和項(xiàng)目積累，是否具備完整的工業(yè)互聯(lián)網(wǎng)服務(wù)能力，是否具備強(qiáng)大的數(shù)據(jù)分析能力……數(shù)字化轉(zhuǎn)型是一個(gè)長期的過程，在開始就要選擇可靠的伙伴共同推進(jìn)。?最后，寄云科技是絕對值得信賴的工業(yè)互聯(lián)網(wǎng)合作伙伴，歡迎有志于數(shù)字化轉(zhuǎn)型的工業(yè)企業(yè)與寄云科技進(jìn)行深入的溝通，幾年來，寄云科技服務(wù)了數(shù)十家超大型工業(yè)企業(yè)，80%都是世界五百強(qiáng)和中國500強(qiáng)，我們提供了包括規(guī)劃、建設(shè)、服務(wù)和拓展等一系列服務(wù)，廣受客戶好評。