|
離上班時間還有最后5分鐘，程序員小王匆匆跑進位于北京CBD的公司總部大樓，結果卻發現電梯意外出現了故障，檢修師傅至少還要半個小時才能趕來。30層的高度，爬樓梯還是不爬，這是一個問題。
與此同時，遠在德國的麥克同樣愁眉苦臉。他是一家磨床機械制造商的負責人，研磨機械里的刀具一旦磨損到一定程度，工件的加工質量就會不合格，甚至不得不停產去更換備件。要是備件庫里恰好沒有存貨，還得臨時去訂購或調貨，嚴重耽誤生產效率。
類似的情景正在各行各業里頻繁上演：航空公司因為飛機發動機的意外故障，每年要損失上百億美元的運維費用；農場主因為沒法有效監測安裝在廣袤農場里的灌溉設備，每年要浪費大量的水資源；市政管理人員因為沒法及時維修故障的路燈，為夜間的行人和車輛帶來難以估量的交通隱患……
需求和痛點是滋生創新的最好“土壤”。既然消費領域的亞馬遜、阿里巴巴等公司都在通過對消費者網上行為大數據的積累和分析，以更好地進行商業決策，那么積累了大量物理信息的工業領域為什么不能進行同樣的變革？于是，得益于物聯網（IoT）、大數據、人工智能等技術的成熟， “工業互聯網”/“工業4.0”/“中國制造2025”等概念隨之興起，“數字化”理念開始逐漸深入人心。
工業互聯網平臺誕生記
工業互聯網的本質在于挖掘工業大數據中蘊藏的價值。
挖掘數據價值的前提是要獲得數據。所以方案提供商首先要在設備端安裝大量傳感器，給原來“愚笨”的設備賦予“智慧”，使其變成“互聯互通的產品”；接著，采集到的數據按照實時性的要求，要么直接在本地進行處理，要么進一步借助通訊技術傳輸到云端；工業云平臺則通過人工智能等技術對采集到的數據進行分析，形成有價值的洞察；最后，平臺將洞察結果反饋于設備，輔助決策，進而實現運營優化。
物聯網給各行各業帶來的變革是顯而易見的，涉及到國計民生的制造業恐怕對此體會最深。除了生產效率的提升、運營成本的降低，客戶滿意度的增加，傳統制造商的商業模式也發生了翻天覆地的變化。
制造商們突然意識到“客戶不是要買電鉆，而是要買墻上的那個洞”，即客戶并不是為了買設備，而是為了買設備的功能。既然如此，為什么不能將傳統出售設備的“一次性買賣”變為提供設備功能的“長期服務”呢？就此，制造商的商業模式從傳統的“以產品為中心”，轉向了以“效果交付”為目標的全新模式，這就是所謂的“產品即服務”。
例如，基于工業互聯網的概念，RollsRoyce公司不再只是向客戶出售飛機引擎，它推出了一項稱為TotalCare的服務產品，只銷售每臺引擎的工作小時數，Rolls Royce負責為引擎的性能保駕護航。
商業清潔設備制造商ICE開創了清潔設備的按月計費租賃模式，并在客戶租賃期間保證設備的正常運行，通過物聯網技術，該公司能夠遠程監控其所有清潔設備的性能。
也就是說，在各行各業，許多企業已經發現了物聯網技術帶來的價值，并針對不同應用場景提出了不同的解決方案，但這些方案往往是零散的、不互通的。可是縱觀這些方案背后的業務邏輯，似乎又都是相似的：設備實現互聯互通→采集傳輸數據→平臺分析數據→業務優化改進。
如果能將所有物聯網解決方案背后相似的業務邏輯抽象出來，形成一套可擴展、可衡量、靈活的系統架構，包括工業互聯網在內的解決方案價值可能會出現爆發式的躍遷。這種變革，無異于當年淘寶平臺的誕生——于是，從亞馬遜的AWS IoT、阿里的Link物聯網平臺到GE的Predix、西門子的MindSphere、施耐德電氣的EcoStruxure……無論是傳統巨頭、互聯網大佬還是初創企業，都在爭相布局的平臺這塊“香餑餑”。
5月30日，施耐德電氣在杭州舉辦的“施耐德電氣2018創新峰會”上介紹了其新一代的EcoStruxure架構，我們便以此為例進行說明。
正如宣傳的那樣，EcoStruxure是一套具備交互性、可實現大規模部署、基于物聯網的開放系統架構；它將業務邏輯抽象為從互聯互通的產品到邊緣控制再到應用、分析與服務的三個層級。
圖：施耐德電氣EcoStruxure架構圖
“架構”二字，其實傳達了一點很重要的信息——EcoStruxure不僅僅是傳統意義上的工業互聯網平臺，更是一套完整的生態系統。如果把EcoStruxure架構比作一棵樹的話：
· 底層“互聯互通的產品”就是深埋于地下的根須。一棵樹要想茁壯成長，就必須從根須中汲取養分，同理，平臺要想充滿活力，也必須從互聯互通設備鋪就的土壤中吸取大量的數據養分；
· 中層的“邊緣控制”層是大樹的枝干。枝干自身既需要加工、吸收一部分營養，又起到將養分進一步向上傳輸的作用，而在工業現場，部分數據的價值跟實時性有著緊密的相關性，對于那些實時性要求較強的數據，必須由邊緣設備直接在本地進行處理，其余部分傳輸到云端，進行更進一步的復雜分析；
· 最上層的“應用、分析與服務”則是大樹結出的甜美果實。采集和分析數據只是過程，從數據中獲取洞察，并以應用軟件的方式提供服務才是目的。分析結果還能進一步反饋于設備端，幫助生產過程的持續改進。
這三層架構相互之間有機的結合在一起——沒有底層類似開關、表計、柜子、變頻器等互聯網互通的產品供給大量數據，中間的平臺就成了“無本之木”、“無源之水”；更無法奢談通過上層的數據分析產生洞察了。
基于這樣完整的架構，施耐德電氣的Ecostruxure可以實現三方面的能力：
· 用智能傳感、嵌入式計算、IP網絡與邊緣分析等核心技術實現嵌入式連接和智能化
· 以云端管理中用于控制、管理、自動化與優化的組合模塊作為實現智能運營的交互式基礎
· 用基于云端的應用、分析、服務、控制和監控作為云端數字化服務的基礎設施
同樣，強調“生態”和“整體性”的工業互聯網平臺還有西門子基于云的開放式物聯網操作系統MindSphere。
MindSphere向下為連接各類設備提供了統一的接口，實現不同設備之間的互聯互通；向上為各種各樣的應用軟件提供良好的開發、運營環境。用戶從MindSphere上獲取應用程序和服務就像從智能手機的應用商店里獲取App一樣簡單。整個工業領域中的數據采集開發者、系統集成商、應用開發者、渠道合作伙伴、設備制造商和最終客戶，都是MindSphere生態系統中不可或缺的重要角色。
圖：西門子MindSphere架構圖
工業互聯網平臺的三大門派
§ 隨著工業互聯網平臺的蓬勃發展，越來越多的玩家相繼入局。如果將工業互聯網比作江湖，那么按照企業各自的不同特質，可以劃分出主要的三大門派——互聯網派、工業派和創業派。
少林——互聯網派
這一派別以阿里、谷歌、微軟、AWS等為代表，它們在云計算、大數據分析以及軟件服務等方面有著足夠的經驗積累。看到這里你可能會奇怪，為什么阿里這樣的互聯網公司也會涉足工業互聯網？
在筆者看來，這些公司是將工業互聯網概念擴大化了。前文所述的工業互聯網，很重要的一方面是用預測型維護讓機器運行更有效率。
比如東方航空公司曾基于Predix搜集了500多臺CFM56發動機的高壓渦輪葉片保修數據，結合遠程診斷紀錄和第三方數據，建立了葉片損傷分析預測模型。再比如施耐德電氣的EcoStruxure 可以讓機械設備制造商通過平臺監測其設備運行狀況，以便在全球范圍內有效提供服務，縮短設備停機時間。
從商業模式上來說，這是M2M（Machine-to-Machine，機器對機器，是一種以機器終端智能交互為核心的、網絡化的應用與服務），是B2B。
但是阿里強調的工業互聯網，把產品（這里指工業產品）從研發、生產到、消費再到反饋、迭代的整個產品生命周期全都考慮了進來。重點在于產品生產出來后消費者的反饋如何能影響廠家再次迭代、改進產品。
這是C2M。
§ 阿里等互聯網企業口中的工業互聯網，是大數據時代的工業互聯網，最主要的支撐要素就是外部得來的數據，數據也是阿里云平臺最大的優勢和核心資源。這和以外功見長的“少林派”武功何其相似。
武當——工業派
這一派別以國外的GE、西門子、施耐德電氣和國內的樹根互聯（由三一集團孵化）等為代表。原來，他們或者是以提供硬件解決方案為主的老牌傳統工業巨頭，或者是全球能效管理領域的領導者，一覺醒來，卻都紛紛要向軟件公司轉型了。
轉型的陣痛無可避免，但這些公司的優勢也很明顯，即在工業Know-how以及專業技術上有著深厚的行業積累。工業領域每個細分行業應用千差萬別。例如，鑄造行業對工業互聯網的應用場景涉及很多的具體應用；風電行業中，整個風電如何通過工業互聯網進行管理有著自己的一些規律；而在制藥機械行業，又有自己獨特的行業應用……如果不是深耕于行業的專家，根本無法提供滿足客戶需求的解決方案。
工業巨頭的優勢在于行業積累，和以內家功夫見長的“武當派”不謀而合。但這也意味著它們在平臺技術上不如傳統互聯網公司，所以往往會選擇和相應的合作伙伴強強聯手。比如西門子的MindSphere就是其聯合SAP基于開源的Cloud Foundry架構打造的；施耐德電氣的EcoStruxure 則是基于微軟強大的Microsoft Azure，有許多方便的軟件應用。
丐幫——創業派
創業工業互聯網平臺企業情況相對比較復雜，表面看起來，它們一不如互聯網企業財大氣粗、資金雄厚，二沒有工業巨頭的百年底蘊和深厚積累，活脫脫一個苦逼的“丐幫”。
實際上，這些公司的創始人往往來自于行業內牛哄哄的大企業，所以創業基因可能包含了前東家自帶的ICT技術服務、互聯網模式等。它們一般會在某一細分技術領域有著獨門絕技——“打狗棍法”，但想成為一個全行業覆蓋全球的通用型工業服務平臺有較大的阻力。
從制造業發展趨勢來看，制造業正成為全球經濟發展的焦點，傳統產業轉型升級需求迫切。作為轉型升級的“利器”，工業互聯網平臺發展是時代的產物，是歷史的必然。
工業互聯網平臺的“殺手锏”
既然說了這么多，那么在眾多的工業互聯網平臺中，究竟哪一派別才能夠更好的推動傳統制造業的轉型升級呢？筆者認為，傳統工業巨頭隱藏著新興互聯網公司和初創企業所不具備的“殺手锏”。
首先，是數據資源的問題。那么究竟誰才能夠真正觸及海量的數據資源？看到這個問題，很多人第一時間會想到類似阿里巴巴、亞馬遜這樣的電商巨頭，因為他們能夠通過自身平臺接觸大量的用戶消費數據。話是沒錯，可這只是企業數據金礦的一部分。企業的數據資源應該來自于三個維度：第一是企業生產經營活動的利益相關者，客戶數據當然是其中非常重要的一環，但還應包括他的供應商、合作伙伴和競爭對手的數據；第二是企業本身的產品或服務背后蘊藏的數據；第三是企業生產經營活動中產生的數據。
這時我們就會發現，在第二和第三維度上，傳統工業巨頭相比“輕資產”的互聯網企業擁有顯而易見的優勢。像施耐德電氣這樣的企業，不但為OEM提供解決方案，自己也坐擁包括智能斷路器，可編程控制器和變頻器在內的無數硬件設備——工廠里的每一臺設備都是一個塞滿數據的寶箱，每一條產線都是一條流淌著數據的小河，多年生產經營活動的歷史文本更是一個堆滿數據的圖書館，這些數據有著非同尋常的價值。
更重要的是，傳統巨頭具有深入行業的“know-how”。
雖然很多問題都是“旁觀者清”，但是在工業生產中，“當局者清”的描述才更為恰當。即使是同一臺設備，由于工況差異其劣變程度也會有所不同，如果沒有深厚的行業積累，即使企業收集到了大量的數據，將數據制成了各種精美的圖表，看不懂數據背后的意義，也就產生不了有價值的洞察。只有專精于某個垂直市場的傳統企業才會對具體應用場景里的規律有自己最精專的洞見。
以施耐德電氣為例，它有一個遠端的400人的專家庫，可以幫助工程師診斷復雜性的事件。這個專家庫相當于什么級別？我們不妨拿協和醫院類比一下，很多人愿意把生命的最后一次機會交給協和醫院，你到協和醫院去看病遇到的第一個大夫叫一線大夫，稱為L1，當一線大夫看不了你的病他自己會呼叫L2，L2是國家級的專家，L2不行L3。施耐德電氣這個專家庫就相當于協和醫院的L3，一旦設備出現無法解決的問題，就可以尋求專家庫來解析機器性能曲線。目前，施耐德電氣正在采用“AI訓練”的方式讓機器去學習這些老專家的經驗，從而將“人的經驗”進一步轉化成“系統的經驗”，以期未來的診斷更有效率。這種寶貴的行業專業資源是互聯網巨頭和初創公司難以企及的。
總之，工業互聯網為人們的生產生活帶來了巨大的變革。將城市中的路燈、汽車、樓宇連接在一起；將工廠里的控制器、驅動器、各種底層設備連接在一起，能讓我們的生活更便捷，工作更輕松，生產更高效。期待在不久的將來，程序員小王再也不會因為電梯故障而遲到了……
|
