隨著5G的商用和第一個(gè)工業(yè)互聯(lián)網(wǎng)國際標(biāo)準(zhǔn)項(xiàng)目的立項(xiàng)，2019年有望成為工業(yè)互聯(lián)網(wǎng)啟動之年，從前幾年的概念熱炒進(jìn)入到了逐步落地的階段。而在工業(yè)互聯(lián)網(wǎng)領(lǐng)域各自為戰(zhàn)的信息化企業(yè)和創(chuàng)業(yè)公司也在充分利用并購整合的策略快速成長占領(lǐng)市場，力爭成為中國版的Uptake——工業(yè)互聯(lián)網(wǎng)標(biāo)桿企業(yè)。從現(xiàn)在開始關(guān)注工業(yè)互聯(lián)網(wǎng)的創(chuàng)業(yè)公司和創(chuàng)業(yè)項(xiàng)目，不失為進(jìn)入工業(yè)互聯(lián)網(wǎng)賽道的最佳時(shí)機(jī)。

2019年，工業(yè)互聯(lián)網(wǎng)首次進(jìn)入政府工作報(bào)告，2019政府工作報(bào)告專門提及“打造工業(yè)互聯(lián)網(wǎng)平臺，拓展‘智能+’，為制造業(yè)轉(zhuǎn)型升級賦能”。最近工業(yè)互聯(lián)網(wǎng)非常熱，一是“智能+”對工業(yè)轉(zhuǎn)型升級的重要性，二是在科創(chuàng)板開市之后，與工業(yè)互聯(lián)網(wǎng)、產(chǎn)業(yè)互聯(lián)網(wǎng)相關(guān)的科創(chuàng)企業(yè)在不斷進(jìn)入科創(chuàng)板上市的行列中。此前對工業(yè)互聯(lián)網(wǎng)有大量討論，但還有很多困惑和發(fā)展不清晰之處。在鈦資本新一代企業(yè)級科技投資人投研社第24期，寄云科技創(chuàng)始人&總裁時(shí)培昕分享了工業(yè)互聯(lián)網(wǎng)如何賦能高端制造，釋放機(jī)器潛力。

時(shí)培昕博士畢業(yè)于北京郵電大學(xué)信號與信息處理專業(yè)，是國內(nèi)早期從事云計(jì)算、大數(shù)據(jù)和工業(yè)互聯(lián)網(wǎng)相關(guān)領(lǐng)域研究推廣與應(yīng)用的專家。2013年創(chuàng)建了工業(yè)互聯(lián)網(wǎng)公司寄云科技，幫助石油能源、電力能源、軌道交通和高端制造等領(lǐng)域企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，包括故障診斷、故障分析預(yù)測、可靠性分析、產(chǎn)線優(yōu)化、產(chǎn)能提升等工業(yè)互聯(lián)網(wǎng)解決方案。時(shí)培昕對工業(yè)互聯(lián)網(wǎng)領(lǐng)域的前沿技術(shù)、行業(yè)動態(tài)、客戶需求有獨(dú)到的見解，開發(fā)了國內(nèi)領(lǐng)先的工業(yè)互聯(lián)網(wǎng)平臺——NeuSeer平臺。

工業(yè)互聯(lián)網(wǎng)兩大典型玩家

工業(yè)互聯(lián)網(wǎng)主要由網(wǎng)絡(luò)、平臺、安全三大部分組成，其中網(wǎng)絡(luò)是基礎(chǔ)，特別是5G低時(shí)延網(wǎng)絡(luò)是保證工業(yè)互聯(lián)網(wǎng)的基礎(chǔ)，而數(shù)據(jù)和平臺是工業(yè)互聯(lián)網(wǎng)的核心，安全是保障。

工業(yè)互聯(lián)網(wǎng)廠商非常多，從最基本的連接端到云服務(wù)端，從IaaS端到PaaS端再到工業(yè)數(shù)據(jù)分析展示和可視化平臺再到具體應(yīng)用場景，設(shè)計(jì)仿真、生產(chǎn)優(yōu)化、運(yùn)營管理、資產(chǎn)運(yùn)維、能耗管理、采購優(yōu)化等，都是在工業(yè)里利用物聯(lián)網(wǎng)的數(shù)據(jù)采集和大數(shù)據(jù)分析后才能創(chuàng)造出的應(yīng)用場景。

兩個(gè)比較典型的工業(yè)互聯(lián)網(wǎng)玩家：

第一個(gè)是提出工業(yè)互聯(lián)網(wǎng)概念的GE旗下Digital部門，提出“通過發(fā)掘數(shù)據(jù)的價(jià)值實(shí)現(xiàn)高效的產(chǎn)出”。不幸的是GE已經(jīng)在2018年開始出售Predix，主要原因有幾個(gè)：一，GE Digital受到燃機(jī)、油氣、電力等系列主營業(yè)務(wù)的市場疲軟影響；二，低估了工業(yè)企業(yè)數(shù)字化進(jìn)程的難度；三，過于強(qiáng)調(diào)云平臺和IT能力，忽視了客戶對應(yīng)用的需求，盈利模式不清晰；四，進(jìn)行的并購和整合并沒有達(dá)到通過一個(gè)平臺統(tǒng)一不同的應(yīng)用軟件和交付能力的有效目的。GE Digital的規(guī)劃目標(biāo)，是希望通過Predix平臺結(jié)合應(yīng)用Operation Performance Management（運(yùn)營績效管理）和Asset Performance Management（設(shè)備性能管理），通過設(shè)備的健康和可靠性管理、合規(guī)性管理、資產(chǎn)優(yōu)化、策略優(yōu)化，以達(dá)到運(yùn)營性能的管理，包括提升運(yùn)營效率、實(shí)現(xiàn)過程優(yōu)化等。

第二個(gè)玩家是Uptake，是公認(rèn)的工業(yè)互聯(lián)網(wǎng)領(lǐng)域的標(biāo)桿創(chuàng)業(yè)公司。創(chuàng)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的原班人馬。其主張也是通過工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)分析，實(shí)現(xiàn)高效的資產(chǎn)性能和運(yùn)營效率的提升，提供的方案也是平臺加應(yīng)用。在平臺層，不僅提供相應(yīng)工業(yè)的基礎(chǔ)能力，也提供AI和機(jī)器學(xué)習(xí)引擎，把算法變成目錄和訂閱的方式以快速實(shí)現(xiàn)數(shù)據(jù)分析，并在上面實(shí)現(xiàn)快速應(yīng)用編譯和部署，最后形成應(yīng)用和行業(yè)解決方案。應(yīng)用主要有兩類，一類是通過數(shù)據(jù)科學(xué)、人工智能的方式實(shí)現(xiàn)資產(chǎn)性能的提升，另一個(gè)是通過提升資產(chǎn)性能提升運(yùn)營效率，都與GE非常像。

Uptake在2018年11月份收購了一家APT（Asset? Performance Technology）公司，這家企業(yè)提供了800多種類型的設(shè)備、1000多萬種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設(shè)備有多少種故障現(xiàn)象，每種故障現(xiàn)象應(yīng)該采取的應(yīng)對措施和尋找相應(yīng)根因形成維護(hù)策略。還有Uptake另外一個(gè)應(yīng)用，通過AI實(shí)現(xiàn)銷售線索、服務(wù)需求、工作流效率的優(yōu)化，主要是針對設(shè)備制造商提供一整套業(yè)務(wù)流程優(yōu)化引擎、提高銷售業(yè)績和客戶滿意度。

比較典型的案例：第一個(gè)是為卡特彼勒開發(fā)一套設(shè)備聯(lián)網(wǎng)和分析系統(tǒng)，采集設(shè)備的各類數(shù)據(jù)信息，聯(lián)網(wǎng)監(jiān)控的同時(shí)分析預(yù)測設(shè)備可能會發(fā)生的故障，以提前應(yīng)對；美國一家Class1的火車公司，在美國有大約一萬四千個(gè)火車頭，Uptake幫助其通過人工智能預(yù)測性維護(hù)，每年節(jié)省4700萬美金；AMEREN是美國一家發(fā)電廠，每年用了Uptake的人工智能應(yīng)用平臺幫公司節(jié)省990萬美金；PaloVerde是一家核電廠，每年Uptake幫其節(jié)省1000萬美金；Uptake還幫助某個(gè)重型機(jī)械經(jīng)銷商每年提高850萬美金的收入。

這幾個(gè)案例是工業(yè)互聯(lián)網(wǎng)里比較典型的應(yīng)用場景，圍繞大型設(shè)備的資產(chǎn)性能，利用數(shù)據(jù)分析實(shí)現(xiàn)設(shè)備可靠性的提升，進(jìn)而提升整個(gè)過程的運(yùn)營效率，創(chuàng)造更多的價(jià)值和利潤。

工業(yè)互聯(lián)網(wǎng)的核心技術(shù)有四個(gè)：一，邊緣計(jì)算是有強(qiáng)剛需的工業(yè)應(yīng)用場景，通過邊緣端的實(shí)時(shí)數(shù)據(jù)采集、云端的數(shù)據(jù)分析和應(yīng)用開發(fā)以實(shí)現(xiàn)高效協(xié)同，是云端應(yīng)用對邊緣端實(shí)時(shí)數(shù)據(jù)采集的響應(yīng)和控制過程；二，大數(shù)據(jù)平臺也非常關(guān)鍵，以前的工業(yè)數(shù)據(jù)都是小數(shù)據(jù)，很多數(shù)據(jù)處理都在邊緣完成，并沒有匯總起來進(jìn)行相關(guān)性分析和統(tǒng)一趨勢分析，因此實(shí)現(xiàn)應(yīng)用和數(shù)據(jù)解耦的大數(shù)據(jù)平臺也很關(guān)鍵；三，數(shù)字孿生，即通過數(shù)據(jù)化方式為工業(yè)設(shè)備定義數(shù)據(jù)結(jié)構(gòu)，結(jié)合數(shù)據(jù)分析對設(shè)備的過去、當(dāng)前和未來進(jìn)行深入的洞悉，完成設(shè)備從物理向虛擬環(huán)境映射的最關(guān)鍵描述；四，通過專家經(jīng)驗(yàn)+人工智能的方式，基于專家經(jīng)驗(yàn)指導(dǎo)的大數(shù)據(jù)樣本標(biāo)注，通過人工智能算法訓(xùn)練開發(fā)相應(yīng)的故障診斷和預(yù)測模型，實(shí)現(xiàn)精準(zhǔn)判決。

工業(yè)互聯(lián)網(wǎng)三大高端制造應(yīng)用場景

什么是高端制造？高端制造與中高端制造、中低端制造不一樣之處在于：一，生產(chǎn)過程基本上都是連續(xù)的，比如流程制造；二，需要眾多不同大型設(shè)備的高效協(xié)同，屬于復(fù)雜工藝。像石油、電力、石化、光電、半導(dǎo)體等高端制造的可能有幾百個(gè)不同的子生產(chǎn)過程, 需要保證每個(gè)生產(chǎn)過程都得到嚴(yán)格的管控，才能完成最終預(yù)期的產(chǎn)出；三，高度自動化的生產(chǎn)過程，可以根據(jù)實(shí)時(shí)采集的各種工況參數(shù)，對控制過程進(jìn)行自動化的實(shí)時(shí)響應(yīng)；四，對質(zhì)量、產(chǎn)能、風(fēng)險(xiǎn)、成本等的精細(xì)化管理要求極高，需要非常精準(zhǔn)的過程控制和結(jié)果檢驗(yàn)機(jī)制。

工業(yè)互聯(lián)網(wǎng)在高端制造里應(yīng)用場景很多，而當(dāng)前的高端制造普遍呈現(xiàn)資產(chǎn)密集、資產(chǎn)性能優(yōu)化空間大，數(shù)字化程度高但數(shù)據(jù)利用率低，經(jīng)驗(yàn)驅(qū)動、缺少科學(xué)決策能力的局面。通過結(jié)合工業(yè)互聯(lián)網(wǎng)的賦能，即資產(chǎn)性能管理、運(yùn)營效率提升、能源管理優(yōu)化、安全生產(chǎn)環(huán)保、工業(yè)控制安全，可達(dá)到：一，提高資產(chǎn)運(yùn)營的效率，降低非計(jì)劃停機(jī)帶來的風(fēng)險(xiǎn)影響；二，提高資產(chǎn)利用的效率，降低排放、降低能耗、提高安全生產(chǎn)、實(shí)現(xiàn)環(huán)保，構(gòu)建產(chǎn)業(yè)生態(tài)。正是因?yàn)楦叨酥圃炱毡榈捏w量都比較大，所以哪怕提高1%，都能創(chuàng)造巨大的價(jià)值。

高端制造的工業(yè)互聯(lián)網(wǎng)的核心不是數(shù)據(jù)采集，而是一層一層傳遞的數(shù)據(jù)的價(jià)值。工業(yè)互聯(lián)網(wǎng)平臺，能夠起到加速整個(gè)價(jià)值傳遞過程的作用，一方面能夠匯聚來自不同設(shè)備和業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，構(gòu)建數(shù)據(jù)中臺，對數(shù)據(jù)進(jìn)行規(guī)范和治理，以及針對離散化、場景化的數(shù)據(jù)分析；另一方面，它也提供了大量的跨應(yīng)用系統(tǒng)的能力重用模塊，讓應(yīng)用的交付、數(shù)據(jù)的分析變得更便捷和更簡單。

相對于傳統(tǒng)的PLC、DCS、MES或ERP這些傳統(tǒng)的IT和OT系統(tǒng)，工業(yè)互聯(lián)網(wǎng)應(yīng)用著眼點(diǎn)放在了新技術(shù)解決老問題上，它通過運(yùn)用物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算和人工智能等先進(jìn)的IT技術(shù)，去解決原先由于數(shù)據(jù)量、數(shù)據(jù)處理能力、實(shí)時(shí)性等限制而不能得到很好解決的設(shè)備可靠性、工藝質(zhì)量以及企業(yè)經(jīng)營決策等方面問題，可以說是原有IT和OT系統(tǒng)的升級和重構(gòu)。

高端制造的工業(yè)互聯(lián)網(wǎng)應(yīng)用非常離散化，應(yīng)用場景主要是三類，設(shè)備資產(chǎn)管理、運(yùn)營性能管理和生產(chǎn)經(jīng)營決策。資產(chǎn)性能管理的目標(biāo)是提高資產(chǎn)（也就是設(shè)備）的可靠性，避免非計(jì)劃停機(jī)；只有保證了設(shè)備的可靠性，才能保證運(yùn)營過程中的產(chǎn)能、質(zhì)量、成本的有效提升，才能優(yōu)化運(yùn)營指標(biāo)；而只有保證了運(yùn)營效率的提升，才能實(shí)現(xiàn)企業(yè)經(jīng)營利潤的提升和經(jīng)營風(fēng)險(xiǎn)的規(guī)避，所以這三層是通過數(shù)據(jù)的價(jià)值環(huán)環(huán)相扣的。

應(yīng)用場景1：資產(chǎn)性能管理。大型高端制造都有關(guān)鍵的大型設(shè)備，這些設(shè)備在連續(xù)生產(chǎn)過程中的停機(jī)風(fēng)險(xiǎn)，會造成很大影響。普遍來說，進(jìn)行有效設(shè)備維護(hù)的策略有：一是被動式維護(hù)，就是壞了再修，這種維護(hù)成本最高；二是預(yù)防性維修，為了避免被動維修引起的設(shè)備停機(jī)停產(chǎn)，現(xiàn)階段采用較多的是預(yù)防性維修，也就是定期保養(yǎng)；三是視情況維修或基于狀態(tài)維修，因?yàn)榍皟煞N的成本相對比較高，因此采用振動分析、紅外、超聲等檢測儀器，對關(guān)鍵設(shè)備進(jìn)行相應(yīng)的判決和檢測，基于檢測的結(jié)果決定是否要維修，提前修還是推后修；四是預(yù)測維修，基于海量數(shù)據(jù)分析對設(shè)備的實(shí)時(shí)狀態(tài)做評估，再決定是否要維修；第五，RCM或基于風(fēng)險(xiǎn)評估，結(jié)合實(shí)時(shí)數(shù)據(jù)對設(shè)備保養(yǎng)策略的一系列計(jì)算，得到基于風(fēng)險(xiǎn)管控的維護(hù)策略，實(shí)現(xiàn)更精準(zhǔn)的維護(hù)。目前GE和Uptake已經(jīng)做到了基于可靠性的維修或基于風(fēng)險(xiǎn)維護(hù)的完整策略。

現(xiàn)在的問題是：一，無法實(shí)現(xiàn)實(shí)時(shí)的判決和診斷，無法根據(jù)動態(tài)的工況進(jìn)行調(diào)整；二，無法實(shí)現(xiàn)精確的故障定位，無法實(shí)現(xiàn)精確的指標(biāo)計(jì)算；三，無法實(shí)現(xiàn)精確的壽命預(yù)測，無法實(shí)現(xiàn)預(yù)測性維護(hù)；四，無法積累、優(yōu)化和復(fù)制專家經(jīng)驗(yàn)，無法實(shí)現(xiàn)知識的自我學(xué)習(xí)和進(jìn)化。

資產(chǎn)性能管理系統(tǒng)主要涉及三方面：一是數(shù)據(jù)，即機(jī)器的實(shí)時(shí)數(shù)據(jù)、歷史維護(hù)記錄、失效記錄、產(chǎn)品手冊等；二是機(jī)理，像FMEA、控制理論等基本的工業(yè)模型；三是數(shù)據(jù)分析，變點(diǎn)檢測、時(shí)序預(yù)測、聚類回歸、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等結(jié)合在一起，才能產(chǎn)生一個(gè)相對完整的設(shè)備資產(chǎn)管理系統(tǒng)，實(shí)現(xiàn)實(shí)時(shí)監(jiān)測、故障診斷預(yù)測、可靠性管理等一系列功能，最終目標(biāo)是降低停機(jī)概率、降低運(yùn)營風(fēng)險(xiǎn)、實(shí)現(xiàn)更快的響應(yīng)能力。

怎么利用數(shù)據(jù)分析實(shí)現(xiàn)資產(chǎn)的高效性能分析呢？主要還是利用機(jī)器的數(shù)據(jù)。基于機(jī)器的歷史數(shù)據(jù)可以構(gòu)建不同狀態(tài)下的歷史數(shù)據(jù)樣本，開發(fā)各類故障的特征模型，與當(dāng)前傳感器數(shù)據(jù)進(jìn)行對比，從而對當(dāng)前的設(shè)備進(jìn)行實(shí)時(shí)的健康評估。基于歷史數(shù)據(jù)也可以構(gòu)建性能預(yù)測指標(biāo)，通過對比指標(biāo)就可以知道設(shè)備未來在什么時(shí)間可能會出問題，可以計(jì)算剩余壽命以優(yōu)化維護(hù)策略。

應(yīng)用場景2：運(yùn)營性能管理。在工業(yè)生產(chǎn)過程中有很多設(shè)備都產(chǎn)生數(shù)據(jù)，像工藝數(shù)據(jù)、質(zhì)量數(shù)據(jù)、維護(hù)數(shù)據(jù)等，都可以通過工業(yè)互聯(lián)網(wǎng)平臺采集出來，做工藝參數(shù)優(yōu)化、良率優(yōu)化、虛擬量測、關(guān)鍵指標(biāo)建模、燃燒環(huán)保優(yōu)化、能源管理等一系列分析。通過實(shí)時(shí)采集生產(chǎn)過程中設(shè)備、工藝、質(zhì)檢、環(huán)保、環(huán)節(jié)數(shù)據(jù)，結(jié)合數(shù)據(jù)挖掘和人工智能分析，可以實(shí)現(xiàn)生產(chǎn)工藝、品質(zhì)還有運(yùn)營效率全方面的優(yōu)化。

舉幾個(gè)簡單例子：

一，工作模式自動識別。在運(yùn)營中對設(shè)備的工作狀態(tài)進(jìn)行識別，只有識別了不同的工作狀態(tài)才能區(qū)別出在不同工作狀態(tài)下的工作效率和關(guān)鍵KPI指標(biāo)，這種識別原來全是手動識別或是專家經(jīng)驗(yàn)識別，現(xiàn)在完全可以通過機(jī)器學(xué)習(xí)再結(jié)合專家經(jīng)驗(yàn)的方式提取規(guī)則，創(chuàng)造自動識別的過程。

二，異常檢測。由于能夠區(qū)分不同的工作狀態(tài)，才能對不同的工作狀態(tài)設(shè)一個(gè)穩(wěn)定值，這叫SPEC值。一個(gè)設(shè)備可能工作在不同的SPEC和不同的工藝過程下，所以每個(gè)工藝過程要區(qū)分不同的工作狀態(tài)，才能知道應(yīng)該改進(jìn)哪些關(guān)鍵工藝參數(shù)。

三，根因分析。根因分析就是有多少種原因會導(dǎo)致最終的不良或排放、燃燒等關(guān)鍵指標(biāo)低下。這種根因分析往往是在不同時(shí)間維度上產(chǎn)生的，可能幾個(gè)小時(shí)之前的一個(gè)工藝參數(shù)會導(dǎo)致最后生產(chǎn)結(jié)果的質(zhì)量、品質(zhì)或關(guān)鍵指標(biāo)的劣化。數(shù)據(jù)分析需要把不同時(shí)間維度的海量數(shù)據(jù)結(jié)合在一起，通過相關(guān)性分析、相似度搜索等數(shù)據(jù)分析的方式，匹配到最有可能產(chǎn)生問題的一個(gè)匹配關(guān)系上。

四，SPEC的快速確定。在不同工藝上，比方說85%、70%、65%的良率情況下對應(yīng)不同的工藝參數(shù)范圍，很多時(shí)候都需要從歷史數(shù)據(jù)中找出相應(yīng)特定條件下相關(guān)信號的工作范圍，進(jìn)而確定相應(yīng)的SPEC值，這有助于幫助一個(gè)企業(yè)快速投產(chǎn)、快速從小批量生產(chǎn)進(jìn)入到大批量生產(chǎn)的加速過程。

五，穩(wěn)定性控制和評估。在關(guān)鍵的生產(chǎn)過程中，有一些海量產(chǎn)出關(guān)鍵指標(biāo)，比如半導(dǎo)體生產(chǎn)過程中的CD值，即關(guān)鍵的線寬要保證在一定的范圍內(nèi)抖動。利用數(shù)據(jù)分析，通過SPC進(jìn)行穩(wěn)定性控制，實(shí)現(xiàn)相應(yīng)的過程控制，以保證關(guān)鍵過程產(chǎn)出的穩(wěn)定性。

六，工藝仿真。在確定了輸入和輸出之間的關(guān)系后，能否通過回歸或者神經(jīng)網(wǎng)絡(luò)找到一個(gè)線性、非線性的模型，當(dāng)最終檢驗(yàn)結(jié)果的良率從85%掉到70%時(shí)，調(diào)整輸入到某個(gè)關(guān)鍵值就能把良率從70%再拉回到85%？這些都可以通過海量的工業(yè)數(shù)據(jù)分析實(shí)現(xiàn)。

以上這些都是圍繞著實(shí)時(shí)工藝的數(shù)據(jù)采集、分析、建模的過程。通過運(yùn)營效率的提升、數(shù)據(jù)分析、高效的運(yùn)營規(guī)劃，盡最大可能的提高工廠的產(chǎn)能和利潤，包括結(jié)合財(cái)務(wù)指標(biāo)、價(jià)格曲線、降成本等都能實(shí)現(xiàn)完整的分析。只要利用好數(shù)據(jù)分析，就可以產(chǎn)生極大的提升，很多時(shí)候創(chuàng)造的效能遠(yuǎn)遠(yuǎn)不止1%。

應(yīng)用場景3：安全生產(chǎn)管控。這部分主要針對能源化工等高端流程制造企業(yè)，通過采集設(shè)備端DCS的實(shí)時(shí)數(shù)據(jù)，結(jié)合檢測系統(tǒng)、業(yè)務(wù)系統(tǒng)和外部數(shù)據(jù)，通過大數(shù)據(jù)、人工智能、機(jī)器學(xué)習(xí)等先進(jìn)的信息技術(shù)，實(shí)現(xiàn)包括危險(xiǎn)源在線監(jiān)測、工藝參數(shù)實(shí)時(shí)告警、危險(xiǎn)場景態(tài)勢感知、重大風(fēng)險(xiǎn)預(yù)警預(yù)測在內(nèi)的全面的安全生產(chǎn)管控，達(dá)到企業(yè)經(jīng)營風(fēng)險(xiǎn)和經(jīng)營利潤的最優(yōu)平衡。

對于一個(gè)大型的發(fā)電廠或者大型化工企業(yè)，實(shí)時(shí)數(shù)據(jù)可以達(dá)到每秒鐘幾萬到幾百萬萬數(shù)據(jù)點(diǎn)。一方面，很多關(guān)鍵設(shè)備的關(guān)鍵工藝參數(shù)、環(huán)境參數(shù)以及外部的危險(xiǎn)源，僅靠人工巡檢、實(shí)時(shí)監(jiān)控和專家經(jīng)驗(yàn)判斷，是根本無法全面、實(shí)時(shí)的企業(yè)級別的安全管控要求。通過大數(shù)據(jù)的方式，進(jìn)行采集海量的實(shí)時(shí)數(shù)據(jù)并匯總、分析，基于歷史數(shù)據(jù)構(gòu)建起預(yù)測和風(fēng)險(xiǎn)模型，不僅能構(gòu)建起全面的防范體系，還能對關(guān)鍵的監(jiān)控參數(shù)以及風(fēng)險(xiǎn)事件進(jìn)行預(yù)測。

另一方面，通過將不同發(fā)電廠、化工企業(yè)的實(shí)時(shí)數(shù)據(jù)匯總到集團(tuán)的工業(yè)互聯(lián)網(wǎng)平臺，不僅能實(shí)現(xiàn)對關(guān)鍵工藝參數(shù)、關(guān)鍵風(fēng)險(xiǎn)源、風(fēng)險(xiǎn)事件的管控和指揮，也有助于集團(tuán)層面實(shí)現(xiàn)跨企業(yè)的對標(biāo)分析和優(yōu)化，并實(shí)現(xiàn)對下屬單位生產(chǎn)、耗能、排放等數(shù)據(jù)的實(shí)時(shí)采集，降低數(shù)據(jù)失真帶來的經(jīng)營風(fēng)險(xiǎn)，從行政管控轉(zhuǎn)向數(shù)據(jù)驅(qū)動的智能決策。

總的來說，高端制造行業(yè)工業(yè)互聯(lián)網(wǎng)的核心，在于工業(yè)數(shù)據(jù)的分析，而不在于工業(yè)數(shù)據(jù)的采集。雖然國內(nèi)有很多的工業(yè)互聯(lián)網(wǎng)廠商，但大多都在做基礎(chǔ)數(shù)據(jù)采集和展示。數(shù)據(jù)采集固然很重要，但在面對不同類型的企業(yè)時(shí)，優(yōu)先級有很大區(qū)分。中小企業(yè)可能要看關(guān)鍵的幾個(gè)指標(biāo)做一些告警就夠了，但高端制造客戶還要實(shí)現(xiàn)對設(shè)備狀態(tài)的可靠性分析、運(yùn)營效率的分析、性能和良率預(yù)測等復(fù)雜的數(shù)據(jù)分析。

工業(yè)互聯(lián)網(wǎng)領(lǐng)域?qū)⒊霈F(xiàn)新的“BAT”，但這將是一個(gè)長期的過程而不會一蹴而就。眾所周知，工業(yè)是一個(gè)高度復(fù)雜和碎片化的產(chǎn)業(yè)，每一個(gè)細(xì)分領(lǐng)域都需要專門的工業(yè)知識與實(shí)踐積累。長期以來，BAT雖然一直想進(jìn)入工業(yè)互聯(lián)網(wǎng)領(lǐng)域，但由于難以形成一個(gè)大而全覆蓋的平臺，因此很難像主導(dǎo)消費(fèi)互聯(lián)網(wǎng)那樣主導(dǎo)工業(yè)互聯(lián)網(wǎng)的發(fā)展。

而在另一方面，工業(yè)是中國的立國之本，是實(shí)體經(jīng)濟(jì)的主戰(zhàn)場。現(xiàn)在的中國工業(yè)大而不強(qiáng)，自主創(chuàng)新能力不強(qiáng)，產(chǎn)品還處在中低端，供給能力明顯不足。我國工業(yè)還存在著被空心化、邊緣化等問題，亟待轉(zhuǎn)型升級。而中國工業(yè)門類齊全，有41個(gè)大類、191個(gè)中類、525個(gè)小類；體量巨大，年增加值30萬億元，世界第一。無疑，中國工業(yè)的數(shù)字化轉(zhuǎn)型是一個(gè)巨大的ICT市場，存在著巨大的機(jī)會。

工業(yè)數(shù)字化轉(zhuǎn)型包括智能制造和工業(yè)互聯(lián)網(wǎng)兩大戰(zhàn)場。其中，智能制造主要是為制造設(shè)備和工廠等實(shí)現(xiàn)智能化、數(shù)字化和自動化，主要是將信息技術(shù)（IT）、數(shù)字技術(shù)（DT）與生產(chǎn)制造操作技術(shù)（OT）相結(jié)合。由于不同工業(yè)領(lǐng)域的特殊性，智能制造更多是面向細(xì)分工業(yè)領(lǐng)域的技術(shù)和解決方案，難以形成較大的創(chuàng)業(yè)機(jī)會。而工業(yè)互聯(lián)網(wǎng)則是一個(gè)巨大的平臺性機(jī)遇。不過需要注意的是工業(yè)互聯(lián)網(wǎng)是互聯(lián)網(wǎng)與物聯(lián)網(wǎng)相結(jié)合的產(chǎn)物，同時(shí)融入了云平臺、大數(shù)據(jù)分析和人工智能等新興科技，是工業(yè)環(huán)境下人、機(jī)、物、企業(yè)、生態(tài)等的全面互聯(lián)，而不是簡單的互聯(lián)網(wǎng)模式，也缺乏相關(guān)的標(biāo)準(zhǔn)。

值得一提的是，2019年6月28號，國際電信聯(lián)盟未來網(wǎng)絡(luò)與云計(jì)算工作組（ITU-T SG13）會議在瑞士日內(nèi)瓦召開，由工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟（簡稱“聯(lián)盟/AII”）理事長單位中國信息通信研究院主導(dǎo)的國際標(biāo)準(zhǔn)《工業(yè)互聯(lián)網(wǎng)網(wǎng)絡(luò)架構(gòu)與技術(shù)要求（基于未來包交換網(wǎng)絡(luò)演進(jìn)）》在會議上成功立項(xiàng)，這是包括ITU、ISO、IEC在內(nèi)的國際標(biāo)準(zhǔn)化組織啟動的第一個(gè)工業(yè)互聯(lián)網(wǎng)國際標(biāo)準(zhǔn)項(xiàng)目。

隨著5G的商用和第一個(gè)工業(yè)互聯(lián)網(wǎng)國際標(biāo)準(zhǔn)項(xiàng)目的立項(xiàng)，2019年有望成為工業(yè)互聯(lián)網(wǎng)啟動之年，從前幾年的概念熱炒進(jìn)入到了逐步落地的階段。而在工業(yè)互聯(lián)網(wǎng)領(lǐng)域各自為戰(zhàn)的信息化企業(yè)和創(chuàng)業(yè)公司也在充分利用并購整合的策略快速成長占領(lǐng)市場，力爭成為中國版的Uptake——工業(yè)互聯(lián)網(wǎng)標(biāo)桿企業(yè)。從現(xiàn)在開始關(guān)注工業(yè)互聯(lián)網(wǎng)的創(chuàng)業(yè)公司和創(chuàng)業(yè)項(xiàng)目，不失為進(jìn)入工業(yè)互聯(lián)網(wǎng)賽道的最佳時(shí)機(jī)。