技术平台

您现在的位置: 首页 > 技术平台 > 物联网/云计算

IIoT工业互联网的下一站,通过场景智能PI连接数据和未来

作者:物女王    来源:物联网智库   发布时间:2018-06-07 08:59:49

   【流媒体网】摘要:智能制造和升级转型虽然已经提了多年,但传统企业向智能企业转型的红利期仍将持续。许多优秀的制造企业蓄势待发,大量汇聚技术、人力、资本,准备在新的一轮残酷竞争中脱颖而出。

 


 

微信图片_20180607090043.jpg

  这段时间,可谓多事之春夏,同为国家战略,中国制造2025遭受围攻,工业4.0却安然无恙。探

  究其背后的核心,无疑是大国之间科技实力的抗衡,技术终将被用到包括制造业在内的实体经济上。

  在上一个经济周期里,中国取得的最辉煌的成就是成为了首屈一指的制造大国。制造业一直是中国的支柱产业,得益于改革开放后的数十年发展,中国一度成为“世界工厂”,积累了大量的劳动密集型产业和高科技创新型产业,形成了完整的产业链条,因此也成为了大国之间关系的焦点。

  在接下来的经济周期,贸易分歧仍然存在,科技冷战可能上演。与其注重短期的攻防套路,不如将视线移至长远,做正确而非容易的事,提速工业互联网在制造业的发展,沉淀科技筹码,行至下一站,坐看云起时。

  从制造业到“制造即服务业”

  智能制造和升级转型虽然已经提了多年,但传统企业向智能企业转型的红利期仍将持续。许多优秀的制造企业蓄势待发,大量汇聚技术、人力、资本,准备在新的一轮残酷竞争中脱颖而出。

  越来越多的制造企业正在形成基本共识,工业互联网是他们在转型升级过程中可以借助的有效工具。尤其从年初开始,他们之中,一些企业对于工业互联网的认知又发生了“质”的迭代。

  他们不再把工业互联网当作简单的进行数据采集和机器控制的手段,而是希望以连接为基础,以数据为生产资料,以工业互联网为生产力,通过机器和流程的智能化改造生产关系和商业模式,研发、生产、销售、使用环节彼此成就,再铸更高层次的辉煌。

  如果铺陈这一更高层次辉煌的愿景,它更像是一次国家竞争力方向的重塑。这一次,我们需要凭借科技实力对劳动力技能和基础设施进行大规模的转化,完成从制造业到制造即服务业(Manufacturingas a Service,MaaS)的迭代,创造以制造服务业为主要驱动力的经济体。

  提到服务业,人们往往会冒出种种偏见和疑虑。从制造业到制造服务业,乍看之下,与深置于我们思想当中的重物质生产,轻服务提供的观念互相违背,但其实这是一次第二产业(工业)与第三产业(服务业)不可避免的融合。

  “客户不是要买电钻,而是要买墙上的那个洞”,道理我们都懂,但是“电钻”的成本很好计算,“洞”的成本应该如何核算,如果价格不合理,太贵的“洞”客户不愿意买单。

  从大批量制造,到个性化生产,再到制造即服务MaaS模式的演进,过去制造业赖以生存的规模效应消失了,在小规模生产的前提下,产线投资和运营成本都无法被继续摊薄。

  不付出代价,怎能换来价值?个性化生产与MaaS模式的成本,与大规模制造相比,一定是提升的。产品和服务将会越来越贵,而并非边际成本为零。在这种情况之下,如何有效的控制人力投入,提升服务的性价比,完成从卖设备到卖服务的转变?

  答案听上去很简单:通过工业互联网为制造业赋能。历经从边缘智能、到互联互通、再到云端升华的过程,计算分布化、数据集中化,迈向制造即服务MaaS的转型。

  满足制造企业向MaaS模式演进、通过数据创造价值的需求,是摆在工业互联网IIoT企业面前的一道必答题。

  然而回答不易,不如跑马圈地。

  所以在落地的过程中,放眼望去,一地鸡毛。当下众多的工业互联网IIoT平台,数十家乃至上百家,大部分还在到处撒胡椒面似的拉帮结派。

  殊不知,如此简单就能圈到的所谓“盟友”,来得快,散得也快。如果不能通过工业互联网平台创造价值,终究是无用功。面铺得越大,越快遭到反噬。

  虽然未来的制造即服务产业将是什么形态,现在还难以把握,但至少我们可以从“生命”的视角静下心来观察产业。

  在这个视角下,每个产业都像是一种嵌套生命,其中的企业都有自己的新陈代谢周期,有自己信息技术IT与运营技术OT融合的节奏,也有自己实现智能化与自动化的韵律。

  细胞如果生长动力不足,将会面临老化,细胞如果自我复制的欲望太盛,又会演变为癌症。比把握细胞的成长更难的是,拿捏制造业转型的节奏。而工业互联网作为其中的核心,如何真正创造价值,为企业赋能,是我通过这篇文章想与你探讨的唯一问题。

  书非借不能读也,人非跨界不能问也。这一次,你不妨和我一起跳出制造业回望,听听“圈外人”的观点,也许会对你的思考有所帮助。

  今天,你将看到一次对话的实录,其中包含能说的和不能说的。希望通过这篇近万字的长文,让你我共同完成思想的蜕变,迈向工业互联网的下一站。

  与我长谈的是人工智能领域的顶尖科学家,刘震。他曾任罗技全球CTO、微软亚洲工程院院长、诺基亚中国研究院院长、IBMT. J. Watson研究中心高级经理、法国国家信息与自动控制研究所主任研究员等职务。

  出于对学霸的尊重,我们值得充分了解他的经历。

  刘震是60后,1984年毕业于上海交通大学,随后到法国深造。他是国际电气和电子工程师协会(IEEE)院士,拥有近30年的ICT行业的研发经验,在云计算,大数据,人工智能,通信网络及分布式系统和流处理系统等领域取得了重要的研究成果。刘震在国际期刊和会议上发表了200多篇论文,获得了100余项美国技术发明授权专利和10多项欧洲技术发明授权专利,在20多个国际会议上发表过主旨演讲,曾担任多个国际学术大会的主席和技术日程主席,并在2004年和2008年获得美国计算机协会(ACM)杰出服务奖。

  至于他现在哪里任职,我先卖个关子,继续阅读,自然揭晓。

  场景智能,开启制造业价值挖掘新蓝海

  物女王:如果从结果逆推,制造业的终局将是什么形态?

  刘震:一种新的生存环境。制造企业可以让用户自由定制产品,整个自定义过程就像是看着自己的“小孩”长大,当产品还在生产线上的时候,就可以从“怀孕”状态开始跟踪。比如定制一辆车,用户可以查询马达是不是到货了,车身用的什么材料。汽车到手之后,开到路上,根据用户的驾驶行为数据,制造商提供各种智能服务,以及保修建议。当然用户也可以选择不买车,而是使用共享汽车,享受用车服务。

  物女王:也就是我们常说的C2M(Customer-to-Manufacturer)和MaaS。

  刘震:是的。根据Gartner数据显示,2020年的全球工业互联网市场规模可达4420亿美元。这也意味着工业互联网发展将会迎来最好的机遇和时期。

  最近的埃森哲全球人工智能AI研究报告,提到在2035年企业利润将平均增长38%,主要归功于将更多先进的人工智能应用于金融、IT和制造领域。但是在AI实施的早期阶段,很多用户仍旧不清楚AI应该如何部署。

  这其中有大量工作要做,整个产品生命周期的链路都要打通。尤其是融入人工智能AI,或者我们说场景智能(PerbasiveIntelligence,PI)更加合适。

  物女王:什么是场景智能PI?

  刘震:人工智能推动了整个业界的数字化转型,各行各业都想着利用大数据,利用人工智能,来把我们的业务、生活做得更好、更智能化。

  通过借助各种传感器和算法,形成无处不在的场景智能。不仅能够认知场景,还要和场景对话,让场景理解你的愿望,实现你想做的事情。

  在各行各业的各个场景中,都会有智能化的出现。智能化出现之后,要将数据提升到洞察力,并且能够提供给决策的层次。

  在我看来,技术的发展有两个主要的方向。其一是精细化,就是我们在实验室里做的那些“高精尖”的研究,这些基础性、开拓性的研究,决定了未来技术发展的深度。另一个方向是普及化,就是让技术真正为人所用,把技术变成产品、服务、洞察、智能,让技术真正变成生产力,去推动制造业的创新。

  物女王:工业中AI不一定有多么高的智商,而是要求数据分析的准确性。在消费领域中,成功率70%-80%可能就足够,但是在工业领域,必须要求达到99.99%才能过关。

  刘震:将消费端数据分析的经验应用到制造业,本身就是挑战。

  物女王:AI或者PI在制造业要如何落地?

  刘震:通过数据分析进行图像识别、音频识别、认知服务、不良率分析、远程运维、智能诊断、质量改进,这些都是PI在制造业的应用场景。

  物女王:这里有大把机会。

  刘震:讲个好玩的应用。我从2003年开始,做了一项工作,在现在看来仍旧是比较新的,就是利用人工智能算法,让计算机自动编程。

  如果用户需要编一个程序,就告诉计算机大致的需求,输出什么东西?输入什么东西?然后计算机就会编程帮助用户实现目的。在工业场景之下,很多工程师熟悉OT,可能IT经验比较少,自动编程这时就会派上用场。

  物女王:场景的确很多。先做哪个,按照什么优先级来推进?

  刘震:首先是知识的电子化。一方面,GE之前做了很多开拓性的工作,他们提出DigitalTwins数字化双胞胎,把机器和设备数字化,把其中的关键部件、关键结构描述出来,就是一种知识。另一方面,涉及流程。每个产品有生产流程、每个软件有管理流程,每个产品出厂的时候有供应链流程,流程的数字化也是一种知识。

  这其中,可能会使用类似“用户画像”的手段,去做“设备画像”。根据画像判断生产制造的配方,或者给出维护维修建议。

  场景智能PI在工业互联网的应用领域比B2C大很多,能够真正帮助工业界降低成本、提升生产效率。

  物女王:设备画像,这步最为关键。

  刘震:^_^

  物女王:但是,不容易。

  刘震:是的。举个例子,你可以给绣花机做一个画像,也可以给高炉做一个画像。形成绣花机的画像,就要分析这台设备的操作过程?分析绣出的图案?操作的精度如何?

  当与同类绣花机对比了以后,这个设备画像才有意义,形成一种设备维度的标准数据。通过高炉的画像,我可以分析不同场景中使用的配方,做到知识的复用。

  物女王:设备画像包含哪些流程?

  刘震:设备画像与设备管理系统是一款智能生成设备标签,并支持用户自定义和管理定义设备及设备生命周期的大数据产品。

  设备系统目前主要面向生产制造、售后服务、量化金融、融资租赁等领域,需要用到相关属性的设备类别。用户通过简单的配置即可基于IIoT大数据分析平台的高性能处理能力,快速得到物联设备的各种个体与群体标签,精准获取设备生产运行状态等个体实时标签、累计工时等个体历史标签、效率排名及风险排名等群体特征比较性标签。

  企业通过设备画像和设备管理来不断从设备物联数据获取想要的信息,帮助提升业务精准度。它可以帮助企业实现数据资产的沉淀,打造数据驱动业务的能力,精准预测和构建设备和操作手的特征库,搭建以设备为中心的大数据运营体系。

  物女王:在推进“设备画像”的过程中,前方有哪些“坑”值得注意?

  刘震:现在大家对于人工智能的期待值很高,可以说过高了。设备画像的难度在于对不同的机器做不同的数据采集分析。数据是核心价值,当针对每一种产品或者机器采集数据的时候,维度可能是几十个,乃至几百个。

  这是什么概念?比如开车时候采集的行驶速度、油耗、车内温湿度等,这些就是数据的维度。采集多少维度,涉及工程难度,维度太低,分析不可能深入。

  物女王:需要多长时间完成数据采集?

  刘震:不是时间问题,如果方法得当,每天都可以采集大量的数据,数亿量级。

  物女王:数据维度有没有评估的方法?

  刘震:这里我只能点到为止。工业领域的应用和消费市场有本质不同,数据采集的难度不在一个量级。消费市场比较容易获取语音或者图像数据,大量训练模型。

  但这在工业界行不通,设备数据人家不愿意拿出来,有保密性。设备数据归属于制造商,而非IIoT云平台,所以就要设计一种共享机制,参与方都能获益。

  工业互联网,并不是工业的互联网

  物女王:我把工业互联网赛道上的企业分为几种类型:

  1. 提供基础性技术集成的类型

  2. 提供项目型解决方案的类型

  3. 提供模块化产品平台的类型

  4. 提供闭环数据链路服务的类型

  大部分的公司属于提供项目型解决方案的类型,因此大家不约而同在思考,工业领域有没有可能产生一种共性的KillerAPP,杀手级应用?

  刘震:我的判断是不可能出现Killer APP。在消费互联网领域,单点的一个APP就有可能撬动一个很大的用户群体,工业领域中几乎不可能出现同样的状况。

  工业应用非常碎片化,但在每个子场景中都可以做很多事情,创造出真正的价值。点滴的优化都需要依靠长期的积累,需要一种工匠精神,通过AI逐步转化原有的知识积累的过程。

  因此在做工业互联网的时候,必须意识到它与消费互联网有本质不同。工业互联网将走向更底层,向生产端渗透,提高生产效率。

  如果生产端没有被改造,就不太会有新的东西出来,没有新的产品生产出来,价值链就很难通过B2B2C向消费者端渗透。因此我认为人工智能会先向B2B行业的纵深去发展。

  关于我们的目标,我想用泛计算鼻祖马克•维瑟的话来概括:最具深远意义的技术,是那些消失在我们视野里的技术,它们将自己消无声息地融入我们的生活,不易察觉。

  物女王:在工业领域和消费领域的AI应用,有什么区别?

  刘震:我举个例子来说明。比如在工业中应用的图像识别,通过摄像头监控机器的运行状态,识别故障并进行预警。这种应用与消费领域的人脸识别完全不一样。需要拿当前的状态与原来的状态进行对比,识别出问题。

  物女王:你在带队开发哪些应用?

  刘震:太具体的我还不能说,之后你会看到。

  工业互联网平台的下一站

  物女王:如果从制造业的终局递推,工业互联网平台还需要迈上哪些台阶?

  刘震:一般我们将工业互联网平台,分为几个层级:

  底层,物联接入层,让大部分工业企业还没有联网的设备,也就是哑机器,通过传感器把数据采集上来,再传到云上。第二层,大数据和云计算的管理公共服务平台。第三层,工业特定的PaaS层,基于机器的数据模型优化机器全生命周期的运营。第四层,基于工业互联网平台做应用。

  做到这四层还不够,还需要拔高一层,通过智能服务,制造企业实现C2M和MaaS商业模式的转变。

  打好这个基础,有大量工作需要开展,包括持续迭代微服务架构、实现版本的自动更新、建立时序数据库等。

  物女王:做好工业互联网平台,涉及很多战略层面的选择。比如,是打“性能仗”,还是打“功能仗”?

  刘震:我会选择先做好功能,深耕细作,先在工业领域的垂直场景上扎根。

  物女王:所以你准备选择难走的路?这其中有哪些挑战?

  刘震:工业互联网一个最普遍的挑战,是怎样把IT和OT连接起来。OT中有大量的设备和软件,它们的生命周期远远长于IT领域。IT产品有可能以星期的节奏迭代,而OT产品的周期则是以年计算。如何把IT的最新技术引入OT,这是一个非常大的挑战。

  举个例子,一个最新的操作系统引入OT,现有硬件是否能支持?如何保证系统的稳定性和可靠性?操作系统的版本更新之后,如何下放到设备层?这是整个工业互联网业界,都需要面对的问题。

  物女王:还包括刚才我们谈到的数据采集,也是挑战。

  刘震:重点是解决last mile如何连接的问题,这里面涉及的协议非常多,打好基本功是绕不过去的。这就需要与合作伙伴一起,做好一个垂直领域的应用,再做横向延伸。

  物女王:哪里是工业互联网的下一站?

  刘震:我在微软时一直在思考,下一步智能机器会朝什么方向发展?到底要注重哪些方面?

  因此我们推广了认知服务从视觉、语音、语言、知识、搜索等方面进行解析,比如从视觉角度,共有四个API:

  分析图像:基于所输入图像的视觉内容分析出图像的视觉特征,好比输入图像后,就可以将一些物体的标记找出,通过这些物体的标记同时来描述这些功能,可以看图说话;

  识别名人:可以识别来自全球各地涉及商界、政界、体育、娱乐界的名人;

  读取图片中的文字(OCR):在图像中检测并识别文本;

  生成缩略图:这个是一个简单的应用,是生成高品质和高存储效率的缩略图。

  从投资的角度来讲,大公司中人工智能的投资是很大的。我们看一下现在市值最大的五个公司:苹果、谷歌、微软、脸书和亚马逊。这些公司在产品、开放平台、开源、研发上都有巨大的投入。

  因此做工业互联网,我们要站在巨人的肩膀上,推动下一阶段的进程。

  谁将把握机会?谁将退出舞台?

  物女王:这方面的工作如何开展?

  刘震:我正在建立人工智能实验室。

  物女王:那么来谈谈你的新职务吧,为什么加入树根互联做CTO?

  刘震:三个原因。第一,工业互联网有时间窗口,就是现在。第二,企业需要具备工匠精神,在一个领域中长期积累,做深做透。第三,创始人眼中让我看到了不一样的光芒。

  物女王:所以你押注树根互联会在IIoT的赛道中胜出?

  刘震:树根互联有很好的基础,起源于三一集团2007年开始搭建的物联网平台,并在2016年开始独立运作。目前,树根互联的根云平台已经连接了超过45万台高价值设备,能采集上万个参数,完成各种智能分析。

  最初,在2007年,三一集团之所以决定做物联网应用,源自于一个非常朴素的需求,那就是管好售后服务。

  因为对工程机械来说,售后服务的挑战比较大,设备的部署漫山遍野,有可能在西域高原、有可能在西沙群岛,而且这些设备的维修跟其他设备不一样,一定是上门服务,相比其他行业增加了难度。在当时有种说法,就是谁能做好服务谁就是王者。

  所以如果机器能够联网,自动故障报警,做智能的服务体系,这对企业的价值是最大的,只要少跑一趟、少发错一次配件、快速让工程师能够上门服务,就可以避免很多客户的损失。

  在智能化体系的支撑下,这个场景也一直延续到了现在,不仅把基于地理位置的应用用到极致,服务效率极大地提升,还基于大数据做配件库存的优化,测算出配件的需求,做到在减少大量库存的情况下,同时提高用户满意度。

  一家传统的制造企业,如果先把制造、服务和生产的所有环节数字化,然后用计算机运算、存储和分享沟通,同时具备足够的创新机制,自然就会体外孵化出一家提供信息服务的数据公司,就像树根互联。

  一个例子可以说明一切。比如62米超长臂架混凝土泵车,在小批量试制阶段,他们对110台车辆的操作长臂进行了为期3个月的重点监控,收集了36,541条数据。通过大数据分析发现了末级臂架的特殊姿态对无线信号遮挡导致遥控可靠性的问题45起,从而迅速调整控制程序,大幅提高遥控操作的可靠性。

  物女王:这是你选择树根互联的底气?

  刘震:一是树根的工业知识积累,二是,他们愿意认认真真的深耕细作。前者需要互联网公司花时间追赶,后者体现的工匠精神是难得的企业文化。

  工业互联网的发展不能浮躁,不能去赌出现Killer APP的可能性,指望一个应用成功了就能独步天下。同时也不能依靠补贴,急功近利的让成百上千家企业迅速完成所谓的转型升级。

  任何一个公司的成功都是由一系列的战略决策造就,从三一集团到树根互联,取得今日的成绩离不开一系列的果断选择:1、推进流程信息化的变革;2、加大创新,增加研发投入;3、寻找新兴的国际市场;4、“互联网+”的思维方式变革。

  未来树根互联的上升动力,取决于今天的正确决策。守住寂寞,扎扎实实的做好一个个行业,所以我认为树根互联有很大的胜算。

  物女王:看来工业互联网企业先要建立Don’t Do List。

  刘震:有些IIoT企业的商业模式还没有跑通,还没有到大量复制的阶段。大量复制一个尚待验证的模式,这其中蕴含着巨大的风险。

  物女王:为什么看准当下这个时机?

  刘震:过去因为计算能力的限制,数据的输入量、数据的采集量都受到了限制,现在因为基础设施有了指数级的发展,数据能够被大量采集,人工智能也就具备了更大的施展空间。从外部和内部环境两个方面来看:

  外部环境,中国制造业面临激烈竞争,往日优势正在逐渐流失。越南、孟加拉等东南亚国家在低端制造业领域逐渐侵蚀中国空间。而高端制造业方面,德国和日本等发达国家依然保持优势。

  内部环境,传统工业标准化流程存在劳动效率低、安全风险高等问题。随着国内“缺工”问题越来越严重,企业也“不得不”考虑使用技术手段提高劳动生产力,从人口红利转向人力资本红利。

  加入树根互联,从事工业互联网方向是顺势而为。如果加入IIoT阵营太晚的话,可能就没有什么事情可做了。

  物女王:什么时候IIoT的角逐会见分晓?

  刘震:潮水退去不用很久,明年你再看。

  相同的起点,不同的抉择

  刘震2017年初加入罗技,担任全球首席技术官,负责罗技公司从端到云的整套技术战略和规划,制定并启动了以人工智能为中心、大数据平台为支柱和设备平台为辅的战略。上个月,刘震选择加入树根互联。他作为联合创始人兼首席技术官,带领树根互联推进根云平台从端到云的完整的产品线研发,以满足工业互联网市场需求,赋能工业企业,提高生产效益,优化供应链管理以及拓展智能产品。

  刘震说,自己对技术的追求,就像航海士一样不断在添加新的世界地图板块,而他不断增加自己对技术的认知和研究,同时将之用于实践,以满足市场需求,并捕捉其商业化的机会。出于对前沿技术的追求,他始终对中国最前沿的工业互联网技术的发展趋势保持着敏锐关注。

  在此之前,刘震于2012年加入微软,任微软亚洲工程院院长。刘震负责和直接主持了微软的多项全球研发项目,包括微软公有云的认知服务平台的研发和运维,公有云网络的自动部署,以及在中国的物联网和智能云服务。

  从刘震的经历中映射出的这一波微软的“毕业大潮”不得不提。作为人工智能领域的“黄埔军校”,微软研究院及工程院向业界输出着一波波人才。

  2018 年 1 月底,前微软亚洲研究院多媒体搜索与挖掘组资深研究员梅涛博士宣布加入京东,担任 AI 研究院副院长。

  2018年2月,原微软亚洲研究院研究员、世界计算机图形领域专家王立峰博士将出任 51VR CTO 兼首席科学家。

  2018年3月,原微软(亚洲)互联网工程院副院长、微软全球合伙人于伟拿到投资,开始了自己的创业之路。

  几乎同时,另一位原微软(亚洲)互联网工程院的副院长沈徽,加盟商汤科技,担任副总裁、工程院院长、首席架构师的职务。

  刘震可以说是“黄埔军校”中第一位加入工业互联网赛道的杰出人才,别人向左走,而他向右走,料想他已经做好了以工匠精神扎根工业互联网的准备。

责任编辑:张君华
版权声明:凡来源标注有“流媒体网”字样的文章,版权均属流媒体网站,如需转载,请注明出处“流媒体网”。非本站出处的文章为本站转载,观点供业内参考,不代表本站观点。

相关新闻

{$Hits}