工業互聯網的發展現狀與展望

楊家榮

上海電氣集團股份有限公司 中央研究院 上海 200070

近年來,美國、德國等發達國家結合自身實際情況相繼發布了工業產業升級戰略,借助互聯網技術實現工業設備之間的互聯互通,進而實現工業轉型。雖然不同國家針對自己國情制定了各不相同的發展策略,但是各國的共識是第四次工業革命的主要特征是從自動化和信息化時代進入數字化、互聯化、智能化時代。技術的快速發展最終將打破原有的工業產業格局,根據美國通用電氣公司等的分析,到2030年,全球工業互聯網的經濟價值將達到15萬億美元,全球經濟規模的一半都與工業互聯網相關。目前,工業互聯網是各國搶占制造業競爭制高點的共同選擇,是推動工業經濟數字化轉型的重要驅動力,也是助力我國實現工業彎道超車,成為制造強國的重要途徑[1-2]。2017年11月,我國發布《國務院關于深化“互聯網+先進制造業”發展工業互聯網的指導意見》,提出提高工業互聯網產業供給能力,持續提升我國工業互聯網發展水平,進而加快建設我國工業互聯網產業體系。2018年及2019年,我國又密集出臺了《工業互聯網發展行動計劃(2018—2020年)》《工業互聯網網絡建設及推廣指南》等一批政策文件,大力支持工業互聯網的發展。筆者對工業互聯網的發展現狀進行介紹,并對其未來發展進行了展望。

1 發展工業互聯網的重要意義

1.1 工業互聯網是實現產業智能化升級的基礎

與一般消費互聯網不同,工業互聯網的實質是依靠傳感器和數據采集技術對制造業不同環節不斷進行實時感知和數據收集,借助數據分析和技術優化來實現對工業環節進行優化和控制,最終實現提質增效。

在工業產業轉型升級過程中,設備預測性維護的實現流程如圖1所示。設備的預測性維護、遠程運維、生產優化排程、產品質量預警等眾多服務能力的實現,以及其它更高層次的工業應用等,都需要配合數據采集、傳輸、大數據分析等信息技術。工業互聯網是這些信息技術實現和應用的基礎。未來,伴隨著傳感技術、網絡技術的發展,更多的生產制造環節和產品本身都將通過工業互聯網連接起來,這些設備互聯以后產生的海量數據將與產品研發、生產制造、服務相融合,打造全面優化的設計、生產及服務過程,實現工業產業智能化升級。

圖1 設備預測性維護實現流程

1.2 制造業服務化升級需要工業互聯網技術

服務環節在制造業價值鏈中的作用越來越大,越來越多的企業不僅注重產品的生產制造本身,而且將注意力集中到產品的整個生命周期,如提供備品備件、產品售后維護保養、設備租賃等。具體而言,航空發動機生產商不再單純依靠出售發動機盈利,而是采用租用的新型模式,并在租用時間段內承擔全部保養、維修和服務。當發動機出現故障時,不是由飛機制造商或航空公司來修理,而是由發動機公司派專人修理。一方面,發動機生產企業對自己的產品非常熟悉,可以快速定位故障,完成修復。另一方面,這些維護、維修信息也能及時反饋至設計端,以便改進、更新產品。風電設備制造企業不再單純依靠銷售風力發電機盈利,而是投入風電場的建設和運維中,利用遠程智慧運維系統掌握風電場中每臺風力發電機的運轉狀況和效率,盡可能減少停機時間,提升發電量,與用戶共享收益。這種制造+服務的模式有效促進了制造業與服務業的融合,提高了企業的競爭力和創新能力。這些服務化升級的背后,都需要依靠工業互聯網技術來準確及時采集并反饋當前設備的信息。通過對設備運行狀態數據進行分析,結合各類工況、用戶操作行為等的采集與分析,判斷設備的關鍵零部件可能出現的異常,提供設備運行在線健康診斷、故障預警、智能維護及備品備件銷售,并且支持按照服務收費、租賃等新的服務模式[3]。

2 工業互聯網實現載體

工業云平臺是面向制造業數字化、網絡化、智能化需求而構成的基于海量數據的采集、存儲、分析、服務平臺。在工業云平臺上,匯集和存儲工業設備與系統運行過程中所產生的海量數據,同時利用大數據、人工智能技術,實現包括個性化定制生產、設備健康管理、產品質量預警與管理等在內的工業應用,支撐制造+服務模式的延伸和轉型[4]。在國際上,西門子、通用電氣、施耐德等一批工業企業都推出了相應的云平臺產品,目前國內也有一批較知名的云平臺面向行業提供服務,如海爾cosmoplat平臺,可以為企業提供互聯工廠建設、大規模定制、大數據增值、供應鏈金融支持、設備智能維保等八大生態服務;三一重工的樹根互聯平臺,為企業提供設備接入、機器通信、邊緣計算、工業大數據分析、行業應用等解決方案;百度、阿里等信息技術企業也在向工業領域延伸觸角,希望借助自身在信息技術方面的優勢,通過百度云、阿里云等平臺,進入工業互聯網領域。

工業云平臺對于制造業而言具有極端重要性,一方面,它是企業今后數字資產的存儲平臺,需要具備極高的安全性和穩定性;另一方面,針對數據的各種分析與決策均需要依托工業云平臺提供的各類資源和工具來實現,因此需要具備一定的通用性和操作便捷性。一般而言,工業云平臺需具備四層架構,如圖2所示。

圖2 工業云平臺架構

(1) 邊緣層。工業數據基本以實時、短周期的時序數據為主,具有價值密度低、響應要求高等特點。基于傳統的數據中心對長周期數據進行大數據分析,能夠在周期性維護、業務決策等領域運行。而邊緣計算主要著眼于實時、短周期數據的分析,滿足本地業務及時處理執行要求。邊緣計算靠近設備端,可以有效緩解數據傳輸的壓力,支撐云端應用的大數據分析。云端也可以通過大數據分析輸出業務規則,下發至邊緣處,以便執行和優化處理。

(2) 基礎設施即服務(IaaS)層。通過現代通信技術獲取設備運行等工業數據,經數據抽取、轉換、清洗后,實現數據的分布式存儲與管理。

(3) 平臺即服務(PaaS)層。提供微服務等平臺開發技術和算法工具等支持,以便數據分析師采用特征提取、機器學習、決策優化等先進技術,對各類數據進行分析與處理,搭建數據模型,實現設備健康評估、參數異常發現、信號趨勢預測等功能。

(4) 應用層。通過友好的人機交互界面及網絡技術,以模塊化組件的形式滿足各類工業設備監測、工藝優化、狀態評估等需求,為客戶提供智能化決策支持。

3 工業互聯網在制造業中的應用

發展工業互聯網,技術是核心,融合是關鍵。工業互聯網在制造業中實現應用,需要密切結合工業生產及制造、服務過程,基于大數據分析、人工智能等技術對數據進行綜合利用,進而支撐業務的發展。一般而言,工業互聯網在制造業中主要有三方面的應用。

3.1 生產制造過程優化

工業云平臺能夠有效采集和存儲設備的運行狀態數據、質量數據、現場生產數據等,通過數據分析和優化,在工藝、流程、質量等一些場景中實現優化應用,具體包括:① 對工藝參數、設備運行等數據進行綜合分析,得到生產過程中的最優參數,提升制造品質;② 對生產進度、物料管理等數據進行分析,提高排產、進度、物料等方面管理的準確性;③ 對產品檢驗數據和過程數據進行關聯性分析,實現在線質量檢測和異常分析,降低產品的不良率;④ 對車間、企業的能耗數據進行分析,實現對設備、產線能效使用進行合理規劃,提高能源的使用效率。

3.2 管理決策分析優化

借助工業互聯網可以打通生產現場和企業管理的數據壁壘,有效提高企業的決策效率。在設備生產過程中,可以通過監控發現能耗的異常或峰值情形,隨后可以在生產過程中重新進行調整,優化能源的消耗[5]。例如上海電氣開發的紡織設備運行狀態監測與智能管理系統,除可以實時監測設備運行狀態和各種故障信息外,還能夠實時反映整廠生產效率及品種、各紡織設備生產效率、預警等關鍵信息,并具有各種報表模塊統計和各班組生產情況查詢功能,便于生產企業分析和決策。

3.3 產品全生命周期管理與服務優化

借助工業互聯網,通過將產品設計、生產運行和服務的數據全面集成,可以建立產品的履歷和檔案。在設計環節通過大量試驗數據、環境數據,可以實現制造預測和驗證。在產品使用環節,借助區塊鏈等新技術來記錄產品生產、維修等信息,并將產品與裝備的實時運行數據與設計、制造、歷史維護履歷數據進行融合,提供運行決策和維護建議,實現健康管理和預測性維護。在服務環節,通過反饋生產與實際使用過程中產生的數據改進產品設計,最終實現全生命周期管理與服務。通過工業互聯網實現產品全生命周期管理與服務優化,對于一些需要長時間運行且生命周期較長的大型高端裝備,如城市軌道交通車輛等而言,具有非常重要的意義。

4 未來發展展望

我國工業雖然起步稍晚,但作為世界工廠,我國的工業規模和水平并不低。目前,我國已是全球工業體系最完備的國家之一,具備完整的產業生態和規模龐大的制造生產設備,這些設備均可成為寶貴的數據資產來源。由此可見,未來我國制造業數據類型將最豐富,數據量也將最大,具有得天獨厚的后發優勢。此外,隨著消費互聯網的迅猛發展,我國產生了一批具有世界級影響力的企業,如阿里、百度、騰訊等,這些企業在云計算、大數據、人工智能等領域發展迅速,將會助力工業互聯網的發展[6-7]。總體而言,我國工業互聯網正穩步快速發展,但目前還存在一些不足和挑戰,如較為缺乏體系,市場主體以傳統數據庫廠商、提供開源分布式系統平臺的信息化廠商、制造業企業信息化應用解決方案提供商為主,在大數據的應用方面較為零散化,且與業務結合的深度有所欠缺。我國工業互聯網未來的發展主要面臨三個方面的問題。

(1) 缺乏數據基礎。工業互聯網的應用離不開數據,而工業控制發展歷史悠久,網絡存在協議、接口、總線等標準不統一問題。早期很多供應商為了搶占標準的制高點,避免自家產品被迫接入他家控制器而被兼容,推出了許多私有協議標準。目前來看,短期內要對各個數據接口實現統一,可能性不大,如何進行統一采集與管理數據,是工業大數據分析的最大難點。此外,工業大數據以基于時間序列的數據為主,價值密度低,使與大數據依存的智能算法無法發揮最大效能。未來可以利用射頻識別、傳感器、邊緣計算等技術進一步獲取生產線上的真實數據,為訓練人工智能系統提供數據支撐[8]。

(2) 缺乏領域知識基礎。傳統信息化解決方案提供商雖然具有信息技術優勢,但是相對缺乏工業數據,也難以很好地理解數據,很難開發滿足工業企業需求的應用,普遍還停留在狀態監測層面,偏向于通用性場景。此外,由于自身沒有風力發電機、軌道交通、電梯、分布式能源等產品或系統的設計、研發、維修、服務經驗,對于機理模型、專家經驗積累不足,導致對工業應用沒有很深的理解。工業數據的大規模、專業性、復雜性的特點決定了任何信息技術和互聯網企業必須與設備制造廠合作,才能夠獲取數據資源,進而獲取工業大數據分析所必需的行業經驗知識,這一客觀現狀限制了工業互聯網發展和應用的速度[9]。

(3) 缺乏人才儲備。對于所采集到的大量異構數據,工業云平臺提供了一個海量數據的分布式存儲和運算解決方案。要將這些數據變為有用的信息,需要數據挖掘技術、機器學習技術、人工智能技術等的綜合運用,并最終實現智能決策。一般企業不具備開發大數據應用和系統管理的能力,缺乏人才儲備,導致企業對布署實施工業云平臺普遍持謹慎態度,進而限制了工業云平臺的推廣和應用。

5 結束語

在工業大數據、人工智能等技術的驅動下,互聯網與工業將進一步深度融合,新模式、新業態層出不窮,產業模式、制造模式、商業模式不斷重塑,企業產品從設計、研發、制造、銷售到服務逐漸構成閉環,進而依靠數據存儲技術、數據挖掘與分析技術等的綜合運用,結合專家經驗知識,真正將海量的工業數據轉變為有價值的信息,實現智能決策和工業產業的轉型升級[10]。工業互聯網是一種新興技術,需要業內技術人員合理利用新技術的優勢,結合企業的現狀和基礎條件,開展細致的應用分析、技術探討與示范引領,避免盲目求新,將技術手段與業務模式變革緊密結合,主動探索基于數據驅動的發展新模式,進而促進企業轉型升級與變革。