美国工业专家详解工业互联网妙用

美国工业互联网联盟（IIC）技术工作组及架构任务组联合主席林诗万

　　工信部国际经济技术合作中心主办的第二届中国制造2025（深圳）高峰论坛于2017年4月8-9日在深圳举行。美国工业互联网联盟（IIC）技术工作组及架构任务组联合主席林诗万出席并发言。

　　他表示，数字化对制造业的优化主要在三个大的方面，第一个方面是对制造流程或者生产流程数字化的完善和深化。第二个是利用工业互联网的技术实现和扩大对生产设备和产品的连接。第三个是信息物联网的发展，计算和通讯技术在最小的单元组件里面与物理感应的效应深度融合在一起。

　　以下为演讲实录

　　林诗万：尊敬的李毅中部长、尊敬的钟志华校长、尊敬的夏林主任、尊敬的吴亮主任、尊敬的吴思康主任，各位尊敬的领导、专家、来宾，大家上午好！刚才李部长、钟校长和吴主任对智能制造，特别是对深圳智能制造的目标、挑战和措施都做了十分透彻的分析，在政治和经济政策上做了宏观的精辟的描述，我是做技术的，我就不谈宏观的东西，我选了一个比较技术一点的课题，为各位领导的发言做一个技术性的注解。

　　深圳提出要建立世界级的智能制造高地的目标和举措，我非常认同，我也十分相信这个目标一定能够实现。要实现这个目标，制造业企业不仅需要对产品、生产技术创新，并以客户和市场需求来推动生产，而且也需要提升企业业务经营和生产管理水平，优化生产运营，提高效率和绩效，降低成本，保障持续性的发展。而数字化制造是实现智能制造的必由之路，最近工业互联网在国内得到了广泛的关注和重视，工业互联网在智能制造和数字化制造中是一个什么样的关系？能起什么样的作用？我很荣幸今天有这个难得的机会与他们一起探讨这个问题，特别是从工业互联网在制造业数字化进程中的作用，及其在生产环境中的实施，与大家一起交流和磋商，希望能够起到一个抛砖引玉的作用。所以也特别感谢论坛主办单位对我的热情邀请。

　　我们首先回顾一下工业互联网的核心理念是什么。正如刚才李部长所强调的，信息技术对智能制造的关键作用。工业互联网可以看作为是计算和通讯技术在工业系统环境更广泛、更深入的应用，也就是我们通常所说的，信息通信技术和生产运营技术的两化融合，把实体、信息、业务流程和人员连接起来，通过数据分析，优化决策，推动生产和运营的智能化，高度优化对设备和资源的使用，从而创造新的经济成效和社会价值。

　　把设备连接起来，收集数据，通过数据分析，洞察设备和装备的运行状况，并据此对设备的运维进行优化，实现经济价值的实例，在过去几年已经报道得很多，大家也非常熟悉，我这里列了几个比较典型的案例，比如说采用工业互联网的技术，对石油开采设备实施远程监测，避免停机和生产损失。又比如通过数据分析，优化风叶的运行，增大风力发电机的发电量。还有通过数据分析确定轮船发电机的最佳工作模式，降低能耗等等。显然这些都是在对生产出来的大型装备部署以后的运行进行优化的一些例子，但是同样的方式也应该适用于在工厂环境里面。

　　工业互联网对设备的连接是基础，数据收集和分析是关键手段，而把分析所得到的信息用于做出最佳决策，优化生产和运营是最终的摩擦。所以我们讲工业互联网，很多时候谈到连接、数据，但是很关键的一点是，我们必须对收集的数据进行分析，从中得到有价值的信息，来帮助我们优化生产过程。

　　数据分析包括大数据分析，在传统的商务行业，比如金融、保险、市场分析，特别是电子商务中，已经有多年的应用和实践，在消费者市场的营销中已成了必不可少的技术。随着工业互联网和智能制造的兴起和发展，工业分析也相当于国内通常所说的工业大数据，是数据分析在工业产业的应用，一些先进的数据算法，比如说机器学习、深度学习和AI在工业环境里面的应用也具有加速发展之势。

　　去年年底，德国的数字分析协会和物联网分析机构联合发布了一个对工业数据分析的调查报告，调查结果表明，大多数分析家和工业企业的决策者都很清晰地认识到工业数据分析的重要性，认为工业分析在未来的5年对其业务的发展极为重要，同时他们还认为，设备的预测性维护是最重要的工业分析应用，甚至超过有关客户市场分析的应用。

　　工业数据分析对产品使用和维护支持的应用也排名前列，接近60%的被访者认为工业数据分析对产品质量的监管和生产流程的自动化也十分重要。

　　在我们对工业互联网的理念、技术和关注点，以及工业大数据在数字化或者智能化制造环境里面的作用有了一个初步的了解之后，现在让我们回到数字化制造这个课题。

　　利用计算和通信技术，优化生产操作流程，如果从数字化控制开始算起，也起码有了四五十年的时间，所以也不是什么新鲜事，而对生产业务、管理的数字化也起码有30年左右的历史，工业互联网可以看作是这个制造业数字化发展过程中的新阶段。粗略来看，我们可以把目前通过数字化对制造业进行优化的过程分为三个大的方面，第一个方面是对制造流程或者生产流程数字化的完善和深化，主要的流程包括企业资源管理、计划（也就是我们通常说的ERP）为首的业务管理流程，以及产品生命周期管理（也就是通常所说的POM）这两个流程。

　　第二个是通过数字化对制造业的优化，是利用工业互联网的技术实现和扩大对生产设备和产品的连接。无论是在生产过程或者是在物流过程，还是在产品的使用过程，大量的收集数据，通过工业数据分析，进一步优化制造业的生产和运营。

　　第三个是信息物联网的发展，计算和通讯技术在最小的单元组件里面与物理感应的效应深度融合在一起，实现虚拟核物理空间的交互映射，将计算、通讯和控制融为一体，为设备自动化控制提供了崭新的能力。

　　这三个方面的发展是互相关联的，并且是互相推动和支持的。今天由于时间有限，我们就只聚焦在前面两个方面：制造业流程数字化管理的完善和深化，以及工业互联网、工业大数据对制造业数字化的作用。对信息物理系统，工信部信息化和软件服务司在3月初发表了信息工业系统白皮书，在座的安司长专门为其做了序，对信息物理系统以及在智能制造的重要和广泛的应用中做了深入的研究和阐述，很值得惨嗥和学习。

　　在我们说明了基本的概念，在不同的方面来阐述数字化的作用，下一步可以做一个更详细的讨论。

　　在制造业不同的企业，这些流程都会有所不同，有一定的差异，我这里只是做了一个概括，可能会对有些企业的具体情况不是很正确地反映在这里。在这一页我们对制造业管理流程的数字化做了一个基本的概括，把重要的流程分为三大链。

　　第一链就是垂直的这一链，是以ERP为首的价值链，回答生产什么、什么时候生产，生产多少的问题，包括产品订单、生产计划、材料与供应、制造、交付与分销、客户支持这一系列，整个业务流程关注如何优化这些环节，为企业创造价值。这个管理流程所要关注的问题除了保障成本、效率、质量这些传统的生产要素之外，还必须缩短交付周期，提高资源效率和保障可持续性，实现多种产品小批量、柔性制造，快速响应市场需求的变化。

　　对大型或者是高价值装备的制造商，在这个价值链的下游，现在有这样一个机会，就是如何利用企业对产品内部技术的深度把握，利用工业互联网的技术，比如在预测性维护和资产绩效管理方面的专长，为客户提供增值服务，不仅可以为企业创造新的利润来源，也可以为企业的业务模式提升、转型，从单一的产品销售模式向服务模式，甚至是成效型模式过渡。在这个垂直的流程里边，我们需要继续把依赖于报表式的手工管理方式逐渐提升为完全数字化的过程，而且还要关注如何把不同的环节之间进行无缝的整合，让他们可以自动交互，动态响应市场或者是客户的需求。

　　第二链是水平的这一条，是以PLM为主的知识产权链，回答的是怎么样生产的问题，关注如何优化产品设计到流程设计、生产工程和制造创新的管理流程，注重在越来越短的周期里推出更多样、更复杂的产品。

　　位于价值链和知识产权链交差点的制造环节，也就是我们通常说的MES，是如何将知识产权转为业务价值的枢纽，它的管理对象是生产能力和资源，是制造业企业资产的核心，对实现企业的价值起着举足轻重的作用。MES的功能是什么呢？它是统筹生产计划的执行，生产过程的追忆，设备正常运行的高效使用，还有对产品质量的监控、检测、工人排班等等多个维度，对生产现场进行集成管理。由于它的管理对象是生产能力的资源，它跟工业互联网的实施相互配合，可以互相增强。

　　第三链是资产链，主要关注的是装备设备投产以后如何优化其运营和维护，以最低的成本产生最佳的成效，这也是在制造业外，工业互联网应用的重要场景。如刚才所提到的风力发电机等等的案例，都是属于这个范围。

　　正如价值链一样，知识产权链各环节之间也需要无缝的整合，让数据按照需要在产品生命周期的过程中顺畅的流动，从设计到制造一直到运维，简单来说这样一个使能数据流动的框架就是数据线的概念，如在离散制造的MBE的过程里面，完全实现基于三维设计、仿真验证、工业设计、制造运维产品的全生命周期的管理。

　　在数字线各个环节所收集的有关产品的数据，如设计规格、描述其几何形状、材料组件、工程模型、仿真的结果等等，每一个产品实体在制造过程中独有的人、机、料、法、质量检验的数据，还有部署、调试、使用、维护的数据，构成了产品实体的数据模型，这也是通常所说的数据原生，用数据原生的数据模型可以在其生命周期内通过仿真更有效地评估当前和未来的性能，这对预测性维护和根据产品数据使用的改进非常有价值。另外一方面数据原生对产品的追忆，特别是当产品有质量要召回的时候，能追溯到每个产品的质量因素，可以精确地决定召回的范围，减少召回的成本。

　　有了这个业务价值管理链和创新知识产权管理链，我们可以对整个制造进行很好的管理，这样可以提高我们的绩效。

　　现在回到工业互联网在数字化制造环境里面的作用。我们可以利用工业互联网的技术，在生产环境里边收集覆盖操作情况、运行状态、工况状态、环境参数，反映出这个产品和设备实况的数据，并通过分析进一步对这个过程进行优化，这些优化包括对制造设备的实时监控、故障检测诊断、预测性维护、整体设备效率、质量检测、能耗管理、人员安全监控等等。

     对这些数据的分析也越来越多基于机理模型和机器学习、深度学习、AI等高级分析方法，提供更准确的分析结果。在另外一方面，把这些实时分析结果反馈回制造管理系统，比如说MES、ERP等等，以及设备的现状，对生产过程进行必要的调整。同样的，分析结果可以用于装备运维，在他们已经部署完以后，分析的方法也可以在物流过程里面创造价值。

　　我们在生产流程里面收集了海量的数据，这些数据蕴含着大量的价值，我们需要对这些数据做时间纵向的和跨域性的大数据挖掘，突破生产过程中绩效的瓶颈，比如说确定不良率的工艺参数和操作工序等数据的关联性，生产计划和排期目标的实际差异的因素分析等等，由此产生价值。

　　由于时间关系，我今天就讲到这里，希望通过这个简单的介绍，大家能理解到工业互联网或者是工业大数据在智能制造环境里面的作用。总的来讲它们是相辅相成的，都是能够为实现智能制造发挥它们自己的作用。