工業物聯網實踐指南----專一生產製造活動

 

寫在前面

今年四五月份，也就是深圳雲棲大會以後的那些日子，一方面是工業互聯網（Industrial Internet）興起的擂鼓和號角聲，另外一方面倒是製造執行系統（Manufacturing Execution System，MES）實施進程的怨聲載道。這一切，不得不讓咱們深入反思近幾年來智造之路的成敗，當時的一些想法記錄在了《MES之殤和工業物聯網之春》這篇文章中。此後，在一系列的培訓和座談會上，我屢次分享了這篇文章的觀點。期間和不少學員、同行對於工業物聯網（Industrial Internet of Things，IIoT）進行了普遍的交流。與此同時，咱們在工業物聯網的實踐過程當中也有了新的思考。因而，這些交流和思考造成了下面的文字。

1、回顧過去五年

前不久，我參加了一場企業上雲的宣傳活動，無心間拍到了一張「杭州智造之路行動計劃」的膠片，而這張膠片正好幫助咱們回顧了杭州過去五年智能製造的實踐歷程。

 

圖 1杭州智造之路行動計劃

(1)       「2013年大規模推廣機器換人」

爲何是2013年？我查閱了國家統計局的相關統計數據，「因爲我國人口結構發生了重大變化，勞動力成本優點開始逐漸減弱。2010—2013年，我國16～59歲（含不滿60週歲）勞動年齡人口比重連續4年降低，由2009年的68.8%降低到2013年的67.6%，其中2010年和2011年分別比上年降低0.1個百分點，2012年和2013年分別比上年降低0.5個百分點，降低速度呈加快趨勢。」^[1]

所以，咱們不難理解，隨着人口紅利銳減，用工成本攀升，大規模機器換人迫在眉睫。因而從2013年開始，杭州市乃至浙江省其餘各市縣都掀起了機器換人的熱潮。社會大環境、企業需求以及政策紅利促使更多的科技公司進入這個行業，然而在通過幾年激烈競爭以後，咱們注意到幾個現象：

•   一方面國產工業機器人過早進入「並夕夕」時代，單臺工業機器人僅3-4萬；另外一方面國外高端工業機器人，如日本的發那科（FUNUC），其供貨週期很多於3個月；
•   解決方案供應商廣泛反映「項目多到忙不過來，但幾乎沒有賺到什麼利潤」。一個資深的自動化工程師曾不無嘆息告誡道，「轉行吧，這個行業沒有前途了」；
•   資本市場對於一般由項目製爲主導的自動化公司融資訴求的響應十分冷淡。

咱們判斷機器換人的發展方向將是專機化和數字化。所謂專機化，實質就是自動化單元的模塊化，如工裝、夾具、機器人、運動控制和視覺爲一體的視覺自動化檢測專機，便可獨立做爲檢查工序，也可協同機加和裝配組成自動化生產線；同時，經過數據採集、分析和可視化，實現自動化生產線信息化和數字化，以增值服務的方式提升設備附加值、增長用戶黏性。

(2)       「2015年全國獨創工廠物聯網」

2015年5月，國務院正式印發《中國製造2025》^[2]，標誌着中國製造業的春天來了。也正是這一年，杭州開始重點推行工廠物聯網。從已實施項目的功能來看，工廠物聯網屬於ISA95^[3]的第三層，其核心就是MES。MES事實上已經成爲繼機器換人以後，工業企業在智能製造領域投資意願最爲強烈的項目之一。咱們一樣注意到幾個現象：

• 特別是在201六、2017年舉辦的各型智能製造論壇上，關於MES的分論壇場場爆滿。專家學者、企業表明和供應商匯聚一堂，暢談實施落地的案例、方法論和策略。
• 2016年和2018年，我分別參加了兩場MES業內友商研討會。人仍是那些人，牢騷和悲觀的氣氛依然延續，雖然參與的公司已不是那年的公司。
• 以金華地區爲例，2017-2018年度被業內認爲成功的MES案例僅僅13.3%。而政府補貼、示範案例卻彷佛徹底沒有受到任何影響，那些失敗的案例依然被不斷示範和參觀着。

解決方案供應商爲了生存，不得不展開慘烈的競爭，嘗試平臺化、多領域並進、高舉高打……但終究擺脫不了死神的召喚。僅僅幾年間，由於「智能製造」而成爲資本的寵兒們，彈指一揮間竟成了棄子。與此種種，卻讓國內MES的發展趨向明朗，那些只作某個行業機聯網、質量追溯、遠程運維的公司頑強的生存了下來，他們也爲工業APP時代的到來奠基的基礎。

(3)       「2018年引領示範工業互聯網」

2018年，浙信發【2018】1號文件發佈《浙江省深化推動「企業上雲」三年行動計劃》。整體目標要求「到2020 年，全省實現上雲企業達到40 萬家，打造雲應用標杆企業300 家，培育發展國際領先的雲平臺1 個、國內領先的行業雲平臺20 個，發展雲應用服務商300 家。工業互聯網發展達到國內先進水平，造成「1+N」工業互聯網平臺體系。」

2018年註定是不平凡的一年，咱們依舊注意到：

• 阿里在各地的雲棲大會、網易的雲創大會以及華爲的「AI上有信仰的雲」，宣告巨頭全面進軍工業雲領域，無不攜帶着面向頭部行業工業APP示範案例。
• 工信部頒佈《工業互聯網APP培育工程實施方案（2018-2020）》，同時中國工業技術軟件化產業聯盟也發佈《2018工業互聯網APP 發展白皮書》。一時間傳統的ERP、WMS、MES等系統紛紛剪下前朝的鞭子，瞬間轉型升級爲工業APP。
• 製造業客戶對於企業上雲，尤爲是關乎企業核心商業價值的業務上雲依然存在巨大疑慮。當前「平臺+APP」和最終客戶之間依然存在着不小的鴻溝。

倪光南指出，工業APP關鍵技術研發和「市場化引導」緊密相關，由於軟件的核心技術每每都是用出來的。所以，工業APP當下重任是儘快引導客戶用起來，不斷固化工業流程，培養用戶習慣，並經過客戶的反饋不斷迭代，同時也驅動工業互聯網平臺持續更新。

過去五年，從2013年機器換人、2015年的工廠物聯網，時至今日的工業互聯網，政府職能部門、製造業企業、平臺和應用的解決方案供應商以及資本市場紛紛捲入這場製造業轉型升級的洪流之中。

咱們清醒的認識到，中國工業當前以及可見的將來仍將長期處於工業2.0和3.0並存、並積極向4.0轉型升級的過程當中，諸多轉型升級實踐中的痛點問題仍未獲得有效解決。所以，不管外界如何風起雲涌，咱們仍然須要把注意力聚焦到製造業真實的需求上來。

2、梳理行業痛點

當前中國製造業轉型升級的核心問題依舊圍繞「如何持續實現降本增效」。因爲歷史緣由，我國自動化、信息化、智能化發展極爲不平衡，導致當前製造業依然存在如下諸多顯性問題和隱性問題。

 

圖 2 當前中國製造業痛點

所謂顯性問題，即問題已經充分暴露在企業高管、各級主管和一線員工面前，但因管理機制問題、理念問題、資金問題等，始終沒法獲得有效解決。

•  生產流程欠規範化

各類紙質、電子版的單據和報表形式多樣，甚至各類表單中對於同一字段的描述也不盡相同；此外，審批流程不規範、行業準則形同虛設，這些問題無不制約着企業的持續發展。一位企業家直言，「若是能經過軟件規範個人生產管理流程，即便沒法直接提升效率，至少能給前來參觀客戶留下企業規範的好印象。」

•   生產管理信息滯後

沒法及時瞭解訂單和計劃執行狀況、物料流轉和消耗狀況，這和智能手機普及的現狀極不相符。例如，長期在外的銷售人員甚至不能經過手機隨時瞭解到客戶訂單的執行進度，排產人員沒法精準的知曉人、機、料、法、環的實時數據，所謂排產的基礎信息全靠電話收集。

•   質量管理效率低下

質量檢測沒法實時管控、質量追溯工做量大。以汽車零部件行業爲例，當下遊主機廠發現質量問題須要追溯時，若是沒有信息化系統支持，須要專人翻閱和整理在位於不一樣電子表格和紙質的記錄數據，收集後造成報告，一般這樣的活動很多於1周時間。

•   信息系統信息孤島

信息系統呈現離散化、碎片化，供應商多，還沒有貫通數據流。咱們交流過一家中型規模的企業，僅ERP系統就上了兩套，雖然是同一家公司開發，但因版本不一樣，數據傳遞居然須要人工導入導出。固然，企業裏更爲常見的是不一樣時期上線的不一樣系統，由於上線時僅用於覆蓋單一功能，因此和其餘系統之間並沒有接口。

•   生產設備泛多樣化

半自動設備和自動設備、標準和非標設備並存。咱們經常會看到一個生產車間裏同時存在很多於10個品牌的機牀，數控車牀與普通車牀並存、有接口與無接口的車牀並存。非標設備更是形式多樣，即便主控系統由PLC控制，是否包含通信模塊、代碼是否加密、點位是否開放都須要一一肯定。

再來看隱性問題，一方面由於沒有數據支持，沒法精確獲取生產、質量、庫存、能耗等關鍵數據而產生問題；而對於得到的大量工業數據，如何挖掘隱藏在其中的價值，則是另外一個難題。例如，生產效率低下、質量控制難度大、加工節拍不均勻、庫存週轉率不高、生產良品率低、能源消耗不透明等諸多隱性問題亟待解決。

咱們以庫存週轉率爲例，小林俊一在其著做《庫存管理》^[4]中明確指出，「庫存必須經過週轉率來把握纔看得清」、「週轉率高則資金流量的效率就高。」 若是咱們僅僅在軟件數據庫裏進行倉與倉之間的數據調撥，而不經過掃碼機制和貨品關聯，則沒法得到精準的庫存數據。此外，咱們須要的不只僅是原材料和成品倉數據，還須要瞭解零部件、半成品、在製品在線邊倉的流轉狀況。聚集這些生產物流數據以後，咱們能夠利用「按時間的順序」、「靈活運用季節指數」、以及神經網絡算法和聚類算法對庫存進行預測和分類，從而有效的提升庫存週轉率。

針對上述行業中廣泛存在的這些痛點，目前的解決方案主要分爲如下三類：

（1）       精益諮詢：主要解決工業企業規範和效率的問題；

（2）       MES：主要解決精準管理和效率的問題。

（3）       數據分析：主要用於經過發掘數據價值，解決部分隱形問題。

當以上佔據主導地位的解決方案實施艱難、收效甚微的時候，業內廣泛轉向於新興的工業互聯網，寄但願經過技術的革新帶領你們走出智能製造轉型升級的困境。

3、工業物聯網定義

機器換人、工廠物聯網、MES、工業互聯網和工業物聯網是智能製造實踐過程當中出現最爲頻繁的詞彙，尤爲迷惑的是工業互聯網和工業物聯網，着實有必要深刻理解一番。

若是說機器換人是工業2.0跨越到3.0時代的產物，工廠物聯網和MES屬於工業3.0時代的關鍵系統，那麼工業互聯網和工業物聯網則屬於工業4.0時代。

表格 1 智能製造相關概念比對說明

 

    在國內外的官方文檔中，工業互聯網和工業物聯網到底是如何定義的，它們之間的關係到底如何？我檢索了以下相關文獻：

2012年11月26日，通用電氣（GE）發佈白皮書《工業互聯網：打破智慧與機器的邊界》^[5]。其中有這樣的一段關於工業互聯網的描述，「將工業革命的成果及其帶來的機器、機組和物理網絡，與近期的互聯網的成果——智能設備、智能網絡和智能決策融合到一塊兒。咱們將此融合稱做‘工業互聯網’。」這應該是最先關於工業互聯網定義的文獻了。

我同時查閱了工業互聯網聯盟（IIC）在2015年給出了工業互聯網的定義，「The Industrial Internet is an internet of things, machines, computers and people, enabling intelligent industrial operations using advanced data analytics for transformational business outcomes.」^[6]譯文，「工業互聯網是物聯網，機器，計算機和人員，使用高級數據分析實現轉型業務成果的智能工業運營。」

中國的工業互聯網產業聯盟（AII）2016年8月發佈的《工業互聯網體系架構》，其中有關於工業互聯網^[7]的定義：工業互聯網是互聯網和新一代信息技術與工業系統全方位深度融合所造成的產業和應用生態，是工業智能化發展的關鍵綜合信息基礎設施。這應該我檢索到國內較爲權威的關於工業互聯網的定義了。

接着，我又檢索到兩篇關於工業物聯網的技術資料。

中國電子技術標準化研究院於2017年9月發佈《工業物聯網白皮書》^[8]，其中關於工業物聯網的定義：工業物聯網是經過工業資源的網絡互連、數據互通和系統互操做，實現製造原料的靈活配置、製造過程的按需執行、製造工藝的合理優化和製造環境的快速適應，達到資源的高效利用，從而構建服務驅動型的新工業生態體系。

工業互聯網聯盟（IIC）於2017年在文獻《The Industrial Internet of Things Volume G1: Reference Architecture》^[9]中給出了工業物聯網的定義，「Industrial Internet of Things (IIoT) describes systems that connects and integrates industrial control systems with enterprise systems, business processes, and analytics.」譯文，「將工業控制系統與企業系統，業務流程和分析相鏈接並集成在一塊兒」。也正是因爲這篇文獻的發佈，工業互聯網聯盟將其IIRA的名字從V1.7中的「工業互聯網」改成V1.8的「工業物聯網」。因而，二者之間的差別也再也不重要了。

我更偏心V1.8中關於工業物聯網的定義，不只僅是由於其簡潔的描述，更重要的是這個標準很好的解釋了這些年來咱們從實踐出發構建的面向生產製造的系統。

4、工業物聯網實踐

通常工業產品及相關生產設施從提出需求到交付使用，具備較爲完整的工業生命週期。涉及到「研發設計、生產製造、運維服務和經營管理四大類工業活動。」^[10]接下來，咱們着重闡述工業物聯網在生產製造活動的實踐。

從新回顧下，IIRA1.8把IIOT定義爲「將工業控制系統與企業系統，業務流程和分析相鏈接並集成在一塊兒」。所以，工業物聯網架構中至少應包含「工業控制系統」、「企業系統」、「業務流程」、「分析」以及集成的網絡。

咱們把「業務流程」和「分析」做爲系統責任，「工業控制系統」和「企業系統」做爲參與者爲基礎構建面向生產製造的工業物聯網系統。

系統架構以下圖所示：

 

圖 3 工業物聯網架構

該系統架構分爲五層：

(1)       工業數據

工業數據層主要分類爲人、設備和系統。

工業數據中的人主要包括生產製造、設備製造和系統服務。咱們把製造型企業根據其產品簡單分爲生產製造和設備製造，生產製造也稱爲製造業的C端，主要生產消費類產品；設備製造也被稱爲製造業的B端，主要生產加工類產品。這樣分類的主要目的是爲了更加方便的定義商業模式，若是應用直接面向生產製造客戶，則稱爲B2C；而經過設備製造將應用推向生產製造客戶，則稱爲B2B2C。系統服務主要指解決方案的供應商以及負責運維的城市合夥人。當設備和系統不具有采集能力時，數據來源每每經過人工的方式，所以人是工業數據中十分重要的來源。

離散製造和流程製造的設備差別巨大，這裏咱們以離散製造爲例。離散製造的主要設備包括機加、裝備和檢測。具體對接的對象則包括CNC（數控機牀、加工中心）、PLC（非標設備）、GPIO、工業機器人、RFID、傳感器和數據庫等。設備數據的特色是多源異構，以CNC爲例，SIMENS 828D採用OPC UA，而FANUC和Mitsubishi全系則採用自定義API的方式。

若是業務流程主要針對生產製造活動，則參與的系統主要包括研發設計、經營管理以及運維服務類。其中PLM屬於研發設計類、ERP和WMS屬於經營管理類。此外，用於設備預防性和預測性維護系統則屬於運維服務類。

(2)       邊緣計算

邊緣計算層主要包括驅動管理、執行環境、鏈接管理、配置管理、邊緣算法和空中下載。

驅動管理，主要負責採集多源異構的工業數據，尤爲爲工業數據層設備和系統提供統一的數據接口。該接口至少應包括事件驅動和輪詢兩種機制。

執行環境，又稱爲虛擬機、容器，負責邊緣算法的執行，向人、設備和系統輸出執行結果。

鏈接管理，負責邊緣端和雲端的通信，至少支持HTTP/HTTPS、MQTT、CoAP等協議。

邊緣算法，接受上行的工業數據，在執行環境中執行，並將下行指令發送至設備和系統。邊緣算法受苛刻的計算資源限制，多數狀況下僅負責執行，其參數由雲端訓練。

空中下載，又稱爲OTA，主要接受來自雲端的更新，不限於邊緣算法參數的更新，還包括驅動的更新、執行環境的更新等。

配置管理提供離線和在線的配置能力，合理利用受限的計算資源，知足複雜多變的應用場景。

(3)       雲計算PaaS

雲計算機PaaS層應包括垂直工業雲平臺和通用工業雲平臺。

垂直工業雲平臺面向垂直行業需求，搭建知足垂直行業的公有云和私有云。

通用工業雲平臺主要指阿里雲、騰訊雲和華爲雲等服務商提供的PaaS服務，如阿里雲提供的「阿里雲物聯網平臺」^[11]。

(4)       雲計算PaaS+

雲計算機PaaS+層一般由垂直行業的解決方案供應商提供，主要包括機理模型和數據驅動模型。

該層主要提供雲端學習服務，基於多行業工業數據，經過數據驅動模型，例如機器學習、深度學習以及模糊控制等進行持續的學習和建模；同時，提供面向細分行業的機理模型，例如理論模型、邏輯模型、部件模型、工藝模型、故障模型和仿真模型等，並不斷實現工業知識的沉澱、複用和重構。此外，用戶利用領域數據，經過平臺提供的機器學習算法模型訓練出知足客戶所需的特定模型。

該層以微服務的方式提供工業知識和開放學習模型服務。

(5)       工業應用

在PaaS+層以上提供各類生產製造類的APP，主要包括製造管理類APP和製造分析類APP。其中製造管理類APP經過網絡協同實現精準管理，製造分析類APP經過數據智能實現持續優化。

製造管理類APP包括計劃管理、生產管理、質量管理、物流管理、設備管理以及能耗管理等功能，這類APP的主要用於資產、生產、設備數據鏈接，資產、生產的管理和可視化。

製造分析類APP包括優化生產排程、消除瓶頸工序、精益生產質量、減小庫存積壓、預測設備故障以及下降設備能耗等功能，這類APP主要用於基於歷史和實施數據進行數據分析，發現外在和內在的數據價值，提早預測企業生產、物流、設備等問題，最大化資產和流程的性能，充分利用工業物聯網性能潛力。

同時，該層可提供定製化工業APP的服務。

5、展望將來

咱們分別從工業APP的發展方向、核心競爭力和落地先行幾個方面着重闡述工業APP的可見將來。

(1)       發展方向

• 工業軟件的從新定義

工業3.0時代，佔據主導地位的智能製造信息化系統，如PLM、ERP、WMS、MES、CRM、SCM在4.0時代將逐步消失，取而代之的將是支撐新工業生命週期的研發設計、生產製造、運維服務和經營管理等工業活動的一系列工業APP。

• 工業軟件的事實標準

在工業3.0到4.0的發展過程當中，會逐步造成工業軟件的事實標準。這些標準每每由占主導地位的工業APP供應商聯盟在實踐過程當中不斷探索，不斷磨合，最終被行業參與者所廣泛接受。

• 工業軟件的小而精緻

共同遵循事實標準的工業APP會不斷向專業化、小型化發展，以微服務協同的方式精準的知足客戶的需求，同時如何協同微服務的智能APP也會出如今不久的未來。

(2)       核心競爭力

• 行業模型

問題域專家和計算機專家歷來都是軟件工程中最爲重要的角色。在將來工業APP的競爭中，熟悉機理模型的問題域專家和熟悉數據驅動的計算機專家的分工與合做依然是解決方案供應商的核心競爭力。

• 客戶資源

我曾經調侃道，面向生產製造的工業APP爲何難以推廣，可能有兩個緣由：一是面對的企業家都是一些最精明的人，決策時間天然長；同時，生產製造是工業企業最爲核心業務，試圖經過標準的軟件來改變慣性的操做流程，推動難度大。但好處是一旦完成首期交付，意味着企業家已經承認，而且深刻其核心業務流程，有超強的用戶粘性。

• 服務優化

如何經過數據、應用和模型持續優化企業生產製造的流程，爲企業持續創造價值，是客戶願意爲工業APP持續付費的關鍵所在。

(3)       落地先行

• 機聯網

獲取設備工藝參數是工業物聯網建設的基本驅動力，同時設備運行狀態也爲計算OEE提供基本信息。所以，具有設備工藝參數和設備運行狀態採集、OEE計算以及統計數據的大屏展現的機聯網一直是智能製造的急先鋒。

• 質量追溯

當前，汽車主機廠對於汽車零部件的質量追溯有了硬性的要求，在功能不只須要知足正向追溯和反向追溯，同時在數據可靠性上還將引入區塊鏈技術。這樣的要求也必將逐步擴展到了整個離散行業。

• 無紙化生產

無紙化辦公的推行幾乎伴隨着PC機的普及而大行其道，而無紙化生產卻並無由於移動通信設備的大規模應用而獲得有效的增加。緣由很簡單，由於MES項目大都失敗了。所以，無紙化生產是否成功推行能夠做爲衡量工業物聯網在生產製造活動中成功與否的關鍵指標。

此外，因可見將來勞動力成本的不斷上升，定製的、項目型的工業APP價格會持續走高，而配置的、產品型的工業APP則將以十分低廉的價格呈現。

寫在最後

數學家康托爾（Cantor）提出的集合論和超窮數理論，首次從無窮數中分離了可數無窮。當咱們正在困惑如何窮盡有理數的時候，正是這個ℵ讓咱們知道了數不完的有理數依然遠遠少於實數。

亞歷山大·維蘭金（Alexander Vilenkin）是多重宇宙理論的先行者，「暴漲會在某個區域中止，而在另外一個區域繼續進行，新的大爆炸不斷爆發，新的宇宙不斷誕生。」此刻，咱們雖然只能深陷在這個因大爆炸不斷延伸的宇宙裏，卻能夠不斷想象無比生動的畫面，「無窮多個我，無窮多個你，一同看世界。」

若是望不盡世界盡頭，那麼走出世界看世界。

 

 

參考文獻

[1] 2014.12：我國經濟增加動力及其轉換[EB/OL]. http://www.stats.gov.cn/tjzs/tjsj/tjcb/dysj/201412/t20141231_662243.html.

[2] 國務院. 中國製造2025. 2015.

[3] ANSI/ISA-95.00.01-2010. AMERICAN NATIONAL STANDARD ANSI/ISA-95.00.01-2010 (IEC 62264-1 Mod) Enterprise-Control System Integration − Part 1: Models and Terminology Approved 13 May 2010[J], : .

[4] 小林俊一. 庫存管理[M].  東方出版社, 2017.

[5] 通用電氣公司（GE）. 工業互聯網：打破智慧與機器的邊界 [M].  機械工業出版社, 2015.

[6] CONSORTIUM I I. Industrial Internet Reference Architecture Technical Report, version 1.7. 2015.

[7] 工業互聯網產業聯盟. 工業互聯網體系架構. 2016.

[8] 中國電子技術標準化研究院. 工業物聯網白皮書[J], 2017, : .

[9] CONSORTIUM I I. The Industrial Internet of Things Volume G1: Reference Architecture[J], 2017, : .

[10] http://wiki.mbalib.com/wiki/工業物聯網.

[11] 阿里雲IOT[EB/OL]. https://iot.aliyun.com/.