什么是工業(yè)應(yīng)用？
對工業(yè)企業(yè)來說，應(yīng)用通常分為兩類：
IT類應(yīng)用：跟管理相關(guān)，包括辦公協(xié)同、人力資源管理、ERP、CRM，以及財(cái)務(wù)管理等應(yīng)用，主要圍繞人為主體的工作流。
OT類應(yīng)用：跟設(shè)備和流程相關(guān)，包括MES、DCS、SCADA、TPM、TQM相關(guān)的應(yīng)用。
第一類工業(yè)應(yīng)用，因?yàn)樯婕暗捷^多的企業(yè)差異化特征，需要很強(qiáng)的本地交付和定制能力，所以基本以國內(nèi)的軟件開發(fā)廠商為主，集中在一些高度定制化的領(lǐng)域，也正是由于國外廠商很難保證本地快速交付和定制，才有了國內(nèi)廠商的生存空間。但這些軟件都很難實(shí)現(xiàn)標(biāo)準(zhǔn)化，所以國內(nèi)工業(yè)軟件廠商普遍生存狀況都很艱難。
第二類工業(yè)應(yīng)用，也即OT應(yīng)用，是直接同工業(yè)設(shè)備打交道的，因此需要具備更多的專業(yè)知識，包括機(jī)械原理、電子電路、數(shù)據(jù)分析和數(shù)學(xué)建模、材料科學(xué)等，因此對開發(fā)人員也提出了相當(dāng)高的要求，要求軟件開發(fā)人員具備比較全面的跨專業(yè)能力，才能完成軟件的開發(fā)?？上攵?，這一類別的OT軟件人才是多么難得。
長期以來，國內(nèi)的企業(yè)軟件人才都普遍集中在IT應(yīng)用領(lǐng)域，OT領(lǐng)域的軟件人才極其匱乏，這也造成了OT應(yīng)用也是我國軟件產(chǎn)業(yè)最薄弱的一環(huán)，長期被國外設(shè)備廠商（GE、西門子、Rockwell、ABB、IBM等）所壟斷。
觀點(diǎn)
Predix上面開發(fā)的應(yīng)用是從OT應(yīng)用開始，逐步延伸到IT應(yīng)用。同時(shí)，Predix的OT應(yīng)用，也主要是針對GE銷售的各種高端設(shè)備在運(yùn)行階段的各種優(yōu)化，如設(shè)備健康管理、生產(chǎn)過程效率提升和質(zhì)量提升等。這一點(diǎn)，跟國內(nèi)很多工業(yè)互聯(lián)網(wǎng)廠商的出發(fā)點(diǎn)是非常不一樣的。為什么Predix要從OT應(yīng)用開始？很簡單，在工業(yè)里面，所有的IT應(yīng)用都要最終服務(wù)于OT，而OT應(yīng)用直接跟工業(yè)的產(chǎn)出相關(guān)，因此OT應(yīng)用的提升空間遠(yuǎn)比IT應(yīng)用更大，創(chuàng)造的價(jià)值也更大。
現(xiàn)有OT應(yīng)用的痛點(diǎn)
現(xiàn)有的OT應(yīng)用，已經(jīng)無法滿足日益增長的效率提升的需求，主要體現(xiàn)在如下幾個(gè)方面：
1.無法適應(yīng)工業(yè)的“大數(shù)據(jù)”
隨著逐步推進(jìn)的數(shù)字化過程，工業(yè)數(shù)據(jù)已經(jīng)逐漸呈現(xiàn)“大數(shù)據(jù)”的4個(gè)V的特質(zhì)：
>>數(shù)據(jù)量(Volume)
工業(yè)，特別是3.0階段的工業(yè)，數(shù)據(jù)量之大是驚人的。每個(gè)大型復(fù)雜的設(shè)備都有數(shù)千個(gè)需要測量的信號，每個(gè)復(fù)雜的生產(chǎn)環(huán)節(jié)里面有數(shù)萬個(gè)數(shù)字化的參數(shù)，而且很多工業(yè)信號（電流、電壓、震動）的采集頻率已經(jīng)達(dá)到了Gbps級別，因此對應(yīng)的工業(yè)應(yīng)用系統(tǒng)都必須具備實(shí)時(shí)的流式和批量處理能力、海量的存儲能力以及相應(yīng)強(qiáng)大的分析能力，而這些在傳統(tǒng)的工業(yè)應(yīng)用里面是不具備的。
>>多樣性(Variety)
從工業(yè)數(shù)據(jù)源、數(shù)據(jù)采集、存儲和處理、分析方法等不同角度來看工業(yè)上的數(shù)據(jù)，都具備多樣性特征，而且遠(yuǎn)遠(yuǎn)超出其他行業(yè)數(shù)據(jù)的多樣性。
>>實(shí)時(shí)性(Velocity)
同許多其他行業(yè)數(shù)據(jù)分析很大程度上只是為了實(shí)現(xiàn)人的決策支持不同，工業(yè)行業(yè)中很多數(shù)據(jù)都有著很高的實(shí)時(shí)性處理要求，這不僅體現(xiàn)在基于規(guī)則的異常檢測、告警到自動反饋的過程，還包括需要在設(shè)備或者制造的連續(xù)過程中不斷采集實(shí)時(shí)數(shù)據(jù)、重新訓(xùn)練和修正模型的精度并重新發(fā)布的過程。
>>價(jià)值(Value)
通過數(shù)據(jù)分析創(chuàng)造的價(jià)值，在工業(yè)里面就更毋庸置疑。GE前任CEO Immelt曾經(jīng)提出過一個(gè)概念叫“1%的威力”，說的是在一些重點(diǎn)行業(yè)（油氣、電力、軌交、航空等）通過數(shù)字化的手段實(shí)現(xiàn)1%的資產(chǎn)效能和生產(chǎn)效率的提升，就能夠創(chuàng)造萬億級的利潤。
大數(shù)據(jù)給傳統(tǒng)工業(yè)帶來的挑戰(zhàn)，恰恰是傳統(tǒng)工業(yè)應(yīng)用無法應(yīng)對的。
舉一個(gè)例子，自動化生產(chǎn)都會伴隨著產(chǎn)生大量的設(shè)備和生產(chǎn)數(shù)據(jù)，通過對數(shù)據(jù)的精細(xì)化的分析，可以找到在生產(chǎn)過程中各種不確定現(xiàn)象（產(chǎn)能和良率抖動、設(shè)備無計(jì)劃停機(jī)）產(chǎn)生的原因，從而能夠創(chuàng)造出非常高的價(jià)值。并且越自動化的生產(chǎn)過程，數(shù)據(jù)量、維度和實(shí)時(shí)性的要求也就越高。
但是，正是由于缺少對大數(shù)據(jù)在采集、存儲和分析上的支持，傳統(tǒng)應(yīng)用僅僅能夠?qū)崿F(xiàn)有限維度的實(shí)時(shí)監(jiān)控，無法從海量的傳感器指標(biāo)中分析出對異常有貢獻(xiàn)的因素，更無法對各種關(guān)鍵指標(biāo)的發(fā)展趨勢進(jìn)行預(yù)測。
2.無法實(shí)現(xiàn)對未知的探索
相對于工業(yè)2.0，工業(yè)3.0最大的進(jìn)步就是引入了PLC（Programmable Logic Controller），運(yùn)用數(shù)字化的手段實(shí)現(xiàn)對設(shè)備運(yùn)行情況、外部環(huán)境、產(chǎn)品數(shù)據(jù)的測量，通過實(shí)現(xiàn)對設(shè)備運(yùn)行和操作的反饋，來保證制造和設(shè)備運(yùn)行的準(zhǔn)確性和穩(wěn)定性。因此，原本在工業(yè)2.0階段完全靠操作人員聽、看、聞、摸等模糊化的測量和手動的控制手段，在3.0階段通過部分的數(shù)字化實(shí)現(xiàn)了精準(zhǔn)的測量，并根據(jù)設(shè)定的機(jī)理制定相應(yīng)的控制邏輯，實(shí)現(xiàn)穩(wěn)定的輸出控制。
工業(yè)行業(yè)內(nèi)流傳一句經(jīng)典的話：“如果能夠測量，就一定能夠改善”，也就是說一個(gè)工業(yè)過程，如果所有的輸入以及影響要素都是可以測量的，那工業(yè)過程的輸出一定是可控的。
但是，真實(shí)的工業(yè)卻遠(yuǎn)遠(yuǎn)沒有那么簡單。
首先，在生產(chǎn)過程中存在太多的影響因子，并且由于工業(yè)數(shù)據(jù)量巨大并且傳統(tǒng)的保存分析手段有限，導(dǎo)致很多貢獻(xiàn)異常的要素都無法在事先規(guī)劃好并且有效地保存下來，因此也容易產(chǎn)生很多無法解釋的問題。
其次，工業(yè)生產(chǎn)和運(yùn)營過程里面，很多工業(yè)的因素是無法直接測量的，比如設(shè)備的健康度、螺絲的松緊程度、軸承的不平衡情況等。因此，只能依靠其他可測信號的數(shù)據(jù)，通過機(jī)理模型的方式來實(shí)現(xiàn)間接測量。但是由于很多變量不可測，造成工業(yè)有很多明知其然卻不知其所以然的現(xiàn)象，故而也無法用準(zhǔn)確的機(jī)理模型來解釋。
第三，對海量歷史數(shù)據(jù)的實(shí)時(shí)分析和預(yù)測能力的缺失，造成無法從海量歷史數(shù)據(jù)中尋找到相應(yīng)的規(guī)律（相關(guān)性、因果性等），更不用說對未來的預(yù)測。
這些原因，都造成了很多工業(yè)的未知現(xiàn)象無法依靠傳統(tǒng)的應(yīng)用來解決的問題。
舉一個(gè)例子，在故障維修模式上，由于缺少有效的數(shù)據(jù)分析和壽命預(yù)測手段，傳統(tǒng)的工業(yè)應(yīng)用只停留在了預(yù)防性維護(hù)階段，通過定期的保養(yǎng)實(shí)現(xiàn)早期的故障預(yù)防。這種維護(hù)成本是非常高的，企業(yè)不得不去安排更多的人力、預(yù)留更多的備品備件來實(shí)現(xiàn)早期的預(yù)警，因此往往無法在過度維修(定期巡檢)和被動維修（故障停機(jī)之后的維修）之間取得有效的統(tǒng)一。
3.無法實(shí)現(xiàn)專家經(jīng)驗(yàn)的沉淀
工業(yè)領(lǐng)域中最具寶貴的價(jià)值無疑是專家的知識和經(jīng)驗(yàn)。但是，工業(yè)領(lǐng)域卻一直缺少對專家知識和經(jīng)驗(yàn)的有效保存、復(fù)制和轉(zhuǎn)移的手段。這種專家的知識和經(jīng)驗(yàn)，不僅包括在特定情況下的異常判決和處理方式，更包括優(yōu)化的策略。
但是，眾所周知，人的認(rèn)知都是模糊而不是精確的，如果沒有數(shù)字化的手段，就沒有辦法實(shí)現(xiàn)精準(zhǔn)的判決。同時(shí)，人的認(rèn)知僅僅只能夠停留在有限的時(shí)間和有限維度的判決上，無法擴(kuò)展，更無法實(shí)現(xiàn)對復(fù)雜問題的精準(zhǔn)分析。
而傳統(tǒng)的工業(yè)應(yīng)用，一方面由于缺少數(shù)字化的手段（數(shù)據(jù)采集、數(shù)據(jù)存儲、模型開發(fā)等）而造成專家知識難以形成量化的結(jié)果，另一方面也缺少有效的知識經(jīng)驗(yàn)開發(fā)工具，幫助專家提升知識經(jīng)驗(yàn)積累的能力。
舉一個(gè)眾所周知的例子，高端裝備供應(yīng)商都會針對設(shè)備的特定故障提供FMEA(Failure Mode Effect Analysis)的表格，根據(jù)實(shí)驗(yàn)數(shù)據(jù)給出不同的故障模式，并且給出在特定的故障發(fā)生情況下，需要按照既定的方式采取特定的動作。但是FMEA一直以來都是一些模糊的表述方法，一方面缺少數(shù)字化的手段來保存實(shí)驗(yàn)數(shù)據(jù)給出的故障特征（電流、電壓等傳感器指標(biāo)在故障上的“指紋”），也沒有有效手段在實(shí)際應(yīng)用過程中基于對這些“指紋”的比對來實(shí)現(xiàn)故障判決，更無法將實(shí)際運(yùn)行中出現(xiàn)的新故障的數(shù)字化特征反饋到FMEA里面來減少未來的異常判決。
4.無法實(shí)現(xiàn)敏捷的應(yīng)用交付
工業(yè)領(lǐng)域本身就是環(huán)節(jié)眾多、異常離散和復(fù)雜的多應(yīng)用場景，很難用一套固化的應(yīng)用來解決諸多突發(fā)和異常事件。因?yàn)閭鹘y(tǒng)的工業(yè)應(yīng)用開發(fā)和迭代是一個(gè)非常冗長的過程，開發(fā)和迭代周期動輒數(shù)年，無法有效地應(yīng)對突發(fā)情況。
同時(shí)，工業(yè)應(yīng)用領(lǐng)域需要具備跨領(lǐng)域的專業(yè)知識，例如數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析和建模等等，往往是非常專業(yè)的人、依靠不同領(lǐng)域的專業(yè)工具來產(chǎn)生各自領(lǐng)域的半成品結(jié)果，并最終由應(yīng)用開發(fā)人員實(shí)現(xiàn)整合。但是傳統(tǒng)的應(yīng)用開發(fā)模式，缺少類似API、微服務(wù)、容器化的整合方案，無法實(shí)現(xiàn)跨領(lǐng)域的有效整合，只能依賴各方面都精通的跨領(lǐng)域人才實(shí)現(xiàn)有效整合，這無疑加大了開發(fā)的難度，限制了應(yīng)用的擴(kuò)展和靈活性。
為什么Predix能解決這些問題？
一句話，技術(shù)發(fā)展了，可以在現(xiàn)階段用新的技術(shù)來解決老問題。
這里主要包括如下幾個(gè)方面：
1.物聯(lián)網(wǎng)技術(shù)的發(fā)展
工業(yè)狀態(tài)監(jiān)測的各種傳感器（包括環(huán)境監(jiān)測、震動、聲敏傳感器），隨著使用的普及和技術(shù)的改進(jìn)，開始變得更廉價(jià)，用戶可以在更廣泛的應(yīng)用場景中采集更全面的工作狀態(tài)；而NB-IOT、5G網(wǎng)絡(luò)的商用，不僅解決了傳輸距離、傳輸帶寬問題，更提高了傳輸?shù)膶?shí)時(shí)性，這樣，海量的數(shù)據(jù)得以回到云端實(shí)現(xiàn)更實(shí)時(shí)的判決，反饋到現(xiàn)場端實(shí)現(xiàn)更準(zhǔn)確的控制。
2.大數(shù)據(jù)技術(shù)的發(fā)展
隨著大數(shù)據(jù)技術(shù)在互聯(lián)網(wǎng)、金融、電信等行業(yè)的普及，讓工業(yè)對海量數(shù)據(jù)的處理門檻變得很低。一方面，針對工業(yè)海量傳感器（流式）和操作記錄（批量）數(shù)據(jù)的實(shí)時(shí)處理和分析手段，可以采用現(xiàn)有的大數(shù)據(jù)處理工具；另一方面，在上述各個(gè)行業(yè)培養(yǎng)起來的各種大數(shù)據(jù)人才，在數(shù)量、質(zhì)量和成本幾方面都已經(jīng)可以滿足傳統(tǒng)工業(yè)企業(yè)的需求。
3.人工智能技術(shù)的發(fā)展
隨著最近幾年深度學(xué)習(xí)技術(shù)的發(fā)展，人工智能技術(shù)在圖像和語音識別等固定場景已經(jīng)超越了人的能力限制，并逐步發(fā)展到可以實(shí)現(xiàn)對未來很多未知的判決和預(yù)測。在工業(yè)領(lǐng)域，充分利用這些研究成果，不僅可以實(shí)現(xiàn)產(chǎn)線機(jī)器視覺這種簡單的應(yīng)用，更能實(shí)現(xiàn)對多維度設(shè)備健康、產(chǎn)能、質(zhì)量以及能耗等維度的判決和預(yù)測。
4.云計(jì)算技術(shù)的發(fā)展
隨著云計(jì)算的加速發(fā)展，計(jì)算、存儲和網(wǎng)絡(luò)資源層面的基礎(chǔ)需求和靈活性需求已經(jīng)不再是問題，而PaaS技術(shù)的逐步成熟，更將應(yīng)用開發(fā)、大數(shù)據(jù)分析等過程，通過微服務(wù)和微應(yīng)用的方式實(shí)現(xiàn)了有效的整合，極大提高了應(yīng)用開發(fā)和數(shù)據(jù)分析的效率和完整性。
GE為何用Predix平臺開發(fā)OT應(yīng)用？
我分析這里面有幾個(gè)原因：
1.無法整合和集成
GED (GE Digital的簡稱)本身在多年的發(fā)展過程中，無論是給客戶定制開發(fā)還是購買的公司，都提供了數(shù)量（種類）眾多、數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、架構(gòu)不一致的軟件，不同的軟件之間很少有集成的接口、相同的數(shù)據(jù)定義，無法保證相互之間的互操作和集成，給客戶造成了很多的煙囪應(yīng)用和數(shù)據(jù)孤島。
2.無法滿足高效交付的要求
GED不斷面臨新的應(yīng)用開發(fā)需求，而客戶要求的交付周期越來越短，原有動輒數(shù)年、冗長而笨重的產(chǎn)品開發(fā)周期和更新周期已經(jīng)越來越跟不上節(jié)奏，大家不約而同地將開發(fā)模式轉(zhuǎn)向了互聯(lián)網(wǎng)應(yīng)用的敏捷開發(fā)、功能重用、組件是交付的模式。
3.無法實(shí)現(xiàn)跨專業(yè)的整合
工業(yè)應(yīng)用不僅涉及到應(yīng)用開發(fā)，還包括了細(xì)致的數(shù)據(jù)分析，甚至專業(yè)的機(jī)理模型開發(fā)，而這些專業(yè)能力還要針對不斷變化的需求進(jìn)行針對性的調(diào)整。如果按照傳統(tǒng)的軟件開發(fā)思路，一定避免不了需要開發(fā)人員充分理解業(yè)務(wù)場景、機(jī)理模型才能開始設(shè)計(jì)，但這種軟件開發(fā)一定是非常低效的。
因此，GE推出Predix平臺，并且將持續(xù)基于Predix進(jìn)行新的應(yīng)用開發(fā)，并不是早先就設(shè)計(jì)好的，而是其發(fā)展過程中理所當(dāng)然會走的一條路線。
從應(yīng)用的角度來說，隨著應(yīng)用類型的增多和功能的復(fù)雜化，為了實(shí)現(xiàn)快速和穩(wěn)定的交付，應(yīng)用開發(fā)最終都會走到集約化、平臺化開發(fā)的路線上來。
觀點(diǎn)
下面是我理解的關(guān)于（工業(yè)互聯(lián)網(wǎng)）平臺和應(yīng)用之間的關(guān)系。
從圖中可以看到，工業(yè)互聯(lián)網(wǎng)平臺雖然也被稱為工業(yè)PaaS平臺，但跟通用的PaaS（下面兩層，包括PaaS和服務(wù)框架，以及包括數(shù)據(jù)庫、用戶管理等在內(nèi)的通用服務(wù)）相比，增加了工業(yè)部分的內(nèi)容，這部分內(nèi)容一方面包括跨行業(yè)的各種通用服務(wù)，比如設(shè)備管理和接入、工業(yè)數(shù)據(jù)處理和時(shí)序數(shù)據(jù)庫、工業(yè)大數(shù)據(jù)建模工具等，還包括了跟每一個(gè)具體行業(yè)緊密相關(guān)的應(yīng)用開發(fā)框架、模型、特征庫等功能。
Predix也是這個(gè)設(shè)計(jì)思路，它從本質(zhì)上來說是一個(gè)面向工業(yè)的PaaS平臺，因此，Predix提供的各種能力，都是需要滿足上層工業(yè)應(yīng)用開發(fā)需求的。雖然Predix最早是構(gòu)建在Cloud Foundry（上圖的平臺下面兩層）之上，但是從一開始，就并沒有滿足于Heroku、Force.com、Beanstalk等通用PaaS，而是在Cloud Foundry的基礎(chǔ)上又增加了非常多針對工業(yè)應(yīng)用的能力，這里不僅包括工業(yè)設(shè)備的接入和邊緣計(jì)算、工業(yè)數(shù)據(jù)清洗和存儲，還包括了工業(yè)數(shù)據(jù)分析和建模、以及快速應(yīng)用開發(fā)的能力。
Predix平臺和Predix應(yīng)用
Predix上的應(yīng)用，與傳統(tǒng)意義上的工業(yè)設(shè)計(jì)（PLM）、工業(yè)生產(chǎn)（MES、ERP）、工業(yè)營銷（CRM、e-Commerce)以及倉儲物流管理（WMS）等有很大的差別。Predix上的應(yīng)用包括了三個(gè)級別的應(yīng)用：設(shè)備級別、過程級別和業(yè)務(wù)級別的應(yīng)用。而Predix重點(diǎn)強(qiáng)調(diào)的，是前兩個(gè)級別的應(yīng)用。
同傳統(tǒng)的豎井式應(yīng)用相比，Predix這三個(gè)級別的應(yīng)用是層層迭代、一環(huán)扣一環(huán)的：
設(shè)備級別：這部分以追求可靠性為目標(biāo)，主要針對設(shè)備本身，即工業(yè)的原子單元。通過物聯(lián)網(wǎng)接入設(shè)備來采集設(shè)備的原始數(shù)據(jù)和參數(shù)，不僅能夠現(xiàn)對工業(yè)設(shè)備一些關(guān)鍵參數(shù)當(dāng)前狀態(tài)的提取，還能夠通過各種分析模型實(shí)現(xiàn)對設(shè)備過去和未來狀態(tài)的判決，并且可以將這種判決同采集的實(shí)時(shí)數(shù)據(jù)進(jìn)行關(guān)聯(lián)，實(shí)現(xiàn)實(shí)時(shí)診斷和預(yù)測。而傳統(tǒng)的控制系統(tǒng)僅僅能夠?qū)崿F(xiàn)當(dāng)前狀態(tài)的監(jiān)控和有限的歷史數(shù)據(jù)分析。
過程級別：這部分以追求效率為目標(biāo)，針對的主要是生產(chǎn)過程。需要依賴于設(shè)備級別的各種分析結(jié)果和KPI指標(biāo)，將其映射到不同上下文的生產(chǎn)環(huán)節(jié)中，結(jié)合在不同生產(chǎn)過程上的操作要求，實(shí)現(xiàn)整個(gè)連續(xù)生產(chǎn)的關(guān)鍵指標(biāo)分析和控制。
業(yè)務(wù)級別：這部分以追求利潤為指標(biāo)，針對的對象主要是管理流程。基于生產(chǎn)過程中的各種分析數(shù)據(jù)和關(guān)鍵指標(biāo)，企業(yè)各種IT類的經(jīng)營管理類業(yè)務(wù)系統(tǒng)（ERP、CRM、WMS），實(shí)現(xiàn)更大范圍（時(shí)間維度、空間維度、數(shù)據(jù)維度）的精準(zhǔn)決策支持。
第三十四屆CIO班招生
國際CIO認(rèn)證培訓(xùn)
首席數(shù)據(jù)官（CDO）認(rèn)證培訓(xùn)
責(zé)編：content
免責(zé)聲明：本網(wǎng)站（http://www.www.gypb.net/）內(nèi)容主要來自原創(chuàng)、合作媒體供稿和第三方投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
本網(wǎng)站刊載的所有內(nèi)容（包括但不僅限文字、圖片、LOGO、音頻、視頻、軟件、程序等）版權(quán)歸原作者所有。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，請及時(shí)通知本站，予以刪除。
搶沙發(fā)
