物联网时代八大工业大数据与应用场景
我的图书馆
物联网时代八大工业大数据与应用场景
点击本文上方的蓝色字体“工业四点零前沿”再点击“关注”，每天都能免费收到这样的好文章!工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革。工业大数据是一个全新的概念，从字面上理解，工业大数据是指在工业领域信息化应用中所产生的大数据。随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用，尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用，工业企业也进入了互联网工业的新的发展阶段，工业企业所拥有的数据也日益丰富。工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，从数据类型看也多是非结构化数据，生产线的高速运转则对数据的实时性要求也更高。因此，工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少，某些情况下甚至更为复杂。工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文将对工业大数据在制造企业的应用场景进行逐一梳理。1.加速产品创新客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。福特公司是这方面的表率，他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中，这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中，司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用，但数据也传回福特工程师那里，以了解客户的驾驶习惯，包括如何、何时以及何处充电。即使车辆处于静止状态，它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。这种以客户为中心的大数据应用场景具有多方面的好处，因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息，而位于底特律的工程师汇总关于驾驶行为的信息，以了解客户，制订产品改进计划，并实施新产品创新。而且，电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据，以决定在何处建立新的充电站，以及如何防止脆弱的电网超负荷运转。2.产品故障诊断与预测这可以被用于产品售后服务与产品改进。无所不在的传感器、互联网技术的引入使得产品故障实时诊断变为现实，大数据应用、建模与仿真技术则使得预测动态性成为可能。在马航MH370失联客机搜寻过程中，波音公司获取的发动机运转数据对于确定飞机的失联路径起到了关键作用。我们就拿波音公司飞机系统作为案例，看看大数据应用在产品故障诊断中如何发挥作用。在波音的飞机上，发动机、燃油系统、液压和电力系统等数以百计的变量组成了在航状态，这些数据不到几微秒就被测量和发送一次。以波音737为例，发动机在飞行中每30分钟就能产生10TB数据。这些数据不仅仅是未来某个时间点能够分析的工程遥测数据，而且还促进了实时自适应控制、燃油使用、零件故障预测和飞行员通报，能有效实现故障诊断和预测。再看一个通用电气(GE)的例子，位于美国亚特兰大的GE能源监测和诊断(M&D)中心，收集全球50多个国家上千台GE燃气轮机的数据，每天就能为客户收集10G的数据，通过分析来自系统内的传感器振动和温度信号的恒定大数据流，这些大数据分析将为GE公司对燃气轮机故障诊断和预警提供支撑。风力涡轮机制造商Vestas也通过对天气数据及期涡轮仪表数据进行交叉分析，从而对风力涡轮机布局进行改善，由此增加了风力涡轮机的电力输出水平并延长了服务寿命。3.工业物联网生产线的大数据应用现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。首先，在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺，就会产生一个报警信号，能更快速地发现错误或者瓶颈所在，也就能更容易解决问题。利用大数据技术，还可以对工业产品的生产过程建立虚拟模型，仿真并优化生产流程，当所有流程和绩效数据都能在系统中重建时，这种透明度将有助于制造商改进其生产流程。再如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析将会大大降低能耗。4.工业供应链的分析和优化当前，大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。以海尔公司为例，海尔公司供应链体系很完善，它以市场链为纽带，以订单信息流为中心，带动物流和资金流的运动，整合全球供应链资源和全球用户资源。在海尔供应链的各个环节，客户数据、企业内部数据、供应商数据被汇总到供应链体系中，通过供应链上的大数据采集和分析，海尔公司能够持续进行供应链改进和优化，保证了海尔对客户的敏捷响应。美国较大的OEM供应商超过千家，为制造企业提供超过1万种不同的产品，每家厂商都依靠市场预测和其他不同的变量，如销售数据、市场信息、展会、新闻、竞争对手的数据，甚至天气预报等来销售自己的产品。利用销售数据、产品的传感器数据和出自供应商数据库的数据，工业制造企业便可准确地预测全球不同区域的需求。由于可以跟踪库存和销售价格，可以在价格下跌时买进，所以制造企业便可节约大量的成本。如果再利用产品中传感器所产生的数据，知道产品出了什么故障，哪里需要配件，他们还可以预测何处以及何时需要零件。这将会极大地减少库存，优化供应链。5.产品销售预测与需求管理通过大数据来分析当前需求变化和组合形式。大数据是一个很好的销售分析工具，通过历史数据的多维度组合，可以看出区域性需求占比和变化、产品品类的市场受欢迎程度以及最常见的组合形式、消费者的层次等，以此来调整产品策略和铺货策略。在某些分析中我们可以发现，在开学季高校较多的城市对文具的需求会高很多，这样我们可以加大对这些城市经销商的促销，吸引他们在开学季多订货，同时在开学季之前一两个月开始产能规划，以满足促销需求。对产品开发方面，通过消费人群的关注点进行产品功能、性能的调整，如几年前大家喜欢用音乐手机，而现在大家更倾向于用手机上网、拍照分享等，手机的拍照功能提升就是一个趋势，4G手机也占据更大的市场份额。通过大数据对一些市场细节的分析，可以找到更多的潜在销售机会。6.生产计划与排程制造业面对多品种小批量的生产模式，数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大，再加上十几年的信息化的历史数据，对于需要快速响应的APS来说，是一个巨大的挑战。大数据可以给予我们更详细的数据信息，发现历史预测与实际的偏差概率，考虑产能约束、人员技能约束、物料可用约束、工装模具约束，通过智能的优化算法，制定预计划排产，并监控计划与现场实际的偏差，动态的调整计划排产。帮我们规避“画像”的缺陷，直接将群体特征直接强加给个体(工作中心数据直接改变为具体一个设备、人员、模具等数据)。通过数据的关联分析并监控它，我们就能计划未来。虽然，大数据略有瑕疵，只要得到合理的应用，大数据会变成我们强大的武器。当年，福特问大数据的客户需求是什么？而回答是“一匹更快的马”，而不是现在已经普及的汽车。所以，在大数据的世界里，创意、直觉、冒险精神和知识野心尤为重要。7.产品质量管理与分析传统的制造业正面临着大数据的冲击，在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生，来应对工业背景下的大数据挑战。例如在半导体行业，芯片在生产过程中会经历许多次掺杂、增层、光刻和热处理等复杂的工艺制程，每一步都必须达到极其苛刻的物理特性要求，高度自动化的设备在加工产品的同时，也同步生成了庞大的检测结果。这些海量数据究竟是企业的包袱，还是企业的金矿呢？如果说是后者的话，那么又该如何快速地拨云见日，从“金矿”中准确地发现产品良率波动的关键原因呢？这是一个已经困扰半导体工程师们多年的技术难题。某半导体科技公司生产的晶圆在经过测试环节后，每天都会产生包含一百多个测试项目、长度达几百万行测试记录的数据集。按照质量管理的基本要求，一个必不可少的工作就是需要针对这些技术规格要求各异的一百多个测试项目分别进行一次过程能力分析。如果按照传统的工作模式，我们需要按部就班地分别计算一百多个过程能力指数，对各项质量特性一一考核。这里暂且不论工作量的庞大与繁琐，哪怕有人能够解决了计算量的问题，但也很难从这一百多个过程能力指数中看出它们之间的关联性，更难对产品的总体质量性能有一个全面的认识与总结。然而，如果我们利用大数据质量管理分析平台，除了可以快速地得到一个长长的传统单一指标的过程能力分析报表之外，更重要的是，还可以从同样的大数据集中得到很多崭新的分析结果。8.工业污染与环保检测《穹顶之下》令人印象深刻的一点是通过可视化报表，柴静团队向观众传递雾霾问题的严峻性、雾霾的成因等等。这给我们带来的一个启示，即大数据对环保具有巨大价值。《穹顶之下》图表的原生数据哪里来的呢？其实并非都是凭借高层关系获取，不少数据都是公开可查，在中国政府网、各部委网站、中石油中石化官网、环保组织官网以及一些特殊机构，可查询的公益环保数据越来越多，包括全国空气、水文等数据，气象数据，工厂分布及污染排放达标情况等数据等等。只不过这些数据太分散、太专业、缺少分析、没有可视化，普通人看不懂。如果能够看懂并保持关注，大数据将成为社会监督环保的重要手段。近日百度上线《全国污染监测地图》就是一个很好的方式，结合开放的环保大数据，百度地图加入了污染检测图层，任何人都可以通过它查看全国及自己所在区域省市，所有的在环保局监控之下的排放机构(包括各类火电厂、国控工业企业和污水处理厂等)的位置信息、机构名称、排放污染源的种类，最近一次环保局公布的污染排放达标情况等。可查看距离自己最近的污染源，出现提醒，该监测点检测项目，哪些超标，超标多少倍。这些信息可以实时分享到社交媒体平台，告知好友，提醒大家一同注意污染源情况及个人安全健康。总结工业大数据应用的价值潜力巨大。但是，实现这些价值还有很多工作要做。一个是大数据意识建立的问题。过去，也有这些大数据，但由于没有大数据的意识，数据分析手段也不足，很多实时数据被丢弃或束之高阁，大量数据的潜在价值被埋没。还有一个重要问题是数据孤岛的问题。很多工业企业的数据分布于企业中的各个孤岛中，特别是在大型跨国公司内，要想在整个企业内提取这些数据相当困难。因此，工业大数据应用一个重要议题是集成应用。来源： 物联网应用工业肆点零聚焦工业4.0、聚焦现代制造业，与您携手共进第四次工业革命新时代！
TA的最新馆藏
喜欢该文的人也喜欢应用：工业|
热门搜索：
当前位置：
工业物联网时代最有前景的五大岗位
正如《天下无贼》里面黎叔的经典台词“二十一世纪最珍贵的是人才”一样，面临物联网的转型，无论是企业还是个人都要积极的改变。
　　1.工业数据工程师　　《哈佛商业评论》曾经将数据工程师称为21世纪&最性感的工作&。目前，数据工程师岗位在电子商务和消费等领域需求增长非常强烈。因为这些行业也进入了世界工业物联网的系统。工业数据科学家的工作任务是提取和分析数据，并应用这些数据发现产品的问题以便对产品的进一步改进。工业数据科学家除了需要拥有了解生产流程和IT系统等基础能力外，还需要拥有强大的分析判断能力，能够凭借手中的数据做出合理的判断。　　2.协调员　　半智能、智能，甚至人形机器人开始进入工厂或者写字楼。随着机器人的应用越来越普及，机器人协调员的岗位需求也会越来越大，机器人协调员的工作职责是监督和处理车间的机器人故障。日常工作是对机器人进行常规的维护，若有紧急情况则需配合其他专家一起解决问题。而在机器人的维修期间，协调员需要代替机器人进行工作以保持工厂的正常运营，减少生产停机时间。制造商可对现有的机器操作人员进行培训，使他们达到机器协调员的技能标准，以减少对新员工的需求。　　3.IT/IoT解决方案架构师　　制造企业的IT系统将变得更为复杂和重要。为了管理越来越多的机器或者其他的实时连接产品，需要解决方案架构师设计一个稳定可靠的整体智能系统。解决方案架构师需要参与到研发、生产、销售等整体的业务映射中去，IT/IoT解决方案架构师将与其他架构师一起努力，集成不同的技术、平台和人，以便使整体解决方案更加完善。IT/IoT解决方案架构师还需要负责端到端应用程序设计，比如远程操作系统、预测性维护系统、增强现实等辅助操作系统。与工业数据工程师一样，IT/IoT解决方案架构师拥有广泛的技能，包括业务知识和相关经验与数据管理、应用程序和技术技能。　　4.工业计算机工程师/程序员　　IT/IoT解决方案的执行需要工业计算机工程师/程序员。对于物联网领域的工业计算机工程师来说，有三种编程技能是必要的。首先，程序员应该有一些主要通用语言(如Java、c++、Python)的经验；其次，他们应该能够使用特定的应用程序：如、Matlab和Simulink工业模拟或通用数据分析R编程；最后，也是最重要，他们需要有一个硬件组件工业编程环境。机器人和智能设备需要编程，它需要一个组合的编程语言，如C语言、硬件描述语言(VHDL)，库卡的KRL等专有语言。此外，云计算也会越来越多的应用于工业产品，这就需要工业计算机工程师掌握由云架构组件所带来的新编程模式：例如越来越关注分层服务，以及新的协议和轻量级编程语言如node.js。　　5.工业用户界面(UI)/用户体验设计师(UX)　　随着物联网的发展，工业用户界面(UI)和用户体验(UX)设计师的工作岗位需求正在扩大。从平板电脑与手机的制造仪器板，到机器接口与机器人互动、增强现实应用程序的操作和维护、售后服务、工业产品的设计、这些众多的应用场景都会增加产业工业用户界面设计师(UI)的需求。用户体验设计师的(UX)主要职责是确保产品生产设计的逻辑与流程畅通，更符合消费者的需求。UI设计人员还需要负责设计人机交互界面，并确保该人机交互界面是由UX根据用户体验所定制出来的。这两个工作职能在工业环境中越来越变得越来越重要。而工业软件架构设计的基本知识和最新的编程方式是任何一个工业UI/UX的设计师所必须掌握的技能。
本文由入驻OFweek公众平台的作者撰写，除OFweek官方账号外，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。
邮箱/用户名：
忘记密码？
用其他账号登录： QQ
请输入评论
365天全天候线上展厅
机器人机器视觉伺服
广东省/深圳市
四川省/成都市
广东省/深圳市
广东省/深圳市
广东省/深圳市
广东省/深圳市
北京市/海淀区
广东省/深圳市
广东省/深圳市
广东省/惠州市
*文字标题：
*纠错内容：
联系邮箱：
*验 证 码：工业互联网趋势将给制造业带来哪些红利?
企业:158机床网
&&【字体： 】
&&&&& & 制造业升级的重要目的是为了效率提升，而长期以来效率问题更多地出现在系统层面，而不仅是个体机器层面，机器的能力并没有充分发挥。而目前，工业互联网的应用为系统优化、效率大幅提升带来可能。对应国内的情况，由于低端产能过剩，生产企业效率提升也还是解决不了需求的问题，因此趋势红利应该是流向掌握数据入口以及应用平台型企业。
　　继零售、金融端，互联网大数据向工业端渗透已渐到来
　　过去20年互联网主要改变了消费者的行为，未来随着虚拟化、信息化程度的加深，将进入产业互联网的时代。我们认为互联网对于工业端，尤其是重工业资产端的改造是不可逆转的趋势。自2012年GE提出&工业互联网&概念以来，IBM、西门子、华为等巨头也相继布局。美国工业互联网较德国&工业4.0&的核心区别在于，其主张从工业大数据等软件端入手，向传统制造业硬件端渗透，进行资产优化和运营优化，提高产业效率，我们认为该发展路径可能更适合当下供给侧改革背景下的传统机械制造业改造升级。
　　大数据和物联网技术驱动制造业服务化是未来趋势
　　制造业服务化的关键在于设备的数据化，大数据技术对资产端的改造贯穿到整个制造业产业链环节，从机器生产、供应链管理、商业模式创新到预测性维护，提升了制造端企业的附加价值，拉平了微笑曲线，奠定了制造业服务化的根基。Ericcson预计，物联网将在2018年取代移动电话成为连接最多的设备；GE预测，到2020年，连入工业互联网的机器将达到500亿台；工业互联网作为物联网在工业领域的核心应用，1％的效率提升，即可帮助中国石油天然气、航空、能源等各行业节省240亿美元的成本空间。
　　由设备优势到流量优势，重点关注拥有工业数据入口优势及应用平台型企业
　　工业互联网在机械行业领域的投资机会包括以下两条线索：一是由设备优势走向流量优势的工业大数据入口级企业。制造业服务化趋势催生了对于工业大数据的应用和需求，传统的机器设备商有望凭借高额的市场占有率，凭借工业设备数据入口优势获取流量优势，进而迅速布局，重构企业核心竞争优势；二是凭借工业大数据平台优势进行场景应用型企业。
　　催化剂与风险提示
　　去年7月份GE向全球开放其Predix系统，近日徐工机械宣布与华为、阿里巴巴、中国电信联手打造中国版的Predix系统，均构成行业催化因素，建议关注后续发展。工业互联网的推广需要有巨头合力来推动，单一产业链环节公司较难施展，且需要一定的时间；下游传统制造业短期面临需求不振和产能过剩等压力，影响工业互联网的普及积极性。
　　1、核心逻辑
　　&互联网＋&向零售、金融、物流端的渗透相继发生，我们认为&互联网＋&对工业资产端的改造趋势不可逆转。美国通用电气（GE） 2012年提出 &工业互联网&概念，较德国&工业4．0&的不同之处在于其主张产业链&由软及硬&的过程，即首先强调大数据对于工业资产端的改造和优化，提高产业效率，在石油天然气、航空、医疗、能源等领域都有重要的推广价值。在国内&工业4．0&的一片热潮中，工业互联网的路径对国内机械制造业升级带来的投资机会也应起到足够的重视，站在机械行业尤其是重资产行业的视角，我们对工业互联网大数据驱动下的重资产行业新机遇做出思考。
　　工业互联网的核心技术大数据和物联网将重构重资产行业的价值。这是因为，第一：工业4．0的&由硬到软&的思路可能并不适合目前国内很多传统的制造业，尤其是重资产行业，比如工程机械、油气装备行业等，重资产行业的设备升级代价极高；第二，制造业服务化是传统机械制造业尤其是重资产行业的合理路径。这其实就是GE所倡导的工业互联网概念的精髓，制造业服务化的关键在于设备的数据化与智能化，是一个&由软及硬&过程。&大数据＋物联网&技术对工业资产端的优化机制在于通过实现设备的互联互通，从全产业链入手，提升制造端的附加值，拉平了制造业价值链的微笑曲线。因此，大数据、机器学习等先进技术对于重资产行业的改造，在国内外已达成共识，是不可逆转的趋势。据赛迪顾问的研究，国内目前工业互联网的市场空间近两千亿，&十三五&期间年复合增长率预计在25％左右；Ericcson预计，物联网将在2018年取代移动电话成为连接最多的设备；据GE预测，到2020年，连入工业互联网的机器将达到500亿台。逻辑已显现，趋势已到来。
　　2、互联网向工业渗透不可逆转
　　互联网大数据向零售、金融、物流等领域的渗透已经成为事实，向工业领域渗透也是不可阻挡的趋势。以GE Predix为代表的工业互联网通过促成人、设备以及数据的无缝协作，用物联网、大数据等技术手段实现对生产和物流的精密控制，从各个环节进行资产优化和运营优化，重新塑造整个制造业产业链，实现数字（软件）世界和物理（机器）世界的融合，是这个趋势到来的有力佐证。
　　（一）从&双十一&看互联网对零售业的渗透
　　自2010年以来，以阿里巴巴、京东等移动电商平台为代表的网络零售市场交易规模连续高速增长，互联网对终端零售业的渗透和改造已经历了若干年头，增势相对放缓，但增量依旧大为可观。微观视角看，今年&双十一&的销售额数据再创新高，阿里巴巴旗下平台总交易规模达1207亿，同比增长32．32％；从网络零售行业交易规模看，2015年交易规模达到39841亿元，同比增长41．56％，保持了稳定高速增长态势。在我国社会消费品零售总额增速由2010年的18．40％放缓至％的大背景下，互联网新零售业态成为我国消费升级的新动力，由此，互联网对零售业的渗透可以管中窥豹。
　　（二）电商零售端暴涨倒逼物流智能化升级
　　对于新零售业态下的电商平台企业，更高的物流效率是其核心竞争力之一。来自网络零售端强大的快递分拣需求倒逼物流行业进行智能化改造。据中国物流技术协会的研究表明，国内自动化物流仓储系统市场规模由2001年的30亿到2015年的583亿元，年复合增长率达到24％，预计未来三年仍将保持20％以上的年增长速度，到2018年市场规模将超千亿。自动化立体仓库、智能分拣、智能输送机等智能物流装备行业景气度继续提升。
　　（三）从Predix看互联网向工业领域渗透
　　趋势一旦形成，就不会轻易改变。互联网对于零售端、物流端渗透相继发生，对于资产端的改造也将成为必然的趋势，我们认为中国制造业转型升级的本质是对更高产业效率的追求，智能化是手段，高产业效率是目的。继零售、金融、物流等领域的互联网改造之后，互联网＋浪潮的下一个风口是工业领域，尤其是重资产工业领域，互联网和物联网向工业领域的渗透是不可逆转的趋势。工业互联网概念是GE在2012年提出来的，本质是物联网在工业领域的应用，提高产业效率，在德国叫&工业4.0&，在国内叫做&中国制造2025&。
1、提出与发展：GE引领发展，巨头抢滩入局
　　工业互联网提出的背景。通用电气迫于美国乃至全球金融监管压力，宣布实施&去金融化&和&回归工业&战略，公司全球总裁杰夫&伊梅尔宣布到2018年将金融业务利润占比削减至10％，而2014年，这一比例还超过40％，世界经济脱虚入实，回归制造业，是共识，也是大背景。
　　从概念提出到年收入10亿美元，只用了两年。基于这一战略，GE最早在2012年提出&工业互联网&的概念。2013年，GE开始进入中国，并发布20项技术，在美国国内完善了系统的标准；2014年开始进入试点期，联合思科、IBM等成立工业互联网联盟，当年为公司带来10亿美元的销售收入；2015年，GE与中国电信展开战略合作，宣布GE工业互联网大数据软件平台与中国电信的电信基础设施和增值服务对接，形成工业互联网整体解决方案，推动工业互联网在航空、医疗、能源、工业制造和其他相关行业的应用，这标志着GE工业互联网战略在中国正式落地。7月7日，通用电气宣布其Predix向全球所有公司开放。截止到2015年8月份，GE在中国已开展12个工业互联网试点项目，逐步推动40多个大数据分析应用落地。据GE预测，到2020年，连入工业互联网的机器将翻番，将达到500亿台。
　　继GE推出工业互联网之后，IBM、西门子、NEC、华为等巨头对该领域都先后重点布局。IBM推出了Bluemix系统，西门子推出了Sinalytics系统，华为推出了Liteos系统。NEC从2011年就开始推出类似的战略概念，其解决方案涉及智慧港湾、智慧机场、智慧防灾消防、智慧监测、智慧教育、智能铁道以及智能医疗等领域。近年来NEC开始涉足锂电池、电动汽车快速充电桩、废水处理等领域。
2、最终目标：回归物理本原，提高产业效率
　　工业互联网与精益生产思想有相似之处，本质都在于提升产业效率。20世纪80年代，以日本丰田为代表，正式提出精益生产理念，具体包括及时制生产、全面质量管理、并行工程、充分协作的团队工作方式和集成的供应链关系管理等，该思想的核心在于及时制造、消灭故障、消除浪费。在精益生产思想的帮助下，经过三十多年的发展，至2007年，丰田汽车销售额达到2528亿美元，净利润165．4亿美元，相当于美国汽车三巨头加上德国大众和宝马的利润总和。继汽车工业取得巨大成功之后，日本的电子、计算机、飞机制造等离散制造业相继实施了精益生产，取得了巨大成功。精益生产可以看作是制造业基础性的技术。
　　精益生产对企业能力的改善体现在五个方面：库存、生产周期、生产效率、作业切换时间、投资回收期。通力公司一项对欧洲80家企业的研究发现，在生产制造方面，通过对产前（采购、准备）、产中（效率，工序间切换）、产后（库存，投后管理），各环节的流程化、标准化的潜能挖掘和生产链条的无缝对接，消除各种浪费的可能，并最终实现降低成本、提高生产效率。据该研究显示，库存方面平均减少50％，生产周期方面缩短50％－70％，作业切换时间方面缩短50％，投资回收期方面缩短到少于9个月，使得最终的生产效率提高20％－50％。
　　工业互联网更侧重于从设备层面提高资产绩效，有精确性、可预测性、体系化的优势。从精益生产的原理来看，精益生产对每个环节进行标准化，最大程度上挖掘单一环节的改进潜力，但更多地是侧重于对生产流程管理上的优化，出发点是流程，而工业互联网的出发点是机器设备。
　　（1）设备数据比经验更具有精确性。精益生产更多的是侧重于使用精益管理工具，通过细节化的流程规范，降低损耗和成本，减少潜在的浪费，提高生产效率，而工业互联网利用机器学习等算法对收集的机器设备优化，从维持供应链运转，到定制化生产，再到按时完成订单任务，为每个生产环节提供更高的预测精准度。
　　（2）大数据分析更侧重于对未来的预测。这是大数据分析最富有魅力的地方所在，它更侧重于对未来的预测，突破了精益生产的&历史局限性&。以节省燃油问题为例，东方航空利用 Predix平台搜集500多台CFM56发动机高压涡轮叶片保修数据，结合远程诊断纪录和第三方数据，建立了叶片损伤分析预测模型，可预测发动机的运行情况，定制科学的重复检查间隔，提升运营效率。
　　（3）工业互联网可以实现全产业链的覆盖。大数据对于制造业的改进可以贯穿到产品概念、设计、制造、供应链、物流管理、市场销售、资产运营、维修保养等一系列环节，但又不限于对单一环节的改造，通过平台化的大数据平台可以灵活调节和润滑各环节之间的衔接关系，最大程度上发挥精益生产&一件流&的效果。
　　3、工业互联网：回归物理本原，数据重构工业
　　（一）技术要素：物联网＋大数据＋人工智能
　　（1）物联网：构成工业互联网的核心技术构架
　　大数据和物联网构成工业互联网的核心技术构架。在《Accenture．Industrial Internet Insights Report for 2015》报告中，GE将工业互联网界定为&大数据＋物联网&，其内涵可以从以下三个方面去理解：网络是基础，使工业数据流动无缝集成；数据是核心，包括数据的感知、采集、集成；安全是保障，构建一个完善的安全防护系统。
　　从联系来看，工业互联网是物联网的子集，物联网构成工业互联网的技术构架。物联网是通过各类传感装置、RFID技术、视频识别技术、红外感应、全球定位系统、激光扫描器等信息传感设备，按约定的协议，根据需要实现物品互联互通的网络连接，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的智能网络系统；从结构上看，物联网包含感知层、网络层和应用层，其中工业互联网是应用层的主要应用形式之一，其它还包括车联网、智慧城市、智能家居等。
　　从区别来看，工业互联网强调以资产作为出发点，而物联网主要强调的是通信和连接。较物联网，工业互联网更侧重在生产和服务方面的应用，涉及更高价值的设备和资产，如能源、运输、工业控制，同时对运行安全有更高的要求，而普通物联网更侧重于消费领域，如智能家居；其次，工业互联网建立在工业基础设施上，用于提升而非替代原有的工业生产设备和设施。
　　（2）大数据：改造工业领域在国内外已达成共识
　　大数据市场规模未来五年增速可观。根据中投顾问产业研究中心的研究，2015年，中国大数据市场规模达到115．9亿元，增速达38％，预计年，行业年均复合增长率为42．04％，到2021年，市场规模将达到898亿元；而就全球范围内来看，预计年，年复合增长率将达到40．98％，到2021年，全球大数据市场规模将达到2847亿美元。
　　工业大数据战略已经在国外工业企业达成共识。根据GE和Accenture跨行业的研究，研究范围覆盖中国、法国、德国、印度、南非、英国、美国等国家航空、风能、发电等8个行业的高管，该调查中80％－90％的各行业公司主管表示大数据分析在公司中的战略定位应该处于最高优先级或至少排进前三的战略地位；从大数据方面的投资支出看，超过70％的公司用于大数据方面的技术占比在20％以上；细分行业看，航空业、风能、制造业中大数据的战略定位最高。
　　（3）人工智能：实现资产智能优化与人机融合
　　工业互联网的核心要素包括&人－设备－数据&，&人&的因素在工业互联网中的体现为模式识别、人工智能、机器学习等前沿技术。工业互联网时代，每一个工业企业基于算法的革新实现对原有生产模式更新的重要性甚至超过大数据本身，这里的生产模式更新包括对原有的生产和设计进行模拟，使得计算机通过智能化的算法对设备即时运行的状态进行最优化智能调整，进而挖掘企业生产效率的提升空间。
　　机器学习：从维持供应链管理，到定制化生产，再到按时完成订单任务等产品全生命周期任务，机器学习算法可以为每个生产环节提供更高的预测精准度。
　　可穿戴技术：可穿戴技术可用于工厂自动化过程中的监测工具。Human Condition Safety建立了一个结合可穿戴技术、人工智能和建筑信息模型（BIM）技术的平台，为制造、能源、仓储、建筑等行业的工人提供安全防护。
　　（二）市场空间：大数据对制造业改善空间巨大
　　（1）改进机制：工业互联网能够实现对制造业价值链的循环
　　从影响机制来看，工业互联网的开放结构使技术和信息难以垄断，进而拉平整个工业链条的&微笑曲线&。工业互联网从生产流程、物流等多个环节对制造业价值链进行优化和再造。
　　在生产流程方面，利用机器和产品运行的实时数据，制造商能采用无缝连接，对产品的整个生命周期进行追踪和控制。可以对这些数据进行预测性分析，以确定可能的设备或零部件故障，从而制定预防型维护计划，缩短设备宕机时间，实现平稳运营。生产流程的优化减少了机器的使用成本，提高了生产效率的同时，也提高了生产制造端的附加价值。
　　工业互联网对于传统重资产行业具有革命性意义。工业互联网从资产端出发，构建工业云，逐步把设计、供应、采购以及制造等融合在一个平台上，实现制造资源的云化。基于对资产特别是重资产设备的数据分析，可以提升价值链中制造环节的附加值，拉平工业链条的&微笑曲线&。
　　（2）改进空间：市场空间近两千亿，&十三五&CAGR预计在25％左右
　　物联网将在2018年取代移动电话成为最连接的设备。Ericcson预计物联网（IoT）传感器和设备将超过移动电话，成为2018年最大的连接设备类别，从2015年到2021年以23％的复合年增长率（CAGR）增长。2015年蜂窝物联网设备达到4亿台，预计2021年将达到15亿台，亚太地区增长潜力最大。
　　工业互联网是物联网最大的细分领域之一。中国物联网产业规模目前达到7500亿元，预计未来15年将为中国创造1960亿美元的GDP，其中制造业是物联网应用最为广泛的领域。
　　从工业互联网的经济效益看，未来十五年，1％的效率提高即可节省中国240亿美元成本。GE公司的一份新报告《工业互联网：突破智慧和机器的界限》，假设工业互联网让中国的特定行业生产率和能源效率提高1％，其潜力也能让中国的航空、电力、铁路、医疗、石油天然气行业在未来十五年节省约240亿美元的成本。
　　（三）应用场景：重资产行业是工业互联网的主要应用领域
　　（1）石油天然气
　　工业互联网在油气领域中的主要应用包括监控油气装备资产的实时运行状况。比如快速识别和纠正性能不佳的设备、降低可用性风险和意外停机风险、提高老化设备的投资回报率、提高操作员的知识和效率。该领域的创业公司包括Groundsensing公司（专注探井业务），Tachyus公司（专注提炼石油和天然气业务）和Aptomar公司（专注防泄漏业务）、Skycatch公司（使用无人机来采集数据用于建筑工地的3D渲染）。
　　（2）航空
　　工业互联网在航空领域中的主要应用包括故障检测、预测性维护和节省燃油等。在全球范围内，因航班延误给航空公司带来的成本损失高达 400 亿美元，其中10％的延误与计划外的飞机维护相关。以GE为意大利航空的服务为例，GE为其每架飞机上安装了数百个传感器，可以实时采集发动机的运转情况、温度和耗油量等数据，经数据分析后，给出理想的操控方法，只此一项，意大利航空145架飞机一年就节省了1500万美元的燃油成本，平均每架飞机每年节省10．34万元美元。
　　（3）生产与物流供应链
　　工业互联网在生产与物流供应链的主要应用包括设备跟踪、环境监测、货物跟踪，以及人员跟踪。比如该领域的创业公司Cargo Sense，生产的用于连接的感应器除了跟踪温度、湿度、压力和光度之外，还能监视震动和倾斜的情况，记录货物在货板或集装箱运送途中的状态。这方面的成功案例包括华虹IC工厂的供应链网络协同项目，上海赛科乙烯厂等，后者引入GE本特利SYSTEM1系统，通过监控汽轮机、压缩机、泵、风扇、热交换机等机器的震动、温度、流程、性能、排放等，提前发现并进行预测性维护，每月能节省超过220万美元的非计划停机生产损失。
　　（4）交通运输
　　工业互联网在交通运输行业的重要应用在于提高运营效率。GE的新型机车Evolution里布有7公里长的导线和250个RFID传感器，每小时产生900万个数据点，能够提高1英里／小时的运营效率。这每小时900万的数据洪流从发动机中倾泻而出，冲刷着下游的动力系统、调度系统、信号系统、物流体系，推动整个路网进行数据化蜕变，运营效率也将逐级提高。大秦铁路引进GE LocotrolDP技术，借助传感器数据传输分析挖掘功能，在多个火车之间实现同步控制，缩短30％刹车距离和22％刹车时间，单列火车的最大运量翻了近一倍达到2万吨。
　　（5）风电
　　工业互联网在风电行业的重要应用在于提高发电量。通过安装在风机上的传感器， 风场可以预测未来30分钟的风况，通过储能平滑系统为电网提供可预期的稳定功率输出，电网运营商可以借此提前判断是否需要提前补充电力。GE的Power Up技术能够根据风机机组的实际情况，优化运营参数，提升发电量5％，相当于为风场增加20％的利润。
　　（6）医疗
　　工业互联网在医疗领域中的主要应用在于削减设备成本，提高手术效率。通用电气医疗集团和美国退伍军人事务部（VA）进行合作，开发出的一套智能系统能够在少量监督下进行手术工具的定位、分拣、递送和消毒，包括机器人系统、射频识别和计算机视觉等技术。
　　4、投资主线与标的梳理
　　按照产业链来划分，工业互联网主要包括设备制造商、系统集成商、网络运营商、平台供应商及用户，我国工业互联网尚处在产业链发展的初级阶段，基础环节领域的设备制造商比如传感器、RFID标签、芯片制造商等企业将率先收益。然而站在机械行业的视角，从商业切入点和经济驱动力角度，我们认为工业互联网在机械行业的投资机会包括以下两条线索：
　　一是由设备优势走向流量优势的工业大数据入口级企业。制造业服务化趋势催生了对于工业大数据的应用和需求，传统的机器设备商有望凭借高额的市场占有率，凭借工业设备数据入口优势获取流量优势，进而迅速布局，重构企业核心竞争优势；二是凭借工业大数据平台优势进行场景应用型企业。一方面，工业大数据的应用可以大幅提升这些微利行业的生产效率，进而从成本端大幅改善公司业绩，另一方面，可以凭借平台优势重构传统制造业的商业模式。
　　（一）主线一：由设备优势走向流量优势的工业大数据入口
　　工业互联网所代表的的制造业服务化是不可逆转的趋势，其核心在于服务的数据化，传统制造企业凭借对机器设备的高市场占有率，以设备换数据，以数据换优势，带来传统行业的价值重估。
　　（1）徐工集团：联手国内顶级资源，打造中国的Predix平台
　　徐工将凭借其在工程机械行业的高市场占有率和设备优势，搭建工业云平台。日，徐工集团宣布与华为、阿里巴巴、中国电信4家联合打造中国首个工业云平台&徐工工业云&，试图构建&互联网＋云技术＋制造&的新型工业经济发展模式。平台由IaaS平台、PaaS平台、SaaS平台三层组成，IaaS平台即徐工工业云的基础平台、PaaS平台是核心能力平台、SaaS平台为大数据应用平台。该平台构建了完整的研、产、供、销、服全价值链的信息化体系，实现传统&制造＋销售&的生产型制造简单业态向&技术＋管理＋服务&的服务型复合业态的转型。目前，该工业云平台已经正式上线开放，未来将面向全球开放共享。我们看好徐工机械由传统工程机械设备制造商向大数据服务商转型的可能。
　　（2）三川智慧：以智能水表为切入口，构建智能水务平台
　　公司有望凭借物联网水表的领先布局，搭建智慧水务数据云平台。为此，公司在技术和商业模式上不断做出新探索：在技术上，新启动了基于NB－IoT通讯技术的物联网表的跟踪与开发，截止目前已开发了满足国内外市场普遍需求的超声波物联网水表，并已在华为实验室、国外客户进行测试；在商业模式上，其子公司爱水科技以水费支付为入口，实施了移动端APP的推广与运用，为公司多种业务模式的开展做出了探索。
　　（3）三一重工：由设备转向后市场服务，打造中国首家工程机械云平台
　　三一重工主营混凝土机械、路面机械、桩工机械、履带起重机机械等工程机械，混凝土输送泵和全液压压路机市场占有率国内第一，泵车产量世界第一，公司在物联网领域的探索最早可追溯到2005年，开始相关技术研究工作。
　　由卖设备转向后市场服务或将成公司未来潜在盈利模式。2009年公司的&M2M远程数据采集与监控平台&实现规模化商用，建成国内首家工程机械物联网企业控制中心。经过七八年的探索，三一的大数据平台，即&ECC客户服务平台&已聚集8000家全球供应商，100多个全球分支机构，400多家全球代理，有12万全球客户，数据涉及20万台机器，5000多个参数。通过对传感器传回的海量数据进行分析，可以预测宏观环境、分析区域市场的变化、分析产品结构、预测配件需求与设备故障。
　　（4）汇川技术：电梯工业互联网布局多年，有望向多领域延伸
　　汇川技术提供的变频器、控制器、伺服系统是工业互联网的重要入口，公司已率先从欧洲倍福公司引入EtherCat总线技术来实现设备的互联互通。据公司三季报披露，公司在电梯维保市场、电梯OEM市场、通用OEM市场推广物联网系统，用户数量持续增长，特别在电梯OEM市场，用户数量增长较快，目前，已有几万台设备在运行。公司继续优化智能硬件和客户应用软件平台，推出了可编程的工业互联网平台，提升用户体验，未来有望向空压机、供暖等其它领域扩展客户，看好公司从设备供应商向工业互联网巨头转型的可能性。
　　（5）安控科技：工业互联网＋油气服务
　　公司受益于工业互联网和油气服务领域的双重布局，主营业务包括油气服务业务、自动化业务、智慧产业业务三大块。油气服务业务包括随钻测量解决方案、天然气处理、城市燃气、采油工艺、油气环境保护等解决方案；自动化业务包括数字化油气田、水利水务、城市燃气、煤层气；智慧产业业务包括智慧水务、智慧园区、智慧环保、智慧城市、智慧粮库。
　　石油天然气是工业互联网下游最大的细分应用领域，公司作为油气服务产业链中的一员，通过整合国内外先进技术和资源，开展油气田地面生产建设项目、工艺装备制造、钻完井及压裂一体化服务、天然气净化处理和油气田水处理等环保相关业务。此外，公司在油气、化工、水务、智能制造等领域，为客户提供DCS、模块化RTURTU 、一体化 RTURTU、扩展 I／OI／O、传感器及仪表等自动化产品销售。
　　（二）主线二：工业大数据应用平台型企业
　　（1）慈星股份：纺织＋大数据
　　公司为国内电脑横机龙头，面临主业需求放缓，公司转型机器人和布局智能定制平台。公司转型工业和服务机器人。先后通过投资和收购的形式，控股慈星机器人（占股80％）、东莞中天（占股60％）、苏州鼎纳（占股68％），其中苏州鼎纳是全球机器视觉领导品牌康耐视在苏州地区正式授权的代理商和解决方案提供商。机器视觉是未来工业互联网数据入口端之一，在机器智能化领域将发挥重大作用。
　　控股慈星互联，打造面向全世界毛衫市场的CAM、C2B生态。该平台将整合公司的现有客户毛衫代工厂、定制化生产系统、设计师以及毛衫卖家的资源，拟建立一个全新的、面向全世界毛衫市场的C2M 、C2B 生态系统。C2M是在工业互联网时代的核心商业模式之一，公司利用在传统纺织行业的技术积累，通过商业模式创新，直接走向消费终端，整合消费大数据和工业大数据，是工业互联网概念在纺织机械行业的重要应用，也是商业模式创新方面的典型代表。
　（2）华鹏飞：物流＋大数据
　　公司为国内电子信息产业领域专业物流服务商，主业分综合物流服务、加工制造业、供应链商品销售。先后收购物联网领军企业博韩伟业和参股赛富科技，围绕&信息流＋资金流＋物流&打造基于供应链大数据的综合物流管理平台，是工业互联网在物流领域的重要应用。1）物流方面：开发具有自主知识产权的物流仓储管理系统、订单管理系统等综合物流管理平台，在全国建立30多个业务网点；2）资金流方面：2014年底，参股苏州赛富科技16．43％的股份，打通资金流，发展供应链金融业务，与原有供应链子公司形成强烈的业务协同作用；3）信息流方面：立足自身十多年信息化积累的基础上，积极布局物联网。2015年7月，收购博韩伟业100％股权，进军物联网信息技术服务领域。
　　5、风险提示
　　工业互联网短期被GE等巨头企业垄断，国内一般企业缺乏与巨头抗衡的资本和实力；工业互联网的推广需要有巨头合力来推动，单一产业链环节公司较难施展，且需要一定的时间；下游传统制造业短期面临需求不振和产能过剩等压力，影响工业互联网的普及积极性。
更多信息请关注微信公众号： &OK智能制造& 请扫描下方二维码并加关注！
&&&&&&标题： *
&&&&&&姓名： *
&&&&&&电话： * (座机请加区号)
&&&&&&公司：
&最近更新&
&机床关键词索引&
&机床网分类&
Copyright &
All Rights Reserved
地址：北京市安定门内大街方家胡同21号1层 邮编：100007
电话：（010）63392 传真：（010）024299
邮件： 京ICP备<font color="#FF10号