【智慧製造】製造業智慧變革之道

工業物聯網是工業4.0的核心基礎，它是利用區域性網路或網際網路等通訊技術，把感測器、控制器、機器、人員和物品等通過新的方式聯在一起，形成人與物、物與物相聯，實現資訊化、遠端管理控制和智慧化的網路，從而最大限度地提高機器效率以及整個工作的吞吐量。隨著智慧製造戰略的持續推進以及企業轉型的逐漸深入，物聯網在工業轉型中的應用價值愈發凸顯。企業已經清楚的認識到，要想實現智慧化決策和自動化生產離不開人機物的全面互聯。當前，工業物聯網熱潮遍佈神州大地，已成為政府、製造企業、網際網路公司、物聯網公司、電信運營商、IT和自動化廠商等各方關注的焦點。

據IDC報告，2017年全球物聯網總體支出將同比增長16.7%，略高於8000億美元。報告預計，到2021年，全球物聯網支出將達到1.4萬億美元。其中包括企業對物聯網硬體、軟體、服務和網路連線的投資。以不同行業來看，製造業和運輸業仍將是獲得投資最多的行業，分別為1830億和850億美元。

對大多數企業來說，儘管物聯網技術已經存在了數十年之久，但其應用範圍僅限於運營活動，資料的潛能沒有在企業中得到充分釋放。隨著連線技術、大資料管理、商務分析和雲技術的發展，我們現在能夠將運營技術與資訊科技融合在一起，打造更智慧的機器，推動企業實現端到端數字化轉型。

圖1 工業物聯網體系架構

工業物聯網體系架構可分為四層，實體層包括各類智慧產品及嵌入式軟體和晶片等；感測層則是物聯網的皮膚和五官，用於識別物體，採集資訊，包括條碼、二維碼標籤和讀卡器、RFID標籤和讀寫器、攝像頭、GPS等；網路層是物聯網的神經中樞和大腦，用於資訊傳遞和處理，包括通訊與網際網路的融合網路、網路管理中心和資訊處理中心等；應用層是物聯網的“社會分工”，即與行業專業技術及需求實現深度融合，最終實現行業智慧化。在物聯網各層之間，資訊不是單向傳遞的，也有互動、控制等，所傳遞的資訊多種多樣，這其中關鍵是物品的資訊，包括在特定應用系統範圍內能唯一標識物品的識別碼和物品的靜態與動態資訊。

工業物聯網的關鍵技術則包括：

感測器技術：資訊的泛在化對工業的感測器和感測裝置提出了更高的要求。

微型化：元器件的微小型化，節約資源與能源。

智慧化：自校準、自診斷、自學習、自決策、自適應和自組織等人工智慧技術。

低功耗與能量獲取技術：電池供電，用陽光、風、溫度、振動。

通訊技術：具體包括：調製與編碼技術、自適應跳頻技術、通道排程技術、通訊協議多樣性、多標準有線及無線技術。

組網技術：網路路由技術、互聯技術、共存技術、跨層設計與優化技術。

網路管理與基礎服務技術：低開銷高精度的時間同步技術、快速節點定位技術、實時網路效能監視與預警技術、工業資料的分散式管理技術。

安全技術：具體包括工業裝置控制、網路安全和資料安全，阻止非授權實體的識別、跟蹤和訪問，非集中式的認證和信任模型，能量高效的加密和資料保護，異構裝置間的隱私保護技術。

隨著雲端計算各類技術的發展，以及傳統制造業面臨轉型升級帶來各類問題，這兩者之間的關係變得越來越緊密，製造業正在加速擁抱雲端計算。智慧製造正成為製造業新的關鍵詞，而智慧製造的成功推進，需要一系列的使能技術，雲端計算正是其中一項核心使能技術。雲應用是智慧製造領域很多深層次應用的必要條件，幫助製造企業加速從要素驅動向創新驅動轉變。

圖片來源於網路

近年來，我國雲端計算產業發展迅猛，據統計，雲端計算產業保持著超過30%的年均增長率，是全球增速最快的市場之一。“十二五”末期，我國雲端計算產業規模已達1500億元，產業結構不斷優化，SaaS、PaaS佔比不斷提升，混合雲異軍突起，成為產業新的增長點。

雲應用的增長，除了源於雲技術的逐步成熟外，另一主要的因素，是企業對雲的認知的逐步加深。在三五年前，中國企業對雲的認識還比較初步，對於雲，企業關心最多的就是我為什麼要用雲，雲有什麼優勢，很多企業也特別關心資料安全和網路問題。

現在企業對雲的特點和優勢已經有了比較全面的認識，對資料安全等問題的擔心也降低了，更多的企業已經瞭解到，雲產品應用的經過認證的資料中心以及被許可的雲環境在某種程度上甚至比企業內部的系統更加安全，而專業的雲平臺在負載、備份、容災方面甚至能比企業在本地部署系統要做得更好。有些比較謹慎的企業，也會選擇將某些核心應用，如財務模組，放在本地部署，將其他的應用放在雲端。這些都促使企業對雲的態度從最初的觀望走向瞭如今的認可。現在，企業對雲的關注點開始更多地轉移到公司戰略層面，更關心雲應用是否能滿足企業系統需求，是否能更有力地支撐企業的發展戰略。

雲端計算的架構一般可分為三個層次，即基礎設施層（IaaS）、平臺層（PaaS）和軟體服務層（SaaS）。

IaaS(Infrastructure as a Service)，基礎設施即服務。主要包括計算機伺服器、通訊裝置、儲存裝置等，能夠按需向使用者提供的計算能力、儲存能力或網路能力等IT基礎設施類服務，也就是能在基礎設施層面提供的服務。PaaS(Platform as a Service)，平臺即服務。

PaaS定位於通過網際網路為使用者提供一整套開發、執行和運營應用軟體的支撐平臺。SaaS(Software-as-a-Service)，軟體即服務。簡單地說，就是一種通過網際網路提供軟體服務的軟體應用模式，使用者不需要再花費大量投資用於硬體、軟體和開發運維團隊的建設，只需要支付一定的租賃費用，就可以通過網際網路享受到相應的服務。和傳統的網路服務模式相比較，雲端計算的體系結構更加地模組化，每一層和上下層的關係都是比較鬆散的耦合關係。

圖片來源於網路

目前，雲端計算技術已經在製造企業內獲得了方方面面的應用，為製造企業帶來了更加高效的管理以及的業務創新。其中，通過IAAS服務，企業可以利用工業雲將伺服器、儲存裝置外包，廣泛應用虛擬桌面和移動終端，減少或消除專職的IT運維人員，降低IT應用成本，專注於資訊化應用。在SAAS應用方面，企業級郵件系統、視訊會議、協同辦公、CRM、線上招聘、供應鏈協同和電子商務等領域已經有成熟的應用。在PAAS應用層面，很多工業軟體企業也在將軟體的開發平臺服務化，支援軟體功能的配置與擴充套件。同時，國際工業軟體巨頭正在從賣軟體的License轉型為賣訂閱服務(Subscription)，與客戶實現雙贏，製造企業IT應用正在從本地走向雲端。

曾幾何時，在人們的印象中，大資料作為一種新興技術，離人們的日常生活還很遙遠，顯得異常“高冷”。

隨著網際網路技術的不斷深入，特別是近幾年來物聯網、雲端計算以及社交網路的飛速發展，人們所接觸和關注的資料量呈現出了爆炸式增長。同時，大資料分析和處理的技術也隨之建立並豐富起來，其應用也越來越廣泛，大資料給各行各業帶來變革性機會。例如個人的飲食、健康、出行、家居、醫療、購物以及社交等生活資料會被實時採集上傳網際網路，通過對這些資料的分析，商家可以為每個人量身定製個性化的服務。在工業生產領域，運用大資料技術可以全盤把握供需平衡，挖掘創新增長點，提高效率，節約成本;在交通領域，可以實現智慧輔助以及無人駕駛;在農業領域，可以對環境氣候土壤以及農作物狀況進行監控，實現超精細化耕作……

圖片來源於網路

那麼究竟什麼是大資料呢?大資料(big data，mega data)，或稱巨量資料，是指"無法用現有的軟體工具進行提取、儲存、搜尋、共享、分析和處理的海量的、複雜的資料集合，需要通過運用新系統、新工具、新模型的挖掘，才能獲得具有洞察力和新價值的東西。"大資料不用隨機分析法這樣的捷徑，而採用所有資料全面進行分析處理。

區別於其它資料，大資料具有4V特點，即資料容量大(Volume)、資料型別繁多(Variety)、商業價值高(Veracity)以及處理速度快(Velocity)的特點。

數量(Volume)，即資料巨大，從TB級別躍升到PB級別。伴隨著各種隨身裝置、物聯網和雲端計算、雲端儲存等技術的發展，人和物的所有軌跡都可以被記錄，資料因此被大量生產出來。

多樣性(Variety)，即資料型別繁多。資料來源多樣化，不僅產生於組織內部運作的各個環節，也來自於組織外部。大資料不僅是處理巨量資料的利器，更為處理不同來源、不同格式的多元化資料提供了可能。

速度(Velocity)，即處理速度快。快速度是大資料處理技術和傳統的資料探勘技術最大的區別。大資料是一種以實時資料處理、實時結果導向為特徵的解決方案，它的快有兩個層面，即資料產生得快和資料處理得快。

真實性(Veracity)，即追求高質量的資料。資料的重要性就在於對決策的支援，資料的規模並不能決定其能為決策提供幫助，資料的真實性和質量才是獲得真知和思路最重要的因素，是制定成功決策最堅實的基礎。

未來幾年，大資料產業將朝著以下幾個趨勢發展:

圖片來源於網路

開源大資料將商業化。隨著閉源軟體在資料分析領域的地盤不斷縮小，IT廠商的商業模式向開源靠攏，並加大專業服務和系統整合方面的力度。利用Hadoop和R兩類技術，幫助客戶向開源的、面向雲的分析產品遷移。

Hadoop將加速發展。作為大資料領域的代表，未來很多企業會把研發的重心放在Hadoop上。從整體上說，不僅是Hadoop本身本會得到迅速發展，同時Hadoop在多個資料中心中的配置和無縫整合技術也將成為熱門。

打包的大資料分析應用將開拓新的市場。隨著大資料逐漸走向各個行業，基於行業的大資料分析應用需求也將日益增長，未來幾年中針對特定行業的業務流程的分析應用將會以預打包的形式出現，這將為大資料技術供應商開啟新的市場。

將會創造一些新的細分市場。大資料相關技術的發展將會創造出一些例如以資料分析和資料處理為主的高階資料服務和基於社交網路的社交大資料分析等新的細分市場。

大資料與雲端計算將深度融合。雲端計算為大資料提供彈性可擴充套件的基礎設施支撐環境以及資料服務的高階模式，大資料則為雲端計算提供了新的商業價值，大資料技術與雲端計算技術必有更完美的結合。

美國作家盧克•多梅爾曾在《人工智慧》一書中提出“智慧奇點”的概念，即機器在智慧方面超過人類的那個點。他認為，人工智慧在技術和產業兩個方面正在臨近“奇點時刻”。第一，資訊革命正從技術深化到科學向智慧方向提升，人工智慧正處在科技革命的奇點上。第二，資訊革命正從科學轉化為技術向智慧產業深化，人工智慧正處在產業革命的奇點上。

人工智慧（Artificial Intelligence，AI）的本質其實就是為了研製出具有類人智慧的機器或系統，能夠模擬、延伸和擴充套件人類智慧的理論、方法、技術以及應用形式。人工智慧作為一門學科誕生至今已超過60 年，期間經歷了2 次高潮和低谷，從2010 年開始迎來第三次發展浪潮。從當前人工智慧產業發展情況來看，可以將人工智慧分成技術支撐層、基礎應用層和方案整合層。

圖片來源於網路

★技術支撐層：主要由演算法模型（軟體）和關鍵硬體兩部分構成。關鍵硬體主要包括用於資料採集的各種感測器和用於高效能平行計算的各種人工智慧晶片，如GPU、FPGA、NPU等。演算法模型（軟體）主要用於訓練資料，利用演算法模型對資料進行運算分析，進而提升機器的自主學習能力。

★基礎應用層：主要由感知類技術和其他深度學習應用構成。該層主要是為了讓機器完成對外部世界的探測，即看懂世界、聽懂、讀懂世界，由計算機視覺、語音識別、語義識別構成，是上層智慧產品或方案不可或缺的基礎。

★方案整合層：為特定的應用場景提供產品或方案。根據不同行業或應用場景的需求構建不同的人工智慧解決方案。比如智慧物流、智慧安防、無人駕駛汽車、工業機器人以及智慧工廠等。人工 智慧重構領域很多，有著非常龐大的應用空間和市場。

隨著大資料、雲端計算和物聯網等技術應用的逐漸發展成熟，人工智慧也迎來來新的發展機遇。從機器學習到深度學習，推動人工智慧實現快速發展的主要動力基於兩大因素：其一，快速提升的智慧晶片並行運算能力。其二，讓機器具備自主學習能力的演算法模型正在逐步取得突破。

推進智慧製造轉型的根本原因在於：機器功能表現不遂人願，人很難掌控機器的全部狀態情況。機器不容易改變和提升功能，任何的功能更改都需要重新開發某些甚至全部零部件；機器執行狀態不為人知，且不說遠端監控，就是人站在機器前面，也未必知道哪個零部件正常與否，還有多長時間需要更換；機器不靈活，例如無法像人手一樣靈巧地裝配零件；機器不認人，無法判斷誰是合法的操作者並給以相應的配合；機器不會自主發聲，告訴所有者或其他人，“我已空閒，請給我安排工作”等等。

在機器不智慧的時代，只能靠人的智慧來彌補。但是，人的體力有限易疲勞，人的智力和技能有差異，人的心理狀態不可控，更重要的是，很多問題限於人的辨別力是無法解決的，例如機器中的一個關鍵零部件現在複合受力是多大？環境的振動是否會引發加工質量問題？車間中的粉塵狀態何時會爆炸等等。

因此，人們一直期望在製造活動中能夠有某種人體以外的“智慧”要素的參與，無論是類似人還是其它生物的智慧要素，加入到機器、生產環境或者生產的流程之中，使得整個製造活動可以滿足這樣的需求：所有的狀態資訊都能實時獲取和快速響應，所有的決策都恰當且及時，所有的產品特徵變化（個性化需求）都能充分滿足，所有的產品都是高質量高附加值的，所有的製造過程都是高效安全的，所有的裝置維護都是主動、預測式的，所有的企業運營都是高利潤、低成本、綠色環保的等等。作為製造業智慧製造轉型的關鍵使能技術，人工智慧的發展在為智慧製造賦能的同時，也為機器從“勞動工具”向“勞動夥伴”的角色演進提供新路徑。

圖片來源於網路

當前，製造企業從原材料採購、生產製造，到產品銷售與流通，所有經營生產過程正越來越趨於資料化和智慧化。資料的不斷累積以及資料演算法和模型的不斷髮展成熟，為人工智慧融入到製造業提供了機會，進而促進企業從傳統生產向智慧生產轉型。

企業可以通過遍佈車間的感測器和智慧晶片，實現對生產過程中的全鏈路資料的處理和分析，進而提升生產效率、庫存週轉率、裝置利用率等關鍵指標。在銷售層面，通過對海量的交易資料進行挖掘、計算和分析，人工智慧可以為企業制定自動化和智慧化的生產計劃；在生產層面，通過對產品資料、生產裝置資料的採集和分析，人工智慧實現對生產裝置和產品質量的智慧化診斷，提高產品良品率；在流通層面，通過產品上部署的感測器及時採集產品狀態資料，為企業的生產過程提供決策支撐，同時也可以提供預測性的維修維護服務。

圖片來源於網路