【物聯網】思科扔下數顆物聯網重磅炸彈，中國IoT圈卻選擇集體視而不見！

來源: 物聯網智庫 原創 作者：物女王 

就在前幾天，一年一度的Cisco Live 2017使用者大會上，思科釋出了其10年來最具顛覆性的創新，說是開啟了IoT的新時代都不為過，但國內物聯網圈卻選擇集體視而不見，眼睜睜地與里程碑式的革新擦肩而過。

這是我在物聯網智庫|物女心經專欄|寫的第031篇文章。

上一篇文章，我們說到IoT圈的東邪西毒，東邪阿里巴巴，西毒亞馬遜，都是修煉人工智慧+物聯網，也就是I2oT（Intelligent Internet of Things）的兩座巔峰。

這篇文章，我不得不單獨談談半路殺出的狄仁傑，思科。因為就在前幾天，一年一度的Cisco Live 2017使用者大會上，思科釋出了其10年來最具顛覆性的創新，說是開啟了IoT的新時代都不為過，但國內物聯網圈卻選擇集體視而不見，眼睜睜地與里程碑式的革新擦肩而過。

本著對我的摯愛黑粉負責任到底的態度，我們一起利用這個“眾人皆醉”的契機，完成一次認知覺醒，一起來讀讀這一屆Cisco Live 2017對物聯網到底是不是潛力股？ 

一家公司同時擁有兩個物聯網平臺

思科一直以狄仁傑的神探作風行走於物聯網江湖，不但早在十幾年前就開始與物聯網資本“勾結”並大肆佈局，2013年成立物聯網部門，2016年以14億美元收購Jasper（基於雲的物聯網平臺），還持續釋出物聯網領域的行業調查，矢志不渝地對IoT市場前景愛得深沉，成為了名副其實的風向標。

今年Cisco Live大會，思科CEO扔出了數顆重磅炸彈，其中包含一個被國內集體忽略的名詞：Kinetic，這是一個全新的物聯網平臺。同時思科還升級了久負盛名的Jasper平臺，坐擁Kinetic和Jasper兩大左膀右臂，思科的玩法在IoT業內尚屬首次。

兩個物聯網平臺，原有的Cisco Jasper和現在的Cisco Kinetic，難道“狄仁傑”思科想讓它們一個在前面破風，一個在後面起航？

進一步解讀你就會看出其中的深意。

先看原有的Jasper平臺。Jasper致力於將像汽車、噴氣式發動機、心臟起搏器這樣的裝置連線到網際網路，同時也在打造一個軟體平臺來幫助線上監測這些裝置。

據悉僅過去一年，Jasper的企業客戶數量就從3500家增長到11,000家，新增使用者超過200%。Jasper已成為全球最大的物聯網平臺，日均管理4300多萬臺裝置，且每月新增150多萬臺裝置。

升級之後的Jasper Control Center 7.0，完成了有史以來最大的演進。此前，Jasper Control Center是一款獨立產品，用於實現全球蜂窩網路裝置連線的自動化和管理。Jasper Control Center 7.0是全球首款支援蜂窩、NB-IoT和LTE-M網路中IoT裝置管理的商用物聯網平臺。

再來看看最新發布的Kinetic，它是一個物聯網運營平臺，或者叫物聯網操作平臺，整合連線管理、資料交付和邊緣計算等綜合能力。Kinetic的最大能力是獲取裝置資料，而且是實時的裝置資料，思科希望通過Kinetic提取未連線裝置上已經存在的數萬億兆位元組的資料，並將這些資料實現價值最大化。

隨著資料量、連線性、計算能力的迅速提高，人工智慧、擴增實境和機器人技術的持續迭代，想要充分實現投資回報，有效利用物聯網產生的資料，企業越來越需要一種能夠統一各種各樣的資訊源和資料型別的新型智慧網路和物聯網平臺。這就是Kinetic釋出的初衷。

作為看家本領，Kinetic不僅可以支援不同的網路協議，比如從Wi-Fi、乙太網、低功耗廣域網LPWAN中獲取資料，還能從各種工業乙太網和現場匯流排，比如Profinet，Modbus、CC-Link、EtherNet / IP…中獲取資料。也就是說，Kinetic有能力直接監測和控制工廠中的物理裝置，引用思科自己的話說，就是“我們不認為其他IT廠商有能力像思科這樣，在工廠最貼近邊緣計算的裝置層中工作和讀取資料”。

沒錯，Kinetic平臺使得思科以IT廠商之身，將連線能力首次下沉到工廠中的物理裝置這一層次，通過各種來源訪問和匯聚物聯網資料。Kinetic平臺還提供邊緣計算能力，允許直接分析和處理裝置的邊緣資料，無需通過路由將資料回傳到雲平臺。

直觀的說，Kinetic就是一個把資料從各種各樣的裝置中提取出來、就地分析的平臺，橫跨各種協議和網路型別，充分體現了思科萬物互聯的野心。

為什麼說單就推出Kinetic平臺這一項，已經意義重大呢？

在智慧工廠和工業4.0的實現路徑中，最基礎的一個層次就是將工業機器人、數控機床、各種單機裝置連入網路，提取資料。

由於出於安全方面的考慮，以及缺乏資料提取的介面和平臺，除了少數極為領先的工業企業之外，大多數的機械裝置並沒有連線到上層資訊系統，而是散落在各種現場匯流排造就的孤島之中，無法凝聚。而MES和SCM由於沒有觸及工廠底層的資料，形同虛設。

根據Gartner的研究報告，工廠中每1分鐘的故障停機，將造成20,000美元的損失。另據思科此前的研究，通過將工廠中位於底層的單機裝置聯網，可以將停機時間縮短50%，能耗降低20%，提升質量並減少50%的產品缺陷，資料化對智慧工廠的巨大潛力才剛剛露出冰山一角。

通用汽車正在使用思科的資料平臺，將汽車製造生產線上30,000臺工業機器人中的1/4連線到物聯網，並通過資料分析，成功避免了其中100個組裝機器人的潛在故障。

額外收穫也有，以前不同國家的兩家工廠使用相同的裝置製造相同的機器，其中一個是另一個生產力的3倍，工廠從上到下都不知道原因為何。通過機器聯網分析，預測、分析和診斷裝置的完整資料，多年疑團終於解開。

日本機器人制造商FANUC還與思科一起共同開發了一款名為“ZDT零停機”的APP，通過將工業機器人接入平臺，力爭徹底消除意外停機。

鴻海也已宣佈採用思科物聯網解決方案Kinetic，將其中的能源管理解決方案與鴻海智慧工廠進行整合。鴻海表示，透過匯入思科Kinetic平臺，讀取了過去沒有蒐集過的相關資料，並由此節省了15%的能源消耗，預計未來可進一步降低20%的能源消耗，鴻海還計劃同步將廠區內的追蹤系統接入Kinetic。

實時物聯網：實現實時監控

隨著Kinetic平臺的推出，思科將物聯網帶入了一個新的發展階段：實時物聯網RT-IoT。

此前，我曾經在文章中提到過，工業現場的資料普遍“保鮮期”很短，處理一旦延誤，就會迅速“變質”，資料價值呈斷崖式跌落。不是所有資料都必須上傳到雲平臺，何況關鍵資訊還有可能在傳送過程中延誤或者受到干擾。使用者必須快速響應這些關鍵資料產生的決策，要麼在短時間內就採取行動，要麼就眼睜睜的看著最佳時機溜走。

通過Kinetic思科親身示範了實時物聯網，用升維的思路解決工業物聯網中缺乏實時監控的難題。

以前工業企業中的OT操作技術和IT資訊科技之間存在難以跨越的斷層，工廠中的物理裝置和資訊系統之間無法徹底打通，更別提將OT資料和IT資料通過統一的“視窗”展示、處理和分析。

隨著裝置和資料量的急劇增長，這一挑戰已經不僅僅是OT與IT之間的互通互聯，而是如何將OT資料有意義的接入IT系統和業務流程。大部分OT與IT之間的連線都通過特定的工具或者方案實現，碎片化嚴重，缺乏裝置的實時監控、實時資料的關聯性和統一化的系統平臺。

由於對實時性要求極高的工業物聯網應用非常複雜，實時物聯網必須綜合考慮諸多因素：

• 如何解決由多種通訊協議和方式造成的連線和操作複雜性問題

• 如何解決不同的資料模型造成的IoT生態系統複雜性

• IoT平臺部署後造成的用例和系統變化如何處理

• OT與IT聯通之後，如何無需更新韌體，即解決安全性問題，又滿足各種通訊需求

• IoT平臺的可擴充套件和易維護

• ……

這就倒逼“實時物聯網”技術的飛速進化。只有用好實時資料，才能充分發揮工業物聯網的潛力，創造真正的價值。

資料量太大、速度要求太高、資料特徵不易提取，這些都是擺在實時物聯網面前的難題。

不過一旦通過實時物聯網將車間中的單機裝置和邊緣資料連入網路，那麼工廠管理層看到的將不僅僅是各個孤立的資料庫，而是連貫通透的業務流程和效能指標，效率和效益的體現將呈指數級蛻變。

除了思科之外，不同公司也在紛紛嘗試實時物聯網。

比如，Splunk作為機器資料的引擎，為來自任何應用、伺服器或網路裝置的資料實時建立索引，並使其可被搜尋。使用者可以使用Splunk來搜尋、監測、分析和視覺化機器資料。它為機器資料提供可擴充套件的通用平臺，資料來源幾乎支援所有的裝置、控制系統、感測器、SCADA、網路應用和終端。

一家名為Kinetica的公司則通過使用GPU（圖形處理單元）構建IoT資料平臺來解決實時資料處理的挑戰。它的總部位於美國舊金山，是一家提供實時資料分析與支援的服務商。Kinetica利用影像處理晶片提供計算能力，允許企業使用機器學習，商業智慧分析和視覺化技術更快速地分析海量資料。畢竟典型GPU具有超過4000個核心，而通用CPU僅有32個，因此利用基於GPU的配置，使用大約十分之一的硬體就可將資料處理速度提高100倍。

從“一網到底”，到“萬網到底”

曾經，工業領域的方案提供商，西門子、三菱電機、百通…都提出過“一網到底”的設想，他們認為在工業中構建物聯網是一個很高的目標和很大的工程，而乙太網作為一種成熟的網路通訊技術，在IT和商業領域已經形成絕對的統治性地位。

一網到底，是指通過工業乙太網，讓模擬訊號、數模混合訊號、各種現場匯流排和各種無線通訊都能統一起來，整體網路無論從橫向，還是縱向看，都是無縫連線的，資料可以在此透明網路中自由的傳輸。

這在技術層面上涉及兩個方面：一是通訊技術，包括現場匯流排、工業乙太網和無線技術的多重整合與互通。二是智慧儀表的廣泛普及，實現引數傳遞、自診斷、預防性維護、網路安全、現場與遠端除錯等功能兼顧。

改良後的工業乙太網協議，是一種比現場匯流排更為開放的網路標準，可以支援實時工業控制訊號的傳輸，最高效且最大程度地完成各種網路與網路之間的通訊，實現現場層、操控層、管理層的垂直管控架構的透明化資料通路。

基於這個思路，各個工業自動化企業也都提出了自己的工業乙太網協議，常見的包括德國倍福的EtherCAT、羅克韋爾自動化的EtherNet/IP、西門子的ProfiNet、施耐德的Modbus-TCP、貝加萊（已被ABB收購）的Powerlink等…

而思科的Kinetic平臺巧妙地將這一“浩大”的工業物聯網改造工程輕易化解，通過與Kinetic平臺對應的交換機，快速打通多種工業通訊協議和現場匯流排，不再只是“一網到底”，而是“萬網皆可到底”。

萬網到底的好處十分明顯，僅僅是資料從下到上的透明化和可量化，就能為智慧工廠帶來天翻地覆的變革。舉例來說，OEE這個被最多誤用和濫用的指標就可以首先獲得“救贖”。

OEE（Overall Equipment Effectiveness）是一個獨立的測量工具，它用來表現實際的生產能力相對於理論產能的比率。一般每一個生產裝置都有自己的最大理論產能，要實現這一產能需要保證沒有任何干擾和質量損耗。當然，這一理論上的完美產能很難達成。因此，

OEE = 可用率x 表現性 x 質量指數

OEE是一個極好的基準工具，它能準確清楚地告訴工廠管理者裝置效率如何，在生產的哪個環節有多少損失，以及可以進行那些改善工作。長期的使用OEE工具，企業可以輕鬆的找到影響生產效率的瓶頸，並進行改進和跟蹤，達到提高生產效率的目的，同時使公司避免不必要的耗費。

OEE的計算雖然看似簡單，但是，在實際的應用中，當與班次，員工，裝置，產品等生產要素聯絡在一起時，便變得十分複雜，以往常常通過人工採集的資料懵算或者瞎算OEE，而Cisco Kinetic平臺有望將OEE真正威力發揮到極致。

同時被解鎖的還有預測性維護市場。

此前我在文章《整合邊緣計算和IoT雲平臺，預測性維護的軍備競賽已經啟動》中已經闡述過這一市場的巨大前景，當時文章中的“模特”華為和GE作為“自嗨型”合作的典範，明顯甚不合格。邊緣計算側和IoT雲平臺側的巨頭們的混搭雖然蠢蠢欲動，但仍尚未成型。

作為半路冒出來的狄仁傑，思科有了Kinetic和Jasper兩大法寶，輕鬆實現邊緣與雲端的協同，入局預測性維護市場近在眼前。

至此，本文僅僅解讀了思科在Cisco Live 2017中釋出的一部分顛覆性創新，更有深意的則是思科全面啟動的重塑網路計劃。

在此計劃中，思科致力於打造一個能夠預測行動、阻止安全威脅路徑、持續自我演進和自我學習的全智慧系統，從而幫助企業在聯接性不斷增強、分散式技術持續演進的時代中，創造全新機遇並解決之前未能解決的挑戰。

簡單的說，就是思科推出了能夠識別“意圖”、規避威脅和持續進行自我學習的由AI“開光”的新一代網路。

按照思科的原話，“基於‘意圖’的網路能夠幫助IT從枯燥乏味的傳統流程轉變為自動了解使用者‘意圖’，使在數分鐘內管理數百萬裝置變成可能。基於‘意圖’的基礎設施將是下一個重要的增長點，而網路將成為這一系列全新技術中的重要推動者和加速器。這是企業網路歷史上最重大的創新，是行業觀念的重大轉變，將改變整個行業的發展軌跡。”

整合邊緣計算和IoT雲平臺，預測性維護的軍備競賽已經啟動

這是我在物聯網智庫|物女心經專欄|寫的第026篇文章。

前段時間看到一則新聞，這麼寫的：在德國舉行的漢諾威工業博覽會上，華為和GE數字集團聯合釋出了工業預測性維護解決方案。牽手的兩方，一邊是華為的邊緣計算EC-IoT（Edge Computing IoT）方案，一邊是GE的工業物聯網（Industrial IoT）雲平臺Predix，新聞中稱它們將無縫融合，實現工業裝置執行狀態的實時監測，提供預測性維護的智慧決策。

理想豐滿，現實骨感。我就直說了，在現階段，這顯然是一次“自嗨型”合作的典範。前者在工業領域的“資訊層”上空盤旋，尚未敲開“裝置層”邊緣計算的大門；後者雖說推出IIoT雲平臺已有時日，但紮根不深，涉足工業核心領域的中國本土的滲透率低得可憐。雙方聯手，怎麼看都像是貌合神離的“聯姻夫妻”，看似優勢互補，卻又無從下手。面向整個工業領域提供預測性維護的底氣從何而來？好在兩大巨頭選擇從電梯運維這個公認的早期採用者群體切入，也算是另闢蹊徑，抓住了明顯的市場痛點。

如果將時間這把衡量的標尺再拉長一些，這次合作，雖說對於雙方來說有時機未到，急於求成之嫌，不過卻為後來者指明瞭方向，邊緣計算+IoT雲平臺，的確是撬動預測性維護市場的利器。

華為和GE的合作，有些像電影“黃飛鴻”中的鬼腳七，武功雖高但姿勢不佳，後期難免吃力。還好，就在這幾天，空客和ABB等企業，接連示範了開展預測性維護軍備的正確姿勢…

預測性維護的漫漫長路，先得從頭開始把基礎扎牢。

“帶病”上路的汽車，給交通帶來安全威脅；“帶病”工作的生產裝置，給工廠帶來鉅額損失。比如Intel在大連的生產線，每天創造1.5億人民幣的價值，哪怕停機維修1小時，帶來的損失巨大都難以承受。因此，防止裝置“帶病工作”，就顯得尤為重要。先來看看工業裝置維護維修的幾種手段：

• 修復性維修：屬於事後維護，顧名思義，亡羊補牢，是為下策。

• 預防性維修：屬於事先維護，基於時間、效能等條件對裝置進行定期維修，更多還是憑經驗。未雨綢繆，是為上策。

• 預測性維修：屬於事先維護，基於安裝在裝置上的各種感測器，實時監控裝置執行狀態，如果發現故障隱患，自動觸發報警或修理命令。未卜先知，是為上上策。

目前市場中的存量裝置數目可觀，80%以上的裝置還沒采用有效的預測性維護方案，而裝置維護產生的費用超過裝置總體生命週期成本的50%。根據IoT Analytics在2017年的最新市場報告，2016-2022年預測性維護的複合年均增長率CAGR為39%，到2022年總體支出將達到10.96億美元。

預測性維護在不久的未來將愈加凸顯工業物聯網中少數的“殺手級”應用的優勢。從內部來看，預測性維護用於優化生產操作，將會帶來20-30%的效率增益。從外部來看，裝置製造商如果引入預測性維護服務，則有可能“一勞永逸”地扭轉當前競爭業態。從戰略角度評估，預測性維護代表著工業服務化和未來商業模式轉變的歷史選擇。

以上幾點綜合考慮，各類公司紛紛搶灘預測性維護這方“沃土”，理所當然。

預測性維修的概念雖說由來已久，但一直缺乏行之有效的大範圍實施手段。而邊緣計算+IoT雲平臺這劑“藥方”，可以將人工智慧、物聯網、擴增實境等多種技術融合在一起，真正撬動預測性維修這塊市場蛋糕，擴充新的商機。

華為和GE的這次牽手，拉開了邊緣計算與IoT雲平臺巨頭之間協作，進軍預測性維護的序曲。接下來就變成了連線題，邊緣計算側和IoT雲平臺側的巨頭們將產生哪些混搭呢？

以ABB為例，她為工業機器人提供全年7x24小時的嵌入式遠端服務。當工業機器人的狀態發生變動或出現故障時，遠端服務將自動報警，客戶隨時隨地都可以通過智慧手機或平板電腦獲得報警資訊，並採取相應行動。更重要的，ABB的智慧單元也同時對工業機器人實施連續監測，降低保養成本，提高裝置可用率，延長使用壽命。

除了對工業機器人的遠端支援之外，今年5月，ABB在班加羅爾設立了新的針對節能變頻器解決方案的數字化遠端服務中心，全年無休遠端的訪問位於終端使用者工廠內的變頻器，實現預測性維護和狀態監測。

ABB還將現有方案進行整合，形成Ability數字化方案，包括資產密集型行業的績效管理解決方案，過程工業的控制系統，機器人、電機和機械的遠端監控服務等。

當然，對於上面的連線題，ABB也給出了自己的解答。

ABBAbility先後與微軟和IBM達成戰略合作，ABB Ability的下一代數字化解決方案和服務將在微軟Azure雲平臺上面開發和構建，並與IBMWatson物聯網認知計算技術聯手，首先在工廠及智慧電網兩個領域合作，提供實時認知分析功能。例如從ABB佔有優勢的電力行業入手，通過提取歷史和天氣資料，幫助電力客戶優化運營並維護智慧電網。

除了邊緣計算與IoT雲平臺觸發的圍繞預測性維護展開戰略合作之外，還有一些巨鱷，自身就有預測性維護的強烈需求，於是自建邊緣計算和雲平臺能力，量身定做自用的預測性維護系統，並且孵化相關創業企業，積極進行工業服務化的轉型。

以空客為例，該公司計劃在2018年推出新的預測性維護系統，這套系統將融合兩種不同的解決方案。

一種方案以飛機為中心，稱為預報和風險管理方法（PRM）。在這種方案中，飛機不再是冰冷碩大的金屬集合體，而是一個飛行的帶有生命體徵的“生物”，通過從飛機上遍佈的感測器中收集的資料，進行飛行及燃油分析、導航服務、飛機檢修、航空公司運營管理，以及規劃和恢復等服務。通過使用第一種方案，空客在12個月內節省了55萬美元。

另一種方案則以資料為中心，空客與easyJet合作，從各種外部來源獲取資訊，將其儲存在空客的雲平臺中，然後通過演算法實現乘機客戶的體驗提升。easyJet是個新成立的網際航空公司，只接受顧客通過網路訂購機票的服務。這套方案將通過最終客戶的反饋，評估和驗證正確的維護決策。

通過兩套方案的結合，空客預計將在2018年降低5-10%的維護維修成本。

此外空客還啟動了BizLab專案，這是立足於航空航天領域的全球加速器，位於班加羅爾（印度）、圖盧茲（法國）和漢堡（德國），旨在促進初創公司和空客自己內部的創新專案密切合作，加快將創新思想轉化為有價值的業務。BizLab的設立確保了空客的不同部門不僅能夠看到來自創業者的顛覆性想法，並且能夠保障這些想法在極具挑戰性的航空航天領域，找到正確的發展道路。

國內的工程機械企業，比如三一重工，也在採用相似的方式，將自家的資產追蹤和維護維修系統進一步提煉，不僅促進自身轉型升級，還孵化相關企業對外提供創新型的工業服務。

預測性維護的巨大市場也吸引著初創企業的關注，通過邊緣與雲端的協同，人工智慧和機器學習演算法可以為裝置的運維管理者提供更有針對性的維護維修建議，藉助人工智慧逆天的生長速度，初創公司甚至有望在預測性維護這個全新的賽道彎道超車工業巨頭們。

比如，人工智慧企業SparkCognition正在幫助風電運營商實現預測性維修。由於風力發電行業的利潤空間越來越薄，風機必須以最大的容量執行，任何停機時間都將大大影響收益。

為了滿足市場需求，SparkCognition將風電企業可以採集但卻未被使用的資料進行分析，通過AI演算法，SparkCognition可以預判最終的故障模式，並將預測結果反饋給相關專家、管理層和運營人員，以便及時採取行動避免故障的發生。

對於單個風力發電機上的單個元件，SparkCognition保守的估算了使用AI帶來的年度成本節約：

• 停機耗損：$1,000

• 運營維修：$2,500

• 總節省：$3,500

而且根據預測，隨著被監測元件數量的提升，以及機器學習的持續改進，節約的成本還將顯著上升。

InnovativeBinaries則使用人工智慧為各種飛機提供預測性維修支援。由於飛機的可靠性極佳，也帶來了故障資料樣本不足的“煩惱”。這時，最有效的方法就是從大量的健康資料中學習如何檢測異常。

InnovativeBinaries分析了大量的飛機健康資料，從而鑑別偏離健康和異常的飛機狀態。通過量化飛機的日常健康狀況，一旦發生微小的變化便立刻標記，並且觸發相關預警。

正如開篇所述，裝置預測性維護將會掀起新一輪的鉅變。從修復性維護、預防性維護再到預測性維護已成為工業管理的三部曲。從裝置聯網、走出資訊孤島開始，通過邊緣計算與IoT雲平臺，實現彼此的有效連線，從而讓工廠中的所有核心裝置都可以被監測、被管理、更有效的被使用，未來智慧工廠的雛形就此起步。

從戰略角度來看，預測性維護既是市場，又是跳板，以預測性維護服務為入口，可以切入製造業轉型這一更為廣袤的市場。這場軍備競賽逼迫產業鏈上下游大大小小的從業者都必須踏上跳板，體驗這痛並快樂著的驚險一躍，從製造企業、傳統工業自動化企業，到新型邊緣計算企業、IoT雲平臺企業、工業人工智慧創業公司、預測性維修服務提供商、裝置管理諮詢機構…一個都不能少。

本文系“產業智慧官”（公眾號ID：AI-CPS）收集整理，轉載請註明出處！

版權宣告：由產業智慧官（公眾號ID：AI-CPS）推薦的文章，除非確實無法確認，我們都會註明作者和來源。部分文章推送時未能與原作者取得聯絡。若涉及版權問題，煩請原作者聯絡我們，與您共同協商解決。聯絡、投稿郵箱：erp_vip@hotmail.com