“請問臺下的嘉賓所在公司有使用工業(yè)互聯網平臺的嗎?請舉手?!眻A桌討論期間,主持人拋出這個問題。臺下300多位聽眾無一舉手。與此相反的是,演講嘉賓對工業(yè)互聯網概念的講解充滿激情,讓我驚覺,如果當下AI可以賦能一切,那么工業(yè)互聯網亦如是。
工業(yè)互聯網變遷
既然都是制造業(yè)的嘉賓,為什么沒人參與使用工業(yè)互聯網呢?難道是因為技術不夠“炫酷”?相反,可能因為技術過于“炫酷”。
筆者猜測也許大家對工業(yè)互聯網的了解還較為模糊,小心翼翼的思考著:“我公司屬于制造業(yè),我公司同時也連上互聯網了,那算不算一個工業(yè)互聯網平臺呢?”況且該問題出現在最后一環(huán)節(jié)的圓桌討論中,前面嘉賓對工業(yè)互聯網的討論早就將在場聽眾們說暈乎了。
根據華辰產業(yè)研究院的一份產業(yè)報告來看,工業(yè)互聯網經歷了四個發(fā)展階段,上世紀60-80年代,就實現了網絡的發(fā)明以及機器與機器的互連。漸漸到2010年以后,工業(yè)互聯網雛形才慢慢形成。(如下圖)

上海交通大學機械與動力工程學院工業(yè)工程系明新國教授在題為“工業(yè)互聯網時代的企業(yè)數字化轉型”的演講中,直接用四個定律解釋了數字化轉型的開端契機,分別如下:
香農定理:給出了信道信息傳送速率的上限(比特每秒)和信道信噪比以及帶寬的關系;
摩爾定律:集成電路上可容納的晶體管數目約每隔18個月增一倍;
梅特卡夫定律:網絡價值隨著用戶數量的平方數增加而增加;
貝爾定律:計算機每10年產生新一代——面向新應用、價值更低。
明新國認為,前兩者推動了數字技術1.0,后兩者打開了數字技術2.0時代。尤其是梅特卡夫定律提到的用戶價值與用戶數量關系:“當企業(yè)吸引的用戶數量越大,網絡價值越大。”
下面這張PPT對比了“農業(yè)經濟”、“工業(yè)經濟”和“信息經濟”的10大區(qū)別。


明新國表示,第四次科技革命的本質就是“數據與智能”,想要得到智能,必須經歷四個步驟:1,收集數據;2,利用前面的數據作為參考來處理數據;3,基于提煉的數據采取行動;4,接收反饋數據,從結果中學習,然后全部保存進記憶里。
數據驅動的智能循環(huán)囊括了對數據的感知、預測、決策和執(zhí)行,他們又形成了一種閉環(huán)。最終的執(zhí)行結果又會影響到感知。

從筆者角度來看,明新國教授對數據和智能的理解較為拗口,稱重構數據、智能交互的目的是讓數據資產到數據資源,再轉換到數據生產力。不過另一句話就極其好理解:“用戶掏錢買數據,那就是有價值的數據?!?/strong>
此處引出工業(yè)互聯網概念:基于數據的管理、優(yōu)化和創(chuàng)新。
應用場景包括設備及產品管理、業(yè)務和運營優(yōu)化、新模式新業(yè)態(tài),最終達到成本節(jié)約、效率提升、產品和服務提升、業(yè)務和模式創(chuàng)新的目的。
怎么判斷某企業(yè)的數字化能力呢?明新國使用德勤的一組概念,將企業(yè)的數字化能力劃分為6個階段。(制造業(yè)公司可以自行對照。)
1,計算機化
企業(yè)通過計算機化高效處理重復性工作,并實現高精度、低成本制造。但不同的信息技術系統在企業(yè)內部獨立工作,很多設備不具備數字接口。
2,連接
相互關聯的環(huán)節(jié)取代各自為政的信息技術。操作技術(OT)系統的各部分實現了連通性和互操作性,但是依舊未能達到IT層面和OT層面的完全整合。
3,可視
了解正在發(fā)生什么,通過現場總線和傳感器等物聯網技術,企業(yè)捕獲大量的實時數據,建立起企業(yè)的“數字孿生”,從而改變以前基于人工經驗的決策方式,轉為基于數字進行決策。
4,透明
了解事件發(fā)生的原因,并通過根本原因分析生成認識。
5,預測
將數字孿生投射到未來,模擬不同的情景對未來發(fā)展進行預測,并適時做出決策和采取適當措施。
6,自適應
預測能力只是自動化行為和決策的根本要求,而持續(xù)的自適應則使企業(yè)實現自主響應,以便其盡快適應變化的經營環(huán)境。
明新國教授認為:“大多數企業(yè)還處于‘連接’和‘可視’階段,其實能做好‘可視’就已經非常不錯了。”

企業(yè)的數字化經歷信息化到數字化,到網絡化,再到智能化的轉型。其中智能化是基于云計算、大數據、AI等的全生態(tài)鏈優(yōu)化和創(chuàng)新。最終重構商業(yè)要素,從數據到業(yè)務,推動商業(yè)變革。

未來與價值
金蝶軟件有限公司的制造與供應方案總經理王葉忠則把目光放在了接地氣的“推進與落地”上,他認為,制造業(yè)數字化轉型的下一個十年,必須要回答幾個問題:誰來生產、生產什么、用何工具、如何生產以及在哪生產。
此外,他還表示,數據驅動制造需要解決的主要問題分別是:需求個性化、協作復雜化、成本隱形化、過程不確定性、交期之痛和環(huán)境控制需要更加量化。(如下圖)

而如今制造業(yè)的數字化轉型尚屬于發(fā)展時期,王葉忠所引數據證明這一點,如下。

長期跑客戶,讓王葉忠深深了解到了這個行業(yè)的機遇,也分析出了數字化生產所帶來的好處,不僅能提升計劃完成率,成本的降低、制造周期的縮短、庫存縮減等問題一并得到了優(yōu)化。

據賽迪顧問數據顯示,2018年中國工業(yè)互聯網市場規(guī)模達到5358.9億元。到2020年,其市場規(guī)模將達到6964.4億元,增速領先全球水平。

圖源:富士康工業(yè)互聯網投資價值白皮書
此外,根據Markets and Markets統計,2017年全球智能制造的市場規(guī)模為1532億美元,預估至2023年成長至2991.9億美元,2018年至2023年的年復合增長率為11.9%。市場前景可謂非常廣闊。
圖源:富士康工業(yè)互聯網投資價值白皮書
智能制造專家聶飛用非常簡短的話來總結:“好技術、好場景、好模式,外加具有很多能力的工具,就是工業(yè)互聯網的價值?!标P于數據,達智匯大數據專家資深講師拾文文表示:“數據本身沒有價值,透過數據而進行的管理行為,才有價值。”
工業(yè)互聯網更需要思維的轉變,就像傳統經濟思維與互聯網思維的不同,那么問題來了,如果你是實體制造業(yè),你愿意加入這趟“工業(yè)互聯網快車”嗎?