预见2022：《2022年中国工业互联网行业全景图谱》(附市场规模、竞争格局和发展前景等)
行业主要上市公司：中兴通讯(000063)，卫士通(002268)，东方国信(300166)，荣联科技(002642)，浪潮信息(000977)等
定义：工业互联网
据信通院的产业范围理解，工业互联网存在着狭义和广义之分。从狭义范围来看，工业互联网核心产业只包含工业互联网平台、新型网络、边缘计算等融合创新带来的全新产业领域。从广义范围来看，工业互联网核心产业基本等同于工业数字化的相关产业，其根植于传统制造支撑体系，又融合数据感知、互联互通、先进计算、智能分析等能力，带来了传统产业的升级和新产业环节的诞生。
工业互联网核心产业体系既包括融合形成的两类全新产业子领域，即工业自动化、工业网络向边缘计算延拓形成的边缘计算子领域，汇聚工业数据、机理模型和创新应用形成的工业互联网平台及软件子领域。也包括工业软件、工业自动化、工业网络、工业装备、工业安全等传统产业的智能化升级部分。
产业发展前景及趋势预测
1、工业互联网发展趋势：步入快速发展阶段
工业互联网作为新一代信息技术与制造业深度融合的产物，通过人、机、物的全面联网，促进制造资源泛在连接、d性供给与高效配置。工业互联网正在推动制造业创新模式、生产方式、组织形式和商业范式的深刻变革。在实体经济、数字经济、软件产业共同发展的新体系中，工业互联网成为我国制造业在中国制造2025目标下、工业40时代的新的发展思路。
工信部、财政部等部委最近密集出台了《工业互联网创新发展行动计划(2021-2023年)》《工业互联网+安全生产”行动计划(2021-2023年)》《工业互联网专项工作组2020年工作计划)》等多项旨在推进工业互联网发展的产业支持政策。业内普遍认为，随着产业支持政策的不断落地，工业互联网应用将进一步普及，产业发展也将进入快速发展期。在政策引导和市场推动的情况下，工业互联网行业仍然是一片蓝海。
我国工业互联网布局不断完善，且我国工业互联网基础设施布局各方面成果初现，但仍有很大进步空间。
2、工业互联网前景预测：工业互联网将随着物联网技术的进步而快速发展
考虑到工业互联网的跨界性质，很多产业可能将会从中受益，尤其是中小软件企业、互联网企业包括大数据、云计算等企业、智能制造企业等。作为物联网中的重要组成部分，工业互联网发展将会随着物联网技术的进步而得到快速发展，芯片、传感器、通信模组网络等行业的技术进步将会带动工业企业的新一轮效率提升，帮助电力、航空、医疗、铁路、能源等行业提高生产率。前瞻根据近年来的相关政策以及年复合增速测算出2027年中国工业互联网核心产业经济规模将达到243万亿元左右，渗透产业经济规模将达539万亿元，合计为782万亿元。这将为智能机器人、新型工业软件等软硬件领域带来发展机遇。
更多本行业研究分析详见前瞻产业研究院《中国工业互联网产业发展前景预测与投资战略规划分析报告》。
前言
“ 信息化可以让企业降低成本，提高企业核心竞争力。以信息化为支撑，以信息化为载体，多部门多维度的联合作战，共同推进，有效的将两化融合深入到企业的各个角度中 ，走上全新中国制造2025和工业40之路。
笔者曾在光学行业，耗材行业，家电行业等跨行业任职多年CIO，并带领所在企业获得中国轻工业2018年全国信息化百强示范单位，广东省2018年工业互联网应用标杆培育，2018年智能制造数字化示范单位，获得两化融合示范试点单位，获得2019年中国轻工业两化融合先进单位。
笔者围绕其在信息化领域所取得的成就，以及近15年在IT方面从0到1和从1到N自身实践进行了多维度思考和总结。
一 CIO的七层信息化体系
无论做什么事情，想都是问题，做都是答案 。作为企业信息化负责人，就是要走出去，去看别人是怎么做的，取长补短。在十五多年信息化工作经历中，笔者凭借两化融合工作经验，先后获得了中国智能制造百人会专家委员、 佛山市工业互联网特聘专家委员、E-works特聘培训专家、2018年中国轻工业优秀CIO、 2018年全国百佳CIO，2018年中国制造业杰出CIO等荣誉。他说：“从生产制造到分销渠道，到终端门店，最后到海外观察学习。我时常会感到很焦虑，因为世界在变，行业也在变，如何才能让自己和企业不掉队，紧跟时代和行业的发展步伐？”这是董辉一直以来在考虑的问题。
经过多年实践，笔者总结出了一套“ CIO的七层体系”，立足CIO自身和企业信息化落地痛点，有效帮助企业和CIO将IT理论知识和实践经验融合运用 。
笔者认为 人要有信仰，企业要有使命和愿景，推进信息化也是如此 。
所以， CIO七层体系的第一层就是信息化未来 ，即 “ABCI”时代，A是人工智能，B是大数据，C是云，I即物联网， 这是基于信息化所要规划的未来。除此，董辉还认为信息化的未来还包括基于市场端、营销端的新零售，基于生产端的智能制造，以及国家政策（一带一路，工业互联网，中国制造2025， 5G，侧供给等），这都是企业或CIO推进信息化时应该考虑到的。
第二层是信息化的顶层设计 。 即信息化的业务蓝图设计 ，需要从打通消费者信息、数据化的边界、供应链协同，财务精细化颗粒度等系统层之间的连接，以及从决策层、管理层，运营层等多个维度展开，有效帮助企业或CIO从管理的角度，从战略发展和系统发展角度进行顶层设计的规划，帮助企业看得更高更远。
笔者认为信息化未来和顶层设计代表的是企业的愿景和使命，这是“务虚“的，那么如何将其落地呢？企业要具备支撑体系，即 第三层信息化的六大体系 ： 项目体系、业务体系、数字体系、服务体系、审计体系、IT治理体系的打造 。他说：”第三层的六大体系对应的是公司中常见的项目、业务、数字、服务、审计、治理。所谓管理是先管，再理。无论是离散性行业还是流程性行业，都有其共性的问题，IT也同样具备共性问题。所以，通过IT的手段将其标准化、体系化和方法化，可以快速有效帮助企业将概念和愿景落地，更好的支撑第一层和第二层。”
当企业的未来、顶层设计和六大体系都建立好之后，接下来就是真正“务实”的阶段，即 第四层：信息化应用系统 。 主要帮助企业解决 ：系统品牌，版本，上线时间、业务流程、系统模块、迸发用户量、周边系统集成，可以优化高中轻3个等级等问题，推动信息系统持续完善，实现信息系统价值最大化。
第五层是信息化落地执行 。比如在如何帮助公司快速孵化新人这个问题上？最快的途径就是交给他们一套方法，一个工具，基于所在信息系统的现状、方向、行动、结果， 8字进行整体规划，分步实施，最后结果导向，用数字说明一切。中间穿插SWOT, PDCA等模型来辅助完善。
第六层是信息化培训推广 。身为企业信息化负责人，要怀着勇于“走出去”的心态，主动为公司的高层、中层，以及信息系统使用者分享业内第一手最新的信息，并制作POP海报进行宣传等，也可以联合HR人事部门一起开展IT相关的细分培训，推动各部门了解并认识到信息系统的价值和作用，让业务部门意识到信息系统并不是IT部门的工作，是大家的工作，是公司的工作。
第七层是信息化文化 。信息化负责人肩负的是创新传播者的角色，要发挥主观能动性、传播知识、不断学习，分享技巧和弘扬IT文化，对营造良好的信息化工作环境，为企业的领导、干部、员工克服转型阵痛迅速达成共识起到了潜移默化的重要作用。
二 信息化实践的五个维度
第一个维度，部署了自身的数字虚拟仿真平台（数字双胞胎）。 包括PLM、PDM、以及三维软件等等。董辉介绍其中有一个叫做虚拟现实的仿真，可以提高产品的生命周期。他说：“好品质绝对不是检测出来的，而是设计出来的。”
第二个维度，打造了一条模块化、柔性化、定制化的生产线 ，让公司可以基于MES等现有信息系统，实现了从原来的总装到预装的维度，以及核心零配件的自制。
第三个维度就是在线的自适应检测装备 ，实现设备、水电气、代码单元，以及等级性能的自动化检测。
第四个维度就是立体仓库 ，可以直观看到设备、物料、成品、系统 *** 作等各环节，公司已经成功部署仓库管理（WMS）系统。
第五个维度是基于前四个维度的顺利实施而建立的，企业只有顺利走完前四个维度，才能逐步迈向智能化，实施工业互联网。所以， 最后一个维度就是基于行业的工业互联网，云中台 。
企业在实施五个维度的时候，还要做三个集成：
1）横向集成 ，指机器与机器、机器与系统、机器与物料的互联；
2）纵向集成 ，指人与机器、系统与系统、物料与系统的互联；
3）端到端的集成 ，人与系统、工厂与工厂、外部的互联。总结起来就是人、机、料、法、环要形成一个闭环，让相互之间的数据互联互通充分发挥五个维度的作用。
例如第三个维度的自适应检测设备，可以将企业原来的人工调节模式转变自动检测，提高测量的精准度，实现智能化匹配模式。据董辉介绍，机械取代了原来的人工和设备之后，检测人员减少了38%，取消了对“表哥”“表姐”的依赖，实现了系统的自动对接和及时预警。
“企业经过一系列的智能化举措，将生产节拍从原本的72秒缩短为45秒，效率至少提升15倍，节省了五个人工成本。”据国家工信部要求，实施智能制造时有五个维度：生产效率的提高、运营成本的降低、产品生命周期的缩短、产品升级周期缩短、产品的不良利益和单位环保能耗的降低。完成这五个维度之后，企业就可以降本增效。谈及此，笔者列举几个数据：生产效益提高3253%，运营成本降低2478%，产品的生命周期缩短，产品迭代周期缩短，从原本的316天缩短为167天，产品的不良率从原本的132降低到054，同时经过工艺改造，企业的用电能耗每月节约了87898千瓦，这是智造所带来的最直观的回报。（注：数据经过脱敏处理，仅供参考）
三 数字化转型
数字化转型，CIO需要从思维和心态五个方面去改变
数字化转型、智能制造作为企业战略规划，CIO是转型的掌舵者 ，在其中起到了非常关键的作用。董辉认为现在企业的CIO需要从思维和心态等五个方面去改变，即 联接、连接、预见、洞见、未来我来 。
1）联接 :是指CIO要将IT技术和企业未来的发展战略有效联接；
2）连接 :则是用业务部门和客户听得懂的话进行交流，将专业的信息化术语转化为业务部门听得懂的语言；
3）预见 :是指CIO一定要参与到业务当中，只有参与其中，才能预见来自市场和来自第一线的痛点和需求，帮助企业识别哪些是真痛点，哪些是伪需求；
4） 在 洞见 能力方面，CIO要善于推销，了解如何将IT部这个后勤服务和成本中心，转化为利润中心？如何将技术变成作品、产品变成商品，有效的将IT战场向业务部推进1000米，向市场部推进2000米，向消费者推进3000米 。
5）未来我来 。无论是前面的ABCI时代，还是行业未来的发展，CIO都要时刻准备着，应对任何随时会到来的挑战，从技术、团队、心态方面进行调整，迎接各式黑 科技 、物联网、工业40、量子计算机，边缘计算，5G，区块链等等技术创新，为未来的变化做好准备。
边缘计算行业主要上市公司：目前国内边缘计算行业的上市公司主要有阿里巴巴(BABA),中国移动(00941HK),腾讯(TCTZF),中国电信(00728HK),百度(BIDU),中国联通(600050),华为(HUAW),中国广电(SH600831)等。
本文核心数据：国内数据规模、边缘计算市场规模、国内移动互联网流量规模、新型信息技术场景、边缘数据中心发展瓶颈
1、国内数据量呈指数级增长
数据量及计算量呈指数爆发，带动边缘数据中心规模不断扩张。预计2030年中国数据原生产业规模将占整个经济总量的15%，数据的总体规模超过4YB，占全球数据总量的30%。依靠企业传统数据存储及处理设备已完全不足以支撑日益庞大的数据生产、价值挖掘需求，而且企业对数据处理的时效性、安全性要求也越来越高，构建边缘数据中心成为数据爆发的必然要求。
2、边缘计算业务爆发式增长
边缘计算业务的爆发式增长，直接推动了作为边缘云服务物理基础设施的IDC需求持续增加。2018年我国边缘计算市场规模达77
亿元，同比增长552%，前瞻初步预计2021年市场规模达296亿元，同比上年增长644%。由于边缘计算服务按需共享的软硬件资源和信息主要存储在边缘数据中心，边缘计算市场规模增加势必提升边缘数据中心需求。
3、移动终端设备和网络流量持续激增
移动终端设备和互联网流量持续高速增长及产业互联网应用逐渐深入落地，推动边缘数据中心流量保持高速增长。消费互联网方面，随着短视频、直播、游戏等应用的爆发，移动互联网流量呈现指数级增长。2019年移动互联网流量接入达1220亿GB，同比增长716%，移动互联网DOU达78
GB/月/户，为2018年的169倍。
产业互联网方面，越来越多企业将数据存储由本地设备迁至边缘云服务器，海量数据在边缘复制、存储、传输及分析应用，企业上云及大数据推动企业数据流量呈爆发式增长。并且随着5G全面铺开商用，数据流量将持续爆发，加快驱动边缘数据中心的发展。
4、新兴信息技术场景迅速涌现
边缘数据中心是为支撑更低延迟的5G新业务开展而生。由于5G所支持的终端密度非常大，其带来的数据量也会非常惊人。通过边缘数据中心，把云数据中心的IT资源迁移到靠近用户侧，将更加靠近此类数据，方便数据的处理。
同时5G、车联网、CDN、AR/VR等新兴技术的逐步落地，加速了新兴技术在各传统领域中的推广应用，促使新业务形态产生，有效地推动了边缘数据中心的产业发展。例如，在交通领域中与5G、物联网技术融合发展，促进智能驾驶汽车业务规模化发展;在医疗领域中与5G、AR/VR技术融合发展，促使远程医疗(包括远程手术、远程监护等)业务规模化发展。
边缘数据中心产业蓬勃发展的同时也存在部分问题。边缘数据中心规模虽小，但数量多，总量巨大而且物理位置极其分散，这势必将对我国数据中心行业造成巨大影响。我国基础运营商、IDC服务商、设备厂商等纷纷开始布局，但在其技术研究及推广应用过程中面临诸多问题。
以上数据参考前瞻产业研究院《中国5G产业发展前景预测与产业链投资机会分析报告》。
不久前，阿里巴巴集团前沿 科技 研究机构达摩院发布了2020十大 科技 趋势，涵盖了人工智能、量子计算、区块链等前沿 科技 及技术热词。业内认为，达摩院发布的趋势内容 聚焦了正在走进现实生活的前沿技术，成为相关行业一种有益的展望 。
2020十大 科技 趋势具体包括，人工智能从感知智能向认知智能演进、计算存储一体化突破AI算力瓶颈、工业互联网的超融合、机器间大规模协作成为可能、模块化降低芯片设计门槛、规模化生产级区块链应用将走入大众、量子计算进入攻坚期、新材料推动半导体器件革新、保护数据隐私的AI技术将加速落地、云成为IT技术创新的中心。
以“保护数据隐私的AI技术将加速落地”这一趋势为例，报告认为，数据流通所产生的合规成本越来越高。使用AI技术保护数据隐私正在成为新的技术热点，其能够在保证各方数据安全和隐私的同时，联合使用方实现特定计算，解决数据孤岛以及数据共享可信程度低的问题，实现数据的价值。
达摩院断言， 科技 浪潮新十年开启，围绕AI、芯片、云计算、区块链、工业互联网、量子计算等多个领域将出现颠覆性技术突破。
01 人工智能从感知智能向认知智能演进
人工智能已经在「听、说、看」等感知智能领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类 社会 历史 中汲取灵感，并结合跨领域知识图谱、因果推理、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，实现从感知智能到认知智能的关键突破。
02 机器间大规模协作成为可能
传统单体智能无法满足大规模智能设备的实时感知、决策。物联网协同感知技术、5G通信技术的发展将实现多个智能体之间的协同——机器彼此合作、相互竞争共同完成目标任务。多智能体协同带来的群体智能将进一步放大智能系统的价值：大规模智能交通灯调度将实现动态实时调整，仓储机器人协作完成货物分拣的高效协作，无人驾驶车可以感知全局路况，群体无人机协同将高效打通最后一公里配送。
03 计算存储一体化突破AI算力瓶颈
冯诺伊曼架构的存储和计算分离，已经不适合数据驱动的人工智能应用需求。频繁的数据搬运导致的算力瓶颈以及功耗瓶颈已经成为对更先进算法 探索 的限制因素。类似于脑神经结构的存内计算架构将数据存储单元和计算单元融合为一体，能显著减少数据搬运，极大提高计算并行度和能效。计算存储一体化在硬件架构方面的革新，将突破 AI 算力瓶颈。
04 工业互联网的超融合
5G、IoT 设备、云计算、边缘计算的迅速发展将推动工业互联网的超融合，实现工控系统、通信系统和信息化系统的智能化融合。制造企业将实现设备自动化、搬送自动化和排产自动化，进而实现柔性制造，同时工厂上下游制造产线能实时调整和协同。这将大幅提升工厂的生产效率及企业的盈利能力。对产值数十万亿乃至数百万亿的工业产业而言，提高 5%-10% 的效率，就会产生数万亿人民币的价值。
05 模块化降低芯片设计门槛
传统芯片设计模式无法高效应对快速迭代、定制化与碎片化的芯片需求。以RISC-V 为代表的开放指令集及其相应的开源 SoC 芯片设计、高级抽象硬件描述语言和基于 IP 的模板化芯片设计方法，推动了芯片敏捷设计方法与开源芯片生态的快速发展。此外，基于芯粒（chiplet）的模块化设计方法用先进封装的方式将不同功能「芯片模块」封装在一起，可以跳过流片快速定制出一个符合应用需求的芯片，进一步加快了芯片的交付。
06 规模化生产级区块链应用将走入大众
区块链 BaaS(Blockchain as a Service) 服务将进一步降低企业应用区块链技术的门槛，专为区块链设计的端、云、链各类固化核心算法的硬件芯片等也将应运而生，实现物理世界资产与链上资产的锚定，进一步拓展价值互联网的边界、实现万链互联。未来将涌现大批创新区块链应用场景以及跨行业、跨生态的多维协作，日活千万以上的规模化生产级区块链应用将会走入大众。
07 量子计算进入攻坚期
2019 年，「量子霸权」之争让量子计算在再次成为世界 科技 焦点。超导量子计算芯片的成果，增强了行业对超导路线及对大规模量子计算实现步伐的乐观预期。2020 年量子计算领域将会经历投入进一步增大、竞争激化、产业化加速和生态更加丰富的阶段。作为两个最关键的技术里程碑，容错量子计算和演示实用量子优势将是量子计算实用化的转折点。未来几年内，真正达到其中任何一个都将是十分艰巨的任务，量子计算将进入技术攻坚期。
08 新材料推动半导体器件革新
在摩尔定律放缓以及算力和存储需求爆发的双重压力下，以硅为主体的经典晶体管很难维持半导体产业的持续发展，各大半导体厂商对于 3 纳米以下的芯片走向都没有明确的答案。新材料将通过全新物理机制实现全新的逻辑、存储及互联概念和器件，推动半导体产业的革新。例如，拓扑绝缘体、二维超导材料等能够实现无损耗的电子和自旋输运，可以成为全新的高性能逻辑和互联器件的基础；新型磁性材料和新型阻变材料能够带来高性能磁性存储器如 SOT-MRAM 和阻变存储器。
09 保护数据隐私的AI技术将加速落地
数据流通所产生的合规成本越来越高。使用 AI 技术保护数据隐私正在成为新的技术热点，其能够在保证各方数据安全和隐私的同时，联合使用方实现特定计算，解决数据孤岛以及数据共享可信程度低的问题，实现数据的价值。
10 云成为IT技术创新的中心
随着云技术的深入发展，云已经远远超过 IT 基础设施的范畴，渐渐演变成所有 IT 技术创新的中心。云已经贯穿新型芯片、新型数据库、自驱动自适应的网络、大数据、AI、物联网、区块链、量子计算整个 IT 技术链路，同时又衍生了无服务器计算、云原生软件架构、软硬一体化设计、智能自动化运维等全新的技术模式，云正在重新定义 IT 的一切。广义的云，正在源源不断地将新的 IT 技术变成触手可及的服务，成为整个数字经济的基础设施。
随着物联网高速发展，工业制造业逐步趋于自动化、信息化。5G网络、大数据信息、AI人工智能以及先进制造业的深度融合正在重构工业技术和价值体系。5g工业网关的智慧工厂应用实现工业自动化生产、数据采集可视化、远程控制等 *** 作。
计讯物联5G 工业网关凭借无线技术、高带宽、高可靠、低时延、移动性助力工厂实现设备智能化、生产管理智能化、控制迭代智能化，广泛应用于物联网、工业自动化控制、物流追踪、工业AR、云化机器人等工业应用领域。
5G工业网关具备设备接入能力、数据采集能力、边缘计算能力、数据处理能力、协议转换能力、数据转发能力、5G/4G/有线等综合通信传输能力、本地缓存能力、断网续传能力、远程配置管理能力、超阈值报警能力、安全加密防护能力、抗干扰能力、易用性等，更能够进行二次开发，研发出适合不同企业用户的特性功能。
5G 工业网关功能优势
1、支持4G/3G/PPPoE/DHCP/静态地址等连接方式，有线无线互为备份，多种工作模式选择。
2、支持APN/VPDN数据安全传输，支持IPSec、L2TP、PPTP、OPEN等类型。
3、支持DHCP server，DHCP客户端，IP与MAC地址绑定，DDNS，NAT，DMZ主机，QoS，流量统计。
4、支持TCP/IP、UDP、TFTP、>工业物联网是指在工业中应用物联网技术，实现工业特有的价值增值的技术模式。
所有物联网都是为了实现万物互联，特别是物与物的互联，但是工业物联网又有其专有属性，原因是与工业物联网相对的消费物联网本身的联网密度、联网的实时性、联网物的异质化要求都不高，而工业物联网的要求主要表现在联网密度、联网实时性及联网异质化三个方面。
思考所有问题都需要从宏观到微观的细化过程，工业物联网也不能例外，我认为对工业物联网进行深度思考，需要从以下五个维度进行分析，否则将会要么带来一叶障目，要么带来好高骛远。
首先需要我们思考的问题是，工业物联网的价值、意义和目的是什么；第二个是工业物联网需要连什么的问题，这是一个范围的概念；第三个需要我们思考的是连入物联网的物的层级问题，也就是深度的问题；第四个需要我们思考的是实现物联的价值成本分析；第五个需要我们思考的是如何建设工业物联网。
互联网实现了计算机与计算机的连接，或者说实现了人与人的连接，这个连接带来了人的交互的便利，在这个基础上涌现出很多全新的、颠覆性的商业模式，例如，电子商务、即时通讯，社交媒体等等；而物联网将实现人与物、物与物的连接，同样我们也期望带来全新的、颠覆性的商业模式，甚至更进一步，期望带来人类生活、生产方式的全新的颠覆性的模式。
作为物联网主战场的工业物联网，人们对其的期许是在工业设计、制造、流通环节带来革命性的变革，为传统工业注入新的活力，提供新的势能，驱动工业在更高维度上发展、创新、乃至变革。随着计算、存储能力的提升，特别是大数据、人工智能的发展，任何行业对数据获取手段都提出了前所未有的要求。对数据获取手段的要求主要表现在四个特征，第一是高效性；第二是准确性；第三是实时性；第四是经济型；在当前技术能力下，能够同时满足这四个特征的就是工业物联网，首先，芯片技术已经发展到一个具有较强计算能力的MCU在美元以下，RFID芯片价格甚至已经到美分这个量级，使得工业物联网有了物质基础，同时满足了经济性要求；近三十年的通讯技术的发展，从模拟到数字，从简单调制到复杂调制技术的商用化，使无线通讯可以很廉价地覆盖几百米甚至数公里的范围，满足了数据获取的密集部署要求，同时由于工业物联网的永久在线的特征，使工业物联网满足数据获取的高效性、实时性要求；微电子技术在近年也发生了突飞猛进的发展，不论在价格上还是在进度上都有了长足的突破，满足了数据获取的准确性。
总而言之，工业物联网的出现是在以下几个条件成熟时涌现出来的不可逆转的趋势：
1、快速变化的市场需要数据支撑，产生了市场对数据获取的急切要求；
2、MCU的发展使得计算能力快速提升；
3、以调制技术为核心的通讯技术发展为联网建立的管道基础；
4、传感技术，特别是以MEMS为标志的微电子技术的发展给予感知世界提供的保证；
工业物联网不是规划出来的，是各种技术与需求发展进化的产物，是生活、生产、经济发展到一定高度后自然而然出现的，是在需求的驱动下，众多行业创新带了的自然产物。
通过工业物联网，可以把传统经济中不可数字化之物数字化，可以把传统不可数字化之行为数字化，可以把传统不可能变为可能，甚至变为容易获得、解决的方案。
这个问题是第一个问题的延续，如果不考虑经济性，那么我们可以说工业物联网连接一切可连接之物，但是，当我们在做一个务实的、有价值的方案时就不能不考虑可行性及经济性，那么工业物联网连什么呢？我们认为这是一个从哪里来到哪里去的问题，我们通过上面对价值、意义和目的分析可知，我们应该从目的反推，一切从目的出发，时刻盯紧企业需要弥补的最关键环节，例如，如果对量化OEE有需求，那么我们就要连接设备状态；如果要减少在制品，那么我们就要对在制品进行追踪；如果能源消耗对企业是重中之重，那么我们就要把能效物联化，等等。世界上不存在同样的两片树叶，同样地，世界上也不存在同样的两个企业，我们只能对企业本身进行深入分析，紧紧聚焦于企业价值，在保证经济性的基础上，确定工业物联网的实施范围方案。联网范围一个核心点是连入物的属性，也就是说我们通过分析连入物的属性与企业建设工业物联网目标的耦合度，决定需要实施工业物联网的广度。
通过分析工业物联网连什么后，我们得到了连入物的内容，接下来需要我们决定是对每个/每类连入物我们该数字化哪些属性，这里遇到工业物联网特有的一个障碍，需要连入工业物联网的物的可连通性问题， 特别是在设备互联时，可连通性表现的特别突出，例如，有的设备具有开放的通讯协议和可用的通讯接口，有的设备不开放协议等等，那么可连通性就是对方案供应商的很大的考验，我们的经验是有四种方案可供选择：
1、使用设备开放的协议；
2、使用设备自带的传感器；
3、添加新的传感器；
4、改变观察侧面及维度，使用全新的采集模式；
其中第四条，改变观察的侧面和维度，使用全新的连接方式是使用第一性原理，避开设备不开放协议或接口的阻碍，避开被设备供应商牵着鼻子走的方向，从本质上获取数据。例如：通过能效检测获得设备的使用状态，通过震动传感分析设备部件的故障、甚至是转速等，只要通过第一性原理从你需要的信息入手，而不是被动地从设备可以提供的数据入手来提供物联解决方案的方式。直接把我们需要的信息做为目标，观察除了直接连接设备外，我们还能够如何获得需要的信息，因为只有我们获得的数据能够与设备提供的数据在信息上能够“同构”即可。例如，我们可以在我们的物联设备上安装一个震动传感器，从传感器获得的数据中，我们即得到了设备是否开机，又得到了是否启动工作，同时还得到设备的转速。如果不用第一性原理，而是硬要跟设备互联，那至少要采集三个数据，并且未必设备能够给你。这就是典型的边缘计算的案例，边缘计算的计算规则一定要具有定制能力，可以说边缘计算一定是一个知识容器，可以方便地把客户、厂家，甚至是第三方的知识融入的容器，我们开发的支持脚本的设备已经具有了初步的边缘计算的功能，我们需要在这个方面继续加大支持力度。
所以，通过分析企业价值和物的可连通性，我们就可以明确定义需要连入物层级，也就明确了连入物的连接深度；
在连入物联网的物的层级中一个重要的概念是管理粒度，对于制造业来说，连入物的管理粒度大概分为如下几个层级：
1、传感级；
2、设备级；
3、产线级；
4、车间级；
5、企业级；
也就是说我们要在经济性可行的前提下定义数据获取的粒度。理论上讲，细粒度一定比粗粒度更好，更有价值，但是当加入成本分析后，可能并不一定粒度越细越好，需要按照各种制约因素找到一个平衡点。
价值成本永远在企业行为中持有权值最高的赞同或者否决的一票，通过前三项分析，我们仅剩下最后一个问题没有解决，这也是关乎价值成本的关键：管理粒度问题，我们到底需要在多细的粒度下进行管理？这带来了一个哲学问题：世界是不是需要黑盒子。什么意思呢？当我们确定一个管理粒度后，比管理粒度更细的信息将被隐藏在黑盒子中，这个黑盒子将成为我们分析深度或者认知深度的制约因素和约束条件。我们可以通过价值成本分析来找到这个平衡点，从而明确黑盒子的大小，并最终确定连入工业物联网的物的特性。
我们的期许是工业物联网建设的价值观，其他一起都是方法论。首先，我们在规划物联网时要本着既要有高瞻远瞩，又要有务实可行的精神。在思考黑盒子的大小时我们要高瞻远瞩，设计方案尽可能地以黑盒子尽量小为目标，而实施方案则按照价值成本分析选择合适的黑盒子的大小，也就是选择合适的管理粒度，从而保证投入收益的平衡，甚至我们可以把黑盒子尽量定义的大些，用以验证工业物联网的可行性，最大可能地降低工业物联网实施的风险。
总之，我们应该从以几个方案来确定工业物联网的建设原则：
1、期望获得什么结果？
2、期望用什么方式获得想要的结果？
3、需要信息基础提供什么？
4、工业物联网是否能够获得这些信息？
5、工业物联网如何获得这些信息？
6、获得这些信息的性价比如何？
7、回归分析，评估预期结果是否符合经济利益？
8、落地实施。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）