什么是“泛在电力物联网”？要建一个什么样的泛在电力物联网？
01
为什么要建泛在电力物联网？
国家电网公司在2019年两会报告中提出建设世界一流能源互联网企业的重要物质基础是要建设运营好“两网”,这里所说“两网”分别是“坚强智能电网”和“泛在电力物联网”。泛在电力物联网这个名词首次出现在国家电网公司的两会报告中，成为和坚强智能电网相提并论的重点工作。
首先来看国网2019年1号文件是怎么说的：在2019年1月13日发布的国家电网有限公司2019年1号文件中，排在年度重点工作首位的就是：推动电网与互联网深度融合，着力构建能源互联网。具体内容是：“持之以恒地建设运营好以特高压为骨干网架、各级电网协调发展的坚强智能电网……。充分应用移动互联、人工智能等现代信息技术和先进通信技术，实现电力系统各个环节万物互联、人机交互，打造状态全面感知、信息高效处理、应用便捷灵活的泛在电力物联网，为电网安全经济运行、提高经营绩效、改善服务质量，以及培育发展战略性新兴产业，提供强有力的数据资源支撑。承载电力流的坚强智能电网与承载数据流的泛在电力物联网，相辅相成、融合发展，形成强大的价值创造平台，共同构成能源流、业务流、数据流“三流合一”的能源互联网。”
可以认为一号文件中对泛在电力物联网的定义以及在能源换联网中的重要地位作出了明确地官方解释。一号文件的重点工作之二是：培育壮大发展新动能，创新能源互联网业态。其具体内容是：研究探索利用变电站资源建设运营充换电（储能）站和数据中心站的新模式，积极推动公司通信光纤网络、无线专网和电力杆塔商业化运营，拓展服务客户新空间。大力开拓电动汽车、电子商务、智能芯片、储能、综合能源服务等新兴业务，促进新兴业务和电网业务互利共生、协同发展。一号文件的重点工作之三是：扩大开放合作共享，打造能源互联网生态圈。具体内容是：充分利用电网数据、技术、标准优势，加强与新经济和互联网企业合作，积极参与新能源、智能制造、智能家居、智慧城市等新兴业务领域的开拓建设，加快构建围绕能源互联网发展的产业链、生态圈。
从一号文件中可以看出国网未来将通过建设电力互联网发展与互联网经济相关的新业态，包括新能源、智能制造、智能家居、智慧城市等新业务。非传统领域的新业态已经和传统电网业务处于同等重要的地位，实际上，所谓所谓新能源、智能家居、智慧城市，都可以被囊括进“泛在电力物联网”。总地来看，“坚强智能电网”仍是国网业务的基本盘，坐稳输-变-配-用-售环节的既定业务范围，在增量配网试点和配售电侧改革不断深入的背景下坚守传统阵地，抵御“外部的野蛮人”，是国网今后工作的“拿分项”；而在国有企业改革走向深水区，电改大势倒逼，国网新一代领导层逐步稳定之际，提出“泛在电力物联网”概念，则是主动出击开拓新方向的求变之举，是国网今后工作的“发力点”。
国网内部对于公司发展和业务调整，有一定的共识和紧迫感，主要集中于以下几个方面：一是随着新能源发电占比升高，电网形态日趋复杂，电力潮流和电网故障演化机理不断由可预见向难以预见演变，这对电网的安全稳定运行提出了更高要求；二是电改推进、政府及社会对电价下调的要求，导致企业经营面临瓶颈；三是在互联网经济与数字经济的蓬勃发展下，社会经济形态发生着深刻变化，在改革即将进入深水区之际，如果没有做好未来这几年的发展转型，通信运营商现在面临的困境可能就是国网的明天。而借着“泛在电力物联网”的东风，继续在传统强电部门深耕，加强信息化，还是着力发展电动汽车、综合能源服务等新业务，需要一个有力的规划纲领作为指导。
02
什么是“泛在电力物联网”？要建一个什么样的泛在电力物联网？
物联网的概念由 MIT 的 Kevin Ashton在1998年首次提及，他指出将
RFID技术和其他传感器技术应用到日常物品中构造一个物联网。紧接着的第二年由 Kevin Ashton 带头建立的 Auto-ID center
对物联网的应用进行了更为清晰的描述：依靠全球 RFID 标签无线接入互联网，使得从剃须刀到欧元纸币再到汽车轮胎等数百万计的物品能够被持续地跟踪和审计。
电力行业对“物联网”的理解是：物联网是一个实现电网基础设施、人员及所在环境识别、感知、互联与控制的网络系统。其实质是实现各种信息传感设备与通信信息资源的（互联网、电信网甚至电力通信专网）结合，从而形成具有自我标识、感知和智能处理的物理实体。实体之间的协同和互动，使得有关物体相互感知和反馈控制，形成一个更加智能的电力生产、生活体系。从而衍生出泛在智能电网——基于通信技术的全业务泛在电力物联网-泛在电力物联网概念。
各国在建设现代电网的过程中都用到了物联网，但对其应用的侧重点则各有不同。在欧洲，提升供电安全性、节能减排、发展低碳经济是各国积极发展智能电网的主要原因，在这种驱动力下，欧洲电力行业对物联网的应用更倾向于清洁能源和环保方向；在日本，可再生能源接入、节能降耗和需求响应是日本发展智能电网的主要驱动力，日本电力行业对于物联网的应用主要在于对新能源发电监控和预测、智能电表计量、微网系统监控等领域；在中国，物联网技术为提高电网效率、供电可靠性提供了技术支撑，RFID技术、各类传感器、定位技术、图像获取技术等使仓库管理、变电站监控、抢修定位与调度、巡检定位、故障识别等业务实现灵活、高效、可靠的智能化应用。
目前国网对泛在电力物联网的具体定义还未形成，将传统电力生产、传输、消费的所有环节信息化，都可以称为泛在电力物联网。就目前国网的技术储备而言，增强电网的感知、通信、计算和分析能力，是其可预见的发展方向。2018年的国网信通工作会议上就提出了“打造全业务泛在电力物联网，建设智慧企业，引领具有卓越竞争力的世界一流能源互联网企业建设”的工作目标，并提出了建设国网-电力物联网SG-eIoT
(electric Internet of Things)的技术规划。预计将综合运用“大云物移智”等信通新技术，与新一代电力系统相
互渗透和深度融合，实时在线连接能源电力生产和消费各环节的人、机、物，全面承载并贯通电网生产运行、企业经营管理和对外客服服务等业务。在终端层表现为万物互联的连接能力，在网络层表现为无处不在、无时不有的通信能力，在平台层表现为对全景设备和数据的管控能力。在2018年国网信通工作会议上制定的规划来看，整个“SG-eIoT”系统在技术上将分为终端、网络、平台、运维、安全等五大体系，打通输电业务、变电业务、配电业务、用电业务、经营管理等五大业务场景，通过统一的物联网平台来接入各业务板块的智能物联设备，制订各类电力终端接入系统的统一信道、数据模型、接入方式，以实现各类终端设备的即插即用。
有意思的是，国网一直以来虽然没有明确喊出电力物联网的口号，却已经有了相当的技术积累。国网的信息化水平近年来也不断提升，目前国网系统接入的终端设备超过5亿只（其中47亿只电表，各类保护、采集、控制设备几千万台），规划到2030年，接入SG-eIoT系统的设备数量将达到20亿，整个泛在电力物联网将是接入设备最大的物联网生态圈；经过D5000、调控云等系统改造和升级，国调中心在电网观测、控制水平已经称得上世界先进，输电网基本做到可观、可控、能控、在控；各地配电自动化系统建设也在推进当中，规划到2020年完成全网95%的配电自动化覆盖率，各种在线监测、智能预警系统比比皆是；基于PMS20系统，主要设备的全生命周期管理在近两年内也能基本完成；通信网络建设如火如荼，无线专网、保护专网陆续上马；国网智慧车联网平台目前已经连接全社会80%的公共充电桩以及4万多辆电动汽车。想要在近年内交一份能够写出足够多亮点的成绩单，问题应该不大。
笔者认为，国家电网作为世界五百强第2的旗帜性央企，应该有更高要求拿出真正的可以定义行业发展方向的技术方案，要么具备成熟的、可复制的海外技术输出能力，被海外能源企业接纳，例如华为通信解决方案，支付宝/微信移动支付；要么具备强烈提升用户体验、能直接让用户感受代际差异的新服务水平，如高铁。就供电可靠性、电网安全稳定性等方面而言，进一步提升的空间和产生的社会效应都已有限。泛在电力物联网应该向着智慧小区/智慧城市整体能源解决方案、智慧交通整体能源供给方案、智慧能源套餐及交易模式、用户能效分析及用户画像、智能家居与用能管理等方面延伸。虽然国家电网是国内每年电气专业研究生就业的首选单位，是每年获取专利数最多的企业，甚至超越了华为，但国家电网作为一家科技公司的形象在公众心中依然没有建立起来，电力用户期待获得更多的知情权和参与感，例如得到用电诊断、科学用电方案、差异化电价信息等增值服务。在前有堵截后有追兵的行业背景下，要“建成世界一流的能源互联网企业”，只有深刻改变用户习惯，才能进一步赢得发展的先机。
03
建设泛在电力物联网应规划先行
一般情况下，抛出一个战略性概念后，国网公司会在组织机构、科技研发、重点工程等方面共同发力，并使之成为今后3-5年的主要方向。按以往规律，国网的新概念往往由相关利益部门主张并提出，上升形成公司战略后由原提出部门出主力班底进行战略规划、科研投入和工程运作。新战略的实施情况，有时受制于公司其他利益部门对该战略的支持和配合力度。国网领导班子对新成立部门的支持力度、其他利益部门对新成立部门的配合力度往往关系着新战略的整体推进效果。相对于我国政府和企业过往一些实施相对成功的战略，国网的风格还有些遵循丛林法则，主要由强势部门和地方公司利益驱动，在领导层取得首肯后立即上马项目，一定程度上缺乏规划引领的顶层设计，导致重复建设、技术路线多样，虽然每年都涌现出数量众多“世界一流”的技术或工程，却难以形成合力，在国际上和社会上缺乏“中国高铁”这样的名片技术。
物联网技术虽然在电网有着广阔的应用和前景，但也面临一些发展问题。从技术上来看，感知层的传感器数据准确性、传感器在复杂环境下的故障率、数据传输的及时性、无线传输的安全性等都是亟待解决的问题。受到可靠性、成本、原有管理制度等多种因素的制约，物联网产业一直推进缓慢。制定合理的长期规划，对指导物联网在电网发展具有重要意义。
因此，国网应组织科研单位牵头，遵循目标导向，按照我国不同地区电网技术基础及资源禀赋，设定泛在电力物联网近期目标及中长期技术规划，尽快明确重点项目及技术攻关方向，集中力量突破既定关键技术。此外，利用好自身科研人才和科研力量，必要时与外部企业及科研力量联合，突破传统电力生产-科研-设备研发利益窠臼，走出电网成熟技术的舒适区，从微创新转变为模式创新，真正成长为具备全球影响、全民感受的科技巨头。
2019年全球ICT产业关键字，聚焦「智慧、速度与创新」。创新技术如人工智慧、延展实境（XR）、区块链、数位分身（DigitalTwin）持续出笼，尤其人工智慧加速晶片及量子电脑的发展，伴随5G商转，势必带动产业跳跃式前进。既然聚焦「虚实整合、运算科技、人机互动」三大主轴，2019年COMPUTEX，全球IP矽智财授权领导厂Arm受邀出席《COMPUTEX论坛》、《InnoVEX论坛》主题演讲。Arm在COMPUTEX揭示全面运算(TotalCompute)主张，为5G时代提供更符合更多使用情境(usecase)的整体运算方案，并展现强大生态系能量。
Arm在COMPUTEX2019有哪些亮点展示？瘾科技带你浏览四大解决方案 亮点一：物联网平台回应Arm的目标在2035年打造达一兆台连网装置，为了让连网装置深度沟通，Arm针对IoT平台的生态系，近年接续推出「DesignStart」、「Pelion」及「Neoverse」等相关计画。今年COMPUTEX，Arm展示Pelion这项混合环境的端到端联网连接、装置和资料管理平台方案。Pelion特色在于建构3A情境，「任何装置、任何资料、任何云端」（Anvice,Anydata,Anycloud），管理任何种类的连网装置与连接，应付任何内外部不同类型的资料，连接任何公有、私有及混合云端。
换言之，Pelion平台让企业在安全环境下，管理各项物联网装置，无限制连结任何规模的资料。COMPUTEX也展示，Arm收购TreasureData后，借助巨量资料技术能力，Pelion平台对资料流程进行融合，让企业用户以高效、更安全的技术部署、连接和更新连网装置，顺利走入物联网的资料世界。
亮点二：AI机器学习联网装置与数据资料爆发成长，人工智慧的机器学习应用，逐渐从云端转移至终端。为了把机器学习技术放在边缘装置发挥所长，Arm针对机器学习的晶片应用进而打造全新处理器。延续Arm在CPU具备的可编程优势，以及GPU数据处理压缩能力和高吞吐量的设计特点，将其整合至机器学习晶片设计之中。针对机器学习热潮，Arm推出「ProjectTrillium」机器学习运算平台支持各种AI应用程序，在功能性与可扩展性方面，能实现更快机器学习效率。根据统计，目前ProjectTrillium平台的学习数据吞吐量，比起过去CPU、GPU协同作业的机器学习效率，已经达2~4倍以上，效能也优于传统DSP的可编程逻辑。
换言之，ProjectTrillium是一个异质的ML运算平台，平台架构包括ArmML处理器、开放原始码ArmNN软体框架，目前搭载于超过25亿台Android装置。Arm针对ML处理器进行强化，包括超过两倍能源效率，达到每瓦5兆次运算(TOPs/W)、记忆体压缩技术提升达三倍，以及提升至高达八核心的次世代峰值效能，与每秒最高32兆次运算(TOP/s)。
随着机器学习需求愈来愈高，开发人员更渴望利用系统上专属神经处理器(NPU)的优势。Arm机器学习ML处理器提供同级最优化的能耗效率，并有强大的软体生态系统支援，让整个生态系统的AI效能极大化。
▲Arm示范如何在装置上快速的执行机器学习功能，挑战人的记忆，和装置相比，看谁能先辨出不同的图像。
亮点三：AR/VR装置前几年开始流行的AR、VR装置，过去最大挑战来自虚拟视觉的稳定度。对此，Arm因应5G科技演进推出多款全新高阶IP套件，其中Mali-D77DPU显示器即是聚焦扩增实境、虚拟实境所需的内容所打造，让虚拟实境更加真实。Mali-D77是Mali-D71显示处理器更新版，最高可对应3K解析度与120fps更新率，虚拟视觉影像得以更稳定呈现。全新的硬体功能，加速头戴式显示器的虚拟实境运算，实现更小、更轻、更舒适的VR装置部署。
▲在COMPUTEX展示OculusQuest的VR头盔，提供高效能、无线，摆脱传统VR装置需要连接线的牵绊，创造VR装置新体验。
当然，使用者对AR、VR装置的期待除了影像稳定，在沉浸式体验方面，还包含更轻量、不受线材影响以及更顺畅的效能。Mali-D77其他功能表现在镜头失真校正（LensDistortionCorrection）、色差校正（ChromaticAberrationCorrection）、非同步时间扭曲（AsynchronousTimewarp），对应更清晰、更真实影像，还能降低配戴者头晕情况。除此之外，Mali-D77显示处理器IP，3K120虚拟实境效能，硬体节省VR作业负载4成以上系统频宽，以及12%功耗表现。Arm表示，为了让VR更为普及，在全球达到数十亿台装置的长期目标，Mali-D77解决现阶段显示技术的挑战，为VR产业迎向下一个新世代。
亮点四：车用Arm在今年COMPUTEX展示的第四个亮点，聚焦在汽车应用。Arm在车用方面扮演重要角色，因其牵涉稳定与安全，尤其ADAS与自动驾驶需要顾虑的层级更是重要。对此，Arm针对车载安全推出ArmSafetyReady计画，同时也包括针对自驾车的7nm制程最佳化处理器架构Cortex-A76AE，借由整合Split-Lock提供车载所需的安全性。
换言之，ArmSafetyready车用安全计画涵盖Arm既有、新型与未来的全方位车载计画，从系统性流程到研发，且通过ISO26262与IEC61508标准，一站式提供软体、元件、工具、认证及标准等资源，确保加入此计画的合作伙伴其SoC与系统，皆达到最高安全层级。
今年COMPUTEX也展示基于Arm的DMS（DriverMonitoringSystem）驾驶监控系统产品。DMS是采用ArmCortex-A7所支援的深度学习NN模型，由TEEAILab所开发。这套DMS系统展示在CortexA7上运行AI/ML以实现驱动程序状态监视功能。例如针对驾驶员闭眼、打哈欠侧视、俯视、打电话和吸烟等行为进行迅速检测，并发出音频以提醒驾驶。Arm在智慧驾驶领域，也展开AutomotiveEnhancedforFunctionalSafety计画，将推出首款多情绪执行处理器，以强化新世代安全驾驶体验。
▲COMPUTEX展会上也展示Arm在智慧驾驶领域的成果(图右)，情绪执行处理器问世将有助驾驶安全。
聚焦未来世界，打造创新体验Arm在COMPUTEX2019展会中，展现新世代运算领域的创新技术与相关应用。除了上述相关亮点，也聚焦面向未来2030年的使用情境。Arm拥有全面软体开发框架，包含ArmIP、ArmNN、ArmComputeLibrary及ArmDevelopmentStudios，透过生态系统合作帮助开发人员更快采用、更快上市，透过机器学习软体优化，有效扩展硬体效能。
想像未来的世界，5G传输、机器学习、终端运算可能已经成为我们生活的日常，而产业之间将呈现万物联网的庞大生态系。对此，Arm将持续展现其领先技术优势，携手物联网超级战队掌握下一波科技浪潮。
现今世界网络和数据普及，不单止智能手机能连接网络，就连手表，闹钟，家电等日常用品，也能即时在网络中提取资讯，并配合环据数据作出分析，将最好的体验反馈给 用家。而透过网络来连接人，流程，资讯和装置这个概念，亦是我们平常所说的物联网（物联网，又名物联网）。承接上文介绍了雾计算的简单的应用和由来，下文将会介绍物联网的一个重要技术 - 边缘计算（Edge computing）。下文将会阐述边缘计算的由来，并介绍它与物联网的关系，而且会利用无人驾驶作为用例，介绍云计算的短处和边缘计算的应用。
先定义一下边缘计算（wikepedia，2019）：
这里提到很多艰涩的专业名词，例如是“分散式运算”，“节点”等，其实只是描述：边缘技术是一种技术将大型应用程式的一部分转移到（即分散式运算）日常设备中处理（即边缘节点中）。
在云计算的典型结构中（如上图），通常可分为“云（云层） - 网（雾层） - 端（边缘）”三层。“端”这一层覆盖所有终端的应用程式，亦通常是被管理的角色。当云计算一计算出结果，就会到透过“网”层，将指令发送到“端”层的应用程式执行，而应用程式收到数据后，则会发送到“云”层作计算。
而边缘计算则可以想像为给予“端”层一定程度的“自治”。在边缘计算的架构中，终点被赋予简单的存储和计算能力（与雾计算不同，这里重点是“简单”的功能） ，令它能偶尔脱离云的管理，并根据环境数据作出回应。
增加终端系统简单的计算和存取能力看似一小步，但其实这个布局有着莫大的好处，当中包括：
- 低延迟：数据由近场产生，能快速回应
- 独立性：在没有网络连接下，系统亦能运作
- 合规性：无需传送用户资料，保护个人数据
- 简化数据：终端先处理部份数据，数据简化后才向云服务器传输
- 安全性：数据传输减少，减少网络安全风险
无人驾驶是边缘计算其中一个经典用例，亦是一个很好例子说明云计算的短处和为什么需要边缘计算。
下图展示的是常用的云计算架构，当中包括1）一架智能汽车（客户端），并且正在使用无人驾驶功能，2）互联网（Internet），用作传输数据，以及3）云服务（云计算）服务器），用作提供无人驾驶服务。
假设汽车正在以60ms-1的速度行驶，并在起始位置感测到前方3m有阻碍物。由于汽车正在使用云计算的架构，汽车本身并没有分析的功能，汽车会将感测到的影像 传送到云服务器中作分析（步骤1）。
很不幸地，由于汽车现在在北区甚远，信息在005s后才能到云服务 无上停驶，但也要经过005s才能将指令发送到汽车上执行（步骤2）。
在这段发送信息到回收指令的过程中（~01s），汽车会继续以均速行驶（60ms-1），并到6m后（= 60ms-1×01s）才会收到指令停下来 。而且会撞到在3m前的路人，酿成车祸。
汽车在起始位置感测到前方3m有阻碍物，会立刻执行停车指令（步骤1）。然后再发送影像和决策内容到云服务器中作进阶分析（步骤2），以改善无人驾驶性能。 （注：这里看似与雾计算方式相似，但在过程中，应用程式没有作任何的数据分析，只根据感应器内容作出回应。若然是雾计算的话，感应器信息会发送到雾服务中，再作分析，然后通知终端设备作出回应。）
由此可见，云服务器距离数据产生的位置较远，因此会造成较大的延迟。而无人驾驶这些需要实时作出决策的活动，则很大机会需要使用边缘计算，使计算的服务靠近产生数据的源头，做到计算更接近实际行动。
随着科技的进步，数据传输速度的快速提升，不少日常物品，例如是家用电器，车辆等，都已经嵌入感测器，并透过网络接结与互联网交换资讯，形成了庞大的物件网络（即物联网）。
物件会在运行时会收集到大量的环境数据。有些人会问，为什么不把数据都在本地（local drive）处理，其他数据再传到云服务做储存。这可能是其中一个可以实行的方法，但如果所有数据都在本地处理，物件本身要设有很多的存储装置和处理服务器。这会大大增加电力消秏和物件重量，增加成本。
因此，最好的方法是结合云计算和边缘计算的优势做出最佳的配置。在一些决定物件重大安全性的事件（例如如上文无人驾驶例子的刹车）可将决定的主导权放到边缘上，其他没有急切性的事情，则放到云服务器低成本集中处理。透过云与边缘的良好分工，大大减少成本，亦能提高运算效率。
物联网时代 工业大数据八大应用场景
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。
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。
互联网大数据营销专家罗百辉表示，工业制造企业利用销售数据、产品的传感器数据和出自供应商数据库的数据，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。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。
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。
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。
以上是小编为大家分享的关于物联网时代 工业大数据八大应用场景的相关内容，更多信息可以关注环球青藤分享更多干货
物联网相对于不同行业有不同的特点，智能物流、如智能交通、智能家居、智能医疗、智能城市综合治理等；这里简单介绍几种物联网行业应用，用以说明不同物联网应用行业之间的区别。
智能家居：智能家居就是对家居和室内环境进行远程监管。智能家居系统主要使用传感器和监控视频系统，这些终端信息将汇聚到家庭综合网关，然后通过移动网络（3G或LTE）或互联网传到数据处理中心，或直接传到用户的移动终端。注意智能家居系统不仅仅服务于居民家庭内部，更多地可能服务于商场超市等综合建筑，结合家庭基站设备，更具有应用前景。
智能家居系统无论用于商业建筑还是用于居民家庭，对信息安全的需求都不可或缺。对居民家庭来说，更注重隐私性的保护，因此家庭内部的监控视频需要可靠的保护，决不能被非法用户获取。对商业建筑内的监控系统，对控制信息的保护非常重要。如果控制信息被非法假冒，造成后果可能是非常严重的。
智能医疗：智能医疗就是通过现代电子技术手段使一些特殊情况的医疗服务从医院重负荷中解脱出来，包括智能家庭护理和监管系统，远程医疗系统的。智能家庭护理和监管系统需要医疗用传感器采集病人健康状况的一些参数（如血压、血糖、心率等），需要振动传感器采集病人可能摔倒或受撞击情况，通过预置的视频监控，将这些信息及时传到护理中心，使需要的病人得到救助；远程医疗系统则是将医疗设备采集的数据（如心电图、CD扫描图、验血报告）远程传输给有经验的医生（或专家组），远程医生根据数据对病情进行初步诊断后，由当地医生给予治疗措施。因此只能理疗系统除需要医疗所需器械或设备外，还需要医疗专用传感器。数据传输过程和数据库管理也是智能医疗系统中的关键。
智能医疗系统对信息安全的需求非常大。首先传感器采集的数据需要可靠的传输，不仅仅需要网络部分具有高可靠性，更不允许任何可能的伪造和非法篡改。另外，智能理疗系统通常与电子病历管理系统相连，而电子病历作为病人的隐私信息需要严格保护，因此信息安全是影响到智能医疗系统快速发展和应用的瓶颈。
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）