行业主要企业：大富科技(300134)、梦网集团(002123)、共进股份(603118)、胜宏科技(300476)、润和软件(300339)、立昂技术(300603)
定义
所谓“物联网”(Internet of
Things，IOT)，又称传感网，指的是将各种信息传感设备，如射频识别(RFID)装置、红外感应器、全球定位系统、激光扫描器等种种装置与互联网连接起来并形成一个可以实现智能化识别和可管理的网络。
早期的物联网是指依托射频识别技术的物流网络，随着技术和应用的发展，物联网的内涵已经发生了较大的变化。现阶段，物联网是指在物理世界的实体中部署具有一定感知能力、计算能力和执行能力的各种信息传感设备，通过网络设施实现信息传输、协同和处理，从而实现广域或大范围的人与物、物与物之间信息交换需求的互联。物联网依托多种信息获取技术，包括传感器、射频识别(RFID)、二维码、多媒体采集技术等。物联网的几个关键环节可以归纳为“感知、传输、处理”。
物联网行业发展前景及趋势分析
1、产业物联网占比逐渐上升
根据信通院于2020年12月发布的《2020中国物联网白皮书》，2019年中国物联网连接数中产业物联网和消费者市场各占一半，预计到2025年，物联网连接数的大部分增长来自于产业市场，产业物联网的连接数将占到总体的61%。由此来看，未来产业物联网的市场发展潜力大于消费物联网。
2、市场规模不断增大
目前，物联网在全球呈现快速发展趋势，欧、美、日、韩等国均将物联网作为重要战略新兴产业推进，但在繁荣景象背后却仍存在着众多阻碍发展的因素。其中核心标准的缺失，尤其是作为顶层设计的物联网参考架构等基础标准目前仍处于空白，基于争夺物联网产业主导权，各国对国际标准方面的竞争亦日趋白热化。
新冠疫情对于物联网行业来说犹如达摩利斯之剑，一方面疫情导致全球技术供应链出现一定的停滞期，另一方面疫情助推中国物联网的渗透。2020年无人工厂、无人配送、无人零售、远程教学、远程医疗等“无接触经济”的爆发均离不开物联网技术的支撑。综合多方面的情况分析，前瞻认为未来5年中国物联网的发展将保持高速增长，到2026年市场规模超过6万亿元。
以上数据参考前瞻产业研究院《中国物联网行业细分市场需求与投资机会分析报告》。
“互联网+”
“互联网+”这个巨大无比的概念里，包含“互联网+金融”、“互联网+零售”等等，而“互联网+制造”就是工业40。中国政府积极推进工业40工程，明确提出“制定‘互联网+’行动计划，推动移动互联网、云计算、大数据、物联网等与现代制造业结合”。国务院提出的“互联网+”的本质是指产业互联网，与早期提出的两化融合，和现在提出的工业40不谋而合。“互联网+”是两化融合的升级版，将推动中国制造向中国创造转型。
中国发展“互联网+制造”具有三方面显著优势：首先，ICT产业领先，在移动通信领域，华为、中兴已经是全球领先的电信设备供应商，中国移动是TD-LTE标准的重要推动者之一，中国企业在该领域已经建立起自己的知识产权武器库。在应用端，中国移动互联企业也已取得全球领先地位；其次，市场前景广阔，2012年中国制造业增加值占全球制造业增加值的224%，居全球第一位，比排名第二的美国高5个百分点，是排名第三的日本的两倍多，而且中国的制造业中劳动密集型企业仍然占据很大份额，未来提升的空间很大；再次，政策支持，从中央到地方政府，已为制造业转型升级制定多项支持计划。2012年7月，国务院印发《“十二五”国家战略性新兴产业发展规划》，将新一代信息技术、高端装备制造、新能源、新材料等七大产业列为国家重点发展的新兴产业，并把物联网、云计算单独列为重大专项工程。“中国制造2025”的出台，更将互联网和制造业的结合作为未来制造业发展的重要方向。
助推“互联网+中国制造”的三个基础分别是：软件一体化、创新生产硬件以及移动互联网。
移动互联网在中国扎根已有十五年的时间，移动互联网过去的所有的资源、资金都已经压在第三产业，所以我们称之为消费互联网。现在移动互联网来到工业、农业。按照马云的说法，互联网成为这个社会的底层基础设施，是水、电、煤和高速公路。那么，随着移动互联网对工业领域、农业领域的颠覆、侵袭，实际上整个移动互联网个人认为它进入深层次的再造，深层次的重新产生效率的一个阶段。这也就是我们中国政府提出“互联网+”的核心要义所在。
实际上在过去的15年当中，我本人不仅见证了自动化到互联网化，还洞察了万物互联所带来的技术变迁。以移动互联网为核心的工业制造业，它影响到整个中国的就业，因为在制造领域里，就业人员达8000万以上，它会影响到军事、国防，影响所有的产品生产、制造、流程、供应链，是对制造业中传统工业生产模式的彻底颠覆，称之为工业革命，是毫不为过的。
看世界工业的演进史会发现，工业革命是经济史上的“奇点”，它推动了一系列的政治、军事、经济和社会变革。工业革命在放大人类力量的过程中形成了一些重要特点，第一次工业革命以蒸汽机与大机械结合为代表，生产效率大幅提高，生产引领消费，延续时间86年；第二次工业革命以内燃机与电气结合为代表，物动人不动，生产线将产品随时送到工作台，工人站定岗位，每人完成单一任务，以“一对多”规模生产，延续时间99年；第三次工业革命以自动化与网络化结合为代表，人动物也动，灵活生产“一对一”产品，到现在已经44年，大概还会延续10到20年。
第四次工业革命以2013年德国汉诺威为起始，基于信息物理融合系统的智能制造诞生。此次新一轮全球工业革命实际上是工业和互联网融合。
美国提出了工业互联网标准，希望关注设备互联、数据分析、以及数据基础上对业务的洞察，他们对传统工业互联网互联互通，其关注点在大数据和云计算。德国提出工业40，拥有强大的机械制造技术，嵌入式以及控制设备的先进设备和能力，德国很关注生产过程智能化和虚拟化的深刻改变。
可以看到，美国工业互联网和德国工业40，实施路径和逻辑相反，但是目标一致。美国是以GE、IBM这些公司为支持，侧重于从软件出发打通硬件；德国是以西门子、库卡、SAP这些公司为主导，希望可以从硬件打通到软件。无论从软到硬，还是从硬到软，两者的目标是一致的，就是实现智能制造，实现移动互联网和工业的融合。
德国政府所定义的德国工业40，由一个信息，一个网络，四大主题、三项集成、八项计划组成的框架结构。德国推出工业40，目的在于重新引导全球制造业潮流、引导第四次工业革命。谁主导了这场工业革命，谁可以制订标准，就可以成为这个革命的王者，可以挽救欧盟的衰落，也可以使德国重新成为世界的霸主。
工业40带来的三大红利领域
第一类，智能工厂。也分为两小类：一是传统的工厂转型成智能工厂；二是一出生就是智能工厂的。
第二类，技术解决方案公司。为制造业提供智能工厂、顶层设计、转型路径图、软硬件一体化设施的“工业40”解决方案公司，总集成商。在“工业40”解决方案里，包括软件、硬件。软件有工业物联网、工业网络安全、工业大数据、云计算平台、MES系统、虚拟现实，人工智能，支持工作的自动化等。硬件有机器人（包括高端的零部件）、传感器、RFID、3D打印，机器视觉，智能物流，也是AGV，PLC，数据采集器，工业交换机等。
实际上中国有400万传统的制造业企业，在未来10年，甚至20年的时间，他们都会逐渐地分步骤地转型成“工业40”工厂。那么，这里就面临一个巨大的市场。
第三类，为中国的制造业转型成“工业40”过程当中的九大技术供应商，包括工业物联网，工业网络安全，工业大数据，云计算平台等等。
工业40的两大目标：智能制造&智能工厂
第一个目标是智能制造，第二个是智能工厂。过去智能制造商有几种说法：第一数字化制造，第二智慧制造，这些表述都不准确。工信部和中国工程院把中国版的工业40的核心目标定义为智能制造，这个词表述非常准确。由智能制造再延伸到具体的工厂而言，就是智能工厂。
智能制造是工业40的核心，作为广义概念，智能制造包含五个方面，实现这五个方面的智能化之后，才可以实现大的智能制造的概念。
智能制造是一个巨系统，工业40就意味着超复杂的巨系统正在形成，车间里面的机器如同智能手机，通过更新 *** 作系统实现功能升级，通过工业APP实现各种功能，通过API不断拓展制造生态系统。
所有的机器、产品、零部件、人员、原材料、所有的研发工具、测试验证平台、虚拟产品和工厂，所有的产品管理、生产管理、运营管理流程，所有的研发、生产、管理、销售员工，各级供应商以及成千上万的客户，都将是这一个系统的重要组成部分，一个基于云端、管道、端到端的信息复杂的体系正在形成。在这里面，车间的机器就像智能手机一样，整个 *** 作会形成一个巨大无比的巨系统。
在智能工厂，德国人希望实现两个概念目标。第一个是机器生产机器，或者说自己生产自己。第二个就是无人工厂，或者是黑灯工厂，或百分百全智能工厂，人与智能机器并存。智能工厂是现代工厂发展的新阶段，是在数字化基础上，利用物联网技术和设备监控技术，来加强信息和服务。
智能工厂有三大特征：第一个特征是信息基础设施高度互联，包括生产设备、机器人、 *** 作人员、物料和成品；第二是制造过程数据具备实时性，生产数据具有平稳的节拍和到达流，数据的存储与处理也具有实时性；第三是可以利用存储的数据从事数据挖掘分析，有自学习功能，还可以改善不优化制造工艺过程。
智能工厂的发展趋势是从柔性化到敏捷化到智能化再到信息化。
工业40的五个特点
互联
互联工业40的核心是连接，当然今天移动互联网的整个世界核心在连接，就像百度一样，在连接人和信息，就像腾讯一样，连接人和人。工业40要把设备、生产线、工厂、供应商、产品和客户紧密地联系在一起。
数据
当传感器无处不在，智能设备无处不在，智能终端无处不在，连接无处不在，必然的结果就是数据无处不在。这些数据包括产品数据、设备数据、研发数据、工业链数据、运营数据、管理数据、销售数据、消费者数据等等。
马云说过，阿里巴巴本质上是一家数据公司，雷军也讲过，小米本质是一家数据公司，从IT到DT，未来整个社会变成大数据的社会。
从工业30到工业40，我提出一个自己的观点，实际上从模具到数据，30的工业是以模具为核心，40的工业是以数据为基础，所有的工厂都会变成数据工厂。
集成
集成是工业40的关键词，也是中国推动两化融合的关键词，工业40将无处不在的传感器、嵌入式终端系统、智能控制系统、通信设施通过CPS形成一个智能网络。
通过这个智能网络，使人与人、人与机器、机器与机器、以及服务于服务之间，能够形成一个互联，从而实现横向、纵向和端到端的高度集成。
创新
工业40的实施过程是制造业创新发展的过程，制造技术、产品、模式、业态、组织等方面的创新，将会层出不穷，从技术创新到产品创新，到模式创新，再到液态创新，最后到组织创新。
转型
对于中国的传统制造业而言，转型实际上是从传统的工厂，从20、30的工厂转型到40的工厂，整个生产形态上，从大规模生产，转向个性化定制。阿里巴巴在三年前就提出，整个制造业的生产流程，从B2B、B2C，转成C2B。他们很敏锐地看到了这样的一个方向，整个生产的过程更加柔性化、个性化、定制化。这是工业40一个非常重要的特征。
工业40是从生产型制造转型成服务型制造。未来生产和服务的界限会更加模糊，按照德国工业40整个框架来说，未来的工厂有可能从集中式生产转成分布式生产。3D打印会快速使用，未来工厂的概念，可能是一个全新的概念，不是我们今天所看到的，有几百人、几千人和设备。未来的工厂可能在客户的客厅，通过3D打印来完成，有可能每一个客户的客厅都是一个生产的车间。
举一个例子，过去生产一台电饭煲，可能在中国的广东生产，然后运到非洲送给客户。但是在未来，工业40时代，这个广东的电饭煲公司只需要电脑设计图纸，传到非洲客户的电脑，客户就可以通过客厅的3D打印机把这台电饭煲打印出来，就意味着客厅已经成为生产车间，所以未来工厂的概念是需要刷新我们的想象的。
工业40是从过去要素驱动向未来的创新驱动。过去是基于人口红利，是基于整个生产的大规模化、定制化，基于汇率低估，破坏环境所导致的要素驱动。未来工业40时代，整个生产制造业向40工厂转型、向创新驱动，科技的含量会变的越来越多，工厂人数在急剧减少，过去蓝领工人会转向黑领工人，是由电脑 *** 作人员在 *** 作整个机器，车间里面会大量使用低成本自动化装备，启用工业机器人，生产过程当中机器可以实现德国40所定义的自己生产自己，机器生产机器。
中国制造2025
由中国政府在2015年初提出，将信息技术与制造技术深度融合的数字化、智能化制造作为今后发展主线，以未来十年为发展周期，目标是驱动制造业转型升级，推动中国由制造业大国向制造业强国转型。
从本质上看，工业互联网是数据流、硬件、软件和智能的交互，由智能设备和网络收集的数据存储之后，利用大数据分析工具进行数据分析和可视化，由此产生智能信息供决策者进行实时判断处理。从工作流程上来看，工业互联网通过三个步骤实现其效能：工业数据的获取、工业数据的分析、调度执行，分别对应于物联网、云计算和大数据、专网通信，这是工业互联网的关键元素。
在我国当前阶段，工业互联网具体表现为将互联网作为当前信息化的核心，推动移动互联网、云计算、大数据、物联网等与现代制造业结合，推动两化融合深度发展。我们认为，工业互联网是2015年政府工作报告中提出的互联网+行动计划的关键部分，即互联网+工业。而中国制造2025也为后续产业升级指明了方向。在人类的发展史上，经历了两次技术的飞跃，分别是工业革命、计算机与互联网革命，我们认为，第三次技术的飞跃将是工业互联网革命。
工业革命：18世纪蒸汽机的发明，开创了以机器代替手工劳动的工业革命时代。工业革命在推进的过程中，分别出现了蒸汽机、内燃机，然后是电报电话和电力。
计算机与互联网革命：1947年，第一款点接触晶体管在贝尔实验室研制成功，标志着计算机与互联网革命的到来。1986年，思科推出第一款多协议路由器产品，市场需求强烈，有力的推动万维网的发展。1981年8月只有不到300台电脑可以连接到互联网，而今天连接互联网的设备则以数十亿计，信息传输的速度和数量大幅增长。然而，目前互联网在工业领域的渗透率还比较低。
工业互联网革命：经过工业革命的发展，大型机器在工业生产中得到了广泛的应用，促进了社会进步和经济大发展。但是机器的性能还没有完全发挥，系统性的效率低下问题比较严重。于是，在过去的十年中，部分企业开始逐步将互联网技术应用到工业生产，发展开放的工业计算机和通信系统。工业互联网将有助于工业系统各层面更好的运转，通过优化检查、维护和修理过程，资产的可靠性和运行的效率得以提高。Predix GE自发平台MindSphere实际西门利用SAP HANA Cloud Platform Could Foundry （HCP CF）PaaS推工业云西门平台系统软件发实力SAP选择SAP合作发Predix MindSphere共同点都工业物联网云接机器数据做析预测PaaS技术都用源Cloud Foundry SAP HCP提供应用服务比Predix更丰富更适合平台扩展做各种应用发与各种SAP非SAP商业系统集等想像空间足够 GE Predix做做般机器数据预测析展现够毕境GE做机器起家公司现向软件析转型另外Predix选择微软 Azure做IaaSSAP 首选AWS合作花开半夏
面向物联网的21个开源软件项目有哪些,物联网开源平台搭建
admin 07-26 04:41 166次浏览
2019独角兽企业重金招聘Python工程师标准
51CTOcom直译物联网市场呈现碎片化、无定形化、不断变化的特征，其性质通常只需关注互 *** 作性。 难怪开源在这方面不俗。 ——客户犹豫不决，害怕将物联网的未来寄托在可能难以定制或互联的专有平台上。
本文介绍了主要的开源软件项目，重点讨论了面向家庭和工业自动化的开源技术。 我们忽略了专注于垂直领域的物联网项目，如Automotive Grade Linux和Dronecode。 我们还忽略了面向互联网的开源 *** 作系统发行版，包括Brillo、Contiki、Mbed、OpenWrt、Ostro、Riot和Ubuntusnappping。这次，我们将智能
这里介绍的21个项目包括由Linuxfoundation管理的两个大型项目： Allseen(Alljoyn )和ocf (iotivity )，以及物联网传感器的端点和网关我还介绍了几个专门针对物联网生态系统特定领域的小项目。 我们曾介绍过更多的项目，但越来越难分清物联网软件和普通软件的区别。 从嵌入式环境到云，越来越多的项目都带有物联网元素。
您声称这21个项目都是开源的，但请确保完整的名称不在本文的范围内。 它们至少在生态系统的一个部分运行Linux，大多数都完全支持Linux，从开发环境到云/服务器、网关和传感器端点部件。 大多数组件都有可以在Linux开发板(如Raspberry Pi和BeagleBone )上运行的组件，大多数都支持Arduino。
物联网领域仍然有很多专有技术，特别是在自上而下的企业平台上。 但是，其中也提供了部分开放访问权限。 例如，威瑞森的ThingSpace针对4G智慧城市APP应用，拥有一套免费的开发API，支持开发板，尽管核心平台本身是独一无二的。 相似的是，亚马逊的AWS物联网工具包包括部分开放的设备SDK和开源入门工具包。
其他主要的专有平台包括苹果的HomeKit和微软的Azure物联网工具包。 在拥有230个成员的Thread Group中，该组织监督基于6LoWPAN的对等Thread网络协议。 Thread Group由谷歌的母公司Alphbet旗下的Nest设立，没有提供像AllSeen和OCF那样全面的开源框架。 但是，它与Brillo相关，也与Weave物联网通信协议相关。 5月，Nest发布了名为OpenThread的开源版Thread。
介绍21个面向物联网的开源软件项目。
AllseenAlliance(Alljoyn ) )。
由Allseenalliance(asa )监管的AllJoyn互 *** 作系统框架可能是市场上采用最广泛的开源物联网平台。
Bug Labs dweet和freeboard
bugglas是从制造基于模块化Linux的有bugh的硬件设备开始的，但很久以前就演变成了与硬件无关的企业级物联网平台。 Bug Labs提供“dweet”消息、警告系统和“freeboard”物联网设计APP。 dweet使用HAPI Web API和JSON来帮助发布和描述数据。 freeboard是一种拖放式工具，用于设计物联网仪表板和可视元素。
DeviceHive
DataArt基于AllJoyn的设备管理平台可以运行在许多云服务上，包括Azure、AWS、Apache Mesos和OpenStack。 DeviceHive专注于使用ElasticSearch、Apache Spark、Cassandra和Kafka，分析大数据。 有些网关组件可以在运行Ubuntu Snappy Core的任何设备上运行。 模块化网关软件与DeviceHive云软件和物联网协议配合使用，作为Snappy Core服务进行部署。
DSA
分布式服务架构(DSA )便于集中式设备的互 *** 作性、逻辑和APP应用。 DSA项目正在构建分布式服务链接(DSLinks )库，以支持协议转换以及与第三方数据源的数据集成。 DSA提供了一个可扩展的网络拓扑，其中包括多个DSLinks，用于在连接到分层代理分层结构的物理互联网边缘设备上运行。
EclipseIOT(Kura ) )。
Eclipse基金会的物联网主要围绕基于Java/OSGi的Kura API容器和聚合平台，支持在服务网上运行的m2m APP应用。 Kura基于Eurotech的Everywhere Cloud物联网框架往往与Apache Camel集成，后者是基于Java的基于规则的路由和中介引擎。 Eclipse物联网子项目包括Paho消息传递协议框架、面向轻量级服务器的Mosquitto MQTT体系结构和Eclipse SmartHome框架。 有些项目实现名为Californium的基于Java的受限APP应用协议(CoAP )。
Kaa
CyberVision支持的Kaa项目为云互联的大型物联网提供了可扩展的端到端物联网框架。
该平台包括一种支持REST的服务器功能，可用于服务、分析和数据管理，通常部署成由Apache Zookeeper协调的节点集群。Kaa的端点SDK支持Java、C++和C开发，负责处理客户机/服务器通信、验证、加密、持久性和数据编排。SDK包括针对特定服务器、支持GUI的模式，这些模式可转换成物联网物件绑定。模式治理语义，并抽象一组迥异设备的功能。
Macchinaio
Macchinaio提供了一种“支持Web、模块化、可扩展的”JavaScript和C++运行时环境，可用于开发在Linux开发板上运行的物联网网关应用程序。Macchinaio支持一系列广泛的传感器和连接技术，包括Tinkerforge bricklet、XBee ZB传感器、GPS/GNSS接收器、串行和GPIO联网设备以及方向感应器。
GE Predix
GE面向工业物联网的平台即服务(PaaS)软件基于Cloud Foundry。它增添了资产管理、设备安全、实时预测分析，并支持不同数据的采集、存储和访问。GE Predix是GE为内部运营而开发的，它已成为最成功的企业物联网平台之一，收入大约60亿美元。GE最近与HPE达成了合作伙伴关系，HPE将把Predix整合到自己的服务中。
Home Assistant
这个作为后起之秀的草根项目提供了一种面向Python的家居自动化方法。
Mainspring
M2MLabs的基于Java的框架针对远程监控、车队管理和智能电网等应用领域中的M2M通信。与许多物联网框架一样，Mainspring高度依赖REST Web服务，并提供了设备配置和建模工具。
Node-RED
这种面向Nodejs开发人员的可视化布线工具拥有基于浏览器的数据流编辑器，可用于设计物联网节点当中的数据流。然后，节点可以迅速部署成运行时环境，并使用JSON来存储和共享。端点可以在Linux开发板上运行，支持的云包括Docker、IBM Bluemix、AWS和Azure。
Open Connectivity Foundation(IoTivity)
英特尔和三星支持的开放互联联盟(OIC)组织和UPnP论坛组成的这个组织正在努力成为物联网方面领先的开源标准组织。OCF的开源IoTivity项目依赖充分利用的JSON和CoAP。
openHAB
OpenIoT
这款基于Java的OpenIoT中间件旨在使用一种公用云计算交付模式，为开放、大规模的物联网应用提供便利。除了表示物联网物件的本体、语义模型和标注外，该平台还包括传感器和传感器网络中间件。
OpenRemote
OpenRemote为家庭和楼宇自动化而设计，它以广泛支持众多智能设备和网络规范而出名，比如1-Wire、EnOcean、 xPL、Insteon和X10等规范。规则、脚本和事件都得到支持，还有基于云的设计工具，可用于用户界面、安装、配置、远程更新及诊断。
OpenThread
这是Nest最近从基于6LoWPAN的物联网Thread无线网络标准分离出来的开源项目，它还得到了ARM、Microchip旗下的Atmel、Dialog、高通和德州仪器的支持。OpenThread实现了所有Thread网络层，还实现了Thread的端点设备、路由器、Leader和边界路由器等角色。
Physical Web/Eddystone
谷歌的Physical Web让蓝牙低能耗(BLE)信标可以将URL发送到智能手机。它针对谷歌的Eddystone BLE信标经过了优化，这提供了除苹果的iBeacon之外的一种开放技术。其想法是，行人可以与任何具有BLE功能的支持性设备(比如汽车停放计时器、标牌或零售产品)联系。
PlatformIO
基于Python的PlatformIO包括IDE、项目生成器和基于Web的库管理器，它是为访问来自基于微控制器的Arduino和基于ARM Mbed的端点的数据设计的。它为200多种板卡提供了预先配置的设置，并与Eclipse、Qt Creator及其他IDE整合起来。
The Thing System
这种基于Nodejs的智能家居“监管”软件声称支持真正的自动化，而不是简单的通知。其自学习人工智能软件可处理许多协同式M2M *** 作，不需要由人干预。缺少云组件恰恰提供了更好的安全性、隐私性和控制性。
ThingSpeak
成立五年的ThingSpeak项目专注于传感器日志、位置跟踪、触发器及提醒以及分析。ThingSpeak用户可以使用用于物联网分析和可视化的MATLAB版本，不需要向Mathworks购买许可证。
Zetta
Zetta是一种面向服务器的物联网平台，利用Nodejs、REST和WebSockets构建而成，奉行基于数据流的“响应式编程”开发理念，用Siren超媒体API连接起来。设备被抽取成REST API，用云服务连接起来，这些服务包括可视化工具，并支持Splunk之类的机器分析工具。该平台可将Linux和Arduino开发板之类的端点与Heroku之类的云平台连接起来，以便构建地理分布式网络。
转载于:>
中国发展网7月3日讯 7月2日下午2点半，一场主题为“释放工业物联网的潜力”论坛在2019夏季达沃斯大连举行。《巴伦周刊》高级管理编辑Lauren Rublin现场主持，富士康工业互联网副董事长李杰，密西根大学交大密西根学院荣誉院长及吴贤铭制造科学冠名教授倪军、SCA集团执行董事Bhairavi Jani、SAP执行副总裁兼企业战略主管Deepak Krishnamurthy4位嘉宾一起探讨关于“工业物联网”目前的阶段、挑战及带来的巨大价值。
从左往右依次为《巴伦周刊》高级管理编辑Lauren Rublin，富士康工业互联网副董事长李杰，密西根大学交大密西根学院荣誉院长及吴贤铭制造科学冠名教授倪军、SCA集团执行董事Bhairavi Jani、SAP执行副总裁兼企业战略主管Deepak Krishnamurthy
刘沐琪摄图
工业物联网现今挑战大于发展
现场多名专家都认为，工业物联网目前仍处于早期阶段，信息所有权、数据分享规则制定的相关问题也存在着争议。富士康工业互联网副董事长李杰认为，互联网改变生活工业物联网改变业界。工业物联网本质上就是D2D（DATA TO DECISION），即通过数据做出决策，企业不管是谁先掌握工业物联网并引导转型，谁就有责任和义务进行标准的制定。
密西根大学交大密西根学院荣誉院长及吴贤铭制造科学冠名教授倪军在现场表示非常赞同李杰的观点，同时他也提出，相关学者已经做了大量研究，并早已绘制相关路径图，更多地展示了工业物联网如何改变企业的KPI（关键绩效指标），很多国家的政府也在鼓励这项新的技术，但是从企业的角度和反馈上来讲物联网还处于早期的阶段，特别是数据的分享、安全和所有权问题还处于早期的阶段。
倪军解释，因为物联网类似 社会 互联网，需要人们彼此连接，搜索世界上所有的供应方，而销售方也会有这样的驱动力去搜索。与之不同的是，在工业物联网中，会存在各种潜在的障碍，去阻碍这样的连接和搜索。例如，在工业物联网当中涉及到商业机密，企业通常不愿意和友商共享这些数据。
SCA集团执行董事Bhairavi Jani表示，现今一个产品的问世需要一系列不同的零部件，生产过程中涉及到大量的供应链不仅仅是独立且孤立的，供应链中存在着海量数据对物流企业来说蕴藏着很大的发展机会。工业物联网不仅仅涉及到现代化的生产，并且涉及到整个的产品生产、消费、运输等全产业周期。
SAP执行副总裁兼企业战略主管Deepak Krishnamurthy认为，工业物联网需要有一个通用的语言才能信息共享从而创造价值。目前，工业物联网仍处于通用语言开发的初期。他表示，倪军教授所说的“信息所有权”是一个比较棘手和敏感的问题，同时也是复杂的 社会 性的问题，在国际化的供应链中，如何进行跨国的分享数据也是目前世界工业物联网共同面临的问题，同样也是SAP目前试图解决的问题。
至于数据分享规则制定的规律，富士康工业互联网副董事长李杰认为，富士康一直在引导业界转型，他举例说明，富士康有175万个机床，这些机床在制造环节会产生大量的数据，通过数据改进绩效是不少供应商的愿望。因此这些供应商希望与富士康合作，从而更快实现需求响应。不同的数据来源联系起来就需要保持一个标准，对于规模相对较小的企业，李杰认为这并非意味着小企业毫无作为。事实上，大型供应商会分享给小企业，这些小企业必须有更快的进程，从而更敏捷地填补大企业的空白以及大企业没有认识到的机会。
工业物联网释放更大价值和机会
SAP执行副总裁兼企业战略主管DeepakKrishnamurthy提出工业物联网已经释放出大量的机会和价值，SAP进军更多消费品领域期待创造更多价值、开放更多市场，也将会有更多的合作伙伴。工业产品不再是过去生产制造的模式，工业物联网用到的设备高能效，在生产过程中减少碳的排放。
富士康工业互联网副董事长李杰认为，工业物联网改变业界主要有三点，第一是用前所未有的方式更快生产；第二是运用智能手机就可以实现更大规模更加灵活的远程管理；三是基于事实、证据、数据，通过询证的方式作出判断，从而更加可持续发展。
专家纷纷在现场用实际案例举证工业物联网在未来将释放出怎样的价值和机会。富士康工业互联网副董事长李杰提出“灯塔”项目，该项目跟世界经济论坛合作，给想做工业物联网的公司提供从传统产业模式转化为先进的产业模式的范例，通过垂直客户和供应链的整合，用教训经验推动生态系统的转变。
密西根大学交大密西根学院荣誉院长及吴贤铭制造科学冠名教授倪军举例 汽车 整车厂商和IT之间的合作，通用跟生产机器人的厂家合作，产权转移给最终用户，思科提供安全的网络方案收集机器人数据第三方，预测机器人停工的时间，机器人把空闲几分钟有效利用起来可以节约几百万美元，同时生产机器人的公司可以通过数据了解自己的产品未来需要改进的方面。
SCA集团执行董事Bhairavi Jani讲了两个案例，一是三个做消费产品的客户使用工业物联网，供应链收集客户信息更加敏捷。二是初创企业在使用技术帮助农户根据市场需求来实现生产，带来了经济效益和 社会 效益。
SAP执行副总裁兼企业战略主管Deepak Krishnamurthy带来了SAP和微软有一个开放数据信息服务合作项目，这些消费数据整合在一起，越来越多的企业参与进来，在这个平台可以相互合作可以提出具有共性的价值主张，帮助客户实现更大的价值。
数据分析、机器学习与物联网我们当前所处的世界，联网程度不断上升，低成本传感器和分布式智能也在不断普及，产业即将面临这一切带来的革命性的冲击；同时，在此过程中还会产生大量的数据，其规模将庞大到远远超过人类所能处理的范畴。对此，企业是否能足够迅速地适应并演进自身的业务，以维持在竞争格局中所处的位置？面对我们栖身的环境中植入的这些全新的信息来源和智能设备，人类应当如何掌握它们并从中获益？利用不断演进的技术组织机构将需要建立起内部数据仓库，以便能够利用新的数据源和数据流。智能接入设备亦将在某些情况下取代人的角色，它们将能够自行决策、执行自我调整，或是根据需要引发对自身的纠正和修复。在另一些情景中，众多设备的集合将聚集在一起成为完整的系统，这样的系统可以采用新的方法进行优化；而由系统聚集成的系统，将会彼此共享数据，并成为由数据和设备组成的生态系统。机器学习（指从数据中推导出意义的众多方法）注定将成为这个生态系统中的一部分；此外，随着企业着手为物联网（IoT）做准备，传统业务和数据分析技术也同样将被纳入到该生态系统之中物联网——某些人更愿意称之为“万物互联”（Internet of Everything）——正处于不断上升的轨道上。一项Gartner研究指出，在2020年IoT单元的数量将达到260亿，而IoT产品和服务的市值将达到3000亿美元1。另外，GE在工业互联网（Industrial Internet）——这一概念包含用于监控和优化工业设备（例如喷气式引擎、铁路机车、动力涡轮机和制造工艺）性能的机制和应用——领域已经活跃了很长时间。根据GE的估算和预测，在接下来20年中，工业互联网将帮助全球GDP产值提高10到15万亿美元（没错，万亿量级）。当然，围绕着已问世的全新技术和正在逐步浮现的技术概念，市场中充斥着大量炒作。例如，Gartner备受争议的 “成熟度曲线”（注：也有些人使用“炒作周期”这一贬义说法）报告就把IoT摆在了“翘首以望的顶峰”的位置上（而大数据作为之前的热点，已经进入了“理想幻灭的低谷” 3）。然而，哪怕企业家们为之表现出群情激昂的兴奋，或是记者们在笔下展现出了对未来的狂热展望，在现实中依旧存在着大量的挑战，组织机构必须克服它们，才能够真正乘上这次技术演进的东风。挑战组织机构必须聚焦于：了解产品技术和IT领域中，企业能力的相对成熟度；了解可以纳入哪些类型的IoT功能，以及新能力将会在哪些方面对客户价值带来影响；了解机器学习和预测分析模型的角色；基于市场变化的迅捷程度和竞争对手的相对敏捷度，重新思考业务模型和价值链。接下来，让我们对这些挑战逐一进行更详细地分析。理解产品和IT成熟度可以从产品和IT两个维度分别进行分析。首先，产品组合的成熟度如何？它是属于变更较缓慢且逐步演进的传统类型的产品，还是属于前进速度更快，同时具有更复杂生态系统的产品？矿产设备在技术上非常复杂。并且，与科学研究仪器相比，它拥有更为漫长的设备生命周期，和相对更缓慢的演进速度。然而，这并不意味着科研仪器的公司，在利用IoT产品进行系统优化方面更具优势。另一个需要考虑的因素是IT流程的成熟度。各种类型的组织机构都可能会因采用IoT而获益；然而，要想达成这一目标，它们所需采用的模型却各不相同。让我们进一步分析一下IT成熟度水平这个因素。举例来说，科学研究仪器供应商或许拥有先进技术，但却可能缺乏强有力的IT架构、流程和IT治理能力。与之相反，矿业设备制造商或许拥有非常成熟的内部IT流程。对科学研究仪器公司而言，IoT将让它们能够对安置在现场的仪器设备进行功能升级；但面对由多种类型设备组成的实验室信息生态系统库，公司并不一定愿意尝试去进行优化。（当然，以IT作为成本中心——例如内部IT管理——方面的成熟度不足，并不等于以IT作为利润中心——例如IT产品——方面成熟度的缺失；但当开发或拓展IT服务的时候，许多组织机构都选择在现有的基础IT能力之上构建。）在去年的哈佛商业评论（Harvard Business Review）中，讨论了一个矿业设备领域的例子：Joy Global是一家矿业设备制造商，其专家团队横跨与采矿作业相关的多种系统和流程。Joy Global以此为依托，针对来自多家供货商的一系列设备，提供监控、维护和优化的服务4。了解IoT能力接下来，应该考虑一下使用智能联网设备中的哪些能力。刚刚提到的哈佛商业评论刊登的文章4指出，IoT包含四种类型的能力：监视——传感器提供关于运行环境、产品使用和性能方面的数据；控制——可以控制并定制个性化产品功能；优化——来自监视与控制的反馈回路，能够提供更高的效率、更好的性能、预防性维护，以及诊断和修复；自治——监视、控制和优化将支持独立运行、不同系统间的协作、与环境交互、个性化、补给，以及自我诊断和修复。这四个层级的能力，将为重新定义供应链并重新配置价值链提供支持。我们不应该抱有产品的功能应固定不变的观点；相反，我们应该认为它们将更具灵活性和适应性。那些智能联网设备和产品将具有可变特性，并能够随着用户需求的变化而改变。在数年以前，软件制造商就已经认识到了这一点。而现在，物理对象也正在逐渐转变为软件驱动功能的载体或容器。上述这些层级的能力要求越来越精密的数据分析方法——从收集和应用数据，到支持算法自身运用数据并在同时进行学习。第一个层级的能力——监视——将成为一套实时的机制，我们可以运用它更好地了解现场情况和用户需求，并提供新的能力。这意味着组织机构的传统产品和服务将不再泾渭分明，而且二者的边界将彼此渗透。在过去，现场设备的维护由某个现场服务承包公司承担，设备制造商的业务并不涉及此环节。而在智能设备与监视能力结合后，设备可以在故障发生前将所需的服务提前告知制造商。同时，设备制造商也可以将常规维护纳入自己的服务范畴。不过，如果利润和物流对组织机构而言是个问题的话，那么复杂的维修工作将依旧由专业承包商完成。这一“去中介化”(disintermediation)的模式也可以运用到分发链中。设备可以自动发起补充供应的请求，从而降低甚至消除供应链中的物流和库存压力。控制是建立在监视之上的更复杂的应用。我们可以监视设备运行情况，并通过控制设备的多个部分或多个系统，来扩展人工干预的边界。想象一下，在 *** 作大部分功能都是自动化执行的系统或机器时，人类所扮演的角色：人类指导机器运转，并寻找系统设计的时候没有预料到（或是基于经济划算的角度未设计应对预设）的边界条件、异常和例外。接下来，人类使用自己的判断做出变更、纠正或调整。我们并不需要（在空间上）与设备在一起，或许我们也无需实时监视它们（这取决于流程）。我们通过监视层面采集数据并进行处理（某些数据处理必须在特定时刻完成），并通过控制层面将这些数据实时（或准实时）地运用到设备或装置的运行上。需要组织机构做出的战略决策是，是否以及何时在产品中提供更多的控制能力，以及是将其作为一种服务向客户开放，还是让客户拥有这些功能。第三个层级的能力——优化——可以拓展到某个单体对象、一系列对象，或是一套由来自多家制造商、使用不同技术的对象组成的生态系统的表现方面。是否将提供的服务拓展到这一领域，取决于围绕着价值链和流程边界的知识和经验的水平。前面提到的矿业的例子，反映出Joy Global与供应商相比的优势，主要在于拥有在流程生态系统中更加聚焦的视角。以卡车制造商为例，它无法很好地优化复杂的矿业设备，但却会凭借对自己的一系列卡车（以及潜在的一系列其他制造商生产的卡车）进行优化而获益——如果行业动态确实具有商业意义的话。要将优化的范围延伸到独立运行，还需要对这三个层级的能力进行一些拓展，以支持与环境及其他系统进行受限程度更低的交互。自治要求围绕着算法提供更多的智能，以便应对计划外的情况——程序员和系统工程师未能明确设计这些情况下的方案。自主运行需要整合具有适应性的机器学习方法，以应对新出现的情况，并将之纳入到用于监视、控制和优化的核心算法中。了解分析和机器学习2014年11月，施乐公司帕洛阿尔托研究中心的Mike Kuniavsky在IDTechEx上进行了一场名为“IoT领域中预测分析方面的用户体验”的演讲。在演讲中他表示，我们应该将几乎所有功能都存放（或是在不久的将来存放）在云上。数据和功能可以从任何位置、通过任何设备访问。而专业设备则提供用户访问数据的环境。健康手环可以通过iPhone或笔记本电脑，在特定的锻炼环境中访问用户的身体健康数据。在这种情况下，健康手环扮演了IoT传感器的角色，同时也提供了访问和使用数据的一种途径，而且它还通过软件功能包含了其他一些设备（例如计步器）的能力。设备上产生的数据可以为厂家提供额外的洞见，帮助其了解消费者的使用情况和喜好，并藉此升级功能或开发新特性。如果汇聚来自用户群的数据并结合其他数据集，那么新的洞见可以阐明流行病方面的数据、人群活动水平、生活方式和人口统计数据。对市场人员、健康服务提供者、保险公司和政府机构来说，这些信息具有宝贵的价值。（当然，我们必须认真对待隐私和数据使用许可方面的责任。）我们可以使用机器学习算法，基于这些数据模式作出预测。例如，在一份来自Mayo Clinic的研究中，发掘出了活动数据与心脏病人恢复速度的相关性5。同样的机器学习和预测算法也是许多联网智能消费设备的基础。例如，Nest恒温器是一套能够使用数据模式的设备，它预测消费者对于某个特定房间、在一天中的某个特定时刻的温度要求。（另一个控制和优化的例子体现在聚居区的层面。在获得了业主许可的情况下，电力设施可以通过远程调节的方式，控制成百上千的Nest设备，将室温调高或调低几度，从而完成高峰期的用能负载调度）。这类消费设备涵盖了从声音模式（例如亚马逊的个人助理输入设备Echo6）到更复杂的行为和活动模式（例如捷豹的路虎监视系统，它依赖于一套复杂的软件系统，该系统让汽车能够学习、预测和检查，并提醒车上的乘客帮助驾驶员自动委派次要任务，以便驾驶员将更多的注意力集中在驾驶上7）进行学习的范围。优化算法通过使用机器学习机制，来利用从动态环境下交互的传感器和智能设备传回的数据。算法不能基于特定的参数，精确地预测这些多变的情况，而是需要不断地感知、响应并适应。例如，随着汽车从驾驶员身上分担了更多的责任，它们需要与周边环境中更多的数据来源进行交互（传感器、灯光、其他车辆等等）。在工业自动化、物流和交通运输、电力网络与能源系统、交通管理、安全系统以及其他“系统的系统”等领域中的各类应用，都将让机器直接与其他机器进行交流。此外，这些应用还将基于能够演进和自适应的算法，帮助机器翻译数据流，从而使机器能够依据给定的运行参数达到要求的最终状态。反思业务模型和价值链智能联网设备要求组织机构重新检视，它们处在市场中的什么位置、以什么方式创造价值，以及这些价值将如何随着竞争环境和信息生态系统的演进而增加或减少。分析将帮助验证某些决策（例如，在对特性进行变更或是增加服务和功能后，获得实时使用数据）；不过，市场新进入者和新的价值链结构或许会对业务模式带来巨大的转变，而基于公司传统业务模式做出的分析将不再具有相关性。因此，产品或服务的基础，或许会转变为来自传统产品的数据流，而不是来自产品本身的收入。新的业务模式将得以延展，甚至有可能远远超出产品本身的范畴，覆盖上游供应商或下游消费者。最重要的是，所有这些可能性，都会要求组织机构拥有围绕着其内部数据健康度和用于分析的基础设施的基础能力：数据“打捞”（curation）、所有制和质量标准、具有一致性的企业架构、干净整洁地集成在一起的系统、自动化的数据载入流程，以及成熟的分析专家。如果欠缺或未能有效管理这些基础条件，组织机构将很难进行快速反应，并演化出新的分析和数据管理功能与能力。IoT将基于数据流和复杂的方法，从信息中获取洞见，并通过与企业知识整合，将之运用到价值创造方面。而不具备这些能力的组织机构将在市场上落后，或是降级到低价值、低利润的层次。数据被称为“新的石油”——我们可以拓展这一比喻，这意味着通过分析能力中的知识提炼环节，数据将被精炼为高价值产品。组织机构现在就需要在构建此类基础设施的方面投入资源，以便为接下来数年中应对供应链和价值创造环节的转型、扰动和颠覆做好准备。信息敏捷性将成为必备的核心能力。
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）