文／杨剑勇
以NB-IoT和LoRa为核心的低功耗广域网无线连接规模日益扩大，且5G也开启冲刺阶段，大连接将掀起新一轮信息 科技 变革，一个万物互联的时代伴随通信技术发展即将到来，只是，万物互联最终透过云端实现跨行业和跨设备互联互通，各种设备所收集到的数据经过“云”上处理，并利用这些数据将会催生众多新商业模式。
万物互联在于通信技术发展，而万物智能在于数据处理，使得各种设备具有感知能力，云端作为数据集散中心，并利用AI技术，使得万物智能得以实现。
物联网核心在于数据的收集和处理，数以万亿计的传感器被嵌入到各个角落，所收集数据经AI技术进行智能分析，正是这个小小传感器，则驱动着 社会 数字化变革，企业有能力获取无限数据，并从中洞察实现快速创新，驱动产业转型升级，基于海量数据，地区甚至可以洞悉未来商业经济。
各种智能设备和传感器联网后，所产生数据并将厘清，挖掘其价值，从而激发物联网潜力。而云服务商则打通了云、端、边，并通过AI能力助力物联网应用落地，至此，各巨头积极布局，不仅有亚马逊、微软和谷歌等国际巨头，包括BAT今年纷纷调整战略，提升云服务战略，向物联网延伸，以此抢夺这条全新赛道。
在此之前，物联网并没有得到大规模部署，物联网高级顾问杨剑勇支持，受制于传感器的部署，跨品牌、跨平台和跨设备之间互通限制，以及物联网设备碎片化等诸多因素，但一线 科技 巨头进入，并伴随传感器部署规模日益扩大，以及无线通信技术迅猛发展，经过云端把人、机器和数据连接起来，且能为物联网所产生的海量数据提供强大的计算处理的平台，是物联网发展关键所在。
至此，巨头的云服务面向各行业物联网云平台应运而生，继而激活数据价值，以丰富的应用来抢夺主导权，对于他们来说，丰富的物联网应用是争夺市场核心，在其平台比拼的是应用能力，覆盖工业、交通、教育和金融等丰富的应用，这将是争夺物联网这一张船票的核心。
物联网不断推进和部署规模日益扩大，数以百亿设备接入网络，其经济价值超10万亿美元，各种设备利用传感器收集数据，一部分在边缘侧处理，并结合云端大脑，使得设备具有感知能力，仅在工业互联网领域就能激发高达7000亿市场规模。制造业在部署各种传感器后，与云平台结合，并利用人工智能技术对数据分析，赋予工业企业依据数据具有洞察力，把制造业推向数字制造转型。
（一）微软
GE在微软Azure云平台上标准化其Predix解决方案，将Predix产品组合与Azure的本地云功能，包括Azure物联网和Azure数据与分析，进行深度整合。在农业应用方向，布勒集团作为一家食品加工系统企业，将人工智能、智能云以及物联网技术相结合，提高玉米产量，同时最大限度地减少谷物地毒害污染。
微软以云、边缘智能和人工智能构件生态，并已经广泛应用智能硬件和工业制造等各行各业，Azure IoT等服务帮助制造商实施工业40，包括ABB和西门子等工业巨擘都在利用微软Azure开发自己的物联网平台。
（二）腾讯
腾讯云和三一重工打造的工业数据根云平台，三一重工连接了全区超过30万台重型机械设备，能够实时采集近1万个运行参数，共积累1000多亿条工程机械工业大数据，实现了全球范围内工程设备2小时到场，24小时内完工的服务承诺，大大提升了运营的效率，堪称工业智慧生态中的典范。
腾讯云在华星光电应用场景中，通过物联网平台采集数据，利用腾讯优图AI图像检测技术，系统可以724小时不间断进行质检工作，准确率达到了90%以上，远远超过人的水平，整个生产周期缩短了近40%。
产业互联网最初的营收机会还是来自云业务，腾讯的云服务增长非常快，市场份额一直不断提高，并强调，云业务的本质决定了需要大量的投入，包括数据中心和服务器方面的支出，这样才有来自云服务的经常性收入。这是腾讯总裁刘炽平在此前第三季度季报后高管电话电话会议上的讲话。
特别今年新成立云与智慧产业事业群后，腾讯积极拥抱产业互联网，通过整合自身技术和生态资源，腾讯云正构筑全链路的开发者服务体系，帮助人工智能、物联网、小程序、云原生领域开发者快速成长，并促进各行业与互联网深度融合，助推产业互联网升级。
（三）百度
百度以ABC＋IoT＋智能边缘促进物联网在各垂直领域展开大规模应用，百度云质检云解决方案帮助宝钢建立从连接采集、存储计算到理解决策的感知认知平台，并展示了钢包内衬熔损识别的应用。还有宝钢技术和百度共同打造“智能钢包”应用，通过为钢包部署传感器，实时监控钢包状态，并结合ABC能力打造智能调度的钢包管理系统，降低50%钢包烘烤能耗，平均降低出钢温度10℃，可以节约能源成本70亿元，大约可以节约150亿元。
百度在物联网应用中能大放异彩，得益于2010年开始积极 探索 发展AI技术，应用开始在多个领域开花结果，并以百度云为平台把AI能力分享给 社会 ，从农业到工业，从家庭到 汽车 ，以及翻译、图像识别和信息流等产品和服务，百度AI商业落地走在行业前列。在百度看来，人工智能将推动全 社会 新一轮产业变革，“云”巅之上的企业正向着智能化、AI化升级。
（四）阿里
阿里云在制造业也有不少案例，通过云＋AI+IoT能力先后为协鑫集成、天合光能和徐工集团等大型制造企业提供服务。基于阿里云可以轻松安全地将设备连接至云，从边缘设备到云端，从各种设备上收集数据、分析数据，帮助制造业提高运营效率，如协鑫光伏切片生产车间，生产良品率已经提升1个百分点，每年可节省上亿元的生产成本。
全球工业40和智能制造如火如荼进行中，这制造业升级大趋势下，越来越多的制造商开始评估并加大部署物联网，不仅西门子和通用电气等工业巨擘，包括 科技 企业也积极涌入，出击这个新风口，纷纷推出打通数据的工业互联网云平台，透过云端连接设备、服务和数据，并经AI技术处理，可以实时监测工厂运转状态，自主检测生产线上机械异常，以数字化来提升工厂生产率和产品合格率，推动制造业向数字化转型。
作者系物联网高级顾问杨剑勇，网易最佳签约作者，致力于深度解读IoT和AI等前沿 科技 ，基于对未来物联网洞察和对趋势判断，其观点被众多权威媒体和知名企业引用。
使用手持终端的意义，简单来说，就是用机器替代人工。传统的人工记录数据，耗时耗力还易出错，而使用手持终端，比如东集的手持终端，可通过扫描一维/二维条码或RFID读取，实时准确的记录数据信息，传输到后台，快速查询和管理数据信息。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。对。物数据就是物设备所产生的所有的数据，物设备指的是物联网中的“物”设备，物数据是物联网本身的“物”设备的所有数据信息，从大量传感器中收集是对的。通过设备和云计算获取结构化、实时流信息的来源，数据的分析、处理必须要跟上物联网的设备的运作节奏，物联网推动了大数据的发展。数据收集的重要渠道，
主要是三个。
分别是物联网系统、Web系统和传统信息系统，所以数据采集主要的渠道就是这三个。
物联网的发展是导致大数据产生的重要原因之一，物联网的数据占据了整个大数据百分之九十以上的份额，所以说没有物联网就没有大数据。物联网的数据大部分是非结构化数据和半结构化数据，采集的方式通常有两种，一种是报文，另一种是文件。在采集物联网数据的时候往往需要制定一个采集的策略，重点有两方面，一个是采集的频率（时间），另一个是采集的维度（参数）。
Web系统是另一个重要的数据采集渠道，随着Web20的发展，整个Web系统涵盖了大量的价值化数据，而且这些数据与物联网的数据不同，Web系统的数据往往是结构化数据，而且数据的价值密度比较高，所以通常科技公司都非常注重Web系统的数据采集过程。目前针对Web系统的数据采集通常通过网络爬虫来实现，可以通过Python或者Java语言来完成爬虫的编写，通过在爬虫上增加一些智能化的 *** 作，爬虫也可以模拟人工来进行一些数据爬取过程。
传统信息系统也是大数据的一个数据来源，虽然传统信息系统的数据占比较小，但是由于传统信息系统的数据结构清晰，同时具有较高的可靠性，所以传统信息系统的数据往往也是价值密度最高的。传统信息系统的数据采集往往与业务流程关联紧密，信息系统的数据采集工具也发展很迅速，未来行业大数据的价值将随着产业互联网的发展进一步得到体现。
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）