百通全惠物聯網 - CSDN

來源: 物聯網智庫 原創 作者：物女王 

就在前幾天，一年一度的Cisco Live 2017用戶大會上，思科發布了其10年來最具顛覆性的創新，說是開啟了IoT的新時代都不為過，但國內物聯網圈卻選擇集體視而不見，眼睜睜地與裡程碑式的革新擦肩而過。

隨著數據量、連接性、計算能力的迅速提高，人工智慧、增強現實和機器人技術的持續迭代，想要充分實現投資回報，有效利用物聯網產生的數據，企業越來越需要一種能夠統一各種各樣的信息源和數據類型的新型智能網絡和物聯網平臺。

 

這是我在物聯網智庫|物女心經專欄|寫的第031篇文章。

 

---

 

上一篇文章，我們說到IoT圈的東邪西毒，東邪阿里巴巴，西毒亞馬遜，都是修煉人工智慧+物聯網，也就是I2oT（Intelligent Internet of Things）的兩座巔峰。

 

這篇文章，我不得不單獨談談半路殺出的狄仁傑，思科。因為就在前幾天，一年一度的Cisco Live 2017用戶大會上，思科發布了其10年來最具顛覆性的創新，說是開啟了IoT的新時代都不為過，但國內物聯網圈卻選擇集體視而不見，眼睜睜地與裡程碑式的革新擦肩而過。

 

本著對我的摯愛黑粉負責任到底的態度，我們一起利用這個「眾人皆醉」的契機，完成一次認知覺醒，一起來讀讀這一屆Cisco Live 2017對物聯網到底是不是潛力股？ 

 

一家公司同時擁有兩個物聯網平臺

 

思科一直以狄仁傑的神探作風行走於物聯網江湖，不但早在十幾年前就開始與物聯網資本「勾結」並大肆布局，2013年成立物聯網部門，2016年以14億美元收購Jasper（基於雲的物聯網平臺），還持續發布物聯網領域的行業調查，矢志不渝地對IoT市場前景愛得深沉，成為了名副其實的風向標。

 

今年Cisco Live大會，思科CEO扔出了數顆重磅炸彈，其中包含一個被國內集體忽略的名詞：Kinetic，這是一個全新的物聯網平臺。同時思科還升級了久負盛名的Jasper平臺，坐擁Kinetic和Jasper兩大左膀右臂，思科的玩法在IoT業內尚屬首次。

 

兩個物聯網平臺，原有的Cisco Jasper和現在的Cisco Kinetic，難道「狄仁傑」思科想讓它們一個在前面破風，一個在後面起航？

 

進一步解讀你就會看出其中的深意。

 

先看原有的Jasper平臺。Jasper致力於將像汽車、噴氣式發動機、心臟起搏器這樣的設備連接到網際網路，同時也在打造一個軟體平臺來幫助在線監測這些設備。

 

據悉僅過去一年，Jasper的企業客戶數量就從3500家增長到11,000家，新增用戶超過200%。Jasper已成為全球最大的物聯網平臺，日均管理4300多萬臺設備，且每月新增150多萬臺設備。

 

升級之後的Jasper Control Center 7.0，完成了有史以來最大的演進。此前，Jasper Control Center是一款獨立產品，用於實現全球蜂窩網絡設備連接的自動化和管理。Jasper Control Center 7.0是全球首款支持蜂窩、NB-IoT和LTE-M網絡中IoT設備管理的商用物聯網平臺。

 

再來看看最新發布的Kinetic，它是一個物聯網運營平臺，或者叫物聯網操作平臺，集成連接管理、數據交付和邊緣計算等綜合能力。Kinetic的最大能力是獲取設備數據，而且是實時的設備數據，思科希望通過Kinetic提取未連接設備上已經存在的數萬億兆字節的數據，並將這些數據實現價值最大化。

 

 

隨著數據量、連接性、計算能力的迅速提高，人工智慧、增強現實和機器人技術的持續迭代，想要充分實現投資回報，有效利用物聯網產生的數據，企業越來越需要一種能夠統一各種各樣的信息源和數據類型的新型智能網絡和物聯網平臺。這就是Kinetic發布的初衷。

 

作為看家本領，Kinetic不僅可以支持不同的網絡協議，比如從Wi-Fi、乙太網、低功耗廣域網LPWAN中獲取數據，還能從各種工業乙太網和現場總線，比如Profinet，Modbus、CC-Link、EtherNet / IP…中獲取數據。也就是說，Kinetic有能力直接監測和控制工廠中的物理設備，引用思科自己的話說，就是「我們不認為其他IT廠商有能力像思科這樣，在工廠最貼近邊緣計算的設備層中工作和讀取數據」。

 

沒錯，Kinetic平臺使得思科以IT廠商之身，將連接能力首次下沉到工廠中的物理設備這一層次，通過各種來源訪問和匯聚物聯網數據。Kinetic平臺還提供邊緣計算能力，允許直接分析和處理設備的邊緣數據，無需通過路由將數據回傳到雲平臺。

 

直觀的說，Kinetic就是一個把數據從各種各樣的設備中提取出來、就地分析的平臺，橫跨各種協議和網絡類型，充分體現了思科萬物互聯的野心。

 

為什麼說單就推出Kinetic平臺這一項，已經意義重大呢？

 

在智能工廠和工業4.0的實現路徑中，最基礎的一個層次就是將工業機器人、數控工具機、各種單機設備連入網絡，提取數據。

 

由於出於安全方面的考慮，以及缺乏數據提取的接口和平臺，除了少數極為領先的工業企業之外，大多數的機械設備並沒有連接到上層信息系統，而是散落在各種現場總線造就的孤島之中，無法凝聚。而MES和SCM由於沒有觸及工廠底層的數據，形同虛設。

 

根據Gartner的研究報告，工廠中每1分鐘的故障停機，將造成20,000美元的損失。另據思科此前的研究，通過將工廠中位於底層的單機設備聯網，可以將停機時間縮短50%，能耗降低20%，提升質量並減少50%的產品缺陷，數據化對智能工廠的巨大潛力才剛剛露出冰山一角。

 

通用汽車正在使用思科的數據平臺，將汽車製造生產線上30,000臺工業機器人中的1/4連接到物聯網，並通過數據分析，成功避免了其中100個組裝機器人的潛在故障。

 

額外收穫也有，以前不同國家的兩家工廠使用相同的設備製造相同的機器，其中一個是另一個生產力的3倍，工廠從上到下都不知道原因為何。通過機器聯網分析，預測、分析和診斷設備的完整數據，多年疑團終於解開。

 

 

日本機器人製造商FANUC還與思科一起共同開發了一款名為「ZDT零停機」的APP，通過將工業機器人接入平臺，力爭徹底消除意外停機。

 

鴻海也已宣布採用思科物聯網解決方案Kinetic，將其中的能源管理解決方案與鴻海智能工廠進行集成。鴻海表示，透過導入思科Kinetic平臺，讀取了過去沒有搜集過的相關數據，並由此節省了15%的能源消耗，預計未來可進一步降低20%的能源消耗，鴻海還計劃同步將廠區內的追蹤系統接入Kinetic。

 

實時物聯網：實現實時監控

 

隨著Kinetic平臺的推出，思科將物聯網帶入了一個新的發展階段：實時物聯網RT-IoT。

 

此前，我曾經在文章中提到過，工業現場的數據普遍「保鮮期」很短，處理一旦延誤，就會迅速「變質」，數據價值呈斷崖式跌落。不是所有數據都必須上傳到雲平臺，何況關鍵信息還有可能在傳送過程中延誤或者受到幹擾。用戶必須快速響應這些關鍵數據產生的決策，要麼在短時間內就採取行動，要麼就眼睜睜的看著最佳時機溜走。

 

通過Kinetic思科親身示範了實時物聯網，用升維的思路解決工業物聯網中缺乏實時監控的難題。

 

以前工業企業中的OT操作技術和IT信息技術之間存在難以跨越的斷層，工廠中的物理設備和信息系統之間無法徹底打通，更別提將OT數據和IT數據通過統一的「窗口」展示、處理和分析。

 

隨著設備和數據量的急劇增長，這一挑戰已經不僅僅是OT與IT之間的互通互聯，而是如何將OT數據有意義的接入IT系統和業務流程。大部分OT與IT之間的連接都通過特定的工具或者方案實現，碎片化嚴重，缺乏設備的實時監控、實時數據的關聯性和統一化的系統平臺。

 

由於對實時性要求極高的工業物聯網應用非常複雜，實時物聯網必須綜合考慮諸多因素：

 

  

這就倒逼「實時物聯網」技術的飛速進化。只有用好實時數據，才能充分發揮工業物聯網的潛力，創造真正的價值。

 

數據量太大、速度要求太高、數據特徵不易提取，這些都是擺在實時物聯網面前的難題。

 

不過一旦通過實時物聯網將車間中的單機設備和邊緣數據連入網絡，那麼工廠管理層看到的將不僅僅是各個孤立的資料庫，而是連貫通透的業務流程和性能指標，效率和效益的體現將呈指數級蛻變。

 

除了思科之外，不同公司也在紛紛嘗試實時物聯網。

 

比如，Splunk作為機器數據的引擎，為來自任何應用、伺服器或網絡設備的數據實時建立索引，並使其可被搜索。用戶可以使用Splunk來搜索、監測、分析和可視化機器數據。它為機器數據提供可擴展的通用平臺，數據來源幾乎支持所有的設備、控制系統、傳感器、SCADA、網絡應用和終端。

 

一家名為Kinetica的公司則通過使用GPU（圖形處理單元）構建IoT數據平臺來解決實時數據處理的挑戰。它的總部位於美國舊金山，是一家提供實時數據分析與支持的服務商。Kinetica利用圖像處理晶片提供計算能力，允許企業使用機器學習，商業智能分析和可視化技術更快速地分析海量數據。畢竟典型GPU具有超過4000個內核，而通用CPU僅有32個，因此利用基於GPU的配置，使用大約十分之一的硬體就可將數據處理速度提高100倍。

 

 

從「一網到底」，到「萬網到底」

 

曾經，工業領域的方案提供商，西門子、三菱電機、百通…都提出過「一網到底」的設想，他們認為在工業中構建物聯網是一個很高的目標和很大的工程，而乙太網作為一種成熟的網絡通訊技術，在IT和商業領域已經形成絕對的統治性地位。

 

一網到底，是指通過工業乙太網，讓模擬信號、數模混合信號、各種現場總線和各種無線通訊都能統一起來，整體網絡無論從橫向，還是縱向看，都是無縫連接的，數據可以在此透明網絡中自由的傳輸。

 

這在技術層面上涉及兩個方面：一是通訊技術，包括現場總線、工業乙太網和無線技術的多重集成與互通。二是智能儀表的廣泛普及，實現參數傳遞、自診斷、預防性維護、網絡安全、現場與遠程調試等功能兼顧。

 

改良後的工業乙太網協議，是一種比現場總線更為開放的網絡標準，可以支持實時工業控制信號的傳輸，最高效且最大程度地完成各種網絡與網絡之間的通信，實現現場層、操控層、管理層的垂直管控架構的透明化數據通路。

 

基於這個思路，各個工業自動化企業也都提出了自己的工業乙太網協議，常見的包括德國倍福的EtherCAT、羅克韋爾自動化的EtherNet/IP、西門子的ProfiNet、施耐德的Modbus-TCP、貝加萊（已被ABB收購）的Powerlink等…

 

而思科的Kinetic平臺巧妙地將這一「浩大」的工業物聯網改造工程輕易化解，通過與Kinetic平臺對應的交換機，快速打通多種工業通訊協議和現場總線，不再只是「一網到底」，而是「萬網皆可到底」。

 

萬網到底的好處十分明顯，僅僅是數據從下到上的透明化和可量化，就能為智能工廠帶來天翻地覆的變革。舉例來說，OEE這個被最多誤用和濫用的指標就可以首先獲得「救贖」。

 

OEE（Overall Equipment Effectiveness）是一個獨立的測量工具，它用來表現實際的生產能力相對於理論產能的比率。一般每一個生產設備都有自己的最大理論產能，要實現這一產能需要保證沒有任何幹擾和質量損耗。當然，這一理論上的完美產能很難達成。因此，

 

OEE = 可用率x 表現性 x 質量指數

 

OEE是一個極好的基準工具，它能準確清楚地告訴工廠管理者設備效率如何，在生產的哪個環節有多少損失，以及可以進行那些改善工作。長期的使用OEE工具，企業可以輕鬆的找到影響生產效率的瓶頸，並進行改進和跟蹤，達到提高生產效率的目的，同時使公司避免不必要的耗費。

 

OEE的計算雖然看似簡單，但是，在實際的應用中，當與班次，員工，設備，產品等生產要素聯繫在一起時，便變得十分複雜，以往常常通過人工採集的數據懵算或者瞎算OEE，而Cisco Kinetic平臺有望將OEE真正威力發揮到極致。

 

同時被解鎖的還有預測性維護市場。

 

此前我在文章《集成邊緣計算和IoT雲平臺，預測性維護的軍備競賽已經啟動》中已經闡述過這一市場的巨大前景，當時文章中的「模特」華為和GE作為「自嗨型」合作的典範，明顯甚不合格。邊緣計算側和IoT雲平臺側的巨頭們的混搭雖然蠢蠢欲動，但仍尚未成型。

 

作為半路冒出來的狄仁傑，思科有了Kinetic和Jasper兩大法寶，輕鬆實現邊緣與雲端的協同，入局預測性維護市場近在眼前。

 

至此，本文僅僅解讀了思科在Cisco Live 2017中發布的一部分顛覆性創新，更有深意的則是思科全面啟動的重塑網絡計劃。

 

在此計劃中，思科致力於打造一個能夠預測行動、阻止安全威脅路徑、持續自我演進和自我學習的全智慧系統，從而幫助企業在聯接性不斷增強、分布式技術持續演進的時代中，創造全新機遇並解決之前未能解決的挑戰。

 

簡單的說，就是思科推出了能夠識別「意圖」、規避威脅和持續進行自我學習的由AI「開光」的新一代網絡。

 

按照思科的原話，「基於『意圖』的網絡能夠幫助IT從枯燥乏味的傳統流程轉變為自動了解用戶『意圖』，使在數分鐘內管理數百萬設備變成可能。基於『意圖』的基礎設施將是下一個重要的增長點，而網絡將成為這一系列全新技術中的重要推動者和加速器。這是企業網絡歷史上最重大的創新，是行業觀念的重大轉變，將改變整個行業的發展軌跡。」

---

作者：物女王

物聯網智庫 原創

轉載請註明來源和出處

------   【導讀】   ------

預測性維護在不久的未來將愈加凸顯工業物聯網中少數的「殺手級」應用的優勢。

這是我在物聯網智庫|物女心經專欄|寫的第026篇文章。

---

前段時間看到一則新聞，這麼寫的：在德國舉行的漢諾瓦工業博覽會上，華為和GE數字集團聯合發布了工業預測性維護解決方案。牽手的兩方，一邊是華為的邊緣計算EC-IoT（Edge Computing IoT）方案，一邊是GE的工業物聯網（Industrial IoT）雲平臺Predix，新聞中稱它們將無縫融合，實現工業設備運行狀態的實時監測，提供預測性維護的智能決策。

 

理想豐滿，現實骨感。我就直說了，在現階段，這顯然是一次「自嗨型」合作的典範。前者在工業領域的「信息層」上空盤旋，尚未敲開「設備層」邊緣計算的大門；後者雖說推出IIoT雲平臺已有時日，但紮根不深，涉足工業核心領域的中國本土的滲透率低得可憐。雙方聯手，怎麼看都像是貌合神離的「聯姻夫妻」，看似優勢互補，卻又無從下手。面向整個工業領域提供預測性維護的底氣從何而來？好在兩大巨頭選擇從電梯運維這個公認的早期採用者群體切入，也算是另闢蹊徑，抓住了明顯的市場痛點。

 

如果將時間這把衡量的標尺再拉長一些，這次合作，雖說對於雙方來說有時機未到，急於求成之嫌，不過卻為後來者指明了方向，邊緣計算+IoT雲平臺，的確是撬動預測性維護市場的利器。

 

華為和GE的合作，有些像電影「黃飛鴻」中的鬼腳七，武功雖高但姿勢不佳，後期難免吃力。還好，就在這幾天，空客和ABB等企業，接連示範了開展預測性維護軍備的正確姿勢…

 

預測性維護的漫漫長路，先得從頭開始把基礎扎牢。

 

「帶病」上路的汽車，給交通帶來安全威脅；「帶病」工作的生產設備，給工廠帶來巨額損失。比如Intel在大連的生產線，每天創造1.5億人民幣的價值，哪怕停機維修1小時，帶來的損失巨大都難以承受。因此，防止設備「帶病工作」，就顯得尤為重要。先來看看工業設備維護維修的幾種手段：

 

• 修復性維修：屬於事後維護，顧名思義，亡羊補牢，是為下策。

• 預防性維修：屬於事先維護，基於時間、性能等條件對設備進行定期維修，更多還是憑經驗。未雨綢繆，是為上策。

• 預測性維修：屬於事先維護，基於安裝在設備上的各種傳感器，實時監控設備運行狀態，如果發現故障隱患，自動觸發報警或修理命令。未卜先知，是為上上策。

 

目前市場中的存量設備數目可觀，80%以上的設備還沒採用有效的預測性維護方案，而設備維護產生的費用超過設備總體生命周期成本的50%。根據IoT Analytics在2017年的最新市場報告，2016-2022年預測性維護的複合年均增長率CAGR為39%，到2022年總體支出將達到10.96億美元。

 

預測性維護在不久的未來將愈加凸顯工業物聯網中少數的「殺手級」應用的優勢。從內部來看，預測性維護用於優化生產操作，將會帶來20-30%的效率增益。從外部來看，設備製造商如果引入預測性維護服務，則有可能「一勞永逸」地扭轉當前競爭業態。從戰略角度評估，預測性維護代表著工業服務化和未來商業模式轉變的歷史選擇。

 

以上幾點綜合考慮，各類公司紛紛搶灘預測性維護這方「沃土」，理所當然。

 

預測性維修的概念雖說由來已久，但一直缺乏行之有效的大範圍實施手段。而邊緣計算+IoT雲平臺這劑「藥方」，可以將人工智慧、物聯網、增強現實等多種技術融合在一起，真正撬動預測性維修這塊市場蛋糕，拓展新的商機。

 

華為和GE的這次牽手，拉開了邊緣計算與IoT雲平臺巨頭之間協作，進軍預測性維護的序曲。接下來就變成了連線題，邊緣計算側和IoT雲平臺側的巨頭們將產生哪些混搭呢？

 

邊緣計算		IoT雲平臺
ABB ABB處於設備生命周期支持的前沿，為用戶提供種類齊全的儀器生命周期服務，帶來可測量和可持續的設備性能改善，ABB還一直把維護服務用作預測性維護計劃的一部分。		GE GE的預測性維護包含了兩個角度：一是建立在硬體狀態監控領域之上的GE Measurements，二是涵蓋了預測性維護的軟體和分析部分的GE Digital。
羅克韋爾自動化 羅克韋爾自動化推出了全新的診斷可靠性服務。藉助這項服務，製造商和工業生產商可簡化任務關鍵型集成設備生產線的維護策略。		微軟 微軟Azure正致力於將自己發展成為工業IoT解決方案和預測性維護的首選雲平臺。微軟Azure目前有兩個預先配置的解決方案，提供必要的預測性維護和遠程監控分析引擎。
Honeywell Honeywell推出互聯輔助動力裝置(APU)預測性維護服務GoDirect。基於這項服務，航空公司能夠在機械故障發生之前發現和預判，提高機隊的可用性。海南航空成為全球首家採用GoDirect的航空公司。		IBM PMQ大數據分析預測解決方案基於對設備性能和使用狀況的實時分析，輸出主要設備的健康管理數據，減少非計劃成本，延長設備壽命，提高產品質量和收益等。
Intel Intel廣泛布局物聯網，將更強計算力帶到邊緣智能，並在數十年前就為預測性維護打下了基礎。Intel已經在自身的Fab工廠中也已經實施了預測性維護系統，使得冷卻水的耗電量減少了40%。		SAP SAP發力預測性維護市場有多年歷史，藉助SAP 預測性維護及服務，企業可以更深入地洞察海量實時數據，進而採用全新的方式，管理企業資產、提供現場服務。
丹納赫 丹納赫通過預測性維修計劃和狀態監測計劃檢測故障發生前的機械狀態，並預測故障發生時間。除此以外，丹納赫還能夠確定可延長機械使用壽命的主動性任務類型。		PTC PTC倡導的數字雙胞胎，以數位化方式為物理對象創建的虛擬模型，實時工作數據作為工況載荷進行仿真分析，預測產品和設備未來的性能，可幫助企業分析並預測設備潛在故障點，實施預測性維護。
當然，也有些企業橫跨邊緣計算和雲平臺兩個領域。 西門子 比如，西門子就將預測性維護應用於工廠設置和工業設備的自動化系統中。因此，在坐擁海量數據的基礎上，西門子已經有了建立機器學習算法的前提。
博世 在100 多年的發展歷史當中，博世一直是以工業及製造著稱，而現在博世正在積極的向著互聯化和服務化的方向轉變。博世在設備中加入感知設備，能夠使其收集到數據。之後數據將會被傳到博世物聯網雲平臺（Bosch IoT Cloud），通過軟體的運算和優化，最終形成相應的服務。 博世在全球250多個工廠裡都配備了全方位的智能技術。AR增強現實技術使工人能夠實時獲得輔助，完成設備的維護任務，減少停機時間。預測性維護與傳感器的應用相結合，主動預測故障並發出警示。

 

以ABB為例，她為工業機器人提供全年7x24小時的嵌入式遠程服務。當工業機器人的狀態發生變動或出現故障時，遠程服務將自動報警，客戶隨時隨地都可以通過智慧型手機或平板電腦獲得報警信息，並採取相應行動。更重要的，ABB的智能單元也同時對工業機器人實施連續監測，降低保養成本，提高設備可用率，延長使用壽命。

 

除了對工業機器人的遠程支持之外，今年5月，ABB在班加羅爾設立了新的針對節能變頻器解決方案的數位化遠程服務中心，全年無休遠程的訪問位於最終用戶工廠內的變頻器，實現預測性維護和狀態監測。

 

ABB還將現有方案進行整合，形成Ability數位化方案，包括資產密集型行業的績效管理解決方案，過程工業的控制系統，機器人、電機和機械的遠程監控服務等。

 

當然，對於上面的連線題，ABB也給出了自己的解答。

 

ABBAbility先後與微軟和IBM達成戰略合作，ABB Ability的下一代數位化解決方案和服務將在微軟Azure雲平臺上面開發和構建，並與IBMWatson物聯網認知計算技術聯手，首先在工廠及智能電網兩個領域合作，提供實時認知分析功能。例如從ABB佔有優勢的電力行業入手，通過提取歷史和天氣數據，幫助電力客戶優化運營並維護智能電網。

 

除了邊緣計算與IoT雲平臺觸發的圍繞預測性維護展開戰略合作之外，還有一些巨鱷，自身就有預測性維護的強烈需求，於是自建邊緣計算和雲平臺能力，量身定做自用的預測性維護系統，並且孵化相關創業企業，積極進行工業服務化的轉型。

 

以空客為例，該公司計劃在2018年推出新的預測性維護系統，這套系統將融合兩種不同的解決方案。

 

一種方案以飛機為中心，稱為預報和風險管理方法（PRM）。在這種方案中，飛機不再是冰冷碩大的金屬集合體，而是一個飛行的帶有生命體徵的「生物」，通過從飛機上遍布的傳感器中收集的數據，進行飛行及燃油分析、導航服務、飛機檢修、航空公司運營管理，以及規劃和恢復等服務。通過使用第一種方案，空客在12個月內節省了55萬美元。

 

另一種方案則以數據為中心，空客與easyJet合作，從各種外部來源獲取信息，將其存儲在空客的雲平臺中，然後通過算法實現乘機客戶的體驗提升。easyJet是個新成立的網際航空公司，只接受顧客通過網絡訂購機票的服務。這套方案將通過最終客戶的反饋，評估和驗證正確的維護決策。

 

通過兩套方案的結合，空客預計將在2018年降低5-10%的維護維修成本。

 

此外空客還啟動了BizLab項目，這是立足於航空航天領域的全球加速器，位於班加羅爾（印度）、土魯斯（法國）和漢堡（德國），旨在促進初創公司和空客自己內部的創新項目密切合作，加快將創新思想轉化為有價值的業務。BizLab的設立確保了空客的不同部門不僅能夠看到來自創業者的顛覆性想法，並且能夠保障這些想法在極具挑戰性的航空航天領域，找到正確的發展道路。

 

國內的工程機械企業，比如三一重工，也在採用相似的方式，將自家的資產追蹤和維護維修系統進一步提煉，不僅促進自身轉型升級，還孵化相關企業對外提供創新型的工業服務。

 

預測性維護的巨大市場也吸引著初創企業的關注，通過邊緣與雲端的協同，人工智慧和機器學習算法可以為設備的運維管理者提供更有針對性的維護維修建議，藉助人工智慧逆天的生長速度，初創公司甚至有望在預測性維護這個全新的賽道彎道超車工業巨頭們。

 

比如，人工智慧企業SparkCognition正在幫助風電運營商實現預測性維修。由於風力發電行業的利潤空間越來越薄，風機必須以最大的容量運行，任何停機時間都將大大影響收益。

 

為了滿足市場需求，SparkCognition將風電企業可以採集但卻未被使用的數據進行分析，通過AI算法，SparkCognition可以預判最終的故障模式，並將預測結果反饋給相關專家、管理層和運營人員，以便及時採取行動避免故障的發生。

 

對於單個風力發電機上的單個組件，SparkCognition保守的估算了使用AI帶來的年度成本節約：

 

• 停機耗損：$1,000

• 運營維修：$2,500

• 總節省：$3,500

 

而且根據預測，隨著被監測組件數量的提升，以及機器學習的持續改進，節約的成本還將顯著上升。

 

InnovativeBinaries則使用人工智慧為各種飛機提供預測性維修支持。由於飛機的可靠性極佳，也帶來了故障數據樣本不足的「煩惱」。這時，最有效的方法就是從大量的健康數據中學習如何檢測異常。

 

InnovativeBinaries分析了大量的飛機健康數據，從而鑑別偏離健康和異常的飛機狀態。通過量化飛機的日常健康狀況，一旦發生微小的變化便立刻標記，並且觸發相關預警。

 

正如開篇所述，設備預測性維護將會掀起新一輪的巨變。從修復性維護、預防性維護再到預測性維護已成為工業管理的三部曲。從設備聯網、走出信息孤島開始，通過邊緣計算與IoT雲平臺，實現彼此的有效連接，從而讓工廠中的所有核心設備都可以被監測、被管理、更有效的被使用，未來智慧工廠的雛形就此起步。

 

從戰略角度來看，預測性維護既是市場，又是跳板，以預測性維護服務為入口，可以切入製造業轉型這一更為廣袤的市場。這場軍備競賽逼迫產業鏈上下遊大大小小的從業者都必須踏上跳板，體驗這痛並快樂著的驚險一躍，從製造企業、傳統工業自動化企業，到新型邊緣計算企業、IoT雲平臺企業、工業人工智慧創業公司、預測性維修服務提供商、設備管理諮詢機構…一個都不能少。

人工智慧賽博物理作業系統

AI-CPS OS

「人工智慧賽博物理作業系統」（新一代技術+商業作業系統「AI-CPS OS」：雲計算+大數據+物聯網+區塊鏈+人工智慧）分支用來的今天，企業領導者必須了解如何將「技術」全面滲入整個公司、產品等「商業」場景中，利用AI-CPS OS形成數位化+智能化力量，實現行業的重新布局、企業的重新構建和自我的煥然新生。

AI-CPS OS的真正價值並不來自構成技術或功能，而是要以一種傳遞獨特競爭優勢的方式將自動化+信息化、智造+產品+服務和數據+分析一體化，這種整合方式能夠釋放新的業務和運營模式。如果不能實現跨功能的更大規模融合，沒有顛覆現狀的意願，這些將不可能實現。

領導者無法依靠某種單一戰略方法來應對多維度的數位化變革。面對新一代技術+商業作業系統AI-CPS OS顛覆性的數位化+智能化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位：

1. 重新行業布局：你的世界觀要怎樣改變才算足夠？你必須對行業典範進行怎樣的反思？

2. 重新構建企業：你的企業需要做出什麼樣的變化？你準備如何重新定義你的公司？

3. 重新打造自己：你需要成為怎樣的人？要重塑自己並在數位化+智能化時代保有領先地位，你必須如何去做？

AI-CPS OS是數位化智能化創新平臺，設計思路是將大數據、物聯網、區塊鏈和人工智慧等無縫整合在雲端，可以幫助企業將創新成果融入自身業務體系，實現各個前沿技術在雲端的優勢協同。AI-CPS OS形成的數字化+智能化力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數位化融入到領導者所在企業與領導方式的核心位置：

1. 精細：這種力量能夠使人在更加真實、細緻的層面觀察與感知現實世界和數位化世界正在發生的一切，進而理解和更加精細地進行產品個性化控制、微觀業務場景事件和結果控制。

2. 智能：模型隨著時間（數據）的變化而變化，整個系統就具備了智能（自學習）的能力。

3. 高效：企業需要建立實時或者準實時的數據採集傳輸、模型預測和響應決策能力，這樣智能就從批量性、階段性的行為變成一個可以實時觸達的行為。

4. 不確定性：數位化變更顛覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了複合不確定性這種顛覆性力量。主要的不確定性蘊含於三個領域：技術、文化、制度。

5. 邊界模糊：數字世界與現實世界的不斷融合成CPS不僅讓人們所知行業的核心產品、經濟學定理和可能性都產生了變化，還模糊了不同行業間的界限。這種效應正在向生態系統、企業、客戶、產品快速蔓延。

AI-CPS OS形成的數位化+智能化力量通過三個方式激發經濟增長：

1. 創造虛擬勞動力，承擔需要適應性和敏捷性的複雜任務，即「智能自動化」，以區別於傳統的自動化解決方案；

2. 對現有勞動力和實物資產進行有利的補充和提升，提高資本效率；

3. 人工智慧的普及，將推動多行業的相關創新，開闢嶄新的經濟增長空間。

給決策制定者和商業領袖的建議：

1. 超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動態機器智能，為企業創造新商機；

2. 迎接新一代信息技術，迎接人工智慧：無縫整合人類智慧與機器智能，重新

   評估未來的知識和技能類型；

3. 制定道德規範：切實為人工智慧生態系統制定道德準則，並在智能機器的開

   發過程中確定更加明晰的標準和最佳實踐；

4. 重視再分配效應：對人工智慧可能帶來的衝擊做好準備，制定戰略幫助面臨

   較高失業風險的人群；

5. 開發數位化+智能化企業所需新能力：員工團隊需要積極掌握判斷、溝通及想像力和創造力等人類所特有的重要能力。對於中國企業來說，創造兼具包容性和多樣性的文化也非常重要。

子曰：「君子和而不同，小人同而不和。」  《論語·子路》雲計算、大數據、物聯網、區塊鏈和 人工智慧，像君子一般融合，一起體現科技就是生產力。

如果說上一次哥倫布地理大發現，拓展的是人類的物理空間。那麼這一次地理大發現，拓展的就是人們的數字空間。在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的財富空間。雲計算，大數據、物聯網和區塊鏈，是進入這個數字空間的船，而人工智慧就是那船上的帆，哥倫布之帆！

新一代技術+商業的人工智慧賽博物理作業系統AI-CPS OS作為新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，並創造新的強大引擎。重構生產、分配、交換、消費等經濟活動各環節，形成從宏觀到微觀各領域的智能化新需求，催生新技術、新產品、新產業、新業態、新模式。引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。

---

產業智能官  AI-CPS

用「人工智慧賽博物理作業系統」（新一代技術+商業作業系統「AI-CPS OS」：雲計算+大數據+物聯網+區塊鏈+人工智慧），在場景中構建狀態感知-實時分析-自主決策-精準執行-學習提升的認知計算和機器智能；實現產業轉型升級、DT驅動業務、價值創新創造的產業互聯生態鏈。

長按上方二維碼關注微信公眾號： AI-CPS，更多信息回覆：

新技術：「雲計算」、「大數據」、「物聯網」、「區塊鏈」、「人工智慧」；新產業：「智能製造」、「智能金融」、「智能零售」、「智能駕駛」、「智能城市」；新模式：「財富空間」、「工業網際網路」、「數據科學家」、「賽博物理系統CPS」、「供應鏈金融」。

官方網站：AI-CPS.NET

本文系「產業智能官」（公眾號ID：AI-CPS）收集整理，轉載請註明出處！

---

---

版權聲明：由產業智能官（公眾號ID：AI-CPS）推薦的文章，除非確實無法確認，我們都會註明作者和來源。部分文章推送時未能與原作者取得聯繫。若涉及版權問題，煩請原作者聯繫我們，與您共同協商解決。聯繫、投稿郵箱：[e-mail]

---

---