柏隽：对数字化工厂与工业互联网的理解

今天我想从这两个方面来阐述一下我对数字化、智能制造，数字化工厂，工业互联网和工业物联网的理解，他们之间的逻辑关系，以及现实状况是怎么样的，未来可能的一种演变趋势。第一是数字化工厂顶层设计与规划，以及数字化工厂和智能制造的关系。第二是工业互联网架构、工业物联网、以及工业互联网与数字化工厂之间的关系。

我先做一个自我介绍，我叫柏隽，以前在西门子研究院工作，主要做工业4.0相关的技术研究和咨询工作，现在创业主要做数字化工厂顶层设计与规划咨询，以及工业互联网相关软硬件技术解决方案。

对数字化工厂的理解

第一个话题，我先聊聊数字化工厂和智能制造的关系。我理解的是数字化工厂是智能工厂的落脚点，而智能工厂又是智能制造的基础和落脚点。只有实现了数字化工厂，才有可能实现智能制造，数字化本身其实是智能的一部分，是一个入口；而智能工厂是在数字化工厂的基础上附加了物联网技术和各种智能系统等新兴技术于一体，提高生产过程可控性、减少生产线人工干预。

而智能制造又是一个更大、更宏观的概念了，目前没有明确的一个定义，我也没有看到一个表述特别精辟的定义，我个人是比较欣赏NIST对于智能制造系统的特征解读：互操作性和增强生产力的全面数字化制造企业；通过设备互联和分布式智能来实现实时控制和小批量柔性生产；快速响应市场变化和供应链失调的协同供应链管理；集成和优化的决策支撑用来提升能源和资源使用效率；通过产品全生命周期的高级传感器和数据分析技术来达到高速的创新循环，就是如下这张图。

数字化工厂概念的形成是在20世纪90年代，主要解决设计与制造之间的鸿沟，那个时候叫数字化工厂I，主要的指导思想有并行工程，精益生产等，主要的技术由三维可视化技术、虚拟现实技术、建模技术、快速成型技术，cad，cam，erp和柔性制造系统fms这些技术。发展到21世纪初，有学者着提出数字化工厂II，研究的目标转向在解决工艺规划问题的同事，更好的将各个软件进行有效集成，使得产品在整个生命周期内的整个过程都可以在计算机上虚拟进行。

国内对数字化工厂的研究主要集中在高校，国内现在这么流行，其中西门子起到了至关重要的作用，成立了DF数字化工厂集团，又在2012年在成都建立了最大的数字化工厂（SEWC），通过在整个价值链中集成IT系统应用，实现包括设计、生产、物流、市场和销售等所有环节在内，高度发展的全生命周期的自动化控制和管理。

讲历史讲概念的目的是让大家首先有一个体系框架，了解现在这些热词之间的一个逻辑关系。那么数字化又是更大一个概念了，数字化技术和各行各业都可以结合，可以这么理解数字化+制造业形成了工业4.0或者智能制造这么一个大的应用领域，演变的趋势如下图所示。

再看看经典的波特价值链模型，在2b领域，如今名词这么多，只是视角不同，在我看来都是波特价值链模型的全面数字化，包括所有支撑活动和基本核心活动。数字化这个词加上场景和地点，衍生出了工业4.0，智能制造，新零售等等这些新名词，有时间我来总结一下数字化和全价值链环节的融合和交互，数字化是如何改变生活、消费、工业和产业的。

讲了数字化工厂就不得不提数字化工厂顶层设计与规划，数字化工厂规划作为当前智能制造落地的首要环节，可以帮助企业在数字化转型升级的过程中明晰企业的核心优势、发展瓶颈, 并根据现有状况找到可行落地路径。企业在数字化转型过程中会遇到各种各样的问题，生产领域的、信息化领域的、自动化领域的，因此需要建立顶层框架来进行思考。我研究参考了众多工业4.0框架体系后，提出的针对企业的数字化转型的“金字塔容器”模型，对既有的制造金字塔进行了改良。

“金字塔容器”模型的重点，是根据当前企业现状从管理咨询维度、运营咨询维度以及IT信息化维度，分解智能制造时代数字化车间、数字化工厂和数字化企业的层级关系，面向落地和实施。 

最底层是数字化车间，主要是车间设备、PLC和HMI。中间层是数字化工厂，一般的话是由控制系统和运营系统组成，有MES和scada。最上层是数字化企业层，包括ERP、PLM还有电子商务、客户关系管理等等。旁边是每一个层次需要的不同的运营咨询的一些方法论，比如说5S、TOC、shopfloor是在车间管理层面，LEAN属于工厂层面。旁边还有两朵云是有关数据分析的服务，目前业界大家现在听到最多的是有关设备的数据的分析，其实在往上面话还有一些订单数据、产能数据分析的服务，这也是很大一块数据的宝藏没有被挖掘。

数字化工厂规划的方法和工具有很多，我在中国工业评论和知识自动化上发表过一篇文章“数字化工厂规划之七剑下天山”，大家有兴趣可以看看，今天这里就不展开了，我重点找一个实际的规划案例给大家分析下，企业在建设数字化工厂或者数字化企业所遇到的一些问题和解决方法。

在数字化工厂规划中，不是说直接就开始到MES或者APS层面的规划，客户的想法往外比较直接，以为数字化工厂就是上一个自动化产线或者上一个mes，这种情况都是只见树木不见森林，往往中小型企业居多。尤其现在随着智能制造的大热，上MES系统成了很多制造业企业在做数字化转型的核心手段。在ERP时期，ERP实施成功率很低，其实放到现在上MES也是一样的，涉及到企业生产管理的方方面面，如果没有规划好匆忙上线，不仅不会提高效率，还会因为生产流程的打乱影响产品交付和客户满意度。MES的导入需要正确的规划，严谨的供应商选型，科学的实施，这三个重要的环节缺一不可。

我们的做法是分析企业整体现状，包括企业规模、所属领域、主营业务、企业生产经营特点等情况。然后选取一家所属对应行业的标杆企业，重点就其智能制造发展现状进行分析，从自动化、信息化、智能化等方面进行展开和梳理。

基于企业现状，梳理企业的竞争优势、劣势，找出目前企业存在的问题和不足，以及未来发展的机会等。结合行业特点、产品特点和市场方向，针对企业市场营销、产品技术研发、生产过程管控、供应链管理、质量管理、设备管理等关键业务领域进行详细调研分析，识别各流程的业务需求和关键流程KPI(关键绩效指标)，提出企业存在的问题和不足，针对性地给出管理优化建议和数字化建议。如下图所示

当然有些企业还会给他们提出数字化人才发展建议，人员梯队的建设也是非常重要的，数字化落地靠的还是有经验有技术的人。时间关系，数字化工厂和智能制造这个主题就先分享这么多，欢迎大家后续多联系交流。

对工业互联网的理解

第二个主题，我想简单讲一下我对工业互联网的理解。2017年11月27日，国务院印发《关于深化“互联网+先进制造业”发展工业互联网的指导意见》之后，工业互联网成了和智能制造齐头并进的中国制造2025的两大主攻方向。

国内一下子涌现出了20多家工业互联网平台，资本市场也是甚为关注，其中富士康工业互联网股份有限公司首发获通过，过会仅仅用了36天创造了A股市场IPO的新速度，让整个行业为之侧目。据称证监会发行部释放重要信号，带有“四新”（新技术、新产业、新业态、新模式）元素的生物科技、智能制造（云计算）、互联网及生态环保领域的独角兽加快IPO进程。今天我不去详细介绍每一家工业互联网平台的模式和特点，我重点讲一下他们相通的技术架构部分。

工业互联网的叫法很多，有叫工业云的，有叫产业互联网的，有叫操作系统的，其实对于我理解工业互联网则非常朴素，我是一名创业者，研发工业互联网相关解决方案产品。相信这么说，大家也能很快了解工业互联网平台的本质，工业互联网平台其实本质上说是一个基于云平台的数字化、网络化、智能化（智能制造）解决方案。

安司长有一张图很经典，工业云到工业互联网的五个阶段，阐述清楚了工业云和工业互联网的核心区别。简单理解工业云只是研发工具类上云，和核心业务系统上云。而工业互联网把上云的范围拓展到了设备层面，制造能力交易层面。再一个从构建基于私有云的“工业PaaS+工业微服务+定制化工业APP”，到构建基于公有云加入海量第三方开发者体系，这个是明显的一个工业互联网特征区别于传统的IT架构解决方案。

所以到了这里就可以明显的感受到工业互联网到底是怎么一回事情，简单说，就是利用2c端快速发展的互联网技术架构体系，解决2b端的业务问题，形成基于互联网平台形式的协同制造和第三方生态开发体系。这里如果之谈技术架构，不谈业务需求的话，那其实谈工业互联网基本上就回到了谈云计算、物联网以及微服务、容器、Devops这些相关的互联网底层技术和开发运维方法论。

这张图是我前两年画的，这是我当时对大概工业数字化每个阶段的技术和应用演进趋势的一个预判，现在来看工业软件app store还算是猜的比较准，不过那个时候还不叫工业互联网，也没有现在的百万APP这种政府层面的推动政策，每个阶段持续的时间节点是拍脑袋有点乐观的，第四个阶段当时归结为CPS，也不知道到时是不是还叫这个名字。

anyway，不管叫什么，预测大概会走成这么一个样子。以前有erp、mes的区分，那是历史原因造成的，就比如没有iPhone的时候，大家出门得带手机、照相机、指南针，现在就带一个iPhone就可以了。回过头来，还是再说说工业互联网的四层架构，分别是数据采集（边缘计算层），LaaS层，工业Pass层，工业App层。这次层在往下分解其实就是数据中心、基础架构、操作系统、运行环境、应用和数据这几层。所谓pass层，或者laas层的划分，只不过是看哪些能自己做，哪些交给更专业的服务机构来做。

数据采集，边缘计算层，是相对来说比较新的概念，在传统IT架构和工业云的时代还不怎么提及。边缘计算指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。

对物联网而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。这无疑将大大提升处理效率，减轻云端的负荷。由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。目前不少厂商在做这一块的事情，比如华为，HPE等著名大厂。

HPE Edgeline EL1000 融合边缘系统针对不需要云连接的复杂实时工业应用，PE Edgeline产品相当于将数据中心级的计算带到网络边缘，能够提供数据采集、状态监控、机器学习和预测性维护的能力，所有数据分析组件，包括数据建模、机器学习、实时数据分析和预见性维护，都在EL1000上实时本地执行，而不需要连接到云或者远程数据中心。

今天我还想重点谈一下Devops，这个是目前制造业企业转型做工业互联网平台绕不开的话题，目前在国外，互联网巨头如Google、Facebook、Amazon、LinkedIn、Netflix、Airbnb，传统软件公司如Adobe、IBM、Microsoft、SAP等，亦或是网络业务非核心企业如苹果、沃尔玛、索尼影视娱乐、星巴克等都在采用DevOps或提供相关支持产品。

DevOps一词的来自于Development和Operations的组合，突出重视软件开发人员和运维人员的沟通合作，通过自动化流程来使得软件构建、测试、发布更加快捷、频繁和可靠。DevOps工具是非常多种多样的，甚至可以由多种工具组成一个完整的DevOps工具链。此类工具可以应用于一种或多种类别，并可体现出软件开发和交付过程的不同阶段：编码，构建，测试，打包，发布，变更管理，配置，监视等。而平常我们所说的诸如Docker（容器化）、Jenkins（持续集成）、Puppet（基础架构构建）、Vagrant（虚拟化平台）等常用、广泛使用的工具都是服务于Devops核心思想的。

我们现在谈智能制造，那么具体智能体现在哪里？其实就是四个词，数据、模型、软件、算法。工业软件是重中之重，回顾软件行业的研发模式，大致有三个阶段：瀑布式开发、敏捷开发、DevOps。DevOps早在好多前就有人提出来，但是，为什么这两年才开始受到越来越多的企业重视和实践呢？因为DevOps的发展是独木不成林的，现在有越来越多的技术支撑。微服务架构理念、容器技术使得DevOps的实施变得更加容易，计算能力提升和云环境的发展使得快速开发的产品可以立刻获得更广泛的使用，下面这张图可以很形象的展示。

所以，通过这张图总结一下，工业互联网从技术层面来说，抛开制造的属性和业务的属性，本质上还是一个IT平台，IT行业已经越来越与市场的经济发展紧密挂钩，这个变化已经开始了，这不仅体现在Google、苹果这些大企业中，而且也发生在传统行业中，比如出租车业务中的Uber、酒店连锁行业中的Airbnb、图书经销商Amazon等。

能否让公司的IT配套方案及时跟上市场需求的步伐，在今天显得至关重要。大家可以想象一下，这些服务敢宕机吗？敢停止服务吗？同样，工业互联网平台敢宕机吗？敢停止服务吗？

DevOps 2016年度报告给出了一个运维成本的计算公式：

停机费用成本 = 部署频率 * 版本迭代失败概率 * 平均修复时间 * 断电的金钱损失。

如果答案是不敢的话，开发运维一体化工业PaaS平台建设，以及相关的各种新技术、新工具、新方法论的使用，就是工业互联网平台企业所需要核心关注的要点。