|
根據埃森哲(Accenture)的研究報告，全球工業物聯網(Industrial Internet of Things，簡稱IIoT)市場規模預計在2020年將超過5,000億美元。基于當前的投入水平，到2030年預計工業物聯網為世界經濟帶來的收益至少在10萬億美元。同時，隨著中國制造業的發展，工業物聯網的市場規模逐漸擴大，預測未來15年中國將在工業物聯網領域受益約1.8萬億美元，市場前景廣闊。 當前，工業物聯網正打通從產品、產線到產業鏈的全方位升級。作為國內一流IIoT平臺的代表，雪浪制造大腦正致力于構建國家級工業物聯網平臺、打造自主可控的工業數據操作系統，并圍繞“1+1+N”的模式：一群合作伙伴用一套共性技術服務于N個垂直行業。在關鍵的系統底層，為了構建廣泛適用的基于數據、算法等基礎的智能平臺，雪浪制造大腦攜手業界領先的測試測量方案提供商——美國國家儀器公司(National Instruments，以下簡稱NI)開展深度合作，為制造業提供一站式的數字化解決方案。 “在工業領域，比如工業資產的狀態監測、預測性維護等廣泛應用，工業物聯網擁有著先天的優勢，是制造行業不可所缺的關鍵技術之一。NI擁有的優勢在于，幾乎所有的工業物聯網比如雪浪制造大腦平臺，都可以在NI領先的技術平臺上找到最佳落腳點。”在不久前結束的2018雪浪大會 “雪浪制造大腦”分論壇上， NI大中華區工業物聯網/人工智能行業經理郭翹這樣表示。 
圖1：郭翹在2018雪浪大會分論壇上講述NI工業物聯網布局 邊緣計算不再“邊緣”， NI助力構建100ns內同步的IIoT系統 在工業物聯網的架構中，IIoT的“物”、運營技術(Operational Technology, 以下簡稱OT)以及信息技術(Information Technology，以下簡稱IT)是基礎組成部分。邊緣計算，則主要圍繞OT與IT端發力。據IDC預計，2018年將有40%的數據需要在網絡邊緣側分析、處理與儲存，邊緣計算可謂不再“邊緣”，愈發收到業界重視。郭翹表示：“實際上，NI是處于OT端的玩家，IT端則是亞馬遜、微軟、阿里、百度等廠商為主流。在工業物聯網的邊緣計算中，NI以開放的平臺與各大主流IT廠商進行無縫對接和集成，這是NI的優勢。”
圖2：NI眼中的工業物聯網架構，包含“物”、OT及IT三個部分 測試資產、生產設備、運營資產以及交通運輸和重型設備等工業資產是IIoT系統的重要成分。 對于OT端的NI而言，分布式在線狀態監測及設備預測性維護，是NI在IIoT邊緣計算領域最為關注的應用方向。“基于NI模塊化、開放式平臺的IIoT系統，實現了納秒級分析和控制、采集任意傳感器的數據、適用于邊緣計算的硬件以及使用時間敏感網絡(Time Sensitive Network，以下簡稱TSN)同步的架構。”郭翹表示，“由于使用TSN技術，實現邊緣節點高達100 ns內的同步精度不受距離限制，這成為了IIoT系統的一大突破！”
圖3：NI從五大維度賦能工業物聯網OT端 另外，在數據管理與分析方面，NI擁有穩定、靈活的數據采集平臺，搭配分布式系統管理軟件SystemLink，貫穿了工業物聯網監測、測試、控制、分析處理的全過程。位于決策端的企業設備狀態監測軟件 NI InsightCM則更傾向旋轉機械的預測性維護方案也可與第三方數據庫或云平臺相連，進而實現系統集群概念。
圖4：NI展示專業數據管理及分析軟件，進一步完善IIoT架構 值得一提的是，當前數據在邊緣計算的轉化過程中基本上遵循二八原則， 即80%的數據尚未得到優化利用。“因此，若要提高數據轉化率，既需要效率更高、更加智能化的數據采集與控制終端，也需要終端設備具備對數據進行實時的數據處理和預分析的能力，如此才能將傳統的工業設備變成一個個更加智能化的邊緣計算節點。” 郭翹說道。 頂尖客戶案例為證，NI推進工業AI與邊緣計算深度融合 眾所周知，工業大數據驅動的機器學習是實現預測性維護的基礎，也是工業人工智能(Artificial Intelligence，以下簡稱AI)的關鍵應用之一。但是，當前多數企業在談論AI時，都是從自身擅長的模式作為出發點去探討AI應用，這其中尤以互聯網企業為代表。 “事實上，工業AI與互聯網AI天生存在很大的差異，這是工業AI應用、特別是邊緣計算中是不可規避的問題。”郭翹指出，“很重要的一點在于分析結果的精度要求上，比如在某知名電商舉辦的大數據推薦商品AI算法比賽中，推薦準確率大于10%就可以拿到冠軍。”但對于工業應用來說，10%的準確率是絕對不能接受的。工業AI應用必須利用算法告訴企業主，設備是否真的壞了需要檢修。若預測準確率只有10%，那么采用定期保養與定期維護的傳統方式反而更為劃算。這已然成為了工業AI的挑戰。
圖5：NI全力推進人工智能與邊緣計算深度融合 因此，NI正持續不斷地推出針對工業物聯網、人工智能、機器學習相關的軟件產品，包括數據收集、特征提取和降維、模型訓練與模型驗證等AI工具，幫助客戶加速從原始數據提取出有價值的信息，并部署模型至邊緣計算一側。憑借強大邊緣計算能力的開放平臺，NI正面向客戶提供工業大數據的完整解決方案。 作為美國最大的發電控股公司，NI客戶——杜克能源具備火電、風電、核電等多樣化能源組合，但廠房老化、發電廠運行效率低下、預測性維護能力不足等是該公司面臨的重大挑戰。郭翹說道：“在部署NI方案之前，杜克能源已有的預測性維護措施中80%用于數據采集，僅20%用于分析，遠遠無法提供準確結果。” 于是，杜克能源選擇與NI深度合作，在基于NI InsightCM和CompactRIO方案的基礎上，從預測性維護和設備加強管理等維度入手，實現了60個以上電廠的智能監測。截至2017年，NI已幫助杜克能源預測到的故障損失折合現金約為3,000萬美元，遠高于項目成本。
圖6：NI 為杜克能源提供智慧電廠的IIoT架構 “類似的例子還包括了中廣核應急柴油機檢測系統、中車青島四方車輛PHM系統等。”郭翹說道，“NI的平臺除了穩定之外，還可以提供盡可能高的靈活性，幫助客戶根據實際需求進行二次開發，打造智能化、可定制化的方案，這是很多競爭對手無法實現的。” 覆蓋產學研多維布局，NI與合作伙伴共營生態 “雪浪制造大腦”僅僅是NI深耕中國制造產業，在工業物聯網布局的一個例子。除了產業鏈上下游企業之間的合作，NI更提出了“培養下一代卓越工程師”的劃時代院校教育主旨，與全球超過上千所院校建立合作，如NI與西安電子科技大學合作，致力于戰略新興產業微電子半導體測試領域的人才培養；以及與常熟理工共同探索教學實踐，培養應用型人才等。
圖7：與合作伙伴共營生態，NI 致力于全產業鏈的工程創新 郭翹總結說：“產學研是NI長期貫徹的一個方針，這是NI不斷提升產品研發，以及打造產業生態的重要舉措。”一方面，作為工業領域超過40年的玩家，NI正持續不斷地針對工業物聯網和人工智能推出更好的解決方案，來幫助各行各業從原始數據獲取分析出發，到完成整個工業互聯物聯網的鏈路。另一方面， NI提供的生態不是一個封閉的生態，NI不追求做行業里的唯一玩家，更期待和上下游共同打造更完善的生態圈，將人工智能技術在工業應用落地，推動整個產業的突破與創新。 |
