你的位置: 首页 > 业界资讯 > 市场动态

工业互联网平台的三大门派

2019-04-01 16:55:18 | 人围观 | 评论:

随着工业互联网平台的蓬勃发展,越来越多的玩家相继入局。如果将工业互联网比作江湖,那么按照企业各自的不同特质,可以划分出主要的三大门派——互联网派、工业派和创业派。

少林——互联网派

这一派别以阿里、谷歌、微软、AWS等为代表,它们在云计算、大数据分析以及软件服务等方面有着足够的经验积累。看到这里你可能会奇怪,为什么阿里这样的互联网公司也会涉足工业互联网?

在笔者看来,这些公司是将工业互联网概念扩大化了。前文所述的工业互联网,很重要的一方面是用预测型维护让机器运行更有效率。

比如东方航空公司曾基于Predix搜集了500多台CFM56发动机的高压涡轮叶片保修数据,结合远程诊断纪录和第三方数据,建立了叶片损伤分析预测模型。再比如施耐德电气的EcoStruxure 可以让机械设备制造商通过平台监测其设备运行状况,以便在全球范围内有效提供服务,缩短设备停机时间。

从商业模式上来说,这是M2M(Machine-to-Machine,机器对机器,是一种以机器终端智能交互为核心的、网络化的应用与服务),是B2B。

但是阿里强调的工业互联网,把产品(这里指工业产品)从研发、生产到、消费再到反馈、迭代的整个产品生命周期全都考虑了进来。重点在于产品生产出来后消费者的反馈如何能影响厂家再次迭代、改进产品。

这是C2M。

§ 阿里等互联网企业口中的工业互联网,是大数据时代的工业互联网,最主要的支撑要素就是外部得来的数据,数据也是阿里云平台最大的优势和核心资源。这和以外功见长的“少林派”武功何其相似。

武当——工业派

这一派别以国外的GE、西门子、施耐德电气和国内的树根互联(由三一集团孵化)等为代表。原来,他们或者是以提供硬件解决方案为主的老牌传统工业巨头,或者是全球能效管理领域的领导者,一觉醒来,却都纷纷要向软件公司转型了。

转型的阵痛无可避免,但这些公司的优势也很明显,即在工业Know-how以及专业技术上有着深厚的行业积累。工业领域每个细分行业应用千差万别。例如,铸造行业对工业互联网的应用场景涉及很多的具体应用;风电行业中,整个风电如何通过工业互联网进行管理有着自己的一些规律;而在制药机械行业,又有自己独特的行业应用……如果不是深耕于行业的专家,根本无法提供满足客户需求的解决方案。

工业巨头的优势在于行业积累,和以内家功夫见长的“武当派”不谋而合。但这也意味着它们在平台技术上不如传统互联网公司,所以往往会选择和相应的合作伙伴强强联手。比如西门子的MindSphere就是其联合SAP基于开源的Cloud Foundry架构打造的;施耐德电气的EcoStruxure 则是基于微软强大的Microsoft Azure,有许多方便的软件应用。

丐帮——创业派

创业工业互联网平台企业情况相对比较复杂,表面看起来,它们一不如互联网企业财大气粗、资金雄厚,二没有工业巨头的百年底蕴和深厚积累,活脱脱一个苦逼的“丐帮”。

实际上,这些公司的创始人往往来自于行业内牛哄哄的大企业,所以创业基因可能包含了前东家自带的ICT技术服务、互联网模式等。它们一般会在某一细分技术领域有着独门绝技——“打狗棍法”,但想成为一个全行业覆盖全球的通用型工业服务平台有较大的阻力。

从制造业发展趋势来看,制造业正成为全球经济发展的焦点,传统产业转型升级需求迫切。作为转型升级的“利器”,工业互联网平台发展是时代的产物,是历史的必然。

工业互联网平台的“杀手锏”

既然说了这么多,那么在众多的工业互联网平台中,究竟哪一派别才能够更好的推动传统制造业的转型升级呢?笔者认为,传统工业巨头隐藏着新兴互联网公司和初创企业所不具备的“杀手锏”。

首先,是数据资源的问题。那么究竟谁才能够真正触及海量的数据资源?看到这个问题,很多人第一时间会想到类似阿里巴巴、亚马逊这样的电商巨头,因为他们能够通过自身平台接触大量的用户消费数据。话是没错,可这只是企业数据金矿的一部分。企业的数据资源应该来自于三个维度:第一是企业生产经营活动的利益相关者,客户数据当然是其中非常重要的一环,但还应包括他的供应商、合作伙伴和竞争对手的数据;第二是企业本身的产品或服务背后蕴藏的数据;第三是企业生产经营活动中产生的数据。

这时我们就会发现,在第二和第三维度上,传统工业巨头相比“轻资产”的互联网企业拥有显而易见的优势。像施耐德电气这样的企业,不但为OEM提供解决方案,自己也坐拥包括智能断路器,可编程控制器和变频器在内的无数硬件设备——工厂里的每一台设备都是一个塞满数据的宝箱,每一条产线都是一条流淌着数据的小河,多年生产经营活动的历史文本更是一个堆满数据的图书馆,这些数据有着非同寻常的价值。

更重要的是,传统巨头具有深入行业的“know-how”。

虽然很多问题都是“旁观者清”,但是在工业生产中,“当局者清”的描述才更为恰当。即使是同一台设备,由于工况差异其劣变程度也会有所不同,如果没有深厚的行业积累,即使企业收集到了大量的数据,将数据制成了各种精美的图表,看不懂数据背后的意义,也就产生不了有价值的洞察。只有专精于某个垂直市场的传统企业才会对具体应用场景里的规律有自己最精专的洞见。

以施耐德电气为例,它有一个远端的400人的专家库,可以帮助工程师诊断复杂性的事件。这个专家库相当于什么级别?我们不妨拿协和医院类比一下,很多人愿意把生命的最后一次机会交给协和医院,你到协和医院去看病遇到的第一个大夫叫一线大夫,称为L1,当一线大夫看不了你的病他自己会呼叫L2,L2是国家级的专家,L2不行L3。施耐德电气这个专家库就相当于协和医院的L3,一旦设备出现无法解决的问题,就可以寻求专家库来解析机器性能曲线。目前,施耐德电气正在采用“AI训练”的方式让机器去学习这些老专家的经验,从而将“人的经验”进一步转化成“系统的经验”,以期未来的诊断更有效率。这种宝贵的行业专业资源是互联网巨头和初创公司难以企及的。

总之,工业互联网为人们的生产生活带来了巨大的变革。将城市中的路灯、汽车、楼宇连接在一起;将工厂里的控制器、驱动器、各种底层设备连接在一起,能让我们的生活更便捷,工作更轻松,生产更高效。期待在不久的将来,程序员小王再也不会因为电梯故障而迟到了……





标签:[db:tags]