大数据|速锐得猎奇与猜想:数字化工业互联网能否真的走进未来( 二 )


速锐得之前做了一类项目 , 是关于本田、现代、沃尔沃等4S店集团试乘试驾车辆的管理 , 管理的是零散类型的终端 , 与工业互联网整个系统性的管理、功能、要求是有截然不同的区别的 , 不出所料 , 工业互联网也是公司高层探讨的内容 , 他们往往抛开了支撑工业互联网技术复杂性来讨论工业互联网 , 有的认为无关紧要 , 至少现在稳定 。 例如 , 在工业企业中 , 他们使用生成数据的传感器和设备来控制运营已有数十年之久 , 运用机器、电路控制 , 机器对机器的通信协作 , 也有10多年了 , 因此 , 工业物联网、互联网的核心技术也不是什么新奇之物 。 工业领域同样可以高效收集、分析和储存可用来获取的历史、预测和规范的海量数据 , 因此 , 工业企业的领导者也会琢磨 , 将我们一套M2M架构连接到互联网 , 会为我带来什么样的价值?
其实 , 我们说得天花乱坠 , 最终还是要落到实处 , 毕竟都是干实体出来的 , 来不得一点马虎 , 工业互联网本质是提供一种能让人更好查看和分析公司运营和资产的方式 , 其中集成了传感器、中间件、软件、后端云计算和大数据的存储系统 。 因此 , 说得大话一点就是提供了一个彻底改变企业经营过程的方法 , 此方法借助的是高级分析以及通过访问大型数据集获得的结果反馈 , 通过提高运营效率和加速提升产能来实现企业收益 , 同时降低计划外的停工期、口罩期 , 从而优化效率 , 来提高利润 。
尽管在当今的工业环境中 , 现有的M2M技术和方法可能看起来与工业互联网类似 , 但其运营规模截然不同 。 例如 , 在借助工业物联网系统的大数据中 , 巨大的数据流能通过云托管的高级分析技术、以导线的传输速度进行分析 。 此外 , 海量的数据可能存储于分布式的云系统 , 用于未来批量分析这些数据 , 这些大批量的分析工作可以从数据中收集信息和统计数据 , 不再是简单的数据传输 , 然后 , 工艺工程师可以将这些分析结果 , 用于运营优化以及提供给管理人员 , 供他们将其转换为知识 , 从而提升产能和效率并且降低运营成本 , 这个是一个新的方向 , 估摸着特斯拉有琢磨过这套东西了 。

整个行业以前说创新 , 都喜欢说从0到1 , 在工业互联网领域 , 我们就从1%考虑开始吧 , 因为这个应用主要是大多数零头行业中降低运营成本、提升效率有关 , 即要求工业互联网仅通过节约1%的成本来创造巨大的收益 。 例如 , 在航空工业中 , 每年节约1%的燃料将节约300亿美元 , 在发电中 , 将投入燃气发电机的燃料减少1% , 运营成本将节省660亿美元 , 在油气工业中 , 每年花费在设备上的支出减少1% , 他将会带来900亿美元的回报 。 这一理论同样适用于农业、交通运输和医疗保健等行业 。
记得2014年 , 速锐得与中国宝马集团合作的时候 , 仅仅在销售的车型中安装一个采集汽车保养灯数据的TBOX , 通过活动和远程控制的吸引人的功能 , 使得宝马车主回店保养从32%上升到76% , 不仅在硬件终端上给宝马集团赚到了丰厚的资金 , 也提升了维修保养服务的收入 。 那么对于部署工业互联网投入的资金和运营成本来说 , 只要提升1%就能带来显著的投资回报率 。 那么启动工业物联网战略 , 需要哪些技术?
工业物联网汇聚了若干关键技术 , 以产生一个比自身总和更大的系统同 , 就像云一样 , 覆盖在整个工业生产制造过程中 。 例如 , 最新的传感器不仅通过一个组件生成更多的数据 , 而且还生成不同类型的数据 , 技术的发展不仅仅体现在数据的精确度上 , 如果加上AI的一些算法 , 传感器都能自我感知 , 甚至可以预测在机身剩余寿命的长度 。 这个时候 , 传感器生成的数据不仅精确 , 还具备预测性 。 同样 , 借助控制器或者TBOX类的 , 机器传感器能够自我感知、自我预测和自我比较 , 他们可以将当前的配置、环境设置与预配置的最优数据和阈值进行比较 , 为自诊断做好准备 。 例如注塑行业的中广瑞达实业 , 通过机器和数据的类比 , 调节到最好的温度、压力、时间 , 将脱模和注塑达到一个完美的时间配合 , 从而对机器的性能达到最优、自我检测使用的速率、调整阈值等等 。