導讀
INTRODUCTION
開篇前言：當前數字化經濟正顯現出前所未有的活力。從數字化車間到智慧工廠，從工信部標準到產業聯盟白皮書，從產業物聯網到工業網際網路，從大資料到雲計算，從人工智慧到5G等，全國企業的智慧化應用、數字化轉型，從來沒有像今天這樣在中華大地上進行著
廣泛、深入和持久
的討論。數字化轉型已經不再是選擇題，而是生存題。
文章來源
本文作者：南京優倍自動化系統有限公司馬傳榮、張玲豔。
中國經濟從高速增長向高質量增長轉變的重要過程中，
工廠不再是有沒有的問題，而是其數字化做到什麼程度的問題。
數字化孿生（有的稱為對映）不僅承載了改造研發模式、生產方式，提高產品質量、提升生產效率等重要功能，更成為推動製造業轉型突圍的利器。
本文旨在將當前熱議的工業網際網路、工業物聯網中的一個關鍵點講透，拋磚引玉，歡迎各位領導、同行、讀者斧正。
主要內容：
◉ IT資訊化5層架構的資料打通
◉ 智慧產品/智慧生產裝置/智慧測試裝置資料的聚合清洗和最佳化
◉ 智慧產品/智慧生產裝置/智慧測試裝置資料上工業雲
◉ 人工智慧和雲計算賦能資料產生價值
◉ 智慧產品/智慧生產裝置/智慧測試裝置融入工業物聯網。
01
工業化控制層概述
工業化控制層包括智慧產品/智慧生產裝置/智慧測試裝置、資料採集、裝置維修、裝置維護保養、預測性維護、機器人自動巡檢點檢、遠端監測與控制等。
智慧產品/智慧生產裝置/智慧測試裝置：集先進製造技術、資訊科技和智慧技術為一體，具有感知、分析、決策功能的監測、控制與驅動裝置及產品。
◉ 資料採集：
指透過線上的感測器或軟體技術對被測物件進行自動採集數字或模擬訊號，並傳送到DCS、PLC、DNC、SCADA、儀表等系統進行分析、處理。全部的資料採集系統包含了感測器、訊號調理、模\數轉換、通訊介面，以及訊號處理裝置、訊號處理軟體等。
◉
裝置維修：
指為保持、恢復以及提升裝置技術狀態進行的技術活動。其中包括保持裝置良好技術狀態的維護、裝置劣化或發生故障後恢復其功能而進行的修理，以及提升裝置技術狀態進行的計劃性或緊急性的技術活動。
◉
裝置維護保養：
是裝置維修與保養的結合。為防止裝置效能劣化或降低裝置失效的機率，按事先規定的計劃或相應技術條件的規定進行的技術管理措施。包括事後維護、預防維護、生產維護、預測維護等。
◉
裝置預測性維護：
基於生產過程、裝置執行資料及執行日誌檔案資料的分析，對裝置狀態進行有效性評估，並透過預測可能的失效模式，動態、及時地發現裝置潛在故障，並形成具有針對性的預警及維護方案。
◉
機器人自動巡檢點檢：
制定對裝置進行定點、定位的週期性或臨時性的檢查方案，透過自行走機器人、無人機等方式，按照預設的路線，以感測器、儀器儀表、視覺、紅外線等接觸式或非接觸式的檢測技術，對裝置執行狀態及環境進行資料、影像採集，並可做出預判。同時需採用無線傳輸技術，將以上資訊及時傳送給管理中心。在特殊工況下比較適用，但是在正常的環境下可以用遠端監控來替代。
◉
遠端監測與控制：
透過有線或無線網路的方式，透過計算機系統對遠端的裝置進行執行狀態的資料採集與影片監控，並可透過網路實現遠端對裝置的啟停、運轉速度等執行狀態的控制。智慧產品/智慧生產裝置/智慧測試裝置在開發階段就需在裝置內部建立執行狀態的資料採集系統，並具有可連線到專網、寬頻、4G、5G等的通訊介面。
02
IT資訊化5層架構的資料打通
1、概述
IT資訊化5層架構如下圖所示：
◉ 第一層（裝置基礎層）：包括工業生產各類裝置、感測器、PLC控制、傳輸網路以及物聯網閘道器等，是工廠的最底層加工單元。主要完成資料的採集、轉換、收集、處理和計算，以及必要的控制。透過統一的介面（如OPC UA），按照傳輸協議（比如工業乙太網傳輸協議）連線到工業監測、控制、執行系統中。
◉
第二層（自動化控制層）：裝置監測控制系統，比如HMI、DNC、SCADA等。HMI稱作人機介面（也叫人機介面），是系統和使用者之間進行互動和資訊交換的媒介，實現資訊的內部形式與人類可以接受的形式之間的轉換。SCADA是資料採集與監測控制系統，是以計算機為基礎的DCS與電力自動化監控系統。可以對現場的執行裝置組網進行監測和控制，以實現資料採集、裝置控制、測量、引數調節以及各類訊號報警等功能。
◉
第三層（生產執行層）：由MES、MOM等滿足不同工業需求的生產執行系統構成，負責拿到任務並進行任務的分配與過程執行。在這個過程中，需要透過網路和各類介面，向控制層系統或基礎層裝置請求所需要的各種引數、變數、狀態和資料，反向控制指令的原理一樣。其技術基礎是與現場裝置進行通訊，實現資料的自動化採集甚至智慧採集以及反向控制。
◉
第四層（業務管理層）：包括PLM、ERP、SCM、CRM等上層系統。其中，PLM負責產品從研發到報廢的“全生命週期管理”，ERP負責企業內部資源的配置和協調，SCM負責企業資源和外部的對接，CRM負責促進企業和消費者的溝通。
◉
第五層（商業決策層）：經過層層資料的採集、處理、儲存、分析、利用，最終能夠為商業決策層（BI商務智慧）提供精益的資料基礎。商業決策層將企業中現有的資料進行有效整合，快速準確地提出決策依據，幫助企業做出明智的業務經營決策。
透過以上IT資訊化5層架構的打通，能夠打破資料孤島，使得智慧產品從設計、製造、安裝、運維到服務的所有環節都被打通。PLM的設計資料直接進入ERP系統，ERP系統立即調配工廠資源，如需外界供貨則由SCM系統自動調配。而藉助於CRM系統，整個生產過程可以和客戶保持實時溝通。MES系統在其中起到了資訊化和工業自動化的橋樑作用。這一切的基礎是實現軟硬體的結合，用智慧資訊化系統結合智慧產品/智慧生產裝置/智慧測試裝置，最終實現整個製造工廠到服務現場的智慧化。
2、資料採集
資料採集作為產品生產和服務運維過程中的資訊收集手段，是連線底層工業控制系統與上層資訊化系統的橋樑，為企業資訊化提供有效的基礎資料，比如工藝引數、裝置資料、質量資料等。資料採集將管理同生產緊密結合，形成“資訊源於生產，運維服務資料又最終指導、最佳化生產”的有效閉環。
2。1 資料採集型別
工業資料主要來源於機器裝置資料、工業資訊化資料和產業鏈相關資料。不僅要涵蓋基礎資料，還要逐步包括使用者行為資料、社交關係資料、使用者意見和反饋資料、裝置和感測器採集的週期性資料等各類資料。目前主要包括以下幾種資料採集型別：
（1）海量的Key-Value資料：在感測器技術飛速發展的今天，光電、熱敏、氣敏、力敏、磁敏、聲敏、溼敏等不同類別的工業感測器在工業現場得到了大量應用，而且很多時候機器裝置的資料大概要到毫秒的精度才能分析海量的工業資料。因此，這部分資料的特點是每條資料內容很少，但是頻率極高。
（2）文件資料：包括工程圖紙、模擬資料、設計CAD圖紙等，還有大量的傳統工程文件。
（3）資訊化資料：是由工業資訊系統產生的資料，一般是透過資料庫形式儲存的，這部分資料是最好採集的。
（4） 介面資料：由已經建成的工業自動化或資訊系統提供的介面型別資料，包括txt格式、JSON格式、XML格式等。
（5）影片資料：工業現場的影片監控裝置產生的大量影片資料。
（6）影象資料：工業現場各類影象裝置拍攝的圖片，例如巡檢人員用手持裝置拍攝的，或機器人自動拍攝的裝置、環境資訊圖片等。
（7）音訊資料：語音及聲音資訊。例如操作員的通話、裝置運轉的音量等。
（8）其他資料：例如遙感遙測資訊、三維資訊等。
2。2 資料採集方法
（1）感測器
感測器是一種檢測裝置，能感受到被測量的資訊，並將資訊按一定規律轉換成電訊號或其他所需形式的資訊輸出，以滿足資料的傳輸、處理、儲存、顯示和控制等要求。生產車間中存在許多感測節點，24小時監控著整個生產過程，當發現異常時，迅速反饋至上位機，是資料採集的感官接收系統，屬於資料採集的底層環節。
（2）RFID技術
RFID射頻識別技術是一種非接觸式的自動識別技術，透過射頻訊號自動識別目標物件、獲取資料資訊並交換資料。RFID技術可識別高速運動物體並可同時識別多個標籤，操作快捷方便。
在工作時，RFID讀寫器透過天線傳送出一定頻率的脈衝訊號，當RFID標籤進入磁場時，憑藉感應電流所獲得的能量傳送出儲存在晶片中的產品資訊，或者主動傳送某一頻率的訊號。閱讀器對接收的訊號進行解碼，然後送到後臺主系統進行相關處理。主系統根據邏輯運算判斷該卡的合法性，針對不同的設定做出相應的處理和控制，發出指令訊號控制執行動作。
2。3 資料採集難點
（1）資料量巨大
如果單純是將資料採集到，可能還比較好完成。但是，因為必須要考慮資料的規範與清洗，所以在儲存之前需要對海量的資料進行處理，從技術上又提高了難度。
（2）工業資料的協議不標準
網際網路資料採集一般都是常見的HTTP等協議，但在工業領域，有ModBus、OPC、CAN、ControlNet、DeviceNet、Profibus、Zigbee等各型別工業協議，而且各個自動化裝置生產及整合商還會自己開發各種私有的工業協議，導致在工業協議的互聯互通上，出現了極大的難度。很多企業在工業現場實施綜合自動化等專案時，遇到的最大問題就是面對眾多的工業協議，無法及時有效的進行解析和採集。
（3）影片傳輸所需通訊頻寬巨大
隨著雲計算技術的普及、公有云的興起，大資料需要大量的計算資源和儲存資源，因此工業資料逐步遷移到公有云已經是大勢所趨了。現在一個工業企業可能會有幾十路影片，成規模的企業會有上百路影片，如此大量的影片檔案如何透過網際網路順暢的傳輸到雲端，也是需要面臨的巨大挑戰。
（4）對原有系統的採集難度大
在實施大資料專案時，資料採集往往不僅僅是針對感測器或者PLC，而是採集已經部署完成的自動化系統的上位機資料。這些自動化系統在部署時，廠商水平參差不齊，大部分系統是沒有資料介面的，文件也大量缺失，大量的現場系統沒有點表等基礎設定資料，使得對這部分資料採集的難度極大。
（5）安全性考慮不足
原先的工業系統都是執行在區域網中，安全問題不是突出考慮的重點。一旦需要透過雲端排程工業之中最為核心的生產能力，又沒有對安全的充分考慮，造成的損失是難以彌補的。
3、資料展示
資料採集、處理之後，需要對採集資料進行展示，例如智慧產品/智慧生產裝置/智慧測試裝置執行狀態報告，可以顯示出當前每臺裝置的執行狀態，是否空閒、空閒時間多少、是否加工中、加工時間多少、狀態設定如何、正在執行中或是出了故障等。
資料展示需要對採集到的專案資料提供多種報表的展示，例如裝置綜合利用率OEE報表，能夠準確清楚地分析出裝置效率如何，在生產的哪個環節有多少損失，以及可以進行哪些改善工作。裝置實時狀態跟蹤、能耗看板，將生產現場的裝置狀況第一時間傳達給相應的使用者。
企業透過對工廠裝置狀態的實時瞭解，可以實現即時、高效、準確的精細化裝置管理。
03
智慧產品/智慧生產裝置/智慧測試裝置
資料的聚合清洗和最佳化
1、概述
要實現裝置的智慧管理、智慧資料處理，第一步需要拿到智慧產品/智慧生產裝置/智慧測試裝置資料。除了智慧產品/智慧生產裝置/智慧測試裝置資料採集，還要對智慧產品/智慧生產裝置/智慧測試裝置資料進行聚合、清洗和最佳化等。
◉ 資料聚合：是資料處理的最後一步，通常指的是轉換資料，是每一個數組生成一個單一的數值，比如sum（ ）、mean（ ）和count（ ）等。首先確保採集資料結構的完整性，然後藉助聚合功能，使用規範格式（比如XML）在任何格式之間按需轉換。
◉
資料清洗：清洗、匹配資料並對所有異常進行處理，以確保資料的規範化、高質量。資料採集是一個大集合，難免會出現一些錯誤或有衝突的不想要的“髒資料”。需要按照一定的規則把“髒資料”“洗掉”，過濾掉那些不符合要求的、不完整的、錯誤的、重複的資料。
◉
資料最佳化：要獲得高資訊含量的、有用的資料，除了要進行資料聚合及清洗，還要對資料進行最佳化，根據資料分析最佳化模型，對資料進行分析重組。
2、資料分析
在裝置自動化過程中，產生了大量的資料，這些資料所蘊含的資訊和價值並沒有被充分挖掘，資料分析的目的就是弄清楚智慧產品/智慧生產裝置/智慧測試裝置資料背後的含義。
從工業物聯網角度來說，資料分析可以從以下兩個方面來看：
（1）分析資料，形成分析結果，這是資料分析必須要做的一個基礎事情。
（2）合理應用分析結果。分析的目的是把分析的結果應用起來，實現安全生產+節能減排+提高效率。這件事情是一件實實在在的事情，如果只是吹捧概念，無法真正落地，是很難做到資料的完美應用的。
3、邊緣計算
邊緣計算是一種分散式運算架構，將應用程式、資料資料與服務的運算，由網路中心節點，移往網路邏輯上的邊緣節點來處理。它是將原本完全由中心節點處理的大型服務加以分解，切割成更小更容易管理的部分，分散到邊緣節點去處理。如果把雲端比作大腦，那麼邊緣計算就是神經末梢，對簡單的刺激進行自處理並將處理的特徵資訊反饋給雲端大腦。
隨著物聯網的發展，智慧產品/智慧生產裝置/智慧測試裝置所產生的資料將越來越多，這些大規模資料需要放到雲端進行處理。放到雲端，就需要無窮無盡的傳輸頻寬和資料處理能力，“雲”難免不堪重負，因此需要邊緣計算來分擔雲計算的壓力。所以，在工業現場的邊緣側進行資料採集、處理及傳輸的邊緣計算閘道器承擔著不可小覷的重任。後期邊緣計算與雲平臺再進行融會貫通，
實現“邊雲一體化”，利用大資料分析賦能生產，能夠發揮工業資料的真正價值。
邊緣計算能夠提供隨處可得的不間斷的網際網路接入、全面的安全性和無線服務等，為真正意義上的智慧產品/智慧生產裝置/智慧測試裝置資訊化、智慧化提供資料的高速通道。其強勁的邊緣計算能力，在物聯網邊緣節點實現資料最佳化、實時響應、敏捷連線、智慧分析，顯著減少現場與中心端的資料流量，並避免雲端運算能力遇到瓶頸。能夠最佳化網路架構，更安全、更快響應，同時更智慧化地實現現場業務。
另外，邊緣計算具有多種工業協議，比如Modbus TCP、Modbus RTU、OPC UA、PROFINET、PROFIBUS-DP、EtherCAT、EhterNET/IP、CC-LINK、PPI等，還具有完善的網路功能，支援QoS功能、VLAN功能、虛擬IP對映功能、Sniffer功能等。
4、BI商業決策
4。1 BI概述
BI即商業智慧，泛指用於業務分析的技術和工具，透過獲取、處理原始資料，將其轉化為有價值的資訊來指導商業行動。BI能夠為企業的商業運營提供基於歷史、當下和未來的分析視角，涵蓋了從運營到戰略的每個層面。
BI可以為企業提供外部、內部兩方面的資訊分析。外部資訊包括競爭對手、供應商、原材料、需求等資訊，內部資訊包括產品和服務的成本、質量等。
BI能幫助企業瞭解最新趨勢、抓住新的市場機會、發現潛在的威脅，從而更好地最佳化資源、改進財務績效、引導產品潮流、提高服務水平，提升企業的競爭優勢。
從行業發展來看，BI的發展是以較為完善的企業資訊系統和穩定的業務系統為基礎的，其未來的應用是與企業資訊化的基礎狀況密切相關的。商業智慧等於商業加智慧，需要積累大量的裝置、生產、業務資料，藉助於資料倉庫、資料建模、資料分析、資料探勘等技術，結合商業知識建立分析模型，然後進行統計分析、深層挖掘，以視覺化互動的方式進行展現。
4。2 BI系統的組成
（1）業務系統
不同於業務管理類的資訊系統，BI系統對企業資訊化本身提出了更高的要求。隨著業務的推進，企業資訊系統會產生大量的資料，BI系統透過定時、實時的方式從各個業務系統中獲取最新的業務資料，然後進行規範加工、計算彙總，最後展示給各級使用者。
（2）企業資料模型
BI系統中最有價值的部分是企業資料模型。資料模型是資料倉庫落地的業務基礎，資料倉庫中按業務主題儲存著企業的經營資料，是商業智慧系統的核心元件。
（3）應用層
BI系統透過規範的資料管理，可以為使用者提供多渠道、多種形式的資料服務：
綜合報表：為企業各級人員提供傳統、複雜的統計報表，大大減少各級資料分析人員的日常製表工作。
管理駕駛艙：為公司高層管理人員提供全面的、視覺化的關鍵績效指標分析工具，透過圖形化的經營戰略地圖、KPI儀表盤、各種經營指標的變化趨勢等，為不同的管理人員提供個性化的視覺化展示。
監控和預警：實時監控企業各種關鍵績效指標，並基於管理規則和業務計劃，對超出正常範圍的指標和計劃延遲事項提供郵件、簡訊等多種提醒方式，保證關鍵問題能夠及時獲得管理層及相關人員的關注和解決。
分析挖掘：屬於BI系統的高階應用。企業可以使用系統提供的資料分析工具和方法，對歷史經營資料進行分析和挖掘，發現隱含的未知業務知識和規律，指導業務創新和輔助決策。
4。3 BI帶來的價值
（1）給決策層帶來的價值
BI能給高層管理者帶來的最直接效益就是資訊獲取的效率獲得極大提升，過去數天或者數週才能獲得的資料報告，可以直接從管理駕駛艙中獲得。管理者可以及時掌握公司整體運營狀況，對關鍵專案進行全程的跟蹤監控，及時發現或預見潛在偏差，組織通知相關人員分析問題的原因，採取相應措施進行調整。
管理駕駛艙是企業圍繞著長期規劃與短期計劃、執行監控、問題分析、調整等過程實現的商業智慧應用。
（2）給管理層帶來的價值
BI幫助企業各級職能管理者面對行業環境的快速變化做出敏捷反應、科學決策，制定業務範圍的合理經營目標，洞察出日常經營活動與計劃產生偏差時能夠及時採取的糾偏措施。在日常運營管理決策時用資料說話，無論好壞對錯，是非成敗，都要拿出資料，檢查工作，研究問題，改進工作。從收集和分析資訊開始，按規律辦事，從工作中找出規律性，而不是拍腦袋的決策。
（3）給執行層帶來的價值
BI能夠帶來的最直接的影響是效率的提升。透過BI系統，大部分報表變得隨手可得。
綜合以上，BI商業智慧帶來的最積極的影響是企業整體效率的提升，可以保證企業各級業務有序、按計劃地執行，出現偏差後能夠及時獲得關注和處理，降低了企業的經營風險。
04
智慧產品/智慧生產裝置/智慧測試裝置
資料上工業雲
隨著製造業的發展，智慧產品/智慧生產裝置/智慧測試裝置的效能越來越好，功能也越來越強大，結構越來越複雜，自動化程度越來越高。同時，工廠對智慧產品/智慧生產裝置/智慧測試裝置的安全、穩定性要求也越來越迫切。無論是智慧製造還是智慧產品/智慧生產裝置/智慧測試裝置，核心都是資料。過去，資料沉澱在裝置裡，無法提取出來，生產管理只能依賴經驗，而不能依靠資料。而如今，
可以透過裝置聯網，採集生產、裝置資料甚至環境資料，裝置成了能聽懂指令和會說話的智慧裝置。
如今工業雲環境已經初具規模，如果能將智慧產品/智慧生產裝置/智慧測試裝置資料上雲，對智慧產品/智慧生產裝置/智慧測試裝置開展全面的狀態監測、故障診斷及健康管理，將大幅保障裝置安全可靠地運轉。
並且可以對智慧產品/智慧生產裝置/智慧測試裝置資料進行分析，充分挖掘資料的價值，找到生產效率提升的關鍵因素。
智慧產品/智慧生產裝置/智慧測試裝置上雲能夠幫助企業形成完善的裝置運維生命週期閉環，有效提升裝置運維管理效率，並在這個過程中沉澱企業資料知識資產，為後續生產運營最佳化提供依據，給企業帶來巨大的經濟效益。透過智慧產品/智慧生產裝置/智慧測試裝置上雲，將裝置執行資料、狀態資料、診斷資料、自身生命週期資料等放在雲端，建立雲上裝置與資訊系統的安全穩定連線，全方位管理生產進度、質量、裝置和人員等各環節。對接線上裝置資料進行實時監控，實現裝置資料整合管理，解決裝置監控、產品質量追溯等問題，透過資訊化建設全方位的可追溯資料。
拿裝置維修履歷資料舉例：維修履歷資料是工廠維修人員、裝置廠家留下的痕跡資料，系供應鏈資料。透過上雲可以將這些資料進行痕跡管理和深度分析，應用於工廠端、服務端、供應鏈與裝置端。這需要以維修模式創新作為基礎，比如維修合夥人制度，以及工業服務產業化作為支撐，方能實現資料變現。
05
人工智慧和雲計算
賦能資料產生價值
資料的挑戰是所有新技術挑戰的主要表現形式。如何做好裝置與裝置之間的互聯，不同裝置之間資料的互動，在生產過程中、安裝運維過程中的海量資料處理，已經不單純是要解決資料聯通，而是需要全方位的技術思考。
1。 人工智慧賦能的資料產生價值
《人工智慧標準化白皮書（2018版）》認為，人工智慧是利用數字計算機或數字計算機控制的機器模擬、延伸和擴充套件人的智慧，感知環境、獲取知識並使用知識獲得最佳結果的理論、方法、技術及應用系統。
1。1 人工智慧的特徵
（1）由人類設計，為人類服務，本質為計算，基礎為資料。透過對資料的採集、加工、處理、分析和挖掘，形成有價值的資訊流和知識模型。
（2）能感知環境，能產生反應，能與人互動，能與人互補。能夠幫助企業做人類不擅長、不喜歡但機器能夠完成的工作。
（3）有適應特性，有學習能力，有演化迭代，有連線擴充套件。人工智慧系統具有一定的隨環境、資料或任務變化而自適應調節引數或更新最佳化模型的能力，並且能夠在此基礎上透過與雲、端、人、物等，進行越來越廣泛的、深入的數字化連線擴充套件，使系統具有適應性、靈活性、擴充套件性，來應付不斷變化的現實環境。
1。2 智慧製造對人工智慧的需求
（1）智慧產品/智慧生產裝置/智慧測試裝置：包括智慧產品/智慧生產裝置/智慧測試裝置、自動識別裝置、人機互動系統、工業機器人以及數控機床等具體裝置，涉及到跨媒體分析推理、自然語言處理、虛擬現實智慧建模以及自主無人系統等關鍵技術。
（2）智慧工廠：包括智慧設計、智慧生產、智慧管理以及整合最佳化等具體內容，涉及到跨媒體分析推理、大資料智慧、機器學習等關鍵技術。
（3）智慧服務：包括大規模個性化定製、遠端運維以及預測性維護等具體服務模式，涉及到跨媒體分析推理、自然語言處理、大資料智慧、高階機器學習等關鍵技術。
1。3人工智慧賦能價值
舉個例子：比如裝置預測性維護的人工智慧應用。傳統的裝置維護方法是人工經常性的巡視、定期預防性檢修，憑外觀現象、指示儀表等判斷可能出現的異常；定期對裝置實行停止執行的例行檢查，做預防性絕緣試驗和機械動作試驗等。一旦裝置出現問題，只能逐個排查，需要耗費大量的人力、物力。
透過人工智慧技術的賦能，可以實現預測性維護。透過邊緣側的資料採集、處理，基於資料驅動型的機器學習方法，充分發揮演算法、模型的作用，藉助於計算機的算力、學習力來尋找最優的維護引數，並獲得更高的預測準確度。透過預測預控，變被動為主動，在機器發生故障之前自動檢測到異常，並提醒使用者進行有針對的維修維護。
再舉個例子：比如商業決策BI的人工智慧應用。傳統的BI看板報警是基於事先設定好的規則，比如：閾值、警戒線等。一旦超出了設定的閾值或警戒線就自動告警。
透過人工智慧技術的賦能，可以實現模型控制，比如：機器學習、深度學習等。人工智慧對比過去的資料，自動選擇適合的演算法、自動判斷告警、觸發上述預測性維護指令等商業決策。
2。 雲計算賦能的資料產生價值
隨著物聯網、工業大資料等資訊網路技術和製造技術的融合發展，作為基礎設施的雲計算逐步向製造和服務領域滲透。解析服務、雲資料、雲端儲存等產品和解決方案的出現，極大地方便了物聯網、大資料的工業部署，打通了工廠間的資訊孤島，使製造企業能夠實現跨平臺的海量資料分析和管理，實現快速響應和柔性高效的生產製造。工業雲平臺的推出為製造企業提供了協同設計、模擬模擬、物流追蹤、智慧控制等雲服務，生產管理智慧化水平得到明顯提升。
無論工業物聯網、大資料驅動、數字孿生這些概念說的如何天花亂墜，在實際工業生產過程中，如果不能解決企業的核心問題——提高利潤、降低成本，都難免是紙上談兵。雖然資料本身很重要，但能直接解決問題的服務應用對企業才更有價值。當前，除了如何採集資料之外，絕大部分企業面對的關鍵問題是如何運用資料產生價值！
透過雲計算賦能，可以產生如下價值：
（1）透過雲計算，能夠將原本隱性的問題，透過對資料的挖掘變得顯性，進而使以往不可見的風險能夠被避免。
（2）將雲計算與大資料、其他先進的分析工具相結合，能夠實現產品的智慧化升級，利用資料探勘產生的資訊為客戶提供全生命週期的增值服務。
（3）利用資料尋找使用者價值的缺口，開拓新的商業模式。雲計算平臺可以為客戶的產品需求和企業的製造資源搭建溝通橋樑，企業可以透過客戶端與雲平臺的雙向溝通開展面向客戶個性化需求的產品設計，並透過雲平臺將產品的生產狀況和製造進度及時反饋給客戶，實現產品全生命週期的使用者參與。以使用者需求為原點配置企業製造資源和能力，打造個性化產品，實現商業模式創新。
（4）雲計算應用逐步普及，並不斷向細分領域滲透，加速企業由硬體製造商向“製造+服務”的提供商轉型。企業利用雲計算結合大資料、物聯網、線上監測等技術能夠將產品的運作過程虛擬化傳輸到雲資源池中進行故障診斷、壽命預測，併為軟體問題提供線上解決方案，產品附加值得到提升。製造企業透過構建雲平臺，對外開放自身資料、知識、專家和製造資源，能夠為第三方企業和使用者提供資料分析、融資租賃、供應鏈管理等產業鏈延伸服務。
06
智慧產品/智慧生產裝置/智慧測試裝置
融入工業物聯網
工業物聯網是將上述所有創新技術融合的最新業務場景。具有感知、監控能力的各類採集、控制感測器或控制器，以及行動通訊、智慧分析等技術不斷融入到工業生產過程各個環節，從而大幅度提高製造效率，改善產品質量，降低產品成本和資源消耗，最終實現將傳統工業提升到智慧化的新階段。從應用形式上看，工業物聯網的應用具有實時性、自動化、嵌入式、安全性和資訊互聯互通性等特點。
工業物聯網是工業系統與網際網路，以及高階計算、分析、感測技術的高度融合，也是工業生產加工過程與物聯網技術的高度融合。它將製造業生產、監控、企業管理、供應鏈以及客戶反饋等資訊系統融為一體，透過資料中心對不同渠道的資料進行智慧處理，從而提高生產效率、產品質量和使用者滿意度。
工業物聯網具有全面感知、互聯傳輸、智慧處理及自組織和自維護的特點。即利用RFID、感測器、二維碼等技術即時獲取產品從生產、銷售、市場等各個階段的資訊資料，透過專用網路和網際網路相連的方式實現裝置和網路的資料互動，利用雲計算、模糊識別、神經網路等智慧計算對資料進行分析並處理。同時，一個功能完善的工業物聯網系統透過全方位互相連通，實現了自組織和自維護功能。
以前製造企業一直處於把數字世界和實體世界分離的局面，現在製造業廠商正逐步透過物聯網將兩個世界進行融合。從“管理、控制、智慧”的角度來看，其實物聯網與工業自動化是一脈相承的，工業自動化包含採集、傳輸、計算等環節，而物聯網是全面感知、可靠傳遞、智慧處理，兩者是相通的。
智慧產品/智慧生產裝置/智慧測試裝置如何與工業物聯網接軌？
（1）實現遠端控制
為使用者提供高效的服務。實現隨時隨地獲取裝置位置、工況、報警、故障、服務等資訊，即便遠在千里之外，裝置出現了故障，各種故障資訊資料也可及時傳輸至廠家系統控制室，再由專家將解決方案回傳，最終完成問題的解決。實現裝置操作的簡單化、無人化、智慧化，實現基於多裝置型別的協同精細化生產管理水平，提升裝置的質量和效率，並且節能降噪，保障效益的最大化。
（2）大資料的應用
智慧產品/智慧生產裝置/智慧測試裝置融入物聯網可以採集到龐大的資料量，這其實是一個金礦，如果利用得好，企業可以挖到非常可觀的財富。比如能夠實現全國甚至全球各地庫存互聯互通，實現泛供應鏈數字化管理，實時提供裝置和備件、配件、易損品、易耗品庫存和物流情況，向市場營銷、售後服務、生產管理、電子商務等提供數字支援。並提供庫存線上查詢及週轉率和成本統計分析，提供物流端到端監控及安全管理和物流成本核算等。
（3）完善售後服務
傳統的後市場服務模式可以稱為“被動式”服務，客戶有需求，才會有專門的服務人員上門服務。隨著物聯網的發展，這樣的服務模式越來越不能滿足客戶的需求，服務的方式需要由被動變為主動，即在客戶尚未意識到自己需要服務時，企業就已經預知到客戶需要相應的服務從而主動聯絡或者提醒客戶，這樣的場景化服務模式無疑會極大地提高客戶的滿意度和服務質量。可以透過物聯網採集裝置狀態，對裝置進行遠端監控和故障診斷，避免裝置非計劃性停機，進而實現預測性維護，提供增值服務，並促進備品備件銷售。
（4）服務轉型
搭載物聯網的東風，可以更大程度地實現智慧產品/智慧生產裝置/智慧測試裝置的資訊化和智慧化，有助於完善資訊化推進機制，推動資訊科技深度應用，加快裝置製造業向服務型製造的轉型。
綜上所述，工業物聯網雲平臺除了透過對現場海量的裝置以及他們產生的資料進行採集、進而聯網，實現整個架構的縱向資訊化、數字化整合，還有橫向的業務、資料整合。方方面面的資料最終構成了萬物互聯的智慧工廠。