【壓縮機網】近日，工信部印發《工業互聯網網絡建設及推廣指南》。在工作目標上，《推廣指南》明確，到2020年，形成相對完善的工業互聯網網絡頂層設計，初步建成工業互聯網基礎設施和技術產業體系。與政府、學界、媒體以及工業互聯網自身宣傳的如火如荼的形勢相比，工業行業尤其是制造業行業對工業互聯網的態度始終不溫不火。盡管已在不少領域有所突破，但并未取得決定性勝利。其因是何？或許我們可以通過本文所析有所明了。

 

 

　　如趙敏老師所言“工業互聯網平臺這個大江湖太熱了，熱的江湖都快煮開起泡了”，各地風起云涌的“工業互聯網”大會有“世界”或“全球”、“中國”、“XX省”各種級別與規格，請的大佬都是威名遠揚。百萬APP、企業上云，真是一排“風景這邊獨好”的繁榮景象，然而，卻有太多的工業人對此表示質疑。并非是工業界的人有酸葡萄心理，而是“現場有神明”——似乎在工業現場的人并不是這么高調張揚。這種感覺就像一幫人在討論你們家的馬的病該怎么治，你卻發現自己家只有一頭耕地的牛啊！

　　就像在某次工業互聯網大會上，有一位做“數字化轉型”的，我真心不知道這是干什么的公司，實在太抽象了，后來我問具體是什么業務，說通過互聯網提升制造業的能力。我聽了后跟他說“可是生產現場過去沒有Internet，今天也沒有Internet，未來也不大會有Internet”。如果你說的是工廠的辦公室，有，可是，現場生產從來就沒有Internet啊！

 

　　1.工業互聯網到底是誰的事情？

　　讓我們艷羨不迭的IT世界從不乏光鮮亮麗，混跡工業互聯網江湖的人特別擅長包裝，經常扮演著“互聯網思維”成功學大師角色的人大有人在，似乎振臂一揮大有天下歸心的氣勢。能夠混到平頭老百姓都知道的IT界人士真的很多，但說起OT圈的大佬，除了自己圈子以及他的親戚朋友知道，一般普通大眾顯然是不知道的。這種與生俱來的英雄領袖氣質也影響了制造業，似乎織造了一個充滿彎道超車捷徑的網。

　　記得有一次工業互聯網的大佬們說，通過大數據可以提升風力發電機組的發電效率，我就質疑到，我們做控制系統的所要做的不就是獲得葉片的“最大葉尖速比”嗎？我已經調節到最大了，你怎么才能更大呢？那如果風向改了呢？那我不是有偏航系統嗎？那通過大數據可以避免對電網的沖擊，那我們控制系統不是有“低電壓穿越”功能嗎？那我可以進行預測性維護。不好意思，如果你的機器有那么多故障信號，我想這家公司的風力發電機組已經被市場給淘汰了，再簡單不過的邏輯。你有那么大量的故障信息讓你學習？但是，如果你沒有那么多故障，你學習的精度就會有問題啊！

　　工業互聯網如華為任正非先生所說的“我們不要炫耀鋤頭，而忘記了鋤地”。真正的連接不是那個物理的互聯網，而是由“價值”所構成的網絡，你提供什么樣的價值給你的客戶？你的生產需要什么樣的協同？如何提高信息的效率，這些都基于“運營管理”水平的規劃與設計，而工業互聯網只是一個工具。

 

　　2.是應用為先，還是架構為先？

　　Mcrazy提醒了我，IT的思維與OT思維的差異在思維模式的結構。IT是一個自上而下的架構，強調平臺架構設計，而OT則是自下而上的執行，先解決局部的問題，然后解決全局的問題。因為，局部的問題不解決，對于控制而言，你是連基本的生產精度、生產效率都無法滿足，根本就不要談向上的數據傳輸。因為你都沒有測量準確，你要那些數據干什么？

　　IT與OT的確在相互融合，但OT廠商也在積極的借助于IT技術來幫助自己實現“優化”。而OT邁向工業互聯網是以自身測量、控制已經實現的既有模型為基礎來進行一級級的數據集成，并進行優化。OT比IT的優勢在于了解現場，IT不了解現場所規劃的就造成其想法無法執行。

　　這兩種路徑，哪種對工業現場更適合？似乎不言而喻，架構全局是好的，但如果你不了解對象，這個就無法落地。

 

　　3.工業場景與商業場景的差異

　　IT出身的人擅長架構，也擅長軟件，但其對象往往不是物理實體，或者并非是“周期性”控制任務。而控制任務，都是基于“等時同步”的周期性信號采集，且執行對象是物理的閥門與執行器、液壓對象、伺服電機等，這些對象本身就有自身的機械、材料特性。

　　工業現場的人不敢肆意描繪，夸夸其談在于敬畏。因為工業需要更為穩定可靠、周期性的傳輸，需要多年的積累工藝Know-How，否則會有人員傷亡，會導致大的成本損耗。因此，不會輕易的做出“承諾”可以如何提升效率，勾勒未來美好前景，若僅僅在PPT上是無法說服制造業的人的。

　　制造有的是離散的對材料進行物理的加工，有的流程中是對材料進行化學反應。在尋找生產的經濟性過程中，有太多的約束條件。就像注塑機打一個材料要對其進行工藝的摸索，材料的種類可能有上千種，產品的規格也是變化多樣，那么對于每個產品而言，其工藝控制就是一個非常需要累積的過程。在紡紗的勻整領域，烏斯特積累了200年，在金屬熱處理工藝領域的知識與經驗決定了材料的水平，而這些一直都是中國制造業的“強基”無法跨越的必然路徑。

　　工業不是“互聯網”思維可以快速迭代，或者病毒式復制就高速成長的。所謂的“互聯網思維”成功學故事都是告訴很多人如何快速把握資本“風口”，快速致富，股票、期權、創業團隊、風投，這是互聯網思維的影響力刺激了人們“致富”的欲望。然而，互聯網思維在工業領域需要以“禪定”的積累與發展。因此，在一段時間里很多人對此路徑產生了懷疑，什么場景能夠快速復制？

　　數字化于制造業是有益的，數據連接也是有益的，互聯網思維也是可以借鑒的。比如跨界思維、用戶思維，這些都是必然需要納入工業領域的，助力其升級的。然而，今天很多人所談論的“互聯網思維”卻并非出于為制造業的發展，而是一種急功近利，快速致富的欲望。

 

　　4.工業哪里有那么簡單？

　　人們談百萬APP，希望通過工業互聯網實現百萬APP上云，其實，這些跟工業都沒有什么關系，大部分應用就目前來看就是“顯示”呈現這樣的任務。

　　其實，工業互聯網本身第一步就是連接問題，而這個場景里目前存在的大量公司干的都是“體力活”——就是為不同的行業提供數據的連接，將復雜的現場總線連接起來。之前有朋友問及有多少現場總線，我找了份資料有50多種，IEC列為標準的也有18種，而由這些總線接口之上產生的“協議”則有數千種。而這些是目前大部分“工業互聯網”公司在干的事情，實際上就是“導表”，將機器的數據對象字典中的數據與上位軟件的變量映射起來。

　　TSN應運而生，工業互聯網不同于internet。

　　連接是工業互聯網的第一個障礙，另外一個障礙就牽扯到數據的所有權問題了。你說我賣了臺機器給你，那這個機器的參數就是你的了嗎？我賣了控制系統給做機器的，那么這個控制器的技術就也賣給機器制造商了嗎？這就像你買了部iPhone，那這個手機里的信息就屬于APPLE這家公司了嗎？

　　如果只是生產狀態這些參數，倒也無妨，如果是牽扯到工藝的參數呢？這是機器制造商的Know-How，這些數據是不能開放的，而不開放的話，就存在數據不完整，不完整的數據得出的結論就是不完整的。

　　基于大數據的應用在工業場景里的難點在于“小數據，大應用”，其實，工業的數據量相對于圖形圖像處理、金融交易、共享單車而言，數據并非很大。雖然周期性的數據可以按照mS來刷新，可是用于振動監測的故障數據并非很大，因為很大的前提是得有大量故障，而這是不允許的。

 

　　5.以應用需求為導向，自然的發展路徑

　　與工業互聯網江湖不同，來自自動化業界的企業也都開始邁向這個方向，但是，顯然比較謹慎。自動化行業的每個針對工業的應用都是來自于產業的實際需求，在這里，IT是一個工具，通過跨界的工具融合來解決產業實際問題，這是自動化界的人干工業互聯網的出發點。

　　比如：我的客戶要解決控制之外，產線的連接，要把注塑機和機器人連接起來，需要接口，大家就去推動EUROMAP；包裝工業需要連接灌裝、貼標就去推動PackML的標準；要把機床連接起來，推動MTConnect；然后發現這些機器可能會產生混合的生產，那么就統一規范OPC UA；而為了實現與IT的交互，推動TSN技術。

 

 

　　每一項技術都是來源于制造現場的需求，而我們制定百萬工業APP的時候想過這些APP來干什么嗎？

　　每個垂直的工業行業都有他們的應用Know-How，這些都是工業界的人積累了數十年的經驗。其實，很多不了解工業現場的互聯網人以為自己很厲害，什么都可以干。其實，AI在制造業也有很多年了，IT對于制造業而言是個工具，以前計算能力不足，因此很多AI的應用并沒有被推動。而現在有了經濟性，很多應用才有可能實現，很多技術并非IT的創新，IT只是憑借商業應用降低了技術的門檻，使得工業應用具有了可行性。

　　Know-How仍然是在工業本身，IT僅是一個工具，而非制造的本質。

　　工業互聯網，我們需要對制造業現場的敬畏，就像稻盛和夫所說“現場有神明”。不到現場，不了解現場，就要做工業的互聯，這非常可怕，也會無法落地。再引用任正非先生的話“讓聽到炮火的人決策”，讓離現場近的人來引導制造業，我們要敬畏現場。