从制造到智造，工业互联网终于不再迷茫！

大数据物联网工业互联网制造智造

水命 | 2016-02-17 16:21

【数据猿导读】从制造到智造虽然只有一字之差，但中国为之努力了好多年。如今，工业领域中，智能制造已经有了大致清晰的路线图：物联网-工业大数据-分析-智能制造。方向已经明确，但是工业互联网仍要面对诸多挑战

机器正在“思考”和“行为”两条道路上甩开人类。

《科学》杂志刚刚在封面文章中宣布，机器人已经可以像人类一样进行学习了。虽然目前仅限于认字和写字，未来却必将对人类社会固有模式带来巨大的冲击，首当其冲的就是作为我国基础教育基石的优良传统，“罚写一百遍”：机器人那么聪明，买个回来给写作业吧!此法一旦失效，应试教育根基难固，恐伤及国本，希望有关部门能够管管。

无论如何，从“脑子”到“身体”机器变聪明的趋势已不可逆。工业领域中，智能制造已经有了大致清晰的路线图：物联网-工业大数据-分析-智能制造，而且相应的立足点都已经有了有效的应用。其中不乏“digital twin(数字模型)”，“无人工厂”等科幻级别的设想和案例。

数字模型

其实要完全讲明白智能制造......基本是个不可能的任务(噗)。但我们可以把它大致分为两个层次：

1.联网，并且处理

这里包括我们笼统地称作“物联网”的，试图将硬件连上网络的一切尝试。首先，我们需要在机器上安装一些(通常是各种各样)传感器，其次我们需要一套能够承接他们的软件系统，最后“啪”地打开电源，等待随之而来的数据洪流吧!简直是鹅妹子婴!

然而，醒来吧少年，现实是复杂的。如果不理解软硬结合的复杂性，我推荐你去优酷上搜索一条“GE90发动机”的短片，进度条拖到一份三十秒，实景剖面图里上万个零件直击你的神经中枢。我们要做的，是让传感器贴遍这些重要的节点，让机器的每一个关节都拥有“感觉”。

GE90发动机

当然，感觉不能说来就来。光一台涡轮就需要上百传感器，要是连阀门、管道、电机、传动装置、机械手臂、自动小车都算上，这么汹涌的“情感”让你分分钟炸裂。我们需要部署有效的数据平台应对工业大数据洪流。否则就会重蹈X博士的覆辙：因为过分使用脑波强化机，探索功能全开必然导致瞬间数据爆炸，大脑因为信息过载而迅速瓦特了。

为了解决这种现象，通用的方法是搭工业云平台，先用云计算承接工业大数据，然后再梳理和整合成有效的信息，让工程师能模块化处理信息。这种平台前景美好，美好到允许你编程的程度。有效的使用方式会带来全方位的监测，资产优化和生产流程优化自然随之而来。然而目前GE的Predix，西门子以及思科的云平台还只针对各家自己的工业设备，一旦开放之后能否有效面对“万物互联”的生态?吾心惴惴。

2.分析，或者克隆

事实上软硬结合是坚实的台面，而分析才是那娇美的花朵。人类依赖机械工业上百年还不就是求个“你办事，我放心”?基于数据的模拟和分析让这句话走上了新的境界。

分析的最高境界是什么?并不是更精密的分析，而是模拟。要得到一间工厂完整而精确的数据分析，终极办法就是把这间工厂整个用数据模拟出来。就像只有脐带血能治疗白血病，让你“永葆青春”的最完美方案不是寻医问药或者强身健体，而是克隆一个你。(好吧，扯远了)

GE已经开始应用被称作“Digital Twins(数字双胞胎)”的技术：在一间工厂里安装足够多的传感器，通过云数据平台收集和分析数据，在服务器里得到一个1:1的“照常运作”的工厂。这间被“数字克隆”出的工厂每天仍旧开机运转，可以被调试和监测，只不过都是在虚拟环境里。工程师们通过调试数字工厂来得到现实中工厂需要的参数，指导实物生产，优化流程，或者降低成本。以这个概念为原型的“数字风电场”预计单台发电机即可增效3%以上。

GE 数字风电场

这听起来就像是一个工科男版本的《Minecraft(我的世界)》，或者工厂版的《模拟人生》。难道科学家们的最终目的就是用这个星球上最前沿的技术玩儿《模拟城市4》?然而，GE发电软件与分析首席数字官兼总经理 Ganesh Bell说，他们的目标就是“对于世界上的每个实物资产，我们都拥有一个虚拟复制品，它所运行的云会随着每秒反馈的运行数据而变得愈发庞大。”

显然，数字工厂不是游戏。而是最直接的垂直整合的方式：从机器-数据-生产，而不是机器-调试-检测-修正-反反复复，最终才到生产。这个看似简单的跨越实则繁复异常，每一个衔接都需要测试和兼容，然而它带动的却是整个产业链的整合和优化。

还是那句话，“你办事，我放心”。智造的内核，是“工艺”，是可以千万遍重复不出错的流程。数据平台也好，数据模拟也罢，最终的结果都是在尽量减少消耗的前提下尽量达到最大的精度和稳定性。智能制造的前路必然遇到“定制化”的高要求和多维度，但标准化、工艺(良品率)仍然是核心。从这个角度看，数据与机器的衔接，模拟技术的精确度和流畅程度，甚至能否有足够强大的“智能智造标准”出现，仍然是工业互联网需要面临的挑战。

来源：虎嗅网

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。