埃睿迪高振宇：大数据赋能工业互联网平台

2018年，国家密集发布《工业互联网发展行动计划(2018-2020)》等一系列推进工业互联网发展的相关政策，而发展成果也令人咋舌。据最近召开的工业互联网峰会发布的数据：目前具有一定行业和区域影响力的工业互联网平台总数超过了50家。到2020年，中国将初步建成工业互联网基础设施和技术产业体系。

尽管有业内专家以设备接入量、平台APP数量等量化指标对目前入编的数个工业互联网平台提出了质疑。但毋庸置疑的是：工业互联网的时代已经来临。

BfmMRrn

埃睿迪首席架构师高振宇

“工业互联网首先是姓工”

作为埃睿迪两个世界级客户工业互联网平台建设项目的主要参与者，埃睿迪首席大数据架构师高振宇对“工业互联网姓工”这句话颇为认同，因为其决定了工业互联网的特征和价值。

首先，工业互联网平台有实施性、安全性和可靠性的要求特征。第二，工业互联网，需要平台能适配多种设备协议;第三，工业和信息化部在《工业互联网平台评价方法》中，对工业互联网平台支持多少等都有很明确的指标要求。第四，是。这是目前工业互联网平台比较关键，但也比较难以实现的价值点。

据相关报告显示，当下全球工业互联网的应用，主要集中在三个方面：占比最大的是主要价值在于。包括状态监测、故障诊断、预测性维护、远程运维等;其次是，主要诉求点在于。包括生产制造优化、资源调度优化、能耗优化、知识管理等等;第三是在方面，主要是业务和模式的创新。包括数字化产品、服务转型、按需制造等等。

Zz2eEnN

全球工业互联网应用现状

(图片来源：国家工业信息安全发展研究中心|全球工业互联网平台应用案例分析报告)

工业互联网平台是一种能力

虽然工业互联网当前的应用主要是体现在这三个方面，但是平台本身是一种能力，不仅仅是连接设备，或者支持运营。这种能力是指用户的全流程参与，满足用户从设计研发到营销、到产品的迭代和优化等全流程的需求。

一个是满足消费者、企业或者园区用户需求的能力。

工业互联网平台的能力体现在几个方面：埃睿迪的大数据平台、模型平台等支持了国内某知名工业互联网平台及门户的搭建，同时在平台上部署了数百个机理模型。形成了平台提供跨行业及跨领域解决方案的能力。

另一方面工业互联网平台要有为工业开发者提供服务的能力

包括开发、编译的平台，源代码的编译审查、bug的审查等等。以往常用的方法是找供应商对模型做硬编码，一个机理模型需要两三个月的时间。

建设的这些模型平台的内容，更直观、更全量地体现和管理生产线、设备等。以替代工业生产体系中一些重复性高，或者危险场景中的工作人员，使得他们可以做创新性更高的工作。

工业互联网适合的应用场景

工业互联网比较有优势的应用场景首先是远程化的服务。比如一些油田的开采，固废的焚烧线、化工、钢铁等，这些岗位一般都是需要中控室进行远程控制。

另外工业互联网平台比较适合跨生产线的大尺度控制。比如说像钢铁焦化企业，在生产中会产生一些煤气，而这些煤气又会成为产品，供发电、炼钢或者直接输送给消费者。形成循环的应用，这是其中一个场景。另外一个场景，以埃睿迪服务的环保企业为例。通过iReadyInsights 大数据平台，该世界级环保企业连接了其20多个工厂，20多条生产线的设备数据、几万个传感器。企业的管理者希望看到这20多条生产线的不同能力，以及如何提升解决问题的能力，实现提质增效的目标。

埃睿迪在2019年提出了“基于大数据的绿色工业互联网平台”战略，其实现的是一种优化资源配置的能力。也就是说把一些生产价值链上的废弃物，转移到另外一个价值链上去，就会变成原材料甚至产品，使得能源效率大幅提升。这就是埃睿迪强调的“绿色”与其他工业互联网平台不同的地方。

工业互联网实现跨空间连接

在工业企业有一些核心的需求，诸如安全、环保、成本、产品、质量、效率、盈利能力等。对于大部分中小企业来讲，在专业人才等方面的短板使得其很难支持发展的需求。在这种情况下，将之前最佳的调控参数、遇到的问题及解决的方法、专家的经验和最佳实践、新技术及新能力的复制等等沉淀下来。在整个生产环节形成一个闭环，这是大多数中小企业的核心诉求，也就是埃睿迪倡导的：输入响应、优化调控。

“输入响应、优化调控”理念落地过程中，工业互联网实现的是跨空间的连接，大数据可以把历史的经验和数据进行沉淀。把企业空间和时间的数据从单点的优化，降本的标准化，应对生产线波动实现稳定性。同时通过互联网实现人及设备生产的协同。最终实现提前应对市场变化，提高灵活性，达到利润的最大化和持续的盈利能力提升。

在整个工业互联网跨空间以及大数据跨时间价值实践的过程中，埃睿迪可以提供四个环节的能力。

首先是仿真模型以及仿真模型的应用。

第二是实现多个设备的连接，即组态。埃睿迪把之前在污水处理、垃圾焚烧、发电等环节的场景形成一个个组态，企业可以通过工业互联网平台，以拖拽的方式进行组态的组装，并将实体的生产线设备及数据与数字双胞胎的组态仿真进行连接。

第三个环节把数据和工业实体场景连接起来之后，通过机器算法、分析沙箱的技术，对整个模型进行优化和调控。

第四个环节是机理模型是在工业机理固定的情况下去做建模。但实际上很多场景并没有具体的机理模型。需要根据大数据，或者通过AI进行相应的计算，找到最优的模式建立模型。

相关阅读：