2023第23屆中國國際工業(yè)博覽會(huì )新一代信息技術(shù)與應用展/工業(yè)互聯(lián)網(wǎng)展(ICTS/IIS)時(shí)間：2023年9月19-23日 地點(diǎn)：國家會(huì )展中心（上海）工博會(huì )總面積：280,000平米主辦：國家發(fā)改委、商務(wù)部、工信部、科技部、中科院、中國工程院、中國貿促會(huì )、上海市人民政府、聯(lián)合國工業(yè)發(fā)展組織協(xié)辦：中國信息通信研究院、工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟承辦：東浩蘭生（集團）有限公司第二十三屆中國國際工業(yè)博覽會(huì )將于2023年9月19-23日在國家會(huì )展中心（上海）舉行，設9大展，展會(huì )面積大于28萬(wàn)平方米，超過(guò)2700家展商參展，同期精彩活動(dòng)50余場(chǎng)，預計逾20萬(wàn)中外觀(guān)眾參觀(guān)。
    新一代信息技術(shù)與應用展（工業(yè)互聯(lián)網(wǎng)展）聚焦量子信息、5G、物聯(lián)網(wǎng)、數字孿生、人工智能、增材制造等前沿技術(shù)趨勢，以“5G+工業(yè)互聯(lián)網(wǎng)”、“工業(yè)軟件”及“數字化供應鏈”領(lǐng)域為發(fā)展重點(diǎn)，加速新一代信息技術(shù)與制造業(yè)產(chǎn)業(yè)鏈融合，推動(dòng)行業(yè)企業(yè)與合作伙伴共贏(yíng)，通過(guò)展覽展示、高峰論壇、對接、媒體訪(fǎng)談、線(xiàn)上線(xiàn)下直播互動(dòng)等形式，探索數字化、智能化、網(wǎng)絡(luò )化方案賦能數字工業(yè)可持續發(fā)展的國際化的展會(huì )生態(tài)。
工業(yè)互聯(lián)網(wǎng)（Industrial Internet）是新一代信息通信技術(shù)與工業(yè)經(jīng)濟深度融合的新型基礎設施、應用模式和工業(yè)生態(tài)，通過(guò)對人、機、物、系統等的全面連接，構建起覆蓋全產(chǎn)業(yè)鏈、全價(jià)值鏈的全新制造和服務(wù)體系，為工業(yè)乃至產(chǎn)業(yè)數字化、網(wǎng)絡(luò )化、智能化發(fā)展提供了實(shí)現途徑，是第四次工業(yè)革命的重要基石。
工業(yè)互聯(lián)網(wǎng)主要由網(wǎng)絡(luò )、平臺、安全三大部分組成，其中網(wǎng)絡(luò )是基礎，特別是5G低時(shí)延網(wǎng)絡(luò )是保證工業(yè)互聯(lián)網(wǎng)的基礎，而數據和平臺是工業(yè)互聯(lián)網(wǎng)的核心，安全是保障。
工業(yè)互聯(lián)網(wǎng)廠(chǎng)商非常多，從基本的連接端到云服務(wù)端，從IaaS端到PaaS端再到工業(yè)數據分析展示和可視化平臺再到具體應用場(chǎng)景，設計仿真、生產(chǎn)優(yōu)化、運營(yíng)管理、資產(chǎn)運維、能耗管理、采購優(yōu)化等，都是在工業(yè)里利用物聯(lián)網(wǎng)的數據采集和大數據分析后才能創(chuàng )造出的應用場(chǎng)景。
個(gè)是提出工業(yè)互聯(lián)網(wǎng)概念的GE旗下Digital部門(mén)，提出“通過(guò)發(fā)掘數據的價(jià)值實(shí)現高效的產(chǎn)出”。
不幸的是GE已經(jīng)在2018年開(kāi)始出售Predix，主要原因有幾個(gè)：一，GE Digital受到燃機、油氣、電力等系列主營(yíng)業(yè)務(wù)的市場(chǎng)疲軟影響；二，低估了工業(yè)企業(yè)數字化進(jìn)程的難度；三，過(guò)于強調云平臺和IT能力，忽視了客戶(hù)對應用的需求，盈利模式不清晰；四，進(jìn)行的并購和整合并沒(méi)有達到通過(guò)一個(gè)平臺統一不同的應用軟件和交付能力的有效目的。
GE Digital的規劃目標，是希望通過(guò)Predix平臺結合應用Operation Performance Management（運營(yíng)績(jì)效管理）和Asset Performance Management（設備性能管理），通過(guò)設備的健康和可靠性管理、合規性管理、資產(chǎn)優(yōu)化、策略?xún)?yōu)化，以達到運營(yíng)性能的管理，包括提升運營(yíng)效率、實(shí)現過(guò)程優(yōu)化等。
工業(yè)互聯(lián)網(wǎng)的核心技術(shù)有四個(gè)：一，邊緣計算是有強剛需的工業(yè)應用場(chǎng)景，通過(guò)邊緣端的實(shí)時(shí)數據采集、云端的數據分析和應用開(kāi)發(fā)以實(shí)現高效協(xié)同，是云端應用對邊緣端實(shí)時(shí)數據采集的響應和控制過(guò)程；二，大數據平臺也非常關(guān)鍵，以前的工業(yè)數據都是小數據，很多數據處理都在邊緣完成，并沒(méi)有匯總起來(lái)進(jìn)行相關(guān)性分析和統一趨勢分析，實(shí)現應用和數據解耦的大數據平臺也很關(guān)鍵；三，數字孿生，即通過(guò)數據化方式為工業(yè)設備定義數據結構，結合數據分析對設備的過(guò)去、當前和未來(lái)進(jìn)行深入的洞悉，完成設備從物理向虛擬環(huán)境映射的關(guān)鍵描述；四，通過(guò)專(zhuān)家經(jīng)驗+人工智能的方式，基于專(zhuān)家經(jīng)驗指導的大數據樣本標注，通過(guò)人工智能算法訓練開(kāi)發(fā)相應的故障診斷和預測模型，實(shí)現判決。
工業(yè)互聯(lián)網(wǎng)三大高端制造應用場(chǎng)景什么是高端制造？高端制造與中高端制造、中低端制造不一樣之處在于：一，生產(chǎn)過(guò)程基本上都是連續的，比如流程制造；二，需要眾多不同大型設備的高效協(xié)同，屬于復雜工藝。
像石油、電力、石化、光電、半導體等高端制造的可能有幾百個(gè)不同的子生產(chǎn)過(guò)程, 需要保證每個(gè)生產(chǎn)過(guò)程都得到嚴格的管控，才能完成終預期的產(chǎn)出；三，高度自動(dòng)化的生產(chǎn)過(guò)程，可以根據實(shí)時(shí)采集的各種工況參數，對控制過(guò)程進(jìn)行自動(dòng)化的實(shí)時(shí)響應；四，對質(zhì)量、產(chǎn)能、風(fēng)險、成本等的精細化管理要求極高，需要非常的過(guò)程控制和結果檢驗機制。
工業(yè)互聯(lián)網(wǎng)在高端制造里應用場(chǎng)景很多，而當前的高端制造普遍呈現資產(chǎn)密集、資產(chǎn)性能優(yōu)化空間大，數字化程度高但數據利用率低，經(jīng)驗驅動(dòng)、缺少科學(xué)決策能力的局面。
通過(guò)結合工業(yè)互聯(lián)網(wǎng)的賦能，即資產(chǎn)性能管理、運營(yíng)效率提升、能源管理優(yōu)化、安全生產(chǎn)環(huán)保、工業(yè)控制安全，可達到：一，提高資產(chǎn)運營(yíng)的效率，降低非計劃停機帶來(lái)的風(fēng)險影響；二，提高資產(chǎn)利用的效率，降低排放、降低能耗、提高安全生產(chǎn)、實(shí)現環(huán)保，構建產(chǎn)業(yè)生態(tài)。
正是因為高端制造普遍的體量都比較大，哪怕提高1%，都能創(chuàng )造巨大的價(jià)值。
高端制造的工業(yè)互聯(lián)網(wǎng)的核心不是數據采集，而是一層一層傳遞的數據的價(jià)值。
工業(yè)互聯(lián)網(wǎng)平臺，能夠起到加速整個(gè)價(jià)值傳遞過(guò)程的作用，一方面能夠匯聚來(lái)自不同設備和業(yè)務(wù)系統的數據，構建數據中臺，對數據進(jìn)行規范和治理，以及針對離散化、場(chǎng)景化的數據分析；另一方面，它也提供了大量的跨應用系統的能力重用模塊，讓?xiě)玫慕桓丁祿姆治鲎兊酶憬莺透?jiǎn)單。
相對于傳統的PLC、DCS、MES或ERP這些傳統的IT和OT系統，工業(yè)互聯(lián)網(wǎng)應用著(zhù)眼點(diǎn)放在了新技術(shù)解決老問(wèn)題上，它通過(guò)運用物聯(lián)網(wǎng)、大數據、云計算和人工智能等先進(jìn)的IT技術(shù)，去解決原先由于數據量、數據處理能力、實(shí)時(shí)性等限制而不能得到很好解決的設備可靠性、工藝質(zhì)量以及企業(yè)經(jīng)營(yíng)決策等方面問(wèn)題，可以說(shuō)是原有IT和OT系統的升級和重構。
高端制造的工業(yè)互聯(lián)網(wǎng)應用非常離散化，應用場(chǎng)景主要是三類(lèi)，設備資產(chǎn)管理、運營(yíng)性能管理和生產(chǎn)經(jīng)營(yíng)決策。
資產(chǎn)性能管理的目標是提高資產(chǎn)（也就是設備）的可靠性，避免非計劃停機；只有保證了設備的可靠性，才能保證運營(yíng)過(guò)程中的產(chǎn)能、質(zhì)量、成本的有效提升，才能優(yōu)化運營(yíng)指標；而只有保證了運營(yíng)效率的提升，才能實(shí)現企業(yè)經(jīng)營(yíng)利潤的提升和經(jīng)營(yíng)風(fēng)險的規避，這三層是通過(guò)數據的價(jià)值環(huán)環(huán)相扣的。
應用場(chǎng)景1：資產(chǎn)性能管理。
大型高端制造都有關(guān)鍵的大型設備，這些設備在連續生產(chǎn)過(guò)程中的停機風(fēng)險，會(huì )造成很大影響。
普遍來(lái)說(shuō)，進(jìn)行有效設備維護的策略有：一是被動(dòng)式維護，就是壞了再修，這種維護成本高；二是預防性維修，為了避免被動(dòng)維修引起的設備停機停產(chǎn)，現階段采用較多的是預防性維修，也就是定期保養；三是視情況維修或基于狀態(tài)維修，因為前兩種的成本相對比較高，采用振動(dòng)分析、紅外、超聲等檢測儀器，對關(guān)鍵設備進(jìn)行相應的判決和檢測，基于檢測的結果決定是否要維修，提前修還是推后修；四是預測維修，基于海量數據分析對設備的實(shí)時(shí)狀態(tài)做評估，再決定是否要維修；第五，RCM或基于風(fēng)險評估，結合實(shí)時(shí)數據對設備保養策略的一系列計算，得到基于風(fēng)險管控的維護策略，實(shí)現更的維護。
目前GE和Uptake已經(jīng)做到了基于可靠性的維修或基于風(fēng)險維護的完整策略。
現在的問(wèn)題是：一，無(wú)法實(shí)現實(shí)時(shí)的判決和診斷，無(wú)法根據動(dòng)態(tài)的工況進(jìn)行調整；二，無(wú)法實(shí)現**的故障定位，無(wú)法實(shí)現**的指標計算；三，無(wú)法實(shí)現**的壽命預測，無(wú)法實(shí)現預測性維護；四，無(wú)法積累、優(yōu)化和復制專(zhuān)家經(jīng)驗，無(wú)法實(shí)現知識的自我學(xué)習和進(jìn)化。
資產(chǎn)性能管理系統主要涉及三方面：一是數據，即機器的實(shí)時(shí)數據、歷史維護記錄、失效記錄、產(chǎn)品手冊等；二是機理，像F***、控制理論等基本的工業(yè)模型；三是數據分析，變點(diǎn)檢測、時(shí)序預測、聚類(lèi)回歸、機器學(xué)習、神經(jīng)網(wǎng)絡(luò )等結合在一起，才能產(chǎn)生一個(gè)相對完整的設備資產(chǎn)管理系統，實(shí)現實(shí)時(shí)監測、故障診斷預測、可靠性管理等一系列功能，終目標是降低停機概率、降低運營(yíng)風(fēng)險、實(shí)現更快的響應能力。
怎么利用數據分析實(shí)現資產(chǎn)的高效性能分析呢？主要還是利用機器的數據。
基于機器的歷史數據可以構建不同狀態(tài)下的歷史數據樣本，開(kāi)發(fā)各類(lèi)故障的特征模型，與當前傳感器數據進(jìn)行對比，從而對當前的設備進(jìn)行實(shí)時(shí)的健康評估。
基于歷史數據也可以構建性能預測指標，通過(guò)對比指標就可以知道設備未來(lái)在什么時(shí)間可能會(huì )出問(wèn)題，可以計算剩余壽命以?xún)?yōu)化維護策略。
應用場(chǎng)景2：運營(yíng)性能管理。
在工業(yè)生產(chǎn)過(guò)程中有很多設備都產(chǎn)生數據，像工藝數據、質(zhì)量數據、維護數據等，都可以通過(guò)工業(yè)互聯(lián)網(wǎng)平臺采集出來(lái)，做工藝參數優(yōu)化、良率優(yōu)化、虛擬量測、關(guān)鍵指標建模、燃燒環(huán)保優(yōu)化、能源管理等一系列分析。
通過(guò)實(shí)時(shí)采集生產(chǎn)過(guò)程中設備、工藝、質(zhì)檢、環(huán)保、環(huán)節數據，結合數據挖掘和人工智能分析，可以實(shí)現生產(chǎn)工藝、品質(zhì)還有運營(yíng)效率全方面的優(yōu)化。
舉幾個(gè)簡(jiǎn)單例子：一，工作模式自動(dòng)識別。
在運營(yíng)中對設備的工作狀態(tài)進(jìn)行識別，只有識別了不同的工作狀態(tài)才能區別出在不同工作狀態(tài)下的工作效率和關(guān)鍵KPI指標，這種識別原來(lái)全是手動(dòng)識別或是專(zhuān)家經(jīng)驗識別，現在完全可以通過(guò)機器學(xué)習再結合專(zhuān)家經(jīng)驗的方式提取規則，創(chuàng )造自動(dòng)識別的過(guò)程。
二，異常檢測。
由于能夠區分不同的工作狀態(tài)，才能對不同的工作狀態(tài)設一個(gè)穩定值，這叫SPEC值。
一個(gè)設備可能工作在不同的SPEC和不同的工藝過(guò)程下，每個(gè)工藝過(guò)程要區分不同的工作狀態(tài)，才能知道應該改進(jìn)哪些關(guān)鍵工藝參數。
三，根因分析。
根因分析就是有多少種原因會(huì )導致終的不良或排放、燃燒等關(guān)鍵指標低下。
這種根因分析往往是在不間維度上產(chǎn)生的，可能幾個(gè)小時(shí)之前的一個(gè)工藝參數會(huì )導致后生產(chǎn)結果的質(zhì)量、品質(zhì)或關(guān)鍵指標的劣化。
數據分析需要把不間維度的海量數據結合在一起，通過(guò)相關(guān)性分析、相似度搜索等數據分析的方式，匹配到有可能產(chǎn)生問(wèn)題的一個(gè)匹配關(guān)系上。
四，SPEC的快速確定。
在不同工藝上，比方說(shuō)85%、70%、65%的良率情況下對應不同的工藝參數范圍，很多時(shí)候都需要從歷史數據中找出相應特定條件下相關(guān)信號的工作范圍，進(jìn)而確定相應的SPEC值，這有助于幫助一個(gè)企業(yè)快速投產(chǎn)、快速從小批量生產(chǎn)進(jìn)入到大批量生產(chǎn)的加速過(guò)程。
五，穩定性控制和評估。
在關(guān)鍵的生產(chǎn)過(guò)程中，有一些海量產(chǎn)出關(guān)鍵指標，比如半導體生產(chǎn)過(guò)程中的CD值，即關(guān)鍵的線(xiàn)寬要保證在一定的范圍內抖動(dòng)。
利用數據分析，通過(guò)SPC進(jìn)行穩定性控制，實(shí)現相應的過(guò)程控制，以保證關(guān)鍵過(guò)程產(chǎn)出的穩定性。
六，工藝仿真。
在確定了輸入和輸出之間的關(guān)系后，能否通過(guò)回歸或者神經(jīng)網(wǎng)絡(luò )找到一個(gè)線(xiàn)性、非線(xiàn)性的模型，當終檢驗結果的良率從85%掉到70%時(shí)，調整輸入到某個(gè)關(guān)鍵值就能把良率從70%再拉回到85%？這些都可以通過(guò)海量的工業(yè)數據分析實(shí)現。
以上這些都是圍繞著(zhù)實(shí)時(shí)工藝的數據采集、分析、建模的過(guò)程。
通過(guò)運營(yíng)效率的提升、數據分析、高效的運營(yíng)規劃，盡大可能的提高工廠(chǎng)的產(chǎn)能和利潤，包括結合財務(wù)指標、價(jià)格曲線(xiàn)、降成本等都能實(shí)現完整的分析。
只要利用好數據分析，就可以產(chǎn)生極大的提升，很多時(shí)候創(chuàng )造的效能遠遠不止1%。
應用場(chǎng)景3：安全生產(chǎn)管控。
這部分主要針對能源化工等高端流程制造企業(yè)，通過(guò)采集設備端DCS的實(shí)時(shí)數據，結合檢測系統、業(yè)務(wù)系統和外部數據，通過(guò)大數據、人工智能、機器學(xué)習等先進(jìn)的信息技術(shù)，實(shí)現包括危險源在線(xiàn)監測、工藝參數實(shí)時(shí)告警、危險場(chǎng)景態(tài)勢感知、重大風(fēng)險預警預測在內的全面的安全生產(chǎn)管控，達到企業(yè)經(jīng)營(yíng)風(fēng)險和經(jīng)營(yíng)利潤的優(yōu)平衡。
對于一個(gè)大型的發(fā)電廠(chǎng)或者大型化工企業(yè)，實(shí)時(shí)數據可以達到每秒鐘幾萬(wàn)到幾百萬(wàn)萬(wàn)數據點(diǎn)。
一方面，很多關(guān)鍵設備的關(guān)鍵工藝參數、環(huán)境參數以及外部的危險源，僅靠人工巡檢、實(shí)時(shí)監控和專(zhuān)家經(jīng)驗判斷，是根本無(wú)法全面、實(shí)時(shí)的企業(yè)級別的安全管控要求。
通過(guò)大數據的方式，進(jìn)行采集海量的實(shí)時(shí)數據并匯總、分析，基于歷史數據構建起預測和風(fēng)險模型，不僅能構建起全面的防范體系，還能對關(guān)鍵的監控參數以及風(fēng)險事件進(jìn)行預測。
另一方面，通過(guò)將不同發(fā)電廠(chǎng)、化工企業(yè)的實(shí)時(shí)數據匯總到集團的工業(yè)互聯(lián)網(wǎng)平臺，不僅能實(shí)現對關(guān)鍵工藝參數、關(guān)鍵風(fēng)險源、風(fēng)險事件的管控和指揮，也有助于集團層面實(shí)現跨企業(yè)的對標分析和優(yōu)化，并實(shí)現對下屬單位生產(chǎn)、耗能、排放等數據的實(shí)時(shí)采集，降低數據失真帶來(lái)的經(jīng)營(yíng)風(fēng)險，從行政管控轉向數據驅動(dòng)的智能決策。
高端制造行業(yè)工業(yè)互聯(lián)網(wǎng)的核心，在于工業(yè)數據的分析，而不在于工業(yè)數據的采集。
國內有很多的工業(yè)互聯(lián)網(wǎng)廠(chǎng)商，但大多都在做基礎數據采集和展示。
數據采集固然很重要，但在面對不同類(lèi)型的企業(yè)時(shí)，優(yōu)先級有很大區分。
中小企業(yè)可能要看關(guān)鍵的幾個(gè)指標做一些告警就夠了，但高端制造客戶(hù)還要實(shí)現對設備狀態(tài)的可靠性分析、運營(yíng)效率的分析、性能和良率預測等復雜的數據分析。
工業(yè)互聯(lián)網(wǎng)領(lǐng)域將出現新的“BAT”，但這將是一個(gè)長(cháng)期的過(guò)程而不會(huì )一蹴而就。
眾所周知，工業(yè)是一個(gè)高度復雜和碎片化的產(chǎn)業(yè)，每一個(gè)細分領(lǐng)域都需要專(zhuān)門(mén)的工業(yè)知識與實(shí)踐積累。
長(cháng)期以來(lái)，BAT一直想進(jìn)入工業(yè)互聯(lián)網(wǎng)領(lǐng)域，但由于難以形成一個(gè)大而全覆蓋的平臺，很難像主導消費互聯(lián)網(wǎng)那樣主導工業(yè)互聯(lián)網(wǎng)的發(fā)展。
而在另一方面，工業(yè)是中國的立國之本，是實(shí)體經(jīng)濟的主戰場(chǎng)。
現在的中國工業(yè)大而不強，自主創(chuàng )新能力不強，產(chǎn)品還處在中低端，供給能力明顯不足。
我國工業(yè)還存在著(zhù)被空心化、邊緣化等問(wèn)題，亟待轉型升級。
而中國工業(yè)門(mén)類(lèi)齊全，有41個(gè)大類(lèi)、191個(gè)中類(lèi)、525個(gè)小類(lèi)；體量巨大，年增加值30萬(wàn)億元，一。
無(wú)疑，中國工業(yè)的數字化轉型是一個(gè)巨大的ICT市場(chǎng)，存在著(zhù)巨大的機會(huì )。
工業(yè)數字化轉型包括智能制造和工業(yè)互聯(lián)網(wǎng)兩大戰場(chǎng)。
其中，智能制造主要是為制造設備和工廠(chǎng)等實(shí)現智能化、數字化和自動(dòng)化，主要是將信息技術(shù)（IT）、數字技術(shù)（DT）與生產(chǎn)制造操作技術(shù)（OT）相結合。
由于不同工業(yè)領(lǐng)域的特殊性，智能制造更多是面向細分工業(yè)領(lǐng)域的技術(shù)和解決方案，難以形成較大的創(chuàng )業(yè)機會(huì )。
而工業(yè)互聯(lián)網(wǎng)則是一個(gè)巨大的平臺性機遇。
需要注意的是工業(yè)互聯(lián)網(wǎng)是互聯(lián)網(wǎng)與物聯(lián)網(wǎng)相結合的產(chǎn)物，融入了云平臺、大數據分析和人工智能等新興科技，是工業(yè)環(huán)境下人、機、物、企業(yè)、生態(tài)等的全面互聯(lián)，而不是簡(jiǎn)單的互聯(lián)網(wǎng)模式，也缺乏相關(guān)的標準。