优也首席技术官,现任美国工业互联网联盟架构主席林诗万
从目标,领域和手段来看,工业企业的数字化可分为数字化业务经营和数字化生产运营两大领域。
在数字化业务经营方面,工业企业面向的主要的是外部的市场和产业,关注如何充分利用数据和分析工具,深入洞察客户需求、市场动向和竞争环境,从而制定更精准的战略和商业计划,更有效地推动业务发展,以提高整体业务绩效。
数字化生产运营则主要关注企业内部的产品研发和生产过程的数字化改进,在自动化的基础上,通过对现场工况数据的实时分析,及时快速地响应和解决现场出现的问题,并对生产运营过程进行优化的管理,最后达到提高效率、降低成本和保障质量,以及绿色低碳、柔性生产的目的。
不管是业务经营,还是生产运营,其数据驱动的本质是高度一致的。但是,具体的细节却存在着很多的差异性,导致在解决实际问题中所关注的要点和所采用的技术也有很多不同之处。这里我列举了多个方面的差异性。
我们可以归纳性地说,数字化业务经营大多依赖于我们常说的数据挖掘过程,目的是帮助企业制定符合实际,遵循规律的业务经营和发展策略;
而数字化生产运营则依赖于对现场工况数据的实时计算,动态决策,以实现精细、高效的生产运营管理。
数字化生产运营系统需要低时延的流式数据分析,也就是对于现场的数据即来即算,对生产过程中的状态和事件进行连续的监控,以保证对生产异常能进行及时的响应和问题解决。
在此同时,数字化生产运营系统要求有高度的稳定性,以保证生产运营的正常进行。
可以说,在多个方面,数字化生产运营的实施具有更高的要求,需要独特的手段。
对于数字化生产运营,我们需要新型的专用技术平台,以新的架构模式,新的功能,新的工具集,来构建新型的数字化应用。
企业应该避免按传通的数据库 + 代码的模式,碎片化开发烟囱式应用。其中的一种更优异的模式是采用数字化平台,共享资源和基础性服务,在平台上轻量化地构建多个不同领域的数字化应用,也就是“平台+ 应用”的模式。
面向生产运营环境的数字化技术平台,其核心基础技术包括工业互联网、数字孪生、大数据、机器学习/AI、云计算等。但是,这样的平台并不应该仅是这些基础技术的堆积,而是对这些技术的深度融合和创新,提供满足工业现场特征需求的功能和工具。
企业可采纳专业的数字化技术平台,充分利用行业的共同积累,从而把主要精力集中在其所擅长的生产运营的核心业务上面。这样做,有助于降低实施过程中的技术门槛,减轻工作量,降低成本并缩短实施周期。
在市场上我们常常遇到一些基于Hadoop/Spark大数据技术体系的工业互联网平台。这种平台在数据处理和分析方面具有优势,如分布式计算、支持海量的数据和批次性数据分析等。它在许多企业的数字化业务经营领域得到了广泛应用。
然而,我们需要注意到,这种技术体系在数字化生产运营领域的应用也存在一定的局限性。
首先,实时性较弱,这对于实时计算可能带来一定挑战。同时,这个平台缺乏专为工业运营环境而设计的功能组件和工具,因而无法充分满足现场数字化工业软件的需求。
此外,我们还要关注到这个技术体系的运维复杂度、资源需求高、可靠性偏弱和技术门槛高等问题。
综上所述,Hadoop/Spark技术体系用于数字化生产运营的场景会面临着不少的挑战。
实际上,数字孪生不仅仅是3D模型,它是对现实世界实体的虚拟表征。数字孪生把工业运营场景的设备、产品和环境作为对象,构建物理模型,梳理数据,融入工业算法,形成数据和计算融为一体的数字模型,作为工业基础组件,沉淀工业知识。
数字孪生的核心是通过对现场数据的深度计算,在生产运营过程中获得最佳决策,以实现精细化和智能化的管理。
此外,数字孪生可作为工业基础组件,在不同的场景系统中重用,以实现工业知识的广泛共享复用。
企业首先需要回答的问题是,对于数字化平台,应该自研,还是引进?
如我们之前谈到,数字化平台是多种技术的融合和创新,并非一些基础开源技术的堆积而成,同时,需要持续维护和升级。这些,都超乎大多数企业所具备的能力。
除了专业性之外,产品化的平台服务于多个客户场景,其技术积累的深度和提升的速度远超于单场景的解决方案。
从长远和综合价值来看,专业化产品的本质是行业中知识和经验共用,成本分摊,对用户、行业甚至社会,性价比更高,这就是为什么人类社会的进步都是往更深的专业化方向发展。
对于大部分企业而言,是优选应该采用产品化的专业平台,以充分利用行业的积累,更好地发挥自身对业务的深度认知优势,聚焦于具体场景问题的解决。
当前市场上的工业互联网平台很多,在多个方面都存在着差异性。企业在对专业平台的选项过程中也常常面临着不少的困惑。以下我就从一些关键要点上稍作讨论。
在工业性方面,我们需要关注平台提供哪些面向工业场景的专门功能和工具,有效地支持工业知识的沉淀,从OT的角度构建数字化工业应用,而不只是把业务大数据的系统直接移植过来。
在创新性方面,平台有哪些创新功能,有针对性地解决构建数字化工业应用的具体问题,而不仅是开源技术的封装。
在工具化方面,平台对技术的功能化,功能的工具化程度如何,以支持高效地构建数字化工业应用。企业更需要的是工具,而不是底层的技术。工具化是平台成熟度的重要标志。
在抽象解偶的架构方面,平台是否具备抽象解偶的架构,让技术与功能解偶,工业组件与定制化的业务逻辑解偶,增强应用系统的迭代升级和重用复用能力,而不在编写难以维护和提升的“面条代码”和互不连通的烟囱式应用?
在数据的互操作性方面,平台提供了什么专门的框架和工具,定义工业元数据(或工业数字字典),梳理现场多元异构的数据,保障数据的高度对齐,一致性和准确性,以实现有效的计算?
在数字孪生方面,平台是否能够超越3D数据展示功能,能够以数字孪生构建工业基础组件,以实现深度的工业计算,以及工业知识的沉淀、提升和复用?
在分布式架构方面,平台是否对所有关键(网络、存储和计算)承载功能组件采用分布式架构,以实现轻便扩容能力和冗余可靠性?
总而言之,工业互联网平台已经发展多年,我们对这些平台的有效性和成熟度有更高的要求和期望,更好地满足工业的需求。
联系客服