随着5G的商用和第一个工业互联网国际标准项目的立项，2019年有望成为工业互联网启动之年，从前几年的概念热炒进入到了逐步落地的阶段。而在工业互联网领域各自为战的信息化企业和创业公司也在充分利用并购整合的策略快速成长占领市场，力争成为中国版的Uptake——工业互联网标杆企业。从现在开始关注工业互联网的创业公司和创业项目，不失为进入工业互联网赛道的佳时机。
2019年，工业互联网进入政府工作报告，2019政府工作报告专门提及“打造工业互联网平台，拓展‘智能+’，为制造业转型升级赋能”。近工业互联网非常热，一是“智能+”对工业转型升级的重要性，二是在科创板开市之后，与工业互联网、产业互联网相关的科创企业在不断进入科创板上市的行列中。此前对工业互联网有大量讨论，但还有很多困惑和发展不清晰之处。在钛资本新一代企业级科技投资人投研社第24期，寄云科技创始人&总裁时培昕分享了工业互联网如何赋能高端制造，释放机器潜力。
时培昕博士毕业于北京邮电大学信号与信息处理专业，是国内早期从事云计算、大数据和工业互联网相关领域研究推广与应用的专家。2013年创建了工业互联网公司寄云科技，帮助石油能源、电力能源、轨道交通和高端制造等领域企业实现数字化转型，包括故障诊断、故障分析预测、可靠性分析、产线优化、产能提升等工业互联网解决方案。时培昕对工业互联网领域的前沿技术、行业动态、客户需求有独到的见解，开发了国内的工业互联网平台——NeuSeer平台。
工业互联网两大典型玩家
工业互联网主要由网络、平台、安全三大部分组成，其中网络是基础，特别是5G低时延网络是保证工业互联网的基础，而数据和平台是工业互联网的核心，安全是保障。
工业互联网厂商非常多，从基本的连接端到云服务端，从IaaS端到PaaS端再到工业数据分析展示和可视化平台再到具体应用场景，设计仿真、生产优化、运营管理、资产运维、能耗管理、采购优化等，都是在工业里利用物联网的数据采集和大数据分析后才能创造出的应用场景。
两个比较典型的工业互联网玩家：
第一个是提出工业互联网概念的GE旗下Digital部门，提出“通过发掘数据的价值实现高效的产出”。不幸的是GE已经在2018年开始出售Predix，主要原因有几个：一，GEDigital受到燃机、油气、电力等系列主营业务的市场疲软影响；二，低估了工业企业数字化进程的难度；三，过于强调云平台和IT能力，忽视了客户对应用的需求，盈利模式不清晰；四，进行的并购和整合并没有达到通过一个平台统一不同的应用软件和交付能力的有效目的。GEDigital的规划目标，是希望通过Predix平台结合应用OperationPerformanceManagement（运营绩效管理）和AssetPerformanceManagement（设备性能管理），通过设备的健康和可靠性管理、合规性管理、资产优化、策略优化，以达到运营性能的管理，包括提升运营效率、实现过程优化等。
第二个玩家是Uptake，是公认的工业互联网领域的标杆创业公司。创立于2012年，Uptake做的很多事都在模仿GEDigital，包括招募了很多GEDigital的原班人马。其主张也是通过工业物联网的数据分析，实现高效的资产性能和运营效率的提升，提供的方案也是平台加应用。在平台层，不仅提供相应工业的基础能力，也提供AI和机器学习引擎，把算法变成目录和订阅的方式以快速实现数据分析，并在上面实现快速应用编译和部署，后形成应用和行业解决方案。应用主要有两类，一类是通过数据科学、人工智能的方式实现资产性能的提升，另一个是通过提升资产性能提升运营效率，都与GE非常像。
Uptake在2018年11月份收购了一家APT（AssetPerformanceTechnology）公司，这家企业提供了800多种类型的设备、1000多万种不同部件的失效模式。FMEA失效模式分析有什么用呢？可以非常清楚地定位出设备有多少种故障现象，每种故障现象应该采取的应对措施和寻找相应根因形成维护策略。还有Uptake另外一个应用，通过AI实现销售线索、服务需求、工作流效率的优化，主要是针对设备制造商提供一整套业务流程优化引擎、提高销售业绩和客户满意度。
比较典型的案例：第一个是为卡特彼勒开发一套设备联网和分析系统，采集设备的各类数据信息，联网监控的同时分析预测设备可能会发生的故障，以提前应对；美国一家Class1的火车公司，在美国有大约一万四千个火车头，Uptake帮助其通过人工智能预测性维护，每年节省4700万美金；AMEREN是美国一家发电厂，每年用了Uptake的人工智能应用平台帮公司节省990万美金；PaloVerde是一家核电厂，每年Uptake帮其节省1000万美金；Uptake还帮助某个重型机械经销商每年提高850万美金的收入。
这几个案例是工业互联网里比较典型的应用场景，围绕大型设备的资产性能，利用数据分析实现设备可靠性的提升，进而提升整个过程的运营效率，创造更多的价值和利润。
工业互联网的核心技术有四个：一，边缘计算是有强刚需的工业应用场景，通过边缘端的实时数据采集、云端的数据分析和应用开发以实现高效协同，是云端应用对边缘端实时数据采集的响应和控制过程；二，大数据平台也非常关键，以前的工业数据都是小数据，很多数据处理都在边缘完成，并没有汇总起来进行相关性分析和统一趋势分析，因此实现应用和数据解耦的大数据平台也很关键；三，数字孪生，即通过数据化方式为工业设备定义数据结构，结合数据分析对设备的过去、当前和未来进行深入的洞悉，完成设备从物理向虚拟环境映射的关键描述；四，通过专家经验+人工智能的方式，基于专家经验指导的大数据样本标注，通过人工智能算法训练开发相应的故障诊断和预测模型，实现精准判决。
工业互联网三大高端制造应用场景
什么是高端制造？高端制造与中高端制造、中低端制造不一样之处在于：一，生产过程基本上都是连续的，比如流程制造；二，需要众多不同大型设备的高效协同，属于复杂工艺。像石油、电力、石化、光电、半导体等高端制造的可能有几百个不同的子生产过程,需要保证每个生产过程都得到严格的管控，才能完成终预期的产出；三，高度自动化的生产过程，可以根据实时采集的各种工况参数，对控制过程进行自动化的实时响应；四，对质量、产能、风险、成本等的精细化管理要求极高，需要非常精准的过程控制和结果检验机制。
工业互联网在高端制造里应用场景很多，而当前的高端制造普遍呈现资产密集、资产性能优化空间大，数字化程度高但数据利用率低，经验驱动、缺少科学决策能力的局面。通过结合工业互联网的赋能，即资产性能管理、运营效率提升、能源管理优化、安全生产环保、工业控制安全，可达到：一，提高资产运营的效率，降低非计划停机带来的风险影响；二，提高资产利用的效率，降低排放、降低能耗、提高安全生产、实现环保，构建产业生态。
