“智慧與機器”(Mind+Machine)大會上,GE總裁伊梅爾特稱,到2020年,GE軟件收入將達到100億美元。然而隨后又宣稱更改為150億美元。這個看似低級的失誤,讓外界無意中看到了GE內
部對軟件部門認知所存在的搖擺。
GE早期引入數據分析平臺 “工業互聯網”的時候,是跟大伙伴一起玩的,包括天下無敵的亞馬遜云服務AWS;GE還跟埃森哲合資成立Taleris公司,用于補齊GE云計算的短板。GE曾列舉跟埃森
哲、IBM的不同,暗示自己不是咨詢公司,也不是軟件公司。然而GE最新莊嚴宣布,通用電氣打算成為全球第十大軟件公司,直面IBM、微軟這些軟件巨頭。
這個工業巨無霸一直在行業精耕細作,做事強悍,只求市場份額的第一或第二。此刻為何如此搖擺?
究其根源,還在于工業巨變的影響。在工業發生變革的過渡期,所有被熱望灼燒著的巨人們,每天都在反復擺弄著自己手上的牌,希望能打出漂亮的組合,迎合窗外那些迫不及待地需要聽到
新希望、新方向的形形色色的聽眾。
GE終于為這次革命性巨變調好了音。在最近一次談話中,伊梅爾特發狠似地說道,所有企業和公司,如果不能把軟件作為其核心業務組成,都將被顛覆出局。
對于國內制造業而言,這可以說是一個充滿了冷冷寒意的規勸。
軟件帝國冉冉升起
2015年10月,GE正式宣布將內部的所有數字職能都整合到“通用電氣數字集團”(GE Digital),將軟件和分析技術與該公司的工業產品整合到一起。GE Digital估計2015年實現軟件營收60億
美元,通過五年時間躋身全球10大軟件公司。
雖然GE Digital目前占比不過GE的4%,但絲毫不影響GE認定這就是未來。正如西門子成立的Digital Factory數字化技術集團一樣,GE Digital也在確立自己在未來的主導地位,并深刻地影響
著其他交通、能源、建筑等傳統優勢工業部門。
GE毫不含糊地設立了CDO(首席數字官)這樣一個全新的角色,這也是GE工業互聯網戰略中的重要一環——不過CIO(首席信息官)的角色依然保留。首次擔任CDO角色的是從思科空降到通用電
氣的魯奇。
魯奇加入GE一年之后,工業互聯網正式向外公開。作為CDO,他需要協助GE完成“數字主線”(Digital Thread),作為GE下一步的制造系統,實現數據流的全整合、從設計到制造的全流程數
字化。
作為GE Digital總裁,魯奇還是做了一個非常小心謹慎的探索。GEDigital被分成兩個部分:一個是面向行業的軟件解決方案Software&Service。GE這個老牌自動化設備和軟件供應商擁有大量
的行業經驗,在面向包括航空、能源、醫療等十三個行業領域的軟件解決方案上面可以說得心應手;另外一個是Predix云平臺,這是一塊需要小心處理的探索之地。
工業云平臺唱大戲
作為連接機器、數據和人的重要平臺,Predix在2013年10月首次公開示眾。它可將各類數據按照統一的標準進行規范化梳理,為云計算和大數據技術提供隨時調取和分析的平臺,工程師們可
以在Predix上按照自己企業的需求編寫程序和應用,各取所需。各種分布式計算、大數據分析、資產管理、M2M通訊、移動性都可以疊加在上面。
Predix有時候會跟iOS和安卓操作系統相提并論。GE希望在此為工業互聯網建立工業生態系統,在此之上,建立APP應用商店,建立面向工業應用的GE Store。
2014年,GE將各種設備管理方案,整合成四十余種名為Predictivity數據與分析解決方案,通過增加可靠性,提高資產性能,延長資產壽命,增強資產安全以幫助企業優化資產。一年之后,
GE決定升級,向所有企業開放Predix操作系統,幫助各行各業的企業創建和開發自己的工業互聯網應用。
Predix云平臺的開放,意味著GE決定通過放棄眼前利益,爭取通過GE的產品和標準,在世界范圍內搭建一個廣泛的工業互聯網平臺。
如果說GE Digital的Software是人員、物流、信息流相連的各種局部交匯處,那么Predix則是解決人、機、數據相連的最終交匯之地。
這就是工業云所在地。工業云的應用會給制造業帶來靈活的編程和數據分析方式。這意味著會有大批程序員走進工廠,工業將變得軟件化。通過IT信息技術和OT運營技術,借助Predix云的連
接,工廠的資產管理、機器數據更加可控。
工業互聯網承載著GE的未來之夢,而Predix則是工業互聯網的云平臺。伊梅爾特已經堅定信念,APP才是工業的未來。
GE迫不及待地希望2016年會有2萬名開發者在Predix平臺開發應用軟件。到2020年,GE商店內的應用程序目標為50萬個。而所有這些APP的安身之地,就是GE寄予厚望的Predix平臺。
Predix其實主要源自GE原有的EAM資產管理軟件的云化和平臺化處理。由于不同組織業務的特殊性,Predix的實際廣泛應用其實仍然存在著不確定性。它到底是一個操作系統,還是PaaS平臺,
抑或是一個數據中心,似乎讓GE頗費躊躇。
GE數據海洋
GE的產品線非常龐大,覆蓋能源、醫療、家庭、交通運輸、金融等。光能源集團,旗下業務就覆蓋了發電、水處理、能源服務、石油和天然氣、可再生能源、檢測控制等。而所有的這些業務
,GE找到了一個共性,那就是:數據無處不在,而且其價值被嚴重低估了。從這個角度出發,到2014年年底,GE聲明自己已經管理著價值1萬億美元的資產和由1000多萬個傳感器追蹤的5000多
萬的獨特數據。
GE的車隊服務Fleet Service每天管理著超過26,000的車輛資產,由7.95億美元資產通過260萬個傳感器所產生;
GE采礦方案團隊監控來自世界各地每10分鐘從50個網站超過200000的信號;
GE的700臺9 E燃氣輪機組在全球運作累計超2500萬小時;
GE運輸每年從13300臺機車分析產生了146TB的數據……
隨著大數據、人工智能、互聯網、物聯網的暴發性發展,無與倫比的數據海洋展露出一望無際的浩瀚。那后面一定有財富,五百多年前大航海的故事似乎又要在虛擬空間上演。虛擬海洋的財
富主權同樣并不確定誰是真正的主人,它在呼喚雄心勃勃而有準備的探險者。
制造業上演數據交響樂
工業互聯網的核心是資產管理,尤其是設備資產的數據管理。這與工業4.0強調的生產與制造有很大不同。傳統工業設備每天產生大量數據,如果利用工業互聯網手段將這些數據整合出來提供
給客戶,可能會實現工業設備能源效率的提升;而工業企業合理利用這些數據,也能促進自身以更快的速度發展。因此GE慷慨大方地建議,就地挖寶吧!每一個工業企業投資者都應該理解自
己的互聯網策略是什么。
在GE的眼里,一輛機車就是一個奔跑的數據中心。飛機引擎是飛行的數據中心,它們每天產生巨量的數據,這些數據可以反饋給客戶,用于提升燃油效率,改善它們的環保表現。甚至一個企
業的資產觀也將發生變化:GE的發動機,不必是波音空客的設備,而是GE自己的資產,可以隨時傾聽、維護和預警。換言之,工廠生產的智能產品,也許就像是一只只鴿子,不管放飛多遠,
它們都會為數據中心帶來回信。
先進制造業對GE的影響力正變得更加明顯,這也改變了GE高層的思維模式。在過去,GE發動機大約40%的生產任務外包給全球的供應商;而基于對制造業全新未來的考量,GE不打算外包了,
一反常態地計劃將更多的制造工作放在GE內部,以獲得更多的供應鏈增值。
這是一個清晰的信號,這對于中國制造而言,這也是一個至關重要的啟示:制造業才是未來經濟競爭的基礎。
作為制造業主體之一,GE身體力行地推薦自己的卓越工廠(Brilliant Factory)實踐,這既是高級數據分析向全球進行示范的明證,也是自我發展的最好推動力。GE去年5月在印度普納正式
運營的卓越工廠,可以實現混線生產,如發動機、渦輪以及這些產品零部件的制造。工業互聯網的要素展現得淋漓盡致。
工業數據正在變得無與倫比地重要。在機器發展的歷史上,最早的機器本身并不產生數據。而隨著它和電子技術、信息技術、控制等相融合之后,數據開始出現,并被廣泛收集,但工廠人員
只是做簡單的監控、反饋和分析。
終于,當所有的資產都配備傳感器、能夠定制數據流、記錄硬件的表現,當所有這些數據都可以被分析并用來優化性能的時候,再往前走一步的時刻來臨了:基于專業的分析,智能機器能夠
將生產力提高到一個全新的水平。這就是GE所理解的“工業互聯網”,機器、人、數據可以相連,借助行業知識和專家經驗,通過工業數據的分析,全新的價值出現了。冷冰冰的金屬可以跟
大腦智慧相交融,這是個重新定義“機-智”(Machine+Mind)的時代,數字化開始成為主宰工業升級的新派力量。
工業數字財富之城
GE總裁的視線已經被工業全新的財富所誘惑。伊梅爾特不屑于辯論工業互聯網的技術泡沫是否存在,他強調,目前數字化技術在消費領域APP經濟已經創造超過3000億美元的市場價值。而工業
領域的發展,將遠遠超過這個數字。而GE的科學家認為,即將到來的2030年,工業互聯網將增加15萬億美元的GDP。
GE堅定地相信,全新的工業拐點已經到來。OT技術(運維)將接過神力不再的IT技術的魔棒,數據將成為全新的主導性推動力??恐嫶蟮纳窠浤┥?,所有的實體機器都會轉化為數據經濟,
從而建立一個龐大的數字帝國。所有工業領域的人類知識財富,都在此堆積。
閃耀之巔,那將是一座無與倫比的財富之城。
工業互聯網源自設備資產管理需求
設備維護與能源管理一直是工業領域最重要的命題之一。2012年11月,GE推出了“工業互聯網——打開機器與智慧的邊界”白皮書,熱情洋溢地宣告工業互聯網開啟了工業經濟的新時代,智
能儀表的優化,可以使得單臺設備以最好的狀態運行;而相互連接的機器,則可以形成智能網絡。
在過去,飛機引擎中的傳感器都是被動模式——直到出現故障才會在儀表盤上亮紅燈。這類傳感器有很多,例如測量溫度、壓力和電壓的,其傳感數據過去很少被保留和研究。在大多數飛行
中,引擎只會保留三個平均值,分別是起飛、巡航和降落數據。而在GE的下一代GEnX引擎中(裝備波音787飛機)將會保留每次飛行的所有基礎數據,甚至會從飛機實時傳輸回GE分析。這樣一
臺引擎一年產生的數據量甚至會超過GE航空業務歷史上所有的數據。雖然機器間通過傳感器通訊已經不是什么新概念,但是GE的業務規模能讓這種想法得到更快實現。顯然,作為擁有最大規
模的工業數據集,同時掌握歷史數據并監測未來數據,GE能夠測試任何算法的可行性。這就是GE面向未來的數據戰略。
診斷和預測被認為是面向不同時間的世界觀。以往的設備維護往往都是“應激性”反應,有故障報警再去解決問題,這被稱為“診斷Diagnositics”;而隨著主動性預防和維護的普及,現在
“預測性Progostics”診斷則是希望提前了解設備的運行節點,并做出主動性調整。這已經成為設備資產管理行業發展的主流方向。
根據美國著名的自動化咨詢公司ARC的2015年調查報告,在美國目前只有18%的工廠利用設備數據進行主動性預防維護,而且往往只限于過程參數數據,如材料的溫度、壓力等簡單數據。其他
大量的設備數據都被忽視,直接丟棄。這些數據隨著機器鐵銹,悄無聲息地散發到大氣中了。
然而,隨著大數據時代的到來,工業從業者重新意識到這個充滿鐵銹味的數據的價值。工業互聯網是工業數據覺醒時代的最好代名詞。一個龐大的物理世界——由機器、設備群和網絡組成,
通過大數據與數字分析的能力,與人的決策相連。這種虛實結合的工業新場景,激發了工業的想象力——準確地說,人們試圖給機器開始增加想象力。
工業互聯網的“機與智”
工業互聯網的核心,就是解決人與機器的連接問題。這其中涉及到的先進分析(高級分析),就是工業大數據專業分析。與普通的數據分析不同,它涉及復雜的工業知識模型。
在圖4所示的三個要素中,智能機器將現實世界中的機器、設備、機群和網絡通過先進的傳感器、控制器和軟件應用程序連接起來;高級分析則是使用基于分析與預測算法,結合各種關鍵學科
的深厚專業知識來理解機器與大型系統的運作方式;而人員的連接,也是關鍵的一步。通過實時連接,連接各種工作場所的人員,將人的決策性因素與設計、操作、維護以及服務相關聯。
這是冷冰冰的金屬與智慧的連接與融合,Big Iron +Big Data=Big Outcome(大鐵砣+大數據=大產出)。數據和知識連接了一切設備。
剛剛被GE收購的生命科學儀器制造商賽默飛(Thermo Fisher)的化學分析儀在原有的智能功能基礎上添加網絡連接功能,一旦進入危險環境,化學分析結果就會馬上傳輸給用戶,立即啟動化
學緩解過程,無需等待就實現儀器和人員凈化。賽默飛通過GE的 Predix云平臺,用于安全地獲取、分析和儲存產品數據,并傳輸到公司內部和客戶手上。
而德國醫療設備制造商百多力(Biotronik),生產各種不同的起搏器、胰島素泵和其他設備?,F在百多力決定為所有的設備加上互聯的屬性。突然間,就像是掃地雷的游戲一樣,當一個恰當
的雷點被掃除后,大片的孤島瞬間連成了一個大陸:家庭健康監測系統。病人不同器官的數據,會被整合到一個數據處理中心,這樣醫生就可以全面地監測病人身體健康狀況,而且遠程就可
以實現。
工業升級的斗法路徑
“工業4.0”讓德國工業出盡了風頭,然而這只是面向未來的工業升級的一個技術版本之一。西門子對智能工廠充滿了期待,它很清楚,智能工廠繞不開自動化設備——這是它的強項;智能產
品繞不開產品設計,這也是它的強項。
從GE的工業互聯網定義中看,它并沒有直接回答產品設計問題——似乎忽略了這在工業領域的一個宏大的重要主題。這個一閃而過露出來的空當,很快被同是工業互聯網聯盟(IIC)成員的美
國PTC公司所解決——這是西門子PLM(產品周期管理)軟件領域事業部多年來最大的兩個競爭對手之一。PTC做了一個精準的選擇,將前端的設計研發與后期設備的維護與聯網進行打通。數據
流動,仍然是決定性的焦點,這一點與工業互聯網的戰略高度一致。
連接產品設計與生產制造,打造CPS(信息物理系統)的連通,是德國人選擇的一條路——盡管德國工業4.0所提到的橫向價值鏈體系中,也同樣提到了售后服務,但生產仍然是壓倒性的因素
。
而連接設計與設備資產,尤其設備與決策模型互連,是美國選擇的另外一條路徑。設備相連似乎是一個更容易實現的生態系統。它內在的邏輯,不是更快地生產,更是更高的效率:資源配置
和優化是同樣重要的大事。這對于備受產能過剩困擾、急需降低成本和盡快提升固有資產價值的中國制造業而言,是一個不錯的選項。
工業互聯網的發展與實施路徑
工業互聯網不僅拓展了制造業邊界,而且也進一步呼應了另外一個正在如火如荼燃起的新經濟現象:共享經濟。那就是替代原有的產品所有制,減少把產品據為己有的需求,通過共享閑置機
器形成全新的服務鏈條。“服務即產品”的商業模式允許用戶獲得產品完整的服務,但只需要支付他們消耗掉的那部分產品。顯然,這種變體正是“共享使用”的核心。企業設備的租賃、多
余機器的閑置生產能力,很快將成為工業互聯網利用數據調度物理實體的一個蓬勃發展的方向。
與此同時,無論什么樣的革命,都不能忽略能源機制。而分散式能源將成為當下工業升級的一個不可忽略的現象——美國著名科技學者里夫金已經在狂熱地擁抱這種他認為即將到來的能源革
命。在工業互聯網的體系下,能源管理本來就是其中天生的組成部分。而工業互聯網的開發性與去中心化的特征,也與分散式能源的發展相得益彰。
這些問題都將隨著工業互聯網的進一步發展而愈發清晰。對于當下,更為迫切的需求是,工業互聯網如何迅速落地。在工業互聯網聯盟中,各個成員通過TestBed實驗床,已經迫不及待地推出
了很多有特點的局部實踐和示范點。
如果我們更為現實一點,就整體而言,必須解決四個問題。
設備問題:全新的設備需要具備入網功能;而既有設備的翻新則需要通過各種傳感器進行可靠、安全的數據收集。機器需要開口說話,首先需要不再聾啞——傳感器、接線器、連網都是必須
要邁出去的一步。
數據分析:建立高級數據分析的架構。這看似是個信息化問題,但實際上卻是一個工業技術體系的問題。如何能在在各種資產之上,建立業務模型,使得不同的設備數據可以匯聚和分析,首
先是一個學科工程師、現場技術人員需要回答的問題,其次才是一個IT工程師的問題。采集什么數據,分析什么數據,依賴何種數學模型,都在考驗著一個企業工業技術的Know-How。
系統平臺:建立全新的平臺,在一個共享的體系框架下,支撐不同的應用,從而使得不同領域不同工作組的人,都可以共享信息和知識。GE迫不及待地推廣Predix,這顯然是最佳路徑。不過
對于企業而言,建立一個內部可以共享通用的平臺,應該也是一件必選項。事實上,當產業邊界不知不覺地被拓展,在大規模定制的時代,這個系統平臺將成為企業最有價值的數據資產。
最后一個問題自然是管理問題,也就是商業流程體系將會發生改變。大部分商業決策——如果不是全部,都需要從機器分析中所獲得數據來進行驅動。然而企業管理者必須首先要相信設備入
網、高級分析、系統平臺搭建完全可信,相信工業互聯網正在引起巨變,這一切才會發生。
工業互聯網不是互聯網的工業化,而是設備管理效能的深度升級;不是簡單的數據能力挖掘,而是一個生態體系的建設。在這一生態體系下,萬物互聯,人機的融合到達了一個巔峰的高度。
在工業互聯網的眼界中,以前的機器忽然變成了一個偷懶的家伙:愛耍脾氣愛生病愛罷工。這次,它的健康情況被無數個神經網絡無時無刻地監控起來。數字化武裝的賽博系統變成它的新管
家。所有的機器和設備被逼到極致,工業互聯網使得設備故障的幾率和時間大幅度降低,而且讓設備能夠在能耗最低、性能最佳的狀態中工作。