今天我想從這兩個方面來闡述一下我對數字化、智能制造，數字化工廠，工業互聯網和工業物聯網的理解，他們之間的邏輯關系，以及現實狀況是怎么樣的，未來可能的一種演變趨勢。第一是數字化工廠頂層設計與規劃，以及數字化工廠和智能制造的關系。第二是工業互聯網架構、工業物聯網、以及工業互聯網與數字化工廠之間的關系。

我先做一個自我介紹，我叫柏雋，以前在西門子研究院工作，主要做工業4.0相關的技術研究和咨詢工作，現在創業主要做數字化工廠頂層設計與規劃咨詢，以及工業互聯網相關軟硬件技術解決方案。

對數字化工廠的理解

第一個話題，我先聊聊數字化工廠和智能制造的關系。我理解的是數字化工廠是智能工廠的落腳點，而智能工廠又是智能制造的基礎和落腳點。只有實現了數字化工廠，才有可能實現智能制造，數字化本身其實是智能的一部分，是一個入口；而智能工廠是在數字化工廠的基礎上附加了物聯網技術和各種智能系統等新興技術于一體，提高生產過程可控性、減少生產線人工干預。

而智能制造又是一個更大、更宏觀的概念了，目前沒有明確的一個定義，我也沒有看到一個表述特別精辟的定義，我個人是比較欣賞NIST對于智能制造系統的特征解讀：互操作性和增強生產力的全面數字化制造企業；通過設備互聯和分布式智能來實現實時控制和小批量柔性生產；快速響應市場變化和供應鏈失調的協同供應鏈管理；集成和優化的決策支撐用來提升能源和資源使用效率；通過產品全生命周期的高級傳感器和數據分析技術來達到高速的創新循環，就是如下這張圖。

數字化工廠概念的形成是在20世紀90年代，主要解決設計與制造之間的鴻溝，那個時候叫數字化工廠I，主要的指導思想有并行工程，精益生產等，主要的技術由三維可視化技術、虛擬現實技術、建模技術、快速成型技術，cad，cam，erp和柔性制造系統fms這些技術。發展到21世紀初，有學者著提出數字化工廠II，研究的目標轉向在解決工藝規劃問題的同事，更好的將各個軟件進行有效集成，使得產品在整個生命周期內的整個過程都可以在計算機上虛擬進行。

國內對數字化工廠的研究主要集中在高校，國內現在這么流行，其中西門子起到了至關重要的作用，成立了DF數字化工廠集團，又在2012年在成都建立了最大的數字化工廠（SEWC），通過在整個價值鏈中集成IT系統應用，實現包括設計、生產、物流、市場和銷售等所有環節在內，高度發展的全生命周期的自動化控制和管理。

講歷史講概念的目的是讓大家首先有一個體系框架，了解現在這些熱詞之間的一個邏輯關系。那么數字化又是更大一個概念了，數字化技術和各行各業都可以結合，可以這么理解數字化+制造業形成了工業4.0或者智能制造這么一個大的應用領域，演變的趨勢如下圖所示。

再看看經典的波特價值鏈模型，在2b領域，如今名詞這么多，只是視角不同，在我看來都是波特價值鏈模型的全面數字化，包括所有支撐活動和基本核心活動。數字化這個詞加上場景和地點，衍生出了工業4.0，智能制造，新零售等等這些新名詞，有時間我來總結一下數字化和全價值鏈環節的融合和交互，數字化是如何改變生活、消費、工業和產業的。

講了數字化工廠就不得不提數字化工廠頂層設計與規劃，數字化工廠規劃作為當前智能制造落地的首要環節，可以幫助企業在數字化轉型升級的過程中明晰企業的核心優勢、發展瓶頸, 并根據現有狀況找到可行落地路徑。企業在數字化轉型過程中會遇到各種各樣的問題，生產領域的、信息化領域的、自動化領域的，因此需要建立頂層框架來進行思考。我研究參考了眾多工業4.0框架體系后，提出的針對企業的數字化轉型的“金字塔容器”模型，對既有的制造金字塔進行了改良。

“金字塔容器”模型的重點，是根據當前企業現狀從管理咨詢維度、運營咨詢維度以及IT信息化維度，分解智能制造時代數字化車間、數字化工廠和數字化企業的層級關系，面向落地和實施。 

最底層是數字化車間，主要是車間設備、PLC和HMI。中間層是數字化工廠，一般的話是由控制系統和運營系統組成，有MES和scada。最上層是數字化企業層，包括ERP、PLM還有電子商務、客戶關系管理等等。旁邊是每一個層次需要的不同的運營咨詢的一些方法論，比如說5S、TOC、shopfloor是在車間管理層面，LEAN屬于工廠層面。旁邊還有兩朵云是有關數據分析的服務，目前業界大家現在聽到最多的是有關設備的數據的分析，其實在往上面話還有一些訂單數據、產能數據分析的服務，這也是很大一塊數據的寶藏沒有被挖掘。

數字化工廠規劃的方法和工具有很多，我在中國工業評論和知識自動化上發表過一篇文章“數字化工廠規劃之七劍下天山”，大家有興趣可以看看，今天這里就不展開了，我重點找一個實際的規劃案例給大家分析下，企業在建設數字化工廠或者數字化企業所遇到的一些問題和解決方法。

在數字化工廠規劃中，不是說直接就開始到MES或者APS層面的規劃，客戶的想法往外比較直接，以為數字化工廠就是上一個自動化產線或者上一個mes，這種情況都是只見樹木不見森林，往往中小型企業居多。尤其現在隨著智能制造的大熱，上MES系統成了很多制造業企業在做數字化轉型的核心手段。在ERP時期，ERP實施成功率很低，其實放到現在上MES也是一樣的，涉及到企業生產管理的方方面面，如果沒有規劃好匆忙上線，不僅不會提高效率，還會因為生產流程的打亂影響產品交付和客戶滿意度。MES的導入需要正確的規劃，嚴謹的供應商選型，科學的實施，這三個重要的環節缺一不可。

我們的做法是分析企業整體現狀，包括企業規模、所屬領域、主營業務、企業生產經營特點等情況。然后選取一家所屬對應行業的標桿企業，重點就其智能制造發展現狀進行分析，從自動化、信息化、智能化等方面進行展開和梳理。

基于企業現狀，梳理企業的競爭優勢、劣勢，找出目前企業存在的問題和不足，以及未來發展的機會等。結合行業特點、產品特點和市場方向，針對企業市場營銷、產品技術研發、生產過程管控、供應鏈管理、質量管理、設備管理等關鍵業務領域進行詳細調研分析，識別各流程的業務需求和關鍵流程KPI(關鍵績效指標)，提出企業存在的問題和不足，針對性地給出管理優化建議和數字化建議。如下圖所示

當然有些企業還會給他們提出數字化人才發展建議，人員梯隊的建設也是非常重要的，數字化落地靠的還是有經驗有技術的人。時間關系，數字化工廠和智能制造這個主題就先分享這么多，歡迎大家后續多聯系交流。

對工業互聯網的理解

第二個主題，我想簡單講一下我對工業互聯網的理解。2017年11月27日，國務院印發《關于深化“互聯網+先進制造業”發展工業互聯網的指導意見》之后，工業互聯網成了和智能制造齊頭并進的中國制造2025的兩大主攻方向。

國內一下子涌現出了20多家工業互聯網平臺，資本市場也是甚為關注，其中富士康工業互聯網股份有限公司首發獲通過，過會僅僅用了36天創造了A股市場IPO的新速度，讓整個行業為之側目。據稱證監會發行部釋放重要信號，帶有“四新”（新技術、新產業、新業態、新模式）元素的生物科技、智能制造（云計算）、互聯網及生態環保領域的獨角獸加快IPO進程。今天我不去詳細介紹每一家工業互聯網平臺的模式和特點，我重點講一下他們相通的技術架構部分。

工業互聯網的叫法很多，有叫工業云的，有叫產業互聯網的，有叫操作系統的，其實對于我理解工業互聯網則非常樸素，我是一名創業者，研發工業互聯網相關解決方案產品。相信這么說，大家也能很快了解工業互聯網平臺的本質，工業互聯網平臺其實本質上說是一個基于云平臺的數字化、網絡化、智能化（智能制造）解決方案。

安司長有一張圖很經典，工業云到工業互聯網的五個階段，闡述清楚了工業云和工業互聯網的核心區別。簡單理解工業云只是研發工具類上云，和核心業務系統上云。而工業互聯網把上云的范圍拓展到了設備層面，制造能力交易層面。再一個從構建基于私有云的“工業PaaS+工業微服務+定制化工業APP”，到構建基于公有云加入海量第三方開發者體系，這個是明顯的一個工業互聯網特征區別于傳統的IT架構解決方案。

所以到了這里就可以明顯的感受到工業互聯網到底是怎么一回事情，簡單說，就是利用2c端快速發展的互聯網技術架構體系，解決2b端的業務問題，形成基于互聯網平臺形式的協同制造和第三方生態開發體系。這里如果之談技術架構，不談業務需求的話，那其實談工業互聯網基本上就回到了談云計算、物聯網以及微服務、容器、Devops這些相關的互聯網底層技術和開發運維方法論。

這張圖是我前兩年畫的，這是我當時對大概工業數字化每個階段的技術和應用演進趨勢的一個預判，現在來看工業軟件app store還算是猜的比較準，不過那個時候還不叫工業互聯網，也沒有現在的百萬APP這種政府層面的推動政策，每個階段持續的時間節點是拍腦袋有點樂觀的，第四個階段當時歸結為CPS，也不知道到時是不是還叫這個名字。

anyway，不管叫什么，預測大概會走成這么一個樣子。以前有erp、mes的區分，那是歷史原因造成的，就比如沒有iPhone的時候，大家出門得帶手機、照相機、指南針，現在就帶一個iPhone就可以了。回過頭來，還是再說說工業互聯網的四層架構，分別是數據采集（邊緣計算層），LaaS層，工業Pass層，工業App層。這次層在往下分解其實就是數據中心、基礎架構、操作系統、運行環境、應用和數據這幾層。所謂pass層，或者laas層的劃分，只不過是看哪些能自己做，哪些交給更專業的服務機構來做。

數據采集，邊緣計算層，是相對來說比較新的概念，在傳統IT架構和工業云的時代還不怎么提及。邊緣計算指在靠近物或數據源頭的一側，采用網絡、計算、存儲、應用核心能力為一體的開放平臺，就近提供最近端服務。其應用程序在邊緣側發起，產生更快的網絡服務響應，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求。邊緣計算處于物理實體和工業連接之間，或處于物理實體的頂端。而云端計算，仍然可以訪問邊緣計算的歷史數據。

對物聯網而言，邊緣計算技術取得突破，意味著許多控制將通過本地設備實現而無需交由云端，處理過程將在本地邊緣計算層完成。這無疑將大大提升處理效率，減輕云端的負荷。由于更加靠近用戶，還可為用戶提供更快的響應，將需求在邊緣端解決。目前不少廠商在做這一塊的事情，比如華為，HPE等著名大廠。

HPE Edgeline EL1000 融合邊緣系統針對不需要云連接的復雜實時工業應用，PE Edgeline產品相當于將數據中心級的計算帶到網絡邊緣，能夠提供數據采集、狀態監控、機器學習和預測性維護的能力，所有數據分析組件，包括數據建模、機器學習、實時數據分析和預見性維護，都在EL1000上實時本地執行，而不需要連接到云或者遠程數據中心。

今天我還想重點談一下Devops，這個是目前制造業企業轉型做工業互聯網平臺繞不開的話題，目前在國外，互聯網巨頭如Google、Facebook、Amazon、LinkedIn、Netflix、Airbnb，傳統軟件公司如Adobe、IBM、Microsoft、SAP等，亦或是網絡業務非核心企業如蘋果、沃爾瑪、索尼影視娛樂、星巴克等都在采用DevOps或提供相關支持產品。

DevOps一詞的來自于Development和Operations的組合，突出重視軟件開發人員和運維人員的溝通合作，通過自動化流程來使得軟件構建、測試、發布更加快捷、頻繁和可靠。DevOps工具是非常多種多樣的，甚至可以由多種工具組成一個完整的DevOps工具鏈。此類工具可以應用于一種或多種類別，并可體現出軟件開發和交付過程的不同階段：編碼，構建，測試，打包，發布，變更管理，配置，監視等。而平常我們所說的諸如Docker（容器化）、Jenkins（持續集成）、Puppet（基礎架構構建）、Vagrant（虛擬化平臺）等常用、廣泛使用的工具都是服務于Devops核心思想的。

我們現在談智能制造，那么具體智能體現在哪里？其實就是四個詞，數據、模型、軟件、算法。工業軟件是重中之重，回顧軟件行業的研發模式，大致有三個階段：瀑布式開發、敏捷開發、DevOps。DevOps早在好多前就有人提出來，但是，為什么這兩年才開始受到越來越多的企業重視和實踐呢？因為DevOps的發展是獨木不成林的，現在有越來越多的技術支撐。微服務架構理念、容器技術使得DevOps的實施變得更加容易，計算能力提升和云環境的發展使得快速開發的產品可以立刻獲得更廣泛的使用，下面這張圖可以很形象的展示。

所以，通過這張圖總結一下，工業互聯網從技術層面來說，拋開制造的屬性和業務的屬性，本質上還是一個IT平臺，IT行業已經越來越與市場的經濟發展緊密掛鉤，這個變化已經開始了，這不僅體現在Google、蘋果這些大企業中，而且也發生在傳統行業中，比如出租車業務中的Uber、酒店連鎖行業中的Airbnb、圖書經銷商Amazon等。

能否讓公司的IT配套方案及時跟上市場需求的步伐，在今天顯得至關重要。大家可以想象一下，這些服務敢宕機嗎？敢停止服務嗎？同樣，工業互聯網平臺敢宕機嗎？敢停止服務嗎？

DevOps 2016年度報告給出了一個運維成本的計算公式：

停機費用成本 = 部署頻率 * 版本迭代失敗概率 * 平均修復時間 * 斷電的金錢損失。

如果答案是不敢的話，開發運維一體化工業PaaS平臺建設，以及相關的各種新技術、新工具、新方法論的使用，就是工業互聯網平臺企業所需要核心關注的要點。