• 发布日期：2017-06-30
  分享

工业互联网是物联网、大数据(包括能够自学习的认知计算)、企业级云平台等新一代IT技术与工业系统深度融合形成的一种新的应用生态。工业企业的转型要从自身的条件出发，先在实践中摸索，然后逐渐深入和延伸。转型过程中重要的是要有一个统一、开放和可扩展的架构，为后续渐进的深入和延伸提供平台支撑，这就是工业互联网对智能制造体系的系统支撑。

当前，智能制造热度高涨，石化、钢铁、机械装备制造、汽车制造、航空航天、飞机制造等行业纷纷开始探索建设智能工厂。《中国制造2025》明确提出要推进制造过程智能化，在重点领域试点建设智能工厂、数字化车间，这必将加速智能工厂在工业行业领域的应用推广。预计未来3-5年，全国将涌现出一批智能工厂。

一、以工业互联网视角探索智能制造演进

从工业发展的历程来看，历经蒸汽机工业1.0时代、电气化工业2.0时代、信息化工业3.0时代，而物联网、大数据等新技术与工业技术的深度融合，使得工业进入智慧化的时代，即工业4.0。工业4.0是在个性化智能产品的需求驱使下，并在以物联网、大数据为基础的工业互联网背景下出现的新一代变革趋势。新的变革具备三个特征：

垂直整合（企业内）

各机器及生产线的自控系统、工厂的制造执行系统(MES)、以及ERP等系统的整合，打破信息化系统与自动化系统之间的历史鸿沟，使工厂与企业的生产制造能力得以优化。

水平整合（企业间）

企业内部及跨企业边界的各业务系统之间的整合，使得信息的共享、业务功能的组合可以跨越组织的边界，使价值链的整体竞争力得以提升。

端到端价值链的数字化整合（生态链）

这是实现“智能制造云”的愿景，用户只要提交需求，就可以获得所需的产品，而云端相关价值链各企业的制造与业务能力都以API的方式发布，使得快速柔性组合与安全调度执行成为可能，最大化发挥生态系统的设计、制造、服务等多方面的综合能力。

二、工业互联网推动智能制造的“三驾马车”

资产智能管理、工业大数据分析以及物联网，工业互联网这“三驾马车”，是实现智能制造的关键。资产智能管理是智能制造数据的核心来源，通过工业物联网的平台连接了所有人、物与事，然后利用大数据工具来分析已知事件，预测问题，挖掘新知识，协助管理决策等。

资产智能管理是一种强大的数据来源

资产智能管理（AIM）、传统资产管理（EAM）以及资产性能管理（APM）能够实时产生大量数据。资产智能管理无间断地处理制造各个领域生成的数据，包括历史记录数据以及实时质量流程中获得的时域信息。以资产只能管理为例，仅仅通过监测一定数量的设备的实际运行时间来安排预防性维护并不足以成为大数据手段。但是如果用户使用震动分析、热红外成像、流程条件数据、实时位置信息以及在互联网上搜索有关类似设备的失效模式时，才真正涉及到了大数据处理。概括的说，把所有这些资产设备的数据源结合起来，再利用演绎和预测分析等方法对这些数字进行分析时，这是实现智能制造管理关键步骤。

工业物联网平台

工业物联网实现了产品的可溯源，降低了质量成本，而且在流程数字化方面推动了制造业智能化。流程数字化带来的好处是从设计到用户体验，一切都是有数据信息可追溯。这样，制造商不仅可以理解实体产品是怎样设计和制造的，还可以了解用户体验如何以及如何与产品互动。

大数据分析工具

随着数字处理能力的不断提升以及工业物联网平台日益成熟，海量的数据需要被解锁处理，这些与制造流程紧密相关的数据与其他的数据加以融合，应用新的分析工具（例如：图像、视频、地理空间、时间序列、预测模型、机器学习、优化、模拟和统计过程控制等分析工具）对组合后的全新数据模型进行分析，可以根据需求得到不同的分析结果。

三、新华三工业互联网实践

企业动静资产管理、物联平台建设、大数据分析，作为工业互联网的三驾马车，在企业不同阶段的新业务探索时，往往是先单一系统建设，然后集成整合，最终实现系统性的新业务架构。如下，我们阐述了新华三供应链基于工业互联网构建新IT业务的实践。