应用

技术

物联网世界 >> 物联网新闻 >> 物联网热点新闻
企业注册个人注册登录

这工业物联网发展的几大阶段,你在哪个位置?

2018-08-27 08:28 智物联

导读:近几年,工业物联网发展的如火如荼,各种服务商、集成商如雨后春笋不断涌现,逐鹿市场。但工业物联网在工业制造中部署落地的情况却不容乐观,那么,发展工业物联网,难度究竟在哪里?或者说哪些能力才是工业物联网厂商们的核心竞争力?

  近几年,工业物联网发展的如火如荼,各种服务商、集成商如雨后春笋不断涌现,逐鹿市场。但工业物联网在工业制造中部署落地的情况却不容乐观,那么,发展工业物联网,难度究竟在哪里?或者说哪些能力才是工业物联网厂商们的核心竞争力?

这工业物联网发展的几大阶段,你在哪个位置?

  我们把工业物联网的难度总结为一个倒三角。

这工业物联网发展的几大阶段,你在哪个位置?

  工业物联网的技术难度

  但实际市场中,工业物联网的竞争状态,呈现出的是一个正三角。

这工业物联网发展的几大阶段,你在哪个位置?

  工业物联网市场竞争者分布

  为什么会呈现出这样的分布,要从工业物联网的技术体系说起。

  我们将工业物联网的技术应用分为以下七层:

  层级L1、C1: 设备联网,数据采集

  随着工业物联网的快速发展,很多传统的工业制造企业将目光转向了设备数据,要实现智慧管理、数据处理,第一步需要拿到设备数据。那么对于工业设备来说,数据采集很难么?设备生产厂家自己不能做?当然不是。

  其实工业设备数据采集,就是做一个硬件终端,与设备交互,只要弄明白交互的物理接口、交互协议、数据类型等,这个事情就不难。但拥有协议的设备厂家,为何自身没做数据采集,而是通过第三方来获取数据,其中的难点不在数据采集本身,因为工业设备的数据具有海量且无序的特点。

  例如,单个数控机床设备,每秒产生的数据可以达到400M,按照一条产线上有10个工位十台设备来计算,五条产线的话,一个简单的工厂,其数据生产量每秒钟能达到20G,而我们使用的普通手机流量也不过是每月10G左右。

这工业物联网发展的几大阶段,你在哪个位置?

  除了数据采集,还要对数据进行存储、分类、处理等等,这些都是厂家需要面临和解决的问题。中国制造业现状决定数据采集将是非常大的市场需求,正催生了大量的硬件制造商、数据采集集成商等提供基础数据互通能力的服务企业。

  层级L2、C2:数据接收,数据存储,云平台

  云平台很难吗?设备生产厂家自己做不了,其他软件公司不能做吗?MQTT就是物联网了吗?

  当然是否定的。

  云平台的难度当然比做一个数据采集终端要难一些,但云平台归根到底,还是一个解决终端规模接入处理能力,如何解决大规模并发的数据存储问题,这也是一个纯粹的技术问题,即便设备厂家做不了,还是有很多物联网公司能去做这件事,例如阿里云、华为云、汇川等企业。看中的正是它们的云部署能力和雄厚的实力,对于云中部署的数据有比较高的保障,这是一般的企业想做也没有能力做好的。

  不过话说回来,工业物联网数据是一个时序数据,绝大多数情况下,并不能使用一般软件公司通常熟悉的关系数据库,这对物联网企业来说是一个不小的门槛,但这门槛并非不可逾越。

  层级L3、C3:数据处理

  云平台虽然解决了数据接收和存储需求,但业内人都知道,这是非常复杂的时序数据存储。数据被保存到云平台后,该怎么处理?这件事情是想着简单,实际部署却有一定难度。

  近几年,市场中涌现了大量的物联网云平台服务商,但大多数能力有所差距,并未具备完善的数据处理能力,采集到的数据就像一堆面粉,非专业的云平台也就像一个面粉仓库,把一堆堆面粉放到仓库,期间只是面粉堆不断增大了而已,海量而零散的数据并不会给企业带来价值。

  所谓数据处理,就是把数据进行高度的抽象,并进行必要的处理,让这些数据更加有序的保存,高效的检索,便于后续的数据应用、统计、分析计算。

  数据处理这个环节,事实上很容易被忽略,绝大多数物联网服务商并不明白数据处理是怎么回事,更不知道如何去做好数据处理,只能把采集到保存过程中的数据直接应用,这就带来一系列问题:

  面临大量数据,只能展现零散的数据,而无法准确判断数据关联关系,且无法辅助决策等等。到了这一层,各类物联网企业的实力差距就已经明显体现出来,能够有效处理数据的企业往往能够更快速的切入行业,为客户提供数据价值。

  层级L4、C4:数据分析,分析结果应用

  物联网平台开始走向平民化,非IT的专业人士可以轻松上手工业APP应用,对于绝大多数企业也无多大难度。

  工业物联网的窘境,就是要面对一堆数据,却又无法从数据中看出有效信息,对于数据应用来说就更加困难。数据分析的目的就是弄清楚,这些工业数据背后的含义。这个事情的难度,远远超过前面的三件事情,即使是软件公司也不一定有这个能力,因为这些事情程序员做不了,数学工程师也不一定就能做。想要实现数据的分析与应用,就要跨越数学与工程的鸿沟,建立数学与工程桥梁。

  数据分析对工业物联网来说,两个方面:

  -A- 分析数据,形成分析结果,这是数据分析必须要做的一个基础的事情。

  -B- 合理应用分析结果。

  现阶段的工业物联网企业,普遍还处在第一个“分析数据”,极少数开始做第二个。

  分析是手段,而非目的,分析的目的就是要把分析的结果应用起来。对于智物联而言,分析的目的即是实现安全生产+节能减排+提高效率。这件事情是一件实实在在的事情,只是吹捧概念、无法真正落地的企业是很难做到预测性维护。智物联已经实现了设备连接、数据处理、业务应用的综合使能平台,可以面向各类工业场景应用,并处理各种设备和数据,目前的工业设备接入量达20万台,累积超过10T的工业运行数据。

  层次L5、C5:工业物联网体系化建设

  工业物联网体系化建设,是工业物联网解决方案提供商最值得自豪的地方,在某种程度上,这也是区别于其他物联网企业的地方,是企业在市场竞争中真正的软实力。

  在物联网洪流中,也许做数据采集、云平台、数据处理、数据分析的人或者企业会很多,但真正形成一个完整体系的却甚少。思科就是一个行业典范,当他们研制出第一台网络路由器的时候,这台路由器已经是思科体系中的成员了,他们的体系中包括了产品系列、产品线、思科标准、思科统一脚本语言等。

  这件事情如果不是一开始做好,后面体系基本上是无法建设和完善的。

  层次L6、C6:商业模式

  工业物联网的商业模式,与互联网模式有很大的不同,一不留神就会陷入困境。

  拿智物联来说,很早便瞄准了—设备生产厂家,我们认为这是一条直接敲开设备数据大门的最佳路径。

  设备厂家普遍的工业物联网需求,即让厂家知道他们的客户都是谁,以及设备位置、设备操作方法、设备运行方式、故障问题、故障处理,了解同一种设备在不同的地方使用所造成的差异、不同的用户使用习惯对设备运行带来的不同影响等。毫无疑问,通过物联网,让他们把服务从被动变成主动。

  智物联则不遗余力地为厂家提供所需的方案服务。智物联的模式核心,就是在提供给设备厂家服务的同时,还提供了一个以 EXP(Expert)为主的系列应用,包括边缘计算终端,给设备使用者提供了工具和利器,让设备使用者得到实惠,能更加了解设备的运行情况,更加了解设备的潜在风险,还能知道如何调整运行参数以达到节能、提高产能的效果等等。厂家可以把应用当成自身设备附加的增值服务提供给他们的客户,这些增值服务就具有了收益可能,为消化物联网带来的新成本提供了可能。

  不同的企业在出发的时候,或多或少会走弯路,但是最终会走出属于自己的商业模式,而选择怎样的商业模式就决定了在一段时期内企业将如何增长,在市场中占据什么样的位置。模式本无对错,但市场会做出适当的选择。

  层级L7、C7:市场营销,项目落地,知识体系传递

  这是一个终极环节,也是价值兑现的“最后一公里”。

  无论是政策的推动还是市场红海,工业物联网的市场营销已经逐渐成熟,国内也有大量实施项目落地,从工信委的示范项目到广东省的“上云上平台”,展现出的是一片欣欣向荣的昌盛景象。

  智物联是一个拥有完整工业物联网体系的企业,在多个行业积累了大量的经验,我们的知识体系在行业内不断被认可并具备传递的价值。从最浅显的层次,让客户学会如何使用MIXIOT平台,比如,如何确定物联对象,如何编写数据采集终端(适配器)与设备之间的复杂对应关系,如何编制统一代码,如何布局数据展现显示板,如何进行运行相关的统计报表,如何配置分析项目,如何看懂分析结果,如何把边缘计算终端的输出策略告诉设备等。

  深入一些,就是让客户学会如何利用 MIXIOT平台解决更加复杂的问题,从单体设备到多个设备组成的装置,到多种装置构成的生产线、多个产线组成的车间,到整个工厂…….,更深层次的意义,就是 MIXIOT 成为解决问题的标准,而这个标准的创立者是智物联。

  往往,我们不单要告诉客户你需要什么样的工业物联网,同时能够提供有效的工具和标准的方法。要清楚地知道,厂商不应只着眼于提供各种硬件、软件、平台、数据模型,而是要向使用者提供这些硬件、软件、平台、数据模型,为自己服务的方法。