工业互联网系列第二篇 数据驱动的模式创新

工业互联网不仅仅是一种技术，和消费互联网、云计算一样，工业互联网的应用能改变传统的工业企业生产组织的运作方式，改变利益相关者的交易结构。本文从技术体系出发，探讨了传统的工业企业如何通过数据驱动来创新商业模式。

企业商业模式创新的三种模式

何谓商业模式？清华大学经管学院魏炜、朱武祥两位教授在《发现商业模式》一书中是这样定义的：商业模式指的是利益相关者的交易结构。利益相关者包括企业的供应商、客户、股东、经营管理者、员工。它从企业定位、业务结构、关键资源能力、盈利模式、自由现金流及企业价值五个方面描述了商业模式。瑞士人Alexander Osterwalder和比利时人Yves Pigneur在合著的《商业模式新生代》一书中从客户细分、客户关系、客户渠道、价值主张、关键业务、核心资源、合作伙伴、成本结构、收入来源九个方面描述了商业模式。商业模式的创新有持续性创新、跨越性创新和主控式创新三种。持续性创新指企业持续改进产品或者内部的组织结构、运营流程达到创新的目的；跨越性创新指企业创新到一定程度后，从根本上改变了产品结构、收费模式，从而改变了原有的利益相关者交易结构；主控式创新不直接从市场调研出发，而是研究消费者的潜在需求，并以突破性的创新研发赋予产品新的功能，即所谓供给拉动消费。

第四次工业革命各国的技术体系

第四次工业革命是以智能化为核心的工业价值创造革命，为了满足客户个性化的需求必须将传统的刚性生产模式转变为柔性生产模式。因此，仅仅靠在现有的控制与信息系统升级是满足不了智能化的要求。德国工业4.0工作项目包括“智能工厂”、“智能生产”、“智能物流”、“智能电网”、“智能建筑”等项目。其中“智能工厂”部分根据德国自身在制造业中的优势，从产品的制造端提出了智能化转型方案。其核心是利用物联网和Cyber-Physical Production System, CPPS）等技术，为生产过程中的每个环节建立信息化的链接，实现“人、机、物、法、环”的信息的高度透明。在实施方案的规划上，德国提出了“二维战略”的发展思路，从纵向和横向这两个维度推进工业体系的智能化。纵向指的企业内部“端到端的信息融合”，实现从最底层的驱动器和传感器信号到最高层的战略决策层的无缝连接，横向指的是企业内部价值链及上下游产业链的整合和协同优化。

不同于德国在制造业和控制领域的深厚功底，美国人在互联网技术及应用上有先天的优势，因此其选择的方向是智能互联。美国国家科学基金会（NSF）最早于2006年就提出了CPS的概念，即从实体空间的对象、环境、活动中进行大数据的采集、存储、建模、分析、挖掘、评估、预测、优化、协同，并与对象的设计、测试和运行性能表征相结合，产生与实体空间深度融合、实时交互、互相耦合、互相更新的网络空间；从而通过自感知、自记忆、自认知、自决策、自重构和智能支持促进对象的全面智能化。

以CPS为核心的智能化体系，正是根据工业大数据环境中的分析和决策要求所设计的，其特征是：智能感知、数据到信息的转化、网络的融合、自我的认知、自由的配置。根据这五个特征，构建五层技术模型。第一层是智能感知层，如何高效和可靠地采集数据。第二层是数据到信息的转换层，也就是信息的挖掘层，如何把各传感器、控制器、及管理信息系统的数据抽取出来转换成信息。第三层是网络层（Cyber），这里的网络不同于信息系统讲的网络，指的是网络化的内容管理，是面向设备集群及整个公司的运营及经营活动的横向数据挖掘。第四层认知层，也就是识别与决策层。通过CPS的网络感知，根据健康状况的历史性分析、通过某种特定的算法预测潜在的故障，为决策提供依据。第五层是配置层，也就是执行层。由于可以追踪机器的健康状况并做出智能分析，可以根据历史数据及实时采集到的数据动态调整参数，从而优化配置，达到自适应。

为了落实《中国制造2025》，工信部于2015年发布了《智能制造发展规划（2016-2020年）》。智能制造系统架构从生命周期、系统层级和智能特征三个维度对智能制造所涉及的活动、装备、特征等内容进行描述，主要用于明确智能制造的标准化需求、对象和范围，指导国家智能制造标准体系建设。

数据驱动的模式创新

2012年11月GE发布了《工业互联网打破智慧与机器的边界》白皮书，并在白皮书中首次提出了工业互联网的概念。代表的是一个开放、全球化的，将人、数据和机器连接起来网络。其核心三要素包括智能设备、先进的数据分析工具、以及人与设备的交互接口。根据GE估计，工业互联网的技术创新将在规模超过32.3万亿美元的经济活动领域内得到直接应用，到2025年，工业互联网的应用领域将达82万亿美元规模的产出。

2019年2月中国工业互联网产业联盟发布了《工业互联网平台白皮书》指出工业互联网平台正在驱动工业全要素、全产业链要素、全产业链要素、全产业链价值链，实现深度互联，推动生产和服务资源优化配置，促进制造生产和服务资源优化配置，促进制造体系和服务再造。在体系和服务再造，在现阶段的工业数字化转型过程中开始发挥核心支撑作用。首先是颠覆了传统工业软件研发体系，由软件销售模式变为SaaS模式，其次是变革了传统工业企竞争方式，由单纯的产品向产品+服务转型，第三是重新定义了工业生产关系与组织方式，平台打破了产业、企业之间的边界，促进制造能力、技术资金能力、技术资金能力、技术资金人才的共享流动，实现生产方式和管理的解构与重。

根据GE对工业互联网的描述智能设备、智能系统和智能决策代表着机器、设备组、设施和系统网络所构成的物质世界更深入地与由连接、大数据和分析所构成的数字世界融合的主要方式。利用智能设备产生的海量数据是工业互联网的一个重要功能，只有从联网的智能设备中获得数据，才有可能利用大数据及人工智能的分析工具得到“智能信息”供决策者使用，工业互联网的数据循环见下图。

工业互联网的第二个层级是智能系统，包括整合广泛的机器仪器仪表及系统网络上部署的软件。包括运营网络优化、预测性维护、系统快速恢复、机器自学习等。工业互联网的第三个层级是智能决策，当智能设备和系统收集到足够的信息以促进数据驱动的学习时，智能决策就出现了。GE的工业互联网体系结构和美国的GPS五层模型颇为相同。

不管是德国的工业4.0还是美国的CPS、工业互联网及中国的智能制造，其核心是数据。没有数据的采集和分析、利用就没有智能化。因此很多公司将数据作为企业的核心资产并上升到企业战略的高度来看待，2015年埃森哲和GE对中国、美国、德国、英国、印度和南非等企业做了调研，并发布了《2015年工业互联网洞察报告》。报告指出，航空工业有多达61%的企业把数据应用作为公司最高优先级战略事项，风电和传统的制造业这一比例也有45%和42%，而在油气能源领域也有56%的企业把数据资产管理作为公司的战略性事项管理。而且这一比例在逐年提高。

数据给工业企业带来的价值可以从企业内部经营管理和外部市场两个方面来分析。内部经营管理的核心要素是如何降低运营成本和提高科学决策水平。比如对于煤电行业来讲，60%以上的成本是燃料，如何提高能效直接决定了火电厂成本的高低。因此需要构建影响能效的数据资产图谱，找出影响能效的相关性因子，通过大数据分析确定能效和相关因子函数关系，制订科学的燃煤掺烧比。对于钢铁、机械制造业、油气管网等重资产行业来讲，如何延长设备的寿命，减少因为非计划性停机而产生的损失则是企业经营者重点考虑的问题。如何通过数据分析由传统应急性维护迈向预测性维护？首先找出产生零部件和整机缺陷的相关因子，并构建临界缺陷和相关因子的函数关系。通过传感器实时采集的状态数据和历史维修记录的综合分析，预测设备可能出现的故障时间和故障点，可以提前维护。

国内某特大型加工企业主要给苹果等品牌手机代工，3C加工刀具的磨损是影响企业成本的重要因素。减少刀具磨损延长刀具的使用寿命能显著提高经济效益。工程师们知道刀具切削面的磨损会导致切削阻力变大，相应地机床主轴电机电流、电压也会上升。通过构建刀具切削面的磨损和电流、电压变化的函数关系，通过测量机床电流电压的变化能知道刀具切削面的磨损，然后反馈给控制系统，由控制发出指令给全自动数控机床调整刀具切削面，从而做到刀具各个切削面均衡使用，达到延长刀具使用寿命的目的。单这一项的成本节约每年就数千万。家电行业的痛点是销售预测不准而带来的产品和原材料库存周转率低，从而大大提升了企业经营成本，按订单生产和零库存是企业追求的目标。通过消费互联网打通和消费者的连接，客户通过消费互联网进行个性化定制和订单提交。客户的个性化定制订单传到产业互联网平台。然后是设计、生产排程、原材料采购到柔性制造等一系列复杂的流程把产品生产出来，最后再通过消费互联网平台把产品交付到客户。这一人、机、物的高度协同必须依赖于数据来驱动，以订单这一数据来驱动后面所有的一系列活动。

数据给工业企业带来的价值在外部市场的体现是能提高产品的附加值。GE生产的航空发动机市场占有率超过50%，在提出工业互联网前是单纯地销售发动机给飞机生产商。对于航空公司来讲减少发动机故障而导致的航班延误及降低安全风险是他们的核心诉求点。GE利用他们在行业的经验开发了一套智能运营系统，帮助航空公司监控发动机的运行情况，不仅做到了发动机的预测性维护，而且通过优化发动机的燃油消耗，把燃油成本降低了5%。因此，GE通过后续的这些附加服务的收费，由单纯的销售产品，变成了产品+服务的收费模式，大大提升了附加值。类似国内的案例有宁德时代，他们建立了一套电池监控平台，通过监控电池的使用状况进行数据分析不仅可以优化设计，而且能给整机厂提供及时的维修服务，同时把平台开发给4S维修店，让4S店进行众包维修服务。

数据给工业企业带来的价值甚至能给企业带来颠覆式商业模式创新，由传统的产品销售模式变为服务模式，由重资产模式转为轻资产运营模式。GE自发布了《工业互联网白皮书》后就开启了数字化转型之路。2013年推出工业互联网平台产品Predix，2015年推出Predix 2.0，监测分析来自全球各地超过5000万项数据。2015年成立了GE Digital，Predix是核心资产，着力GE数字化转型，2018年12月， GE将Predix平台及数字资产成立全资子公司，单独运营。GE以Predix工业互联网操作系统为基础开放公有云和私有云平台，打造云生态，发力云SaaS 应用。尽管GE在2017年亏损62亿美元，股价腰斩，很多人对这一模式提出质疑。

但笔者认为任何一项新的技术产生，新的商业模式的探索都有一个过程，都会在前期投入巨大而短期内没有回报。当年的亚马孙、阿里布局消费互联网不就经历了这么一个过程吗？谁又能断定GE不是未来工业领域里的亚马逊？徐工集团于2014年以混合所有制的方式成立徐工信息，并发布了汉云工业互联网平台。至今连接的工程机械等设备多达70万余台，开发了制造业、工程机械、工程建设等多个行业解决方案。为工程机械行业提供全生命周期管理，从预测性维护、到备件管理、到维护众包。在工程建设行业，通过监测工程设备的运行情况，知道设备的使用情况，从而进行智能化调度，提高设备的利用率。通过对设备的位置和使用情况的监控，有利于融资租赁行业实时掌握他们出租的设备所在的位置及租户能否有履约能力，降低金融风险。通过联网设备的大数据分析，有利于政府了解工业生产和工程建设的情况，从而做出宏观决策。2018年徐工信息在新三板挂牌进入创新层，得到了资本市场的青睐。