无码中文字幕色专区_91av俱乐部_无码人妻h动漫_26uuu成人_91九色丨porny丨国产jk_青青视频在线播放_国内自拍第二页_国产又粗又长又爽又黄的视频_色哟哟免费网站_久久出品必属精品_a级黄色一级片_99日在线视频

如趙敏老師所言“工業互聯網平臺這個大江湖太熱了，熱得江湖的水都快煮開起泡了”，各地風起云涌的“工業互聯網”大會有“世界”或“全球”、“中國”、“XX省”各種級別與規格，請的大佬都是威名遠揚，百萬APP、企業上云，真是“風景這邊獨好”繁榮景象。然而，卻有太多的工業人對此表示質疑—并非是工業界的人有酸葡萄心理，而是“現場有神明”—似乎在工業現場的人并不是這么高調張揚，這種感覺就像一幫人在討論你們家的馬的病該怎么治，你卻發現自己家只有一頭耕地的牛啊！

就像在某次工業互聯網大會上，有一位做“數字化轉型”的，我真心不知道這是干什么的公司，實在太抽象了，后來我問具體是什么業務，說通過互聯網提升制造業的能力—我聽了后跟他說“可是生產現場過去沒有Internet，今天也沒有Internet，未來也不大會有Internet”—如果你說的是工廠的辦公室，有，可是，現場生產從來就沒有Internet啊！

工業互聯網到底是誰的事情？

讓我們艷羨不迭的是IT的世界不乏光鮮亮麗，混跡工業互聯網江湖的人特別擅長包裝，經常扮演著以“互聯網思維”的成功學大師角色的人大有人在，似乎振臂一揮天下歸心的氣勢，能夠混的平頭老百姓家都知道的IT界人士真的很多，但說起OT圈的大佬除了自己圈子以及他的親戚朋友知道，一般普通大眾顯然是不知道的，這種與生俱來的英雄領袖氣質也影響了制造業，似乎織造了一個充滿彎道超車捷徑的網。

記得有一次工業互聯網的大佬們說通過大數據可以提升風力發電機組的發電效率，我就質疑到，我們做控制系統的所要做的不就是獲得葉片的“最大葉尖速比”嗎？我已經調節到最大了，你怎么才能更大呢？那如果風向改了呢？--那我不是有偏航系統嗎？那通過大數據可以避免對電網的沖擊，那我們控制系統不是有“低電壓穿越”功能嗎？那我可以進行預測性維護—不好意思，如果你的機器有那么多故障信號，我想這家公司的風力發電機組已經被市場給淘汰了，再簡單不過的邏輯—你有那么大量的故障信息讓你學習？但是，如果你沒有那么多故障—你學習的精度就會有問題啊！

工業互聯網如華為任正非先生所說的“我們不要炫耀鋤頭，而忘記了鋤地”—真正的連接不是那個物理的互聯網，而是由“價值”所構成的網絡，你提供什么樣的價值給你的客戶？你的生產需要什么樣的協同？如何提高信息的效率，這些都基于“運營管理”水平的規劃與設計，而工業互聯網只是一個工具。

應用為先，還是架構為先？

Mcrazy提醒了我，IT的思維與OT思維的差異在思維模式的結構，IT是一個自上而下的架構，強調平臺架構設計，而OT則是自下而上的執行，先解決局部的問題，然后解決全局的問題，因為，局部的問題不解決，對于控制而言，你是連基本的生產精度、生產效率都無法滿足，你根本就不要談向上的數據傳輸的—因為你都沒有測量準確，你要那些數據干什么？

IT與OT的確在相互融合，但OT廠商也在積極的借助于IT技術來幫助自己實現“優化”，而OT邁向工業互聯網是以自身測量、控制已經實現的既有模型為基礎來進行一級級的數據集成，并進行優化，OT比IT的優勢在于我了解現場，IT不了解現場所規劃的就造成其想法無法執行。

這兩種路徑，哪種對工業現場更適合？似乎不言而喻—架構全局是好的，但如果你不了解對象，這個就無法落地。

工業場景與商業場景的差異

IT出身的人擅長架構，也擅長軟件，但其對象往往非是物理實體，或者并非是“周期性”控制任務，而控制任務，都是基于“等時同步”的周期性信號采集，且執行對象是物理的閥門與執行器、液壓對象、伺服電機等，這些對象本身就有自身的機械、材料特性。

工業現場的人不敢肆意描繪，夸夸其談在于敬畏--因為工業需要更為穩定可靠、周期性的傳輸，需要多年的積累工藝Know-How，會有人員傷亡，會導致大的成本損耗。因此，不會輕易的做出“承諾”--可以如何提升效率，勾勒未來美好前景--若僅僅在PPT上是無法說服制造業的人的。

制造分為離散的對材料進行物理的加工，流程中多是對材料的化學反應，在尋找生產的經濟性過程中，有太多的約束條件，就像注塑機打一個材料要對其進行工藝的摸索，材料的種類可能有上千種，產品的規格也是變化多樣，那么對于每個產品而言，其工藝控制就是一個非常需要累積的過程，在紡紗的勻整領域，烏斯特積累了200年，在金屬熱處理工藝領域的知識與經驗決定了材料的水平，而這些一直都是中國制造業的“強基”無法跨越的必然路徑。

工業不是“互聯網”思維可以快速迭代，或者病毒式復制的高速成長的，所謂的“互聯網思維”成功學故事都是告訴很多人如何快速把握資本“風口”，快速致富，股票、期權、創業團隊、風投，這是互聯網思維的影響力刺激了人們“致富”的欲望，然而，互聯網思維在工業領域需要以“禪定”的積累與發展而言，是不對路的，因此，在一段時間里很多人對此路徑產生了懷疑，什么場景能夠快速復制？

數字化于制造業是有益的，數據連接也是有益的，互聯網思維也是可以借鑒的—比如跨界思維、用戶思維，這些都是必然需要納入工業領域的，助力其升級的。然而，今天很多人所談論的“互聯網思維”卻并非出于為制造業的發展，而是一種急功近利，快速致富的欲望。

工業哪里有那么簡單？

人們談百萬APP，希望通過工業互聯網實現百萬APP上云，其實，這些跟工業都沒有什么關系，大部分應用就目前來看就是“顯示”呈現這樣的任務。

其實，工業互聯網本身第一步就是連接問題，而這個場景里目前存在的大量公司干的都是“體力活”—就是為不同的行業提供數據的連接，將復雜的現場總線連接起來，之前有朋友問及有多少現場總線，我找了份資料有50多種，IEC列為標準的也有18種，而由這些總線接口之上產生的“協議”則有數千種，而這些是目前大部分“工業互聯網”公司在干的事情，實際上就是“導表”，將機器的數據對象字典中的數據與上位軟件的變量映射起來。

TSN應運而生-工業互聯網不同于internet

連接是工業互聯網的第一個障礙，另外一個障礙就是牽扯到數據的所有權問題了，你說我賣了臺機器給你，那這個機器的參數就是你的了嗎？我賣了控制系統給做機器的，那么這個控制器的技術就也賣給機器制造商了嗎？這就像你買了部iPhone，那這個手機里的信息就屬于APPLE這家公司了嗎？

如果只是生產狀態這些參數，倒也無妨，如果是牽扯到工藝的參數呢？這是機器制造商的Know-How，這些數據是不能開放的，而不開放的話，就存在數據不完整，不完整的數據得出的結論就是不完整的。

基于大數據的應用在工業場景里的難點在于“小數據，大應用”，其實，工業的數據量相對于圖形圖像處理、金融交易、摩拜單車而言，數據并非是很大，雖然周期性的數據可以按照mS來刷新，可是用于振動監測的故障數據并非很大，因為很大的前提是得有大量故障，而這是不允許的。

以應用需求為導向，自然的發展路徑

與工業互聯網江湖不同，來自自動化業界的企業也都開始邁向這個方向，但是，顯然比較謹慎，自動化行業的每個針對工業的應用都是來自于產業的實際需求，在這里，IT是一個工具，通過跨界的工具融合來解決產業實際問題，這是自動化界的人干工業互聯網的出發點。

比如：我的客戶要解決控制之外，產線的連接，要把注塑機和機器人連接起來，我需要接口，大家就去推動EUROMAP，包裝工業需要連接灌裝、貼標就去推動PackML的標準，要把機床連接起來，推動MTConnect，然后發現這些機器可能會產生混合的生產，那么就統一規范OPC UA，而為了實現與IT的交互，推動TSN技術。

OPC UA在不斷尋求解決工業互聯網的問題

每一項技術都是來源于制造現場的需求，而我們制定百萬工業APP的時候想過這些APP來干什么嗎？

每個垂直的工業行業都有他們的應用Know-How，這些都是工業界的人積累了數十年的經驗。其實，很多不了解工業現場的互聯網人以為自己很厲害，什么都可以干，其實，AI在制造業也有很多年了，IT對于制造業而言是個工具，以前計算能力不足，因此很多AI的應用并沒有被推動，而現在有了經濟性，很多應用才有可能實現，很多技術并非IT的創新，IT只是憑借商業應用降低了技術的門檻，使得工業應用具有了可行性。

Know-How仍然是在工業本身，IT僅是一個工具，而非制造的本質。

工業互聯網，我們需要對制造業現場的敬畏，就像稻盛和夫所說“現場有神明”—不到現場，不了解現場，就要做工業的互聯，這個非常可怕，也會無法落地，再引用任正非先生的話“讓聽到炮火的人決策”--讓離現場近的人來引導制造業，我們要敬畏現場。