产业物联网

IndustrialThings

对大数据的分析能力是缔造产业互联网的现实基础，它与方兴未艾的物联网技术相互渗透，就能为那些率先打破数据孤岛、实现系统整合的工业企业带来新的业务价值，创造新的商业模式，捕捉新的增长机会。此外，对于产业物联网的“国家吸收能力”则决定了有关投入最终产生的经济回报规模。

本文发表于《中国工业评论》杂志年第6期

追根溯源，“产业互联网”（IndustrialInternet）是美国通用电气公司创造的概念，指的是如何将复杂的物理机器设备通过彼此联网的传感器和软件整合在一起，从而创造出更高效的生产力。它将机器认知学习、大数据、物联网、机器对机器（M2M）通信等领域串联在一起，目的是实时消化和分析来自工业机器的数据并利用数据洞察来调整和优化生产运营。从年开始，通用电气还与其他几家美国的ICT企业建立了开放性的“产业互联网联合体”，以期加速工业互联网技术的开发、市场接纳和广泛应用。

综合业内信息来看，“产业互联网”中的“产业”，应当包括传统意义上的多个“产业”，例如农业、重工业、轻工业、服务业等。因此“产业互联网”的设想、实验和商业模式已经向与传统制造业相邻的更多产业延伸，其中的“互联网”也更多地被方兴未艾的“物联网”所具象化。正是设备与机器这些“物”联网之后所产生的数据，为下一次产业革命开启了技术之门。

埃森哲认为，产业物联网（IndustrialInternetofThings）就是大数据分析法和物联网相结合的产物——正在为各行各业创造巨大商机，尤以航空、油气、运输、发电配电、制造、医疗、采矿等行业为最。究其原因，正如近期一项分析研究的作者所指出：“并非所有大数据都能产生同样价值。在调整至同等规模的情况下，风力涡轮机、喷气式发动机、核磁共振仪之类的工业设备产生的数据，与源自社交网络、消费物联网或其他渠道的大数据相比，具有更大的潜在商业价值。”

产业物联网的经济规模究竟有多大？一项分析预测：在年之前，全球该方面的支出保守估计约为亿美元；而更乐观的估计是，到年，产业物联网的全球生产总值可能高达15万亿美元。

埃森哲与通用电气在年联合进行了全球产业调研。由于认识到大数据分析法是产业物联网的基础，通用电气和埃森哲共同合作，在英国、美国、中国、法国、德国、印度和南非开展了一项实地调研，探究大数据分析法的现状，以及八大行业中企业高管对它的认识和态度。这八大行业分别为航空、风能、发电、配电、油气、铁路、制造业和采矿业。此外，我们还针对美国的医疗行业进行了一项类似的调查，结果也纳入了调研报告当中。所有参与调研企业的年收入均在1.5亿美元以上，其中一半以上的企业年收入达到或超过了10亿美元。半数以上的受访者为企业的首席执行官、首席财务官、首席运营官、首席信息官或首席技术官。其余受访者则为主管信息技术、财务、运营以及其他跨部门管理工作的副总裁及总监。

该调研结果显示，工业及医疗领域的高层管理者已普遍认识到了产业物联网的巨大商机，并且正在多种应用环境中部署第一代解决方案。绝大多数高管认为，只需等到一年之后（即年），大数据分析法左右行业竞争格局的威力就将展露无遗，因此这些企业正着力加强投资。一言以蔽之，产业物联网解决方案可以为企业带来显著的运营优势、战略优势和竞争优势。

大数据带给企业

部署产业物联网的紧迫感

在发达国家，产业物联网之所以能够被称为运营效率和创新的源泉，正是得益于它提供了一个有效的方程式，多种技术融合发展，共同促进产业升级：

首先是数据量的指数级增长——即“大数据”。如今，几乎任何一个工业部门的企业都可以获得大数据，主要是因为具有了将传感器和数据收集装置植入工业设备的能力。

其次是能够提供更多数据的物联网——设备、产品、工厂、供应链及医疗设备等都可以成为数据来源。思科公司预计，到年，连接到物联网的“实物”数量将从年的亿增加到亿）。随着数据湖（DataLakes）等新技术的出现，捕捉、处理这些数据的能力已成为现实。

再次是数据分析领域的技术能力也在不断增强。挖掘和分析数据的能力，让企业可以在资产绩效管理（APM）或是医疗卫生服务交付的过程中，洞悉设备运行状况，甚至预测设备故障或其他意外情况的出现。

最后，在一些行业，设备本身或患者疗效正是业务的核心。在这种情况下，监控设备或医疗服务质量的能力不仅会有重大的经济影响，在某些情况下甚至还能挽救生命。

上述这些因素汇集在一起，就有了产业物联网——它是实体和数字世界的紧密结合。依托产业物联网，企业可以利用传感器、软件、机器对机器学习等各种技术手段，收集并分析从实物或其他大规模数据流中获取的数据，并利用分析结果来管理运营，或是提供新的增值服务。

在我们与通用电气的联合调研中，有一项发现引人注目，那就是企业受访高管在实施产业物联网解决方案时感受到的紧迫感。其部分原因在于，在整个行业层面和与同行竞争中都能感受到它产生的影响。例如，84%的受访者认为，大数据分析法的应用在一年以内“就有能力改变我所在行业的竞争格局”；而足有87%的人相信，大数据分析法将在三年内展现出这种威力。另外，89%的受访者表示，那些一年后还未采用大数据分析策略的企业将面临市场份额缩小、发展势头减弱的风险。

那么，那些领先企业正在从何处着手应对呢？在我们的调查中，欧美发达国家的工业企业高管们表示都非常清楚地意识到产业物联网潜在的力量与价值，其中关键是如何挖掘和分析大数据的商业价值，并以这些有意义的数据作为拓展创新商业模式的“货币”。例如，73%的企业在大数据分析方面的投资已超过企业技术总预算的20%，而两成以上的企业投资比例超过了30%。此外，3/4的受访高管预计，一年内的支出还会进一步向此倾斜。

在所有受调查的行业中，八到九成的企业都表示，大数据分析是他们当前最重要或是前三大重要的事务之一。如果看清楚大数据工作的主要支持者到底是谁，就更能明白大数据举措为何拥有如此之高的优先程度。简而言之，承担这个角色的不再像以前那样是首席信息官或首席运营官。53%的受访者表示，董事会才是大数据应用策略的最根本推动者，该比例远远高于其他被提到的管理者。事实上，在一些行业里，董事会的推动作用格外突出。例如采矿业中，73%的受访者认为董事会是首要推动方。而其他受董事会影响较大的行业还包括制造业（67%受访者将董事会视为首要支持者）、航空业（61%）和铁路业（60%）。

可以说，在战略决策层的指导和鞭策下，受访高管均感受到了一股紧迫感——必须更加积极地迈向产业物联网时代。而且，企业规模越大、复杂度越高，这种紧迫感也就更加强烈。

第一次跨越：

资产优化、运营优化、预测业务趋势

事实上，不同企业数据分析的应用阶段各不相同。与所有新技术一样，其成熟度曲线正日渐清晰，从而将先行者与那些仍在从事基础工作的企业区分开来。成熟度曲线初级阶段的任务之一，就是将运营资产连接起来，进行跟踪监测和故障诊断。但是在大多数发达国家，那些较早开始部署产业物联网解决方案的工业企业，其工作重点已经在从这种资产监测跨越到能产生更高营运效益的领域。譬如，通过引入分析法及更灵活的生产技术，制造商可以将生产效率提高30%。

为了提高生产效率和盈利能力，工业企业正在努力解决两个主要方面的需求：资产优化与运营优化。在资产领域，通过收集并分析大量的机器传感器数据，工业企业在创造经济价值方面正不断取得明显进展。此外，一些企业也正在利用从机器资产数据中获得的洞见来提高运营效率，以更大的信心打造其市场优势。

资产的预测性维护就是这样的一个重点领域，它能减少12%的常规维修工作，将总体维护成本降低30%，并消除高达70%的故障。例如，泰晤士水务事业有限公司是英国最大的净水提供商和污水处理服务企业，公司正在使用传感器、分析法和实时数据帮助企业更快速地应对各种紧急情况，如水管泄漏或恶劣天气导致的突发事件等。

另一个例子来自石油和天然气行业。作为美国受监管力度最大的能源供应商之一，哥伦比亚管道集团已显著加强了对管道运营和安全性的