【物联网】思科扔下数颗物联网重磅炸弹，中国IoT圈却选择集体视而不见！

来源: 物联网智库 原创 作者：物女王 

就在前几天，一年一度的Cisco Live 2017用户大会上，思科发布了其10年来最具颠覆性的创新，说是开启了IoT的新时代都不为过，但国内物联网圈却选择集体视而不见，眼睁睁地与里程碑式的革新擦肩而过。

随着数据量、连接性、计算能力的迅速提高，人工智能、增强现实和机器人技术的持续迭代，想要充分实现投资回报，有效利用物联网产生的数据，企业越来越需要一种能够统一各种各样的信息源和数据类型的新型智能网络和物联网平台。

 

这是我在物联网智库|物女心经专栏|写的第031篇文章。

 

---

 

上一篇文章，我们说到IoT圈的东邪西毒，东邪阿里巴巴，西毒亚马逊，都是修炼人工智能+物联网，也就是I2oT（Intelligent Internet of Things）的两座巅峰。

 

这篇文章，我不得不单独谈谈半路杀出的狄仁杰，思科。因为就在前几天，一年一度的Cisco Live 2017用户大会上，思科发布了其10年来最具颠覆性的创新，说是开启了IoT的新时代都不为过，但国内物联网圈却选择集体视而不见，眼睁睁地与里程碑式的革新擦肩而过。

 

本着对我的挚爱黑粉负责任到底的态度，我们一起利用这个“众人皆醉”的契机，完成一次认知觉醒，一起来读读这一届Cisco Live 2017对物联网到底是不是潜力股？ 

 

一家公司同时拥有两个物联网平台

 

思科一直以狄仁杰的神探作风行走于物联网江湖，不但早在十几年前就开始与物联网资本“勾结”并大肆布局，2013年成立物联网部门，2016年以14亿美元收购Jasper（基于云的物联网平台），还持续发布物联网领域的行业调查，矢志不渝地对IoT市场前景爱得深沉，成为了名副其实的风向标。

 

今年Cisco Live大会，思科CEO扔出了数颗重磅炸弹，其中包含一个被国内集体忽略的名词：Kinetic，这是一个全新的物联网平台。同时思科还升级了久负盛名的Jasper平台，坐拥Kinetic和Jasper两大左膀右臂，思科的玩法在IoT业内尚属首次。

 

两个物联网平台，原有的Cisco Jasper和现在的Cisco Kinetic，难道“狄仁杰”思科想让它们一个在前面破风，一个在后面起航？

 

进一步解读你就会看出其中的深意。

 

先看原有的Jasper平台。Jasper致力于将像汽车、喷气式发动机、心脏起搏器这样的设备连接到互联网，同时也在打造一个软件平台来帮助在线监测这些设备。

 

据悉仅过去一年，Jasper的企业客户数量就从3500家增长到11,000家，新增用户超过200%。Jasper已成为全球最大的物联网平台，日均管理4300多万台设备，且每月新增150多万台设备。

 

升级之后的Jasper Control Center 7.0，完成了有史以来最大的演进。此前，Jasper Control Center是一款独立产品，用于实现全球蜂窝网络设备连接的自动化和管理。Jasper Control Center 7.0是全球首款支持蜂窝、NB-IoT和LTE-M网络中IoT设备管理的商用物联网平台。

 

再来看看最新发布的Kinetic，它是一个物联网运营平台，或者叫物联网操作平台，集成连接管理、数据交付和边缘计算等综合能力。Kinetic的最大能力是获取设备数据，而且是实时的设备数据，思科希望通过Kinetic提取未连接设备上已经存在的数万亿兆字节的数据，并将这些数据实现价值最大化。

 

 

随着数据量、连接性、计算能力的迅速提高，人工智能、增强现实和机器人技术的持续迭代，想要充分实现投资回报，有效利用物联网产生的数据，企业越来越需要一种能够统一各种各样的信息源和数据类型的新型智能网络和物联网平台。这就是Kinetic发布的初衷。

 

作为看家本领，Kinetic不仅可以支持不同的网络协议，比如从Wi-Fi、以太网、低功耗广域网LPWAN中获取数据，还能从各种工业以太网和现场总线，比如Profinet，Modbus、CC-Link、EtherNet / IP…中获取数据。也就是说，Kinetic有能力直接监测和控制工厂中的物理设备，引用思科自己的话说，就是“我们不认为其他IT厂商有能力像思科这样，在工厂最贴近边缘计算的设备层中工作和读取数据”。

 

没错，Kinetic平台使得思科以IT厂商之身，将连接能力首次下沉到工厂中的物理设备这一层次，通过各种来源访问和汇聚物联网数据。Kinetic平台还提供边缘计算能力，允许直接分析和处理设备的边缘数据，无需通过路由将数据回传到云平台。

 

直观的说，Kinetic就是一个把数据从各种各样的设备中提取出来、就地分析的平台，横跨各种协议和网络类型，充分体现了思科万物互联的野心。

 

为什么说单就推出Kinetic平台这一项，已经意义重大呢？

 

在智能工厂和工业4.0的实现路径中，最基础的一个层次就是将工业机器人、数控机床、各种单机设备连入网络，提取数据。

 

由于出于安全方面的考虑，以及缺乏数据提取的接口和平台，除了少数极为领先的工业企业之外，大多数的机械设备并没有连接到上层信息系统，而是散落在各种现场总线造就的孤岛之中，无法凝聚。而MES和SCM由于没有触及工厂底层的数据，形同虚设。

 

根据Gartner的研究报告，工厂中每1分钟的故障停机，将造成20,000美元的损失。另据思科此前的研究，通过将工厂中位于底层的单机设备联网，可以将停机时间缩短50%，能耗降低20%，提升质量并减少50%的产品缺陷，数据化对智能工厂的巨大潜力才刚刚露出冰山一角。

 

通用汽车正在使用思科的数据平台，将汽车制造生产线上30,000台工业机器人中的1/4连接到物联网，并通过数据分析，成功避免了其中100个组装机器人的潜在故障。

 

额外收获也有，以前不同国家的两家工厂使用相同的设备制造相同的机器，其中一个是另一个生产力的3倍，工厂从上到下都不知道原因为何。通过机器联网分析，预测、分析和诊断设备的完整数据，多年疑团终于解开。

 

 

日本机器人制造商FANUC还与思科一起共同开发了一款名为“ZDT零停机”的APP，通过将工业机器人接入平台，力争彻底消除意外停机。

 

鸿海也已宣布采用思科物联网解决方案Kinetic，将其中的能源管理解决方案与鸿海智能工厂进行集成。鸿海表示，透过导入思科Kinetic平台，读取了过去没有搜集过的相关数据，并由此节省了15%的能源消耗，预计未来可进一步降低20%的能源消耗，鸿海还计划同步将厂区内的追踪系统接入Kinetic。

 

实时物联网：实现实时监控

 

随着Kinetic平台的推出，思科将物联网带入了一个新的发展阶段：实时物联网RT-IoT。

 

此前，我曾经在文章中提到过，工业现场的数据普遍“保鲜期”很短，处理一旦延误，就会迅速“变质”，数据价值呈断崖式跌落。不是所有数据都必须上传到云平台，何况关键信息还有可能在传送过程中延误或者受到干扰。用户必须快速响应这些关键数据产生的决策，要么在短时间内就采取行动，要么就眼睁睁的看着最佳时机溜走。

 

通过Kinetic思科亲身示范了实时物联网，用升维的思路解决工业物联网中缺乏实时监控的难题。

 

以前工业企业中的OT操作技术和IT信息技术之间存在难以跨越的断层，工厂中的物理设备和信息系统之间无法彻底打通，更别提将OT数据和IT数据通过统一的“窗口”展示、处理和分析。

 

随着设备和数据量的急剧增长，这一挑战已经不仅仅是OT与IT之间的互通互联，而是如何将OT数据有意义的接入IT系统和业务流程。大部分OT与IT之间的连接都通过特定的工具或者方案实现，碎片化严重，缺乏设备的实时监控、实时数据的关联性和统一化的系统平台。

 

由于对实时性要求极高的工业物联网应用非常复杂，实时物联网必须综合考虑诸多因素：

 

• 如何解决由多种通信协议和方式造成的连接和操作复杂性问题

• 如何解决不同的数据模型造成的IoT生态系统复杂性

• IoT平台部署后造成的用例和系统变化如何处理

• OT与IT联通之后，如何无需更新固件，即解决安全性问题，又满足各种通信需求

• IoT平台的可扩展和易维护

• ……

  

这就倒逼“实时物联网”技术的飞速进化。只有用好实时数据，才能充分发挥工业物联网的潜力，创造真正的价值。

 

数据量太大、速度要求太高、数据特征不易提取，这些都是摆在实时物联网面前的难题。

 

不过一旦通过实时物联网将车间中的单机设备和边缘数据连入网络，那么工厂管理层看到的将不仅仅是各个孤立的数据库，而是连贯通透的业务流程和性能指标，效率和效益的体现将呈指数级蜕变。

 

除了思科之外，不同公司也在纷纷尝试实时物联网。

 

比如，Splunk作为机器数据的引擎，为来自任何应用、服务器或网络设备的数据实时建立索引，并使其可被搜索。用户可以使用Splunk来搜索、监测、分析和可视化机器数据。它为机器数据提供可扩展的通用平台，数据来源几乎支持所有的设备、控制系统、传感器、SCADA、网络应用和终端。

 

一家名为Kinetica的公司则通过使用GPU（图形处理单元）构建IoT数据平台来解决实时数据处理的挑战。它的总部位于美国旧金山，是一家提供实时数据分析与支持的服务商。Kinetica利用图像处理芯片提供计算能力，允许企业使用机器学习，商业智能分析和可视化技术更快速地分析海量数据。毕竟典型GPU具有超过4000个内核，而通用CPU仅有32个，因此利用基于GPU的配置，使用大约十分之一的硬件就可将数据处理速度提高100倍。

 

 

从“一网到底”，到“万网到底”

 

曾经，工业领域的方案提供商，西门子、三菱电机、百通…都提出过“一网到底”的设想，他们认为在工业中构建物联网是一个很高的目标和很大的工程，而以太网作为一种成熟的网络通讯技术，在IT和商业领域已经形成绝对的统治性地位。

 

一网到底，是指通过工业以太网，让模拟信号、数模混合信号、各种现场总线和各种无线通讯都能统一起来，整体网络无论从横向，还是纵向看，都是无缝连接的，数据可以在此透明网络中自由的传输。

 

这在技术层面上涉及两个方面：一是通讯技术，包括现场总线、工业以太网和无线技术的多重集成与互通。二是智能仪表的广泛普及，实现参数传递、自诊断、预防性维护、网络安全、现场与远程调试等功能兼顾。

 

改良后的工业以太网协议，是一种比现场总线更为开放的网络标准，可以支持实时工业控制信号的传输，最高效且最大程度地完成各种网络与网络之间的通信，实现现场层、操控层、管理层的垂直管控架构的透明化数据通路。

 

基于这个思路，各个工业自动化企业也都提出了自己的工业以太网协议，常见的包括德国倍福的EtherCAT、罗克韦尔自动化的EtherNet/IP、西门子的ProfiNet、施耐德的Modbus-TCP、贝加莱（已被ABB收购）的Powerlink等…

 

而思科的Kinetic平台巧妙地将这一“浩大”的工业物联网改造工程轻易化解，通过与Kinetic平台对应的交换机，快速打通多种工业通讯协议和现场总线，不再只是“一网到底”，而是“万网皆可到底”。

 

万网到底的好处十分明显，仅仅是数据从下到上的透明化和可量化，就能为智能工厂带来天翻地覆的变革。举例来说，OEE这个被最多误用和滥用的指标就可以首先获得“救赎”。

 

OEE（Overall Equipment Effectiveness）是一个独立的测量工具，它用来表现实际的生产能力相对于理论产能的比率。一般每一个生产设备都有自己的最大理论产能，要实现这一产能需要保证没有任何干扰和质量损耗。当然，这一理论上的完美产能很难达成。因此，

 

OEE = 可用率x 表现性 x 质量指数

 

OEE是一个极好的基准工具，它能准确清楚地告诉工厂管理者设备效率如何，在生产的哪个环节有多少损失，以及可以进行那些改善工作。长期的使用OEE工具，企业可以轻松的找到影响生产效率的瓶颈，并进行改进和跟踪，达到提高生产效率的目的，同时使公司避免不必要的耗费。

 

OEE的计算虽然看似简单，但是，在实际的应用中，当与班次，员工，设备，产品等生产要素联系在一起时，便变得十分复杂，以往常常通过人工采集的数据懵算或者瞎算OEE，而Cisco Kinetic平台有望将OEE真正威力发挥到极致。

 

同时被解锁的还有预测性维护市场。

 

此前我在文章《集成边缘计算和IoT云平台，预测性维护的军备竞赛已经启动》中已经阐述过这一市场的巨大前景，当时文章中的“模特”华为和GE作为“自嗨型”合作的典范，明显甚不合格。边缘计算侧和IoT云平台侧的巨头们的混搭虽然蠢蠢欲动，但仍尚未成型。

 

作为半路冒出来的狄仁杰，思科有了Kinetic和Jasper两大法宝，轻松实现边缘与云端的协同，入局预测性维护市场近在眼前。

 

至此，本文仅仅解读了思科在Cisco Live 2017中发布的一部分颠覆性创新，更有深意的则是思科全面启动的重塑网络计划。

 

在此计划中，思科致力于打造一个能够预测行动、阻止安全威胁路径、持续自我演进和自我学习的全智慧系统，从而帮助企业在联接性不断增强、分布式技术持续演进的时代中，创造全新机遇并解决之前未能解决的挑战。

 

简单的说，就是思科推出了能够识别“意图”、规避威胁和持续进行自我学习的由AI“开光”的新一代网络。

 

按照思科的原话，“基于‘意图’的网络能够帮助IT从枯燥乏味的传统流程转变为自动了解用户‘意图’，使在数分钟内管理数百万设备变成可能。基于‘意图’的基础设施将是下一个重要的增长点，而网络将成为这一系列全新技术中的重要推动者和加速器。这是企业网络历史上最重大的创新，是行业观念的重大转变，将改变整个行业的发展轨迹。”

---

集成边缘计算和IoT云平台，预测性维护的军备竞赛已经启动

作者：物女王

物联网智库 原创

转载请注明来源和出处

------   【导读】   ------

预测性维护在不久的未来将愈加凸显工业物联网中少数的“杀手级”应用的优势。

这是我在物联网智库|物女心经专栏|写的第026篇文章。

---

前段时间看到一则新闻，这么写的：在德国举行的汉诺威工业博览会上，华为和GE数字集团联合发布了工业预测性维护解决方案。牵手的两方，一边是华为的边缘计算EC-IoT（Edge Computing IoT）方案，一边是GE的工业物联网（Industrial IoT）云平台Predix，新闻中称它们将无缝融合，实现工业设备运行状态的实时监测，提供预测性维护的智能决策。

 

理想丰满，现实骨感。我就直说了，在现阶段，这显然是一次“自嗨型”合作的典范。前者在工业领域的“信息层”上空盘旋，尚未敲开“设备层”边缘计算的大门；后者虽说推出IIoT云平台已有时日，但扎根不深，涉足工业核心领域的中国本土的渗透率低得可怜。双方联手，怎么看都像是貌合神离的“联姻夫妻”，看似优势互补，却又无从下手。面向整个工业领域提供预测性维护的底气从何而来？好在两大巨头选择从电梯运维这个公认的早期采用者群体切入，也算是另辟蹊径，抓住了明显的市场痛点。

 

如果将时间这把衡量的标尺再拉长一些，这次合作，虽说对于双方来说有时机未到，急于求成之嫌，不过却为后来者指明了方向，边缘计算+IoT云平台，的确是撬动预测性维护市场的利器。

 

华为和GE的合作，有些像电影“黄飞鸿”中的鬼脚七，武功虽高但姿势不佳，后期难免吃力。还好，就在这几天，空客和ABB等企业，接连示范了开展预测性维护军备的正确姿势…

 

预测性维护的漫漫长路，先得从头开始把基础扎牢。

 

“带病”上路的汽车，给交通带来安全威胁；“带病”工作的生产设备，给工厂带来巨额损失。比如Intel在大连的生产线，每天创造1.5亿人民币的价值，哪怕停机维修1小时，带来的损失巨大都难以承受。因此，防止设备“带病工作”，就显得尤为重要。先来看看工业设备维护维修的几种手段：

 

• 修复性维修：属于事后维护，顾名思义，亡羊补牢，是为下策。

• 预防性维修：属于事先维护，基于时间、性能等条件对设备进行定期维修，更多还是凭经验。未雨绸缪，是为上策。

• 预测性维修：属于事先维护，基于安装在设备上的各种传感器，实时监控设备运行状态，如果发现故障隐患，自动触发报警或修理命令。未卜先知，是为上上策。

 

目前市场中的存量设备数目可观，80%以上的设备还没采用有效的预测性维护方案，而设备维护产生的费用超过设备总体生命周期成本的50%。根据IoT Analytics在2017年的最新市场报告，2016-2022年预测性维护的复合年均增长率CAGR为39%，到2022年总体支出将达到10.96亿美元。

 

预测性维护在不久的未来将愈加凸显工业物联网中少数的“杀手级”应用的优势。从内部来看，预测性维护用于优化生产操作，将会带来20-30%的效率增益。从外部来看，设备制造商如果引入预测性维护服务，则有可能“一劳永逸”地扭转当前竞争业态。从战略角度评估，预测性维护代表着工业服务化和未来商业模式转变的历史选择。

 

以上几点综合考虑，各类公司纷纷抢滩预测性维护这方“沃土”，理所当然。

 

预测性维修的概念虽说由来已久，但一直缺乏行之有效的大范围实施手段。而边缘计算+IoT云平台这剂“药方”，可以将人工智能、物联网、增强现实等多种技术融合在一起，真正撬动预测性维修这块市场蛋糕，拓展新的商机。

 

边缘计算+IoT云平台，巨头间的协作

华为和GE的这次牵手，拉开了边缘计算与IoT云平台巨头之间协作，进军预测性维护的序曲。接下来就变成了连线题，边缘计算侧和IoT云平台侧的巨头们将产生哪些混搭呢？

 

边缘计算		IoT云平台
ABB ABB处于设备生命周期支持的前沿，为用户提供种类齐全的仪器生命周期服务，带来可测量和可持续的设备性能改善，ABB还一直把维护服务用作预测性维护计划的一部分。		GE GE的预测性维护包含了两个角度：一是建立在硬件状态监控领域之上的GE Measurements，二是涵盖了预测性维护的软件和分析部分的GE Digital。
罗克韦尔自动化 罗克韦尔自动化推出了全新的诊断可靠性服务。借助这项服务，制造商和工业生产商可简化任务关键型集成设备生产线的维护策略。		微软 微软Azure正致力于将自己发展成为工业IoT解决方案和预测性维护的首选云平台。微软Azure目前有两个预先配置的解决方案，提供必要的预测性维护和远程监控分析引擎。
Honeywell Honeywell推出互联辅助动力装置(APU)预测性维护服务GoDirect。基于这项服务，航空公司能够在机械故障发生之前发现和预判，提高机队的可用性。海南航空成为全球首家采用GoDirect的航空公司。		IBM PMQ大数据分析预测解决方案基于对设备性能和使用状况的实时分析，输出主要设备的健康管理数据，减少非计划成本，延长设备寿命，提高产品质量和收益等。
Intel Intel广泛布局物联网，将更强计算力带到边缘智能，并在数十年前就为预测性维护打下了基础。Intel已经在自身的Fab工厂中也已经实施了预测性维护系统，使得冷却水的耗电量减少了40%。		SAP SAP发力预测性维护市场有多年历史，借助SAP 预测性维护及服务，企业可以更深入地洞察海量实时数据，进而采用全新的方式，管理企业资产、提供现场服务。
丹纳赫 丹纳赫通过预测性维修计划和状态监测计划检测故障发生前的机械状态，并预测故障发生时间。除此以外，丹纳赫还能够确定可延长机械使用寿命的主动性任务类型。		PTC PTC倡导的数字双胞胎，以数字化方式为物理对象创建的虚拟模型，实时工作数据作为工况载荷进行仿真分析，预测产品和设备未来的性能，可帮助企业分析并预测设备潜在故障点，实施预测性维护。
当然，也有些企业横跨边缘计算和云平台两个领域。 西门子 比如，西门子就将预测性维护应用于工厂设置和工业设备的自动化系统中。因此，在坐拥海量数据的基础上，西门子已经有了建立机器学习算法的前提。
博世 在100 多年的发展历史当中，博世一直是以工业及制造著称，而现在博世正在积极的向着互联化和服务化的方向转变。博世在设备中加入感知设备，能够使其收集到数据。之后数据将会被传到博世物联网云平台（Bosch IoT Cloud），通过软件的运算和优化，最终形成相应的服务。 博世在全球250多个工厂里都配备了全方位的智能技术。AR增强现实技术使工人能够实时获得辅助，完成设备的维护任务，减少停机时间。预测性维护与传感器的应用相结合，主动预测故障并发出警示。

 

以ABB为例，她为工业机器人提供全年7x24小时的嵌入式远程服务。当工业机器人的状态发生变动或出现故障时，远程服务将自动报警，客户随时随地都可以通过智能手机或平板电脑获得报警信息，并采取相应行动。更重要的，ABB的智能单元也同时对工业机器人实施连续监测，降低保养成本，提高设备可用率，延长使用寿命。

 

除了对工业机器人的远程支持之外，今年5月，ABB在班加罗尔设立了新的针对节能变频器解决方案的数字化远程服务中心，全年无休远程的访问位于最终用户工厂内的变频器，实现预测性维护和状态监测。

 

ABB还将现有方案进行整合，形成Ability数字化方案，包括资产密集型行业的绩效管理解决方案，过程工业的控制系统，机器人、电机和机械的远程监控服务等。

 

当然，对于上面的连线题，ABB也给出了自己的解答。

 

ABBAbility先后与微软和IBM达成战略合作，ABB Ability的下一代数字化解决方案和服务将在微软Azure云平台上面开发和构建，并与IBMWatson物联网认知计算技术联手，首先在工厂及智能电网两个领域合作，提供实时认知分析功能。例如从ABB占有优势的电力行业入手，通过提取历史和天气数据，帮助电力客户优化运营并维护智能电网。

 

自己量体裁衣，定制预测性维护系统

除了边缘计算与IoT云平台触发的围绕预测性维护展开战略合作之外，还有一些巨鳄，自身就有预测性维护的强烈需求，于是自建边缘计算和云平台能力，量身定做自用的预测性维护系统，并且孵化相关创业企业，积极进行工业服务化的转型。

 

以空客为例，该公司计划在2018年推出新的预测性维护系统，这套系统将融合两种不同的解决方案。

 

一种方案以飞机为中心，称为预报和风险管理方法（PRM）。在这种方案中，飞机不再是冰冷硕大的金属集合体，而是一个飞行的带有生命体征的“生物”，通过从飞机上遍布的传感器中收集的数据，进行飞行及燃油分析、导航服务、飞机检修、航空公司运营管理，以及规划和恢复等服务。通过使用第一种方案，空客在12个月内节省了55万美元。

 

另一种方案则以数据为中心，空客与easyJet合作，从各种外部来源获取信息，将其存储在空客的云平台中，然后通过算法实现乘机客户的体验提升。easyJet是个新成立的网际航空公司，只接受顾客通过网络订购机票的服务。这套方案将通过最终客户的反馈，评估和验证正确的维护决策。

 

通过两套方案的结合，空客预计将在2018年降低5-10%的维护维修成本。

 

此外空客还启动了BizLab项目，这是立足于航空航天领域的全球加速器，位于班加罗尔（印度）、图卢兹（法国）和汉堡（德国），旨在促进初创公司和空客自己内部的创新项目密切合作，加快将创新思想转化为有价值的业务。BizLab的设立确保了空客的不同部门不仅能够看到来自创业者的颠覆性想法，并且能够保障这些想法在极具挑战性的航空航天领域，找到正确的发展道路。

 

国内的工程机械企业，比如三一重工，也在采用相似的方式，将自家的资产追踪和维护维修系统进一步提炼，不仅促进自身转型升级，还孵化相关企业对外提供创新型的工业服务。

 

人工智能初创企业也已纷纷入局

预测性维护的巨大市场也吸引着初创企业的关注，通过边缘与云端的协同，人工智能和机器学习算法可以为设备的运维管理者提供更有针对性的维护维修建议，借助人工智能逆天的生长速度，初创公司甚至有望在预测性维护这个全新的赛道弯道超车工业巨头们。

 

比如，人工智能企业SparkCognition正在帮助风电运营商实现预测性维修。由于风力发电行业的利润空间越来越薄，风机必须以最大的容量运行，任何停机时间都将大大影响收益。

 

为了满足市场需求，SparkCognition将风电企业可以采集但却未被使用的数据进行分析，通过AI算法，SparkCognition可以预判最终的故障模式，并将预测结果反馈给相关专家、管理层和运营人员，以便及时采取行动避免故障的发生。

 

对于单个风力发电机上的单个组件，SparkCognition保守的估算了使用AI带来的年度成本节约：

 

• 停机耗损：$1,000

• 运营维修：$2,500

• 总节省：$3,500

 

而且根据预测，随着被监测组件数量的提升，以及机器学习的持续改进，节约的成本还将显着上升。

 

InnovativeBinaries则使用人工智能为各种飞机提供预测性维修支持。由于飞机的可靠性极佳，也带来了故障数据样本不足的“烦恼”。这时，最有效的方法就是从大量的健康数据中学习如何检测异常。

 

InnovativeBinaries分析了大量的飞机健康数据，从而鉴别偏离健康和异常的飞机状态。通过量化飞机的日常健康状况，一旦发生微小的变化便立刻标记，并且触发相关预警。

 

正如开篇所述，设备预测性维护将会掀起新一轮的巨变。从修复性维护、预防性维护再到预测性维护已成为工业管理的三部曲。从设备联网、走出信息孤岛开始，通过边缘计算与IoT云平台，实现彼此的有效连接，从而让工厂中的所有核心设备都可以被监测、被管理、更有效的被使用，未来智慧工厂的雏形就此起步。

 

从战略角度来看，预测性维护既是市场，又是跳板，以预测性维护服务为入口，可以切入制造业转型这一更为广袤的市场。这场军备竞赛逼迫产业链上下游大大小小的从业者都必须踏上跳板，体验这痛并快乐着的惊险一跃，从制造企业、传统工业自动化企业，到新型边缘计算企业、IoT云平台企业、工业人工智能创业公司、预测性维修服务提供商、设备管理咨询机构…一个都不能少。

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

1. 重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？

2. 重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？

3. 重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

1. 精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

2. 智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。

3. 高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

4. 不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。

5. 边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

1. 创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；

2. 对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；

3. 人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

1. 超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；

2. 迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新

   评估未来的知识和技能类型；

3. 制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开

   发过程中确定更加明晰的标准和最佳实践；

4. 重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临

   较高失业风险的人群；

5. 开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

---

产业智能官  AI-CPS

用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

长按上方二维码关注微信公众号： AI-CPS，更多信息回复：

新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能金融”、“智能零售”、“智能驾驶”、“智能城市”；新模式：“财富空间”、“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”。

官方网站：AI-CPS.NET

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

---

---

版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：[email protected]

---

---