看懂GE Predix ，就看懂了工业互联网

来源：小黑羊JoinWings

概要：Predix是GE推出的针对整个工业领域的基础性系统平台，这是一个开放的平台，它可以应用在工业制造、能源、医疗等各个领域。

Predix是GE推出的针对整个工业领域的基础性系统平台，这是一个开放的平台，它可以应用在工业制造、能源、医疗等各个领域。随着工业数字化转型的大潮涌起，似乎Predix成为了一个绕不过去的“关键词”，言必称“我比Predix如何如何”、“我要来做中国的Predix云云”，而事实上，我们对Predix的架构和价值，还缺乏清晰的认知。

正如时培昕博士所说：GE的Predix平台、APM、OPM以及ServiceMax等一系列产品给我们的印象非常震撼，我们完全无法想象像GE这么传统的硬件公司，能够设计出来像AWS一样强大的软件平台和软件产品……

Predix到底是什么？远远不止是平台。

Predix最开始是一个PaaS平台，但是随着GE对其的不断完善，现在已经超越了平台的概念，成为GE Digital的当家花旦。目前，Predix已经远远不止是平台，包括了边缘+平台+应用三部分，其中边缘和平台都只是配合应用的，应用才是Predix的最终目的。

现在的架构同两年前相比，虽然还是分为边缘端、云端（平台端）和应用端，但最大的区别是将应用和平台拆开了，在平台层提供更丰富的工具和能力，而应用层则是围绕着资产、运营和商业的应用。以下，我们将对这三个部分进行分别介绍。

边缘端

众所周知，工业设备的连接和协议具有复杂性和多样性的特点，并且很多是与GE有竞争关系的各大厂商（西门子、ABB等）主导的封闭协议，因此Predix并不直接提供实现数据采集的硬件网关设备，但是提供了一个网关框架——Predix Machine，以实现数据的采集和连接。

Predix提供了Predix Machine的开发框架，支持开放现场协议的接入，并增强了边缘计算的功能，由合作伙伴开发相应的设备接入和边缘计算的功能。尤其值得关注的是Predix提供的边缘计算功能，在国内，我们还在讨论什么是边缘计算，而Predix已经通过丰富的实际案例定义了边缘计算的实现框架。

GE在边缘计算上面丝毫不落后于像华为和Cisco这样的ICT厂家。在这次M+M大会上，我们可以看到Predix Machine，几乎覆盖了边缘设备需要解决的所有问题（①工业协议解析；②灵活的数据采集；③同平台的配合；④本地存储和转发；⑤支持运行平台端的应用；⑥丰富的安全策略；⑦；本地设备通信），并且有非常多的合作伙伴已经基于这个框架开发出了众多边缘网关产品。

Predix Machine包括一整套技术、工具和服务，支持应用开发、部署、应用和管理，可支持小到Raspberry Pi这样的嵌入式硬件，大到SBC(Single Board Computer)的整体解决方案，可以说是一个小型的Predix Cloud了。根据边缘设备的处理能力不同而选择Predix Machine的内置功能，以此来决定应用场景。

平台端

平台端Predix Cloud是整个Predix方案的核心，围绕着以工业数据为核心的思想，提供了丰富的工业数据采集、分析、建模以及工业应用开发的能力。

由于GE本身是生产大型复杂型工业产品（飞机发动机、燃气轮机、风力发电机、机车等，也就是我们通常所说的高端装备）的企业，所以Predix Cloud的构建也是从GE本身的业务特点出发来，即紧密围绕着离散制造行业里的大型高端装备的设计、生产和运维，提供以工业设备数据分析为主线的一系列能力，方便构建高端装备行业的应用。但是在Predix Cloud发展过程中，由于平台优异的开放性，很多其他行业，包括很多流程制造和服务的客户，也在利用Predix Cloud开发相关应用。

Predix Cloud集成了工业大数据处理和分析、Digital Twin快速建模、工业应用快速开发等各方面的能力，以及一系列可以快速实现集成的货架式微服务。主要有如下几个部分：

基础架构

Predix提供了三种部署架构：公有云（AWS、Azure），私有云，和Country Cloud。所以，Predix Cloud是支持私有化部署的！

安全

Predix Cloud提供了非常多的安全机制，包括身份管理、数据加密、应用防护、日志和审计等。

数据总线

这部分包括了数据的注入、处理以及异构数据的存储等功能，支持流数据和批量数据的导入和处理。

高生产力开发环境

提供包括Predix Studio在内的可视化应用开发环境，支持平民开发者(Citizen Developer)使用拖拉拽的方式快速构建工业应用。

高控制力开发环境

提供代码级别的开发环境（基于Cloud Foundry），提供可控程度最高的工业应用开发环境，以及一系列可快速集成的微服务；

数字孪生开发环境

提供快速的建模工具，实现包括设备模型、分析模型以及知识库结合的模型开发。

Predix最强大的地方是基于Digital Twin的工业大数据分析，即将物理设备的各种原始状态通过数据采集和存储，反映在虚拟的信息空间中，通过构建设备的全息模型，实现对设备的掌控和预测。

Predix提供了一个模型目录，将GE和合作伙伴开发的各类模型以API的方式发布出来，并提供测试数据，让使用者可以站在巨人的肩膀上，利用现有的模型进行模型训练，快速实现实例化。同时，用户开发的模型也可以发布到这个模型目录中，被更多的客户共享使用。这里的模型不仅包括常规的异常检测，还包括文本分析、信号处理、质量管控、运行优化等，根据大家公认的工业大数据分析类型，可以将其分为四类，即描述性(Descriptive)、诊断性(Diagnostic)、预测性(Predictive)，以及策略性(Prescriptive)。

除了这些分析模型，还有GE提供的超过300个资产和流程模型，这些模型都是跟GE旗下的不同产品相关的，包括各种属性和3D模型，方便客户或者合作伙伴快速构建Digital Twin。按照GE的宣传资料，包括GE自身以及合作伙伴在内，已经构建了数万个Digital Twin。

应用端

对工业客户来说，需要的是解决问题的能力，而不是解决问题的工具。GE推出Predix的主要目标，也是为了更高效、更简单的开发各类工业应用，分析各类工业问题。

Predix应用针对的不是我们耳熟能详的MES、ERP、PLM等传统IT类应用，而是为各类工业设备，提供完备的设备健康和故障预测、生产效率优化、能耗管理、排程优化等应用场景，采用数据驱动和机理结合的方式，旨在解决传统工业几十年来都未能解决的质量、效率、能耗等问题，帮助工业企业实现数字化转型；同时，Predix毫不犹豫的采用物联网、人工智能等新兴IT技术，摆脱人的经验和知识积累的局限性，从只能解决已知的、经验性的问题，逐步带入到对未知世界的掌控中。

Predix的应用开发可以分为三部分：

▼ 高控制力开发套件：为高级软件开发工程师提供微服务级别的应用开发能力；

▼ 高生产力开发套件：为普通运营和分析人员提供快速应用开发能力；

▼ Digital Twin开发套件：提供Digital Twin的开发支持；

“

GE Predix 在国内外的经典案例

前面，我们科普了那么多关于Predix的理论知识，而实践才是检验真理的唯一标准，在2017年M+M大会上，展示了很多鲜活的案例。

BP （英国石油公司）

BP和GE的油气部门联合发布了一个POA服务(Plant Operation Advisor)，这是一个全新的基于Predix开发，旨在提高BP油气生产环节的效率、可靠性和安全性的数字化方案。POA已经帮助BP提升了在墨西哥湾炼油厂的性能，并且会在下一个年度部署在BP全球的炼油工厂。该方案将成为Predix+APM方案的全球最大部署案例。

Exelon（美国爱克斯龙电力公司）

Exelon是美国财富100的能源公司，最大的核电公司，采用了GE的Predix平台实现数字化转型。Exelon部署了Predix的完整套件，应用在全公司的33GW核电、混合电力、风电、太阳能和天然气的电厂上，并合作开发了非常多基于Predix的工业SaaS应用。

Qantas Airways（澳洲航空公司）

对于Qantas来说，燃油的使用效率是至关重要的。自从2015年开始，该航空公司利用GE的Flight Analytics软件，已经实现了数百万公斤燃油的节约。从2017年开始，他们开始为最重要的资产-飞行员配备基于GE Predix开发的移动应用FlightPulse，以便于让1700多个飞行员获取更细致的飞行数据，做出更精准的燃油使用决策。

Ferromex（墨西哥铁路）

Ferromex是墨西哥最大的铁路运营商，利用GE交通的Smart Shopping套件降低列车的停留时间，可以实现7x24小时对100辆列车进行健康和性能的实时监控和分析。通过精细化的分析，在列车进入维修车间之前就可以实现运维的预测，以此减少宕机的时间和维修的成本。

Predix在中国，也已经有了非常成功落地案例：

医疗领域→仁济医院

早在2013年，仁济医院就开始与GE医疗合作，使用资产云管家 Asset Plus 。AssetPlus能从远端观察到每一台设备的运行负荷，进行远程就诊调控和分流，降低高负荷机器的运行时间，把等待就诊的病患引导至闲置设备，一方面使设备利用率得到了提升，避免单台机器长时间超负荷工作造成停机，同时也减少了病患等待的时间。

航空领域→东方航空

GE基于大数据建立的发动机叶片损伤分析，可以为对发动机维修的安排提供了准确率高达80%的参照。并推出GE航空大数据平台，着眼于飞行（风险）分析、燃油管理，以及发动机分析三大关键领域。GE与东方航空共享各自掌握的海量数据，充分释放GE在大数据分析技术以及在发动机领域的最佳实践和创新技术的价值，帮助东方航空提高飞行安全管理水平、降低燃油消耗和排放，以及有效应对引发计划外维修与在翼时间等问题。

电力领域→广日电气

GE为广日电气制定了APS、MES、WMS三大系统，实现了对物料入库/出库、分发、转移、不合格品、VMI和库存检查等的全过程管控。改变了以往式生产的模式，解决了之前广日电器大量堆积浪费的问题，起到了降本增效的作用。

“

GE Predix 在国内外的生态建设

光有平台还不够，工业互联网要真正发展起来，生态非常重要。

Predix在生态构建方面做得非常不错，目前已经有超过33000位开发者、300个合作伙伴基于Predix平台在进行应用开发，业内也在逐步认可Predix在工业互联网生态中的影响力。“好的平台具有黑洞效应”，Predix会汇聚越来越多的注意力和资源，当越来越多的开发者习惯Predix的开发思路之后，后进者需要更大的代价才能说服其切换。

横向合作伙伴

这类合作伙伴都是以丰富Predix平台的横向协作能力为目的，不仅包括微软和苹果这些巨头IT企业，还包括大批的创业公司。微软Azure为Predix提供了坚实而强大的IaaS平台、机器学习以及PowerBI，而Apple则丰富了Predix开发工业级移动应用的能力。

纵向合作伙伴

这类合作伙伴包括大量咨询机构、集成商和独立软件开发商。这类合作伙伴本身有大量的工业客户，可以基于GE APM+Predix平台，为其工业客户提供定制化的工业应用开发和数据分析的整体解决方案，包括Infosys、Wipro、Accenture、Capgemini、TATA、Tech Mahindra等全球性公司。他们基于Predix平台，开发了非常多针对工业设备性能提升、预测性维修、供应链管理的应用。

开发者

除了合作伙伴，Predix平台已经积累了33000多个来自全球不同多个国家的开发者，M+M大会也是工业应用开发者的一次盛会。

在国内，Predix生态建设也是风生水起，2016年7月，亚洲第一个GE数字创新坊在上海正式启用，用于支持中国本土数字工业创新和孵化。2017年3月，GE和中国电信签署协议，中国电信将为Predix工业互联网技术落地中国提供服务，并由旗下全资子公司负责在华运营GE Predix™及数据中心。 2017年11月16日，“GE工业互联网科技峰会”在上海召开，会上宣布了首届“Predix星火计划”获奖企业，向四家杰出创业公司及合作伙伴颁发了该奖项，以鼓励更多企业投入工业互联网应用开发，共同拓展工业互联网生态圈。

“

2018，工业互联网在中国的落地元年？

坊间常有人说：工业互联网是中国热，美国冷。其实，这都是表象。美国已经过了探讨“what”和“why”的阶段，迅速进入“how”的实践阶段，很多企业已经真正体会到了工业互联网的价值。人家都去埋头做事、闷声发财了，哪有时间和精力去炒作热度呀？

而国内则正处于工业互联网的市场“教育”的高峰期，一波波的声浪都在讲“what互联网”、“why工业互联网”，这也许就是工业互联网在中国的“热”。

大家都看到了工业互联网的巨大市场前景，而且随着云计算、人工智能、移动互联、IOT这些基础技术的成熟，以及工业企业的需求觉醒，中国的工业互联网产业也确实应该向“How”的阶段迈进了。然而，“有技术”的科技公司和“有需求”的工业企业之间，缺乏有效的连接纽带，行业“KnowHow”把双方阻隔在河的两岸，这成为中国的工业互联网不能迅速进入“How”状态的最大障碍。

这个行业，特别需要GE这样的“跨界”企业来破冰，GE本身既是科技公司，又是高端工业装备制造公司，这种“跨界”，让它成为工业互联网的旗手公司，用大量最佳实践完成了“技术”和“需求”的耦合。

但仅靠跨界还不够，工业各细分领域专业差异大，壁垒深，GE并非无所不能，所以，GE Predix的架构分为平台+边缘+应用，强调平台的开放性，提供各种框架和API接口，并且大力发展生态，让更多有“KnowHow”能力的小伙伴加入进来。这种模式，才是工业互联网的未来。

2018年会是中国工业互联网的落地元年吗，让我们期待一下吧。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。由互联网进化论作者，计算机博士刘锋与中国科学院虚拟经济与数据科学研究中心石勇、刘颖教授创建。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”