工业物联网应用发展现状与及趋势

物联网几乎可以把任何物体转化为有关该物体的信息源。它创造了一种区别产品和服务的新方式以及能够自主管理的全新价值源——信息及洞察力。物联网使制造企业的竞争领域不仅限于产品功能及服务，而且扩展到通过使用这些产品或服务所创造的信息和数据。在清晰的战略指引下，数据分析可以帮助企业将物联网产生的信息转化为有意义的洞见，帮助决策者更清楚地了解他们的客户、产品和市场，继而协助企业开发新产品、服务和商业模式。如下图，以产品和服务的形式创造价值造就了“价值链”的概念，即企业将输入转化为输出的一系列活动以及活动的顺序。

同样，充分发挥物联网的潜力有助于形成一个能获取一系列活动以及活动顺序的框架，企业由此通过信息创造价值，即“信息价值环路”。信息价值环路始于在全新环境中创造和交互信息。传感技术让一切行为都能产生信息，即“创造”阶段。网络（一般由通信服务供应商和管理）将“创造”和“交互”阶段连接起来，释放信息，激活闭环剩余环节。在两者的接合处外延了新形式和合作机遇。需注意的是，信息价值环路是一个闭环，即行为——现实世界中物体的状态或行为——产生信息。而后这些信息将被用于预知未来的行为。

对于使闭环完整并创造价值的信息，它将会经历闭环内各个阶段，且每一个阶段都由特定的“技术”推动。创造信息的“传感器”会监控每一次行为。这些信息经过“网络”实现交互，而后技术、法律、监管或者社会的“标准”使它们跨越时空聚合到一起。“外延智能”是获取用与分析信息的各种形式分析支持的通用术语。信息价值环路最终由“外延行为”技术完成，这些技术能引发自动化的自发行为或以一种能够改进行为的方式形成人类决策。

工业物联网应用的价值体现

物联网大幅降低设备个别运算和数据储存的成本，更颠覆以往对于商业价值的定义与框架，我们可以从财务指标、运营指标、企业绩效改善指标来思考物联网所开启的商业价值和机会。从财务指标来看，公司的收益、支出和资产维持了它的运营平衡，但大部分公司的管理方式都在于减少开销、提高资产效率、较低负载等，而并非去发现如何经由创新方案开拓收入来源。从运营指标来看，公司的财务指标变动可以了解一间公司的三大核心营运流畅：客户生命周期、产品生命周期和设备生命周期。目前大部分企业在物联网上的投资专注于设备生命周期。

对于客户生命周期及及产品生命周期，智能型的联网设备不但可以提供新的分析与性能，更可以有效管理公司如何发展客户和产品，甚至详细地知道客户存在周期、产品及相关收入和利润等细节。从企业绩效改善来看，目前物联网解决方案大多被应用在特定的事件，像是减少库存或是机器故障等。只有一小部分是从物联网分析出的数据去改善整体生产流程和产品设计。若欲善用物联网解决方案应延长绩效改进的期限，针对长期性的改善，而非专注在单一交易上，如此企业才能对比过去与未来的绩效，并做一个持续性的增值。

通过以上三个维度的分析，物联网商业价值将以效率提升、业务成长和风险管理提升为体现，无数的益处都可以归于其下。

工业领域的价值

物联网与工业物联网、工业4.0的概念既有交集也有差异。物联网强调的是将生活和生产中一切硬件设备的连接；工业物联网是指在工业环境下，生产设备和产品的连接；工业4．0则涵盖整个制造生态系统。

随着工业化与信息化的深度融合，企业内部及企业间生产控制系统和生产管理系统互联互通的需求渐增，通过接入网络进而达到提高产品质量和运营效率的需求更为强烈，工业物联网应运而生。工业物联网将生产过程的每一个环节、设备变成数据终端，全方位采集底层基础数据，并进行更深层面的数据分析与挖掘，从而提高效率、优化运营。

与物联网在消费行业的应用不同，物联网在工业领域的基础已经存在了几十年。如过程控制和自动化系统、工业化以太网连接和无线局域网（WALN）等系统已经在工厂运行多年，并接连可编程逻辑控制器（PLC）、无线传感器和射频识别技术标签（RFID）。但是在传统工业自动化环境下，一切都只是发生在工厂自己的系统里，从来没有与外部世界连接。

工业物联网相较于传统工业自动化有以下四个特点：

数据收集范围：工业物联网利用RFID、传感器、二维码等手段随时获取产品从生产到销售到最终用户使用各个阶段的信息数据，而传统工业自动化的数据采集往往局限于生产质检阶段。

互联传输：工业物联网利用专用网络与互联网相结合的方式，实时准确地传递物体信息，对网络依赖性更高，更强调数据交互。

智能处理：工业物联网综合利用云计算、云存储、模糊识别、神经网络等智能计算技术，对海量数据和信息进行分析和处理，并结合大数据技术，深入挖掘数据价值。

自组织与自维护：工业物联网的每个节点为整个系统提供自己处理获得的信息或决策数据，当某个节点失效或数据发生变化时，整个系统会自动根据逻辑关系做出相应调整。

Forrest Research预测到2020年，世界上物物互联的业务将是人人互联业务的30倍。工业领域目前是物联网项目最多的应用领域。IoT Analytics认为制造业在物联网应用的占比约为25％，Harbor Research和CISCO估计为27％左右，Gartner预计在15％左右。尽管各机构预计数据有差距，但制造业在物联网中的重要地位显而易见。

中国物联网生态环境日趋成熟，物联网在工业领域的应用需求逐渐强烈。根据估算，2014年中国工业物联网规模达到约1157亿元，在整体物联网产业中的占比约为18％，2015年规模接近1500亿元，增长率达到29％。到2020年，工业物联网在整体物联网产业中的占比将达到25％，规模将突破4500亿元。

二、我国工业物联网发展现状、趋势及挑战

应用现状

制造企业普遍认同工业物联网的重要性，但尚未形成清晰的物联网战略。根据Deloitte2016年调查显示，89％的受访企业认同在未来五年内工业物联网对企业的成功至关重要，72％的企业已经在一定程度上开始工业物联网应用，但仅有46％的企业制定了比较清晰的工业物联网战略和规划。

与物联网在消费领域近乎从零开始的情况不同，传感器、PLC等物联网技术已经在工业领域存在了几十年。这也是为什么多数受访企业认为自己已经在一定程度上开始工业物联网应用的原因。但目前制造企业物联网应用主要集中于感知，即通过硬件、软件和设备的部署收集并传输数据，这只是物联网应用的开始。由于工业物联网整体解决方案设计和实施的复杂性，虽然深知物联网战略的重要性，很多企业还不确定自己是否做好准备，也尚未形成工业物联网的清晰战略。

制造企业仍处在数据应用的初级阶段，从“后知后觉”到“先见之明”尚需时日。工业物联网是数据驱动的产业。如工业传感器实时采集设备及生产线上的温度、压力、振动等信息，汇集成海量数据，再通过挖掘分析、处理、应用，最终实现价值创造。典型应用包括故障预测、远程诊断、工业生产线分析、能耗优化等诸多方面。

正如前文所述，数据采集只是“信息价值环路”发挥作用的开始，如何分析和利用所采集到的海量数据支持决策才是价值创造的重点。我们的调查发现，企业目前仍处在数据应用的感知阶段而非行动阶段。大部分企业利用采集到的数据解释历史表现的规律和根本原因，仅有少部分企业开始将数据用于预测性分析指导企业行动。

更深层次的工业物联网应用需要企业改变利用数据的方法——从“后知后觉”到“先见之明”。企业需要思考除了利用从各种传感器采集到的数据解释历史业绩的规律和根本原因，企业如何利用数据驱动后台、中间和前台业务流程改善？未来什么样的产品和服务可能带来新的收入？什么样的物联网应用可能开拓新的市场？

未来趋势

未来企业工业物联网应用的重点由设备和资产转向产品和客户。工业企业借助物联网实现业务成长的主要途径包括新的产品和服务和更紧密的客户关系。为了开发更具吸引力的产品或提升现有客户关系，企业将需要大量产品和客户的相关信息支持。目前工业企业所获得的产品和客户的信息量远少于资产和设备的信息量，在效率提升和业务成长的双重诉求驱动下，未来企业工业物联网应用的关注度将由设备和资产转向产品和客户。

数据能力提升将以数据分析计算能力提升为投资优先选择。物联网的整体突破不仅依赖于硬件能力和商业模式创新，算法与数据同样不可或缺。中国制造企业多年基于应用研发积累了大量经验数据，如果将这些数据提取并模型化，形成可实用的专家算法，数据将变成具有良好盈利能力的金矿。

主要挑战

制造业企业中工业物联网的应用受到来自技术、监管、组织层面的挑战。例如，工业企业是否在系统和管理方面都做好向以数据驱动的决策方式转型，或是数据隐私和安全性将受到怎样的监管和保护。工业物联网应用面临的最大三项挑战分别为：缺乏互通互联的标准、数据所有权和安全问题以及相关操作人员技能不足。

缺乏互联互通的标准。大多数企业认为缺乏互联互通的标准是企业工业物联网应用的主要挑战之一。工业物联网将是一个多设备、多网络、多应用、互联互通、互相融合的大网。在工业物联网建设中，传感器、接口标准、通信协议，管理协议等方面都需要标准化。标准能够保障应用间的互操作性，通过统一的安全规范保护环境、工厂、设备和用户，通过标准化的术语和定义协调所有相关方面的通信。也唯有标准才能够建立制造商和用户的信心，并对投资提供必要保障。有关研究显示，缺乏互联互通的标准，工业物联网40％的潜在价值将无法实现。工业物联网发展需要信息的共享和信息服务，就意味着要破除跨行业间的壁垒，建立新的共享与协同型的管理体系和生产流程。

数据所有权及数据安全问题。部分企业认为数据所有权及数据安全问题是企业工业物联网应用的主要挑战之一。数以亿计的互联设备产生数据的速度和数量将推进有洞察力的商业决策，加速破坏性的创新，并改变商业模型。随着数据所产生的价值显现，数据所有权越来越成为数据共享的争论焦点，目前市场尚无定论究竟是设备制造商还是设备用户拥有数据所有权。多数的设备供应商倾向于给客户提供原始数据访问的有效途径，鼓励用户共同参与制造的改进与提升。

不论以何种角色——数据拥有者或数据保管者——设备供应商只有通过共享数据并且提供给客户有价值的服务才能从工业物联网的设备数据中获得回报。安全性问题是工业物联网面临的另一个障碍。联网设备数量的持续暴增，给工业系统带来了空前增长和性能提升的机会。但这一增长同时也给运营工业过程的企业带来新的风险，尤其是考虑到暴露的数据将呈现指数级的增长。工业物联网系安全性的挑战来。工业物联网的安全涉及各个方面，从工业过程和应用，到安全和可靠性需求，因此安全问题无法孤立解决。

缺乏相关技术人才。一些企业认为缺乏相关技术人才是企业工业物联网应用的另一大挑战。考虑到各种各样的工业物联网应用案例与场景，其中也包括新数据源，改变系统架构的数据以及多结构化数据等因素，我们今天的制造企业并不完全拥有适当的分析能力与相关的人才。不少制造业企业的确有很多数据分析的经验，但主要是集中在结构性数据集的基础上进行描述性分析，而不是利用大数据融合实时与各种非结构化数据共同进行预测性和规范性分析。尽管许多大学都在努力培养优秀的数据科学人才，但是数量毕竟有限。对于高端人才的竞争则会变得更加激烈。公司应该认识到，他们需要和教育机构建立更加紧密的联系。在公司和大学之间构建一个真正的合作关系已经变得日益重要。

三、创造工业物联网价值的几点建议

制定清晰的战略

工业物联网架构能力很大程度上依赖于清晰的战略。工业物联网战略的作用在于设定其范围和目标。没有清晰战略的企业往往专注于单项技术和解决离散的企业问题，有清晰战略的企业则更关注综合利用多种技术转变企业的运营和业务方式。

幸运的是，企业有大量的机会可以通过局部的技术应用，快速实现工业数字化的潜在价值，从而为进一步全局的提升奠定基础。但是由于工业物联网的潜在影响巨大，而且大范围实施对企业文化、基础设施、技术能力和人才资源都提出很高的要求。企业在试图解决全局问题的同时，其发展很可能会陷入停滞。

企业需要目光长远、从小处着手并且快速升级。只有当一系列小的目标达到时，大的变革才可能发生。企业先重点实施那些将支持其长期目标的具体试点项目，并在试点过程中发现所需要的技术要求以便日后的快速推广和升级。

更加注重系统安全性

在互联互通的世界，从保护数据到保护系统性能，企业面临的信息安全压力越来越大。这种压力既来自企业内部的系统运行安全，又来自可能的泄密风险。如果被入侵者攻击，企业不仅面临操作系统无法正常使用和大量隐私信息如核心工艺参数被窃取的风险，甚至关键基础设施的工业设备遭到入侵者控制或破坏，造成巨大的经济损失和人员伤亡。

许多公司选择建立信息安全的架构和机制，从而将安全风险降到最低。信息安全机制包括信息安全目标（如生产事故发生次数、泄密事故、生产终端时间的最低值）、安全策略（如物理、网络、主机、数据、人员、应急事件、文件管理的安全策略）以及安全管理制度（如数据中心管理办法、网络系统管理制度、涉密设备管理制度等）。

开展更广阔的合作

工业物联网的整体系统，非单一厂商能够独力完成，而是需要透过一个完整的生态体系来让架构更为完备。GE数字公司正与Dell、EMC、微软、SAP、诺基亚等数十家公司合作构建工业物联网平台，让合作公司在平台上开发新的工业应用程序，并允许客户使用增值应用程序。无独有偶，霍尼韦尔、施耐德和思科、IBM、埃森哲等公司也在合作开发工业物联网平台。

当然，像GE成为生态系统的搭建者和主导者显然并不适合所有工业企业，尤其是考虑到目前市场上充斥着各种物联网平台，行业也许很快会迎来物联网平台的整合与淘汰潮。企业自我定位为生态系统的搭建者，还是模块化产品的提供者，或者渠道搭建者，将取决于企业自身的业务设计和对最终用户的了解程度。

生态系统还将促成有前瞻意识的制造商以新的方式来使用不一定属于他们的能力。就像Uber和Airbnb，尽管没有资产所有权，但一样可以利用这些资产创造价值。同样变化也正在制造业内发生，特别是用于提高产品开发和市场测试的灵活性。

技术的进步大大增加了物联网解决方案在工业领域的潜在实力，物联网解决方案将提高工业企业运营效率，增加其收入来源并激发创新。物联网也证明了它可以帮助企业制造更多的持续性价值，像是从过去一次性的交易转变成长久的客户关系。虽然面临连接性和安全性的问题，但我们仍可预期物联网将袭卷工业领域各大产业。