工业互联网是MES、ERP上云吗？

最近几年，一直有人问这个问题。回答这个问题之前，我们先看看工业互联网带来的机会是什么？

我们知道：过去工厂里的计算机系统是分级的。离散制造业典型的分法是BA、MES、ERP，钢铁行业的典型分法是L1~L4。这些级别的特征是：底层的响应速度快而管控范围小，高层响应速度慢而管控范围大。以钢铁行业为例，L1是阀门级、L2是设备级、L3是车间级、L4是公司级，范围不断扩大。但L1的响应速度是秒级、毫秒级，而L4并不是实时处理的。把管控范围和响应速度放在一起，就能看到原来计算机系统的局限性：限于响应速度慢或者管理范围小的三角形内部。

这就是传统计算机系统的局限性。

了解了这个局限性之后，“机会”也就清楚了：突破三角形内部的束缚。范围大、响应速度快的领域，是工业互联网的机会空间。所以，MES、ERP上云并不一定能解决“范围大、响应速度快”的要求，并不是典型的工业互联网应用。

   林诗万博士的视角，也是不同时间周期系统的融合

要理解工业互联网的特点，就要分析过去为什么会有局限性。

从技术角度讲，这个局限性是信息通信技术不够发达导致。但技术基础具备后，人们需要考虑的是经济性问题：什么样的业务活动，能够发挥这种技术的优势。

我们注意到，网约车、外卖平台针对 都是“范围大、响应速度快”场景。在这个场景中，平台本质的作用是管控。北京大学陈龙博士在《数字控制下的劳动秩序：外卖骑手的劳动控制》中写道：平台更像是一名管理者，真正的老板并不存在。

但工业中的场景是什么呢？

在笔者看来，本质上也是提高管控能力。在能源、质量、安全、设备、操作等方面。因为计算机可以根据实时数据，判断能源是否平衡、实时发现质量、安全和操作问题，及时发现安全隐患。过去人们常说：现场有黄金。意思是人们要下现场才能发现问题。但是，在互联网时代，许多问题不需要下现场、不需要走到设备旁边，就可以更加及时准确地发现问题。对现场管理来说，这其实是一种革命性的变革。

在工业互联网白 皮 书中，指出了3个要素：智能的机器、高级算法、工作中的人。所谓智能的机器，最基本的要求就是“不聋不哑”（朱铎先先生的说法），能够给人送信息。但人的精力是有限的，难以处理成千上万台设备送来的秒级、毫秒级的数据。所以，需要“高级算法”来帮忙。我把“高级算法”形象地称为“小秘书”，其作用是从数据中发现问题、报告给人。

                     工业互联网的三个要素

生产正常的时候，人类没有必要看大量的实时数据：这其实是浪费精力。而“小秘书”的作用就是发现异常，报告给人。发现异常的逻辑也非常简单：异常就是不正常，不正常就是超出正常范围，正常范围就是标准规定的范围。所以，企业必须重视标准的建设：标准之内是正常、标准之外是异常。事实上，网约车、外卖平台的管理，就是这个逻辑。这样，依靠“小秘书”的帮助，人类就可以用有限的精力，去关注大范围实时性的问题了。

随着数字化技术的应用，企业一项“后台”工作，会逐渐走向“前台”：这就是优化。传统上，企业管理和技术人员的日常工作是处理问题和异常，做“救火队员”。“优化”常常被当成“点缀”、“附加”的工作。但是，在工业互联网时代，管理和技术人员的主流工作就是优化：因为日常处理是机器来做的。日本的IVRA结构，说的其实就是这个问题。我们可以设想：一家企业的技术人员主要在“救火”，另外一家在“优化”：哪家企业的水平更高？

                     工厂的智能化思路：持续改进

完成上述逻辑需要做两件事：分析数据、（用APP的思路）沉淀软件化知识。

然而，在现实中上述两件事并不太容易做。某企业出现质量问题时，一般要花3~7天的时间。试想，如果技术人员每天面对几十个质量问题怎么办？哪有精力处理？本人过去做类似APP这样的工作时，要花几个月的时间，成本算下来有几十万。如果不能解决这些问题，我前面讲的逻辑就是无法落地的：可以偶尔做示范，但无法成为日常的活动。因为经济上不划算、是赔本的买卖。

工业互联网平台、5G、数字孪生，本质上是解决这个问题的，也就是解决上述逻辑的成本和效率问题。举个例子：

做数据分析的时候，需要的数据是难以事先确定的。往往需要从不同的系统中获得数据。多年来，我们试图解决数据孤岛问题。但每个系统都是单独建设的，消除孤岛的顶层设计太难做了。但现在有办法了：有孤岛不可怕，只要易于连接就可以了。再如，知识沉淀成APP的过程，还可能会影响系统稳定性，带来很多的阻力。这个时候，我们就可以谈信息通信技术的作用了。例如，云原生技术就可以帮助人们解决这类问题。

推进工业互联网技术时，重视应用是对的。但如果只重视应用、满足于短期的成绩，可能会丧失真正的机会。