谈谈17年工业届三个热点词汇的个人见解

独立思考，尤其不易。作者说“不过真的是因为看到买几台六轴就号称搞智能制造的傻货想怼他”。

工业互联网，好像更时髦的叫法是工业物联网IIoT，不管咋说，其意思就是在万物上网的物联网时代，要把工业设备也都连接到网络上去。从技术和业务两个角度谈谈个人对这个词汇的理解。工业物联网从设备连网的能力层而言，只要是2000年以后的设备都具备连网的能力，问题只是企业连没连。现实中的制造部门或工厂的设备连网基本都是在MES系统部署的时候完成。MES在流程行业，诸如制药、化工、酿酒等领域已经非常成熟，原因在于这些流程行业自动化程度极高；在离散行业相比而言由于每个企业自动化程度不同，MES具体实施存在差异，其成熟度不如流程行业高，特别是存在手工拉线生产的情形。这一点真的没看出现在的工业物联网和MES有啥区别，新瓶装旧酒，还是一群互联网人从没接触过生产自己臆想工业还是在很落后的时代，我不得而知。这也导致一个现状就是好多工业物联网平台，推出的东西让人哭笑不得，讲的好听点是做了个基于浏览器的MES客户端，讲的不好听点，这是在考验干工业人的智商。这会儿物联网的人可能要说工业物联网是在云上做的内容。这里就代表工业人说说从工业角度对云的需求是啥。其一，硬件虚拟化，过往我需要在工厂搭建物理服务器，现在最好能在云上找个虚拟机就解决了，其带来的优势就是不在需要支付维护硬件成本；其二，即取即用，也就说假设需要更大的存储，一个申请马上就能从云端分配更多，免去了采购、安装、设置等一堆与工业业务无关的动作，需要一台新的虚拟机，立马能分配，需要将现有的环境迁移到一个新工厂，立马可以克隆。至于网络安全，云的架构，那是做架构人需要考虑的，单从业务角度只需要这些。上面的内容，并不是要完全否定工业物联网，只是想说工业物联网如果是要落地到工业，其落脚点该是工业二字，而不是互联网，是每个工业行业细分的领域知识，是每个领域哪些数据需要被收集，并采用何种方式收集分析，因而个人相信了解行业的产品经理和方案架构设计师才是工业物联网的技术精髓。业务上看，在实际的工厂执行MES或者高大上点说搞工业物联网，要解决的是不同年代，不同厂家的不同设备的接入问题，新旧设备的多样化，和一些数据缺失需要想方设法补漏这是最费时也最难体现效率的事情。而这恰恰是工业物联网的基础，这里引用一句西门子的话“自动化是数字化的基础”供参考。但从工业物联网的供应商角度，也许去搞这一个个的具体机器是难的，不过把主流的工业协议一揽子全都支持了却不难，还要提醒一点千万不要以为有OPC万事大吉，Profinet，Profibus，CCNet，EtherNet，EtherCAT等等一个都不能少。这也就仅仅解决了协议层接入的问题，同一个PLC用在不同场景，还不同呢。比如用在压机和注塑机上的相同PLC，设定肯定不同。搞好这些协议能节省的是MES现场接入的投入，将MES的定制实施更多的用在解决业务数据上。另一点从工业物联网角度来说，对于数据的分析，个人目前也未看到与传统的SPC，TQM里的分析方法有何不同，提供的所谓的各类图表，貌似MES里全乎的很。总结而言，工业物联网尚需要寻找真正能让用户看到的价值的点，不然还不如让Honeywell MES或者施耐德Wonderware来改名叫工业物联网更好!

智能制造，Smart Manufacturing，直白点翻就是聪明的制造。这次要站在企业主角度说句话什么是智能制造，那就是能帮助实现利润最大的话的制造。围绕利润最大化这个企业运营等等终极目标说个人理解的两点，其一，智能制造绝不只是制造本身的事情；其二，智能制造是融入了对行业预测的生产形势，是企业利润最大化的制造方式。利润最大化并不表示一定要生产最多，市场保有量最大，相应对企业而言应是利润最大与生产弹性最大的优化，能吃到最好的蛋糕的同时也能保持最轻快的姿势在市场发生变化时转向。这种利润最大化，不能使Win-Lose的压OEM和供应商，也许是一种Win-Win的企业上下游托拉斯。再回到现实，看看现实中的智能制造在怎么做。企业过去没什么机器人的采购了几台机器人来替代了人，号称智能制造了，这是最多只能算智能制造的很早期形态，用机器人替代人省下一些Labor Cost。就单单看看工业机器人这个行业，2008年去上汽参观白车身焊接装配线，认可当时的机器人焊接装配线很先进，都是高档的ABB，Kuka。现在再看ABB的六轴机器人卖多少钱一台，20万以内就能整一台了，机器人的制造商从2010后瞬间在国内遍地开花，去工博会上看一圈，好多国内企业都能造六轴机器人了，应该跟一些协议和技术的开放不无关系。带来的效果就是机器人的生产成本降低了，用的起机器人的企业多了。过往只有在工厂才能看到的机器人产线现在能在展会上看到了，但如果这就是智能制造，那这个词真的太Low了，咋看这也不能叫聪明的制造。聪明的制造一定是了解市场，了解企业自身在市场的定位的制造，实现的是利润最大化。这也是笔者认为聪明制造一定不只是局限于制造的，是基于多种环境条件约束后企业做的优化生产决策。

数字化双胞胎，Digital Twin。其一，至少现阶段不可能在计算机中得到一个和现实一模一样行为的数字双胞胎，其实也没有必要。其二，数字双胞胎应该是个群集概念，它里面包含一组双胞胎，反应现实中的对象的方方面面。其三，数字双胞胎的价值在于替代真实的对象，去进行一些预测性的分析，这种预测性分析既包括前瞻也包括复现。其四，遴选出的数字双胞胎模型应该是有价值的，它反应现实对象的主要矛盾，并通过使用双胞胎实现时间，成本，质量的优化以展示其价值。回到现实，笔者看到好多企业在大谈数字双胞胎的时候抱有的错误想法就是要在计算机搞个跟真实模型一模一样的东西。这就有点不靠谱了，计算机还有最小时钟频率，现实时间的时间可是连续的，瞬态问题时间小于计算机时钟频率咋办。数字双胞胎现阶段的建模方式无非两种，一根据物理学原理来建模，二根据数据抽象推论黑盒公式。现实中，两分钟发生的事情，基于黑盒公式或者还能做到在两分钟内给出结果，基于物流学原理来计算的话，复杂点的有限元场景，两天都不一定算的完。但是如果摒弃搞这样模型的想法，只是从数字双胞胎需要从现实对象的某一个或几个方面去研究问题的角度去看，那就有可行性了。如果这个双胞胎再是有价值的，能实现时间的节省，成本的节约，模拟一些现实中无法实验的场景就值当的很了。笔者曾领导做过一个风机塔座的强度校核的数字双胞胎，其实说白了很简单。风场的风力情况由现场工程师测定，测定后会将这些风力转换为对于风机塔座的三个力Fx，Fy，Fz和三个弯矩Mx，My，Mz。由于一年四季的不同，这些数据一般会出现十多甚至二十多组来代表不同的风况。过去在没有数字双胞胎的情况下，结构有限元工程师一般人工挑选两组其中认为是最恶劣的风况手工在有限元软件里进行分析。这个过程一般需要四周时间，之所以时间长，是准备和设定相关的有限元约束时间花费占到了这4周的90%。数字双胞胎做的事情就是使用Python完成一组自动化的设定约束，加材料的过程，并将风况的20多组输入放入Excel表作为动态输入，对所有工况进行全部验证。这样20多组的风况在这个自动化脚本的自动配置下，只需要1个小时就能在一台高性能的工作站上完成。时间节省相当可观，成本也肯定省了，至少是有限元工程师的Labor Cost省了。再进一步，利用工具软件提供的优化功能，挑选出这20多组工况的最恶劣情况进行塔座减重自动优化，结果对于测试案例能减重达15%，要知道这是直径很大的风机塔座，是铸造件，成本节约相当可观。这就是笔者认为有价值的数字双胞胎。

总结而言，这三个热词，工业物联网，需要的充实其差异化的内容，新瓶装老酒是行不通的，因而需要的真正把行业纳入到工业物联网，来落地，别飘在天上了；智能制造，目前还是很狭义的理解在机器人替代人的阶段，这需要时间来让企业修正，等到机器替代人也省不了成本，或者行业饱和时候再来理解智能制造是利润最大化就有点晚了；而数字双胞胎，是目前稍微能能接点地气的内容，只要不曲解，利用数字化的工具是能发挥数字双胞胎替代现实对象并获得价值的。