工業化(huà)控制層包括智能産品/智能生産設備/智能測試設備、數據采集、設備維修、設備維護保養、預測性維護、機器人(rén)自動巡檢點檢、遠(yuǎn)程監測與控制等。

智能産品/智能生産設備/智能測試設備：集先進制造技術、信息技術和(hé)智能技術爲一體，具有感知、分(fēn)析、決策功能的(de)監測、控制與驅動設備及産品。

◉ 數據采集：指通(tōng)過在線的(de)傳感器或軟件技術對(duì)被測對(duì)象進行自動采集數字或模拟信号，并傳送到DCS、PLC、DNC、SCADA、儀表等系統進行分(fēn)析、處理(lǐ)。全部的(de)數據采集系統包含了(le)傳感器、信号調理(lǐ)、模\數轉換、通(tōng)訊接口，以及信号處理(lǐ)設備、信号處理(lǐ)軟件等。

◉ 設備維修：指爲保持、恢複以及提升設備技術狀态進行的(de)技術活動。其中包括保持設備良好技術狀态的(de)維護、設備劣化(huà)或發生故障後恢複其功能而進行的(de)修理(lǐ)，以及提升設備技術狀态進行的(de)計劃性或緊急性的(de)技術活動。

◉ 設備維護保養：是設備維修與保養的(de)結合。爲防止設備性能劣化(huà)或降低設備失效的(de)概率，按事先規定的(de)計劃或相應技術條件的(de)規定進行的(de)技術管理(lǐ)措施。包括事後維護、預防維護、生産維護、預測維護等。

◉ 設備預測性維護：基于生産過程、設備運行數據及運行日志文件數據的(de)分(fēn)析，對(duì)設備狀态進行有效性評估，并通(tōng)過預測可(kě)能的(de)失效模式，動态、及時(shí)地發現設備潛在故障，并形成具有針對(duì)性的(de)預警及維護方案。

◉ 機器人(rén)自動巡檢點檢：制定對(duì)設備進行定點、定位的(de)周期性或臨時(shí)性的(de)檢查方案，通(tōng)過自行走機器人(rén)、無人(rén)機等方式，按照(zhào)預設的(de)路線，以傳感器、儀器儀表、視覺、紅外線等接觸式或非接觸式的(de)檢測技術，對(duì)設備運行狀态及環境進行數據、影(yǐng)像采集，并可(kě)做(zuò)出預判。同時(shí)需采用(yòng)無線傳輸技術，将以上信息及時(shí)傳送給管理(lǐ)中心。在特殊工況下(xià)比較适用(yòng)，但是在正常的(de)環境下(xià)可(kě)以用(yòng)遠(yuǎn)程監控來(lái)替代。

◉ 遠(yuǎn)程監測與控制：通(tōng)過有線或無線網絡的(de)方式，通(tōng)過計算(suàn)機系統對(duì)遠(yuǎn)程的(de)設備進行運行狀态的(de)數據采集與視頻(pín)監控，并可(kě)通(tōng)過網絡實現遠(yuǎn)程對(duì)設備的(de)啓停、運轉速度等運行狀态的(de)控制。智能産品/智能生産設備/智能測試設備在開發階段就需在設備内部建立運行狀态的(de)數據采集系統，并具有可(kě)連接到專網、寬帶、4G、5G等的(de)通(tōng)訊接口。

1、概述

IT信息化(huà)5層架構如下(xià)圖所示：

◉ 第一層（設備基礎層）：包括工業生産各類設備、傳感器、PLC控制、傳輸網絡以及物(wù)聯網網關等，是工廠的(de)最底層加工單元。主要完成數據的(de)采集、轉換、收集、處理(lǐ)和(hé)計算(suàn)，以及必要的(de)控制。通(tōng)過統一的(de)接口（如OPC UA），按照(zhào)傳輸協議(yì)（比如工業以太網傳輸協議(yì)）連接到工業監測、控制、執行系統中。

◉ 第二層（自動化(huà)控制層）：設備監測控制系統，比如HMI、DNC、SCADA等。HMI稱作人(rén)機接口（也(yě)叫人(rén)機界面），是系統和(hé)用(yòng)戶之間進行交互和(hé)信息交換的(de)媒介，實現信息的(de)内部形式與人(rén)類可(kě)以接受的(de)形式之間的(de)轉換。SCADA是數據采集與監測控制系統，是以計算(suàn)機爲基礎的(de)DCS與電力自動化(huà)監控系統。可(kě)以對(duì)現場(chǎng)的(de)運行設備組網進行監測和(hé)控制，以實現數據采集、設備控制、測量、參數調節以及各類信号報警等功能。

◉ 第三層（生産執行層）：由MES、MOM等滿足不同工業需求的(de)生産執行系統構成，負責拿到任務并進行任務的(de)分(fēn)配與過程執行。在這(zhè)個(gè)過程中，需要通(tōng)過網絡和(hé)各類接口，向控制層系統或基礎層設備請求所需要的(de)各種參數、變量、狀态和(hé)數據，反向控制指令的(de)原理(lǐ)一樣。其技術基礎是與現場(chǎng)設備進行通(tōng)訊，實現數據的(de)自動化(huà)采集甚至智能采集以及反向控制。

◉ 第四層（業務管理(lǐ)層）：包括PLM、ERP、SCM、CRM等上層系統。其中，PLM負責産品從研發到報廢的(de)“全生命周期管理(lǐ)”，ERP負責企業内部資源的(de)配置和(hé)協調，SCM負責企業資源和(hé)外部的(de)對(duì)接，CRM負責促進企業和(hé)消費者的(de)溝通(tōng)。

◉ 第五層（商業決策層）：經過層層數據的(de)采集、處理(lǐ)、存儲、分(fēn)析、利用(yòng)，最終能夠爲商業決策層（BI商務智能）提供精益的(de)數據基礎。商業決策層将企業中現有的(de)數據進行有效整合，快(kuài)速準确地提出決策依據，幫助企業做(zuò)出明(míng)智的(de)業務經營決策。

通(tōng)過以上IT信息化(huà)5層架構的(de)打通(tōng)，能夠打破數據孤島，使得(de)智能産品從設計、制造、安裝、運維到服務的(de)所有環節都被打通(tōng)。PLM的(de)設計數據直接進入ERP系統，ERP系統立即調配工廠資源，如需外界供貨則由SCM系統自動調配。而借助于CRM系統，整個(gè)生産過程可(kě)以和(hé)客戶保持實時(shí)溝通(tōng)。MES系統在其中起到了(le)信息化(huà)和(hé)工業自動化(huà)的(de)橋梁作用(yòng)。這(zhè)一切的(de)基礎是實現軟硬件的(de)結合，用(yòng)智能信息化(huà)系統結合智能産品/智能生産設備/智能測試設備，最終實現整個(gè)制造工廠到服務現場(chǎng)的(de)智能化(huà)。

2、數據采集

數據采集作爲産品生産和(hé)服務運維過程中的(de)信息收集手段，是連接底層工業控制系統與上層信息化(huà)系統的(de)橋梁，爲企業信息化(huà)提供有效的(de)基礎數據，比如工藝參數、設備數據、質量數據等。數據采集将管理(lǐ)同生産緊密結合，形成“信息源于生産，運維服務數據又最終指導、優化(huà)生産”的(de)有效閉環。

2.1 數據采集類型

工業數據主要來(lái)源于機器設備數據、工業信息化(huà)數據和(hé)産業鏈相關數據。不僅要涵蓋基礎數據，還(hái)要逐步包括用(yòng)戶行爲數據、社交關系數據、用(yòng)戶意見和(hé)反饋數據、設備和(hé)傳感器采集的(de)周期性數據等各類數據。目前主要包括以下(xià)幾種數據采集類型：

（1）海量的(de)Key-Value數據：在傳感器技術飛(fēi)速發展的(de)今天，光(guāng)電、熱(rè)敏、氣敏、力敏、磁敏、聲敏、濕敏等不同類别的(de)工業傳感器在工業現場(chǎng)得(de)到了(le)大(dà)量應用(yòng)，而且很多(duō)時(shí)候機器設備的(de)數據大(dà)概要到毫秒的(de)精度才能分(fēn)析海量的(de)工業數據。因此，這(zhè)部分(fēn)數據的(de)特點是每條數據内容很少，但是頻(pín)率極高(gāo)。

（2）文檔數據：包括工程圖紙、仿真數據、設計CAD圖紙等，還(hái)有大(dà)量的(de)傳統工程文檔。

（3）信息化(huà)數據：是由工業信息系統産生的(de)數據，一般是通(tōng)過數據庫形式存儲的(de)，這(zhè)部分(fēn)數據是最好采集的(de)。

（4） 接口數據：由已經建成的(de)工業自動化(huà)或信息系統提供的(de)接口類型數據，包括txt格式、JSON格式、XML格式等。

（5）視頻(pín)數據：工業現場(chǎng)的(de)視頻(pín)監控設備産生的(de)大(dà)量視頻(pín)數據。

（6）圖像數據：工業現場(chǎng)各類圖像設備拍(pāi)攝的(de)圖片，例如巡檢人(rén)員(yuán)用(yòng)手持設備拍(pāi)攝的(de)，或機器人(rén)自動拍(pāi)攝的(de)設備、環境信息圖片等。

（7）音(yīn)頻(pín)數據：語音(yīn)及聲音(yīn)信息。例如操作員(yuán)的(de)通(tōng)話(huà)、設備運轉的(de)音(yīn)量等。

（8）其他(tā)數據：例如遙感遙測信息、三維信息等。

2.2 數據采集方法

（1）傳感器

傳感器是一種檢測裝置，能感受到被測量的(de)信息，并将信息按一定規律轉換成電信号或其他(tā)所需形式的(de)信息輸出，以滿足數據的(de)傳輸、處理(lǐ)、存儲、顯示和(hé)控制等要求。生産車間中存在許多(duō)傳感節點，24小時(shí)監控著(zhe)整個(gè)生産過程，當發現異常時(shí)，迅速反饋至上位機，是數據采集的(de)感官接收系統，屬于數據采集的(de)底層環節。

（2）RFID技術

RFID射頻(pín)識别技術是一種非接觸式的(de)自動識别技術，通(tōng)過射頻(pín)信号自動識别目标對(duì)象、獲取數據信息并交換數據。RFID技術可(kě)識别高(gāo)速運動物(wù)體并可(kě)同時(shí)識别多(duō)個(gè)标簽，操作快(kuài)捷方便。

在工作時(shí)，RFID讀寫器通(tōng)過天線發送出一定頻(pín)率的(de)脈沖信号，當RFID标簽進入磁場(chǎng)時(shí)，憑借感應電流所獲得(de)的(de)能量發送出存儲在芯片中的(de)産品信息，或者主動發送某一頻(pín)率的(de)信号。閱讀器對(duì)接收的(de)信号進行解碼，然後送到後台主系統進行相關處理(lǐ)。主系統根據邏輯運算(suàn)判斷該卡的(de)合法性，針對(duì)不同的(de)設定做(zuò)出相應的(de)處理(lǐ)和(hé)控制，發出指令信号控制執行動作。

2.3 數據采集難點

（1）數據量巨大(dà)

如果單純是将數據采集到，可(kě)能還(hái)比較好完成。但是，因爲必須要考慮數據的(de)規範與清洗，所以在存儲之前需要對(duì)海量的(de)數據進行處理(lǐ)，從技術上又提高(gāo)了(le)難度。

（2）工業數據的(de)協議(yì)不标準

互聯網數據采集一般都是常見的(de)HTTP等協議(yì)，但在工業領域，有ModBus、OPC、CAN、ControlNet、DeviceNet、Profibus、Zigbee等各類型工業協議(yì)，而且各個(gè)自動化(huà)設備生産及集成商還(hái)會自己開發各種私有的(de)工業協議(yì)，導緻在工業協議(yì)的(de)互聯互通(tōng)上，出現了(le)極大(dà)的(de)難度。很多(duō)企業在工業現場(chǎng)實施綜合自動化(huà)等項目時(shí)，遇到的(de)最大(dà)問題就是面對(duì)衆多(duō)的(de)工業協議(yì)，無法及時(shí)有效的(de)進行解析和(hé)采集。

（3）視頻(pín)傳輸所需通(tōng)訊帶寬巨大(dà)

随著(zhe)雲計算(suàn)技術的(de)普及、公有雲的(de)興起，大(dà)數據需要大(dà)量的(de)計算(suàn)資源和(hé)存儲資源，因此工業數據逐步遷移到公有雲已經是大(dà)勢所趨了(le)。現在一個(gè)工業企業可(kě)能會有幾十路視頻(pín)，成規模的(de)企業會有上百路視頻(pín)，如此大(dà)量的(de)視頻(pín)文件如何通(tōng)過互聯網順暢的(de)傳輸到雲端，也(yě)是需要面臨的(de)巨大(dà)挑戰。

（4）對(duì)原有系統的(de)采集難度大(dà)

在實施大(dà)數據項目時(shí)，數據采集往往不僅僅是針對(duì)傳感器或者PLC，而是采集已經部署完成的(de)自動化(huà)系統的(de)上位機數據。這(zhè)些自動化(huà)系統在部署時(shí)，廠商水(shuǐ)平參差不齊，大(dà)部分(fēn)系統是沒有數據接口的(de)，文檔也(yě)大(dà)量缺失，大(dà)量的(de)現場(chǎng)系統沒有點表等基礎設置數據，使得(de)對(duì)這(zhè)部分(fēn)數據采集的(de)難度極大(dà)。

（5）安全性考慮不足

原先的(de)工業系統都是運行在局域網中，安全問題不是突出考慮的(de)重點。一旦需要通(tōng)過雲端調度工業之中最爲核心的(de)生産能力，又沒有對(duì)安全的(de)充分(fēn)考慮，造成的(de)損失是難以彌補的(de)。

3、數據展示

數據采集、處理(lǐ)之後，需要對(duì)采集數據進行展示，例如智能産品/智能生産設備/智能測試設備運行狀态報告，可(kě)以顯示出當前每台設備的(de)運行狀态，是否空閑、空閑時(shí)間多(duō)少、是否加工中、加工時(shí)間多(duō)少、狀态設置如何、正在運行中或是出了(le)故障等。

數據展示需要對(duì)采集到的(de)項目數據提供多(duō)種報表的(de)展示，例如設備綜合利用(yòng)率OEE報表，能夠準确清楚地分(fēn)析出設備效率如何，在生産的(de)哪個(gè)環節有多(duō)少損失，以及可(kě)以進行哪些改善工作。設備實時(shí)狀态跟蹤、能耗看闆，将生産現場(chǎng)的(de)設備狀況第一時(shí)間傳達給相應的(de)使用(yòng)者。企業通(tōng)過對(duì)工廠設備狀态的(de)實時(shí)了(le)解，可(kě)以實現即時(shí)、高(gāo)效、準确的(de)精細化(huà)設備管理(lǐ)。

1、概述

要實現設備的(de)智慧管理(lǐ)、智慧數據處理(lǐ)，第一步需要拿到智能産品/智能生産設備/智能測試設備數據。除了(le)智能産品/智能生産設備/智能測試設備數據采集，還(hái)要對(duì)智能産品/智能生産設備/智能測試設備數據進行聚合、清洗和(hé)優化(huà)等。

◉ 數據聚合：是數據處理(lǐ)的(de)最後一步，通(tōng)常指的(de)是轉換數據，是每一個(gè)數組生成一個(gè)單一的(de)數值，比如sum( )、mean( )和(hé)count( )等。首先确保采集數據結構的(de)完整性，然後借助聚合功能，使用(yòng)規範格式（比如XML）在任何格式之間按需轉換。

◉ 數據清洗：清洗、匹配數據并對(duì)所有異常進行處理(lǐ)，以确保數據的(de)規範化(huà)、高(gāo)質量。數據采集是一個(gè)大(dà)集合，難免會出現一些錯誤或有沖突的(de)不想要的(de)“髒數據”。需要按照(zhào)一定的(de)規則把“髒數據”“洗掉”，過濾掉那些不符合要求的(de)、不完整的(de)、錯誤的(de)、重複的(de)數據。

◉ 數據優化(huà)：要獲得(de)高(gāo)信息含量的(de)、有用(yòng)的(de)數據，除了(le)要進行數據聚合及清洗，還(hái)要對(duì)數據進行優化(huà)，根據數據分(fēn)析優化(huà)模型，對(duì)數據進行分(fēn)析重組。

2、數據分(fēn)析

在設備自動化(huà)過程中，産生了(le)大(dà)量的(de)數據，這(zhè)些數據所蘊含的(de)信息和(hé)價值并沒有被充分(fēn)挖掘，數據分(fēn)析的(de)目的(de)就是弄清楚智能産品/智能生産設備/智能測試設備數據背後的(de)含義。

從工業物(wù)聯網角度來(lái)說，數據分(fēn)析可(kě)以從以下(xià)兩個(gè)方面來(lái)看：

（1）分(fēn)析數據，形成分(fēn)析結果，這(zhè)是數據分(fēn)析必須要做(zuò)的(de)一個(gè)基礎事情。

（2）合理(lǐ)應用(yòng)分(fēn)析結果。分(fēn)析的(de)目的(de)是把分(fēn)析的(de)結果應用(yòng)起來(lái)，實現安全生産+節能減排+提高(gāo)效率。這(zhè)件事情是一件實實在在的(de)事情，如果隻是吹捧概念，無法真正落地，是很難做(zuò)到數據的(de)完美(měi)應用(yòng)的(de)。

3、邊緣計算(suàn)

邊緣計算(suàn)是一種分(fēn)散式運算(suàn)架構，将應用(yòng)程序、數據資料與服務的(de)運算(suàn)，由網絡中心節點，移往網絡邏輯上的(de)邊緣節點來(lái)處理(lǐ)。它是将原本完全由中心節點處理(lǐ)的(de)大(dà)型服務加以分(fēn)解，切割成更小更容易管理(lǐ)的(de)部分(fēn)，分(fēn)散到邊緣節點去處理(lǐ)。如果把雲端比作大(dà)腦(nǎo)，那麽邊緣計算(suàn)就是神經末梢，對(duì)簡單的(de)刺激進行自處理(lǐ)并将處理(lǐ)的(de)特征信息反饋給雲端大(dà)腦(nǎo)。

随著(zhe)物(wù)聯網的(de)發展，智能産品/智能生産設備/智能測試設備所産生的(de)數據将越來(lái)越多(duō)，這(zhè)些大(dà)規模數據需要放到雲端進行處理(lǐ)。放到雲端，就需要無窮無盡的(de)傳輸帶寬和(hé)數據處理(lǐ)能力，“雲”難免不堪重負，因此需要邊緣計算(suàn)來(lái)分(fēn)擔雲計算(suàn)的(de)壓力。所以，在工業現場(chǎng)的(de)邊緣側進行數據采集、處理(lǐ)及傳輸的(de)邊緣計算(suàn)網關承擔著(zhe)不可(kě)小觑的(de)重任。後期邊緣計算(suàn)與雲平台再進行融會貫通(tōng)，實現“邊雲一體化(huà)”，利用(yòng)大(dà)數據分(fēn)析賦能生産，能夠發揮工業數據的(de)真正價值。

邊緣計算(suàn)能夠提供随處可(kě)得(de)的(de)不間斷的(de)互聯網接入、全面的(de)安全性和(hé)無線服務等，爲真正意義上的(de)智能産品/智能生産設備/智能測試設備信息化(huà)、智能化(huà)提供數據的(de)高(gāo)速通(tōng)道。其強勁的(de)邊緣計算(suàn)能力，在物(wù)聯網邊緣節點實現數據優化(huà)、實時(shí)響應、敏捷連接、智能分(fēn)析，顯著減少現場(chǎng)與中心端的(de)數據流量，并避免雲端運算(suàn)能力遇到瓶頸。能夠優化(huà)網絡架構，更安全、更快(kuài)響應，同時(shí)更智能化(huà)地實現現場(chǎng)業務。

另外，邊緣計算(suàn)具有多(duō)種工業協議(yì)，比如Modbus TCP、Modbus RTU、OPC UA、PROFINET、PROFIBUS-DP、EtherCAT、EhterNET/IP、CC-LINK、PPI等，還(hái)具有完善的(de)網絡功能，支持QoS功能、VLAN功能、虛拟IP映射功能、Sniffer功能等。

4、BI商業決策

4.1  BI概述

BI即商業智能，泛指用(yòng)于業務分(fēn)析的(de)技術和(hé)工具，通(tōng)過獲取、處理(lǐ)原始數據，将其轉化(huà)爲有價值的(de)信息來(lái)指導商業行動。BI能夠爲企業的(de)商業運營提供基于曆史、當下(xià)和(hé)未來(lái)的(de)分(fēn)析視角，涵蓋了(le)從運營到戰略的(de)每個(gè)層面。

BI可(kě)以爲企業提供外部、内部兩方面的(de)信息分(fēn)析。外部信息包括競争對(duì)手、供應商、原材料、需求等信息，内部信息包括産品和(hé)服務的(de)成本、質量等。BI能幫助企業了(le)解最新趨勢、抓住新的(de)市場(chǎng)機會、發現潛在的(de)威脅，從而更好地優化(huà)資源、改進财務績效、引導産品潮流、提高(gāo)服務水(shuǐ)平，提升企業的(de)競争優勢。

從行業發展來(lái)看，BI的(de)發展是以較爲完善的(de)企業信息系統和(hé)穩定的(de)業務系統爲基礎的(de)，其未來(lái)的(de)應用(yòng)是與企業信息化(huà)的(de)基礎狀況密切相關的(de)。商業智能等于商業加智能，需要積累大(dà)量的(de)設備、生産、業務數據，借助于數據倉庫、數據建模、數據分(fēn)析、數據挖掘等技術，結合商業知識建立分(fēn)析模型，然後進行統計分(fēn)析、深層挖掘，以可(kě)視化(huà)交互的(de)方式進行展現。

4.2  BI系統的(de)組成

（1）業務系統

不同于業務管理(lǐ)類的(de)信息系統，BI系統對(duì)企業信息化(huà)本身提出了(le)更高(gāo)的(de)要求。随著(zhe)業務的(de)推進，企業信息系統會産生大(dà)量的(de)數據，BI系統通(tōng)過定時(shí)、實時(shí)的(de)方式從各個(gè)業務系統中獲取最新的(de)業務數據，然後進行規範加工、計算(suàn)彙總，最後展示給各級用(yòng)戶。

（2）企業數據模型

BI系統中最有價值的(de)部分(fēn)是企業數據模型。數據模型是數據倉庫落地的(de)業務基礎，數據倉庫中按業務主題存儲著(zhe)企業的(de)經營數據，是商業智能系統的(de)核心組件。

（3）應用(yòng)層

BI系統通(tōng)過規範的(de)數據管理(lǐ)，可(kě)以爲用(yòng)戶提供多(duō)渠道、多(duō)種形式的(de)數據服務：

綜合報表：爲企業各級人(rén)員(yuán)提供傳統、複雜(zá)的(de)統計報表，大(dà)大(dà)減少各級數據分(fēn)析人(rén)員(yuán)的(de)日常制表工作。

管理(lǐ)駕駛艙：爲公司高(gāo)層管理(lǐ)人(rén)員(yuán)提供全面的(de)、可(kě)視化(huà)的(de)關鍵績效指标分(fēn)析工具，通(tōng)過圖形化(huà)的(de)經營戰略地圖、KPI儀表盤、各種經營指标的(de)變化(huà)趨勢等，爲不同的(de)管理(lǐ)人(rén)員(yuán)提供個(gè)性化(huà)的(de)可(kě)視化(huà)展示。

監控和(hé)預警：實時(shí)監控企業各種關鍵績效指标，并基于管理(lǐ)規則和(hé)業務計劃，對(duì)超出正常範圍的(de)指标和(hé)計劃延遲事項提供郵件、短信等多(duō)種提醒方式，保證關鍵問題能夠及時(shí)獲得(de)管理(lǐ)層及相關人(rén)員(yuán)的(de)關注和(hé)解決。

分(fēn)析挖掘：屬于BI系統的(de)高(gāo)端應用(yòng)。企業可(kě)以使用(yòng)系統提供的(de)數據分(fēn)析工具和(hé)方法，對(duì)曆史經營數據進行分(fēn)析和(hé)挖掘，發現隐含的(de)未知業務知識和(hé)規律，指導業務創新和(hé)輔助決策。

4.3 BI帶來(lái)的(de)價值

（1）給決策層帶來(lái)的(de)價值

BI能給高(gāo)層管理(lǐ)者帶來(lái)的(de)最直接效益就是信息獲取的(de)效率獲得(de)極大(dà)提升，過去數天或者數周才能獲得(de)的(de)數據報告，可(kě)以直接從管理(lǐ)駕駛艙中獲得(de)。管理(lǐ)者可(kě)以及時(shí)掌握公司整體運營狀況，對(duì)關鍵項目進行全程的(de)跟蹤監控，及時(shí)發現或預見潛在偏差，組織通(tōng)知相關人(rén)員(yuán)分(fēn)析問題的(de)原因，采取相應措施進行調整。

管理(lǐ)駕駛艙是企業圍繞著(zhe)長(cháng)期規劃與短期計劃、執行監控、問題分(fēn)析、調整等過程實現的(de)商業智能應用(yòng)。

（2）給管理(lǐ)層帶來(lái)的(de)價值

BI幫助企業各級職能管理(lǐ)者面對(duì)行業環境的(de)快(kuài)速變化(huà)做(zuò)出敏捷反應、科學決策，制定業務範圍的(de)合理(lǐ)經營目标，洞察出日常經營活動與計劃産生偏差時(shí)能夠及時(shí)采取的(de)糾偏措施。在日常運營管理(lǐ)決策時(shí)用(yòng)數據說話(huà)，無論好壞對(duì)錯，是非成敗，都要拿出數據，檢查工作，研究問題，改進工作。從收集和(hé)分(fēn)析信息開始，按規律辦事，從工作中找出規律性，而不是拍(pāi)腦(nǎo)袋的(de)決策。

（3）給執行層帶來(lái)的(de)價值

BI能夠帶來(lái)的(de)最直接的(de)影(yǐng)響是效率的(de)提升。通(tōng)過BI系統，大(dà)部分(fēn)報表變得(de)随手可(kě)得(de)。

綜合以上，BI商業智能帶來(lái)的(de)最積極的(de)影(yǐng)響是企業整體效率的(de)提升，可(kě)以保證企業各級業務有序、按計劃地執行，出現偏差後能夠及時(shí)獲得(de)關注和(hé)處理(lǐ)，降低了(le)企業的(de)經營風險。

數據的(de)挑戰是所有新技術挑戰的(de)主要表現形式。如何做(zuò)好設備與設備之間的(de)互聯，不同設備之間數據的(de)交互，在生産過程中、安裝運維過程中的(de)海量數據處理(lǐ)，已經不單純是要解決數據聯通(tōng)，而是需要全方位的(de)技術思考。

1. 人(rén)工智能賦能的(de)數據産生價值

《人(rén)工智能标準化(huà)白皮書(shū)（2018版）》認爲，人(rén)工智能是利用(yòng)數字計算(suàn)機或數字計算(suàn)機控制的(de)機器模拟、延伸和(hé)擴展人(rén)的(de)智能，感知環境、獲取知識并使用(yòng)知識獲得(de)最佳結果的(de)理(lǐ)論、方法、技術及應用(yòng)系統。

1.1 人(rén)工智能的(de)特征

（1）由人(rén)類設計，爲人(rén)類服務，本質爲計算(suàn)，基礎爲數據。通(tōng)過對(duì)數據的(de)采集、加工、處理(lǐ)、分(fēn)析和(hé)挖掘，形成有價值的(de)信息流和(hé)知識模型。

（2）能感知環境，能産生反應，能與人(rén)交互，能與人(rén)互補。能夠幫助企業做(zuò)人(rén)類不擅長(cháng)、不喜歡但機器能夠完成的(de)工作。

（3）有适應特性，有學習(xí)能力，有演化(huà)叠代，有連接擴展。人(rén)工智能系統具有一定的(de)随環境、數據或任務變化(huà)而自适應調節參數或更新優化(huà)模型的(de)能力，并且能夠在此基礎上通(tōng)過與雲、端、人(rén)、物(wù)等，進行越來(lái)越廣泛的(de)、深入的(de)數字化(huà)連接擴展，使系統具有适應性、靈活性、擴展性，來(lái)應付不斷變化(huà)的(de)現實環境。

1.2 智能制造對(duì)人(rén)工智能的(de)需求

（1）智能産品/智能生産設備/智能測試設備：包括智能産品/智能生産設備/智能測試設備、自動識别設備、人(rén)機交互系統、工業機器人(rén)以及數控機床等具體設備，涉及到跨媒體分(fēn)析推理(lǐ)、自然語言處理(lǐ)、虛拟現實智能建模以及自主無人(rén)系統等關鍵技術。

（2）智能工廠：包括智能設計、智能生産、智能管理(lǐ)以及集成優化(huà)等具體内容，涉及到跨媒體分(fēn)析推理(lǐ)、大(dà)數據智能、機器學習(xí)等關鍵技術。

（3）智能服務：包括大(dà)規模個(gè)性化(huà)定制、遠(yuǎn)程運維以及預測性維護等具體服務模式，涉及到跨媒體分(fēn)析推理(lǐ)、自然語言處理(lǐ)、大(dà)數據智能、高(gāo)級機器學習(xí)等關鍵技術。

1.3人(rén)工智能賦能價值

舉個(gè)例子：比如設備預測性維護的(de)人(rén)工智能應用(yòng)。傳統的(de)設備維護方法是人(rén)工經常性的(de)巡視、定期預防性檢修，憑外觀現象、指示儀表等判斷可(kě)能出現的(de)異常；定期對(duì)設備實行停止運行的(de)例行檢查，做(zuò)預防性絕緣試驗和(hé)機械動作試驗等。一旦設備出現問題，隻能逐個(gè)排查，需要耗費大(dà)量的(de)人(rén)力、物(wù)力。

通(tōng)過人(rén)工智能技術的(de)賦能，可(kě)以實現預測性維護。通(tōng)過邊緣側的(de)數據采集、處理(lǐ)，基于數據驅動型的(de)機器學習(xí)方法，充分(fēn)發揮算(suàn)法、模型的(de)作用(yòng)，借助于計算(suàn)機的(de)算(suàn)力、學習(xí)力來(lái)尋找最優的(de)維護參數，并獲得(de)更高(gāo)的(de)預測準确度。通(tōng)過預測預控，變被動爲主動，在機器發生故障之前自動檢測到異常，并提醒用(yòng)戶進行有針對(duì)的(de)維修維護。

再舉個(gè)例子：比如商業決策BI的(de)人(rén)工智能應用(yòng)。傳統的(de)BI看闆報警是基于事先設定好的(de)規則，比如：阈值、警戒線等。一旦超出了(le)設定的(de)阈值或警戒線就自動告警。

通(tōng)過人(rén)工智能技術的(de)賦能，可(kě)以實現模型控制，比如：機器學習(xí)、深度學習(xí)等。人(rén)工智能對(duì)比過去的(de)數據，自動選擇适合的(de)算(suàn)法、自動判斷告警、觸發上述預測性維護指令等商業決策。

2. 雲計算(suàn)賦能的(de)數據産生價值

随著(zhe)物(wù)聯網、工業大(dà)數據等信息網絡技術和(hé)制造技術的(de)融合發展，作爲基礎設施的(de)雲計算(suàn)逐步向制造和(hé)服務領域滲透。解析服務、雲數據、雲存儲等産品和(hé)解決方案的(de)出現，極大(dà)地方便了(le)物(wù)聯網、大(dà)數據的(de)工業部署，打通(tōng)了(le)工廠間的(de)信息孤島，使制造企業能夠實現跨平台的(de)海量數據分(fēn)析和(hé)管理(lǐ)，實現快(kuài)速響應和(hé)柔性高(gāo)效的(de)生産制造。工業雲平台的(de)推出爲制造企業提供了(le)協同設計、模拟仿真、物(wù)流追蹤、智能控制等雲服務，生産管理(lǐ)智能化(huà)水(shuǐ)平得(de)到明(míng)顯提升。

無論工業物(wù)聯網、大(dà)數據驅動、數字孿生這(zhè)些概念說的(de)如何天花亂墜，在實際工業生産過程中，如果不能解決企業的(de)核心問題——提高(gāo)利潤、降低成本，都難免是紙上談兵(bīng)。雖然數據本身很重要，但能直接解決問題的(de)服務應用(yòng)對(duì)企業才更有價值。當前，除了(le)如何采集數據之外，絕大(dà)部分(fēn)企業面對(duì)的(de)關鍵問題是如何運用(yòng)數據産生價值！

通(tōng)過雲計算(suàn)賦能，可(kě)以産生如下(xià)價值：

（1）通(tōng)過雲計算(suàn)，能夠将原本隐性的(de)問題，通(tōng)過對(duì)數據的(de)挖掘變得(de)顯性，進而使以往不可(kě)見的(de)風險能夠被避免。

（2）将雲計算(suàn)與大(dà)數據、其他(tā)先進的(de)分(fēn)析工具相結合，能夠實現産品的(de)智能化(huà)升級，利用(yòng)數據挖掘産生的(de)信息爲客戶提供全生命周期的(de)增值服務。

（3）利用(yòng)數據尋找用(yòng)戶價值的(de)缺口，開拓新的(de)商業模式。雲計算(suàn)平台可(kě)以爲客戶的(de)産品需求和(hé)企業的(de)制造資源搭建溝通(tōng)橋梁，企業可(kě)以通(tōng)過客戶端與雲平台的(de)雙向溝通(tōng)開展面向客戶個(gè)性化(huà)需求的(de)産品設計，并通(tōng)過雲平台将産品的(de)生産狀況和(hé)制造進度及時(shí)反饋給客戶，實現産品全生命周期的(de)用(yòng)戶參與。以用(yòng)戶需求爲原點配置企業制造資源和(hé)能力，打造個(gè)性化(huà)産品，實現商業模式創新。

（4）雲計算(suàn)應用(yòng)逐步普及，并不斷向細分(fēn)領域滲透，加速企業由硬件制造商向“制造+服務”的(de)提供商轉型。企業利用(yòng)雲計算(suàn)結合大(dà)數據、物(wù)聯網、在線監測等技術能夠将産品的(de)運作過程虛拟化(huà)傳輸到雲資源池中進行故障診斷、壽命預測，并爲軟件問題提供在線解決方案，産品附加值得(de)到提升。制造企業通(tōng)過構建雲平台，對(duì)外開放自身數據、知識、專家和(hé)制造資源，能夠爲第三方企業和(hé)用(yòng)戶提供數據分(fēn)析、融資租賃、供應鏈管理(lǐ)等産業鏈延伸服務。

工業物(wù)聯網是将上述所有創新技術融合的(de)最新業務場(chǎng)景。具有感知、監控能力的(de)各類采集、控制傳感器或控制器，以及移動通(tōng)信、智能分(fēn)析等技術不斷融入到工業生産過程各個(gè)環節，從而大(dà)幅度提高(gāo)制造效率，改善産品質量，降低産品成本和(hé)資源消耗，最終實現将傳統工業提升到智能化(huà)的(de)新階段。從應用(yòng)形式上看，工業物(wù)聯網的(de)應用(yòng)具有實時(shí)性、自動化(huà)、嵌入式、安全性和(hé)信息互聯互通(tōng)性等特點。

工業物(wù)聯網是工業系統與互聯網，以及高(gāo)級計算(suàn)、分(fēn)析、傳感技術的(de)高(gāo)度融合，也(yě)是工業生産加工過程與物(wù)聯網技術的(de)高(gāo)度融合。它将制造業生産、監控、企業管理(lǐ)、供應鏈以及客戶反饋等信息系統融爲一體，通(tōng)過數據中心對(duì)不同渠道的(de)數據進行智能處理(lǐ)，從而提高(gāo)生産效率、産品質量和(hé)用(yòng)戶滿意度。

工業物(wù)聯網具有全面感知、互聯傳輸、智能處理(lǐ)及自組織和(hé)自維護的(de)特點。即利用(yòng)RFID、傳感器、二維碼等技術即時(shí)獲取産品從生産、銷售、市場(chǎng)等各個(gè)階段的(de)信息數據，通(tōng)過專用(yòng)網絡和(hé)互聯網相連的(de)方式實現設備和(hé)網絡的(de)數據交互，利用(yòng)雲計算(suàn)、模糊識别、神經網絡等智能計算(suàn)對(duì)數據進行分(fēn)析并處理(lǐ)。同時(shí)，一個(gè)功能完善的(de)工業物(wù)聯網系統通(tōng)過全方位互相連通(tōng)，實現了(le)自組織和(hé)自維護功能。

以前制造企業一直處于把數字世界和(hé)實體世界分(fēn)離的(de)局面，現在制造業廠商正逐步通(tōng)過物(wù)聯網将兩個(gè)世界進行融合。從“管理(lǐ)、控制、智能”的(de)角度來(lái)看，其實物(wù)聯網與工業自動化(huà)是一脈相承的(de)，工業自動化(huà)包含采集、傳輸、計算(suàn)等環節，而物(wù)聯網是全面感知、可(kě)靠傳遞、智慧處理(lǐ)，兩者是相通(tōng)的(de)。

智能産品/智能生産設備/智能測試設備如何與工業物(wù)聯網接軌？

（1）實現遠(yuǎn)程控制

爲用(yòng)戶提供高(gāo)效的(de)服務。實現随時(shí)随地獲取設備位置、工況、報警、故障、服務等信息，即便遠(yuǎn)在千裏之外，設備出現了(le)故障，各種故障信息數據也(yě)可(kě)及時(shí)傳輸至廠家系統控制室，再由專家将解決方案回傳，最終完成問題的(de)解決。實現設備操作的(de)簡單化(huà)、無人(rén)化(huà)、智能化(huà)，實現基于多(duō)設備類型的(de)協同精細化(huà)生産管理(lǐ)水(shuǐ)平，提升設備的(de)質量和(hé)效率，并且節能降噪，保障效益的(de)最大(dà)化(huà)。

（2）大(dà)數據的(de)應用(yòng)

智能産品/智能生産設備/智能測試設備融入物(wù)聯網可(kě)以采集到龐大(dà)的(de)數據量，這(zhè)其實是一個(gè)金礦，如果利用(yòng)得(de)好，企業可(kě)以挖到非常可(kě)觀的(de)财富。比如能夠實現全國甚至全球各地庫存互聯互通(tōng)，實現泛供應鏈數字化(huà)管理(lǐ)，實時(shí)提供設備和(hé)備件、配件、易損品、易耗品庫存和(hé)物(wù)流情況，向市場(chǎng)營銷、售後服務、生産管理(lǐ)、電子商務等提供數字支持。并提供庫存在線查詢及周轉率和(hé)成本統計分(fēn)析，提供物(wù)流端到端監控及安全管理(lǐ)和(hé)物(wù)流成本核算(suàn)等。

（3）完善售後服務

傳統的(de)後市場(chǎng)服務模式可(kě)以稱爲“被動式”服務，客戶有需求，才會有專門的(de)服務人(rén)員(yuán)上門服務。随著(zhe)物(wù)聯網的(de)發展，這(zhè)樣的(de)服務模式越來(lái)越不能滿足客戶的(de)需求，服務的(de)方式需要由被動變爲主動，即在客戶尚未意識到自己需要服務時(shí)，企業就已經預知到客戶需要相應的(de)服務從而主動聯系或者提醒客戶，這(zhè)樣的(de)場(chǎng)景化(huà)服務模式無疑會極大(dà)地提高(gāo)客戶的(de)滿意度和(hé)服務質量。可(kě)以通(tōng)過物(wù)聯網采集設備狀态，對(duì)設備進行遠(yuǎn)程監控和(hé)故障診斷，避免設備非計劃性停機，進而實現預測性維護，提供增值服務，并促進備品備件銷售。

（4）服務轉型

搭載物(wù)聯網的(de)東風，可(kě)以更大(dà)程度地實現智能産品/智能生産設備/智能測試設備的(de)信息化(huà)和(hé)智能化(huà)，有助于完善信息化(huà)推進機制，推動信息技術深度應用(yòng)，加快(kuài)設備制造業向服務型制造的(de)轉型。

綜上所述，工業物(wù)聯網雲平台除了(le)通(tōng)過對(duì)現場(chǎng)海量的(de)設備以及他(tā)們産生的(de)數據進行采集、進而聯網，實現整個(gè)架構的(de)縱向信息化(huà)、數字化(huà)整合，還(hái)有橫向的(de)業務、數據整合。方方面面的(de)數據最終構成了(le)萬物(wù)互聯的(de)智能工廠。