工业互联网发展动态 凌 棕 博士 高级工程师/科学家 IBM Almaden 研究中心 1 5/31/2020 美国北加州(硅谷)圣何西市 报告人 凌 棕 博士 高级工程师 / 科学家 IBM公司 Almaden 研究中心 美国北加州(硅谷)圣何西市 日常工作 (工程技术 / 服务管理): 1. (60%) 产品研发管理 云数据存储管理系统性能评估 2. (25%) 重点客户服务 应对紧急情况、解决产品瑕疵 3. (10%) 全球培训授课 IBM内部培训、高校巡回授课 4. ( 5%) 专业技术咨询 创业风险投资前景预估 2 世界公民，常住硅谷 今日话题  概念简述  应用场景  发展趋势 3 5/31/2020 工业互联网定义 “工业互联网”（Industrial Internet）— 开放、全球化的工 业网络，将人、数据和机器连接起来，是工业系统与高级计算、 分析、传感技术及互联网的高度融合。 • 工业互联网是工业系统的各种元素互联，无论是机器、人还是系统。在全 面互联的基础上，通过数据流动和分析，形成新的模式和新的业态。 • 互联解决通信的基本问题，是数据端到端的流动，跨系统的流动。在数据 流动技术上分析建模，实现智能化生产、网络化协同、个性化定制服务。 • 工业互联网的基理比现在的互联网更强调数据，强调充分的连接，强调数 据的流动和集成以及分析和建模。 工业互联网的本质是要有数据的流动和分析 4 5/31/2020 工业互联网内涵 工业互联网整合两大革命性转变优势：其一是工业革命，伴随着工业革命， 出现了机器、设备、机组和工作站；其二是网络革命，在其影响下，计算、 信息与通讯系统应运而生并不断发展。 智能机器：以崭新的方法将现实世界中的机器、设备、团队和网络通过先进的传感器、控制器和软件应用程 序连接起来。 高级分析：使用基于物理的分析法、预测算法、自动化和材料科学，电气工程及其他关键学科的深厚专业知 识来理解机器与大型系统的运作方式。 工作人员：建立员工之间的实时连接，连接各种工作场所的人员，以支持更为智能的设计、操作、维护以及 高质量的服务与安全保障。 将这些元素融合起来，为企业与经济体提供新的机遇。例如，传统的统计方法采用历史数据收集技术，这种方式通常将数据、 分析和决策分隔开来。伴随着先进的系统监控和信息技术成本的下降，工作能力大大提高，实时数据处理规模得以大大提升， 高频率的实时数据为系统操作提供全新视野。机器分析则为分析流程开辟新维度，各种物理方式之结合、行业特定领域的专业 知识、信息流的自动化与预测能力相互结合可与现有的整套“大数据”工具联手合作。最终，工业互联网将涵盖传统方式与新 的混合方式，通过先进的特定行业分析，充分利用历史与实时数据。 工业互联网是指工业系统与高级计算、分析、感应技术以及互联网连接融合。通过智能机器间的连接并最终 将人机连接，结合软件和大数据分析，重构全球工业、激发生产力，让世界更美好、更快速、更安全、更清 洁且更经济。 工业互联网不仅是网络概念，而且是系统化的概念 5 5/31/2020 互联网 VS 工业互联网 • 互联网面向人为主，工业互联网面向物为主； • 互联网是全球联网，工业互联网是企业内网； • 互联网终端是PC、手机，工业互联网终端品种很多. 工业互联网技术-包括大数据、人工智能、移动互联网、 物联网、5G、云计算、区块链等等。 6 5/31/2020 “数据”的概念 现实世界信息 =

　　二进制电子数据 IT 功能 1. 采集数据 2. 分析信息 3. 智慧决策 数据正在成为自然资源 7 2020/5/31 我们的使命 引领数据计算模型 创新服务发展潮流 自动计算-计时打卡-电子记录 个人计算机 智慧地球 1950 1965 1980 1995 2010 2015 2020 Mainframe Watson 计算机主机 互联网 认知业务 8 2020/5/31 人工智能巅峰 – IBM WATSON 用于认知计算数据处理 IBM Watson 是一部人工智能机器。不仅 拥有宽广的知识面，还能理解分析复杂的 人类语言，甚至俚语，并以高置信度快速 回答问题。IBM 将AI的核心能力定义为以 自然语言为基础的URLI，即理解，推理， 学习和交互。 1)理解人类自然语言 2)快速提取知识信息 每秒可以处理500GB数据，相当于1秒阅读100万本书  项目启动于2007年，初级系统构造：  90 x IBM Power 750 servers Deep Blue Blue Gene  2880 POWER7 core 3.55 GHz chip  500 GB per sec on-chip bandwidth  10 Gb Ethernet network  15 Terabytes of memory  20 Terabytes of disk, clustered 深蓝 蓝色基因 9 5/31/2020 /watson/ 人工智能技术产业链群 方案集成层 机器人 无人驾驶 智能安防 智慧医疗 个人助理 智慧金融 智能家居 应用技术层 计算机视觉 语言识别 自然语言处理 深度学习 基础设施层 传感器 物联网 智能芯片 大数据存储/分析 云服务平台 10 大数据是未来工厂的关键 --美国商务部经济学和统计管理局助理部长的博客 制造业是美国经济的重要组成部分，占国内生产总值（GDP）的12.5%，并提 供了1740万个岗位。维持一个强大的工业部分是确保未来竞争力之关键，更 好地利用数据和分析是建立一个健全的制造业之关键。重要的全国性项目也 认同此观点，例如奥巴马政府建立的“国家制造业创新网络（NNMI）”这个 开发先进制造科技的研究机构的骨干群体。 根据来自市场情报公司IDC的2014年估算，这种被称之为“智能制造”的方式 将在未来四年中创造3710亿美元全球净价值。也能够通过三种主要途径使美 国制造商在全球经济中具有竞争力: 1)设计过程的精益化 2)工厂运营效率的提升 3)供应链中的风险管理 数据与分析能够在流程中的几乎每一个环节帮助制造商，从他们的全球供应 足迹到工厂中一颗螺丝的转动。而正由于一个健全的制造业是一个健全的经 济体系的重要组成部分，数据驱动的制造业的优势也将遍及全国。 11 5/31/2020 IBM 制造业解决方案 IBM 帮助制造企业分析应该如何成功转型。制造业转型升级应当具有稳定的盈利能力和现金流，拥有生存之本；对客户的需求和行 业市场的发展趋势进行了深入的研究；建立支撑企业转型升级的资源；拥有足够支撑企业快速转型的信息化平台。 制造企业转型并没有一个固定的模式，企业应当明确自身的特点，充分结合自身的优势与劣势，分析转型的风险与机遇，并且在转 型过程中合理控制风险，来确定符合自身特点的转型策略，确保在转型的过程中，企业能够保持可持续发展。 重工业解决方案 轻工业解决方案 《超越 ERP解决方案助力企业业务成长》(1.78MB) 《未来的消费品行业》 (1.29MB) 《业务分析与优化打造全新智能企业》 (1.34MB) 《智慧 E 时代的业务模式创新》 (2.07MB) 《新时代的新规则》 (413KB) 《智慧的电子商务》 (823KB) 《SOA 产品白皮书》 (652KB) 《塑造中国生命科学市场》 (1.41MB) 《用科学创造商业价值的艺术》 (1.29MB) 《烟草行业供应链绩效管理》 (907KB) 《中国汽车企业的战略选择》 (1.20MB) 《消费品制造企业行框架》 (347KB) 重工业成功案例 《IBM 智慧的供应链管理愿景》 (413KB) 《IBM 助力台湾中钢打造智慧供应链》 (732KB) 《IBM Cognos 全新企业绩效管理解决方案》(685KB) 《IBM 助力烟台万华精细化管理》 (480KB) 《云计算在个人消费品制造行业的应用》(1.16MB) 《江苏雅迪携手 IBM 实施管理优化》 (405KB) 《IBM Cognos 全新企业绩效管理解决方案》(685KB) 重工业专家观点 轻工业成功案例 《中国企业做全球化运营改造》 (68KB) 《IBM Cognos 帮助雅戈尔优化供应链》 (428KB) 《企业如何走出去》 (77KB) 《IBM 帮助李宁三步踏上 B2C 道路》 (138KB) 《融入全球的方式和方法》 (70KB) 《IBM 助力中粮可口可乐饮料公司实现 IT 转型》(756KB) 《汽车企业要做就做世界级》 (74KB) 轻工业专家观点 更多白皮书 《中国制造业问题》 (67KB) 《审时度热，抢占先机》 (953KB) 《国际化公司的标准》 (1.57MB) 《2020年的汽车行业--守得云开见月明》 (1.11MB) 《中国制造企业创新能力》 (83KB) 《两化融合发展水平评估报告》 (813KB) 《完善自我面对挑战》 (78KB) 12 2020/5/31 工业互联网三大体系 工业互联网的顶层架构分为三大体系——网络体系、平台体系和安全体系。 •网络体系可以分为三级两层，三级指现场级、车间级、工厂级；两层指OT层 和IT层。 •平台体系作为工业智能中枢，尤其关键。 • 通过全面连接设备、软件、人员等各类生产要素实现与互联网对接； • 基于海量的工业数据分析，形成智能化的生产与运营决策； • 通过平台数据和功能的对外开放，支持开发者开展工业APP创新； • 实现各类制造资源的优化配置，重构生产组织模式和制造方式。 •安全体系在现行工厂中采用的是在厂外与公共互联网相互隔离，厂内采用分 层、分域隔离。 13 5/31/2020 工业互联网应用领域 智能生产、业务创新、生态运营 •智能生产是面向企业内部的生产效率提升。通过设备、产线、生 产、运营系统获取数据，实现提质增效，决策优化。 •业务创新是面向企业外部价值链延伸，即智能产品/服务/协同。 通过打通企业内外部价值链，实现产品、生产和服务的创新。 •生态运营是面向开放生态的平台运营，即工业互联网平台。汇聚 协作企业、产品、用户等产业链资源，实现向平台运营的转变。 14 5/31/2020 今日话题  概念简述  应用场景  发展趋势 15 5/31/2020 大数据颠覆制造过程的10条途径 1. 监控生产过程 2. 加快业务整合 3. 提高企业制造绩效 1) 采集数据 4. 改进生产流程 2) 分析信息 5. 预测供应商绩效 3) 智慧决策 6. 监测生产设备状况 7. 合理生产计划 8. 细化质量管理环节 9. 追踪产能与企业财务状况 10.监测产品运维状态 IBM 皆有成熟案例 16 5/31/2020 智能工业物联网解决方案 IBM 面向制造业的物联网解决方案能够通过行业领先的技术来实现 业务转型，打造更智能的资产、认知流程和更智慧的资源。 数字化时代激发了对制造业及其运营的全新思考。工业 4.0 （往往称为数字制 造）运用智能物联网 (IoT) 技术动态响应产品需求。这些重大技术进步正在 悄然转变全球制造业的制造能力和价值主张。为应对这些变化，制造业及其运 营需要进行数字化革新：必须重新设计和改造价值链，必须留住员工，而且要 快速实现变革。 /internet-of-things/cn-zh/iot-solutions/iot-manufacturing/ 17 5/31/2020 认知解决方案 认知功能帮助制造企业加快检验流程，提高缺陷识别的一 致性，同时降低检验成本，改进制造业的质量管理。 认知解决方案将智能融入机器、运营和流程 — 涵盖从供应链到生产车间再到成品的整个生命周 期。最终形成由工厂、机器和零部件定义的全新工业时代，这些设施能够进行自我评估，触发行 动，并且可以相互之间以及与制造和维护人员交流信息。 •在生产周期早期阶段进行质量监控，帮助降低产品和流程质量偏差所导致的损失，还可减少废品 、召回及相关成本。 •制造环境中的人工检验可能非常耗时，有时还存在危险。引入视觉或听觉检验技术有助于缩短检 验时间，提高缺陷检测的一致性。 •计算机从不感到疲倦。工作人员可能会忽略微小细节或犯一些错误。认知技术可让环境更加安全 、高效。 •缓解知识传授和训练方面的问题。认知型视觉和听觉检验功能随着时间的推移不断学习，功能日 渐强大，能够更快、更高效地引入新模型。 •许多制造商面对一大堆质量数据不知所措。能够与资产管理系统和分析工具集成，使 Visual Insights and Acoustic Insights 成为一款成功的解决方案，可帮助企业全面了解问题，找出根 本原因，确定解决办法。 /common/ssi/ecm/ww/zh/wwm12360cnzh/3_9_watson-iot-cognitive-solutions-ww-e-book-wwm12360cnzhWWM12360CNZH.pdf / 18 5/31/2020 制造业中的质量难题 制造业物联网设备的安装规模在不断增加，到 2020 年将扩大到 9 亿 2,300 万个物联网设备，相比 2015 年的 2亿 3,700 万增长三倍。  这意味着制造商将在运营中添加更多传感器和连接设备。设备的激增会导致制造运营每个 阶段产生的数据也水涨船高，因此在数据质量和数量之间如何取舍成为热门的话题。  制造运营力求在生产或组装流程的每个阶段都实现最高质量。废品和返工让制造商损失 5- 10% 的销售收入，而保修成本会让收入再损失两个百分点。  及早在生产生命周期中开展质量监控，有助于显著降低产品成本，有效处理质量偏差，同 时减少废品、召回及相关成本。 依靠人工检验提高产量十分困难。检验过程由人工执行， 依赖于人员的可利用性和专业知识，可能造成瓶颈。  此类质量检验中过半数都需要目测确认。除了目测检查，制造商还通过声音（听 觉）来确定质量。洗碗机喷嘴排列不整齐会发出异常声音; 存在故障的引擎听起 来也会有异响。通常，制造商依靠高技能的人员执行此类不具破坏性的检验。富 有经验的质检员可听出缺陷的声音，并确定解决办法。 人工智能成为 制造环境中人工检验非常耗时，有时还存在危险。人工方法无法扩展，通常需要 长时间、成本高昂的培训；而且这种方法还比较主观。此类视觉和听觉质量检查 质量管理的耳目 难以实现自动化，因为检查数量较大，产品种类繁多，差别不明显，而且缺陷可 能发生在产品任何位置，缺陷大小和严重程度也各不相同。 19 5/31/2020 案例 1：高效检验流程 目标：提高检验准确性，同时降低与视觉和听觉检验相关成本 视觉和听觉检验可在内嵌流程中评估主要缺陷类型，与对这些缺陷进行处理和 分类的系统通信，设置放行或拒绝标记，用于进行监控和验证。此类检验的目 的是在产品面市之前，消除存在缺陷的部件和产品。 借助 IBM Visual Insights 和 IBM Acoustic Insights，企业可以运用人工智能技术 检查和分析零件、组件和成品，将模式与之前分析和归类的缺陷的图像和声音进行匹配 以确定缺陷。在生产车间通过边缘计算部署这些产品，有助于快速采集和分析图像，实 现一致可靠的制造缺陷鉴别能力。 借助 IBM Watson IoT 的质量分析功能，制造商可以分析数以百计的历史和实时流程变 量，在隐患造成质量问题之前就及早发现并解决。这个过程快速而准确，不会陷入疲劳 作业。这有助于显著改进生产，提高产量，同时降低运营和材料成本。例如，一家欧洲 汽车制造商将认知功能用于视觉检验，将总体生产力提高了25%。 IBM Visual Insights 能快速找到缺陷，还可以利用 3D 技术对缺陷的严重程度（如刮 痕或瑕疵的深度）进行分类。随着时间的推移，系统接触的缺陷类型越来越多，通过高 效学习，其检验准确性也越来越高。 20 5/31/2020 案例 1：高效检验流程产生效益 21 5/31/2020 案例 2：知识传授和训练 目标： 消除知识“孤岛”，缩短检验训练的时间，提高敏捷性 人工检验需要花费大量时间和资金对检验员进行训练。花费大量生产力和成本对检验员 进行训练后，他们能够识别缺陷并进行分类，还能开展根本原因技术分析。 这个过程 可能需要几周或更长时间，并且需要对每个新的检验员和每个新产品模型重复此过程。 通常，拥有几十年丰富经验的员工在缺陷、产生原因和可能的技术解决方案方面具备深 厚的知识。这种经验很难获取或如法炮制，尤其在地理位置分散的制造场所网络中。 IBM Visual Insights 和 Acoustic Insights 有助于解决知识传授和训练的难题。系 统可以从几百个缺陷图像或声音文件开始快速学习，随着时间的推移学习更多的文件， 从而不断提高，不断改进。系统实施后，为发现新缺陷而在新模型中重新训练只需几小 时，还消除了新检验员招聘上岗的成本。而最重要的一点在于，系统可在地理位置分散 的各个车间中无缝扩展，这样就能够在员工之间自由交流质量知识，就缺陷类型和解决 办法进行快速沟通。 22 5/31/2020 案例 2：知识传授和训练 23 5/31/2020 案例 3：保障产品和流程质量 目标：更早、更明确地发现质量问题 近几十年来，随着统计过程控制 (SPC) 方法的广泛应用，在全球范围内显著改进了质 量流程。SPC 方法是质量控制方面公认的标准工具。但 SPC 方法也存在一些局限性， 包括误报率高、对于中小型变化检测速度慢以及发现趋势的能力不强等。 IBM 研究院开发了一组“质量早期预警系统”(QEWS) 算法，与传统的统计过程控 制方法相比，QEWS 能够更早、更明确地检测出问题和参数变化，并对这些问题划分优 先级。IBM 将这些算法用于整条供应链和制造过程，用于满足既有的质量标准。结果能 够在质量问题初发时及早发现，从而帮助提高了产量，消除了一系列会带来维护和保修 成本的问题。 24 5/31/2020 案例 3：保障产品和流程质量 25 5/31/2020 案例 4：分析质量原因 目标：发现并解决导致质量问题的因素 在质量管理系统方法中一站式执行视觉和听觉评估，发现缺陷，采取纠正措施。许多制 造商面对一大堆质量数据和工具不知所措。能够优化质量的制造商，也一定有能力帮助 统一质量方法。这包括就相关信息以及经过扩充的清晰数据进 行明确沟通，以便对制 造过程中的缺陷及其严重性、发生时间和位置进行分类。 •IBM Visual Insights 和 IBM Acoustic Insights 解决方案能够与其他认知型分析工 具和资产管理系统无缝整合，帮助制造商全面了解质量情况，找出解决办法。 • 例如，通过图像分析生成的缺陷数据可帮助自动跟踪缺陷位置、类型和严重性 以及发生时间。此类数据可集成到 IBM Prescriptive Quality and Equipment Advisor 中，与有关设备状况的数据结合，包括温度和湿度数据。这些工具整 合为一个解决方案，即可开始确定缺陷的根本原因，无论是机器故障还是其他 外部异常。 •随着数据规模的扩展，工具的认知性质意味着它们的预测能力越来越强，可在出现缺 陷之前发出预警。产品或机械可自我修复，或在可能出现质量问题时提出建议。 •Visual Insights 的分析输出可发送到 Prescriptive Quality，以便获得有关制造运 营质量的洞察，在即将发生质量问题前提早预警，这样可以避免由于忽略这些问题而导 致的高昂后期修复成本。 26 5/31/2020 案例 4：分析质量原因 27 5/31/2020 深度需求：预测性维护结合认知功能 互联化、智能化的资产物联网的出现，以及设备不断提高的智能化和互联化水 平，使资产密集型行业有机会通过实施战略，改善资产性能和优化维护实践。 •通过捕获并分析由资产生成的运营数据 （无论是历史数据还是实时数据），准确详细地获得与资产性能相关的 预测性洞察。通过预测性分析和机器学习，提前发现即将发生的资产退化或故障情况，主动预防或修复问题，防 患于未然。由于资产、设备和机器的复杂性不断增加，因此资产密集型企业需要培养新技能，制定新战略，高效 地实施维护和修复工作。 •随着物联网的蓬勃发展，以及新的物联化工具通过结合软件不断增强自身功能，负责维护工作的组织需要更多 的技能和更深入的专业知识，才能高效地维护这些资产。通常情况下，维护人员在诊断和解决与这些日益复杂的 资产相关的问题时，因为掌握的信息有限，所以很难找到有效的方法。在许多行业，随着拥有多年在职经验、精 通资产运行和修复的员工纷纷退休，使得保留技能娴熟、知识丰富的员工成了企业所面临的紧要问题。 退休员 工使许多企业面临严重的知识缺口。幸好，如果企业拥有丰富的资产文档、维护记录以及其他与资产维护、过程 和流程相关的非结构化信息源，就能够应用认知技术，为预测性分析所发现的相关问题确定适当的维护程序。 预测性维护和认知功能的强强联合，充分释放了资产运营数据和详细的维护数据存储 库的潜力，通过推理和学习，帮助企业更智慧、更高效地开展资产运营和维护工作。 资产密集型企业现在可以分析运营数据，开展资产运行状况评估，预测资产未来的表 现。如果预测到可能发生特定的资产故障，IoT Equipment Advisor 的认知功能可以 提供详细准确的修复建议，帮助缩短修复时间，提高首次修复成功率。 /common/ssi/ecm/ww/zh/wws12360cnzh/wws12360-cnzh-00_WWS12360CNZH.pdf / 28 5/31/2020 IBM IoT Equipment Advisor 认知技术推荐最优修复方法 IBM IoT Equipment Advisor 通过应用认知方法和机器学习技术，丰富了 IBM Predictive Maintenance 资产运行状况监控功能。 这些功能可分析从维护日志、工单历史记录、设备手册、技术文档、行业博客中获得的结构化和非结构化数据，以及其他与修复、 过程和维护方法相关的非结构化数据。 IBM IoT Equipment Advisor 汇总这些数据，应用认知功能，直观呈现所发现的迹象，提 供更深入的洞察，推荐最合适的修复方法和程序。可提供与用户角色、所处环境和当前维护活动相关的数据、分析和认知洞察，帮 助企业缩短寻找信息所需的时间，提高有效执行修复的能力。 IBM IoT Equipment Advisor可通过交互式对话为诊断提供帮助，推 荐最优修复方法 。 分析、确定和应用专业知识 对范围广泛的非结构化数据应用认知方法，确定各种实体和概念，例如设备详细信息（型号、版本、配置、控制器）、设备状态/ 状况、维修技术人员记录、测试和测试结果、假设故障、规定的修复过程、修复解决办法、运营过程、工具、专业知识和证据等。 应用这些深入洞察，按照故障发生可能性提供有关诊断和解决方案指南，或提供下一步最佳行动建议，帮助预防或解决相关故障。 IBM IoT Equipment Advisor 可在问题形成初期及时确定这些问题，并对类似资产的同类问题进行分组，帮助集中综合资产和修复 历史数据。通过利用最佳实践和技术专业知识，维护人员能够更高效地预防或修复资产故障和退化情况。 将维护信息作为一种资产 一家大型航空公司采用认知能力，改进维护工作。该公司将认知分析应用于非结构化信息以及由航班、客舱、地勤人 员、维护人 员和 ACARS 信息生成的各种格式的飞机运行数据。通过仔细分析故障解决历史数据、维护成本数据以及特定的维护建议数据，为 人员派遣和维护流程提供支持，改进预防性维护工作。 推荐适当的过程 通过将 IBM IoT Equipment Advisor 的认知和机器学习功能应用于现有的海量资产运维信息，可更迅速地诊断问题和深入了解相 关的潜在解决方案。通过提供多个按可能性排列的选项，有助于最大程度缩短修复时间，降低不恰当修复方案所带来的风险，确保 推荐最合适的程序或修复方案。 例如，推荐内容可包括：最有效的修复程序、最合适的维护周期、有关现场修复的主动行动分步 指南、最低的成本以及最小程度的中断。IBM IoT Equipment Advisor 还可通过交互式自然语言对话，协助进行更详细的诊断，推 荐成功率最高的方案（包括部件和工具）。 29 5/31/2020 IBM Plant Performance Analytics 分析物联化设备所产生的数据，深入了解影响生产力的各种因素  IBM Plant Performance Analytics (IBM PPA) 通过分析物联化设备所生成 的数据，帮助企业深入洞察并消除影响生产力的因素。  IBM PPA 支持计算设备发生故障或生产流程产生异常，进而影响产品质量的 统计概率。  IBM PPA 可帮助工厂管理层确定影响总体设备有效性(OEE)的根本原因，并 提供相关建议，缓解这些风险。 分析能力帮助工厂管理层根据预测设备可用性， 对未来生产计划进行评估，以便最大程度提高工 厂产能，降低超时、报废和维护方面的成本 /common/ssi/ecm/ww/zh/wws12354cnzh/watson-iot-cognitive-solutions-ww-solution-brief-wws12354cnzhpdf / 30 5/31/2020 将现场数据转化为预测性洞察 IBM Plant Performance Analytics 从生产设备中收集周期时间、位置信息、 参数数据、故障和警告事件等相关数据，并从记录系统中收集设备主数据、 EAM 数据和质量管理数据。IBM PPA 对这些数据进行分析，生成预测性洞察， 深入揭示设备可用性以及影响 OEE 的各种问题，包括可能的停机、质量问题 和生产瓶颈。这些洞察帮助工厂相关人员预测潜在的生产力受损问题，制定应 对方案，避免造成损失。IBM PPA 通过推荐预防措施或补救措施所需的维护计 划和过程，缓解相关风险。 专注于制造需求 IBM Plant Performance Analytics 提供现成可用的行 业模型，预测制造工序（比如车身焊接、喷涂、冲压和 组装）中的具体关键问题。这种行业模型方法有助于加 快实施过程，缩短学习周期，更快实现投资回报。 31 5/31/2020 采用认知能力改善运营和维护工作 智能化、互联化的资产会产生海量的详细运行数据； 通过使用机器学习技术捕获并分析这些数据，企业就能够 预测即将发生的资产故障或退化情况，并确定问题的根源。可以将认知技术应用到与资产运行和维护相关的非结 构化信息之中，从而提炼出专业知识和指导信息，并推荐适当的程序，帮助提高运行效率，正确高效地执行维护 和修复工作。对不断变化的业务需求应用这些新技术，资产密集型企业受益良多： –能够更为详细准确地了解资产性能 –能够缩短修复工作的平均时间，同时提高资产可用性 –能够汇总并分析有关运营和维护的历史信息和集体智慧，从而保留专业知识和经验 –能够提供单一专业知识来源，供维护人员轻松访问，促进快速解决即将发生的资产退化或故障情况 –能够提高首次修复成功率。通过对即将发生的故障提前发出预警，提供诊断信息以及有关相应修复过程的指导，帮助降 低维护成本。 IBM Predictive Maintenance 和 IBM IoT Equipment Advisor 相辅相成，可帮助资产密集型企 业改善资产性能，缩短修复时间，降低维护成本，并针对关键资产实施更有效的运维战略。 连接 （1 和 2）， 预测 （3 和 4）， 修复 (5) 和 优化 (6)， 改善资产性能，缩短修复时间 32 5/31/2020 虚拟现实(VR)与增强现实(AR) VR与AR在本质上是相通的。 统一的定义可以这样来描述：通过计算机技术构建三维场景并借助特定设备 让用户感知，并支持交互操作的一种体验。 • 虚拟现实（VR），看到的场景和人物全是假的，把意识代入一个虚拟的世界 • 增强现实（AR），看到的场景和人物一部分是真一部分是假，是把虚拟的信 息带入到现实世界中。 33 5/31/2020 虚拟现实的工业应用  工业设计者可以创建以前难以想象的产品 – 画家不再需要在2D画布或表面上灰化设计 – 雕刻家可以根据用户的手势或面部表情来改变作 品  谷歌推出了新的应用程序Tilt Brush，彻底 改变了绘画的定义并突破了绘画的界限。 – 例：倾斜笔刷-从新角度绘画 – 增强现实用于汽车工业  福特公司应用虚拟技术设计汽车  今日话题  概念简述  应用场景  发展趋势 36 5/31/2020 工业互联网发展方向 应用实践 技术创新 管理规范 37 5/31/2020 IBM的观点：认知时代到来 大数据驱动 将来 现在 过去 读卡计算制表系统 可编程计算系统 (智能化)认知计算系统 38 5/31/2020 类人脑计算机 新型SyNAPSE芯片，开创巨型神经网络时代 IBM发布了基于人脑特征的全新计算架构，该架构可以让下一代应用在感知、行为和认知方面的效率堪比人脑。作为与美国国防部先进 研究项目局 DARPA （Defense Advanced Research Projects Agency） 合作项目的阶段性研究成果， 项目名为SyNAPSE （Systems of Neuromorphic Adaptive Plastic Scalable Electronics）。终极目标是建立一套内含10亿神经元、100兆突触的 “类人脑”电脑，而 且其尺寸与功耗也要与人脑相当。 IBM 新型芯片采用基于类似人脑的、非冯·诺依曼的计算架构，含有100万神经元和2.56亿突触。利用三星28纳米工艺技术，由54亿个 晶体管组成的芯片构成有4,096个神经突触核心的片上网络，其实时作业功耗仅为70豪瓦（mW）。完整的认知软硬件生态系统开启了面 向移动、云计算、超级计算和分布式传感器应用的新计算领域 IBM在该领域的研究推出了新的软件生态系统和编程模型，通过对芯片进行编程来模拟人脑的低功率、体积紧凑等特征。生态系统包括 多线程软件模拟器、支持广泛神经计算的神经元模式、相关程序，以及代表神经突出网络蓝图的模块等。 39 5/31/2020 量子计算机  IBM 发布量子计算系统 IBM Q 开发路线图  向开发者提供 API 接口用于连接量子计算 机与传统计算机  将提供继 WATSON 和区块链之后的下一代 强势云平台服务 未来量子计算的可能潜在应用: •协助研发新药和材料 •优化全球物流系统 •模拟复杂金融服务 •人工智能处理海量数据 •强化云服务安全保障 /ibm-q/ 40 5/31/2020 区块链应用 金融贸易，物流管理，设备识别，生产安全，电子监控。。。 区块链是：1)电子数据, 2)分布存储, 3)网络复制，4)去中心化的 分类账簿。 在金融服务领域，基于与计算机信息处理技术结合，区块链允许金融交易匿名、安全、点 对点、实时和无阻碍。从强大的中介分发信任到大型的全球网络，通过大规模协作，智慧 的代码和密码，使发生在网络公共总账上的每一笔交易都不可能被篡改。 枪炮的发明使奴隶和贵族在战场上平等对峙 印刷术的诞生为各阶层人们打开了信息之门 邮差将知识一视同仁地送到茅屋下和宫殿前 --托克维尔 《美国的民主》 区块链将对第三方权威(人)的仰赖转化为对数字信息技术的信任 区块链将从根本上改变人们的互信基础形态 41 5/31/2020 区块链在工业互联网的应用 工业生产线上每一个环节任务都可以看作为交易，区块链技术把这种交易记录起 来，形成在无中心状态下的多重安全机制，使得交易变得可信、不可抵赖。 1.工业互联网设备工控安全 经过智能化改造的设备具备了互联互通的能力，但伴随而来的信息安全问题也从虚拟互联网世界向物理世界中的真实工业制造设备上迁移。传统的防火墙、网闸等中心化防护 设备及工控防护策略缺乏有效的交互校验机制，仍存在较大的脆弱性。特别是对于流程工业，一旦关键控制逻辑被篡改，其故障流将随生产的进行向制造流程上下游传递。基 于区块链设计思路，通过将设备安全信息基于去中心化存储策略，存放于在网节点，可有效避免因单点的工业流程控制程序遭到恶意篡改造成的工业制造安全问题。 2.工业互联网数据安全 随着云网公司对工业大数据应用的不断深入，将有海量数据汇入云网的存储端，传统的中心化数据管理难以确保能够在不侵犯数据隐私的情况下开展数据资产运营。区块链具 备可信任性、安全性和不可篡改性，可有效保障用户数据资产的安全、可靠和不可篡改，为云网公司开展大数据运营业务筑牢安全基础。 3.工业大数据存储和挖掘 工业大数据运营的核心问题是数据存储，随着“互联网+”行动的持续推进，不断增加的工业数据资源也加大了存储、计算介质的负载。基于区块链技术的去中心化理念，通 过共享经济模式，盘活网络上的存量存储和计算资源，将有效缓解工业大数据运营商的数据存储及运维压力，进一步有效实现数据挖掘和价值增值。 4.云制造认证服务 现有供应链管理机制难以实现物流全流程实时追溯，为工业物料中间链的偷、跑、冒、漏提供了风险漏洞。以区块链设计理念，将供应链管理与工业互联网技术结合，创新云 制造认证服务技术和模式，通过区块链数据库的源头追踪功能实时追踪物料流转信息，为供应链中的物流信息提供云制造认证服务，支撑工业互联网跨企业业务协同，实现供 应链全链透明。 5.云制造协同管理 工业制造向小批量个性化制造的趋势发展，对企业精益制造的要求持续升高。当前制造业普遍存在因通信协议不同、开发商不同等原因导致的ERP、MES、CRM等流程信息化管 理系统间数据无法流通共享，信息孤岛导致企业无法发现流程管理的隐性漏洞（如某大型重工机械企业，与SAP相关联的系统共计147个，SAP中的BOM清单可随意修改，机床机 加程序可由操作工任意编写，无需备案）。通过去中心化理念，将流程管理信息以云端开放方式分而治之，将工业软件与云平台结合，实现工业软件“云化”发展，在流程与 流程、工厂与工厂、供应商与供应商之间，依托云平台实现端到端直连、网络中各节点互联、数据互为备份，有效防止对流程信息擅自篡改、有效控制产品质量。 6.企业征信服务 各大行业系统均在建设企业信用系统，系统之间彼此割裂，政府、金融等领域信用板块之间并不互通，导致企业信用信息不对称。信用数据的共享是征信发展的必然趋势，区 块链技术可以将征信系统变为分布式存储，每个节点之间的数据是完全同步且不可被篡改的，这将有助于促进统一的信用系统建设，保障企业征信信息安全共享。 42 5/31/2020 工业互联网的安全防卫 工业互联网比一般互联网安全问题更加严峻  传统工业内部网络和外部网络不联，公司内部报表很多通过文字方式统计呈 现，相对而言，传统企业不容易遭受外部黑客和木马的攻击；  现代企业实现数字化，工厂、集团之间数据联通，还需要和外部供应链、销 售等各方面的服务商连接，网络暴露在外，容易遭受攻击。这种攻击发生在 工业企业中，会导致生产装备瘫痪。工业互联网要面对非常多的联网设备， 联网设备的安全措施又往往比较简单，一旦出现安全隐患，对企业影响非常 致命。  工业互联网安全，需要既熟悉信息技术又了解传统产业流程的人才和团队， 对企业生产的垂直和水平环节都有较深入理解。但是这两个领域都懂的人才 又相对较少，往往遇上人才的瓶颈。网络平台安全非常重要，缺乏通用性技 术，如芯片、软件等。  工业互联网需要实时网络性能监视预警技术，工业数据的分布式管理技术， 阻止非授权实体的识别、跟踪和访问等更严的安全防护技术。 43 5/31/2020 5G网络影响工业互联网发展 5G 移动通信网络系统：高速度，低延迟，分层服务  工业互联网会成为5G系统万物互联中的重要部分之一，制造末端既可以分 享移动互联网的大数据和云资源，又可以通过移动窗口在任何地方、任何 时间在工业互联网中交互信息，使工业互联网融入到移动电子商务中。  5G系统应用将会结束传统工业领域固有的专用制造特征，使工业领域不仅 是工业品的生产基地，同时还可以利用电子商务平台为广大消费者提供个 性化的直销工业品。 用户在移动互联网的一端，工厂在工业互联网的一端，用户利用移动终端设 计产品需求，工厂根据需求报告制造产品，中间环节完全由移动互联网和工 业互联网完成，这种全新的工业制造与消费的生态氛围，或许就是5G网络对 工业互联网发展的最大影响。 44 工业数据存储面对的挑战 (容量，性能，安全，扩展，灾备，监管, 运维, 价格...) 数据放置哪里? • 高速读写存储介质 数据如何存取? •可扩充性存储模型 数据怎样保护? •持久数据存储体系 低价格 IBM 350 disk storage unit  1955 - 1961  50 x 24 inches  5 MB  0.0088 MB/s 高质量 高速度 世界首块磁盘 (现展存于 IBM Almaden 走廊) 不可全得 容量困境，首当其冲！ 2020/5/31 45 大数据存储器容量的困境 2020年，全球的数据总量超过40ZB(中国产生的数据总量为8.5ZB)。 若以光盘存储，总重量相当于424艘满载的尼米兹级核动力航空母舰。 40ZB数据存入光盘 每艘尼米兹航空母舰重101,600吨 总重量 = 43,078,400吨 424艘满载尼米兹航空母舰 46 数据放置哪里? 46 2020/5/315/31/2020 数据存储市场痛点 现有数据存储技术无法回答：未来将数据放置哪里? 海量数据 磁盘空间 当下流行模式“科技房地产” 磁盘空间 特征本质是滥用土地等资源拓 展数据中心占地面积。 不可持续，必须修正！ 国内信息技术基础 问题仍然没有解决 ==》 遭遇“卡脖子”怎么办？ 2020/5/31 2020/5/31 47 国外已成熟，国内尚待研发的技术产品与解决方案 软件级应用模式 -- 软件定义存储 =

　　数据去重 Software Defined Storage Data Deduplication 客户问题： 2 PB 数据量  1 PB 存储容量 解决方案： 识别出重复的数据模块，存储单一数据模块和重复链接关系 5/31/2020 48 显著减少存储数据所需的物理空间 2020/5/31 48 2020/5/31 国外探索热，国内无人问津的技术产品与解决方案 拯救大数据领域于生存危机之中 -- 皮之不存，毛将焉附？ 终极存储模式 — 原子级存储器 Atom- level Storage 吉尼斯记录: 世界上最小的电影 – 现在：数百万个原子表征一位“0”或“1” 《壹个男孩和他的原子》 将来：1个原子表征一位“0”或“1” 用排列原子的方式制作这部电影。拍摄中用到两吨重的自制扫描式 将单一「钬」原子放置于氧化镁表面，保存磁极方向，通过扫描式穿 穿隧电子显微镜(获1986年诺贝尔物理奖)，在 -268°C环境下控制 隧电子显微镜的探针来翻转、测量这颗原子的磁极，从而利用单一原 探针摆放、安排原子位置，最终合成壹部242帧的电影。 子磁极方向存储信息。 大幅缩小现有存储设备体积 （百万倍） 49 2020/5/31 小结 大数据驾临工业互联网！ 我们应该如何利用这个资源？ (借鉴利用水、空气、阳光、石油。。。) 50 5/31/2020 今日话题  概念简述  应用场景  发展趋势 51 5/31/2020 完 ! Hindi Thai Traditional Chinese Gracias Russian Thank You Spanish English Obrigado Brazilian Portuguese Arabic Danke Grazie German Italian Simplified Chinese Merci French Japanese Tamil Korean 52 5/31/2020

　　GB T 32610-2016_日常防护型口罩技术规范_高清版_可检索.pdf