工業互聯網最早誕生于2012年的美國。在移動互聯網和消費互聯網風起云涌之時,工業互聯網并不為人所關注。
近年來,三一重工、海爾、華為等大型企業,阿里、騰訊等互聯網巨頭都紛紛布局工業互聯網。2020年4月,國家發改委明確“新基建”范圍,工業互聯網也位列其中,作為重要組成部分之一。
中國現在為什么迫切需要工業互聯網?
工業互聯網會如何落地?將如何滿足中國智造的真實需求?
中國為什么需要工業互聯網
工業互聯網并不是一個新概念,GE在2012年就已經提出。為什么時隔八年,國家層面提出要大力建設工業互聯網?這里面的底層邏輯是什么?
高世太:中國現在擁有全世界獨一無二的全產業鏈的工業體系,全世界最為高效的物流/人流網絡。
但同時可提升的空間還比較大,在高附加值產品和服務的環節還相對比較薄弱;生產規模大但生產效率不高;在需求端快速變化的同時,供給端不能做到同樣的靈活。
中國工業面臨著如何提升產品附加值、提升生產效率、更好的匹配供需關系等問題。這就要求工業體系在完善的商品流、物流的基礎上,在數據流層面完成一次系統升級,將整個工業體系全面智能化,以更好地匹配和適應供給和需求兩側的變化。
要編織出來整個工業體系的這張“數據的網”,且全面實現智能化,工業互聯網必不可少,這就是國家提出建設工業互聯網的底層邏輯。
但是強調一下,今天所有的討論都是基于中國。中國目前的全產業鏈,發達的交通基礎設施和物流網絡,所以中國的工業互聯網發展不同于別的國家,無論從路徑還是速度。
國際形勢的變化對工業互聯網的發展有什么影響?
高世太:現在中美產業鏈解耦的趨勢已經越來越明顯。中美的關系日趨緊張,無論是華為事件還是近期的領事館關閉,都是這方面的體現。
面對這種情況,中國工業體系需要做的是,在全產業鏈的層面提高效率,讓“全球產業鏈剝離中國”這個動作變得在成本上不可承受,同時在底層技術、核心零部件等領域完成全面的國產替代,這需要借助工業互聯網。
同時,無論歐美市場是否對我們關上大門,我們都需要擴大內需。擴大內需意味著我們的工業體系要能生產高端產品,要更快、更靈活的生產,這也需要工業互聯網。
從消費者需求角度來看,以直播帶貨為代表的新模式、新渠道的崛起,將給生產端帶來什么樣的變化?會加速工業互聯網的落地么?
高世太:新模式、新渠道的崛起,標志著個性化消費的崛起。個性化消費需要更高效、更靈活的供給端。
傳統的供給端習慣的是標品生產,轉產慢且成本高;新興的需求端要的是個性化,變化快。
也就是說,需求端的變化對供給端提出了更高的要求,但目前供給端沒有跟上。需求端和供給端的這種不匹配造成了供需關系結構性失衡,中低端產品過剩,但高端產品不足,難以滿足快速變化和升級的需求。
如果從更高維度看,消費互聯網已經將我們每個人的需求充分數字化、線上化,但生產端還是用老師傅的方式生產,數字化程度低,造成生產端和需求端的數字化程度不匹配。
要解決這些問題,需要工業互聯網來為中國的工業體系賦能,對供給端進行數字化改造,讓整個工業環節的數據流動起來,與需求端形成有效映射,及時洞察和響應需求端的變化。
工業互聯網在中國會如何落地
能不能用一句話來概括,工業互聯網如何賦能中國工業體系?
高世太:數據驅動智造。
所謂“數據流動層面實現升級”,數據流動指的是什么?
高世太:一個典型的工業企業,一般分為產品設計、工藝設計、生產制造、產品測試、運維等階段,一個產品從原材料到生產出來交付到消費者手中大大小小需要經歷三十個左右的關鍵環節。
以工廠為例,在數據流動層面實現升級意味著生產各環節數據互通,讓數據流動起來,而不是一個個數據孤島。
在數據層面,中國工業體系的現狀如何?
高世太:從統計數據可以看到,只有約45%的企業實現了產品設計與工藝設計之間的數據打通;只有約三分之一的企業實現了產品設計、工藝設計、生產制造之間的數據打通;而只有不到20%的企業能實現產品全生命周期的數據互通。
為什么現狀是這樣?實現數據互通的困難是在哪里?
高世太:首先工業環境是比較復雜的,一條生產線上可能會用到各種各樣的設備,這些設備之間都不是互聯互通的。這些工業現場里面的設備我們一般稱之為OT層,區別于手機、個人電腦這樣的IT端。
復雜到什么程度呢?全世界有超過100種工業總線,各類終端設備的通訊協議大概有4000-5000種,負責工業數據的采集、解析和轉換的驅動有5000余種,包括PLC、變頻器、板卡、智能模塊、智能儀表、標準協議、機器人、機床等。
如果只是實現產品設計與工藝設計之間的數據打通,主要需要IT層面的融合;實現產品設計、工藝設計、生產制造之間的數據打通則需要IT層和OT層的融合。
實現產品全生命周期的數據互通不僅需要IT層和OT層的融合,還需要OT層之間的融合,打通OT層的各個數據孤島,實現工廠內部各環節的數據和市場營銷、售后支持、維修、客服這些環節的數據全面融合。這對人才、資金和技術都提出了很大挑戰。
這種現狀是否意味提升空間其實很大?
高世太:基于中國工業的體量,每個細分行業都是千億級的,都值得花時間去研究,去探究到底它應該怎么去做數字化轉型。
除了行業維度,還可以從工藝維度看。不同的行業可能都需要相同的工藝環節,比如說做機加工的,或者是做模具注塑的,或者電子產品制造里面很多要做PCB和SMT貼片的。
從這兩個維度去看,數據化的提升空間巨大。
從更好的獲取高質量數據的角度藍馳已經做了一些底層核心要素的布局。藍馳投資了一家做RISC-V架構和AIoT生態的公司。
與此前的ARM架構相比,RISC-V架構是一個開源的架構,是一個可以靈活根據應用場景去定義芯片的架構。
用戶可以在不懂芯片的情況下,快速的去定制出來符合自身細分場景所需要的傳感器和芯片,進而把這種細分場景的核心數據收集上來,同時做到低成本低功耗等優勢,讓獲取高質量數據的門檻大大降低;在此基礎之上做數據化和智能化,再基于這兩個核心要素實現行業整體解決方案去改造這個行業。
為什么數據流對工業互聯網如此重要?
高世太:如果一家工廠實現了全流程數據互通,在每一個環節都可以有效率的提升,指數級的提高整體效率。如果做到一個比較理想狀態的話,就是數字孿生,也就是不用實際生產出來,工廠就知道這個產品的質量如何,良品率如何,會不會賣的好等等。
如果將來工業互聯網大規模落地的話,不僅是一家工廠內部的全流程數據互通,而是整個產業鏈的全流程數據互通和數字孿生。
再舉一個電力行業場景的案例,我們國家這些年來在創造著一個接一個的電力奇跡,截至2018年的發電量統計,中國以8.4%的迅猛增速領跑全球,全年發電量達到71118億千瓦時,幾乎是以“一己之力”,生產了全球超過1/4的電量,為14億人口和龐大的工業體系提供強有力的支撐,我們國家有綿延數萬公里的輸電線路,其中挑戰比較大的環節,就是輸電。
一家全自動無人機場超低空一體化解決方案的公司,解決方案之一是為輸電線路提供巡檢支持,它的無人機是沒有人類飛手的,用AI算法自動規劃自家巡檢路徑并不斷優化。如果有飛手,每個人飛出來的軌跡都是不一樣的,很難做到數據化。這家公司的無人機和無人機場解決方案把巡檢線路,輸電線路上的各種故障全面數據化,還對超低空的整個空間(200米以下)做了3D數據化,不僅巡檢效率有了指數級提升,未來還可以根據數據預測故障的發生率,讓輸電公司提前做檢修。
實現了數據互通和智能化后,工廠會有哪些具體的好處?
高世太:舉一個調研過的模具和注塑廠的例子,生產各種各樣塑料包裝的,比如飲料的瓶子,化妝品的瓶子等。
日常生活中的一些快消品,比如醬油、飲料瓶上面有一個非常難做的東西,就是那種有拉環的瓶蓋。為什么難做?因為需要讓客戶一拉就可以拉開,不能拉半天拉不開,也不能很松,一拉就壞掉了。
這看似簡單,但實際是一個技術含量很高的生產工藝。而這些都是通過注塑設備生產加工出來的,而在注塑之前,需要先制造用來生產這種產品的模具。
模具被稱為工業之母,中國的模具生產體量占了全球超過三分之一的規模,體量巨大。
現在的模具生產主要靠人工,效率低而且很難沉淀生產數據;以前的情況是大部分工廠只需要生產標準化的瓶蓋或者塑料產品就可以,現在因為消費升級帶來的需求端的變化,需要各種包裝產品的多樣化和個性化,傳導到生產端后,就要求工廠能生產越來越多不同形狀,不同規格的瓶蓋和包裝,而且要求整體的交期越來越短。
這對生產效率和工藝有很高要求,同時還要保證質量,這對生產端來說是一個雙重挑戰。
我們投資的一家企業,可以幫助這類的模具和注塑生產廠實現數據化,用新型的技術把模具生產中每一種不同的工藝,不同的材料,以及生產設備本身的情況數據化,實現快速且靈活的生產,同時在數據化后賦予智能化,讓工廠可以更快更好地生產出來以前生產不出來的高質量產品,進而實現專業化的分工,利用這種數據積累,讓不同領域的模具注塑廠商生產專業的產品,不再同質化,可以想象將給這個傳統行業帶來巨大的變革。
需要特別注意的是,對于工廠來說,能不能實現數據化,進而做到快速生產、靈活生產,現在已經不是一個能不能活得更好的問題,而是一個生死問題。
現在的需求方對時間的要求很高,比如同樣數量同樣規格的一批貨,之前線下零售那樣的渠道要求兩到三個月內發貨,現在直播帶貨這樣的新渠道要求15天內發貨,你如果15天內發不了貨這筆訂單就丟了,所以工廠需要想盡辦法在每個環節提升效率。
還是以注塑廠使用的這個解決方案為例,原來一組瓶蓋需要60秒,現在引入了更加數據化和智能的手段后,只要40秒就完成了,工藝和效率提升所贏得的時間周期,為企業提升了很大的獲取訂單的競爭力。
提升總體效率的好處,不僅體現在生產單一產品需要的時間更短了,還意味著生產更加靈活,可以滿足個性化需求和快速轉產。
還是剛才的例子,單個成品的出產時間縮短后,機器就有時間去生產批量個性化的訂單,比如生產不同規格和要求的瓶蓋。
單一環節效率提升,和柔性生產的能力是相輔相成的。
什么樣的創業者能做好工業互聯網
工業互聯網創業者和消費互聯網創業者的差異是?
高世太:首先需要創業者轉變思維模式,與此前消費互聯網有較大的區別。不管創業者之前的背景如何,要從之前的“從數據出發”的探索模式,轉變到“從問題出發”的工程模式。
工業場景離日常生活相對較遠,工業互聯網企業要深入場景,了解工廠的真實需求和痛點。
工廠經營者是非常現實的買方,創業者的解決方案要能說的清楚價值,快速形成價值閉環,顯得至關重要。
工業場景的智能化&數字化轉型要用“小數據+小任務”的模式,在“小場景”下形成“小閉環”,實現單元智能;多個單元智能之間的數據融合,形成集群智能;多個多元集群智能之間的數據融合,形成系統智能。
什么是“從問題出發”的工程模式,如何深入場景?能舉個例子嗎?
高世太:舉一個紡織項目的例子。紡織行業在制造端大概分紡紗,織布,印染,成衣這幾大環節,其中在印染這個環節企業有較大的痛點,要解決的是“一次染色成功率不高“這個問題。
印染這個環節要用到染缸。染缸里面有物理變化,有化學變化,還有光學的一些因素,要配合很多注劑。
以前是靠老師傅,憑著感覺和經驗去印染,不同的老師傅操作手法不同,且這種感覺和經驗只能靠手口相傳,很難準確的教會其他人。
所以,紡織工廠都會關注一個指標:印染的一次成功率。因為如果印染的一次成功率提升1%,工廠可以降低10%的成本。
創業者要做的,是把染缸里的物理變化,化學變化,光學反應,各種試劑成分等盡可能地數字化,形成針對印染這一環節,可以提高印染一次成功率的行業解決方案。這需要創業者有很強的行業know-how,真正的深入場景,發現痛點。
工業互聯網的核心并不在于聯網,我們觀察到不少的產品確實是能把設備都連起來,但連起來以后到底能做什么其實是沒有想清楚的。
歸根結底,還是沒有理解這個行業,或者是沒有理解這個行業本身的痛點是什么。
創業者從哪里切入最可能成功?
高世太:沒有標準答案。每個行業都不一樣,每個行業數字化轉型的路徑也不一樣。還是需要回到剛才說的,創業者要深入場景,發現痛點。
舉一個例子,做行業解決方案和做平臺這兩種路徑哪個更好?首先,不是每個行業都有做平臺的機會,甚至有些行業的某個環節都沒有做平臺的機會,一定要看具體行業具體環節。
再舉一個例子,如果創業者要做平臺,要選擇什么樣的路徑?比如剛才做模具注塑的例子,首先通過提高數字化和智能化的方式,幫助這個行業提升了工藝水平,能夠更快更好地做出原來做不出來的產品,然后再去實現行業的專業化分工,進而實現行業分布式智造平臺的可能。
創業者要發現一個行業最本質的痛點,用解決痛點的方式形成核心抓手,在每個環節去做好數字化的改造。
當數字化的改造做到一定程度之后,雙邊就有了產生平臺的土壤,而不是還沒有搞清楚行業的痛點和可以提升的空間,一上來就試圖通過流量聚集的方式搭建一個平臺。
關注工業互聯網的哪些領域?
高世太:其中一個維度是按縱向領域分,首先我們關注底層核心要素,包括芯片,工業軟件,工業安全、核心零部件等。
在這些方面藍馳已經有了一些布局。工業軟件比如設計仿真,產品生命周期管理等軟件我們都會關注。
另外從行業和工藝環節維度,我們會關注第二產業的各個細分行業的解決方案,流程制造行業偏上游,化工,能源,電力都是很大的行業,離散制造行業離消費者更近些,如汽車,3C電子,家居,機械加工,模具注塑等,每個細分行業和大的工藝環節都是近千億的規模,有很大的空間。
但是數據化和智能是關鍵,抓住了這兩個核心要素,才能獲得改造這個行業和商業模式延展的可能。
文章來源:藍馳創投;
?
審核編輯:鄢夢凡
評論
查看更多