IBM-工业互联网发展动态-2020.5-52页

1 .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 

2 . 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 

3 . 今日话题  概念简述  应用场景  发展趋势 3 5/31/2020 

4 . 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 

5 . 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 

6 . 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 

7 . “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 

8 . 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 01010101010111110000111110 Mainframe Watson 00110101010101010101010011 01110111111000001100100101 计算机主机 互联网 认知业务 8 2020/5/31 

9 . 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 每秒可以处理500GB数据，相当于1秒阅读100万本书 2)快速提取知识信息  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 https://www.ibm.com/watson/ 

10 . 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 

11 .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 

12 . 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 

13 . 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 

14 . 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 

15 . 今日话题  概念简述  应用场景  发展趋势 15 5/31/2020 

16 . 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 6. 监测生产设备状况 3) 智慧决策 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 

17 . 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。 https://www.ibm.com/internet-of-things/cn-zh/iot-solutions/iot-manufacturing/ 17 5/31/2020 

18 . 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。 https://public.dhe.ibm.com/common/ssi/ecm/ww/zh/wwm12360cnzh/3_9_watson-iot-cognitive-solutions-ww-e-book-wwm12360cnzh-20180502_WWM12360CNZH.pdf / 18 5/31/2020 

19 . 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。  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 人工智能成为 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 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 质量管理的耳目 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 

20 . 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 

21 . 案例 1：高效检验流程产生效益 21 5/31/2020 

22 . 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 

23 . 案例 2：知识传授和训练 23 5/31/2020 

24 . 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 

25 . 案例 3：保障产品和流程质量 25 5/31/2020 

26 . 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 

27 . 案例 4：分析质量原因 27 5/31/2020 

28 .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。 https://public.dhe.ibm.com/common/ssi/ecm/ww/zh/wws12360cnzh/wws12360-cnzh-00_WWS12360CNZH.pdf / 28 5/31/2020 

29 .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