自从 2011 年德国定义了“工业 4.0”这个术语以来,整个制造业的企业一直在困惑,他们如何以及为什么要在生产运营中部署互联互通和大数据。一些小型公司从试点项目开始,然后再扩大规模,另一些公司则对整条生产线的设备进行更换,像许多新兴的制造技术(例如机器人技术或 3D 打印技术)一样,都充满着挑战。
先抛开其它因素,来看一看物联网将如何帮助公司赚钱?
关于这个问题,硅谷的网络基础设施公司 IoTium 的创始人兼首席执行官 Ron Victor 表达了他的看法。由于 IoTium 专注于物联网架构本身,而不是网络支持的任何 AI、机器学习(ML)、分析或监控解决方案,因此 Victor 对这些业务级别的驱动程序有着很好的观察角度。
IoTium 创始人兼首席执行官 Ron Victor
是什么因素阻碍了工业物联网在制造业中的数字化转型和应用?
主要是两个因素:部署的复杂性和安全性。每个人都可以在实验室中做一个很好的小概念验证,但是试图以经济有效的方式大规模部署,并确保尽可能安全,避免黑客的入侵,都是阻碍其发展的基本因素。
阻碍工业物联网发展的第三个因素是商业价值。换句话说,公司是否可以赚到更多的钱?他们是否能因此降低成本?他们是否可以为服务提供额外的服务级别协议(SLA),以便收取更多的费用?这些都是推动数字化转型的商业见解。
这里有一些例子:
- 我正在尝试将我的机器连接到另一个应用程序,以便我可以为我的客户收取更多费用来减少停机时间;
- 我正在尝试连接我的机器,这样我就可以远程配置该机器,而不必派人去那里,从而降低成本;
- 我正在尝试连接我的机器,并运行机器学习应用程序,该应用程序可以预测轴承在 x 时间之后或当油量低时会失效。所以,在机器坏掉之前,我可以采取预防措施。
必须要从商业的角度来看待物联网。我们无法试图通过未连接的设备去实现目前无法实现的目标。如果我的设备已连接:
- 我可以向我的客户提供 SLA 并说“我保证给你一定的正常运行时间,因此付给我更多钱吗?”
- 我可以远程做一些工作并减少工程师的工作量和时间成本吗?
- 我可以通过持续监控来防止机器停机吗?
- 我可以在这个设备上运行机器学习,这样我就可以建立一个模型,告诉我通常在运行 36 天后需要换油,并向我的客户做出明智的决定。
这些都是需要解决的问题,而物联网只是解决这些问题的一种手段。公司认为他们需要数字化转型。但是,问题是一旦确定了业务驱动程序,就会归结为部署复杂性和安全性元素。
制造公司是否了解构建工业物联网的过程?
有些公司了解,他们无需在内部为 IOT 构建 IT 基础架构增加成本。作为制造商,构建 IT 基础设施并不是他们的核心竞争力。相反,大多数制造商最好专注于数据科学,机器学习,人工智能等他们想要收集的数据上面。聪明的制造商将他们的资金投入到与他们的业务专长直接相关的工作中,而将 IT 基础设施外包给其他公司。然而有些公司无论什么原因都要设立实验室,通过各种方法去实现它。
图片由 IoTium 提供
什么是软件定义网络(SDN),为什么它是 IIoT 应用的理想选择?
软件定义的网络基础设施意味着它完全定义并管理到云中的业务流程层,操作和功能实现都比较灵活。
假设,我正在使用 Azure 并将我的数据放到了 Azure,明天我想把数据放到 AWS Greengrass 上,后天我想考虑 IBM Bluemix 能够利用 Bluemix 已经完成的分析应用程序,第四天我想把它带到 Mindsphere,因为 Mindsphere 上有一个很好的预测性维护。
如果不是软件定义网络的话,就必须亲自到 edge 网关并手动配置它。但是,如果所有这些都是从业务流程层定义的软件,我可以坐在自己的办公室里,将数据移动到我想要的任何地方。所有的这些都是由云提供和部署,通过软件定义的基础设施。
今天的 IIoT 技术如何改变了工业分析?
15 年前和现在的区别全部在于互联网和云。无论你在一个封闭的环境中在室内做什么,人们今天都在围墙的花园环境中做。随着互联网和云的出现,现在带来的是应用程序的民主化,即一万个人可以编写各种各样的应用程序来做各种事情。
因此,由于应用程序的民主化,今天的制造商可以利用越来越多的应用程序。与 15 年前构建的遗留的本地的,封闭的应用程序相比,如今的应用程序更加民主化,可以使你不会只将公司锁定在一家供应商中。
因为,如今,第三方公司甚至可以比西门子更早地预测西门子机器的故障。
与非网编译内容,未经许可,不得转载!