工业互联网的生态创新与技术创新

发布时间: 2020-09-16

工业互联网的目的是激发制造业生产力和竞争力,通过多维数据采集、分析和应用,赋能工业制造业、工业服务业和装备制造业全产业链。帮助工业制造企业实现价值增值,实现更高效、更经济和更绿色的制造能力构建。优化工业服务供应链创新,实现高质、高效的工业服务与装备制造供给侧结构性改革。

图一:工业互联网&工业服务创新阶段

关键词:设备管理、工业服务、工业互联网、技术创新、生态创新、服务型制造

从设备管理说起

设备管理是工业制造企业基础管理活动,是对生产设施的物质运动和价值运动进行全过程(从规划、设计、选型、购置、安装、验收、使用、保养、维修、改造、更新直至报废)的科学型管理。

设备管理是一项综合性工程,在制造业向数字化、智能化和自动化的价值转型过程中,扮演至关重要的作用,体现在其经济属性、管理属性和技术属性方面,这在工业互联网时代尤为重要。

经济属性:以生产效率、质量为关注重心,以提升设备可用度(提升MTBF平均故障间隔时间,降低MTTR平均故障修复时间,可用度A=(MTBF+MTTR)/MTBF)、降低维修费用、降低备件库存为目标。换句话讲,设备管理的价值体现在最少的故障、最快的故障恢复确保生产系统的稳定性和可靠性(开源),并以最低的维护成本(节流)、最低的库存(节省库存、提高制造业现金流),确保工业制造业的持续盈利能力构建;

管理属性:对企业内部而言,设备管理涉及操作使用部门、维修改造部门、设备及其备件采购部门,决策部门构成。对工业服务外部而言,涉及设备制造厂商、设计机构、施工单位、设备及备件代理单位、维修单位等构成。这就给设备内部管理和外部资源协调带来了很大的挑战,全员和全生态系统的积极参与和配合,需要良好的管理机制和供应链协同机制完成。

技术属性:制造系统是由设备构成,而设备则是规划、设计和制造出来的,设备的功能性和适用性需要匹配加工原理和控制能力,在这些过程中,设备故障也被同时制造出来。而正是如此,设备的固有可用度也在制造和安装后被确定,故障模型也同样被确认。这些故障特征可以通过外在的表现映射出来,如振动、温度、压力以及控制逻辑报警等方式呈现出来,通过对这些特征的把握,我们可以更好的调整、优化和提前处理这些故障,同时这些数据反馈到设计与制造体系中,可做到设计优化和服务创新中来。正是因为技术属性,驱动了以物联网为基础连接的工业互联网平台应用的创新革命。

图二:企业设备管理价值模型

数字运维+工业互联网的生态创新

任何技术创新,应当首先构建于合适的场景和成熟的市场条件,这是非常重要的基础。面向制造业的工业互联网创新,应构建在制造企业明确清晰设备管理价值,具备运维管理的基础能力,以及工业服务和装备制造商有序的价值匹配基础条件之上。

这是许多工业互联网平台极力回避或者不明就里的领域,认为涉及到人、或者低价竞标等潜在规则的事,就选择了排斥和逃避。但实际上,如果不解决企业价值问题,不解决人的问题,不解决大多数的服务商和制造商利益关切,工业互联网平台就走进了死胡同,要么市场天花板太低,要么难以为继,进退两难。

工业互联网的本质是需要解决和重建设备使用方(用户)、设备服务方(工业维修、设备与工业品提供、设备管理与技术咨询、设备安装与非标制造商)和设备制造方(装备制造商、工业品制造商)之间的供需匹配关系与机制。

1)设备管理创新与需求侧优化

我国工业企业设备管理普遍以事后维修为主,相对于欧美生产维修制、日本TPM全面生产维护中强调主动性预测性和预防性维修管理,我国制造业工业运维能力普遍较弱。

实体经济在投资、劳动力、资源和环境等低成本要素来驱动经济规模的模式开始出现瓶颈,工业制造业向高效、绿色和节约的质量转型方向发展。工业制造业发展出现非线性的特征,这表现为:

市场表现为多品种,短交期、低价格竞争,对制造要素诉求表现为高效率,低成本和低库存,对制造系统的可靠性和稳定性要求骤然提高;

制造企业对管理能力、制造系统改善的诉求更为迫切,与管理基础和知识积累较弱、高技能人才短缺与员工流失率偏高,形成矛盾。

相对于欧美和日本等国家,几十年的管理基础与知识积累,我国制造业必须突破原有的传统管理咨询方法和思路。基于人工智能的数字运维,将有利于实现:

利用人工智能技术加速生产员工、维修人员知识交互和积累,实现故障异常的高效处理和维修经验的重用和企业知识积累;

强化主动性维修,提高日常点检、专业点检、预防性维修的执行效率,提高异常和故障判断的准确性;

数据驱动运维决策,实现质量和效率(OEE综合效率)的有效保障,以提升系统可用性,降低运维费用和备件库存为运维目标,智能分析制约条件和因素,精准提升运维能力。

大幅降低设备管理信息化上线成本,减少或杜绝对于传统管理咨询的依赖性,实现数据节人和提效的双赢能力。

图三:数字运维-“精益卫士”人工智能维修辅助系统

2)大数据引发工业服务与装备制造业生态变革

运维管理的提升,带来的是对工业服务和装备需求的量化,这将有利于改变B2B工业服务生态。在数字运维普及应用基础上,基于大数据和云计算条件下的工业互联网服务平台,将有利于:

工业APP培育计划,工业服务需求精准匹配与制造型服务。

数字运维带来制造业运维能力的提升,实质上是工业服务、装备需求及工业品需求精准挖掘,通过大数据分析,实现规模化订单能力。基于数字运维导向的工互联网服务平台:向供应链端连接和培育工业APP,如工业品供应、维修共享、咨询服务、知识社区、远程维护等;向下支持MRO服务社区落地,展开融资租赁、运维托管、工业品集供,维修线下共享与运维外包等服务。

图四:数据驱动工业服务变革

2. 利于服务优化和产品升级的装备服务型制造。

当数字运维沉淀设备维修数据,对于数据的深度分析,可识别出不同厂家、不同产品类型,不同型号的售后质量表现、故障实效分析、维修响应等客观数据,这对于装备制造商优化产品设计、制定销售和服务策略将起到实质的帮助。

3. 基于数据的供应链金融创新,改变B2B产业生态。

对于工业服务商而言,交易的制约难点在于销售回款,对于制造业用户而言,在于交易后的质量保障。解决这一痛点的关键,是改变交易收付款方式,强化风险保障能力。基于数字运维大数据分析,借助供应链金融创新,交易双方通过银行授信解决交易收付款,并通过运维能力、交付能力和交易诚信数据,发展相应的保险业务,将有利于降低交易双方的工程风险。

这些改变,将有效解决B2B产业现状,减少交易款拖欠、承兑支付所带来的弊端,促进制造业、工业服务商和设备制造商重视诚信,强化供应链效率和质量。

基于工业物联网的技术应用创新

工业物联网是数字运维的技术补充,传统意义上认为,工业物联网可以跳开人的因素,借助设备物理参数反应出系统缺陷分析应用,从而改变工业生态,促进制造业转型升级。

但我们从现存案例中分析,可以识别出其中的一些关键因素,将有利于建立更完善的工业生态。

案例1:GE Predix 工业互联网平台

GE是是世界上最大的提供技术和服务业务的B2B企业。受全球工业增速减缓的影响,GE提出工业互联网解决方案,一方面提升自身预测性服务能力,一方面面向全球工业服务商、装备制造商提供新的服务方式和增长点。

从GE自身来说,这自然是好事一件,大数据分析应用能实现诸如航空发动机,预期中将预测性维修准确性提升从70%,提升至99.9%左右,这对于服务质量和服务成本来讲,这是飞跃的进步。

但在新的业务增长上,也并不顺利。是技术成功并不意味着商业成功,其一是同行业未必采用其服务,其二,这要求用户具备一定的工业运维能力,以及装备具备良好的可靠性能力和价值基础。

案例2:树根互联工业互联网平台

树根互联源自三一重工这样的大型B2B制造业,在国内工程机械交易受阻的条件下,利用物联网有效解决了租赁问题,由此诞生了国内的工业互联网平台解决方案。

树根互联是从装备制造商的为出发点,以数据赋能产品设计、产品服务,并以融资租赁完成商业闭环,这至少在三一重工应用是成功的。

尽管如此,但同样面临新增业务的障碍。我们发现,与三一这样有竞争关系的装备制造商并不原意为此买单,这让业务拓展的范围变得极其有限。而将业务范围瞄向非工程机械领域的工业制造业时,骤然发现,技术型的解决方案和实施团队,并不能针对工业制造企业运维管理提供有效和全面的解决方案。

工业互联网平台企业借助于技术应用的突破,依然是未来主要发展方向。结合我国工业制造业实际状况,未来在这三个方向上有望突围。

方向1:数字制造+服务型制造

图五:工业互联网平台+服务型制造

实施主体:装备制造商、工业品制造商,如工程机械、农用机械、汽车、摩托车总装、家电企业等具备规模化生产能力的制造企业。

实施目标:建立服务型制造+生产决策优化能力。

实施要点:数字运维+数字制造+数字研发+自动化改造服务商+大数据分析服务商,与工业互联网平台服务商实现协同构建。

实施难点:需要主体企业具备一定的经营管理、现场精益化基础,产品在市场表现突出,盈利能力较强的制造业为佳。

非装备制造或工业品制造商,由于工业互联网平台并不能解决服务型制造赋能问题,通常合适在可靠性要求较高的行业,如大型石化、电网和电力企业,而对于一般中小型制造业来讲,经济性是一大挑战。

方向2:能源托管与物流租赁服务

图六:工业互联网+服务托管/设备租赁

实施主体:设备或成套系统的运营托管商、运维服务商及租赁商,如能源托管服务商、空压机运维服务商、叉车等物流设施租赁商,这些设备通常不是工业制造业的主体设备,一般适合第三方运营管理。

实施目标:提高运营效率、降低运营成本,提高装备的可靠性和维修性。

实施要点:重视设备的可靠性、维修性和系统控制性,并不是简单的采集现有数据,并注重在运维层面与数字运维对接,形成故障处理闭环和运维能力分析应用。

实施难点:商业成功取决于服务商的商业模式,适合在工业园区形成规模化和服务能力闭环。

方向3:关键/通用设备+预测性维修

图七:工业互联网平台+预测性维修/工业服务

实施主体:绝大部分制造业工厂,通用性较强或关键的设备,如风电行业风机、机械加工行业机床、齿轮箱(减速机)、化工行业较为重要的机泵、压缩机等设备。

实施目标:提高关键设备的预测性维修普及率和预测性诊断准确性,确保产线整体的稳定性和可靠性,提高其可用度,降低其运维成本。

实施要点:以设备的可靠性、维修性为重要关切点,尤其注重垂直领域原理知识应用研究和沉淀,如设计机械故障的振动分析、油液分析,以及针对于特定类型设备的故障模型研究和分析,并在运维层面与数字运维对接,形成故障处理闭环和运维能力分析应用。

实施难点:形成垂直领域的产品化方案,注意结合在线和离线的数据采集方式组合,在综合解决方案中考虑和设备制造厂家、第三方运维服务商和数字运维解决服务商形成商业闭环,以实现实施的经济性、以及预测性诊断与维修闭环的完整性,提高预测性维修的准确性和有效性。

工业互联网创新的意义,在于驱动工业服务生态重建,既是复杂的技术解决方案,也是B2B互联网商业的有效闭环。在实践中,注重理论与实际、业务与技术、战略和战术、IT与OT、线上与线下的有效融合,聚焦于工业服务社会化程度较高的工业产业园区,践行工业服务与互联网产业化研究、应用和孵化落地一体化的区域创新示范建设工程,是工业互联网从概念走向商业成熟的关键。

上一篇: 分析G端产品和非G端产品的区别

下一篇: Timothy Arcuri of Cowen & Company:调查显示从安卓投奔苹果 中国比例最高

Copyright © 2012-2020(tech.tipapple.com) 版权所有 Powered by 万站群

本站部份内容来源自网络,文字、素材、图片版权属于原作者,本站转载素材仅供大家欣赏和分享,切勿做为商业目的使用。

如果侵害了您的合法权益,请您及时与我们,我们会在第一时间删除相关内容!