圖片來源 @視覺中國
文｜産業家，作者｜思杭，編輯｜皮爺
從數字化的探索到智能化的暢想，一段新旅程正在傳統制造企業中拉開帷幕。
上世紀 80 年代，發達國家相繼制定較高的環境标準，并同時将重污染行業轉移到發展中國家。而中國因此獲得了 " 世界工廠 " 和制造業第一的稱号。" 高能耗、高排放、高污染 " 的 " 三高 " 現象自然也長期存在于中國制造業當中。
然而，曆經改革開放 40 年發展後，中國制造業正在走向産業鏈上遊，而在這一階段，能耗問題也成爲了最大的絆腳石。
在流水線上的一輛輛泵車上，工人們正身處在一個巨大、明亮、幹淨的摩登空間裏，這與大衆眼中的工廠印象截然不同。它也正是吳曉波筆下的 "18 号工廠 "。
18 号工廠的起源還要追溯到 2018 年。18 号工廠，也叫燈塔工廠，被譽爲 " 世界上最先進的工廠 "，同時它也被賦予全球制造業領域智能制造和數字化的代表。在 2018 年全國兩會 " 代表通道 " 上，三一集團董事長梁穩根提出推動三一數字化轉型，口号是 " 要麽翻身，要麽翻船 "。
同年，" 燈塔工廠 " 在 18 号工廠正式啓動，邁出探索智能制造轉型的第一步。 而在當時，這是行業内首個世界級 " 燈塔工廠 "，技術上沒有先例，也沒有成熟的供應商。
這既是三一集團在無人化、智能化的探索，也是中國制造業走向數字化與數據智能的開端。從燈塔工廠建設的具體實施來看，一共分爲三個方向，分别是無人化、數字化和軟件化與數據融合。
從機器人自動化到依托機器人等數字技術來實現數智化，再到軟件互聯和數據互通。最後，三一集團交出了一份令全世界都滿意的答卷：" 工廠産能擴大 123%，生産率提高 98%，單位制造成本降低 29%"。這也是三一集團被譽爲 " 世界上最先進的工廠 " 的入選理由。
工廠每天的數據産量是 30TB，這些數據是由遍布工廠的 1540 個傳感器和 200 台全聯網機器人産生的。
在這張答卷的背後，數據是極爲重要的一環。
2023，工業數字化轉型走到哪了？
在梁穩根的眼中，" 數據是石油，要全力去挖，一個都不能丢。"
從系統搭建的環節數量上來看，三一的這場智能化探索涉及了從生産到采購，從倉儲到客服，再到财務等 12 個業務環節的數字化系統搭建，并實現了所有數據的互聯互通。
而從總數據量上來看，項目組成員更是從 12 個業務環節中篩選出了 75 個核心業務系統，一共形成 4000 多張任務表格，1.2 萬億條數據。
可以說，三一重工的數字化轉型走在了國内工業數字化的最前端。
但究竟什麽是工業企業的數字化轉型？
具體來講，在工業企業中涉及的從生産、管理到設計、銷售、客服等多個環節都需要用數字化系統重做一遍。
而這其中的難點則在于，如何基于各個環節生産的數據提取并彙總在一起，從而進行數據分析、控制、監測、檢測、預測等生産經營活動，最後達到縮短研發周期、增加采購實時性、提高生産效率與産品質量、降低能耗、及時響應客戶需求等效果。
最後，産生的效果會爲工業企業最直觀地帶來生産效率的提升和節能減排、運營成本的降低等等。
放在具體的場景裏，三一依托 " 樹根互聯 " 工業互聯網平台，實現供應鏈上下遊企業的信息共享與業務協同。
可以說，工業企業與這些工 業互聯網已經形成了一個 " 利益共同體 "。
在制造方面，18 号工廠兩條總裝配線可進行 69 種産品的混裝柔性生産，機加車間變身爲真正的 " 黑燈工廠 "，實現了原材料進場加工、運輸、檢測到成品的全流程無人化、智能化。
另外，除了三一重工，海信集團也是國内領先實現數字化轉型的工業企業之一。
海信集團内部的研發、營銷、制造、物流和服務等環節都全面完成了轉型。
一個最爲直觀的效果是，生産效率提升 208%，設備 OEE 提升 12%，質量一次合格率提升 5%，訂單準時交付率提升 10%，運營成本降低 17%。
而在這張 " 成績單 " 的背後，海信集團所依托的技術能力則包括了工業 AI、工業大數據、AR/VR 和數字孿生。
具體來講，AI 提供的是視覺檢測；大數據提供的是決策支持；AR/VR 所提供的是遠程運維；數字孿生所提供的是研發制造協同。
而這些技術也正是工業數據智能目前所用到的全部技術。或者，進一步解釋，數據是從生産、設計、銷售、能效等多個環節中提出來的，它們需要放到上述提到的技術能力當中進行加工，進行數據分析、監測等等過程，最終才能傳輸到各種應用場景中，實現在上述工業企業中所達到的效果。
因此，數據的意義就等于将所有智能硬件和軟件串聯起來的核心節點。
目前，國内工業數字化轉型的情況是，已經完成了初步的數字化探索。
從 e-works Research 調研數據中可以得到，工業龍頭企業中有 96% 已經應用了 MES/MOM 系統，并且 ERP、WMS、PLM 和 CRM 等其他系統的部署比例也非常高。另外，在工業軟件投資方面，18% 的企業投資在億元級别，超過半數的企業投資金額過千萬。
從另外一份埃森哲《2022 中國企業數字化轉型指數》報告中則顯示了在不同環節都需要哪些技術的支持。
比如在産品設計與研發環節，所需要的技術能力包括大數據、雲計算和 AI 等；在生産制造與管理環節，技術能力涉及到了物聯網、5G、邊緣計算等；在最後采購銷售與服務，則需要電子商務、社交媒體、移動應用等技術。
然而，在這些技術背後，數據智能的作用都不可忽視。或者，從另一種角度上來看，數據智能是工業互聯網和工業智能的底層環節。
在未來的智能化時代，制 造企業和數字化服務商正在合力下一盤棋。
工業數據的抓手在哪？
電力作爲基礎能源之一，任何惡劣 天氣的影響都會帶來巨大災難。一場暴雨完全可能引發交通堵塞、道路積水、排水系統癱瘓等等重大事故。
而這種惡劣情況的發生則需要電力搶修人員時刻待命。
湖南電力（國網湖南省電力有限公司）作爲保障湖南省電力可靠供應的重要單位，截至 2017 年末，擁有 35 千伏及以上變電容量 1.18 億千伏安、線路 6.62 萬公裏。
但一個問題是，電力癱瘓時，如何判斷是哪些供電設備出了故障？又該如何精準定位？
以往，搶修人員需要對一條或多條供電線進行排查，才能确定故障設備，然後緊急制定出電力修複方案。
而百度智能雲通過百度地圖，将用戶信息、線路信息和設備信息呈現在地圖上，然後基于路況信息對停電範圍進行精準定位。而這就是在具體而言數據智能的作用。
另外，節能減排也是近年來國家對于工業企業的一個審查标準。
在國藥集團的藥品分裝及包裝車間，一台台機器正在 " 忙碌 " 地給給疫苗做燈檢、貼标簽等等。而這些設備背後的動力源卻是壓縮空氣。
在醫藥企業裏，壓縮空氣的重要性就相當于電能，它關乎着藥企能否正常生産。比如在藥品的生産和封裝環節，它都是重要的動力源。
但問題在于一旦壓力不穩定或氣壓過低，就會導緻液體的倒灌，損壞設備。因此，壓縮空氣的控量也成爲藥企的一大痛點。
對此，數據智能發揮到的作用則是通過硬件設備将數據集中彙總起來，再傳輸給軟件終端，發送到手機和電腦上，方便維修工人實時查看和接收預警信息。
最終的效果則是既減少了設備損壞的次數，還降低了運營成本。而這正是專注爲公輔設備節能減排的蘑菇物聯所作出的成績。
從上述的案例中可以看到，實際上，工業數據智能是通過大數據和 AI 技術，在實現企業數據彙聚的基礎上，進行數據的分析和建模，利用模型實現業務優化和提升，從而實現降本 增效，例如設備的預測性維護、生産控制過程優化等。
然而，在工業數據智能領域中，一個客觀存在的問題是，工業企業已經正常運轉了上百年，其多年來所積累的工業數據，必然會導緻彼此割裂的現象。
具體來講，工業數據來自多個工業流程、多台機器和多種系統，而這裏面涉及的工業數據也各不相同。有相關調查顯示，工業領域的數據類型約有 130 多種，其中數據模态多樣，結構關系複雜。
因此，在工業數據融合的過程中，會出現三個層面的連接問題。
第一層是設備之間的數據流通。第二層是不同産線、車間、車場之間的數據流通，包括耗能優化、供應鏈管理、質量管理等。而最後就是工廠之間的産業跨界，實現産業互聯。
目前，在工業智能，乃至整個工業互聯網領域，除了數字化服務商的作用，另一個催熟劑則來自國家政策的規範性。
近年來可以看到，随着工業互聯網的不斷成熟，工業數據的标準化也愈加規範。2023 年 9 月 1 日，中國工業互聯網研究院發布了《國家工業互聯網大數據中心體系産業鏈編碼規範》《國家工業互聯網大數據中心體系企業資質庫數據标準與共享接口規範》等第三批共計 11 份标準。
在上述文件中，針對業務系統的數據庫表命名設計規範、産業鏈及其上下遊節點的編碼規範，以及企業資質、司法風險、産品服務、投融資、知識産權等常見專題庫的數據字段等等，都構建了一體化的數據體系标準。
而一體化數據标準的建立也意味着，未來數據割裂問題的減少甚至消失。因此，在工業數據割裂的背後，工 業數據智能産業鏈的出現也成了關鍵命題。
工業數據智能：一個運轉的新産業鏈
在工業數據智能産業鏈上，聚集着從上遊 的硬件廠商、到中遊的軟件平台層，再到最下遊的行業軟件應用。
通常來講，企業選擇的數據智能供應商都聚焦在中下遊。這些數字化企業則基于大數據和 AI 技術提供。但針對不同行業、不同業務環節，數據智能供應商能給出的能力也各有千秋。而總體而言，這些服務商都有着較強的算法和數據分析能力。
具體而言，雲廠商、AI 企業都進行了不同程度的布局。以雲廠商爲例，在工業數據智能産業中，百度智能雲、阿裏雲和華爲雲的能力優勢在于算法能力，及服務标杆客戶的能力。
而對于 AI 創業企業而言，在其專注的特定行業和領域則有着更好的業務理解和實施交付。
比如優也科技是利用工業互聯網、數字孿生、AI、大數據等技術，從而提供能效管理、生産過程管理和設備智能維護等方案。其重點更多地放在了設備的監控安防上。
而類似這樣的廠商大多都以提供軟硬件設備的 " 一體化 "，來幫助實現數據 " 端邊雲 " 的傳輸。對此，蘑菇物聯就是該類型企業的代表。
而在生産過程優化和設備智能運維這兩個環節，雪浪雲則是該類型企業的代表。在高端制造、流程化工和煤炭能源等行業，雪浪雲則發揮了其多種系統的優勢，幫助工業企業進行運維效能的提升。
然而，目前工業數據智能産業的發展情況則供需端的影響。
市場端的需求是一方面，服務商的能力是另一方面。雖然在整條産業鏈上，既有雲廠商來提供平台能力，也有 AI 企業提供更細分的場景能力。然而，對于客戶而言，究竟如何選擇卻是一大難點。
于雲廠商而言，其能力在于大數據平台和 AI 平台。而問題在于沒有更直接地将細分場景擺在客戶面前。這就需要企業客戶要有很強的技術開發能力和數據分析能力。在雲廠商所提供的平台基礎上，客戶自身要承擔起數據分析和後期的應用開發工作。因此，這一過程中也涉及到數據清洗等問題。
而數據清洗的重要性則相當于能否構建出一個清晰的大腦。因爲數據是最底層的建設，如果數據問題都難以跨越，也很難構建出有效的上層軟件應用。 所以，雲廠商所對應的客戶一般都是大型集團。
而于 A I 企業而言，其能力在于 " 小平台 "，并直接提供細分的解決方案，甚至行業 know-how。但問題在于，其後續使用過程中的應用重複建設和數據孤島等問題要比雲廠商更突出。
實際上，AI 企業在客戶中可能更受歡迎。原因一方面是成本不高，另一方面，也是更重要的，由于能提供更高價值的細分、更成熟的應用場景，能讓老闆更直觀地看到投入産出比。
再回到需求側，目前在市場方面，數據智能作爲工業互聯網和工業智能的底層環節，其很大程度上受到了上層趨勢的影響。
近年來，國家對于工業互聯網的重視程度正在階梯式提升。比如在 2022 年在《政府工作報告》中提到要加快發展工業互聯網，重點發展集成電路、人工智能等數字産業，提升關鍵軟硬件技術創新和供給能力。
而在全球範圍，更是多個國家都發布了相關政策。比如在英國發布的《英國工業 2050 戰略》和《國家人工智能戰略》，重點提及智能制造和規劃人工智能系統；在歐盟發布《2030 數字羅盤：歐洲數字十年之路》，将工業智能納入 2030 年數字羅盤戰略等等。
如果把工業智能比作正在行駛的巨輪，那麽數據之于工業智能，就相當于輪船的發動機。隻有發動機源源不斷地提供動力，這艘巨輪才能順利駛向工業互聯網時代。
