工業(yè)互聯(lián)網(wǎng)如何做出新嘗試？

??德國的工業(yè)4.0在推進與建設的過程中不太順利，且因為信息物理系統(tǒng)CPS的技術障礙和5G的到來，被迫停滯，就有傳聞說“工業(yè)4.0計劃”已經(jīng)失敗，但事實上大多數(shù)人并沒有因為物聯(lián)網(wǎng)項目的失敗而放棄，他們認為從中吸取的經(jīng)驗和教訓，讓他們加速了IoT投資，在短期內可能面臨各種糾結和挑戰(zhàn)，從長期角度仍應堅決看好。
??
??關于工業(yè)互聯(lián)網(wǎng)的發(fā)展路徑，更多人理性客觀的意識到了這并不是一蹴而就的事情，而是“點”、“線”、“面”逐步開展落地應用。更令人關注的還有工業(yè)互聯(lián)網(wǎng)的商業(yè)模式問題，軟硬件的搭配如何賺錢？從硬件的一錘子買賣到靠軟件的可持續(xù)盈利之路該怎么走？

??
??從現(xiàn)階段來看，工業(yè)互聯(lián)網(wǎng)的硬件產(chǎn)品是小量多樣的長尾市場。追求硬件利潤的同時，很難賺取海量數(shù)據(jù)，于是很多企業(yè)開始了轉型的艱難之旅。與此呼應，最終用戶也開始希望不是在IIoT云平臺上，而是在工業(yè)現(xiàn)場就能開展對運行數(shù)據(jù)的分析和處理。主要的好處包括：實現(xiàn)從設備分析到企業(yè)決策的閉環(huán);降低(或省去)部署和運營 IT 系統(tǒng)的成本;分擔信息化平臺的運轉負荷;數(shù)據(jù)運算與處理的實時性要求;數(shù)據(jù)的本地化處理以提升系統(tǒng)的信息安全。
??
??市場嗅覺靈敏并可快速響應變化的企業(yè)，推出了功能相似的邊緣側軟硬件一體化數(shù)據(jù)處理方案。利用已經(jīng)驗證的高可靠性產(chǎn)品，推進硬件的標準化，增加人工智能分析能力，通過軟件和系統(tǒng)形成差異化，并積極賺取數(shù)據(jù)、模型和經(jīng)驗，推進從數(shù)據(jù)到?jīng)Q策的流程，立足服務SaaS化和長期發(fā)展。
??
??已有公司研發(fā)出了新一代的邊緣控制器，搭載工業(yè)人工智能算法，滿足用戶對于預測性維護與分析的需求，并有越來越多的企業(yè)加入到這個賽道。例如：LogixAI分析模塊、Sysmac AI控制器、Simatic S7-1500神經(jīng)處理器。
??
??LogixAI分析模塊，新增了對異常狀況進行預測性分析的能力。用戶已經(jīng)不需要在其中加裝單獨的應用程序，直接通過以太網(wǎng)端口接入模塊，然后在 Web 瀏覽器上對相關應用模型進行參數(shù)配置，就可以實現(xiàn)對系統(tǒng)數(shù)據(jù)進行分析和預測的功能。
??
??Sysmac AI控制器，在異常檢測的算法上使用“孤立森林”(Isolation Forest)機器學習引擎開發(fā)。對內存要求很低，且處理速度很快，其時間復雜度也是線性的，非常適合高速實時處理，可以通過微調提高檢測精度和準確性。同時，還適用于多模態(tài)數(shù)據(jù)，可用于需要兩種或多種操作模式的高度混合的產(chǎn)線。
??
??SimaticS7-1500神經(jīng)處理器，能夠實現(xiàn)神經(jīng)網(wǎng)絡的高效處理。傳感器的數(shù)據(jù)和來自CPU程序的數(shù)據(jù)，在神經(jīng)網(wǎng)絡的基礎上進行處理。借助機器學習算法，諸如生產(chǎn)工廠的視覺質量檢驗或圖像引導的機器人系統(tǒng)等應用將得以有效實現(xiàn)。
??
??上述產(chǎn)品目前仍處于比較早期的市場培育階段?，F(xiàn)階段它們似乎更適合在生產(chǎn)品質管理、重點設備的預測性維護等一些與經(jīng)濟效益密切相關的場景中使用。最終完成從數(shù)據(jù)到?jīng)Q策的過程，還需要深層次的觸發(fā)商業(yè)模式變革。