沈阳鸿宇科技有限公司

【行业资讯】《工业数字化转型白皮书》:15项新兴技术及其应用场景

发布时间:2021-06-17 文章来源:鸿宇科技 浏览次数:1665

       工业物联网的主旨是将“实物”连成网络,并捕获这些“实物”的运行及关联数据,从而控制它们并优化其操作。这开启了创新性地使用各种新兴及成熟技术的大门,进而共同实现了数字化转型的诉求。本文对15项新兴技术及其在数字化转型中的主要应用场景进行了概述。

一、工业数字化转型简介

       1、概念

       数字化转型(“DX”)是在许多市场及领域中广泛使用的术语,例如在消费领域,颠覆性技术改变了面向用户的媒体内容提供方式(例如奈飞和优步)。在商业领域,移动支付应用改变了个人与企业间的结算方式。在工业领域,颠覆性技术也即将改变企业的运营、服务及设备维护方式。这三个方面的数字化转型全都基于互联网的相互连接,消费者对消费者、服务使用者对服务提供商、消费者对企业、系统对机器及其他实物。图1中的箭头标出了这些数字化转型起始的时间线,箭头右端代表的是今天,厚度则表示其市场影响力。
数字化转型是企业对数字化技术创新性和原则性地应用,具体来说,是企业为完善自身商业模式、工业模式及流程,并最终破旧立新所做的战略性调整。工业数字化转型是利用物联网改进流程及运营并获得更好的结果,其特点在于信息技术(IT)和运营技术(OT)的融合。在工业数字化转型中,对基于传感器的数据以及由数据驱动的致动器的创新性使用,将会影响到人员、业务、运营及物理环境,并创造更好的商业成效。支撑数字化转型进程的是三项要素——业务、技术和可信度。

       2、企业数字化转型的驱动因素

       驱动企业进行数字化转型的因素主要有:

      (1)一是来自市场的压力,即已经存在或是即将到来的竞争。假如市场中的某个参与者成功实施了数字化转型项目,那么市场中的其他竞争者也将被迫跟着转型,否则就会面临失去竞争力及市场份额的风险。形成竞争优势的途径有很多,通过提升流程效率从而降低给客户的报价,或者通过颠覆性的创新在市场中制造出新的不同于以往的客户需求等。

      (2)二是监管压力。随着新冠疫情爆发,对“安全”工作方式与社交距离的重视,使业务转型变得更加紧迫。

      (3)三是网络效应。简单实用的新技术让企业能够考虑以目前尚无法实现的方式来进行业务转型。总体而言,企业部署数字化转型解决方案的动机虽然各不相同,但均出自对更新、更好的经营方式的需求。

       3、数字化转型方案的分类

       企业数字化转型方案可分为三类:

      (1)第一类是包含新的商业模式,并且影响企业的价值定位及效率。

       新的商业模式要求企业进行转型,以便为终端用户提供实质性的新服务,通常伴随着新的收费方式。一个典型的例子是由硬件供应商所提供的硬件即服务。这种改变通常与企业运营模式的深刻变革相关,包括需要落实对现有客户支持功能的革新,例如客户服务功能、循环计费功能、现场支援功能,以及可执行、可审计的服务与维护条款。

      (2)第二类是影响企业运营及其相关活动,但不影响客户体验。

       有些数字化转型项目的重点则是新的伙伴关系模式或新的运营模式,企业在部署转型解决方案时保持其价值定位相对不变,主要侧重于提升面对终端用户的产品及服务投放效率(或是降低成本,或风险)。一个例子是航空公司改变了采购配件的方式,借助供应链来提高其库存水平透明度,同时提升了效率。该项目并不会在航空公司和乘客之间产生任何影响,而只是一种“幕后”的变化。此类项目可以借助分布式账本技术,使得供应链上的各个环节在信息共享方面更进一步,并降低飞机的服务和维护成本。

      (3)第三类是影响客户体验,但不影响运营效率。

      其重点在于不通过变化或通过变化以外的方式来改变客户体验。此类项目更倾向于创造新的服务收益或是向客户提供新的服务,特别是现场服务。这些项目可在整体上保持企业现有的运营状况相对不变,同时推出新的功能以改善对客户总体需求的响应。假如部署了此类项目的企业想要采取进一步措施来保证其资产的性能,则势必将影响到相关的运营和终端用户体验。

二、支撑数字化转型的关键技术

       工业物联网的主旨是将“实物”连成网络,并捕获这些“实物”的运行及关联数据,从而控制它们并优化其操作。这开启了创新性地使用各种新兴及成熟技术的大门,进而共同实现了数字化转型的诉求。本文对部分新兴技术及其在数字化转型中的主要应用场景进行了概述。

       1、云计算/边缘计算

       边缘计算技术使信息处理更加靠近数据源,从而能够在本地设备无法稳定连接到数据中心资源的情况下提供(准)实时响应与改进功能。主要应用场景:

      (1)边缘计算能够提升解决方案的效能,包括更快速响应的应用程序,更高的稳健性、可靠性以及自主运行能力。

      (2)对数据的存储和处理更加靠近数据源,从而更符合法规的要求,包括隐私保护和安全性等方面。

      (3)在边缘进行编辑可减少发送数据至数据中心时产生的连接、数据迁移及带宽成本。

        2、超连接

       超连接通常描述的是一个万物互联的情境,具备可满足特定应用程序所需的各种功能。在工业互联网联盟看来,关键技术包括公共和专用网络中的5G超可靠低时延通信(URLLC)、增强型移动宽带(EMB)和海量机器类通信(mMTC)以及替代性的低功耗广域网络(LPWA)技术。其他技术则包括网状网络、高空低轨道(HALO)平台和不断发展的Wi-Fi标准。
       主要应用场景:

      (1)5G超可靠低时延通信实现了通过部署无线网络来满足关键性低时延的通信需求,例如工业机器的远程紧急停机功能。

      (2)公共和专用5G网络的互联互通将允许应用程序在校内校外无缝漫游。

      (3)低功耗广域网络技术将通过降低广域连接的成本以及延长电池的寿命来实现新的工业物联网应用。

       3、数据安全

       保护工业物联网技术与应用程序所生成、存储和调用的敏感数据,是工业物联网系统可信赖的基础之一,而可信赖的工业物联网系统本身也是数字化转型的一项基础。数据安全旨在避免数据被意外或未经授权地获取、篡改和破坏,从而确保数据的有效性、完整性和机密性。它属于更广义上的数据保护范畴,涵盖多个毗邻且重叠的领域,例如数据安全性、数据完整性和数据隐私保护。数据安全包含许多不同种类的保护机制,例如密钥管理、信任根、身份验证、权限控制以及审计与监视。
主要应用场景:

      (1)企业可对其动态数据、静态数据和使用中的数据加以保护,防止未经授权的获取和篡改。

      (2)对物联网的可信度与特性(隐私保护、可靠性、弹性和安全性)起到关键的支持作用。

      (3)防止因为数据被擅自篡改所导致的安全事故。国际电工委员会IEC 61508标准适用于工业物联网系统所使用的电子控制器的功能安全性。被篡改的系统指令会改变整个系统的运行状态,进而将系统推入危险的境地。

      (4)数据安全还会影响那些依赖安全操作软件的系统。因此,这类软件也必须自始至终受到保护。

        4、人工智能与分析

      《韦氏词典》对于人工智能(AI)的定义是“计算机科学的一个分支,研究计算机对于智能行为的模仿”以及“机器模仿人类智能行为的能力”。人工智能与分析强化了对于数据的理解和学习能力;工业物联网系统产生的信息包含海量的数据,人工智能算法可将这些数据加以分解和分析,从而帮助企业进行合理决策。

       主要应用场景:

      (1)人工智能具备的能力使之能够与其他新兴技术相融合,以追求自动可信、沉浸式接口、超连接网络和自主运行。

      (2)人工智能可加速来自工业物联网现场数据的反馈,用以改进操作流程与成熟做法。

      (3)先进的分析技术可使企业在海量的数据(即大数据)中找到端倪,进而提升自身的品质与责任。

      (4)人工智能算法可从过往的经验当中“学习”并根据环境做出实时调整。

      (5)工业物联网系统改进后的反馈回路可强化安全措施并提升综合品质。

        5、数字孪生

       数字孪生(DT)是“对现实世界中的实体或系统的数字化呈现”,包括其属性和行为,能满足一系列使用案例的需求。在数字化表示的定义中,实体通常指的是资产、流程或系统。数字孪生信息涵盖了多种数据类别的组合,例如基于物理的模型和数据、分析模型和数据、时间序列数据和历史数据、交易数据、主数据、视觉模型和计算数据等。

       主要应用场景:

      (1)制造业:协助进行预测性维护、优化运营效率以及确定资产维护策略。

      (2)能源和公用事业:实时优化运营以及对质量参数进行实时计算。

      (3)油气行业:从钻探、生产、维护到废弃,实施全程井下监控,同时评估成本节约策略、优化运营。

      (4)采矿业:处理关于资产运行情况的数据,优化维护决策。

      (5)流程自动化:监视产品在各环节的状态,协助检测产品的质量问题。

       6、分布式账本

       分布式账本技术(DLT)提供了一种可信赖且无法被篡改的账本,企业可用它来传输和存储基于自身运营状况或内部产生的交互数据(包括工业物联网设备)等有价值的信息。

       主要应用场景:

      (1)分布式账本技术是一种共享账本,这意味着供应链上的所有企业都能随时查看账本的最近更新,且彼此之间完全信任,根本无需相互对账。

      (2)通过确保物联网数据流及交易在生态系统各参与方之间的安全共享,同时还有在自身技术环境下的自动可信,分布式账本技术对物联网形成了有效补充。借助与物联网及人工智能的协作,分布式账本技术可验证数据的真实性、核实身份以及实现安全的多方交易。

      (3)分布式账本技术当中的信息被认为是无法篡改的,这也意味着账本中几乎不存在检测不到的数据变动。可以根据不同的情况来设定查看账本数据或是账本本身的权限。

       7、人机接口

       人机接口(HMI)是硬件与软件的集合体,可通过信息输入来触发信息输出,进而实现人机交互。从简单的按钮到复杂的图形显示系统,形式多种多样。此处的人机接口是指尚未在工业领域成为主流的新颖接口,例如增强现实(AR)显示器,通过视觉或音频的“叠加”使人所处的物理环境得到增强,或是虚拟现实(VR)头戴设备,能够让人们完全沉浸在计算机生成的情境之中。

       主要应用场景:

      (1)增强现实和虚拟现实能够提供有效且经济的工作及软技能培训。

      (2)增强现实可以通过向用户提供额外的工具(例如蓝图、工作流或核对表的叠加)或通信功能(例如和专家进行远程语音及视频连线)来强化学习效果、帮助完成任务。

      (3)虚拟现实的模拟情境可让学习者练习战术和软技能,直至完全掌握。

      (4)利用物联网设备所采集的实时数据和影像,以及混合现实(XR)技术,给单个实物、制造车间、整个工厂或建筑工地创建数字孪生,如此便可远程进行诸如质保或监理之类的活动。

      (5)利用物联网设备实时数据构建的增强现实影像,可提供经营策略及决策相关的信息(例如城市规划、执法和危机处理)。

       8、增材制造

       增材制造技术通过对材料进行逐层堆叠,将数字三维设计图转化为物理实体,由此改变了物品的制造方式。原材料通常是塑料、其他聚合物、金属或陶瓷,其形态可以是液体、粉末或薄片。

       主要应用场景:

      (1)商品定制与制成环节的极大灵活性,实现了对于个性化定制产品的批量生产。

      (2)用单一流程制造复杂的零件,能够降低制造成本、提高质量并简化供应链(零组件数量减少)。经过创新之后,单一流程同样可以制造出设计复杂且无法用传统方式生产的产品。

      (3)“混合制造”将自动化机器与增材制造相结合,例如同时配备了机器人和3D打印机的工具生产线。

      (4)能够跨行业生产各种产品的多模式工厂,例如生产汽车零部件的增材生产线也可以生产医疗设备。

      (5)直接为物理实体创建实时的数字孪生,并将之呈现为虚拟设计图,可实现增材制造的更快速发展。

       9、数据共享

       数据共享是指在生态系统及供应链伙伴之间共享物联网产品和运营数据的能力。数据亦可通过第三方来获取。数据共享有时也会成为物联网项目的主要驱动力。物联网数据共享须遵守强制性义务(法律法规)以及数据保护要求,包括隐私保护、机密性、知识产权、所有权、成熟做法等,适用于静态数据、动态数据和使用中的数据。在生态系统中共享数据的原因可能不尽相同。这些数据可能具有可创造盈利的内在价值、研究价值和历史价值。

       主要应用场景:

      (1)智慧城市:在整个城市生态系统中共享基础设施与交通数据(智慧城市数据交换)。

      (2)油气行业:在供应链上各个环节之间共享运营数据。

      (3)制造业:与代工厂和经销商共享设备运行及维护数据

       10、工业物联网

       工业物联网是第四次工业革命浪潮中的一项核心技术。它指的是将传感器驱动的物联网扩展并用在非消费类应用程序上。工业物联网系统将边缘计算与企业的系统、业务流程和分析技术连接并集成在了一起。

       主要应用场景:

      (1)智能制造系统可通过预测性维护来优化生产并最大限度地避免意外停机。

      (2)医疗:医疗设备联网、远程患者监护、医疗保健提供商之间的合作等。

      (3)智能基础设施:调度、监控、公用事业、天然气、自来水、道路、建筑物以及电网等的运行管理。

      (4)智能交通系统:包裹物流(空、海、陆)、自动驾驶汽车、物流互联网、导航、交通管制、公共交通管理、车险和停车等。

       11、自主机器人系统

       自主机器人系统可提升从自动驾驶车辆到无人机,再到工业机器人等多个领域的生产力,使设备无需人为操控或看管即可执行任务。在需要对设备进行远程实时操控的情况下,自主机器人系统特别实用,例如需要保护工人的安全,或是需要面对复杂危险的工作环境,又或是需要比人工速度和精度更高的应用程序。

       主要应用场景:

      (1)交通运输:包括自动驾驶汽车和其他乘用车辆。

      (2)自动分发、递送和仓储。

      (3)各种无人机(UAV)使用场景,包括现场测绘和资产调查。(4)制造业生产线上的流程机器人。

      (5)农业方面的自动化作业。

      (6)医疗保健方面的精密机器人。

       12、信息技术/运营技术的不断创新

       物联网设备划定了数字世界与物理世界之间的边界,致动器接收到信息并改变物理世界中的状态,传感器则观察物理世界中的状态并将之转化成信息。围绕着传感器与致动器的创新,或强化了现有的运营技术的作用,或开发了新的用途及市场。

       主要应用场景:

      (1)传感器和致动器可植入人体及动物体内,用于检测疾病或是代替受损的器官,例如心脏起搏器等。

      (2)具备无线通信功能的传感器和致动器可装载到活动部件当中,用于检测和纠正变速箱或液压系统的异常,例如目前汽车上的胎压预警系统等。

       13、工业物联网终端设备的微功耗发电(能量收集)

       将无线技术整合进工业物联网可产生高度分布式的解决方案,其中某些部件可能位于物理上难以接近或是危险的区域。物联网设备则可连接那些无法使用有线电源的可移动部件。

       电池有很多缺点。使用寿命有限,特别是传统电池会随着时间流逝自行放电,而且化学流体工艺也很难保证使用寿命。充电电池虽可通过外部电源重复充电,例如太阳能、风能或热能,但同样由于化学流体工艺的原因,很难达到预期寿命。

       主要应用场景:

      (1)管线:远程传感器和致动器电源。

      (2)智慧城市:智能灯杆的太阳能电池板。

      (3)运输:利用发动机的余热发电,提升效率。

      (4)建筑和基础设施:借助嵌入式传感器检测钢筋混凝土的损坏。

      (5)医疗:为无线体域网(WBAN)中超出电池自主供电与功率密度的人体植入设备(包括传感器)供电。

      (6)可移动部件上用于检测损坏、异常、裂缝等状态变化的设备。

       14、服务化

       服务化并非一项新技术,而是对本文所讨论的其他技术的一种新兴应用,重点是,服务化主要依赖物联网和超连接,也常常依赖人工智能和数据共享。服务化包含一系列与提供硬件即服务相关的概念,终端用户可能不需要购买服务化设备,即可从设备供应商那里获得相关的服务。通常,服务化属于即用即付的商业模式中的一部分,一般包括预测性维护,并由供应商进行性能担保。

       主要应用场景:

      (1)根据具体使用情况向终端用户收取设备(及相关耗材)的费用。

      (2)对设备进行远程和预测性维护。

      (3)通过软件更新或配置变动远程贩售和激活更多功能。

      (4)“结果即服务”,企业贩卖的是特定的结果,而不是达成该结果的设备。


       15、新商业模式和支付方式的技术平台

       传统上,工业部件都是在使用前以实物的形式出售。然而,通过将这些部件连接到互联网,部件供应商就可以精确追踪部件的使用情况,使得这类部件的商业及支付模式很类似于我们目前在云端或本地使用软件的情形。这种做法将得到一种新概念的支持,工业互联网联盟称之为工业互联网盈利模式(I²M²)平台。完整的工业系统都是由特别安装的各种部件所组成。因此,这种商业模式和支付方式也可以涵盖整个系统,包括系统集成的工作。此类商业模式和支付方式包括:

      (1)租赁/订阅:在部件被使用期间,按固定的时间间隔(例如每个月)支付费用。

      (2)按需提供功能:在首次使用部件后开始付费。

      (3)按使用付费:仅在使用部件或特定功能时付费。

      (4)收益和利润共享:用户根据部件提供的特殊商业价值向供应商付费。

      (5)免费软件:核心功能免费,高阶功能需付费。

      (6)试用软件:可在有限的时间内免费试用特定功能。

       主要应用场景:

      (1)减少高风险工业系统的预付款,并有机会在将来与部件供应商“分享成功”。

      (2)由于投资风险过高和资金短缺,无法即刻实现理想的工业系统配置。

      (3)部件供应商在部件的整个生命周期内反复获益。

      (4)部件制造商和用户之间存在终身的业务往来。

三、企业数字化转型要点

       1、数字化转型与可信度

      (1)物联网可信度的概念

       物联网技术是数字化转型的基石,这些技术都必须是可信的,因此,它们可以借助以下的方式方法来开启数字化转型进程。物联网系统的可信度,就是人们对于其表现将一如预期的信心,即在面对外部干扰、人为错误、系统故障和攻击时,能够保持其安全性、保障性、隐私保护、可靠性和弹性。个人和企业也越来越多地认识到,如何利用和保护数据,才能让与可信度相关的法规及社会标准不断得到强化。

      (2)物联网可信度要求 

       假如一套物联网系统满足了安全性、保障性、隐私保护、可靠性和弹性这五个特征的最低要求,那么它就是可信赖的。所谓的最低要求,某些情况下就是来自法律、法规、标准和行业公认成熟做法的硬性规定,适用于该物联网系统的整个生命周期。
有关隐私保护和安全性的法规限制包括:欧盟《通用数据保护条例》的隐私法以及美国职业安全与健康管理局的工作场所安全标准。可靠性和弹性受法律驱使的力度通常要小于竞争压力,尽管也有些行业受到严格监管,例如航空航天和医疗保健行业。大部分企业都应努力达到或超过上述五个方面的最低要求,以确保自身符合当地要求及行业的成熟做法。
在最低标准之上,企业可根据自身的愿景、路线图以及市场定位,设定更高的可信度目标。在物联网可信度方面“表现不佳”的后果可能导致包括人员伤亡、对环境造成长期消极影响或关键基础设施停摆,以及敏感数据外泄、设备损毁、经济损失和声誉受损。


      (3)可信度对数字化转型的影响

       上述的负面后果可能会令数字化转型进程面临风险,可信度不足可能意味着永远错失市场机遇的窗口,进而导致企业在与竞争对手的比拼中落入下风。尽管达标可信度基准线有诸多好处,但是对企业而言,过多的可信度却不完全都是好事(表1)。

       因此,企业时常需要在对可信度投入不足的风险与对其过度投资的后果之间找寻折中方案。将可信度置于商业案例的情境中也往往需要反复加以权衡取舍。图3示例列举的是生产电子板的小批量装配线。其工艺流程本身要求在不同批次之间对装配机进行重新校准和配置。减慢装配线的速度可降低人员受伤与设备磨损的风险,但也会降低生产率和利润。
当然,增加对可信度的投资可能会带来财务上的收益,例如减少因故障而向客户支付的赔偿金,降低法律和法规风险,因违规而面临的罚款、降低声誉风险,降低商业保险支出,降低不确定风险导致的融资成本以及增加股东价值等。

       企业面临的主要的挑战和目标是找出可信度的“最佳”平衡点,明确企业的当前状态、最低要求和目标状态。这种优化方法也适用于企