根據埃森哲（Accenture）的研究報告，全球工業(yè)物聯網（Industrial Internet of Things，簡稱IIoT）市場規(guī)模預計在2020年將超過5，000億美元。基于當前的投入水平，到2030年預計工業(yè)物聯網為世界經濟帶來的收益至少在10萬億美元。同時，隨著中國制造業(yè)的發(fā)展，工業(yè)物聯網的市場規(guī)模逐漸擴大，預測未來15年中國將在工業(yè)物聯網領域受益約1.8萬億美元，市場前景廣闊。

當前，工業(yè)物聯網正打通從產品、產線到產業(yè)鏈的全方位升級。作為國內一流IIoT平臺的代表，雪浪制造大腦正致力于構建國家級工業(yè)物聯網平臺、打造自主可控的工業(yè)數據操作系統，并圍繞“1+1+N”的模式：一群合作伙伴用一套共性技術服務于N個垂直行業(yè)。在關鍵的系統底層，為了構建廣泛適用的基于數據、算法等基礎的智能平臺，雪浪制造大腦攜手業(yè)界領先的測試測量方案提供商——美國國家儀器公司（National Instruments，以下簡稱NI）開展深度合作，為制造業(yè)提供一站式的數字化解決方案。

“在工業(yè)領域，比如工業(yè)資產的狀態(tài)監(jiān)測、預測性維護等廣泛應用，工業(yè)物聯網擁有著先天的優(yōu)勢，是制造行業(yè)不可所缺的關鍵技術之一。NI擁有的優(yōu)勢在于，幾乎所有的工業(yè)物聯網比如雪浪制造大腦平臺，都可以在NI領先的技術平臺上找到最佳落腳點?！痹诓痪们敖Y束的2018雪浪大會 “雪浪制造大腦”分論壇上， NI大中華區(qū)工業(yè)物聯網/人工智能行業(yè)經理郭翹這樣表示。

圖1：郭翹在2018雪浪大會分論壇上講述NI工業(yè)物聯網布局

邊緣計算不再“邊緣”， NI助力構建100ns內同步的IIoT系統

在工業(yè)物聯網的架構中，IIoT的“物”、運營技術（Operational Technology， 以下簡稱OT）以及信息技術（Information Technology，以下簡稱IT）是基礎組成部分。邊緣計算，則主要圍繞OT與IT端發(fā)力。據IDC預計，2018年將有40%的數據需要在網絡邊緣側分析、處理與儲存，邊緣計算可謂不再“邊緣”，愈發(fā)收到業(yè)界重視。郭翹表示：“實際上，NI是處于OT端的玩家，IT端則是亞馬遜、微軟、阿里、百度等廠商為主流。在工業(yè)物聯網的邊緣計算中，NI以開放的平臺與各大主流IT廠商進行無縫對接和集成，這是NI的優(yōu)勢?！?/p>

圖2：NI眼中的工業(yè)物聯網架構，包含“物”、OT及IT三個部分

測試資產、生產設備、運營資產以及交通運輸和重型設備等工業(yè)資產是IIoT系統的重要成分。 對于OT端的NI而言，分布式在線狀態(tài)監(jiān)測及設備預測性維護，是NI在IIoT邊緣計算領域最為關注的應用方向?！盎贜I模塊化、開放式平臺的IIoT系統，實現了納秒級分析和控制、采集任意傳感器的數據、適用于邊緣計算的硬件以及使用時間敏感網絡（Time Sensitive Network，以下簡稱TSN）同步的架構?！惫N表示，“由于使用TSN技術，實現邊緣節(jié)點高達100 ns內的同步精度不受距離限制，這成為了IIoT系統的一大突破！”

圖3：NI從五大維度賦能工業(yè)物聯網OT端

另外，在數據管理與分析方面，NI擁有穩(wěn)定、靈活的數據采集平臺，搭配分布式系統管理軟件SystemLink，貫穿了工業(yè)物聯網監(jiān)測、測試、控制、分析處理的全過程。位于決策端的企業(yè)設備狀態(tài)監(jiān)測軟件 NI InsightCM則更傾向旋轉機械的預測性維護方案也可與第三方數據庫或云平臺相連，進而實現系統集群概念。

圖4：NI展示專業(yè)數據管理及分析軟件，進一步完善IIoT架構

值得一提的是，當前數據在邊緣計算的轉化過程中基本上遵循二八原則， 即80%的數據尚未得到優(yōu)化利用?！耙虼耍粢岣邤祿D化率，既需要效率更高、更加智能化的數據采集與控制終端，也需要終端設備具備對數據進行實時的數據處理和預分析的能力，如此才能將傳統的工業(yè)設備變成一個個更加智能化的邊緣計算節(jié)點。” 郭翹說道。

頂尖客戶案例為證，NI推進工業(yè)AI與邊緣計算深度融合

眾所周知，工業(yè)大數據驅動的機器學習是實現預測性維護的基礎，也是工業(yè)人工智能（Artificial Intelligence，以下簡稱AI）的關鍵應用之一。但是，當前多數企業(yè)在談論AI時，都是從自身擅長的模式作為出發(fā)點去探討AI應用，這其中尤以互聯網企業(yè)為代表。

“事實上，工業(yè)AI與互聯網AI天生存在很大的差異，這是工業(yè)AI應用、特別是邊緣計算中是不可規(guī)避的問題?！惫N指出，“很重要的一點在于分析結果的精度要求上，比如在某知名電商舉辦的大數據推薦商品AI算法比賽中，推薦準確率大于10%就可以拿到冠軍。”但對于工業(yè)應用來說，10%的準確率是絕對不能接受的。工業(yè)AI應用必須利用算法告訴企業(yè)主，設備是否真的壞了需要檢修。若預測準確率只有10%，那么采用定期保養(yǎng)與定期維護的傳統方式反而更為劃算。這已然成為了工業(yè)AI的挑戰(zhàn)。

圖5：NI全力推進人工智能與邊緣計算深度融合

因此，NI正持續(xù)不斷地推出針對工業(yè)物聯網、人工智能、機器學習相關的軟件產品，包括數據收集、特征提取和降維、模型訓練與模型驗證等AI工具，幫助客戶加速從原始數據提取出有價值的信息，并部署模型至邊緣計算一側。憑借強大邊緣計算能力的開放平臺，NI正面向客戶提供工業(yè)大數據的完整解決方案。

作為美國最大的發(fā)電控股公司，NI客戶——杜克能源具備火電、風電、核電等多樣化能源組合，但廠房老化、發(fā)電廠運行效率低下、預測性維護能力不足等是該公司面臨的重大挑戰(zhàn)。郭翹說道：“在部署NI方案之前，杜克能源已有的預測性維護措施中80%用于數據采集，僅20%用于分析，遠遠無法提供準確結果?！?于是，杜克能源選擇與NI深度合作，在基于NI InsightCM和CompactRIO方案的基礎上，從預測性維護和設備加強管理等維度入手，實現了60個以上電廠的智能監(jiān)測。截至2017年，NI已幫助杜克能源預測到的故障損失折合現金約為3，000萬美元，遠高于項目成本。

圖6：NI 為杜克能源提供智慧電廠的IIoT架構

“類似的例子還包括了中廣核應急柴油機檢測系統、中車青島四方車輛PHM系統等。”郭翹說道，“NI的平臺除了穩(wěn)定之外，還可以提供盡可能高的靈活性，幫助客戶根據實際需求進行二次開發(fā)，打造智能化、可定制化的方案，這是很多競爭對手無法實現的。”

覆蓋產學研多維布局，NI與合作伙伴共營生態(tài)

“雪浪制造大腦”僅僅是NI深耕中國制造產業(yè)，在工業(yè)物聯網布局的一個例子。除了產業(yè)鏈上下游企業(yè)之間的合作，NI更提出了“培養(yǎng)下一代卓越工程師”的劃時代院校教育主旨，與全球超過上千所院校建立合作，如NI與西安電子科技大學合作，致力于戰(zhàn)略新興產業(yè)微電子半導體測試領域的人才培養(yǎng)；以及與常熟理工共同探索教學實踐，培養(yǎng)應用型人才等。

圖7：與合作伙伴共營生態(tài)，NI 致力于全產業(yè)鏈的工程創(chuàng)新

郭翹總結說：“產學研是NI長期貫徹的一個方針，這是NI不斷提升產品研發(fā)，以及打造產業(yè)生態(tài)的重要舉措?！币环矫妫鳛楣I(yè)領域超過40年的玩家，NI正持續(xù)不斷地針對工業(yè)物聯網和人工智能推出更好的解決方案，來幫助各行各業(yè)從原始數據獲取分析出發(fā)，到完成整個工業(yè)互聯物聯網的鏈路。另一方面， NI提供的生態(tài)不是一個封閉的生態(tài)，NI不追求做行業(yè)里的唯一玩家，更期待和上下游共同打造更完善的生態(tài)圈，將人工智能技術在工業(yè)應用落地，推動整個產業(yè)的突破與創(chuàng)新。