根据埃森哲(Accenture)的研究报告，全球工业物联网(Industrial Internet of Things，简称IIoT)市场规模预计在2020年将超过5,000亿美元。基于当前的投入水平，到2030年预计工业物联网为世界经济带来的收益至少在10万亿美元。同时，随着中国制造业的发展，工业物联网的市场规模逐渐扩大，预测未来15年中国将在工业物联网领域受益约1.8万亿美元，市场前景广阔。
当前，工业物联网正打通从产品、产线到产业链的全方位升级。作为国内一流IIoT平台的代表，雪浪制造大脑正致力于构建国家级工业物联网平台、打造自主可控的工业数据操作系统，并围绕“1+1+N”的模式：一群合作伙伴用一套共性技术服务于N个垂直行业。在关键的系统底层，为了构建广泛适用的基于数据、算法等基础的智能平台，雪浪制造大脑携手业界领先的测试测量方案提供商——美国国家仪器公司(National Instruments，以下简称NI)开展深度合作，为制造业提供一站式的数字化解决方案。
“在工业领域，比如工业资产的状态监测、预测性维护等广泛应用，工业物联网拥有着先天的优势，是制造行业不可所缺的关键技术之一。NI拥有的优势在于，几乎所有的工业物联网比如雪浪制造大脑平台，都可以在NI领先的技术平台上找到最佳落脚点。”在不久前结束的2018雪浪大会 “雪浪制造大脑”分论坛上，NI大中华区工业物联网/人工智能行业经理郭翘这样表示。
图1：郭翘在2018雪浪大会分论坛上讲述NI工业物联网布局
边缘计算不再“边缘”，NI助力构建100ns内同步的IIoT系统
在工业物联网的架构中，IIoT的“物”、运营技术(Operational Technology, 以下简称OT)以及信息技术(Information Technology，以下简称IT)是基础组成部分。边缘计算，则主要围绕OT与IT端发力。据IDC预计，2018年将有40%的数据需要在网络边缘侧分析、处理与储存，边缘计算可谓不再“边缘”，愈发收到业界重视。郭翘表示：“实际上，NI是处于OT端的玩家，IT端则是亚马逊、微软、阿里、百度等厂商为主流。在工业物联网的边缘计算中，NI以开放的平台与各大主流IT厂商进行无缝对接和集成，这是NI的优势。”
图2：NI眼中的工业物联网架构，包含“物”、OT及IT三个部分
测试资产、生产设备、运营资产以及交通运输和重型设备等工业资产是IIoT系统的重要成分。 对于OT端的NI而言，分布式在线状态监测及设备预测性维护，是NI在IIoT边缘计算领域最为关注的应用方向。“基于NI模块化、开放式平台的IIoT系统，实现了纳秒级分析和控制、采集任意传感器的数据、适用于边缘计算的硬件以及使用时间敏感网络(Time Sensitive Network，以下简称TSN)同步的架构。”郭翘表示，“由于使用TSN技术，实现边缘节点高达100 ns内的同步精度不受距离限制，这成为了IIoT系统的一大突破！”
图3：NI从五大维度赋能工业物联网OT端
另外，在数据管理与分析方面，NI拥有稳定、灵活的数据采集平台，搭配分布式系统管理软件SystemLink，贯穿了工业物联网监测、测试、控制、分析处理的全过程。位于决策端的企业设备状态监测软件 NI InsightCM则更倾向旋转机械的预测性维护方案也可与第三方数据库或云平台相连，进而实现系统集群概念。
图4：NI展示专业数据管理及分析软件，进一步完善IIoT架构
值得一提的是，当前数据在边缘计算的转化过程中基本上遵循二八原则， 即80%的数据尚未得到优化利用。“因此，若要提高数据转化率，既需要效率更高、更加智能化的数据采集与控制终端，也需要终端设备具备对数据进行实时的数据处理和预分析的能力，如此才能将传统的工业设备变成一个个更加智能化的边缘计算节点。” 郭翘说道。
顶尖客户案例为证，NI推进工业AI与边缘计算深度融合
众所周知，工业大数据驱动的机器学习是实现预测性维护的基础，也是工业人工智能(Artificial Intelligence，以下简称AI)的关键应用之一。但是，当前多数企业在谈论AI时，都是从自身擅长的模式作为出发点去探讨AI应用，这其中尤以互联网企业为代表。
“事实上，工业AI与互联网AI天生存在很大的差异，这是工业AI应用、特别是边缘计算中是不可规避的问题。”郭翘指出，“很重要的一点在于分析结果的精度要求上，比如在某知名电商举办的大数据推荐商品AI算法比赛中，推荐准确率大于10%就可以拿到冠军。”但对于工业应用来说，10%的准确率是绝对不能接受的。工业AI应用必须利用算法告诉企业主，设备是否真的坏了需要检修。若预测准确率只有10%，那么采用定期保养与定期维护的传统方式反而更为划算。这已然成为了工业AI的挑战。
图5：NI全力推进人工智能与边缘计算深度融合
因此，NI正持续不断地推出针对工业物联网、人工智能、机器学习相关的软件产品，包括数据收集、特征提取和降维、模型训练与模型验证等AI工具，帮助客户加速从原始数据提取出有价值的信息，并部署模型至边缘计算一侧。凭借强大边缘计算能力的开放平台，NI正面向客户提供工业大数据的完整解决方案。
作为美国最大的发电控股公司，NI客户——杜克能源具备火电、风电、核电等多样化能源组合，但厂房老化、发电厂运行效率低下、预测性维护能力不足等是该公司面临的重大挑战。郭翘说道：“在部署NI方案之前，杜克能源已有的预测性维护措施中80%用于数据采集，仅20%用于分析，远远无法提供准确结果。” 于是，杜克能源选择与NI深度合作，在基于NI InsightCM和CompactRIO方案的基础上，从预测性维护和设备加强管理等维度入手，实现了60个以上电厂的智能监测。截至2017年，NI已帮助杜克能源预测到的故障损失折合现金约为3,000万美元，远高于项目成本。
图6：NI 为杜克能源提供智慧电厂的IIoT架构
“类似的例子还包括了中广核应急柴油机检测系统、中车青岛四方车辆PHM系统等。”郭翘说道，“NI的平台除了稳定之外，还可以提供尽可能高的灵活性，帮助客户根据实际需求进行二次开发，打造智能化、可定制化的方案，这是很多竞争对手无法实现的。”
覆盖产学研多维布局，NI与合作伙伴共营生态
“雪浪制造大脑”仅仅是NI深耕中国制造产业，在工业物联网布局的一个例子。除了产业链上下游企业之间的合作，NI更提出了“培养下一代卓越工程师”的划时代院校教育主旨，与全球超过上千所院校建立合作，如NI与西安电子科技大学合作，致力于战略新兴产业微电子半导体测试领域的人才培养；以及与常熟理工共同探索教学实践，培养应用型人才等。
图7：与合作伙伴共营生态，NI 致力于全产业链的工程创新
郭翘总结说：“产学研是NI长期贯彻的一个方针，这是NI不断提升产品研发，以及打造产业生态的重要举措。”一方面，作为工业领域超过40年的玩家，NI正持续不断地针对工业物联网和人工智能推出更好的解决方案，来帮助各行各业从原始数据获取分析出发，到完成整个工业互联物联网的链路。另一方面，NI提供的生态不是一个封闭的生态，NI不追求做行业里的唯一玩家，更期待和上下游共同打造更完善的生态圈，将人工智能技术在工业应用落地，推动整个产业的突破与创新。