第2章

工业互联网架构的特点是

“数字和流程混合驱动”

在参加工业互联网的一些会议和支持一些实际项目的过程中，笔者常常会听到企业客户对工业互联网的一些疑惑。其中比较典型的问题就是：工业互联网与企业过去和现在投资的信息化项目之间的关系究竟是什么？如果从物联网和大数据的角度来看，很多企业在这方面都已经有所布局。这两年工业互联网的出现是不是意味着一定要另外搭建一个工业PaaS平台和处理工业大数据的系统，是不是可以在现有的IT架构上进行扩充？对于物联网和大数据应用，除了工业领域之外，其在商业领域也有很多应用场景，是不是一定要将两者分开进行建设？甚至有人提出，工业互联网的英文原名Industrial Internet中的Industrial究竟应该翻译为工业还是行业或产业？支持翻译为“行业或产业”的原因是，工业互联网具有很强的行业化特点和企业的个性化特点，即便是通用电气以电力、航空等行业为背景开发出来的Predix，也无法用于汽车、高科技等行业。这些问题很多都涉及工业互联网的基本定义。造成这些困惑的部分原因是，之前的很多宣传资料过于强调工业互联网的革命性和首创性，而较少谈及它的历史沿革和发展历程。

如第1章所述，工业互联网作为IT/OT融合下的企业新一代数字化整体架构，其特点是对应的业务从过去的“流程驱动”转向“数字和流程混合驱动”。这一转变对于制造型企业来说，不可能一蹴而就，它是一个循序渐进的升级过程。本章借助工业4.0的成熟度理论，以生产系统为例来介绍这一转变的历程。之所以“跑题”到工业4.0，一方面是因为两者之间存在相似性；而另一方面是因为工业4.0在命名上较好地厘清了它与历史沿革的关系。德国工业界和学术界一贯严谨的研究态度使得工业4.0在理论体系上更加清晰，可以较好地回答前面提到的这些关于工业互联网的问题。

2.1　工业4.0的实施路径和成熟度

2017年8月26日，笔者代表SAP公司参加了“2017中国两化融合大会”中的“企业数字化转型论坛”嘉宾圆桌讨论。主持人向笔者提出了一个问题：“与德国企业相比，中国企业实现智能制造的改造路径是什么？需要打通哪些数据点？”笔者的回答是，在当今经济和技术全球化的今天，中国的制造企业与德国的制造企业相比，在实现智能制造的路线图上不应该有路径的差异，区别只在于起点的先后和步伐的快慢。以汽车行业为例，通过合资，国内的汽车工业从国外学到了现代化的汽车制造技术和管理经验。今天的自主品牌企业在制造技术和流程上与国外企业并没有本质上的区别。对于未来汽车的发展，包括在新能源和自动驾驶上，国内企业与国外企业相比也不存在制造模式上的根本差异。

但是从另一方面来说，中国企业与德国企业相比，在实现智能制造或工业4.0的道路上显然普遍存在起点落后的情况。目前在国内，比较大众化的评定方法是按工业1.0到4.0四个阶段进行划分。例如有的企业说自己的水平是2.0或2.5，也有说3.5的。这种评定方法无疑比较模糊。事实上，今天的企业多多少少都有一些计算机应用，不可能处于第二次工业革命或者工业2.0的水平。那么，究竟应该如何回答工业4.0的实施路径问题，以及在这一过程中应该打通哪些数据点呢？

2.1.1　工业4.0的价值体现

设计工业4.0的成熟度模型，首先要有一个出发点——究竟是从技术的角度来评估成熟度，还是从应用效果的角度来进行评估？尽管工业4.0被描述为信息和通信技术在工业制造中广泛进行整合的结果，但仅仅从技术的角度来阐述工业4.0的发展是不够的，原因是企业必须要改变它们的组织和文化。尽管凭借先进的技术，企业可以获得更多的数据，但是有效利用这些数据的能力，除了技术之外，还取决于公司的组织结构和文化。工业4.0的最终目标是帮助企业成长为一个敏捷的学习型组织，可以持续灵活地适应不断变化的环境。

如图2-1所示，在一些研究机构提出的工业4.0成熟度模型中，采用了偏技术的划分方式，通过对工业4.0的技术要素进行分解并分别打分，来对应不同的成熟度。我们认为，这种脱离企业的组织结构和文化、脱离整体应用效果的划分方式显得比较机械，在实践中存在很多问题。

为此，我们从目前众多的工业4.0成熟度模型中选择了德国国家科学与工程院acatech推出的“工业4.0成熟度指数模型”作为本书的讨论依据。acatech作为德国工业4.0最终工作报告的发布单位，在工业4.0领域具有十分权威的地位。

图2-1　对工业4.0的技术要素进行分解，然后逐一打分的成熟度定义方式，存在很多问题

acatech认为，在工业4.0的目标中，敏捷性是一个非常重要的特性。敏捷性意味着企业实时地推进变化的能力，包括最基本的系统化的变化，甚至是公司商业模式的变化。工业4.0的重要性就是在帮助企业快速适应变化的过程中发挥信息处理的关键作用。对于一个导致变化的事件，企业适应它的速度越快，企业最后得到的好处就越大。这里的事件既可以是紧急的事件，如生产线发生故障；也可以是长期的事件，如产品需求的变化以及对产品设计自身的改动；或者是日常发生的事件，如制造、采购、服务流程中发生的事件。

然而普遍情况是，当这些事件发生时，从收集数据到进行分析、制定决策，直至做出响应的每一个步骤都存在延迟。原因可能是多方面的。常见的原因可能是系统之间不够集成，无法实现整个端到端的数据处理。对于工业4.0的应用场景来说，因为数据的获取常常来自于设备，而分析和决策则由软件来完成，再接着由硬件做出响应，这一延迟甚至脱节的情况会更加严重。管理学的常识告诉我们，从事件发生到做出响应之间的延迟时间越短，企业得到的价值越大。从另一个角度来看，如果企业能够在发生事件后立即做出正确的响应，就能够获得最大的价值；延迟的时间越长，获得的价值就越少（见图2-2）。

图2-2　企业对事件做出响应的延迟时间曲线

如图2-3所示，通过实现工业4.0，制造企业可以极大地缩短从事件发生到产生效果之间的延迟时间。在实践中，这意味着当现场采集的制造数据表明产品的加工品质出现下降的趋势，企业就可以启动设备检测流程，并对生产计划和零部件配套计划进行同步调整。这种迅捷的反应速度，在过去的工业3.0时代是无法想象的。

图2-3　通过应用工业4.0技术，可以显著地加快从事件发生到产生效果的延迟时间

事实上，目前流行的增强现实（Augmented Reality，AR）技术也是一种缩短延迟的重要手段。通过在真实的世界中叠加数字信息，可以实现很多新的应用场景。通过实时显示三维计算机辅助设计（Computer-Aided Design，CAD）模型、从传感器采集到的数据或IT系统计算出来的数据，AR系统可以大大缩短操作人员获取信息的速度，从而大大加快操作人员的工作速度，提高工作精度（见图2-4）。相比之前通过查阅手册或电话查询的方式，AR技术的价值是十分明显的。

图2-4　通过在真实世界叠加数字信息，AR极大地加快了现场工人的响应速度