智造“基石”—— 解码工业物联网、大数据与云计算，发力“新基建”

来源：麦肯锡北京数字化能力发展中心

作者：李铁良，尤晨

2020年3月4号，中央定调“新基建”， 重点推进工业互联网、大数据中心、5G基站建设等七大领域建设，强调基础设施的数字化转型、智能升级和融合创新。作为当下热点，“新基建”往往涉及“工业物联网”、“大数据”、“云计算”三大主题，它们是实现智能制造的中坚力量，更象征着21世纪的IT前沿技术。作为智造“追梦人”，对这些技术概念具备清晰的理解和认知至关重要。本文将针对工业智能制造领域，深入辨析“工业物联网”、“大数据”、“云计算”以及三者的关系，解码“新基建”。

1

新基建之平台基建

工业物联网，智能制造的“骨骼”

李克强总理曾提出：“‘中国制造2025’突破的重点，主要应放在与‘互联网＋’的融合发展上，加快推动中国工业的‘浴火重生’。 ”    
在“中国制造2025”的转型大背景下，互联网与制造业的融合不断推进，各机器传感器采集的数据和网络化数据可以通过互联网进行聚合分析，从而优化决策，实现价值驱动。能够达到如此效果的技术架构统称为“物联网”， 它基于互联网的物与物信息联通系统，将物与物、物与人的信息通过互联平台实现可收集、可管理、可分析。这样的系统可以通过软件对从实体世界采集的数据进行整体计算分析，从而改进产品、服务和商业模型（见图1）。

图1：什么是物联网

而工业物联网是物联网的一个分支：

工业物联网：连接包括传感器和执行器的网络计算系统，实现对工业数据的采集、实时传输、高效处理和智能分析，并将优化结果及决策通过机器反映在实际生产中。

这些系统可以监视并管理价值链上的人、机器、工具和库存（包括生产范围内和范围外）的健康状况和行为，并使用所收集的数据进行分析优化，从而在工业环境下提高生产效率和质量。
工业物联网技术体系主要由七个构件组成，分别是：产生数据的硬件、传输数据的通信基础设施、应用数据环节的数据规范软件、大数据储存和管理后端、分析设备及应用数据的平台、将数据转化为价值的应用程序以及贯穿始终的数据安全系统，环环相扣，形成一整套物联网体系（见图2）。
图2：工业物联网技术体系包括七个主要构件工业物联网的行业应用

正如李克强总理所说，“互联网+制造”是智能制造的关键，工业物联网正是推动行业转型升级的源动力。通过高度整合信息将工业流程线上化，可以从以下八个方面促进企业增值，实现全面革新：高效地设计开发产品，最大化提升运营生产率，降低工业系统中的能源流失，提高库存预测和管理水平，加强安保系统和员工安全保障，通过信息平台技术创新产品和服务，基于信息反馈和追溯系统维护服务增值，根据客户信息优化销售营销流程（见图3）。 

图3：受工业物联网推动的八大领域工业物联网的价值链应用工业价值链包括客户订单、产品开发、采购及供应链、生产和服务五个环节。在未来5-10年里，物联网将实现工业价值链数字化技术和数据分析的端到端整合。这意味着要横跨整个价值链，建立基础设施来收集、分析和使用数据，根据业务来建立物联网架构，驱动创新能力，启用数字化措施来驱动采购的持续改善，使价值链更加灵活，从而满足个性化要求（见图4）。
图4：工业物联网价值链端到端整合其中，工业物联网将重点应用在生产范围内，从生产流程优化、资源精益、能源节约、生产量预测等方面予以改进，对生产现场和商业模式产生显著影响（见图5）。
图5：工业物联网对生产的影响

2

新基建之信息基建

大数据，智能制造的“肌肉”

当统计一个部门的员工身份信息时，完全可以通过EXCEL进行处理。但是在工业生产线上，数据库实时增加上万台传感器监测的实时温度、压力、噪声、能耗、物料用量、产品规格、机床状态等等数据，海量的动态数据包含数字、文本、视频等多种格式，很难使用常规软件对其进行管理和处理，这样的数据集合就是大数据。

大数据：超出典型处理能力的大数据集合

对于大数据的属性业内有不同的说法，其中IBM提出的大数据4V特性得到了广泛的认可：

• 海量的数据规模（Volume）: TB、 PB、 EB级的海量数据

• 快速的数据流转（Velocity）: 保持较快的数据流动速率

• 多样的数据类型（Variety）: 具有结构化、非结构化的多种格式类型

• 准确的数据价值（Veracity）: 对数据缺陷和瑕疵存疑，保证结果准确

为了应对具有这些属性的数据，企业需要新的工具和模型，并改进工作以及数据处理方式：

• 培养专业化的专职团队：培养包括如数据科学家等新技术人才的专职团队，服务于所有业务部门，同时为各部门助力

• 配备新的数据架构模型和工具：大数据集需要特定的技术（如Hadoop、Hive）来进行处理（兼容供应商，云供应商本地化）

• 采用用例驱动的方法：由于可用的数据量非常大，团队应关注特定的用例(例如预测维护)，以便其快速交付价值

在构建常规的大数据架构时，我们建议从六个层面加以考虑，包括数据来源、获取途径、存储方式、处理模式、API准入权限及应用形式。企业应根据自身的业务形态因地制宜，不断提升运维能力和技术能力（见图6）。

图6：常规大数据架构需要考虑的六个层面

作为大数据技术的领头羊，IBM开发了企业数据从集成到管理整个生命周期的一系列解决方案。其中的IBM InfoSphere DataStage是业界领先的数据集成工具，它可以高效集成海量的企业数据及外部数据，拥有可伸缩的并行处理功能，同时管理多个集成过程，提供实时的可信数据交付到数据池、数据仓库或任何其他云环境中，为数据的应用提供强大的支持。
在这个信息过剩的时代，充分从源头收集数据、集成有效数据并将海量信息处理为前瞻性洞见，将成为企业精进制胜的必经途径。

3

新基建之分析基建

云计算，智能制造的“大脑”

美国国家技术和标准研究院 （NIST）将云计算定义为：“云计算是一个提供便捷的可通过网络访问可定制的计算资源共享池能力的模式（计算资源包括网络、服务器、存储、应用和服务）；这些资源能够快速部署，并只需要很少的管理工作或与服务供应商很少的交互。” 

我们平时储存电脑文件会放在在U盘、硬盘中，连接上即可使用。但是，当需要在许多设备上使用时，带着硬盘一一连接配置就非常不便，这个时候就可以用云存储来解决，如iphone的icloud，它可以将iphone中的照片、邮件、日历、联系人等所有的信息实时同步在macbook、ipad等所有设备中，可以在任何设备上编辑、浏览。不仅如此，云的存储空间更大，且可以无限扩展。 同理，对于公司来说，每当开发一个新的商业模式或服务，都需要IT部门重新配置公司所有设备的服务器，以完成新的信息架构，支持更多的用户和功能，这往往需要大量的人力物力财力。而使用云计算技术就可以实现快速的布属，不需要通过物理硬件调配，可以将应用布置在虚拟的云端，由提供云计算服务的供应商完成全面的快速布属。云计算技术还可以支持云存储的功能，替代物理服务器实现海量数据的存储，无需配备机房或按需购买服务器，从而大大降低时间、购置和配置成本。云计算根据发布模型可以分为三类：

• 公有云：由第三方（供应商）通过互联网提供云服务，客户只需为使用的资源付费即可。由于使用者几乎无法控制基础结构，需要严格的安全性和法规遵从性作为保障

• 私有云：在企业内提供的云服务，由企业进行建设和管理，安全性高，但其持续运营成本可能会超过公共云

• 混合云：云基础架构由两个或者两个以上的云组成，它们保持着唯一的实体但是通过标准或者特有的技术结合在一起。这些技术使得数据或者应用程序具有可移植性（见图7）

也可以根据服务模型进行分类：

• 软件即服务 (SaaS)：客户所使用的由服务商提供的应用程序运行在云基础设施上，这些应用程序可以通过各种各样的客户端设备进行访问

• 平台即服务 (PaaS)：客户使用云供应商支持的开发语言和工具，开发出的应用程序会发布到云基础架构上。客户无需管理或者控制底层的云基础架构，但是能控制发布的应用程序或配置应用程序的运行环境配置

• 基础设施即服务 (IaaS)：向客户提供处理、存储、网络以及其他基础计算资源，客户可以在平台上运行任意软件，包括操作系统和应用程序。用户不管理或者控制底层的云基础架构（见图7）

图7：云计算的类别

以微软的Azure为例，它是微软支持云计算应用和开发的公有云，可以配合私有云使用，支持IaaS、PaaS和SaaS服务，代表着世界领先的云计算技术。企业可以在Azure的平台上开发自身所需的应用，实现所有设备端的同步部署，进行云存储，完成商业模型的快速构建和应用。
云计算已经成为IT未来的发展方向。它不仅是一种商业模式、付费模式、IT技术和IT产品，也是一种IT使用和管理模式的变革，能够便捷地通过网络按需使用信息技术资源并提高其可用性。它通过提供可共享的资源池来显著降低成本，具有动态伸缩、弹性调配资源的特性，可以快速响应业务需求，灵活适应业务扩展，实现按需服务、自助服务；同时可以实现服务计量，对资源的利用情况进行监控，以提高资源的管控能力，促进资源的优化利用。

4

工业物联网与大数据、云计算的关系
如上所述，工业物联网与大数据及云计算三种技术既有区别又有联系。物联网更注重于物与物信息的联通，是采集信息和决策应用的端口；大数据技术完成海量数据的整合和处理，是重要的信息依据；云计算提供大量信息管理、共享平台和计算媒介，三者相辅相成（见图8）。

图8：物联网、大数据、云计算的关系

企业在建立技术架构时，需要三类技术相互支撑。当企业进行智能制造转型时，构建工业物联网也会用到大数据和云计算技术。物联网传感器和机器实时采集的海量信息，通过大数据技术在云计算平台整合分析，反映企业运作的实时状态和最佳决策，再通过物联网技术应用出来。由此可见，“工业物联网”、“大数据”、“云计算”三类技术是搭建数字化、智能化和自动化工业链的根基，是驱动企业智造的“三驾马车”。

(欢迎大家加入数据工匠知识星球获取更多资讯。)

联系我们

扫描二维码关注我们

微信：DaasCai

邮箱：[e-mail]

QQ：2286075659

热门文章

“业务数据化、数据业务化”-齐鲁石化智能工厂建设案例 能源化工企业智能工厂解读和实践案例(下)

我们的使命：发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。

我们的愿景：打造数据治理专家、数据治理平台、数据治理生态圈。

我们的价值观：凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。

了解更多精彩内容

长按，识别二维码，关注我们吧！

数据工匠俱乐部

微信号：zgsjgjjlb

专注数据治理，推动大数据发展。
麦肯锡数字化能力发展中心DCC（北京）是由麦肯锡与清华大学共同成立，旨在推动企业数字化转型的技术研究及教育培训机构。

中心建有数字化转型全价值链技术展厅，以及投资近亿元的工业4.0学习工厂。通过体验式转型培训，引领客户迈向智能制造新未来。