2018年中国工业物联网发展现状及工业物联网发展前景分析[图]

    工业物联网是将具有感知、监控能力的各类采集、控制传感器或控制器，以及移动通信、智能分析等技术不断融入到工业生产过程各个环节，从而大幅提高制造效率，改善产品质量，降低产品成本和资源消耗，最终实现将传统工业提升到智能化的新阶段。从应用形式上，工业物联网的应用具有实时性、自动化、嵌入式(软件)、安全性、和信息互通互联性等特点。

    一、现状

    电力物联网是工业物联网率先建设的一环，国家电网全面部署泛在电力物联网建设。根据调查数据显示，国家电网将紧抓2019-2021年的战略突破期，到2021年初步建成泛在物联网，经过三年的技术攻坚，到2024年建成泛在电力物联网。到2018年底，国网接入的终端设备超过5.4亿只，采集数据日增量超过60TB，覆盖用户4.5亿户，预计到2025年接入终端设备将超过10亿只，到2030年将超过20亿只。

国家电网《泛在电力物联网建设大纲》计划

数据来源：公开资料整理

    工业物联网部署占比较高的行业为工业产品（25%）其次是电子和高科技（23%）、汽车行业（13%），据IoTAnalytics的报告，其预测全球工业物联市场将从2017年的470亿美元增长到2023年的3100亿美元，年复合增长率高达37%，随着高端产业的智能升级，将推动工业物联市场继续增长。

工业物联部署行业占比（%）

数据来源：公开资料整理

2017-2023年工业物联网全球规模增速及预测

数据来源：公开资料整理

    随着5G基础建设的起步，工业物联网的全方位铺设有望再次提速。

    二、格局

    1、西门子

    西门子是一家位于德国慕尼黑的公司，提供名为MindSphere的软件，这是一种基于云的操作系统，可使工厂内的机器和设备收集数据。西门子声称这可以帮助制造商使用基于机器学习的分析来监控其工业资产的状况。

    西门子声称传感器从各种机器收集数据并将其上传到云中的公司数据库。然后，这些数据通过MindSphere的机器学习算法运行，在仪表板上为分析提供信息
例如，在MindSphere平台上运行的电池工厂的生产可能会设置为每天生产100,000个电池，但传感器数据可能会告知，分析显示生产在过去两天内已经下降。此信息在设施维护经理的计算机屏幕上以可视图表的形式呈现。MindSphere可能会进一步显示哪个特定机器表现不佳。

    MindSphere还可以在表现不佳的机器上运行诊断程序。一旦其背后的机器学习模型发现问题，MindSphere可以通知机器维护操作员有关该问题，并建议修复或退出机器。

    西门子报告称，MindSphere可用于各种工业环境，包括航空航天、汽车和能源领域。

    西门子声称通过减少系统停机时间和中断，帮助希思罗机场改进了带传感器和MindSphere的行李处理系统。据该公司称，2016年约有7600万人通过希思罗机场，其中大部分都有行李。

    希思罗机场希望将行李处理系统的维护从定期维护转移到按需维护。为此，西门子技术人员在系统的重要组件上安装了传感器以对其进行监控。传感器定期收集有关诸如声学等因素的数据，这些因素可能会导致系统出现问题，并将数据传输到MindSphere平台。

    案例研究没有提供整合MindSphere的结果，但希思罗机场行李运营资产经理GrantWaring表示，“超过80%的乘客已经将希思罗机场评为非常优秀或优秀。这种积极的评估是对我们的肯定和激励。西门子作为我们的创新合作伙伴之一，我们希望保持并进一步提高我们的高标准。”

    西门子还将Atos，埃森哲，微软，亚马逊网络服务，Evosoft，BluVision，SAP列为其部分客户和合作伙伴。

    RolandBusch是西门子的首席技术官和董事会成员。他拥有埃尔兰根-纽伦堡大学的物理学博士学位。

    2、IBMWatson

    IBM提供IBMWatson平台，它声称可以帮助矿业公司进行地下分析，这可能会降低钻井成本，改进矿物勘探的预测，并利用图像识别和机器学习加速地质分析。

    IBM声称该应用程序使地质学家能够围绕地球科学数据解释，油藏勘探和矿物勘探进行地下分析。为此，用户可以在平台的搜索界面中输入查询。然后，搜索引擎的算法将通过地质数据存储库运行关键字，其中包含来自各种来源的结构化和非结构化数据，例如钻井数据库，区块模型，地球化学，地质形状文件，核心照片和X射线荧光数据。然后，系统将关于矿物含量的预测以图表返回。

    IBM声称通过创建机器学习模型来预测矿山中特定位置的金矿化，帮助GoldCorp提高了现有勘探和生产业务的生产率。算法在存储库中搜索各种地质信息，如果将这些信息结合在一起，则可以得出明智的预测。

    这些信息包括岩性，脉纹，矿化，蚀变和结构信息，如断层和褶皱。该信息是从多个来源收集的，例如钻孔数据，芯片数据，地图以及目标位置内和周围的地质模型。该位置的预测黄金含量以图形格式显示。

    根据GoldCorp的说法，使用Watson帮助该公司将其140块模型，钻井日志和其他形式的非结构化数据整合到一个数据库中。以前，该公司一次只能加载两个或三个块模型。

    IBM还将Sandvik和ValenjeCoalMine列为其部分采矿客户。

    RomeoKienzler是Watson物联网的全球首席数据科学家，深度学习/人工智能工程师，自2008年以来担任过各种职务。他拥有苏黎世联邦理工学院的信息系统、统计学和生物信息学硕士学位。在其职业生涯早期，Kienzler曾在CSSVersicherungAG担任软件工程师。

    3、通用电气

    通用电气提供BrilliantFactory，一套硬件资产、软件和咨询服务，用于将工厂升级为工业物联网。GE声称这可以帮助制造商使用预测分析来提高工厂的性能。

    GE称，使用数据驱动的BrilliantFactory套件可以降低成本，提高产品和服务的质量，并加快生产流程。该平台使企业能够监控工厂机械和设备的健康状况和性能，并管理生产过程。

    这是通过将机器和设备连接到单个网络，在每台机器上实现传感器，以及在存储和组织数据的数据库中收集结构化和非结构化数据来完成的。该公司声称该软件可以处理来自不同行业的所有类型设备的数据。

    据报道，BrilliantFactory的机器学习模型接受了GE制造资产和服务历史数据的培训，定期对工厂设备进行诊断，以确定机器的状况或产品的质量。如果算法识别出存储在其数据库中的基准的任何偏差，则将通过仪表板上显示出的图表来提醒操作员。

    例如，在一家拉面条工厂，连接到混合配料的桶的传感器可能确定正在使用过多的面粉。这可能取决于面条的重量或烹饪所需的时间，机器学习算法与其数据库中记录的标准相比较。将通过减少面粉量来提醒操作员改进配方。这种原材料减少的额外好处是节省了业务。

    GE声称，在合作伙伴Factora的帮助下，帮助PremierFoods优化了工厂的性能。Premier的传统流程和系统没有传感器来监控机器。流程和工厂绩效不一致。该公司需要确定问题的根本原因并改进关键过程，如水活度、生产线速度、辊速和热温。

    使用iFIX作为BrilliantFactory套件的一部分，Factora连接Premier的机器来收集数据，建模流程并分析结果，并制定改进计划。

    例如，Factora推荐的解决方案帮助Premier实现了蛋糕零食生产线的潜在销售。通过稳定这一过程，Premier能够减少原材料的使用量，并减少每种零食的卡路里数，这对某些客户来说是一个吸引人的卖点。除了节省原材料，Premier现在可以跟踪其关键流程。这使他们能够采取行动，以确保一致的质量和控制，并优化产量。

    GE还将斯巴鲁，LekPharmaceuticals，Spomlek，CascadesTissueGroup，ValeFertilizantes和TorayPlastics列为其过去的客户。

    4、协作机器人

    RethinkRobot提供Sawyer，一种在名为Intera的软件上运行的协作机器人。该公司声称，Sawyer可以帮助制造商利用机器视觉实现更高的生产率和更高质量的产品。

    RethinkRobots声称Sawyer嵌入了康耐视视觉系统，可以通过物体检测技术检测物体或检查零件。该视觉系统捕获要处理和传输到机器人定位系统(RPS)的物品的图像，该应用程序查找机器人环境中的变化并使用户能够调整其设置。用户还可以将外部摄像头集成到协作机器人中。

    例如，将Sawyer从装配线的一部分重新定位到另一部分意味着需要调整视觉系统，以便Sawyer能够检测到它将在新工作区域中拾取、放置和保持的物品的新位置。另一个例子是当操作人员意外撞到桌子、传送带或者协作机器人本身时，拾取或放置物品的物理位置将不再与视觉系统中保存的物品相匹配。这些微小的变化可能导致协作机器人在拾取和放置物体时出错。发生这种情况时，必须重新调整RPS以允许视觉系统检测对象的新位置。

    作为Sawyer“面部”的平板电脑也可作为机器人操作员进行调整的界面。

    Intera软件允许操作员通过移动手臂并展示拾取、放置和保持的移动来训练协作机器人。Sawyer还可以执行诸如在操作机器时监督机器，注塑和吹塑，测试和质量检查，以及处理金属冲压或金属压制过程的功能。这些过程通常在汽车供应链，金属制造，一般制造，包装和塑料工厂自动化中完成。

    RethinkRobotics声称已帮助AssaAbloy自动化其依赖于体力劳动的生产线。该公司求助于RethinkRobots的经销商Active8Robots。AssaAbloy的网站进行了评估，最初在现场部署了两台Sawyer协助机器人。案例研究补充说，AssaAbloy现在已经在全球各地的工厂部署了Sawyer协助机器人。根据案例研究，Sawyer通过自动化每天帮助手动组装和包装约18,000对铰链。

    Rethink机器人还将AcornSalesCompany，RapidLine，Tuthill，CornellDubilier，DHL，Moduform，Templasco和Trellidor列为其过去的一些客户。

    RethinkRobots成立于2008年，已从BezosExpeditions，CharlesRiverVentures，HighlandCapitalPartners，SigmaPartners，DraperFisherJurvetson和TwoSigmaVentures筹集了1.49亿美元的资金。

    RodneyBrooks自2008年以来一直担任RethinkRobots的首席技术官和执行官。他拥有麻省理工学院的计算机科学博士学位。此前，Brooks曾担任iRobot的首席技术官兼董事长达21年。

    三、趋势

    工业物联网与人工智能和大数据相结合，通过预测分析，让客户更深入地了解他们通过物联网传感器收集的数据。这可以帮助制造商做出更好的业务决策。

    在机器人领域，视觉系统继续推动现在所谓的协作机器人。虽然协作机器人旨在与人类合作，以支持或减轻操作员重复性任务，但目前尚不清楚协作机器人是否能够自动执行更多的智能任务，或者它们是否可以连接到工业物联网网络。

    技术趋势

    由云端数据处理向边缘倾斜。工业物联网是一个多元化整合、不同元素之间相互探索的平台，能够将生产现场的各种传感器、变送器、执行器、控制器、数控机床等生产设备连接起来。随着工业物联网的发展，连入工业物联网的智能设备将日趋多元化，网络互连所产生的海量数据能够输送到全球任何一个地方。此外，随着数据量的增大，倾向于在数据源头处理数据的边缘计算不需要将数据传输到云端，更加适合数据的实时和智能化处理，因此更加安全、快捷、易于管理，在可预见的未来将得到更加有效的利用。

    模式趋势

    由产业个体向生态系统转型。工业物联网是集合了硬件制造商、系统集成商、软件提供商、解决方案搭建商的产业生态系统。随着产业的发展，工业物联网领域的公司将由单一的产业个体向价值链的参与者转变，公司将建立并发展紧密的战略合作关系，成为工业物联网解决方案供应商的生态系统的一分子。在此生态系统中，公司能够根据客户需求、竞争环境灵活响应，利用互相连接的产品和客户，通过合作，使整个价值链的所有参与者都从中受益。

    应用趋势

    由设备资产向产品客户转移。工业物联网不仅能够实现设备的互联，还能够通过优化产品类型、维护客户关系为企业服务。然而，目前工业企业所获得的产品和客户的信息量远少于资产和设备的信息量，因此未来工业企业为了开发更具吸引力的产品或提升现有客户关系，企业需要大量产品和客户的相关信息支持。在效率提升和业务成长的双重诉求驱动下，未来企业工业物联网应用的关注度将由设备和资产转向产品和客户。

    相关报告：智研咨询发布的《2019-2025年中国工业物联网行业市场全景评估及发展趋势预测研究报告》