對工業(yè)企業(yè)來說，應(yīng)用通常分為兩類：

IT類應(yīng)用：跟管理相關(guān)，包括辦公協(xié)同、人力資源管理、ERP、CRM，以及財務(wù)管理等應(yīng)用，主要圍繞人為主體的工作流。

OT類應(yīng)用：跟設(shè)備和流程相關(guān)，包括MES、DCS、SCADA、TPM、TQM相關(guān)的應(yīng)用。

第一類工業(yè)應(yīng)用，因為涉及到較多的企業(yè)差異化特征，需要很強(qiáng)的本地交付和定制能力，所以基本以國內(nèi)的軟件開發(fā)廠商為主，集中在一些高度定制化的領(lǐng)域，也正是由于國外廠商很難保證本地快速交付和定制，才有了國內(nèi)廠商的生存空間。但這些軟件都很難實現(xiàn)標(biāo)準(zhǔn)化，所以國內(nèi)工業(yè)軟件廠商普遍生存狀況都很艱難。

第二類工業(yè)應(yīng)用，也即OT應(yīng)用，是直接同工業(yè)設(shè)備打交道的，因此需要具備更多的專業(yè)知識，包括機(jī)械原理、電子電路、數(shù)據(jù)分析和數(shù)學(xué)建模、材料科學(xué)等，因此對開發(fā)人員也提出了相當(dāng)高的要求，要求軟件開發(fā)人員具備比較全面的跨專業(yè)能力，才能完成軟件的開發(fā)?？上攵?，這一類別的OT軟件人才是多么難得。

長期以來，國內(nèi)的企業(yè)軟件人才都普遍集中在IT應(yīng)用領(lǐng)域，OT領(lǐng)域的軟件人才極其匱乏，這也造成了OT應(yīng)用也是我國軟件產(chǎn)業(yè)最薄弱的一環(huán)，長期被國外設(shè)備廠商（GE、西門子、Rockwell、ABB、IBM等）所壟斷。 

現(xiàn)有的OT應(yīng)用，已經(jīng)無法滿足日益增長的效率提升的需求，主要體現(xiàn)在如下幾個方面： 

       1.無法適應(yīng)工業(yè)的“大數(shù)據(jù)”

隨著逐步推進(jìn)的數(shù)字化過程，工業(yè)數(shù)據(jù)已經(jīng)逐漸呈現(xiàn)“大數(shù)據(jù)”的4個V的特質(zhì)：

>>數(shù)據(jù)量(Volume)

工業(yè)，特別是3.0階段的工業(yè)，數(shù)據(jù)量之大是驚人的。每個大型復(fù)雜的設(shè)備都有數(shù)千個需要測量的信號，每個復(fù)雜的生產(chǎn)環(huán)節(jié)里面有數(shù)萬個數(shù)字化的參數(shù)，而且很多工業(yè)信號（電流、電壓、震動）的采集頻率已經(jīng)達(dá)到了Gbps級別，因此對應(yīng)的工業(yè)應(yīng)用系統(tǒng)都必須具備實時的流式和批量處理能力、海量的存儲能力以及相應(yīng)強(qiáng)大的分析能力，而這些在傳統(tǒng)的工業(yè)應(yīng)用里面是不具備的。

>>多樣性(Variety)

從工業(yè)數(shù)據(jù)源、數(shù)據(jù)采集、存儲和處理、分析方法等不同角度來看工業(yè)上的數(shù)據(jù)，都具備多樣性特征，而且遠(yuǎn)遠(yuǎn)超出其他行業(yè)數(shù)據(jù)的多樣性。

>>實時性(Velocity)

同許多其他行業(yè)數(shù)據(jù)分析很大程度上只是為了實現(xiàn)人的決策支持不同，工業(yè)行業(yè)中很多數(shù)據(jù)都有著很高的實時性處理要求，這不僅體現(xiàn)在基于規(guī)則的異常檢測、告警到自動反饋的過程，還包括需要在設(shè)備或者制造的連續(xù)過程中不斷采集實時數(shù)據(jù)、重新訓(xùn)練和修正模型的精度并重新發(fā)布的過程。

>>價值(Value)

通過數(shù)據(jù)分析創(chuàng)造的價值，在工業(yè)里面就更毋庸置疑。GE前任CEO Immelt曾經(jīng)提出過一個概念叫“1%的威力”，說的是在一些重點行業(yè)（油氣、電力、軌交、航空等）通過數(shù)字化的手段實現(xiàn)1%的資產(chǎn)效能和生產(chǎn)效率的提升，就能夠創(chuàng)造萬億級的利潤。

大數(shù)據(jù)給傳統(tǒng)工業(yè)帶來的挑戰(zhàn)，恰恰是傳統(tǒng)工業(yè)應(yīng)用無法應(yīng)對的。

舉一個例子，自動化生產(chǎn)都會伴隨著產(chǎn)生大量的設(shè)備和生產(chǎn)數(shù)據(jù)，通過對數(shù)據(jù)的精細(xì)化的分析，可以找到在生產(chǎn)過程中各種不確定現(xiàn)象（產(chǎn)能和良率抖動、設(shè)備無計劃停機(jī)）產(chǎn)生的原因，從而能夠創(chuàng)造出非常高的價值。并且越自動化的生產(chǎn)過程，數(shù)據(jù)量、維度和實時性的要求也就越高。

但是，正是由于缺少對大數(shù)據(jù)在采集、存儲和分析上的支持，傳統(tǒng)應(yīng)用僅僅能夠?qū)崿F(xiàn)有限維度的實時監(jiān)控，無法從海量的傳感器指標(biāo)中分析出對異常有貢獻(xiàn)的因素，更無法對各種關(guān)鍵指標(biāo)的發(fā)展趨勢進(jìn)行預(yù)測。 

       2.無法實現(xiàn)對未知的探索

相對于工業(yè)2.0，工業(yè)3.0最大的進(jìn)步就是引入了PLC（Programmable Logic Controller），運(yùn)用數(shù)字化的手段實現(xiàn)對設(shè)備運(yùn)行情況、外部環(huán)境、產(chǎn)品數(shù)據(jù)的測量，通過實現(xiàn)對設(shè)備運(yùn)行和操作的反饋，來保證制造和設(shè)備運(yùn)行的準(zhǔn)確性和穩(wěn)定性。因此，原本在工業(yè)2.0階段完全靠操作人員聽、看、聞、摸等模糊化的測量和手動的控制手段，在3.0階段通過部分的數(shù)字化實現(xiàn)了精準(zhǔn)的測量，并根據(jù)設(shè)定的機(jī)理制定相應(yīng)的控制邏輯，實現(xiàn)穩(wěn)定的輸出控制。

工業(yè)行業(yè)內(nèi)流傳一句經(jīng)典的話：“如果能夠測量，就一定能夠改善”，也就是說一個工業(yè)過程，如果所有的輸入以及影響要素都是可以測量的，那工業(yè)過程的輸出一定是可控的。

但是，真實的工業(yè)卻遠(yuǎn)遠(yuǎn)沒有那么簡單。

首先，在生產(chǎn)過程中存在太多的影響因子，并且由于工業(yè)數(shù)據(jù)量巨大并且傳統(tǒng)的保存分析手段有限，導(dǎo)致很多貢獻(xiàn)異常的要素都無法在事先規(guī)劃好并且有效地保存下來，因此也容易產(chǎn)生很多無法解釋的問題。

其次，工業(yè)生產(chǎn)和運(yùn)營過程里面，很多工業(yè)的因素是無法直接測量的，比如設(shè)備的健康度、螺絲的松緊程度、軸承的不平衡情況等。因此，只能依靠其他可測信號的數(shù)據(jù)，通過機(jī)理模型的方式來實現(xiàn)間接測量。但是由于很多變量不可測，造成工業(yè)有很多明知其然卻不知其所以然的現(xiàn)象，故而也無法用準(zhǔn)確的機(jī)理模型來解釋。

第三，對海量歷史數(shù)據(jù)的實時分析和預(yù)測能力的缺失，造成無法從海量歷史數(shù)據(jù)中尋找到相應(yīng)的規(guī)律（相關(guān)性、因果性等），更不用說對未來的預(yù)測。

這些原因，都造成了很多工業(yè)的未知現(xiàn)象無法依靠傳統(tǒng)的應(yīng)用來解決的問題。

舉一個例子，在故障維修模式上，由于缺少有效的數(shù)據(jù)分析和壽命預(yù)測手段，傳統(tǒng)的工業(yè)應(yīng)用只停留在了預(yù)防性維護(hù)階段，通過定期的保養(yǎng)實現(xiàn)早期的故障預(yù)防。這種維護(hù)成本是非常高的，企業(yè)不得不去安排更多的人力、預(yù)留更多的備品備件來實現(xiàn)早期的預(yù)警，因此往往無法在過度維修(定期巡檢)和被動維修（故障停機(jī)之后的維修）之間取得有效的統(tǒng)一。

        3.無法實現(xiàn)專家經(jīng)驗的沉淀

工業(yè)領(lǐng)域中最具寶貴的價值無疑是專家的知識和經(jīng)驗。但是，工業(yè)領(lǐng)域卻一直缺少對專家知識和經(jīng)驗的有效保存、復(fù)制和轉(zhuǎn)移的手段。這種專家的知識和經(jīng)驗，不僅包括在特定情況下的異常判決和處理方式，更包括優(yōu)化的策略。

但是，眾所周知，人的認(rèn)知都是模糊而不是精確的，如果沒有數(shù)字化的手段，就沒有辦法實現(xiàn)精準(zhǔn)的判決。同時，人的認(rèn)知僅僅只能夠停留在有限的時間和有限維度的判決上，無法擴(kuò)展，更無法實現(xiàn)對復(fù)雜問題的精準(zhǔn)分析。

而傳統(tǒng)的工業(yè)應(yīng)用，一方面由于缺少數(shù)字化的手段（數(shù)據(jù)采集、數(shù)據(jù)存儲、模型開發(fā)等）而造成專家知識難以形成量化的結(jié)果，另一方面也缺少有效的知識經(jīng)驗開發(fā)工具，幫助專家提升知識經(jīng)驗積累的能力。

舉一個眾所周知的例子，高端裝備供應(yīng)商都會針對設(shè)備的特定故障提供FMEA(Failure Mode Effect Analysis)的表格，根據(jù)實驗數(shù)據(jù)給出不同的故障模式，并且給出在特定的故障發(fā)生情況下，需要按照既定的方式采取特定的動作。但是FMEA一直以來都是一些模糊的表述方法，一方面缺少數(shù)字化的手段來保存實驗數(shù)據(jù)給出的故障特征（電流、電壓等傳感器指標(biāo)在故障上的“指紋”），也沒有有效手段在實際應(yīng)用過程中基于對這些“指紋”的比對來實現(xiàn)故障判決，更無法將實際運(yùn)行中出現(xiàn)的新故障的數(shù)字化特征反饋到FMEA里面來減少未來的異常判決。

        4.無法實現(xiàn)敏捷的應(yīng)用交付

工業(yè)領(lǐng)域本身就是環(huán)節(jié)眾多、異常離散和復(fù)雜的多應(yīng)用場景，很難用一套固化的應(yīng)用來解決諸多突發(fā)和異常事件。因為傳統(tǒng)的工業(yè)應(yīng)用開發(fā)和迭代是一個非常冗長的過程，開發(fā)和迭代周期動輒數(shù)年，無法有效地應(yīng)對突發(fā)情況。

同時，工業(yè)應(yīng)用領(lǐng)域需要具備跨領(lǐng)域的專業(yè)知識，例如數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析和建模等等，往往是非常專業(yè)的人、依靠不同領(lǐng)域的專業(yè)工具來產(chǎn)生各自領(lǐng)域的半成品結(jié)果，并最終由應(yīng)用開發(fā)人員實現(xiàn)整合。但是傳統(tǒng)的應(yīng)用開發(fā)模式，缺少類似API、微服務(wù)、容器化的整合方案，無法實現(xiàn)跨領(lǐng)域的有效整合，只能依賴各方面都精通的跨領(lǐng)域人才實現(xiàn)有效整合，這無疑加大了開發(fā)的難度，限制了應(yīng)用的擴(kuò)展和靈活性。

3

為什么Predix能解決這些問題？

一句話，技術(shù)發(fā)展了，可以在現(xiàn)階段用新的技術(shù)來解決老問題。

這里主要包括如下幾個方面：

      1.物聯(lián)網(wǎng)技術(shù)的發(fā)展

工業(yè)狀態(tài)監(jiān)測的各種傳感器（包括環(huán)境監(jiān)測、震動、聲敏傳感器），隨著使用的普及和技術(shù)的改進(jìn)，開始變得更廉價，用戶可以在更廣泛的應(yīng)用場景中采集更全面的工作狀態(tài)；而NB-IOT、5G網(wǎng)絡(luò)的商用，不僅解決了傳輸距離、傳輸帶寬問題，更提高了傳輸?shù)膶崟r性，這樣，海量的數(shù)據(jù)得以回到云端實現(xiàn)更實時的判決，反饋到現(xiàn)場端實現(xiàn)更準(zhǔn)確的控制。

2.大數(shù)據(jù)技術(shù)的發(fā)展

隨著大數(shù)據(jù)技術(shù)在互聯(lián)網(wǎng)、金融、電信等行業(yè)的普及，讓工業(yè)對海量數(shù)據(jù)的處理門檻變得很低。一方面，針對工業(yè)海量傳感器（流式）和操作記錄（批量）數(shù)據(jù)的實時處理和分析手段，可以采用現(xiàn)有的大數(shù)據(jù)處理工具；另一方面，在上述各個行業(yè)培養(yǎng)起來的各種大數(shù)據(jù)人才，在數(shù)量、質(zhì)量和成本幾方面都已經(jīng)可以滿足傳統(tǒng)工業(yè)企業(yè)的需求。

3.人工智能技術(shù)的發(fā)展

隨著最近幾年深度學(xué)習(xí)技術(shù)的發(fā)展，人工智能技術(shù)在圖像和語音識別等固定場景已經(jīng)超越了人的能力限制，并逐步發(fā)展到可以實現(xiàn)對未來很多未知的判決和預(yù)測。在工業(yè)領(lǐng)域，充分利用這些研究成果，不僅可以實現(xiàn)產(chǎn)線機(jī)器視覺這種簡單的應(yīng)用，更能實現(xiàn)對多維度設(shè)備健康、產(chǎn)能、質(zhì)量以及能耗等維度的判決和預(yù)測。

4.云計算技術(shù)的發(fā)展

隨著云計算的加速發(fā)展，計算、存儲和網(wǎng)絡(luò)資源層面的基礎(chǔ)需求和靈活性需求已經(jīng)不再是問題，而PaaS技術(shù)的逐步成熟，更將應(yīng)用開發(fā)、大數(shù)據(jù)分析等過程，通過微服務(wù)和微應(yīng)用的方式實現(xiàn)了有效的整合，極大提高了應(yīng)用開發(fā)和數(shù)據(jù)分析的效率和完整性。

4

GE為何用Predix平臺開發(fā)OT應(yīng)用？

       我分析這里面有幾個原因：

       1.無法整合和集成

       GED (GE Digital的簡稱)本身在多年的發(fā)展過程中，無論是給客戶定制開發(fā)還是購買的公司，都提供了數(shù)量（種類）眾多、數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、架構(gòu)不一致的軟件，不同的軟件之間很少有集成的接口、相同的數(shù)據(jù)定義，無法保證相互之間的互操作和集成，給客戶造成了很多的煙囪應(yīng)用和數(shù)據(jù)孤島。

       2.無法滿足高效交付的要求

       GED不斷面臨新的應(yīng)用開發(fā)需求，而客戶要求的交付周期越來越短，原有動輒數(shù)年、冗長而笨重的產(chǎn)品開發(fā)周期和更新周期已經(jīng)越來越跟不上節(jié)奏，大家不約而同地將開發(fā)模式轉(zhuǎn)向了互聯(lián)網(wǎng)應(yīng)用的敏捷開發(fā)、功能重用、組件是交付的模式。

      3.無法實現(xiàn)跨專業(yè)的整合

      工業(yè)應(yīng)用不僅涉及到應(yīng)用開發(fā)，還包括了細(xì)致的數(shù)據(jù)分析，甚至專業(yè)的機(jī)理模型開發(fā)，而這些專業(yè)能力還要針對不斷變化的需求進(jìn)行針對性的調(diào)整。如果按照傳統(tǒng)的軟件開發(fā)思路，一定避免不了需要開發(fā)人員充分理解業(yè)務(wù)場景、機(jī)理模型才能開始設(shè)計，但這種軟件開發(fā)一定是非常低效的。

因此，GE推出Predix平臺，并且將持續(xù)基于Predix進(jìn)行新的應(yīng)用開發(fā)，并不是早先就設(shè)計好的，而是其發(fā)展過程中理所當(dāng)然會走的一條路線。

從應(yīng)用的角度來說，隨著應(yīng)用類型的增多和功能的復(fù)雜化，為了實現(xiàn)快速和穩(wěn)定的交付，應(yīng)用開發(fā)最終都會走到集約化、平臺化開發(fā)的路線上來。 

5

Predix平臺和Predix應(yīng)用

Predix上的應(yīng)用，與傳統(tǒng)意義上的工業(yè)設(shè)計（PLM）、工業(yè)生產(chǎn)（MES、ERP）、工業(yè)營銷（CRM、e-Commerce)以及倉儲物流管理（WMS）等有很大的差別。Predix上的應(yīng)用包括了三個級別的應(yīng)用：設(shè)備級別、過程級別和業(yè)務(wù)級別的應(yīng)用。而Predix重點強(qiáng)調(diào)的，是前兩個級別的應(yīng)用。