工业互联网的江湖：我们需要对制造业有敬畏之心

小苏打嗝

如赵敏老师所言 " 工业互联网平台这个大江湖太热了，热的江湖的谁都快煮开起泡了 "，各地风起云涌的 " 工业互联网 " 大会有 " 世界 " 或 " 全球 "、" 中国 "、"XX 省 " 各种级别与规格，请的大佬都是威名远扬，百万 APP、企业上云，真是 " 风景这边独好 " 繁荣景象，然而，却有太多的工业人对此表示质疑—并非是工业界的人有酸葡萄心理，而是 " 现场有神明 " —似乎在工业现场的人并不是这么高调张扬，这种感觉就像一帮人在讨论你们家的马的病该怎么治，你却发现自己家只有一头耕地的牛啊！
就像在某次工业互联网大会上，有一位做 " 数字化转型 " 的，我真心不知道这是干什么的公司，实在太抽象了，后来我问具体是什么业务，说通过互联网提升制造业的能力—我听了后跟他说 " 可是生产现场过去没有 Internet，今天也没有 Internet，未来也不大会有 Internet" —如果你说的是工厂的办公室，有，可是，现场生产从来就没有 Internet 啊！
工业互联网到底是谁的事情？</b>
让我们艳羡不迭的是 IT 的世界不乏光鲜亮丽，混迹工业互联网江湖的人特别擅长包装，经常扮演着以 " 互联网思维 " 的成功学大师角色的人大有人在，似乎振臂一挥天下归心的气势，能够混的平头老百姓家都知道的 IT 界人士真的很多，但说起 OT 圈的大佬除了自己圈子以及他的亲戚朋友知道，一般普通大众显然是不知道的，这种与生俱来的英雄领袖气质也影响了制造业，似乎织造了一个充满弯道超车捷径的网。
记得有一次工业互联网的大佬们说通过大数据可以提升风力发电机组的发电效率，我就质疑到，我们做控制系统的所要做的不就是获得叶片的 " 最大叶尖速比 " 吗？我已经调节到最大了，你怎么才能更大呢？那如果风向改了呢？-- 那我不是有偏航系统吗？那通过大数据可以避免对电网的冲击，那我们控制系统不是有 " 低电压穿越 " 功能吗？那我可以进行预测性维护—不好意思，如果你的机器有那么多故障信号，我想这家公司的风力发电机组已经被市场给淘汰了，再简单不过的逻辑—你有那么大量的故障信息让你学习？但是，如果你没有那么多故障—你学习的精度就会有问题啊！
工业互联网如华为任正非先生所说的" 我们不要炫耀锄头，而忘记了锄地 "—真正的连接不是那个物理的互联网，而是由 " 价值 " 所构成的网络，你提供什么样的价值给你的客户？你的生产需要什么样的协同？如何提高信息的效率，这些都基于 " 运营管理 " 水平的规划与设计，而工业互联网只是一个工具。
是应用为先，还是架构为先？</b>
Mcrazy 提醒了我，IT 的思维与 OT 思维的差异在思维模式的结构，IT 是一个自上而下的架构，强调平台架构设计，而 OT 则是自下而上的执行，先解决局部的问题，然后解决全局的问题，因为，局部的问题不解决，对于控制而言，你是连基本的生产精度、生产效率都无法满足，你根本就不要谈向上的数据传输的—因为你都没有测量准确，你要那些数据干什么？
IT 与 OT 的确在相互融合，但 OT 厂商也在积极的借助于 IT 技术来帮助自己实现 " 优化 "，而 OT 迈向工业互联网是以自身测量、控制已经实现的既有模型为基础来进行一级级的数据集成，并进行优化，OT 比 IT 的优势在于我了解现场，IT 不了解现场所规划的就造成其想法无法执行。
这两种路径，哪种对工业现场更适合？似乎不言而喻—架构全局是好的，但如果你不了解对象，这个就无法落地。
工业场景与商业场景的差异</b>
IT 出身的人擅长架构，也擅长软件，但其对象往往非是物理实体，或者并非是 " 周期性 " 控制任务，而控制任务，都是基于 " 等时同步 " 的周期性信号采集，且执行对象是物理的阀门与执行器、液压对象、伺服电机等，这些对象本身就有自身的机械、材料特性。
工业现场的人不敢肆意描绘，夸夸其谈在于敬畏 --因为工业需要更为稳定可靠、周期性的传输，需要多年的积累工艺 Know-How，会有人员伤亡，会导致大的成本损耗。因此，不会轻易的做出 " 承诺 "-- 可以如何提升效率，勾勒未来美好前景 -- 若仅仅在 PPT 上是无法说服制造业的人的。
制造分为离散的对材料进行物理的加工，流程中多是对材料的化学反应，在寻找生产的经济性过程中，有太多的约束条件，就像注塑机打一个材料要对其进行工艺的摸索，材料的种类可能有上千种，产品的规格也是变化多样，那么对于每个产品而言，其工艺控制就是一个非常需要累积的过程，在纺纱的匀整领域，乌斯特积累了 200 年，在金属热处理工艺领域的知识与经验决定了材料的水平，而这些一直都是中国制造业的 " 强基 " 无法跨越的必然路径。
工业不是 " 互联网 " 思维可以快速迭代，或者病毒式复制的高速成长的，所谓的 " 互联网思维 " 成功学故事都是告诉很多人如何快速把握资本 " 风口 "，快速致富，股票、期权、创业团队、风投，这是互联网思维的影响力刺激了人们 " 致富 " 的欲望，然而，互联网思维在工业领域需要以 " 禅定 " 的积累与发展而言，是不对路的，因此，在一段时间里很多人对此路径产生了怀疑，什么场景能够快速复制？
数字化于制造业是有益的，数据连接也是有益的，互联网思维也是可以借鉴的—比如跨界思维、用户思维，这些都是必然需要纳入工业领域的，助力其升级的。然而，今天很多人所谈论的 " 互联网思维 " 却并非出于为制造业的发展，而是一种急功近利，快速致富的欲望。
工业哪里有那么简单？</b>
人们谈百万 APP，希望通过工业互联网实现百万 APP 上云，其实，这些跟工业都没有什么关系，大部分应用就目前来看就是 " 显示 " 呈现这样的任务。
其实，工业互联网本身第一步就是连接问题，而这个场景里目前存在的大量公司干的都是 " 体力活 "—就是为不同的行业提供数据的连接，将复杂的现场总线连接起来，之前有朋友问及有多少现场总线，我找了份资料有 50 多种，IEC 列为标准的也有 18 种，而由这些总线接口之上产生的 " 协议 " 则有数千种，而这些是目前大部分 " 工业互联网 " 公司在干的事情，实际上就是 " 导表 "，将机器的数据对象字典中的数据与上位软件的变量映射起来。
TSN 应运而生 - 工业互联网不同于 internet
连接是工业互联网的第一个障碍，另外一个障碍就是牵扯到数据的所有权问题了，你说我卖了台机器给你，那这个机器的参数就是你的了吗？我卖了控制系统给做机器的，那么这个控制器的技术就也卖给机器制造商了吗？这就像你买了部 iPhone，那这个手机里的信息就属于 APPLE 这家公司了吗？
如果只是生产状态这些参数，倒也无妨，如果是牵扯到工艺的参数呢？这是机器制造商的 Know-How，这些数据是不能开放的，而不开放的话，就存在数据不完整，不完整的数据得出的结论就是不完整的。
基于大数据的应用在工业场景里的难点在于 " 小数据，大应用 "，其实，工业的数据量相对于图形图像处理、金融交易、摩拜单车而言，数据并非是很大，虽然周期性的数据可以按照 mS 来刷新，可是用于振动监测的故障数据并非很大，因为很大的前提是得有大量故障，而这是不允许的。
以应用需求为导向，自然的发展路径</b>
与工业互联网江湖不同，来自自动化业界的企业也都开始迈向这个方向，但是，显然比较谨慎，自动化行业的每个针对工业的应用都是来自于产业的实际需求，在这里，IT 是一个工具，通过跨界的工具融合来解决产业实际问题，这是自动化界的人干工业互联网的出发点。
比如：我的客户要解决控制之外，产线的连接，要把注塑机和机器人连接起来，我需要接口，大家就去推动 EUROMAP，包装工业需要连接灌装、贴标就去推动 PackML 的标准，要把机床连接起来，推动 MTConnect，然后发现这些机器可能会产生混合的生产，那么就统一规范 OPC UA，而为了实现与 IT 的交互，推动 TSN 技术。
OPC UA 在不断寻求解决工业互联网的问题
每一项技术都是来源于制造现场的需求，而我们制定百万工业 APP 的时候想过这些 APP 来干什么吗？
每个垂直的工业行业都有他们的应用 Know-How，这些都是工业界的人积累了数十年的经验。其实，很多不了解工业现场的互联网人以为自己很厉害，什么都可以干，其实，AI 在制造业也有很多年了，IT 对于制造业而言是个工具，以前计算能力不足，因此很多 AI 的应用并没有被推动，而现在有了经济性，很多应用才有可能实现，很多技术并非 IT 的创新，IT 只是凭借商业应用降低了技术的门槛，使得工业应用具有了可行性。
Know-How 仍然是在工业本身，IT 仅是一个工具，而非制造的本质。
工业互联网，我们需要对制造业现场的敬畏，就像稻盛和夫所说 " 现场有神明 " —不到现场，不了解现场，就要做工业的互联，这个非常可怕，也会无法落地，再引用任正非先生的话 " 让听到炮火的人决策 "--让离现场近的人来引导制造业，我们要敬畏现场。