导读:2018年,工业物联网(IIOT)技术成为重要的“风口”,尤其在智能制造2025政策下,众多制造企业积极引入IIOT。然而,如何在复杂的工业物联网领域找到方向并快速获取价值,成为一个重要的命题。
2018年,工业物联网(IIOT)技术成为重要的“风口”,尤其在智能制造2025政策下,众多制造企业积极引入IIOT。然而,如何在复杂的工业物联网领域找到方向并快速获取价值,成为一个重要的命题。
近日,麦肯锡对众多制造企业进行了调查,并提出了八个有效方法,建立可扩展的工业物联网架构,对于企业具有参考意义。本文将对该调查的结果进行分享,欢迎阅读。
转载自麦肯锡咨询。
几乎所有全球制造商都在测试工业物联网(IIoT)技术,但在麦肯锡最近的一次调查中,接近70%的企业主管表示他们的物联网项目陷入了试点困境,无法在公司层面推广。不仅如此,受访者还表示只有15%的工业物联网项目在一年内形成了规模, 而其中1/4项目的试点期超过了两年。
这显然不尽人意,企业要在工业4.0时代保持竞争力,单靠试点显然无法达成。更糟糕的是,由于试点通常不能穷尽物联网主导的技术转型带来的各种可能,因此不免会因缺乏长期愿景和蓝图而被取消。但好消息是:合理地设计信息技术/运营技术(IT/OT)架构,将有助于企业开展充满活力的工业物联网试点项目,从而加速实现规模效益 。
试点项目通常因选取范围有限,不能很好地被扩展而陷入困境。鉴于此,设计出能为整个公司达成端到端价值的用例就势在必行。这也意味着要从一开始就着手设计整个IT/OT架构,并将所有用例包含进去。IT/OT环境日趋复杂,在为用例排序时必须考虑以下两点:
1. 预先设定与业务价值创建相关的KPI,并据此确定用例的优先级;
2. 构建支持这些用例所需的技术能力,同时构建技术架构方案(又称“平台”)和专门针对这些用例的应用。
工业物联架构与自动化架构平行发展
在上篇博文中,我们提到在工业场景下构建可扩展的技术架构尤其困难,并描述了导致困难的因素,比如工业自动化生态系统的复杂性、形式各样的传感器系统、无法互联互通的传统机器设备以及 IT 和 OT 之间的协调性不足等。
正因为如此,工业企业常常无法确定应怎样以最有效的方式,寻找真正能解锁数据和分析价值的解决方案。各类型的供应商均在把握趋势,引入新技术,旨在确保自身能在这数十亿美元的市场中分得一杯羹(如图)。
一方面,具有一定规模的传统工业自动化供应商对控制点拥有强大的影响力,他们正在引入互补的物联网解决方案,帮助制造商部署端到端的工业物联网平台。另一方面,这一竞争领域还有分别来自于 OT 和 IT 领域的成熟供应商,每家都有不同的技术优势。其中一些正尝试建立覆盖绝大多数 IT/OT 自动化架构的产品,而另一些则坚持专注于某一专业领域。
我们调查了5家顶尖的自动化供应商,发现他们大多还正在拓展自身的工业物联网产品和能力。因此,整个版图还未确立。以这些供应商为例,在其架构较为成熟的领域,他们能提供近50种专有技术,比如制造执行系统以及类似的技术,此外,工业用例的标准化还尚未开始。我们还发现,多家大型供应商缺乏在自动化、人机交互、传感器和无线射频识别(RFID)等领域的服务 。
传统软件供应商也在纷纷尝试解决工业物联网问题
让问题更复杂的是,传统软件供应商也正在竞争工业云生态系统的市场份额。他们大多数以自下而上的方式进入该生态系统,首先成为基础设施即服务(IaaS)提供者,进而展开平台即服务(PaaS)的垂直整合,最后形成非工业软件即服务(SaaS)。这种自然延伸的结果就是实现工业软件即服务的供给。
至于自动化架构,多家大型行业参与者正在发起竞争,但还未出现明显的领导者。对于工厂运营商而言,他们与 IT 和 OT 的技术服务供应商们建立了成熟友好的合作关系,但他们也几乎不可能预测谁将独占鳌头,因此其内部团队不得不绞尽脑汁对供应商们不断提升的服务进行甄选。眼下唯一清楚的是,没有哪家供应商能满足一家公司的所有需求。
建立可扩展的工业物联网架构的有效方法
了解你的起点和目标助于你在最复杂的环境中寻找方向。对于建立可扩展的工业物联网平台来说,也同样如此。我们建议我们的客户在启动工业物联网试点时采取以下步骤。在未来的博文中,我们将用适当的例子逐个深入探讨这些步骤:
首先,制定一张可靠的用例清单。不仅要关注工厂本身,还要扩展到供应链和设计之中,并用实现完整价值链的数字化视角看待这一过程。这张清单不一定要穷尽所有,但应该具有代表性,涵盖的架构能为我们实现目标。随后,你可以为每个用例确定相应的技术架构要求,确保技术最终能以合适的速度和成本达到你需要的规模。
根据业务需要制定未来的参考架构。首先,对从工厂到整个企业的现有 IT/OT 架构进行评估,关注包括技术架构、制造应用和工具在内的所有方面。同时,回顾以往的工业物联网试点,识别出阻碍项目推进的痛点。
预先安排数据专家介入。让数据科学家参与参考架构的设计来避免实施过程中的延期和不必要的迭代,因为数据科学家清楚地知道在建立分析模型时将需要哪些数据。数据科学家也需要与流程工程师合作,旨在确保数据源头采集的准确性和使用的恰当性。
定义核心构架。在选择平台、供应商生态系统或混合方法时评估利弊,然后再与总方向对齐。
推荐针对用例的技术方案。就优先用例的技术架构要求达成共识并编制决策标准。根据决策标准为工业物联网平台提供商进行定制化评估,以识别最优方案。
根据技术能力和人才能力选择供应商。虽然获取恰当的技术至关重要,但其作用的发挥却取决于系统整合能力。
短期来看,为优先用例部署技术。对于优先用例,将精心挑选的供应商引入组织生态系统。
长期来看,制定和调整 IT/OT 蓝图。起草IT和OT蓝图,与组织更广泛的业务目标和核心技术保持一致,并不断整合和优化。但须注意,时间长度和ERP实施需要多长时间有很大不同。
该方法将帮助你的公司在复杂的工业物联网领域找到方向并快速获取价值。