工業(yè)數(shù)字化是制造強(qiáng)國(guó)的必由之路

在新一輪信息技術(shù)與制造業(yè)融合的趨勢(shì)下，新時(shí)代的“工業(yè)革命”正席 卷全球。在大數(shù)據(jù)、人工智能、工業(yè)互聯(lián)網(wǎng)等新興技術(shù)快速發(fā)展的背景 下，我們認(rèn)為工業(yè)數(shù)字化是制造強(qiáng)國(guó)的必經(jīng)之路，隨著工業(yè)數(shù)字化程度 的不斷深化，將有助于我國(guó)加快建設(shè)成工業(yè)制造強(qiáng)國(guó)，提升我國(guó)工業(yè)在 全球的競(jìng)爭(zhēng)力。

大數(shù)據(jù)是工業(yè)數(shù)字化的入口

隨著數(shù)字化浪潮在工業(yè)領(lǐng)域的滲透，數(shù)據(jù)已經(jīng)成為工業(yè)領(lǐng)域新的“生產(chǎn) 資料”，根據(jù) IDC 的統(tǒng)計(jì)，2019 全球數(shù)據(jù)量達(dá)到 42ZB，預(yù)計(jì) 2022 年達(dá) 到 163ZB，復(fù)合增速為 57%。工業(yè)數(shù)據(jù)在工業(yè)領(lǐng)域的應(yīng)用場(chǎng)景也不斷增 加，根據(jù)賽迪統(tǒng)計(jì)，2019 年我國(guó)工業(yè)大數(shù)據(jù)市場(chǎng)達(dá)到 146.9 億元，預(yù)計(jì) 未來(lái)保持 30%以上的高增長(zhǎng)。作為工業(yè)數(shù)字化的重要入口，雖然工業(yè)數(shù) 據(jù)在采集過(guò)程中會(huì)遇到數(shù)據(jù)完整性、數(shù)據(jù)質(zhì)量等方面的困難，但諸如工 況分割、數(shù)據(jù)清洗、數(shù)據(jù)質(zhì)量檢測(cè)、數(shù)據(jù)樣本平衡、數(shù)據(jù)分割等數(shù)據(jù)預(yù)處理方式的興起也大大提升了工業(yè)數(shù)據(jù)的可靠性和可用性。

人工智能是工業(yè)數(shù)字化的大腦

在數(shù)據(jù)、算法、算力等基礎(chǔ)要素得到充足發(fā)展后，人工智能有了實(shí)現(xiàn)的 基礎(chǔ)。鑒于人工智能在社會(huì)各個(gè)領(lǐng)域內(nèi)的巨大潛在應(yīng)用市場(chǎng)，我國(guó)已經(jīng) 在 2017 年發(fā)布的《新一代人工智能發(fā)展規(guī)劃》中將人工智能戰(zhàn)略上升為 國(guó)家戰(zhàn)略，人工智能產(chǎn)業(yè)水平不管從企業(yè)數(shù)量還是全球申請(qǐng)專(zhuān)利情況來(lái) 看都位于領(lǐng)先行列。人工智能的發(fā)展也為制造業(yè)發(fā)展帶來(lái)了良機(jī)，有望 從素質(zhì)維度、體質(zhì)維度以及本質(zhì)維度全面提升工業(yè)制造水平。目前人工 智能已經(jīng)在工業(yè)領(lǐng)域的多個(gè)應(yīng)用場(chǎng)景得到應(yīng)用，比如智能生產(chǎn)場(chǎng)景的工業(yè)視覺(jué)檢測(cè)以及設(shè)備管理領(lǐng)域的預(yù)測(cè)性維護(hù)。

工業(yè)互聯(lián)網(wǎng)集大數(shù)據(jù)和 AI 之大成

在人口老齡化，用工成本上升的趨勢(shì)下，各地政策齊發(fā)力，推動(dòng)制造業(yè) 向以智能化為代表的工業(yè) 4.0 邁進(jìn)。其中以 MES 為代表的生產(chǎn)環(huán)節(jié)， 逐步向工業(yè)互聯(lián)網(wǎng)領(lǐng)域升級(jí)，終極智能制造是一個(gè)從 IOT、大數(shù)據(jù)、AI、 工業(yè)互聯(lián)網(wǎng)平臺(tái)逐步上臺(tái)階的過(guò)程。IOT 平臺(tái)對(duì)接生產(chǎn)環(huán)節(jié)海量的 IOT 設(shè)備，并獲取數(shù)據(jù)，進(jìn)行初步分析；大數(shù)據(jù)平臺(tái)實(shí)現(xiàn)生產(chǎn)環(huán)節(jié)的數(shù)據(jù)可 視化，對(duì)數(shù)據(jù)進(jìn)行模型建立，并進(jìn)行分析和預(yù)測(cè)；AI 工業(yè)應(yīng)用智能平臺(tái) 形成對(duì)生產(chǎn)的預(yù)測(cè)，并自適應(yīng)調(diào)整生產(chǎn)系統(tǒng)。

工業(yè)互聯(lián)網(wǎng)安全是智能制造的重要保障

工控領(lǐng)域信息安全事件頻出，關(guān)鍵信息基礎(chǔ)設(shè)施被攻擊將對(duì)國(guó)計(jì)民生造 成直觀的嚴(yán)重影響，因此政策以“工業(yè)互聯(lián)網(wǎng)+安全生產(chǎn)”為抓手進(jìn)行推 動(dòng)。工業(yè)互聯(lián)網(wǎng)安全與生產(chǎn)系統(tǒng)緊密結(jié)合，基于大數(shù)據(jù)和 AI 的工業(yè)態(tài)勢(shì) 感知成為更完整的安全方案，確保智能化的工業(yè)系統(tǒng)安全運(yùn)營(yíng)。

大數(shù)據(jù)是工業(yè)數(shù)字化的入口

工業(yè)大數(shù)據(jù)市場(chǎng)規(guī)?？焖僭鲩L(zhǎng)

數(shù)據(jù)成為工業(yè)領(lǐng)域新的“生產(chǎn)資料”。根據(jù) IDC 數(shù)據(jù)，2019 全球數(shù)據(jù)量達(dá)到 42ZB， 預(yù)計(jì) 2022 年達(dá)到 163ZB，復(fù)合增速為 57%。大數(shù)據(jù)急速膨脹不斷在各個(gè)領(lǐng)域 催生新的應(yīng)用生態(tài)，工業(yè)領(lǐng)域成為下一個(gè)藍(lán)海。隨著我國(guó)工業(yè)自動(dòng)化、信息化 水平不斷提升，數(shù)據(jù)市場(chǎng)也在快速增長(zhǎng)。根據(jù)賽迪顧問(wèn)，2019 年我國(guó)工業(yè)大數(shù) 據(jù)市場(chǎng)達(dá)到 146.9 億元，預(yù)計(jì)未來(lái)保持 30%以上的高增長(zhǎng)。工業(yè)數(shù)據(jù)涵蓋企業(yè) 運(yùn)營(yíng)、產(chǎn)品生產(chǎn)、工藝流程、市場(chǎng)銷(xiāo)售等多個(gè)環(huán)節(jié)的信息，深度挖掘?qū)⒋蠓?升生產(chǎn)效率、降低生產(chǎn)成本，已經(jīng)成為當(dāng)前智能制造新的“生產(chǎn)資料”。

制造過(guò)程數(shù)據(jù)的提取挖掘，是當(dāng)前智能制造邁上新臺(tái)階的關(guān)鍵。根據(jù)數(shù)據(jù)來(lái)源， 工業(yè)大數(shù)據(jù)可分為企業(yè)運(yùn)營(yíng)相關(guān)的數(shù)據(jù)、企業(yè)外部數(shù)據(jù)、制造過(guò)程的數(shù)據(jù)。在 經(jīng)過(guò)多年企業(yè)信息化發(fā)展后，企業(yè)管理 ERP、銷(xiāo)售 CRM 等內(nèi)部運(yùn)營(yíng)類(lèi)數(shù)據(jù)已 經(jīng)有了一定的積累。互聯(lián)網(wǎng)的快速發(fā)展，也為售后服務(wù)、產(chǎn)品跟蹤、市場(chǎng)運(yùn)營(yíng)、 行業(yè)發(fā)展提供了廣闊的數(shù)據(jù)支持。而當(dāng)前最重要的，則是生產(chǎn)制造環(huán)節(jié)的數(shù)據(jù) 挖掘。工業(yè)制造已經(jīng)由 3.0 的自動(dòng)化，逐步邁向 4.0 的智能化。以智能制造設(shè) 備、工業(yè)機(jī)器人、各類(lèi)傳感器、智能儀器儀表為核心，通過(guò)構(gòu)建廣泛的物聯(lián)網(wǎng) 生產(chǎn)系統(tǒng)，匯聚生產(chǎn)過(guò)程中的物料、加工、流程等多維度數(shù)據(jù)，實(shí)現(xiàn)生產(chǎn)過(guò)程 的全面優(yōu)化。從客戶需求到銷(xiāo)售、訂單、計(jì)劃、研發(fā)、設(shè)計(jì)、制造、采購(gòu)、供 應(yīng)、庫(kù)存、售后服務(wù)、運(yùn)維等整個(gè)企業(yè)和產(chǎn)品全生命周期各個(gè)環(huán)節(jié)，工業(yè)大數(shù) 據(jù)打通后，利用人工智能技術(shù)，實(shí)現(xiàn)真正智能制造。

工業(yè)數(shù)據(jù)的可靠可用是數(shù)字化應(yīng)用的前提

工業(yè)數(shù)據(jù)是整體應(yīng)用框架的第一步，入口價(jià)值凸顯。根據(jù)中國(guó)電子技術(shù)標(biāo)準(zhǔn)化 研究院的《工業(yè)大數(shù)據(jù)白皮書(shū)》，整個(gè)工業(yè)大數(shù)據(jù)的應(yīng)用分析框架分為 5 個(gè)部分， 分別為數(shù)據(jù)提供者、系統(tǒng)協(xié)調(diào)者、應(yīng)用提供者、大數(shù)據(jù)框架提供者以及數(shù)據(jù)消 費(fèi)者：1）數(shù)據(jù)提供者主要就是為后續(xù)系統(tǒng)的分析和演繹提供高質(zhì)量的數(shù)據(jù)；2） 系統(tǒng)協(xié)調(diào)者主要職責(zé)在于規(guī)范和集成各類(lèi)所需的數(shù)據(jù)應(yīng)用活動(dòng)；3）大數(shù)據(jù)框架 提供者主要是為數(shù)據(jù)消費(fèi)者提供各種處理方式和工具；4）工業(yè)大數(shù)據(jù)應(yīng)用提供 者，主要將原始數(shù)據(jù)進(jìn)行收集、預(yù)處理、分析、可視化等操作后給數(shù)據(jù)消費(fèi)者； 5）數(shù)據(jù)消費(fèi)者主要職責(zé)就是將數(shù)據(jù)高效利用到生產(chǎn)、設(shè)計(jì)、服務(wù)等各個(gè)環(huán)節(jié)。 所以，從整個(gè)工業(yè)大數(shù)據(jù)應(yīng)用框架來(lái)看，工業(yè)數(shù)據(jù)作為整個(gè)應(yīng)用框架的入口有 非常重要的作用，提供數(shù)據(jù)的質(zhì)量高低、預(yù)處理數(shù)據(jù)的效果好壞都直接影響著 最終工業(yè)數(shù)據(jù)的應(yīng)用效果。

工業(yè)數(shù)據(jù)的質(zhì)量問(wèn)題可以通過(guò)預(yù)處理進(jìn)一步加強(qiáng)。目前，在工業(yè)大數(shù)據(jù)的應(yīng)用 中，工業(yè)數(shù)據(jù)還有數(shù)據(jù)分散、數(shù)據(jù)質(zhì)量差以及數(shù)據(jù)受背景影響較大等問(wèn)題。具 體來(lái)說(shuō)：1）數(shù)據(jù)分散是指工業(yè)數(shù)據(jù)零散地分布在各個(gè)系統(tǒng)中，比如 PLC、SCADA、 DCS 系統(tǒng)從機(jī)器設(shè)備實(shí)時(shí)采集的數(shù)據(jù)，數(shù)據(jù)交換接口同步的數(shù)據(jù)，以及存放在 公司數(shù)據(jù)庫(kù)的業(yè)務(wù)數(shù)據(jù)等，這些零散的數(shù)據(jù)采集回來(lái)之后需要進(jìn)一步的歸類(lèi)和 分析；2）數(shù)據(jù)質(zhì)量差是指由于工廠復(fù)雜的應(yīng)用環(huán)境，通過(guò)傳感器采集的數(shù)據(jù)會(huì) 包含很多的噪音數(shù)據(jù)，影響后期進(jìn)一步的分析和應(yīng)用；3）數(shù)據(jù)受到設(shè)備參數(shù)設(shè) 定、工況、環(huán)境等背景信息的影響，主要是因?yàn)楣S生產(chǎn)實(shí)踐較為復(fù)雜，影響 數(shù)據(jù)的因素較多。

可以通過(guò)多種數(shù)據(jù)預(yù)處理方法有效提高數(shù)據(jù)質(zhì)量。針對(duì)前文所述的工業(yè)數(shù)據(jù)質(zhì) 量問(wèn)題，可以通過(guò)多種數(shù)據(jù)預(yù)處理方式對(duì)數(shù)據(jù)進(jìn)行處理，以提高其可靠性、可 用性，目前來(lái)說(shuō)，主要的處理方法有工況分割、數(shù)據(jù)清洗、數(shù)據(jù)質(zhì)量檢測(cè)、數(shù) 據(jù)歸一化、數(shù)據(jù)樣本平衡、數(shù)據(jù)分割等。具體來(lái)說(shuō)：1）工況分割，主要是將設(shè) 備在不同運(yùn)行狀態(tài)下的數(shù)據(jù)分割出來(lái)，做有針對(duì)性的信號(hào)處理與特征提取，常 用的工況分割變量有速度參數(shù)、環(huán)境參數(shù)、負(fù)載信息等；2）數(shù)據(jù)清洗，將數(shù)據(jù) 中存在的異常點(diǎn)盡可能的剔除，降低對(duì)后續(xù)模型訓(xùn)練的干擾；3）數(shù)據(jù)質(zhì)量檢測(cè)， 通常關(guān)注數(shù)據(jù)特性本身、建模有效性、以及領(lǐng)域相關(guān)的質(zhì)量標(biāo)準(zhǔn)，針對(duì)不同的 數(shù)據(jù)進(jìn)行不同的質(zhì)量檢測(cè)；4）數(shù)據(jù)歸一化，將數(shù)據(jù)轉(zhuǎn)換到同樣的分布或者取值 區(qū)間，來(lái)提升數(shù)據(jù)建模精度，加速參數(shù)優(yōu)化求解的過(guò)程；5）數(shù)據(jù)樣本平衡，主 要針對(duì)采集的數(shù)據(jù)標(biāo)簽不均的問(wèn)題，比如，設(shè)備運(yùn)行 1 小時(shí)的數(shù)據(jù)中可能只有 1 分鐘的數(shù)據(jù)是異常的，可以通過(guò)重采樣或者欠采樣等不同的采樣方法來(lái)改善 數(shù)據(jù)不同類(lèi)別之間的平衡性；6）數(shù)據(jù)分割，主要是將數(shù)據(jù)集分割為多份，用作 不同的目的，一般分為用于訓(xùn)練模型的訓(xùn)練集、對(duì)模型進(jìn)行參數(shù)優(yōu)化的驗(yàn)證集 以及用來(lái)得到最終模型的測(cè)試集。

人工智能是工業(yè)數(shù)字化的大腦

我國(guó)人工智能產(chǎn)業(yè)發(fā)展位居全球前列

數(shù)據(jù)是人工智能的基礎(chǔ)，算力是人工智能的動(dòng)力，算法是人工智能的工具。從 人工智能的發(fā)展歷史來(lái)看，經(jīng)歷了三起三落的發(fā)展過(guò)程，從達(dá)特茅斯會(huì)議首次 提出人工智能，到霍普菲爾德神經(jīng)網(wǎng)絡(luò)被提出，再到 Hinton 提出深度學(xué)習(xí)神經(jīng) 網(wǎng)絡(luò)，目前的人工智能已經(jīng)具備了大發(fā)展的基礎(chǔ)：大數(shù)據(jù)時(shí)代的到來(lái)為人工智能提供了源源不斷的基礎(chǔ)材料；CPU、GPU、FPGA 的性能提升以及異構(gòu)計(jì)算 的發(fā)展都為人工智能提供了強(qiáng)大的算力；以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等算法的發(fā)展 也為人工智能的應(yīng)用提供了實(shí)現(xiàn)的工具。

人工智能戰(zhàn)略上升為國(guó)家戰(zhàn)略，國(guó)內(nèi) AI 產(chǎn)業(yè)迎來(lái)大發(fā)展。鑒于人工智能在社會(huì) 各個(gè)領(lǐng)域內(nèi)的巨大潛在應(yīng)用市場(chǎng)，我國(guó)在政策上也為產(chǎn)業(yè)營(yíng)造了較為友好的發(fā) 展氛圍，2017 年我國(guó)發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，將人工智能上升為 國(guó)家戰(zhàn)略，確立了人工智能產(chǎn)業(yè)的三步走發(fā)展目標(biāo)。同時(shí)，不僅僅是我國(guó)，全 球其他國(guó)家也都十分重視人工智能的發(fā)展，比如日本也提出了人工智能三階段 發(fā)展戰(zhàn)略、韓國(guó)提出了人工智能五年規(guī)劃（投資 2.2 萬(wàn)億韓元）、新加坡 2017 年發(fā)布了“AI Singapore”戰(zhàn)略、澳大利亞發(fā)布了人工智能四年投資計(jì)劃等。

國(guó)內(nèi) AI 發(fā)展水平已處于世界前列。由于我國(guó)的人口數(shù)來(lái)基數(shù)大、應(yīng)用場(chǎng)景多樣 化，人工智能技術(shù)已經(jīng)在多個(gè)行業(yè)落地，根據(jù)艾瑞咨詢的數(shù)據(jù)，我國(guó)的人工智 能核心產(chǎn)業(yè)規(guī)模在 2019 年大于 510 億元，發(fā)展到 2022 年有望超過(guò) 1 萬(wàn)億元， 復(fù)合增長(zhǎng)率約 170%。我國(guó)的 AI 發(fā)展水平從人工智能企業(yè)數(shù)量和全球范圍內(nèi)人 工智能申請(qǐng)專(zhuān)利分布情況來(lái)看處于領(lǐng)先地位：1）根據(jù)六和咨詢和清華大學(xué)的聯(lián) 合數(shù)據(jù)，我國(guó) 2018 年人工智能企業(yè)數(shù)量為 1011 個(gè)，相比于美國(guó) 2028 個(gè)有一 定的差距，但是和全球其他國(guó)家相比仍處于領(lǐng)先地位；2）從艾瑞咨詢 2018 年 統(tǒng)計(jì)的全球人工智能專(zhuān)利申請(qǐng)的分布情況來(lái)看，中國(guó)地區(qū)的專(zhuān)利數(shù)量占比達(dá)到 37.1%位居第一，美國(guó)和日本緊隨其后，分別為 24.8%、13.1%，從專(zhuān)利的數(shù) 量方面來(lái)看，我國(guó)的人工智能發(fā)展?fàn)顩r良好。

人工智能為工業(yè)生產(chǎn)帶來(lái)發(fā)展良機(jī)

人工智能的運(yùn)用為工業(yè)智能制造帶來(lái)了發(fā)展良機(jī)。在傳統(tǒng)的工業(yè)生產(chǎn)中，主要 的品質(zhì)要素有三個(gè)：1）素質(zhì)維度，主要涉及的是工業(yè)生產(chǎn)中的能力、組織文化 和管理能力，這點(diǎn)在傳統(tǒng)生產(chǎn)過(guò)程中主要是靠人和人之間傳承進(jìn)行的，這方面 做的比較好的是日本；2）體質(zhì)維度，主要涉及設(shè)備、系統(tǒng)和流程，在以往是通 過(guò)標(biāo)準(zhǔn)化的工藝流程和優(yōu)秀的裝備設(shè)計(jì)制造能力實(shí)現(xiàn)的，德國(guó)在這方面做的比 較好；3）本質(zhì)維度，主要涉及的是創(chuàng)造價(jià)值，這個(gè)以往是以授權(quán)技術(shù)的方式為 基礎(chǔ)不斷進(jìn)行協(xié)同創(chuàng)新完成的。

在人工智能時(shí)代，上述的三個(gè)維度將發(fā)生較大 的不同，也為每個(gè)使用人工智能的工業(yè)企業(yè)或者國(guó)家?guī)?lái)了彎道超車(chē)的機(jī)會(huì)。 人工智能對(duì)于上述工業(yè)三個(gè)維度的改變，具體來(lái)說(shuō)：1）在素質(zhì)維度上，可以通 過(guò)數(shù)據(jù)化的方式將人的工作流程標(biāo)準(zhǔn)化，以達(dá)到后續(xù)穩(wěn)定傳承的效果；2）在體 質(zhì)問(wèn)題上，通過(guò)數(shù)據(jù)將問(wèn)題進(jìn)行顯性化，將設(shè)備的健康狀態(tài)進(jìn)行透明化管理， 保證設(shè)備的健康狀態(tài)以及整個(gè)工藝流程的穩(wěn)定性，提升產(chǎn)品質(zhì)量的穩(wěn)定性；3）在本質(zhì)維度上，利用綜合數(shù)據(jù)以及人工智能算法工具，發(fā)揮數(shù)據(jù)的價(jià)值，降低 運(yùn)營(yíng)成本、提升運(yùn)營(yíng)效率，達(dá)到協(xié)同創(chuàng)新的目的。

人工智能在工業(yè)領(lǐng)域的運(yùn)用和在其他行業(yè)中的應(yīng)用有所區(qū)別，具體來(lái)說(shuō)體現(xiàn)在 以下幾個(gè)方面：1）兩者定義不同，通用的人工智能可以應(yīng)用的方向較為廣泛， 是一種具有試錯(cuò)調(diào)整導(dǎo)向性的認(rèn)知科學(xué)，但是工業(yè)領(lǐng)域的人工智能是一種在工 程應(yīng)用中的系統(tǒng)訓(xùn)練及方法，具有快速性、系統(tǒng)性、可傳承性等特征，這點(diǎn)的 區(qū)別主要源自工業(yè)領(lǐng)域需要系統(tǒng)性的運(yùn)行方式；2）在功能方面，通用人工智能 主要是發(fā)散性的機(jī)會(huì)導(dǎo)向，比如自動(dòng)價(jià)值、分享經(jīng)濟(jì)、人臉識(shí)別等，而工業(yè)領(lǐng) 域的人工智能則面對(duì)的問(wèn)題是有限的，不需要通用性很強(qiáng)，但是要有針對(duì)性的 解決現(xiàn)存的問(wèn)題，所以功能是收斂性的；3）在應(yīng)用領(lǐng)域，工業(yè)人工智能主要是 幫助工業(yè)企業(yè)提高生產(chǎn)效率、增強(qiáng)產(chǎn)品品質(zhì)、降低生產(chǎn)成本和減少非必要庫(kù)存， 通用人工智能則可以應(yīng)用在如社交網(wǎng)絡(luò)、醫(yī)療、金融等多個(gè)領(lǐng)域；4）在算法工 具上，工業(yè)領(lǐng)域的人工智能也和通用人工智能一樣需要機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等 工具，但也對(duì)寬度學(xué)習(xí)、模糊學(xué)習(xí)等工具有需求。

工業(yè)人工智能相比通用人工智能有特殊的工業(yè)要素。正如上文所述，由于工業(yè) 企業(yè)的產(chǎn)生過(guò)程牽扯的變量較多，一般著眼于具體問(wèn)題的解決，所以人工智能 在工業(yè)系統(tǒng)中落地需要系統(tǒng)性考慮，要考慮的因素相較通用人工智能而言多了領(lǐng)域知識(shí)、事實(shí)依據(jù)以及反饋閉環(huán)等特有因素。具體來(lái)說(shuō)，在計(jì)算機(jī)平臺(tái)以及 大數(shù)據(jù)的基礎(chǔ)上進(jìn)行建模分析是通用人工智能都需要的因素，但是在工業(yè)應(yīng)用 中還需要：1）領(lǐng)域知識(shí)，需要對(duì)工業(yè)模型中的設(shè)備或者機(jī)理理解清楚，一般來(lái) 說(shuō)工業(yè)領(lǐng)域知識(shí)相比如語(yǔ)音識(shí)別、語(yǔ)音合成、圖像識(shí)別等通用人工智能而言較 為復(fù)雜；2）事實(shí)依據(jù)，在工業(yè)控制系統(tǒng)中，需要掌握能夠反應(yīng)目前系統(tǒng)狀態(tài)的 依據(jù)，以方便系統(tǒng)的臨時(shí)決策；3）反饋閉環(huán)，這點(diǎn)很重要，因?yàn)楣I(yè)系統(tǒng)一般 都是為了解決某個(gè)收斂性問(wèn)題而存在的，如果沒(méi)有反饋閉環(huán)則系統(tǒng)無(wú)法判斷實(shí) 際輸出的結(jié)果和理想結(jié)果之間的差異，這點(diǎn)和比如人工智能在人臉識(shí)別方面的 應(yīng)用不同（人臉識(shí)別應(yīng)用不需要對(duì)輸出結(jié)果判斷是否正確）。

工業(yè)人工智能應(yīng)用眾多前景廣闊

目前， 人工智能正在從消費(fèi)、互聯(lián)網(wǎng)等領(lǐng)域逐步向工業(yè)領(lǐng)域滲透。人工智能對(duì) 制造業(yè)的賦能正在全球范圍內(nèi)進(jìn)行，一方面由于工業(yè)制造業(yè)在全球 GDP 的占比 中較高，人工智能應(yīng)用的空間較大，另一方面由于目前全球的制造業(yè)確實(shí)遇到 了比如生產(chǎn)成本上升、生產(chǎn)線設(shè)計(jì)缺乏靈活性、產(chǎn)品質(zhì)量不穩(wěn)定等問(wèn)題。根據(jù) 德勤的統(tǒng)計(jì)調(diào)查與預(yù)測(cè)，人工智能在中國(guó)制造業(yè)的應(yīng)用前景廣闊，預(yù)計(jì) 2020 年應(yīng)用規(guī)模在 252.2 億元左右，到 2025 年將達(dá)到 2057.6 億元，復(fù)合增速維持 在 40%以上。

人工智能在工業(yè)領(lǐng)域應(yīng)用的場(chǎng)景很多。根據(jù)德勤的調(diào)查報(bào)告，目前工業(yè)企業(yè)對(duì) 于人工智能應(yīng)有需求的領(lǐng)域主要包括：1）智能生產(chǎn)應(yīng)用場(chǎng)景，比如工業(yè)視覺(jué)、 為自動(dòng)化生產(chǎn)工廠、訂單管理和自動(dòng)化生產(chǎn)排產(chǎn)、產(chǎn)品質(zhì)量監(jiān)控和缺陷管理等、 虛擬量測(cè)與過(guò)程質(zhì)量控制等；2 產(chǎn)品與服務(wù)應(yīng)用場(chǎng)景，比如縮短產(chǎn)品設(shè)計(jì)周期、 個(gè)性化客戶體驗(yàn)、識(shí)別新的商業(yè)機(jī)會(huì)、提升營(yíng)銷(xiāo)效率、客戶需求洞察等；3）企 業(yè)運(yùn)營(yíng)管理應(yīng)用場(chǎng)景，比如在財(cái)務(wù)、能源、人力資源和投資方面的管理；4）供 應(yīng)鏈管理應(yīng)用場(chǎng)景，比如設(shè)備預(yù)測(cè)性維護(hù)、配送管理、需求管理與預(yù)測(cè)、緊急 時(shí)間相應(yīng)、物流服務(wù)、資產(chǎn)與設(shè)備管理以及運(yùn)輸與網(wǎng)絡(luò)設(shè)計(jì)等。

應(yīng)用 1：人工智能在工業(yè)視覺(jué)領(lǐng)域的應(yīng)用 AI 軟件及算法是工業(yè)視覺(jué)的核心環(huán)節(jié)（略）。

應(yīng)用 2：人工智能在設(shè)備預(yù)測(cè)性維護(hù)的應(yīng)用（略）。

工業(yè)互聯(lián)網(wǎng)集大數(shù)據(jù) AI 之大成，開(kāi)啟工業(yè) 4.0 之路

工業(yè)數(shù)字浪潮掀起，多重政策大力推動(dòng)

AI 和大數(shù)據(jù)技術(shù)驅(qū)動(dòng)，制造業(yè)邁入工業(yè) 4.0 時(shí)代。制造業(yè)仍是全球經(jīng)濟(jì)發(fā)展的 核心支柱，信息技術(shù)的發(fā)展也在不斷為制造業(yè)賦能。早期工業(yè) 1.0 時(shí)期，以蒸汽機(jī)為代表，掀起了第一次工業(yè)革命；隨后電力的發(fā)展和應(yīng)用，推動(dòng)工業(yè) 2.0 的第二次工業(yè)革命。從 20 世紀(jì) 70 年代至今，電子和 IT 技術(shù)融合下的自動(dòng)化， 成為了當(dāng)前工業(yè)體系的基礎(chǔ)，大幅提升生產(chǎn)效率和安全性。隨著軟件技術(shù)，尤其是大數(shù)據(jù)、AI、物聯(lián)網(wǎng)等持續(xù)發(fā)展，智能化生產(chǎn)必將成為制造業(yè)下一個(gè)高峰。 以工業(yè)軟件為核心的工業(yè)互聯(lián)網(wǎng)平臺(tái)將驅(qū)動(dòng)工業(yè) 4.0 的新革命。

我國(guó)制造業(yè)升級(jí)迫在眉睫，工業(yè)互聯(lián)網(wǎng)成智能制造方向。中國(guó)作為“世界工廠”， 全球制造龍頭的地位正受到挑戰(zhàn)。尤其當(dāng)今國(guó)內(nèi)人口老齡化嚴(yán)重，年輕勞動(dòng)力 供給不足；而互聯(lián)網(wǎng)企業(yè)的高薪招人背景下，制造業(yè)用工成本逐漸上升，且招 人困難。制造業(yè)是我國(guó)的經(jīng)濟(jì)基石，為了保證制造業(yè)在國(guó)內(nèi)穩(wěn)步發(fā)展和轉(zhuǎn)型， 通過(guò)工業(yè)互聯(lián)網(wǎng)，打造智能工廠，盡量減少用工需求，成為制造業(yè)務(wù)發(fā)展的必 然方向。自 2015 年“中國(guó)制造 2025”提出后，我國(guó)在智能制造和工業(yè)互聯(lián)網(wǎng) 領(lǐng)域持續(xù)推出新政。在 2015-2020 期間，智能制造的轉(zhuǎn)型，更多的是在以云為 基礎(chǔ)設(shè)施的建設(shè)，以及標(biāo)準(zhǔn)梳理、示范項(xiàng)目為主。

積極催化，各地方已開(kāi)始進(jìn)入落地環(huán)節(jié)。在國(guó)家政策引導(dǎo)下，各地方也不斷推 出具體補(bǔ)貼政策支持工業(yè)互聯(lián)網(wǎng)發(fā)展。對(duì)于制造業(yè)較強(qiáng)的地方政策支持更為積 極，單就 2020 年，就有蘇州、佛山、青島、西安、廣州發(fā)布具體支持政策。 其中，尤其以制造業(yè)大省廣東省補(bǔ)貼范圍和強(qiáng)度最大。從各地補(bǔ)貼支持共性來(lái) 看，對(duì)于工業(yè)互聯(lián)網(wǎng)應(yīng)用、平臺(tái)給予不同程度的補(bǔ)貼，尤其是跨行業(yè)、跨領(lǐng)域 的工業(yè)互聯(lián)網(wǎng)平臺(tái)，支持力度最大。從 2021 年開(kāi)始，工業(yè)互聯(lián)網(wǎng)平臺(tái)有望進(jìn) 入密集落地環(huán)節(jié)。

MES 為生產(chǎn)環(huán)節(jié)核心，智能制造價(jià)值凸顯

MES 是制造業(yè)信息化的核心。企業(yè)生產(chǎn)運(yùn)營(yíng)管理流程一般分為計(jì)劃層、執(zhí)行層 和控制層：計(jì)劃層以 ERP 為代表，根據(jù)企業(yè)資源安排生產(chǎn)計(jì)劃；執(zhí)行層以 MES 為代表，根據(jù)計(jì)劃安排控制層的任務(wù)；控制層以PCS 為代表，直接對(duì)生產(chǎn)進(jìn)行 操作控制。MES 構(gòu)筑了上層計(jì)劃與底層控制之間的橋梁，是生產(chǎn)的核心環(huán)節(jié)。 具體來(lái)看，MES 是一套面向制造企業(yè)車(chē)間執(zhí)行層的生產(chǎn)信息化管理系統(tǒng)，包括 制造數(shù)據(jù)管理、計(jì)劃排程管理、生產(chǎn)調(diào)度管理、庫(kù)存管理、質(zhì)量管理等多種功 能模塊。在當(dāng)前智能制造的發(fā)展中，MES 作為整個(gè)生產(chǎn)環(huán)節(jié)知識(shí)的凝結(jié)，在云 和大數(shù)據(jù)的發(fā)展下，成為智能制造的基石。

MES 市場(chǎng)增長(zhǎng)有望加快，下游應(yīng)用領(lǐng)域廣泛。在我國(guó)制造業(yè)升級(jí)的過(guò)程中， MES 是制造企業(yè)通往智能制造的必經(jīng)之路。根據(jù)第三方測(cè)算，我國(guó) MES 軟件 市場(chǎng)規(guī)模在 50 億左右，整體仍然較小。隨著政策不斷催化，以及產(chǎn)業(yè)內(nèi)部壓力 下降本增效的持續(xù)需求，MES 市場(chǎng)整體增速有望向上。從下游來(lái)看，MES 已經(jīng)廣泛應(yīng)用于鋼鐵、機(jī)械、汽車(chē)、輕工、化工等行業(yè)。隨著工業(yè)互聯(lián)網(wǎng)在各個(gè) 行業(yè)逐步落地，MES 的升級(jí)和改造也會(huì)帶動(dòng)市場(chǎng)的高速成長(zhǎng)。

智能制造優(yōu)勢(shì)已經(jīng)顯現(xiàn)。根據(jù)數(shù)字化智慧工廠 SaaS+解決方案提供商云棲智造 的案例，其通過(guò)核心“數(shù)據(jù)中臺(tái)”和“業(yè)務(wù)中臺(tái)”雙中臺(tái)技術(shù)架構(gòu)驅(qū)動(dòng)，結(jié)合 工業(yè)物聯(lián)網(wǎng)、機(jī)器視覺(jué)、AI、5G 等新興技術(shù)幫助制造業(yè)企業(yè)打造數(shù)字化智慧工 廠。以年產(chǎn)值 3 千萬(wàn)的 200 人離散型工廠為例，云棲智造的方案可以減少 75% 的管理人士、提高 75%的生產(chǎn)效率、縮短 53%的交貨周期、提高 10%的良品 率、減少 73%的物料滯留、提高 16%的設(shè)備利用率。智能制造價(jià)值顯著，工業(yè) 4.0 升級(jí)已經(jīng)成為眾望所歸。

工業(yè)互聯(lián)網(wǎng)平臺(tái)集 AI 和大數(shù)據(jù)之大成，助力智能制造再升級(jí)

工業(yè)互聯(lián)網(wǎng)平臺(tái)匯聚 AI 和大數(shù)據(jù)能力，是 MES 的新升級(jí)。隨著 MES 等生產(chǎn) 制造信息化的普及，面向制造業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化的浪潮下，工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)運(yùn)而生。工業(yè)互聯(lián)網(wǎng)構(gòu)建了基于海量數(shù)據(jù)采集、匯聚、分析的服務(wù)體 系，支撐制造資源泛在連接、彈性供給、高效配置。其主要包括以數(shù)據(jù)采集為核心的邊緣層；以大數(shù)據(jù)處理、人工智能分析為代表的平臺(tái)層，也是工業(yè)互聯(lián)網(wǎng)的核心操作系統(tǒng)；以不同行業(yè)和場(chǎng)景的工業(yè) SaaS 和 APP 應(yīng)用未代表的應(yīng)用層。在傳統(tǒng)企業(yè)管理和生產(chǎn)系統(tǒng)中，主要由企業(yè)層 ERP、車(chē)間層 MES、單元層 PCS、設(shè)備層構(gòu)成，其中傳統(tǒng) MES 與工業(yè)互聯(lián)網(wǎng)平臺(tái)的界限逐步模糊，海量的生產(chǎn)設(shè)備成為 IOT 節(jié)點(diǎn)，上傳數(shù)據(jù)至工業(yè)互聯(lián)網(wǎng)平臺(tái)，通過(guò)大數(shù)據(jù)和 AI 分析不斷提升生產(chǎn)效率。

工業(yè)互聯(lián)網(wǎng)平臺(tái)由信息化到智能化，共有三個(gè)層次：

層次一：基于平臺(tái)的信息化應(yīng)用，實(shí)現(xiàn)“連接+數(shù)據(jù)可視化”。傳統(tǒng)的泛生產(chǎn)制 造和企業(yè)管理類(lèi)軟件，如 MES、ERP、CRM 等在上云過(guò)程中廣泛應(yīng)用，其中 以 MES 為代表的生產(chǎn)監(jiān)控分析領(lǐng)域是重點(diǎn)。這類(lèi)應(yīng)用實(shí)現(xiàn)數(shù)據(jù)匯聚和可視化， 方便管理者了解企業(yè)經(jīng)營(yíng)狀態(tài)。

層次二：基于平臺(tái)大數(shù)據(jù)能力的深度優(yōu)化，實(shí)現(xiàn)“模型+深度數(shù)據(jù)分析”。在設(shè) 備運(yùn)維、產(chǎn)品后服務(wù)、能耗管理、質(zhì)量管控、工藝調(diào)優(yōu)等場(chǎng)景獲得大量應(yīng)用， 并取得較為顯著的經(jīng)濟(jì)效益。如青島紡織機(jī)械廠依托海爾 COSMOPlat 平臺(tái)， 通過(guò)數(shù)據(jù)分析實(shí)現(xiàn)設(shè)備遠(yuǎn)程運(yùn)維，每年可節(jié)省 96 萬(wàn)元，宕機(jī)時(shí)長(zhǎng)從每次的三 天縮短為一天，可降低直接損失 64 萬(wàn)/次。

層次三：基于平臺(tái)協(xié)同能力的資源調(diào)配和模式創(chuàng)新，實(shí)現(xiàn)產(chǎn)業(yè)鏈資源整合和生 產(chǎn)能力交易。如智能云科依托 iSESOL 平臺(tái)開(kāi)放共享自身生產(chǎn)力，提高閑置設(shè) 備的利用率，目前已對(duì) 24000 臺(tái)機(jī)床提供超過(guò) 533 萬(wàn)小時(shí)的交易共享服務(wù)。

各層次平臺(tái)應(yīng)用的開(kāi)發(fā)復(fù)雜性，及優(yōu)化成效與收益回報(bào)，造成了當(dāng)前工業(yè)互聯(lián) 網(wǎng)應(yīng)用的主要結(jié)構(gòu)。數(shù)據(jù)是平臺(tái)的核心資產(chǎn)，也是價(jià)值創(chuàng)造的源泉，大數(shù)據(jù)的 AI 分析能直觀提升生產(chǎn)效率、降低能耗成本等，因此資產(chǎn)管理服務(wù)和生產(chǎn)過(guò)程 管控占比共達(dá)到 60%-70%，是工業(yè)場(chǎng)景的熱門(mén)方向。另一方面，工業(yè)機(jī)理最 復(fù)雜的數(shù)字化仿真、工藝設(shè)計(jì)等，應(yīng)用案例較少。

工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)用豐富。憑借海量的數(shù)據(jù)積累，以及智能分析，工業(yè)互聯(lián)網(wǎng) 平臺(tái)可以提升生產(chǎn)設(shè)備的健康程度、優(yōu)化生產(chǎn)過(guò)程的各個(gè)環(huán)節(jié)等。根據(jù)對(duì)國(guó)內(nèi) 外 366 個(gè)平臺(tái)應(yīng)用案例的分析，當(dāng)前工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)用主要集中于設(shè)備管理 服務(wù)、生產(chǎn)過(guò)程管控與企業(yè)運(yùn)營(yíng)管理三大類(lèi)場(chǎng)景，占比分別達(dá)到 38%、28%和 18%。相比國(guó)外平臺(tái)，其依托大數(shù)據(jù)開(kāi)展重點(diǎn)應(yīng)用已較為普遍，如設(shè)備健康管 理、產(chǎn)品遠(yuǎn)程運(yùn)維已可達(dá)到預(yù)測(cè)水平。因此我國(guó)工業(yè)互聯(lián)網(wǎng)平臺(tái)的應(yīng)用仍待進(jìn) 一步升級(jí)，未來(lái)空間廣闊。

綜上所述，終極智能制造是一個(gè)從 IOT、大數(shù)據(jù)、AI、工業(yè)互聯(lián)網(wǎng)平臺(tái)逐步上 臺(tái)階的過(guò)程，不同階段均需要相應(yīng)平臺(tái)來(lái)實(shí)現(xiàn)，人工智能即是終極目標(biāo)，也是 各個(gè)環(huán)節(jié)必要的支撐技術(shù)。

IOT 平臺(tái)階段：對(duì)接生產(chǎn)環(huán)節(jié)海量的 IOT 設(shè)備，并獲取數(shù)據(jù)，進(jìn)行初步分析。 在邊緣側(cè)，AI 在語(yǔ)音、機(jī)器視覺(jué)等多個(gè)領(lǐng)域獲取數(shù)據(jù)，提升人機(jī)交互效率。同 時(shí)，邊緣設(shè)備進(jìn)一步向智能升級(jí)。例如，航天云網(wǎng)基于 INDICS 工業(yè)互聯(lián)網(wǎng)平 臺(tái)打造口罩生產(chǎn)邊緣智能一體機(jī)，實(shí)現(xiàn)車(chē)間級(jí)的生產(chǎn)閉環(huán)，口罩日產(chǎn)能達(dá)到 10 萬(wàn)只，幫助企業(yè)快速組織生產(chǎn)。

大數(shù)據(jù)平臺(tái)階段：實(shí)現(xiàn)生產(chǎn)環(huán)節(jié)的數(shù)據(jù)可視化，對(duì)數(shù)據(jù)進(jìn)行模型建立，并進(jìn)行 分析和預(yù)測(cè)。AI 在數(shù)據(jù)清洗和訓(xùn)練上展現(xiàn)價(jià)值，尋找最優(yōu)的生產(chǎn)工藝、參數(shù)等。 例如 TCL 格創(chuàng)東智針對(duì)液晶面板的成膜工序，通過(guò)機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)了關(guān)鍵指標(biāo)的預(yù)測(cè)與品質(zhì)優(yōu)化，年收益達(dá)到近千萬(wàn)元。

AI 工業(yè)應(yīng)用智能平臺(tái)：形成對(duì)生產(chǎn)的預(yù)測(cè)，并自適應(yīng)調(diào)整生產(chǎn)系統(tǒng)。通過(guò)工業(yè) 大數(shù)據(jù)分析，AI 能夠預(yù)測(cè)生產(chǎn)中的問(wèn)題，并根據(jù)外部變化自適應(yīng)調(diào)整生產(chǎn)系統(tǒng)， 真正實(shí)現(xiàn)無(wú)人化的智能制造。例如， AI 在制造上的靈活性幫助企業(yè)構(gòu)建知識(shí)圖 譜和專(zhuān)家系統(tǒng)，為企業(yè)提供戰(zhàn)略方案選擇，西門(mén)子、IBM、華為等公司通過(guò)構(gòu) 建供應(yīng)鏈知識(shí)圖譜，提高供應(yīng)鏈風(fēng)險(xiǎn)管理效率。自適應(yīng)的 AI 生產(chǎn)是制造業(yè)終極 目標(biāo)，大數(shù)據(jù)和 AI 仍是當(dāng)前攻堅(jiān)階段。

案例一：寶信軟件打造鋼鐵行業(yè)“燈塔工廠”（略）。

案例二：用友以云化打造智能制造生態(tài)（略）。

工業(yè)信息安全是智能制造下的剛需

工控安全事件頻出，智能制造轉(zhuǎn)型安全當(dāng)先

工業(yè)互聯(lián)網(wǎng)的應(yīng)用同樣引入安全風(fēng)險(xiǎn)，工業(yè)安全事件直接影響國(guó)計(jì)民生。伴隨著工 業(yè)制造流程逐步自動(dòng)化、數(shù)字化、網(wǎng)絡(luò)化、智能化的進(jìn)步，面向電力、能源、水利、 汽車(chē)等各類(lèi)工業(yè)系統(tǒng)的網(wǎng)絡(luò)攻擊也越來(lái)越多。相比于傳統(tǒng)的辦公 IT 網(wǎng)絡(luò)，工業(yè)系 統(tǒng)承載著國(guó)計(jì)民生的關(guān)鍵電力、生產(chǎn)、運(yùn)輸?shù)榷鄠€(gè)環(huán)節(jié)，其被攻擊會(huì)給全社會(huì)帶來(lái) 極其嚴(yán)重的后果，造成國(guó)家風(fēng)險(xiǎn)。2010 年伊朗核設(shè)施鈾濃縮離心機(jī)的西門(mén)子控制 系統(tǒng)遭到“震網(wǎng)”病毒攻擊，給全球造成了極大的不可控風(fēng)險(xiǎn)；而近年來(lái)全球各類(lèi) 工業(yè)系統(tǒng)安全事件頻出，也讓世界認(rèn)識(shí)到工業(yè)信息安全是工業(yè)互聯(lián)網(wǎng)建設(shè)的重要保 障。根據(jù)東北大學(xué)“諦聽(tīng)”團(tuán)隊(duì)監(jiān)測(cè)數(shù)據(jù)，我國(guó)暴露在互聯(lián)網(wǎng)的工控設(shè)備數(shù)量排名 已由 2018 年的全球第六名躍至 2019 年的第三名，我國(guó)工控安全態(tài)勢(shì)仍然很?chē)?yán) 峻。因此，我國(guó)在強(qiáng)調(diào)掌握核心技術(shù)的同時(shí)，持續(xù)強(qiáng)調(diào)“工業(yè)互聯(lián)網(wǎng)+安全生產(chǎn)”。

政策重點(diǎn)推動(dòng)“工業(yè)互聯(lián)網(wǎng)+安全生產(chǎn)”，以大數(shù)據(jù)為核心的工控態(tài)勢(shì)感知為建設(shè)目標(biāo)。2020 年 10 月，工業(yè)和信息化部、應(yīng)急管理部共同印發(fā)《“工業(yè)互聯(lián)網(wǎng)+安 全生產(chǎn)”行動(dòng)計(jì)劃（2021-2023 年）》，強(qiáng)調(diào)增強(qiáng)工業(yè)安全生產(chǎn)的感知、監(jiān)測(cè)、預(yù)警、 處置和評(píng)估能力，加速安全生產(chǎn)從靜態(tài)分析向動(dòng)態(tài)感知、事后應(yīng)急向事前預(yù)防、單 點(diǎn)防控向全局聯(lián)防的轉(zhuǎn)變，提升工業(yè)生產(chǎn)本質(zhì)安全水平。隨著信息安全領(lǐng)域，大數(shù) 據(jù)和 AI 技術(shù)的逐步普及，也形成了態(tài)勢(shì)感知類(lèi)的全面安全方案，在工業(yè)體系里同 樣可以適用。該政策要求到 2023 年底，工業(yè)互聯(lián)網(wǎng)與安全生產(chǎn)協(xié)同推進(jìn)發(fā)展格局 基本形成，一批重點(diǎn)行業(yè)工業(yè)互聯(lián)網(wǎng)安全生產(chǎn)監(jiān)管平臺(tái)建成運(yùn)行，“工業(yè)互聯(lián)網(wǎng)+ 安全生產(chǎn)”快速感知、實(shí)時(shí)監(jiān)測(cè)、超前預(yù)警、聯(lián)動(dòng)處置、系統(tǒng)評(píng)估等新型能力體系 基本形成。

工控安全體系開(kāi)始建設(shè)，大數(shù)據(jù)和 AI 助力全面工業(yè)態(tài)勢(shì)感知

工業(yè)互聯(lián)網(wǎng)安全與生產(chǎn)系統(tǒng)相結(jié)合。工廠智能化的提升，讓工業(yè)控制系統(tǒng)由封閉走 向開(kāi)放，生產(chǎn)網(wǎng)、辦公網(wǎng)與互聯(lián)網(wǎng)互聯(lián)互通，均提升了網(wǎng)絡(luò)的復(fù)雜性和風(fēng)險(xiǎn)性。針 對(duì)不同的工業(yè)系統(tǒng)對(duì)象，需要不同的安全防護(hù)措施，主要涵蓋設(shè)備、控制、網(wǎng)絡(luò)、 應(yīng)用、數(shù)據(jù)五大重點(diǎn)。設(shè)備層包括傳感器、儀器儀表、機(jī)器人、生產(chǎn)系統(tǒng)等各類(lèi)終 端；控制層包括各類(lèi)交互協(xié)議，控制軟件等；網(wǎng)絡(luò)層包括工廠內(nèi)部和外部的網(wǎng)絡(luò)； 應(yīng)用層包括工業(yè)互聯(lián)網(wǎng)平臺(tái)本身，及各類(lèi)工業(yè)應(yīng)用的安全；數(shù)據(jù)層包括各個(gè)數(shù)據(jù)交 互環(huán)節(jié)的采集、傳輸、存儲(chǔ)、處理等。在政策推動(dòng)下，安全開(kāi)始與工業(yè)互聯(lián)網(wǎng)同步 建設(shè)，解決方案也開(kāi)始由單品單點(diǎn)問(wèn)題解決，逐步向大數(shù)據(jù)和 AI 的整體安全態(tài)勢(shì) 感知過(guò)度。

工業(yè)安全市場(chǎng)熱度漸起，態(tài)勢(shì)感知建設(shè)成為重點(diǎn)。工業(yè)互聯(lián)網(wǎng)建設(shè)也帶動(dòng)了安全市 場(chǎng)的興起，根據(jù)工信部數(shù)據(jù)，我國(guó)工業(yè)互聯(lián)網(wǎng)安全產(chǎn)業(yè)存量規(guī)模已經(jīng)由 2017 年的 13.4 億元增長(zhǎng)至 2019 年的 27.2 億元，年復(fù)合增長(zhǎng)率高達(dá) 42.3%。技術(shù)上，生產(chǎn) 系統(tǒng)全面互聯(lián)互通后，大量終端設(shè)備需要管控、各個(gè)網(wǎng)絡(luò)需要安全監(jiān)測(cè)、生產(chǎn)過(guò)程 需要審計(jì)和數(shù)據(jù)采集、各類(lèi)工控系統(tǒng)資產(chǎn)需要統(tǒng)一管理。整個(gè)體系面臨的安全威脅 更加復(fù)雜，因此單一技術(shù)無(wú)法解決問(wèn)題，需要將傳統(tǒng) IT 檢測(cè)技術(shù)和工業(yè) OT 檢 測(cè)技術(shù)有機(jī)結(jié)合，利用大數(shù)據(jù)和 AI 技術(shù)實(shí)現(xiàn)全面態(tài)勢(shì)感知。例如，在廠區(qū)內(nèi)部署 工業(yè)安全監(jiān)測(cè)系統(tǒng)（ISD），對(duì)工業(yè)網(wǎng)絡(luò)中的 IT 和 OT 流量進(jìn)行綜合實(shí)時(shí)的監(jiān)控， 在集團(tuán)總部部署工業(yè)安全監(jiān)測(cè)控制平臺(tái)（ISDC）。通過(guò)將各廠區(qū)的監(jiān)測(cè)結(jié)果實(shí)時(shí)上 報(bào)集團(tuán)總部，實(shí)現(xiàn)全面的數(shù)據(jù)匯總、統(tǒng)一監(jiān)測(cè)、集中分析。通過(guò)大數(shù)據(jù)為核心，結(jié) 合 AI 和威脅情報(bào)分析，可以規(guī)避掉單點(diǎn)盲區(qū)，實(shí)現(xiàn)更精準(zhǔn)的威脅發(fā)現(xiàn)、主動(dòng)防御， 達(dá)到更智能化的工業(yè)系統(tǒng)安全運(yùn)營(yíng)。

風(fēng)險(xiǎn)提示

疫情加劇，影響制造業(yè)升級(jí)投資。 智能制造方案落地不及預(yù)期。

（本文僅供參考，不代表我們的任何投資建議。如需使用相關(guān)信息，請(qǐng)參閱報(bào)告原文。）

精選報(bào)告來(lái)源：【未來(lái)智庫(kù)官網(wǎng)】。