2019-08-15 15:05
首先借这个机会感谢一下我们的信通院和武汉市的领导给我们这样一个平台和机会，让我们这些做工业互联网的人有这样一个方式可以互相学习。先自我介绍一下，我是来自于联想新成立的数据智能事业部，这个事业部在今年刚刚成立，主要主旨是包括促进联想以及把联想数据智能的经验引向行业内推广，所以我们是一个刚刚成立的部门，但是我们去年相关营业额已经达到了四倍的增长，所以我们是一个成长很快的部门，今天很荣幸参加这样的机会，向大家介绍联想工业互联网和数据智能建设中，我们走过的一些坑，看到的一些机会，以及自己心得的体会。
联想和武汉市有非常深的渊源，大家知道联想在武汉市有全球最大的移动设备生产基地，在去年2018年这个生产基地所达到的出口额是360亿人民币，这个数量占据武汉市去年2018年总出口额的27%。同时，联想今年在武汉市也成立了唯一的全球化移动工业互联网的研发基地，现在已经超过了百人规模，在三年之内这个研发基地会达到一千人的规模。
今天早上党局非常荣幸提到了我们成为首批五个入驻武汉市数据平台的企业，这样联想和武汉市也希望用这种方式不停推动自身和武汉市工业能力的转型升级，今天大概介绍一下，继续我的分享。
今天早上各位领导和专家从比较宏观的角度，从国家政策、产业的角度，包括几位专家都从自己的角度很宏观的提出了一些工业互联网以及包括标识解析的意义在哪，发展路径是什么，他的关键技术点在哪里。今天我的分享会从稍微企业、微观的角度看一下。联想作为一个电子制造型的企业和一个比较先进IT型的企业，我们建设工业互联网的炉型是什么样，以及我们对工业互联网的理解。
非常巧的是，大家可能看到联想的一些新闻，我们正在深圳投入3亿美元，建设一个全球比较领先新的生产基地，目前我们联想内部也非常激烈的探讨面向未来的生产基地是怎么样子的。实际上我们总结出来一个制造业面向未来所需要具备的三个关键能力或者说是特征。
第一，就是先进的制造，这个代表了我们需要有非常好的制造、效率、、质量、计划、成本。
第二，制造也在未来就不止是承担一个订单完成的角色，它需要帮助企业承担新的业务和产品孵化的角色，这就意味着制造业不是完成自己产品生活的过程，它需要跟企业的研发和企业市场的行为紧密结合在一起，把研发和制造的视角深向研发，和研发一起能够快速的定义下一代的产品，快速的施展下一代产品。
大家知道，PC的更新率该3-5年，手机更新率是1年，新的产品和智能化的产品可能就是几个月。如果大家跳出电子生产可以看到，我们有些产品是西发招致的。举个例子，最近有一个比较著名的某一个胶水的事件，这个事件是早上发生的，晚上的时候淘宝上已经有了相关的产品出现了，我们很自豪的理解这是一个中国效率。但同时这也是制造业或者说我们智能制造面向市场非常快的自适应变化的体现。
第三，未来的制造业是一服务型的制造业。一个公司特别是领先的制造企业，他的制造部门和承担的业务一方面是对内提供一种全方面的服务，不是光产品制造，可能是整个供应链相关的服务。对外他也可能实现相关透明化制造的产品和服务。可能是一些其他的体验或者说对合作的伙伴提供透明化的制造，这就是我们对于未来一个制造业需要达到的目标的三点体会。
当我们总结出这三点之后，惊奇的发现和工业互联网的目标是出奇的一致。我们在之前讨论的时候一开始并没有人提到工业互联网，但我们讨论的结果却能达到完全一致的效果，这样可以看到，工业互联网的建设确实是我们未来先进制造业转型升级的一个非常正确和精准的方向。
如果说我们要在这个方向上找一个集中目标的支点，就是我们主要火力的地方在哪里？这个我卖个关子，下面再讲。
刚才说了很多的愿景，说完愿景之后我们要看，我们怎么达到这样的愿景？联想建设工业互联网的时间已经很长了，我们大概从2016年的时候就开始这样的建设，但是我们中间也掉进了很多的坑。我们把自己面对的问题主要总结为四点：
第一，数据接入难或者数据获得难。
我们说IT的时候容易提到一个词叫“数据孤岛”，但如果说OT会提到一个词叫“烟囱系统”。我觉得这两个概念非常好。因为中国有多少岛你是可以数得出来但是中国有多少烟囱你真的数不出来。
在工业上甚至所有这样的企业，我们面临的都是一个数据接入非常难的问题，我们大概有超过2000种的协议，可能通过不同的口径统一出来会更多。我们最近刚刚完成了联想武汉工厂整体智能化改造的工作，是我的团队完成的。但完成之后总结下来发现，我们虽然已经支持了上百种常见的工业协议，但联想武汉工厂近400台大型设备中，只有不到20%是用工业协议完成接入的，剩下都是其他各种日志数据库，或者用UCR的方式，甚至钻天打洞的方式来完成这样的工作。
所以我们要建设工业互联网，数据的获取和数据的一致性是一个非常大的功能，我觉得我们工作互联网的标识在这方面也能起到非常大的作用。
第二，人工的过程过多。
我们很多工业企业其实已经完成了很好的自动化，特别是是一些先进的可能能达到80%以上，但他们数字化的程度有时候远远小于他们自动化的程度，有很多的自动化的设备，他们的点检和生产的维护都是由人工的指示进行的，这样的一个反差实际上造成了整个工业生产过程仍然是不可控和人工指示的过程占据非常大的。
同时，我们很多先进制造型企业甚至发展出自己的一些方法和企业文化来解决这样的问题。但是我觉得这样的问题正是我们今天坐在这里工业互联网的人应该解决的问题。
第三，挑战是我们信息化的技术差。我们的信息化系统实际上现在已经很多了，联想有超过200个信息化的企业。但是大家如果接收过工业软件或者企业型软件的话，每一个软件都有一个功能叫EXCEL的导入和导出。我们这么多的信息化系统实际上在企业内部大多数都是用EXCEL的方式在进行互相的数据连接。这样会造成你的信息化系统越多，相关需要增加的工作人员在他们之间进行数据转换和导入的人会越多。你对EXCEL的要求和依赖反而会更加增加，所以这也是一个大的问题。
第四，人工智能。人工智能可以解决很多的问题，但是实际上我们放眼到工业生产这样一个过程中，现在除了机器视觉能够有比较广泛的使用之外，其他的人工智能技术在工业上的使用还非常有限，而且我们要非常小心的去使用的去使用这样的技术。因为它们的可解释性、带来的风险以及模型的有效性对我们来说都是一个很大的挑战。
以联想举例，我们有这样的问题，很多的数据是不可取的、达不到的、不能联通的。联想有全球最先进的功能链之一，我们连续5年入选嘎纳的全球供应链25强。但是以联想会员工厂为例，这个工厂是每年生产超过500万台的PC。
但是在几年前，它的高峰和低谷使用的用工人数相差3倍以上，就是因为供应链体系没有办法必须好的预测未来的生成杠，所以工厂只好利用人员在飞快的调整他的生产计划，造成工厂在人员使用上非常大的问题。这就是为什么我们要建设整个数据链大同的工业互联网的体系来解决这样的问题。
对于我们来说，现在联想所建设的工业互联网平台，我们叫做“双臂环”的架构。在工厂内部人、机、料、法、环、这样五个因素，它的数据、系统需要能够大同。在企业级别，研、产、供、销、服，企业大的数据链也需要能够借助我们工业互联网和物联网的技术进行打通，这样才能完成联想这样大规模的生产企业到一些小规模的生产企业，他们的生产制造能力潜力能力得到最大的发挥。
这个其实是人、机、料、法、环的过程，我只说一个点，现有的MAS系统，我们希望他们是能够打通人、机、料、法、环，但是我们看到现在所有工厂核心的MAS系统实际上只打通了法和料，人、机、环都是没有的。所以这个是要依赖于新的工业互联网的技术，作为中间的胶水和补充的系统，把人、机、料、法、环真正的打通，才能提高工厂整个生产效率和生产质量。
到企业的级别就更是这样，企业有更多的ERP、MAS、TRM这样的系统。我们需要建立整个企业的“数据湖”或者数据中台的系统，打通企业整个的价值链，才能够使企业在智能制造的路上做到生产的升级。这个其实是联想现有的工业互联网的平台，我们叫“ileapcloud”，从建设至今它也得到了业界非常多的认可。
ileapcloud在背后实际上是我们智能化的平台，包括LeapAI的工业物联网的平台，它主要特点是能够完成工业协议以及工业其他设备所使用的日志、数据库以及它和大数据平台的对接，包括提供工业的实际数据实施的存储和处理一系列和工业相关的数据采集和计算的能力。
这些都是技术方面的，这是我们的内存分析以及我们高速时实计算的平台。这个是我们可以结合AI算法和工业机理算法这样的平台，利用这样的技术，联想能够做到在全球进行供应链或者叫备件体系的预测。利用这样的技术，联想每年在印度市场可以节约超过1200万美元的备件成本，这只是在东南亚市场。
我们有一些生态的合作伙伴，包括我们和清华大学合作，共同来推进中国自己的时实数据库——IOTDP，并且已经在开元。现在联想的工业互联网平台已经接入超过2亿台的联想设备，联想全球的31个智能工厂的数据也已经或者正在接入这样的平台。联想过万的分销商还有企业合作伙伴的数据也都在接入这个平台。现在这个平台整个数据量已经超过了20个PB，持续的上下流产业的协同每年能够为联想节约上亿美元供应链的成本。
我们在内部现在已经有超过600个大数据和工业物联网分析的场景，我们在整个研、产、供、销、服体系里面，像我刚才提到的产品研发、用户舆情的监测、产品质量的分析、供应链备件预测这样的体系。
下面是2016年的时候，联想已经开始把自己这样一个工业大数据的平台和工业互联网的平台向外开放，并且已经服务超过100家中国制造500强的企业，这是一个大型石化生产商的案例。在整个石油炼化中，数据点位超过1200个，不管是人力分析的方法还是基础大数据的分析方面，分析都是有一定问题的。
如果你用人力来分，他解决不了1200个纬度复杂分析的问题，如果用大数据方法，你会得到很奇怪的结论，比如说阀门开得越大，汽油产量越高，这显然是一个正确的结论，但是这个结论显然没有用。所以我们是结合这样的工业机理以及大数据分析的算法，帮助企业来优化整个汽油炼化的工程，能够达到每年汽油收率提高千三到千八这样的情况，每年能够节省6万吨的原油。
这个是前中国最大的光线生产企业，大家有些可能知道它的名字，它的工业物料平台是我们在帮助建设，全工厂超过10万个数据的点位，包括全工厂能耗系统的优化，都是建立在联想整个基础体系上的，每年能够帮它大概节约5%的能耗，帮助它提高生产良率2%左右。
这是一个汽车行业整体工业大数据和工业物联网平台的解决方案，通过接入它EMS数据、外部数据、生产数据，帮助用户能够在生产的质量上进行分析。同时能够很大的提高它对于潜在客户的挖掘能力，整个它对于潜客的挖掘能力，因为这个系统提高了10%以上，，整个能为它产量的提高、销量的提高也到来了很大的促进作用。
这是一个机械集团的客户的画像系统，借助这样的，因为机械行业它很多的行业它是用这种租赁的方式去完成业务的，所以对于客户的这种还款的能力以及他的履约能力要求非常高，这点有点像金融行业，所以我们帮他搭建这种客户的能力画像系统，来用大数据的方法来预测客户的还款和履约的风险，能够帮他的准确率提高20%以上。
所以，这是最后的几句话：
第一，像今天早上谭院士还有几位领导提到的，工业物联网或者工业互联网的建设，它实际上不是一个一蹴而就的过程，它可能也不是一年两年的过程，它可能需要三到五年需要更长的时间，要结合IT和OT领域的技术，以及人才。
说到人才，实际上这时一个非常重要的观念，可能今天有很多学界的同事在这一块，我们一个非常重要的体会和IT和IoT领域的人才，现在不管是在我们的教学培养过程中还是在我们公司的体系架构中，都是比较割裂的两个状态。以我们为例，我的团队实际上有非常资深的IT软件工程师，也有这样非常资深的自动化的工程师。但是他们之间的知识体系的差距是非常大的，资深的自动化工程师基本上如果能够会写C代码就已经很强了，而这些资深的软件工程师基本上没有认识配电箱的，所以他们之间知识体系的这种割裂造成了我们建设工业物联网的时候会造成很大的困难。我们将来对这种复合型人才的招聘和培养实际上是工业物联网建设中容易被忽视的一点，也是对我们非常重要的一点。
联想在工业物联网建设中，我们虽然已经做了很多事儿，但是我们不敢称自己是专家，我们一直是一个工业物联网坚定的实践者和积极的学习者这样的一个角色，我们也愿意向今天在座所有的专家和同僚们来学习，和大家一起用我们自己的技术以及用我们自己的实践来探索这种工业物联网这种服务转型升级的道路，和大家一起为整个中国制造业的转型升级发挥自己的一点力量，谢谢大家！