工業互聯網的目的是激發制造業生產力和競爭力，通過多維數據采集、分析和應用，賦能工業制造業、工業服務業和裝備制造業全產業鏈。幫助工業制造企業實現價值增值，實現更高效、更經濟和更綠色的制造能力構建。優化工業服務供應鏈創新，實現高質、高效的工業服務與裝備制造供給側結構性改革。
圖一：工業互聯網&工業服務創新階段
關鍵詞：設備管理、工業服務、工業互聯網、技術創新、生態創新、服務型制造
從設備管理說起
設備管理是工業制造企業基礎管理活動，是對生產設施的物質運動和價值運動進行全過程(從規劃、設計、選型、購置、安裝、驗收、使用、保養、維修、改造、更新直至報廢)的科學型管理。
設備管理是一項綜合性工程，在制造業向數字化、智能化和自動化的價值轉型過程中，扮演至關重要的作用，體現在其經濟屬性、管理屬性和技術屬性方面，這在工業互聯網時代尤為重要。
經濟屬性：以生產效率、質量為關注重心，以提升設備可用度（提升MTBF平均故障間隔時間，降低MTTR平均故障修復時間，可用度A＝(MTBF＋MTTR)/MTBF）、降低維修費用、降低備件庫存為目標。換句話講，設備管理的價值體現在最少的故障、最快的故障恢復確保生產系統的穩定性和可靠性（開源），并以最低的維護成本（節流）、最低的庫存（節省庫存、提高制造業現金流），確保工業制造業的持續盈利能力構建；
管理屬性：對企業內部而言，設備管理涉及操作使用部門、維修改造部門、設備及其備件采購部門，決策部門構成。對工業服務外部而言，涉及設備制造廠商、設計機構、施工單位、設備及備件代理單位、維修單位等構成。這就給設備內部管理和外部資源協調帶來了很大的挑戰，全員和全生態系統的積極參與和配合，需要良好的管理機制和供應鏈協同機制完成。
技術屬性：制造系統是由設備構成，而設備則是規劃、設計和制造出來的，設備的功能性和適用性需要匹配加工原理和控制能力，在這些過程中，設備故障也被同時制造出來。而正是如此，設備的固有可用度也在制造和安裝后被確定，故障模型也同樣被確認。這些故障特征可以通過外在的表現映射出來，如振動、溫度、壓力以及控制邏輯報警等方式呈現出來，通過對這些特征的把握，我們可以更好的調整、優化和提前處理這些故障，同時這些數據反饋到設計與制造體系中，可做到設計優化和服務創新中來。正是因為技術屬性，驅動了以物聯網為基礎連接的工業互聯網平臺應用的創新革命。
圖二：企業設備管理價值模型
數字運維＋工業互聯網的生態創新
任何技術創新，應當首先構建于合適的場景和成熟的市場條件，這是非常重要的基礎。面向制造業的工業互聯網創新，應構建在制造企業明確清晰設備管理價值，具備運維管理的基礎能力，以及工業服務和裝備制造商有序的價值匹配基礎條件之上。
這是許多工業互聯網平臺極力回避或者不明就里的領域，認為涉及到人、或者低價競標等潛在規則的事，就選擇了排斥和逃避。但實際上，如果不解決企業價值問題，不解決人的問題，不解決大多數的服務商和制造商利益關切，工業互聯網平臺就走進了死胡同，要么市場天花板太低，要么難以為繼，進退兩難。
工業互聯網的本質是需要解決和重建設備使用方（用戶）、設備服務方（工業維修、設備與工業品提供、設備管理與技術咨詢、設備安裝與非標制造商）和設備制造方（裝備制造商、工業品制造商）之間的供需匹配關系與機制。
1)設備管理創新與需求側優化
我國工業企業設備管理普遍以事后維修為主，相對于歐美生產維修制、日本TPM全面生產維護中強調主動性預測性和預防性維修管理，我國制造業工業運維能力普遍較弱。
實體經濟在投資、勞動力、資源和環境等低成本要素來驅動經濟規模的模式開始出現瓶頸，工業制造業向高效、綠色和節約的質量轉型方向發展。工業制造業發展出現非線性的特征，這表現為：
市場表現為多品種，短交期、低價格競爭，對制造要素訴求表現為高效率，低成本和低庫存，對制造系統的可靠性和穩定性要求驟然提高；
制造企業對管理能力、制造系統改善的訴求更為迫切，與管理基礎和知識積累較弱、高技能人才短缺與員工流失率偏高，形成矛盾。
相對于歐美和日本等國家，幾十年的管理基礎與知識積累，我國制造業必須突破原有的傳統管理咨詢方法和思路。基于人工智能的數字運維，將有利于實現：
利用人工智能技術加速生產員工、維修人員知識交互和積累，實現故障異常的高效處理和維修經驗的重用和企業知識積累；
強化主動性維修，提高日常點檢、專業點檢、預防性維修的執行效率，提高異常和故障判斷的準確性；
數據驅動運維決策，實現質量和效率（OEE綜合效率）的有效保障，以提升系統可用性，降低運維費用和備件庫存為運維目標，智能分析制約條件和因素，精準提升運維能力。
大幅降低設備管理信息化上線成本，減少或杜絕對于傳統管理咨詢的依賴性，實現數據節人和提效的雙贏能力。
圖三：數字運維－“精益衛士”人工智能維修輔助系統
2)大數據引發工業服務與裝備制造業生態變革
運維管理的提升，帶來的是對工業服務和裝備需求的量化，這將有利于改變B2B工業服務生態。在數字運維普及應用基礎上，基于大數據和云計算條件下的工業互聯網服務平臺，將有利于：
工業APP培育計劃，工業服務需求精準匹配與制造型服務。
數字運維帶來制造業運維能力的提升，實質上是工業服務、裝備需求及工業品需求精準挖掘，通過大數據分析，實現規模化訂單能力。基于數字運維導向的工互聯網服務平臺：向供應鏈端連接和培育工業APP，如工業品供應、維修共享、咨詢服務、知識社區、遠程維護等；向下支持MRO服務社區落地，展開融資租賃、運維托管、工業品集供，維修線下共享與運維外包等服務。
圖四：數據驅動工業服務變革
2. 利于服務優化和產品升級的裝備服務型制造。
當數字運維沉淀設備維修數據，對于數據的深度分析，可識別出不同廠家、不同產品類型，不同型號的售后質量表現、故障實效分析、維修響應等客觀數據，這對于裝備制造商優化產品設計、制定銷售和服務策略將起到實質的幫助。
3. 基于數據的供應鏈金融創新，改變B2B產業生態。
對于工業服務商而言，交易的制約難點在于銷售回款，對于制造業用戶而言，在于交易后的質量保障。解決這一痛點的關鍵，是改變交易收付款方式，強化風險保障能力。基于數字運維大數據分析，借助供應鏈金融創新，交易雙方通過銀行授信解決交易收付款，并通過運維能力、交付能力和交易誠信數據，發展相應的保險業務，將有利于降低交易雙方的工程風險。
這些改變，將有效解決B2B產業現狀，減少交易款拖欠、承兌支付所帶來的弊端，促進制造業、工業服務商和設備制造商重視誠信，強化供應鏈效率和質量。
基于工業物聯網的技術應用創新
工業物聯網是數字運維的技術補充，傳統意義上認為，工業物聯網可以跳開人的因素，借助設備物理參數反應出系統缺陷分析應用，從而改變工業生態，促進制造業轉型升級。
但我們從現存案例中分析，可以識別出其中的一些關鍵因素，將有利于建立更完善的工業生態。
案例1：GE Predix 工業互聯網平臺
GE是是世界上最大的提供技術和服務業務的B2B企業。受全球工業增速減緩的影響，GE提出工業互聯網解決方案，一方面提升自身預測性服務能力，一方面面向全球工業服務商、裝備制造商提供新的服務方式和增長點。
從GE自身來說，這自然是好事一件，大數據分析應用能實現諸如航空發動機，預期中將預測性維修準確性提升從70％，提升至99.9％左右，這對于服務質量和服務成本來講，這是飛躍的進步。
但在新的業務增長上，也并不順利。是技術成功并不意味著商業成功，其一是同行業未必采用其服務，其二，這要求用戶具備一定的工業運維能力，以及裝備具備良好的可靠性能力和價值基礎。
案例2：樹根互聯工業互聯網平臺
樹根互聯源自三一重工這樣的大型B2B制造業，在國內工程機械交易受阻的條件下，利用物聯網有效解決了租賃問題，由此誕生了國內的工業互聯網平臺解決方案。
樹根互聯是從裝備制造商的為出發點，以數據賦能產品設計、產品服務，并以融資租賃完成商業閉環，這至少在三一重工應用是成功的。
盡管如此，但同樣面臨新增業務的障礙。我們發現，與三一這樣有競爭關系的裝備制造商并不原意為此買單，這讓業務拓展的范圍變得極其有限。而將業務范圍瞄向非工程機械領域的工業制造業時，驟然發現，技術型的解決方案和實施團隊，并不能針對工業制造企業運維管理提供有效和全面的解決方案。
工業互聯網平臺企業借助于技術應用的突破，依然是未來主要發展方向。結合我國工業制造業實際狀況，未來在這三個方向上有望突圍。
方向1：數字制造＋服務型制造
圖五：工業互聯網平臺＋服務型制造
實施主體：裝備制造商、工業品制造商，如工程機械、農用機械、汽車、摩托車總裝、家電企業等具備規模化生產能力的制造企業。
實施目標：建立服務型制造＋生產決策優化能力。
實施要點：數字運維＋數字制造＋數字研發＋自動化改造服務商＋大數據分析服務商，與工業互聯網平臺服務商實現協同構建。
實施難點：需要主體企業具備一定的經營管理、現場精益化基礎，產品在市場表現突出，盈利能力較強的制造業為佳。
非裝備制造或工業品制造商，由于工業互聯網平臺并不能解決服務型制造賦能問題，通常合適在可靠性要求較高的行業，如大型石化、電網和電力企業，而對于一般中小型制造業來講，經濟性是一大挑戰。
方向2：能源托管與物流租賃服務
圖六：工業互聯網＋服務托管/設備租賃
實施主體：設備或成套系統的運營托管商、運維服務商及租賃商，如能源托管服務商、空壓機運維服務商、叉車等物流設施租賃商，這些設備通常不是工業制造業的主體設備，一般適合第三方運營管理。
實施目標：提高運營效率、降低運營成本，提高裝備的可靠性和維修性。
實施要點：重視設備的可靠性、維修性和系統控制性，并不是簡單的采集現有數據，并注重在運維層面與數字運維對接，形成故障處理閉環和運維能力分析應用。
實施難點：商業成功取決于服務商的商業模式，適合在工業園區形成規模化和服務能力閉環。
方向3：關鍵/通用設備＋預測性維修
圖七：工業互聯網平臺＋預測性維修/工業服務
實施主體：絕大部分制造業工廠，通用性較強或關鍵的設備，如風電行業風機、機械加工行業機床、齒輪箱（減速機）、化工行業較為重要的機泵、壓縮機等設備。
實施目標：提高關鍵設備的預測性維修普及率和預測性診斷準確性，確保產線整體的穩定性和可靠性，提高其可用度，降低其運維成本。
實施要點：以設備的可靠性、維修性為重要關切點，尤其注重垂直領域原理知識應用研究和沉淀，如設計機械故障的振動分析、油液分析，以及針對于特定類型設備的故障模型研究和分析，并在運維層面與數字運維對接，形成故障處理閉環和運維能力分析應用。
實施難點：形成垂直領域的產品化方案，注意結合在線和離線的數據采集方式組合，在綜合解決方案中考慮和設備制造廠家、第三方運維服務商和數字運維解決服務商形成商業閉環，以實現實施的經濟性、以及預測性診斷與維修閉環的完整性，提高預測性維修的準確性和有效性。
工業互聯網創新的意義，在于驅動工業服務生態重建，既是復雜的技術解決方案，也是B2B互聯網商業的有效閉環。在實踐中，注重理論與實際、業務與技術、戰略和戰術、IT與OT、線上與線下的有效融合，聚焦于工業服務社會化程度較高的工業產業園區，踐行工業服務與互聯網產業化研究、應用和孵化落地一體化的區域創新示范建設工程，是工業互聯網從概念走向商業成熟的關鍵。
