工业互联网的基础模型有多重要

最近和朋友们讨论起工业软件话题，又谈到了基础的模型问题—即，工业互联网绕不开的话题，你必须把工业那些原有的基础模型，那些大量测试验证道路走完才行，否则，就无法真正的对制造业有什么大的帮助—仅仅成为2VC或2BT（补贴）的平台。

这篇稿子中的内容大概是在夏天的时候写完的，原文的题目是“三无的工业互联网平台能否支撑制造业的未来”，发给几个朋友看了看，他们都觉得还是温和一点比较好，想来也是，似乎有打击一大片的嫌疑，后来想改改口气和语调，不过，有时候写东西就是这样，当你一口气写完，如果让你再改，大概也就没有了当时的兴趣，最近和朋友们讨论起工业软件话题，又谈到了基础的模型问题—即，工业互联网绕不开的话题，你必须把工业那些原有的基础模型，那些大量测试验证道路走完才行，否则，就无法真正的对制造业有什么大的帮助—仅仅成为2VC或2BT（补贴）的平台。

我们互联的标准是什么？

世界经济论坛在2014年的工业互联网推进障碍调研中发现第一大障碍是“缺乏互操作标准”，这个问题比较典型，按照我们反复强调的，如果你没有数据的统一规范与标准，即OPC UA（在分布式系统中实现对象的描述）的信息建模，那么就意味着大量的数据读写操作和工程量投入，那么，第一步数据连接的问题将会变得没有“经济性”，因此，现在的实际情况就是，很多工业互联网公司的本质可能更多在于“导表”，这是个体力活，其实，你听上去高大上，但是实际上是个没有技术含量的活，我必须强调的是，没有OPC UA肯定可以实现数据连接，没有人说必须、一定要采用OPC UA这样的规范与标准，但是，OPC UA会是一个必然的道路，就是说，如果你不想走OPC UA这条路，但是，按照最经济有效的设计道路走的话，你可能最终还是会设计成OPC UA这个样子，你可以叫自己的标准与规范，这个没所谓。

因为如果不解决经济性问题，现在大量的人力投入在数据连接、驱动、接口的调试上，想想人工成本，尤其是来自IT的工程师成本，这肯定是场灾难。

因此，我特别担心他们何时盈利的问题，我想目前国内有200多个所谓的工业互联网平台，我实在担心他们的盈利能力，因为，传统的自动化厂商其实都有稳定的盈利模式，包括像Microsoft、华为这样的软件、通信平台提供者，目前的工业互联网公司其实都没有所谓的技术，其实实在现有这些大厂的基础上“攒”的一个平台—毕竟，你以为平台真的那么容易开发啊？

借助于开放的IT技术来攒一个所谓的工业互联网平台这件事情，OT的人都可以干，我觉得我的确比较委婉，按照戴老师的话就是，其实制造业没有互联网平台照样在运行，因此，就目前的生存而言，对于制造企业而言，可能没有工业互联网倒没有问题—除非如工业互联网平台们所说的能够带来生产效率的真实的提升和优化。

关于标准的这个疑问来自于似乎很多工业互联网平台从业者对工业的通信了解非常少，究竟有多少现场总线这个问题不断被问及，而至于制定规范，OPC UA ，TSN也少有人了解，因此，我想没有通信规范与标准，这些平台和别人怎么交互，多个工业互联网平台之间怎么交互？

有没有自己的开发工具？

对于所谓的“平台”，我一直比较困惑，因为，我一直觉得“平台”这个东西必须是一个完整的架构才能称之为平台，工业互联网，为什么就会有一个平台呢？云，那就是云的架构，一般由已有的技术提供商来提供，一个平台是不是应该包括以下几个部分啊？

（1）运行时（Runtime），参考Linux、Windows的Kernal，你是否需要一个核心的任务调度机制啊？这个当然我不懂，不过，PLC都是有任务调度的，如VxWorks的实时控制循环，通信调度。

当然了，对于工业互联网这些厂商用的什么runtime我不了解—不过，既然做工业，它就必须考虑“实时”调度问题，这跟非工业应用场景不同，因为非工业场景，你的操作系统可以是非实时的系统。

（2）开发环境，无论是Microsoft.net还是Java，或者像贝加莱的Automation Studio、Siemens 的Portal，它总是需要一个开发环境，这个环境能够对不同的开发库进行集成，并且对不同的底层通信开发驱动可以被调用，我不大懂，工业互联网的开发环境是什么？

（3）开发工具，无论是C/C++，Java，Python或者其它任何语言，你用什么开发，那你就会牵扯到不同的API，那么这些平台与这些开发工具之间是怎么集成的？

如果这么多公司号称有“平台”，那我想知道目前这些平台里的运行时、开发环境、开发工具都是些什么呢？

如果工业互联网平台的企业不说要替代现有的制造业运行架构，我们当然不会关心这个问题，但是，有些工业互联网平台号称要替代现有的架构，我想这个问题就有讨论的必要了，就是你目前的操作系统是否具有实时能力？你的网络—很多对现场总线都不是很了解的人怎么知道数据怎么连接呢？并且很多人对现场总线的了解基本上仍然停留在Modbus和CAN总线的年代—看了很多他们做的演讲稿，谈到底层设备往往就说Modbus和CAN，其实，现在工业网络主体是实时以太网，至于OPC UA over TSN，连自动化圈里目前能讲清楚并投入研发应用的还不多，我特别想知道的就是难道我不懂人家的牛，如果你号称“平台”且想要颠覆现在的架构，我就特别想了解如何颠覆的？好让我们知道人生应该走向何方。

另外一个就是觉得似乎大部分工业互联网平台的人对PLC的了解似乎仍然停留在20年前的“逻辑”控制时代，其实今天工业里的控制器早已不是过去的“可编程逻辑控制器”那么简单了，现在的PLC可以玩什么呢？

--》机器学习，No Problem，其实，机器学习就是算法问题，那么这个算法是运行在你的工业互联网平台上，还是运行在PLC上，你以为PLC不能运行算法，那可能你对今天的PLC了解太少，PLC完全可以跑个机器学习算法，什么GA、贝叶斯这些都可以玩，因为，基于VxWorks、RTOS架构下的PLC可以支持高级语言编程，在1992年贝加莱推出的黑色系列当年运行的就是PSOS+的定性分时多任务操作系统，那个年代就可以用BASIC编程了，现在，你想C/C++，Python其实都可以。

--》复杂运动控制：在20年前这个事情也可以做的，控制器的架构之前是采用PLC+专用运动控制模块，在90年代就有这样的架构，而运动控制在本质上是数学问题，CNC是插补算法，而机器人则是齐次变换库，那么这些数学问题运行在一个强大的硬件处理器上和RTOS上同样是可以的。

--》机器人，机器人通常也是采用嵌入式操作系统+Windows两个，现在的控制器都可以实现这个。

--》回路调节—回路调节也在于算法。

归根结底一句话，工业控制的本质是数学，无论是哥柯诺莫夫的系统论—奠定了今天人工智能的各种数学模型，维纳的控制论、香农的信息论，其实都是数学问题，工业领域都是数学问题，这个数学问题运行在PLC上、PC上还是云上？这个不重要，用什么来做这件事情是由经济性来决定的。

但是，换个角度，自动化却不断的在采用IT技术来扩展自身，包括以太网的使用、Web技术在控制器中的应用、新的FPGA芯片、MATLAB/Simulink、FMU/FMI都往自动化平台上集成，以扩展自身的能力，因此，好像工业互联网的总想颠覆制造业，但是，工业的人似乎没有想过要颠覆谁。

有多少模型的积累？

很多工业互联网平台都觉得“数字孪生”这个词可有意思了，觉得人工智能可有前途了，但是，我觉得可能他们忽视了几个问题：

（1）我们有模型吗？

在一个通过“测绘”或“逆向工程”而发展了很多年基础上的制造业，原始性的设计实际上是非常少的，因为原创性设计需要建模，并且去测试验证，而我们简化了这个最为耗费研发投入的过程，直接测绘了已经被验证的设计，这个的确降低了成本，也缩短了研发周期，但是，这也使得我们没有基础的模型，知其然不知其所以然—知道“What”，却不知道“Why”—这个模型基础弱，就会导致所有的学习算法必须“空转”，无法去验证。

2018年上海有两家公司分别因为侵权而赔付达索1000万，他们不愿意买正版的软件平台来用，认为它太贵，但是，实际上，这些建模仿真软件设计目的都是降低研发风险的，如果你真的按照原创设计，构建物理模型、制作原型、测试、修改的循环，那么真正的研发就极其烧钱，这个时候你发现用建模仿真是可以大幅降低成本的，你一定会觉得买这些正版的软件是非常合算的，我想他们不愿意买的原因是他们仅仅是为了“绘图”的功能—因为供应链需要采用这个软件的图纸。

在一个没有模型基础上，你如何实现数字孪生？如何进行机器学习？

有些人觉得机器学习可以解决很多问题，还打算用机器学习来代替现有的控制模型

按照之前柴院士有一次聊到的话题，你在互联网应用场景里的学习很多都是大数据小问题，但是，在工业里是小数据，大问题，并且可解释性成为了障碍—你说这样学习可以，但，能解释吗？它有什么潜在的风险吗？如果说0.1%的不确定，那么对工业而言，也是不可接受的。

很多人号称要通过学习来改变工业现有的模式，你必须明白一点“传统”那些模型实际上是“最经济”的，学习模型的成本是比较高的，而且，机器学习模型主要解决“非线性”部分的，即，观测器对现有的控制模型观测中，无法求导的那部分任务进行学习—因此在单个控制系统已经达到局部最优的情况下，工业里一直在寻找更为复杂的动态下的最优，以前这个是算力不足，但是，现在的芯片、存储、网络技术使得这件事情变得可行—那么IT的贡献在于工具和平台的贡献—就像很多人认为西医目前最大的进步来自于测量工具的水平提高了，而非就在模型方面的贡献，因为工业做这些已经非常久的历史了。

这也是我比较奇怪的，那些真正提供平台的企业如Microsoft、华为这些本身有非常强大平台、研发支撑的企业倒是很低调，定位自己的角色在于平台与工具。

但是，很多工业互联网平台—特别强调一下，说自己属于“平台”的—我觉得你这些平台可能只是微软、IBM、华为他们的“系统集成”角色比较合适，如果是这个角色，那就必须要深入工业中的应用场景实现上，那么就有很多问题需要解决

（1）你知道该怎么为复杂的参数进行分析吗？可能你连这些参数是什么都不知道，但是，你一旦要进入这个领域，如果没有一个资深业内工艺专家，你根本就没有任何可能性进行学习。

（2）你的模型是什么？就是网上下载的开源学习代码？这个要是能玩的话，那制造业的工艺专家为什么不自己玩，非要你来给我玩？

数据真的那么容易获取吗

这是个很现实的问题，之前我曾经写过，预测性维护的伪命题，即，如果这个机器故障数据很多，那么这个机器可能在客户那里就会被淘汰。

第二个问题是，如果你能采集到故障信号，但是，故障数据可能是很少的—而与之对应的关联数据如果缺乏完整性的话，这个模型就无法学习到真正的原因，而这个就需要大量的积累经验。

因此，数字化的学习必须与实际的模型相结合，在这方面，拥有自主模型的工业基因的企业反倒是有条件的，但是，就是缺乏数字化工具。

但是，如果你是做平台的，你有榔头却没有钉子就比较尴尬了

三无的工业互联网平台能活多久？

在风力发电市场比较热闹的时候，国内蜂拥而上的有89家主机制造商（2012年左右），那个时候大家就说，这个行业最终能活下来的大约就15家，现在来看，这是真的，而光伏行业在热的时候，那场景就是做鞋子、做袜子、打火机的都蜂拥而上的去做光伏了，太赚钱了，现在呢？

对的，我们主要想说的是“有标准”、“有工具”、“有模型”的平台才能真正在未来为制造业赋能、带来转型的效率提升，否则，就是风险投资中的“风险”而不是“投资”

责任编辑：ct