工业物联网行业分析

工业物联网行业分析Part1

工业物联网技术工业物联网是工业系统与互联网，以及高级计算、分析、传感技术的高度融合，也是工业生产加工过程与物联网技术的高度融合。它将制造业生产、监控、企业管理、供应链以及客户反馈等信息系统融为一体，通过数据中心对不同渠道的数据进行智能处理，从而提高生产效率。重要技术包含传感器、设备兼容、网络、信息处理和安全等1、传感器技术价格低廉、性能良好的传感器是工业物联网应用的基石，工业物联网的发展要求更准确、更智能、更高效以及兼容性更强的传感器技术。智能数据采集技术是传感器技术发展的一个新方向。信息的泛在化对工业传感器和传感装置提出了更高的要求。具体如，微型化：元器件的微小型化，要求节约资源与能源；智能化：具备自校准、自诊断、自学习、自决策、自适应和自组织等人工智能技术；低功耗与能量获取技术：供电方式为电池、阳光、风、温度、振动等多种方式。2、设备兼容技术大部分情况下，企业会基于现有的工业系统建造工业物联网，如何实现工业物联网中所用的传感器能够与原有设备已应用的传感器相兼容是工业物联网推广所面临的问题之一。传感器的兼容主要指数据格式的兼容与通信协议的兼容，兼容关键是标准的统一。3、网络技术网络是构成工业物联网的核心之一，数据在系统不同的层次之间通过网络进行传输。网络分为有线网络与无线网络，有线网络一般应用于数据处理中心的集群服务器、工厂内部的局域网以及部分现场总线控制网络中，能提供高速率高带宽的数据传输通道。工业无线传感器网络则是一种新兴的利用无线技术进行传感器组网以及数据传输的技术，无线网络技术的应用可以使得工业传感器的布线成本大大降低，有利于传感器功能的扩展，因此吸引了国内外众多企业和科研机构的关注。4、信息处理技术工业信息出现爆炸式增长，工业生产过程中产生的大量数据对于工业物联网来说是一个挑战，如何有效处理、分析、记录这些数据，提炼出对工业生产有指导性建议的结果，是工业物联网的核心所在，也是难点所在。5、安全技术工业物联网安全主要涉及数据采集安全、网络传输安全等过程，信息安全对于企业运营起到关键作用，例如在冶金、煤炭、石油等行业采集数据需要长时问的连续运行，如何保证在数据采集以及传输过程中信息的准确无误是工业物联网应用于实际生产的前提。Part2工业物联网产业链工业互联网产业链较长，上游通过智能硬件实现工业大数据的收集；中游为平台；下游为工业企业，任何单一层次或企业无法实现产业链通吃。上游：硬件设备。上游设备厂和软件商主要是提供平台所需要的智能硬件设备和软件，支持数据采集、存储、分析和开发。需要的硬件设备主要包括各类传感器、工业级芯片、控制器、智能网关、智能机床、工业机器人。中游：工业互联网平台。从架构看，工业互联网分为边缘层、IaaS层、PaaS层和SaaS层。边缘层（即工业大数据采集过程）是工业互联网发展的基础。IaaS层主要解决的是数据存储和云计算，涉及到的设备如服务器、存储器等。PaaS层提供各种开发和分发应用的解决方案，如虚拟服务器和操作系统。SaaS层主要是各种场景应用型方案，如工业APP等。下游：典型应用场景的工业企业。当前最有潜力上云的工业设备企业包括五类：一是高耗能设备，如炼铁高炉、工业锅炉等设备；二是通用动力设备，如柴油发动机、大中型电机、大型空压机等设备；三是新能源设备，如风电、光伏等设备；四是高价值设备，如工程机械、数控机床、燃气轮机等设备；五是仪器仪表等专用设备，如智能水表和智能燃气表等。Part3工业物联网市场规模目前，我国工业互联网已全面融入45个国民经济大类，助力制造业、能源、矿业、电力等各大支柱产业数字化转型升级。随着近年来我国5G、物联网技术的不断发展以及国家对工业物联网的大力扶持，我国工业物联网市场规模也随之不断壮大。据中国工业互联网研究院资料，至2021年我国工业互联网规模仅次于美国。工信部数据显示，2022年我国工业互联网产业规模同比增长15.5%，达1.2万亿元。纵向来看，据中国工业互联网研究院测算，我国工业互联网增加值在2018-2022年期间增长了59.5%，CAGR达到12.38%，2022年占GDP比重预计上升至3.64%，达4.45万亿元。可见近年来工业互联网不仅为工业高质量发展助力护航，自身也已成为GDP增长的重要动力。Part4行业发展壁垒1、数据采集工业数据难采集且透明度低。工业数据难以采集一方面源于工业数据的复杂性，工业企业内部的数据囊括了产品的整个生命周期，涉及到企业所制造产品的研发、生产、运维等多个环节。而大量数据直接来自生产设备，类型繁多，且结构复杂、格式不一。另一方面源于工业数据的数量大，工业生产的机器类型多样，数量也极大。同时，机器设备产生数据的速度飞快，有时产生数据的频率甚至能达到毫秒级。而采集难又被称为“数据孤岛”问题，企业内部数据开放程度很低，形成一座座数据孤岛，而各种类型的设备和工序之间相互独立，缺少数据流动。2、产业协同企业内及上下游企业间难以统一协作。工业互联网的本质，就是通过互联网式的构架，实现人与人、材料、机器彼此间的相互协同，这个过程不仅涉及企业的研发、生产和销售等各个部门，也涉及上下游企业和产业链。然而一方面现代企业部门制的生产方式使得部门与部门之间的协同存在巨大摩擦，另一方面，出于商业秘密等因素的考虑，上下游企业之间交互存在巨大困难，统一数据和协议标准难以实现。3、网络安全安全问题始终制约着工业互联网的深入应用。工业企业普遍对于安全的要求较高，特别是涉及重要行业及关键领域的工业企业，其生产研发过程中，安全往往是首要问题。而工业企业一旦上云，其安全性变得非常复杂，安全防范节点必然大量增加，包括云安全，边缘安全，内部协议安全，数据安全等。不少企业在确定性和效率之间倾向于选择效率，对安全的顾虑往往是工业企业应用工业互联网的首要障碍。数据、协同和安全问题构成了工业互联网渗透率提升的主要障碍。此外，这三个方面还形成了相互影响和加强的系统。工业数据较难采集，不透明，因而造成上下游难以协同和交互，基于数据的测试和预判可靠性也较差。而出于对交互和安全问题的担忧，生产过程黑箱化的困境也难以被打破。但是AI的发展将逐步打通这些痛点，也因此给相关产业带来发展机遇。Part5工业互联网面临的挑战我国工业互联网发展的机遇与挑战并存。一方面，在政府政策支持、高校及研究所技术改革创新、相关产业及用户积极应用与推进的共同助力下，工业互联网的发展呈现良好势头；另一方面，尽管发展态势可观，工业互联网目前仍处于起步阶段，制造业企业总体信息化水平较低且发展不均衡，特别是存在工业互联网标准化基础差、行业关键共性技术受制于人、产业链智能协同能力弱、人才结构性短缺等问题。1、工业互联网标准体系不完善工业互联网重视不同系统、设备以及产业链上下游不同企业工厂间的协同服务，信息通信领域和工业领域原有的标准无法适用于工业互联网融合技术标准化的工作需求，容易产生标准交叉、重复、缺失等问题，制定面向工业互联网技术特征的相关标准对工业互联网的技术路线、产业体系和产业化方向尤为重要。当前，工业互联网关键技术标准还存在缺口，急需加快制定一批总体性标准、基础共性标准、应用标准和安全标准等。2、行业关键共性技术受制于人工业互联网的产业链以物联网为依托，涉及芯片、软硬件制造、系统集成、网络运营、应用服务和客户等多个环节，一些环节的建设能力还处于缺位状态。根据相关数据显示，工业互联网相关的一些关键技术与核心部件仍然受制于人，一些应用于各类复杂产品设计和企业管理的智能化高端软件产品缺失，高端传感器、智能仪器仪表、高档数控系统、工业应用软件等市场份额不到5%，大型工程机械所需30Mpa以上液压件全部进口，大型转载机进口部件占整机价值量的50%-60%。尤其是工业软件“卡脖子”问题，在工业企业数字化、网络化和智能化控制以及商业模式创新中制约了制造业的高质量发展。由于国产工业软件起步比较晚，缺乏深厚的工业积累，在用户界面、软件功能、系统架构和平台化、开放性等方面与国外大型软件公司的软件产品和售后服务还存在一定的差距。3、产业链协同能力弱我国面临的国际国内形势日趋复杂，产业发展环境发生深刻变化，产业链“断链”风险加剧，产业链由“全球化”向“区域化”转变，产业链供应链韧性降低。工业互联网平台亟需构建起覆盖全产业链供应链的服务体系，通过物联网、云服务、大数据等技术，实现整个产业生态的物料、机器、产品等物理资源，以及供应商资源、金融资源、政策资源、用户资源等的共享与调用，助力实现上下游资源要素的融会贯通，帮助产业链供应链实现全链共享。当前，工业互联网产业链的智能协同能力还比较弱。4、人才结构性短缺企业普遍反应，工业互联网最大的挑战不是技术，也不是资金，而是人才。工业互联网人才的培养面临诸多困难，培养体系尚未建成。工业互联网需要的是多维度、多层次的复合型人才，既懂工业运营需求、又懂网络信息技术、有较强创新能力和操作能力的复合型人才；既有专业领域的知识、又懂得大数据、人工智能新算法的人才等。Part6工业互联网未来发展趋势人工智能（AI）：人工智能是计算机模拟人类智能过程，综合运用多维数据构建一个数据模型，从而做出准确的控制和预测。企业越来越多地部署人工智能来分析IIoT数据，以跟踪设备使用情况、改进工作流程、简化物流、提高安全性并在运营的各个方面实现更高的整体效率。数据增强和虚拟现实：云计算的出现极大的增强企业在云端办公的效率与能力，云计算和物联网设备之间的距离较远会导致传播和传输延迟。单个云服务器上的大量计算负载也会带来处理和排队延迟。相比之下，雾分散计算将数据和智能推送到位于（或靠近）数据来源的分析平台。边缘计算的就是其中一种形式，雾将智能推送到网络边缘，以实现实时设备控制、安全和管理。这是从中心化到与中心化的转变。大数据分析：随着设备生成的数据量继续以指数级高速增长，大数据存储和分析正在帮助理解它并提供宝贵的见解。最近的大数据分析创新和新的机器学习算法使实时分析解决方案成为可能，以便将历史趋势与前瞻性预测进行比较，以便一线管理人员能够更准确地预测未来业绩。数字孪生：应用于工业物联网，数字孪生是指现实设备或者工厂在虚拟空间的映射，通过充当物理系统的虚拟帮，数字孪生让用户可以访问机器和流程的结构、上下文和行为，从而为了解过去、现在和潜在的未来状态和条件提供了一个窗口。工业万物互联：工业万物互