你所在的位置: 首页 > 正文

报告丨BV百度风投发布《2019工业智能白皮书》

2020-01-02 点击:920

[编者按]近日,BV百度风险投资发布《2019工业智能白皮书》。作者方鑫是BV百度风险投资公司副总裁。他长期专注于人工智能行业解决方案、企业服务智能、工业智能、数据智能等领域。引领或参与工业智能的项目包括宇轩科技、汇点连云、派方科技、二地台、长阳科技、数字科技、云鼎科技等。

1

至于所谓的工业智能,我们专注于能够带来开源和削减开支的产品或技术解决方案、生产组织的变化以及效率模型的变化和再造所带来的运营机会。 工业智能是基于工业感知、IOT、人工智能、数据、软件、机器人等技术来实现全球语义智能感知、控制、调度和决策。通过这些手段,可以对现有的设备、工艺、工厂和供应链进行优化和改革,以达到提高质量、降低成本、提高效率或改变生产组织模式的目的。新的智能设备、新工艺、新的原始设备制造商、新的供应链组织形式甚至新的类别也可能诞生。 然而,效率模式的改变并不是在各个行业一夜之间实现的。在数字化和信息化的过程中,工业领域将迎来逐渐智能化的变革。本文系统梳理了产业链技术变革带来的提高运营效率和经营效率的机遇,并从数据、模型和决策的角度分析了数据产业链的价值。

图1 工业智能化技术概览

图1工业智能技术概述

1.2工业智能形式和商业模式的发展:强解决方案大乙方强运作新甲方

用技术手段实现工业智能,它呈现什么形式和商业模式 本文试图从技术、行业观察者和行业投资者的角度阐述和分析工业智能的一些方向和可能性。 总结如下图,工业智能可以采取硬件、软件、业务系统、算法、平台、解决方案等形式。从商业模式的角度来看,这可能是一个强有力的解决方案,最终成为一个大乙方;通过强有力的运营模式,也有可能重建一个新的甲方或成为一个新的甲方。

图1 工业智能化技术概览

图2人工智能带来的机遇:解决方案还是大规模运营

然而,在众多平台下,初创公司的机遇在哪里?有许多子部门,哪些领域有很大的机会?这是解决问题的机会还是运营的机会?本文试图通过平台分析、技术配置和行业选择的整理、工厂解构、产业链拆分和数据链来寻找投资和创业的机会。 总结如下:

图1 工业智能化技术概览

图3工业智能的未来方向和发展

1。平台企业不会在适当的时候垄断和相互授权

近年来,市场上涌现出大量的工业互联网平台级企业。然而,工业本身有许多分支,它们的工业属性和特点非常不同。不可能有一个普遍适用的模型和技术。 技术应用的逻辑和商业闭环的形成可能需要具有不同技术背景和工业背景的人或公司参与和验证。

以中国早期的工业互联网平台为例。基于母公司或原企业的禀赋特征,大型工业企业的产业平台在一定程度上带有原企业的印记。

例如,根云互连是基于设备和材料的连接,建立对设备整个生命周期的管理和控制,建立工业云平台;围绕三一重工全球产品销售,IOT、大数据和人工智能技术创新商业模式并延伸至其他设备和行业是有益的。

而海尔CosmoPlat是一个以用户为中心的灵活生产平台,不同于德国工业4.0工厂的智能升级。Cosmo更注重商业效率的提高,而不是工厂的运营效率。 通过Cosmo,实现了零库存和可控成本的大规模定制。 并尝试将家电领域实现的系统化大规模定制能力赋予陶瓷、纺织、服装等行业。

新上市的工业FTU依靠富士康现有的大量客户资源、长期深入稳定的战略合作关系,以及规模效应下的产业和供应链优势,希望向上游和下游延伸,构建一个工业互联网平台。 从上市后的业务进展来看,已经在工具预测、流程优化等方面做出了努力。

与中国新开发的工业互联网平台相比,通用电气预测公司(GE Predix)和西门子明斯珀公司(Siemens MindSpere)是世界上较早将工业互联网和大数据概念应用于工业的平台。 根据历史发展过程,他们还通过各种收购和合并的方式不断丰富自己的产品、解决方案和产品线。

除了历史悠久的西门子、通用电气等大型企业和新兴工业互联网平台外,传统软件制造商和系统集成商也在寻求工业互联网方向的转型和布局,如用友、韩德尔信息、东方国鑫、宝信等。

另一类代表是在中国拥有强大2B能力的互联网或科技企业,如阿里云和华为。阿利云工业大脑在钢铁、石化和能源等流程工业中做了更多的项目。淘宝工厂平台主要为淘宝商家提供制造和供应链能力 然而,这些公司都希望提供更通用、更低级和标准化的能力。在他们的生态环境中,他们还需要在细分行业中掌握知识和算法的解决方案提供商的更多合作。

所谓的平台,每个人都想建立一个更加开放和广阔的生态,让更多的工业企业。然而,中国的工业互联网或工业智能刚刚起步,大型平台企业只是冰山一角。此外,不同行业的专业知识差异很大,给企业家们留下了广泛的机会。

2。要为细分行业建立垂直重工业智能系统,还有很多工作要做。

行业本身是一个非常宽泛的概念,不同行业之间有很大差异。流程工业和离散工业的生产自动化程度、数据可用性和工业复杂性不同,存在的机会也不同。最大的共同点是每个场景都有不同的需求,进入任何细分的领域都需要足够深入的行业知识和上下游资源整合能力。 不同的行业可能对智力有不同的要求 这一特点的优势在于,在产业服务层面,传统大企业的垄断局面无法形成,每个细分都有平台层面的机会。 从离散到混合到过程,从产品到服务,从生产到管理,有不同的智能变化的机会。

有许多技术方法可供选择和配置,它们的成熟度和领导力是不同的。有哪些宝贵的机会以及如何选择?本文试图进行一些逻辑整理。

如果将上述技术与行业及行业内相应的功能和环节相结合,就可以产生相应的商业模式和商业机会。

图1 工业智能化技术概览

图4从离散到连续的技术和行业配置机会

例如,不同行业有可能发生智能变化,这可能是销售解决方案的机会,也可能是运营的机会。

?产销一体化2C产品类型产业:2C产品具有定制化和灵活的生产要求,如纺织服装、餐饮、家电等。2C由于需求和产品的差异,场地相对分散,集中度可能不高,有可能形成新的类别、新的网络和集中度。 这可以通过结合大数据、调度、操作优化、灵活的生产线重建技术和各种工业软件来实现。

?高能耗加工行业:如钢铁、有色金属、化工、陶瓷等行业,周期性强,涉及国计民生,量大,面临产能过剩的问题,能耗占用成本大,对感知、实时检测、能效等方面有很强的需求。 有机会成为一个大的解决方案提供商。

?设备设备企业:基于边缘计算和工业物联网技术,设备企业具有商业模式转换的可能性,在销售服务效率、资本效率等方面具有巨大附加值的可能性。

?半导体和面板行业:精细化和自动化程度相对较高,但产业链的本地化程度较低,产量的提高对整个行业具有很大的附加值。

从单一产业链的角度出发,从哪里入手切入,结合大乙方和新甲方的方向,通过系统的研究和投资实践,梳理了产业链和厂内技术变革带来的运营效率和业务效率转型机遇。 并简要总结如下:

图1 工业智能化技术概览

图5工业智能的世界观

3。单点进入、资产/设备、创建新智能系统的过程优化

3.1资产/设备的智能机会

3.1.1工业机器人和智能设备

从设备和资产的角度来看,具有不同信息化和自动化水平的工厂需要资产升级和更新迭代。近年来,出现了许多快速发展的新的集成商和本体开发人员。 同时,在产品系统中,出现了并行连接和协作等新的需求和团队。人机交互集成、仿生学和自适应等新兴技术层出不穷。我们认为机器人本身是一个巨大的系统投资机会。从产业链到不同的环节,这里不会有更多的发展。

另一个方向是设备的智能化。一些行业和工厂已经实现了相对较高的自动化程度,但是设备和资产本身在技术突破层面上有很大的差距空。设备本身通过工业视觉、大数据、计算机模拟等技术进一步自适应、自校准和自主。 同时,设备延伸到制造过程和生产线的组合会进一步影响产品的产量。

3.1.2设备故障预测和健康管理

传统设备制造商不太重视设备和产品销售带来的售后服务问题。通用电气、罗科和普惠这三家典型的发动机制造商在PHM水平上做得很好,但大量机械设备制造商不具备自带PHM的服务能力。 从数据采集和数据分析的角度来看,设备故障诊断和预测结合了算法能力、工程经验和对复杂机理模型的理解,给传统设备制造商带来了巨大的技术挑战。

从技术路径来看,特征提取是在最后完成的,云中的训练模型是验证路径,但是市场上具有这种能力的团队相对较少。 以美国的吸收为例。依靠卡特彼勒内燃机产品的PHM,它在几年内迅速成为价值数十亿美元的独角兽。 另一个代表是世界上最大的风扇制造商维斯塔斯(Vestas),它从制造开始就对风扇进行了改造。传感器分布在所有组件中。从2016年起,服务收入超过设备销售收入,并已成功转型为风扇服务提供商。

从市场规模来看,中国有1000座钢铁高炉,47万台燃煤锅炉,200万台数控机床,30万台大中型空气体压缩机,5万台内燃机,以及大量的泵和其他机械设备,大部分设备、产品和设备都没有考虑健康管理问题。

然而,还有三个因素限制了这一方向的发展。首先,人工智能技术不能与工业技术有效结合,大多数团队也缺乏相关的工程经验。第二,计算成本太高,使得资产方不可能获得高成本效益的预测解决方案;第三,缺乏故障数据和标签使得无法预测经典的深度学习路径。

预测性维护是今年汉诺威工业展览会上的一个热门话题。主要的科技工厂、传统工业软件制造商、设备制造商和许多细分的初创公司都参与了这一领域。在欧洲市场,这也是一个相对成熟的工业人工智能和工业互联网应用场景。由于劳动力成本高和其他原因,预测性维护在业务逻辑中是有意义的。例如,每个现场检查和操作维护人员需要300欧元,但预测性维护方法可以完全减少或避免这一支出。 设备制造商也积极采用这种技术,并试图转变他们的商业模式,如杜尔集团与软件公司的合作,以帮助他们从设备销售转变为服务。

3.1.3商业模式转换结合IOT

从设备使用的角度来看,甲方可以选择使用而不是通过共享/租赁的方式持有。同时,结合长期数据提取和分析,可以将保险、金融等业务模式移植到其中。 例如,美国工程机械租赁平台庭院俱乐部(Yard Club)被卡特彼勒收购。根互联、徐工信息和中国中云谷也有设备融资和保险业务。

从资金需求方面看,国内一些金融机构也在寻找机器人等智能设备的融资租赁机会。精确的物联网检测和数据服务租赁模式可能为智能设备领域带来新的产业增长机遇。

结合与PHM和IOT相关的商业模式变化,我们总结了以下技术变化和创新机会

图1 工业智能化技术概览

图6资产使用优化图

3.2算法和数据驱动过程优化创建新的调度决策系统

出单设备,大规模甲方也在寻找不同的过程优化解决方案,但是不同的行业有很大的差异,同一个行业也涉及大量复杂的过程,可能会有物理、化学和生物的变化 在数据分析的基础上,对原料、设备和工艺进行了优化,达到了质量改进、效率提高和节能的效果。

系统梳理了从离散制造业到连续制造业的各个行业,并从行业空、信息化水平、能力边际提升空、能力提升等方面进行了比较。 总结了几种可能具有巨大市场机会和技术支持机会的制造工艺。

BV还拥有参与3C领域、环境保护、钢铁等领域工艺优化的公司。例如,在手工加工领域,在成形、冲压、合金、涂层和表面处理领域涉及几十种工艺。每个过程都通过数据和算法进行了空优化。 最终的形式是创建一套人工智能闭环控制的新调度决策系统和智能工厂操作系统

过去,专家系统更多的是一种机制模型,但数据的决策最终应该与过程和机制模型相结合,这也是工业领域不能产生通用平台的原因。

一些投资者对非标准的制造过程有疑问。这种不常见的需求和场景在一定程度上限制了复制的速度和规模效应 概括地说,我们正在工业智能领域寻找两种类型的投资机会。在信息化和自动化时代,许多行业如3C、钢铁、石化等领域都产生了一批上市公司。从市场规模和容量的角度来看,在智能时代,许多行业可以支持许多大型解决方案提供商或运营商的诞生。对我们来说,核心重点是找到好的行业、能够理解新兴技术和行业场景的团队,以及能够真正有效地转变和改进行业效率模型的解决方案。

此外,除了不同行业的不同制造工艺之外,这里还需要结合物联网、数据、人工智能等技术的共同要求,讨论三点,即设计、安全、检测和能效。

3.2.1设计+人工智能

工业模拟自然与机器学习相关。为了获得最佳的设计、装配、操作和维护,需要新的智能工业仿真软件。 计算机辅助设计和计算机辅助工程是一个伟大的生态系统,可以与安卓和苹果系统相媲美。主流参与者西门子和达索正在积极规划和购买不同领域的优化算法和求解器,如流体力学、散热、振动力学等。软件和插件产品可广泛应用于汽车、航空空航空航天、机械设备、3C等行业。 然而,目前中国市场上没有大型软件公司。大想象空可能在于大规模定制、灵活供应链等模式的结合,获取需求数据,将领先的软件模拟和人工智能技术相结合,无缝连接,快速生产适销产品,直接切入运营领域,再造新的类别,重组供应链。

3.2.2安全要素的必要性和价值

在迈向工业智能时代的过程中,必然会有大量的机器、设备和车站通过集散控制系统、Scada等系统进行调度。除了传统的工业软件,还有许多新兴的业务调度和决策系统 随着越来越少的人为干预,安全控制变得更加不可或缺。

在工业安全领域,过去,中国大多数垄断企业都是根据合规性或同等保护要求进行采购的。然而,近年来,它们逐渐从政策驱动发展转向市场驱动发展。拥有多种工业控制协议分析能力和强大产品能力的团队将有机会迅速脱颖而出,并不断迭代其产品线,以保留结合数据人工智能的下一代安全保护要求。

美国工业网络安全公司克拉罗蒂已经收到了罗克韦尔自动化、西门子风险投资Next 47和schnault等工业巨头的投资。它在工业控制协议分析、自动化和信息化集成方面获得了投资支持,也赢得了淡马锡等金融投资者的青睐。

3.2.3能效与人工智能的结合

能源是许多工业企业的主要成本之一,如钢铁、石油、水泥、环境保护和其他加工行业。能源消耗占企业成本的大部分 传统的LMS在能效管理方面发挥了一定的作用,但在优化方面做的工作有限。一些科研机构掌握了多种机理模型和控制逻辑,具有一定的节能效果。新的机遇在于这些机制模型与人工智能的进一步结合。

另一方面,随着电力市场的逐步改革和市场化以及工商用电的自由化,多元化的参与者进入了这个市场。 我们还期望技术和数据能够产生某种鲶鱼效应,帮助企业降低成本和提高效率。

3.2.4交通需求和工业测试的非标准特征

通过计算机视觉技术提高检测环节的效率并不是一个新课题。一些公司正在3C面板、盖板、锂电池、水晶、医药等领域做这件事。 然而,机器视觉系统也面临许多挑战,如非标准问题、开发成本高、周期长。该算法和软件存在可用性差、使用门槛高等问题。同时也存在高精度、高动态、高反演等技术难点和挑战。 但是,如果能建立一个更通用的平台公司,解决低成本、大规模的行业复制问题,肯定会有很大的机会。

4。智能工厂操作系统,从点线操作效率到系统效率提高

如果设备是点的,制造过程是线的,让我们来看看表面智能变化的机会。 将过程优化与工业软件、先进传感技术、自动化技术和机器人技术串联起来,实现全局语义调度和决策是智能操作系统的理想状态。 从工厂运营的角度来看,我们注重运营效率的提高。我们从三个方面看待工厂智能的投资机会:资产/设备-过程-智能操作系统。此外,以数据库、边缘计算、PAAS和新感知为基础进行智能转换。

图1 工业智能化技术概览

图7智能工厂操作系统结构

4.1系列制造执行以获取业务数据和制造执行系统价值

美国先进制造研究机构AMR将制造执行系统(MES)定义为“上层计划管理系统和下层工业控制之间面向车间的管理信息系统。总体而言,中小企业在中国的渗透率相对较低。”

MES产品具有相对较强的行业属性和定制属性。领先的产品和技术掌握在大多数外资企业手中,如罗克韦尔、西门子和通用电气,同时通过并购丰富其行业覆盖面。半导体软件领域的领先技术由应用材料等外国企业掌握。 从国内一些企业过去的发展来看,要么是在宝信、PCG等各种高集中度产业的基础上发展起来的,要么是由于产品特点而未能扩张。 与此同时,真正拥有强大产品的能力和团队在中国相对匮乏。 然而,我们相信制造执行系统作为工厂智能操作系统的基础,在未来是不可或缺的。

投资逻辑有两个层次。首先是制造执行系统能否成为大规模的解决方案提供商。MES公司有三个价值观。一是客户壁垒、子行业客户粘性高、积累难度大。大中型客户和外国公司注重服务质量和稳定性,一般与服务企业建立长期稳定的合作关系。第二,行业理解:贴近用户,理解业务逻辑,可以进行一定的定制开发;三是场景数据的优势:应用基于数据积累的数据科学改革效率模型;第二个投资逻辑有可能是强大的产品和云吗?洛克威尔、GFOS和ITAC软件等领先的制造执行系统制造商也认为云是未来的发展方向。他们都在谈论物联网平台,把数据放到云中,从制造执行发展到工作协调和安全。 在国内工业互联网的背景下,这一趋势也在逐渐发展。

MES是一个将工厂运营和流程串联起来的系统,但它存在开发瓶颈,如高定制和长实施周期。 然而,总体而言,中小企业在中国的渗透率仍然相对较低。然而,作为智能操作系统的基础,制造执行系统将管理水平与生产水平(工业控制)联系起来,使得对全球数据进行分析、调度和决策成为可能。同时,通过将人工智能与能耗分析和优化、调度和柔性制造相结合,可以提高效率。

MES通常包括工厂中人员、机器、材料、方法和环境的所有环节,并且与行业知识和业务流程密切相关。例如,制造执行系统可以有效地量化单个产品的能耗和单个人的产出

广义而言,APS是制造执行系统的一部分,它起着调度优化执行生产的作用。调度本身是运筹学中的一个优化问题。人工智能与多条件约束相结合,可以通过要求最优调度规划来提高效率。 例如,一个油田的生产周期为8-10年,如何获得最优产量是一个寻找最优解的多阶段过程。 此外,先进的调度算法可以使生产更加灵活,在某些领域可以多次提高生产效率。

4.2精度和灵活性。从过程优化到全球智能FOS(工厂操作系统),未来工厂的想象力

现阶段的大部分智能可能无法达到整个工厂的情况,大多是点和线技术。然而,在方向和路径上,一些大企业和企业家也在努力拓展自己的能力边界,从单一的过程发展到整个过程。 想象一下,在工厂操作环境中,物理世界的信息是以一种全局语义的方式来分析的,机器和机器,人和机器可以有效地相互作用。同时,智能操作系统完成了众多的控制、调度和决策,包括引导人员或数字员工的增强现实(AR)和可视化技术、仓库物流的灵活作业调度、新业务软件系统执行的决策调度、用户意图的3D重建和模拟.同时,这种控制、调度和决策可以确保最佳实践。 工业企业效率的提高必将进入一个新的世界。

5。产业智能带来的产业效率提升与商业模式改革

以上分类侧重于工厂的运营水平。如果工厂上升到一个企业和盈利机构的水平,它应该结合上下游部门全面考虑研究、生产、供应和营销。

图1 工业智能化技术概览

图8效率变化超越工厂运营的机会

5.1以工厂为核心,企业为主体,技术能够提高上下游的工业效率。

工业智能不仅涉及工厂内的全球语义智能操作系统,还涉及上游和下游之间的协作,从而显着提高生产、资本和销售服务的效率空

在生产和采购层面,通过设备和数据的连接、IOT的启用以及线上和线下的开放,云工厂可以提高产业链的效率,并在产量、价格和投入方面取得质的突破。

借助各种优化算法,工业企业有机会在采购、库存、物流等方面降低成本,提高效率。早在本世纪初,惠普就应用库存优化和数学规划模型重建其供应链模型,两年内节省了1.3亿美元。

借助产业链中的数据获得更准确的风险模型也有助于企业提高资本层面的效率。

在销售服务层面,海尔和库特智能是典型的C2M代表。海尔通过逆向定制实现了部分产品零库存,带来了巨大的财务效益。当然,这个结果也是工业软件、数据积累和智能的效率。

一般来说,数据算法和智能软硬件可用作配置器,以匹配生产能力、供需、资本和供应链协调

5.2将研究、生产、供应和营销、企业级流程再造和企业价值重塑联系起来

从制造企业的功能来看,价值的闭环是通过研究、生产、供应和营销来实现的,创业或投资的逻辑也可以遵循实现企业自身价值的逻辑来探索新的机遇 过去,一些精益咨询公司在一定程度上参与了本地或全球优化智能。在人工智能时代,在技术授权的帮助下,从企业价值实现的角度来看,可能会带来新部门、新供应链组织形式甚至新类别(公司)的投资机会。

图1 工业智能化技术概览

图9企业人工智能:连接研究、生产、供应和营销

6。工业智能中数据产业链的投资价值

超越运营效率和业务效率的框架,面向自由/开源软件的资产处理,让我们讨论另一个贯穿始终的主题,即数据 过去,工业领域的投资主要集中在产品和设备、自动化产品和解决方案等方面。整体情况相当困难,一般来说,它代替了人的手脚和体力劳动。 人工智能所能做的,当然,并不局限于行动的执行。在数据决策层,人工智能可以授权工业企业的一些内部部门,或者取代一些大型专业服务公司,帮助它们做出更好的运营和商业决策。

从数据产业链的角度来看,我们将其分为三个层次:

图1 工业智能化技术概览

图10工业数据产业链中的投资机会

从设备到对象连接的角度来看,面对多协议共存的异构设备,如何连接、收集和融合它们,实现边缘或云计算是一个基本命题。 在数据源和数据收集方面,我们也在关注新的数据轴和新的传感和收集方法,例如领先和跨代传感器。BV还系统地安排了该领域国内外许多领先的领先传感器公司。 或者可以快速帮助企业完成工业3.0软件产品等。如果企业不能量化一些指标,如能耗、成本或工时,那么就没有更多的数据决策问题。

从存储、处理和分析的角度来看,我们关注新的数据技术、中间件和计算能力需求。数据融合和集成也是智能的普遍要求。同时,工业机制、工业过程、模型方法经验和知识的积累不足也成为工业领域算法层面的瓶颈

在应用程序级别,数据可以帮助人们在供应链、设计、生产和制造、检验和售后服务方面做出总体决策。因此,出现了各种技术解决方案和商业模式。上述运营效率和业务效率反映了数据的边际能力足以给行业带来巨大的效率和变化。

中国不同行业、不同地区的企业处于不同阶段。有些是2.0,有些是3.0,有些是4.0,这需要演示。多元化的发展阶段、差异化的转型需求和支离破碎的市场秩序为中国的产业智能转型创造了最复杂的市场。

在投资孵化和行业渗透的过程中,我们也看到了技术创新者面临的许多挑战,如数据完整性、闭环解决方案、不吸引人的商业模式、缺乏良好的环境数据和模拟环境、狭窄的运营边界以及传统到大b所面临的许多困惑和问题。 前面的路并不光明,但也不曲折。

[推荐阅读]

工业智能跑进局子,集成让新常态

智能工厂助力工业智能发展

为什么工业智能是制造业的下一个出路?

这篇文章的来源和出处已经标记。版权属于原作者。如果有侵权行为,请联系我们。

牡丹江新闻门户网 版权所有© www.tramonto-az.com 技术支持:牡丹江新闻门户网 | 网站地图