热门搜索

历史搜索

广告

看C3如何用智能物联重塑工业

从区域逻辑到全域统筹,从被动响应到主动预测,从程式化到数理相关性,这三个趋势将给工业互联网的所有参与者带来挑战与机遇。

本文来自微信公众号“ 君联资本CEOClub”(ID:LegendCapitalCEOClub),世界经理人经授权转载。

编者按:中国工业总产值超80万亿人民币,工业信息化市场和信息化后的效率提升市场均在千亿规模。工业信息化变革有哪些趋势?过程中又孕育着哪些机会?我们研究了一批工业互联网的先驱公司,希望能从中窥见变化的趋势。

中国工业总产值超80万亿人民币,工业信息化市场和信息化后的效率提升市场均在千亿规模,在经济增长放缓的大趋势下,工业企业对降耗增效的需求日渐明确。但在实际落地中,可视化、智能化的应用雷声大、雨点小,行业的变革速度似乎大大低于预期。为此我们研究了一批工业互联网的先驱公司,希望能从中窥见变化的趋势。以其中代表公司C3.ai为例,思辨智能物联在工业领域的正确打开方式。

C3.ai公司成立于2009年,是一家企业级AI软件提供商,其C3 AI Suites平台帮助企业快速开发、部署、运行大规模AI+IoT应用。该平台通过AWS等公有云对接数据层,平台上可为客户提供完整的AIsuites,这些来自C3或第三方的AI suites为用户提供需求预测、能源管理、模式诊断等行业级应用。

C3的客户主要在工业、能源、航天等领域,公司年收入约1.5亿美元,最新估值为21亿美金(2019年5月)。C3公司的典型客户画像:大型跨国集团,10亿美金年收入,员工数量1万以上。代表客户包括波音、壳牌、Engie等。

C3公司全栈AI Suite

C3公司全栈AI Suite

在研究C3公司的应用案例过程中,我们窥见到了三个在深刻影响工业行业的趋势。

一、影响工业行业的三大趋势

1、由区域逻辑到全域统筹

工业界的生产运营有严格的上下游逻辑,每一个环节的动作依据上游输入。以离散型制造业为例,工厂中的生产环节,通常根据上游环节的需求单量进行备料,匹配生产需求,单一环节的信息仅在临近环节内交换,这些孤岛信息带来了资源配置不合理等问题。

全域统筹可以帮助解决此类问题。这里面所说的区域到全域分为两个层次,第一个层次是单点到全厂,第二个层次是全厂到全供应链的上下游打通。当数据在全域层面打通后,整个系统的生产效率达到最大化。

C3公司的一个案例可以展示出从区域到全域带来的价值。客户是一家拥有150条产线的全球F100制造型企业,全集团有价值40亿美金的库存物料。C3公司基于C3 AI Suites,用10周时间为客户打造了一套库存优化系统。该系统采集所有生产流程的内外部实时信息,包括需求变化、供货商交期、产品良率、产线可用率等数据,实现物流全程归一化管理,帮助每个环节合理配置资源。通过深度学习来控制产线安全库存、安全时程等关键指标,最终为客户降低30%的库存备料。

2、从被动响应到主动预测

企业接单→生产准备→批量生产,这是典型的工业运营模式,此模式的最大挑战是,企业时刻处于被动响应的状态,在资源配置上频发溢出或欠缺的情况。利用AI进行主动预测,可以优化资源配置水平,从容应对订单需求。

C3帮助其客户从被动响应到主动预测带来收入提升。客户是一家设备中间商,C3为其设备进行物联改造,实时监测设备状态、技术人员排期负荷、数字化工单。预测客户潜在需求,以最大化设备利用率为目标,用深度学习来持续优化人、设备、客户的匹配关系。大幅提高客户的现场技术人员的有效时长,同时每年带来新增数十万美元的收入。

3、从程式化控制到数理相关性分析

当下,连续型生产工厂的系统控制多基于DCS系统内已经固化好的控制程式,典型应用如电厂的给水调节模型。此类程式控制基于两个假设:首先是经典的数理公式可精确描述工艺,二是传感器的实时数据精确可靠。

但实际情况是,数理公式的描述基于许多边界条件。当实际的边界条件改变时,公式本身已经无法精确描述场景的实时情况,同时,传感器带来的累积误差也没有被考虑进去。因此程式化控制不可避免地造成系统无法达到最优效率。

AI技术可以利用深度学习建立统计回归模型,寻找潜在相关因子,量化所有潜在因子的权重,引入传感器的实时测量数值,进而用AI推荐模型的方式描述连续型生产工艺在发生的事情,调整相关参数,最终使全域系统效率达到最优化。

AI应用助力工业企业全面提升效率

AI应用助力工业企业全面提升效率

ENGIE是全球最大的电力集团之一,装机容量114.4GW,每年收入670亿欧元 ,在全球70个国家拥有15.3万雇员。ENGIE选择了C3 AI Suite和AWS为其企业数字化转型来部署AIoT平台,全面提升全集团的生产效率。

该项目现在每1-15分钟从Engie的数百万设备上采集数据,通过数个C3 AI Suits处理数据,包括能耗预测、运维预测、资源调度、设备预测等,全面提升集团的生产运营效率。据悉,该项目每年为ENGIE带来价值15亿欧元的经济效益。

从区域逻辑到全域统筹,从被动响应到主动预测,从程式化到数理相关性,这三个趋势将给工业互联网的所有参与者带来挑战与机遇,同时也会催生三类需求。

二、三大趋势催生三类需求

1、高维实时的海量数据采集

智能化的前提是海量数据。海量数据体现在,从低维到高维,从低频间断到实时连续性的数据。

数据维度日益丰富,从传统的温度、压力、流量、红外、声波等,到近年日益成熟的光谱、CV、3D视觉等。NB-IoT、ZigBee、LoRa等传输链路的普及,低功耗芯片的成熟,让秒级的大规模数据采集成为可能。这些高维实时化的数据采集,是应用层智能化的先决条件,其中蕴藏着大量商业机会。

2、从单次供货到深度介入运营

当下的硬件软件供货商,与工业企业的商务合作多为一次性项目制,通过单次项目为工厂提供设备、软件等,但对于工厂本身的业务不参与。在工厂智慧化后,工厂的各个运营环节需要专业化的技术公司直接参与工厂的运营。

这些公司会在诊断故障、库存管理、需求预测、价格策略等方面有各自的专业积累,帮助工厂提高运营效率。相应地,其商业模式也会从单次项目制演化为服务模式、订阅制,或是利润分成模式。

3、工业AI应用采购的平台化

当工业AI应用丰富后,对于企业客户来讲,一站式解决所有需求是最高效的模式,这种一站式的需求会倒逼技术提供商改变单兵作战的模式。

模式有两种演进可能,一种可能是联盟化,专注在不同细分Function的技术提供商结为联盟,技术协议通用,数据无缝对接,共享客户。

更为可能的是孕育出像C3一样的平台化公司,技术服务商在平台上专注各自的领域,通过C3 AI Suites平台,以统一的接口服务客户。

智能物联正在深刻的影响着工业,从区域逻辑到全域统筹,从被动响应到主动预测,从程式化到数理相关性,这三个变化趋势正在重塑工业的运营逻辑。同时,变革之下正在孕育新的机会,高维实时的海量数据采集,单次供货到深度介入运营,工业AI应用采购的平台化。

智能物联是工业互联网的新舞台,相信所有参与者都会在其中找到自己的精彩。

数据来源:CrunchBase、C3.ai官网、公开资料

作者:孙登科,专注科技投资,关注IoT、AI、区块链等技术驱动的行业应用。

实习生张怀忠对本文亦有贡献。

本文经授权发布,不代表世界经理人立场。如若转载请联系原作者。

相关推荐

评论

评论共0
扫描二维码,移动端浏览手世界经理人机版更方便