6GK5798-8MB00-0AC1工业智能的路径选择对于工业领域的大B客户来讲，现阶段需要的不是单个产品，而是端到端的整体解决方案。这虽说是现状，其实也是工业创业者的***目标。然而路径选择很重要。关于发展路径，业内主流认为自动化-（数据化）-信息化-智能化是工业用户进阶的合理顺序，并且前一阶段是后一阶段开始的必要条件。因此国内工业智能领域的企业在很长一段时间内只关注自动化领域的机会，甚至将工业智能等同为“机器人”或者“工业自动化”。从用户现场的大量实践来看，这几个阶段存在着显著的先后顺序，但同时交叉渗透，迭代进行。具体来看，离散制造行业大部分客户自动化程度不够，所以优先完成产线自动化。一些厂商以工业以太网和板卡实现设备互联，打通设备级数据，经过MES反馈到平台层，在不更换原有工控设备的基础上实现初步物联，用户接受度很高，业绩每年翻几番增长，趋势非常明显。这一类模式，我们可以称之为「以M2M设备物联为核心的系统集成」。更进一步的需求，来自于离散制造业的超大型头部客户和流程制造行业的绝大多数客户，由于产线自动化程度本身较高，我们观察到这类客户对于信息化的接受程度本身也较高。另外有一类厂商可以直接从顶层设计切入，在平台层以工业大数据平台或者场景化的AI模型服务用户，实时的解决业务问题。反过来在数据采集层，在一些数据不完善的局部加装传感器，加装智能化的检测设备，甚至于做小段的产线集成等等。这一类模式，用户接受度往往更高，这意味着项目的溢价往往也更高，我们可以称之为「以数据应用为核心的系统集成」。6GK5798-8MB00-0AC1所以，我们可以看到三条发展路径，面对不同的客户，不同的场景，不同的发展阶段，有不同的路径选择：一、以产线自动化为核心的系统集成；二、以M2M设备物联为核心的系统集成；三、以数据应用为核心的系统集成。当然，殊途同归，***终都是给用户提供整体解决方案，以满足用户需求为核心。工业智能之工业大数据首先，数据在哪里？一类是管理数据：结构化的SQL数据为主，如产品属性、工艺、生产、采购、订单、服务等数据，这类数据一般来自企业的ERP、SCM、PLM甚至MES等系统，数据量本身不大，却具有很大的挖掘价值；另一类则是机器运行和IoT的数据：以非结构化、流式数据居多，如设备工况（压力、温度、振动、应力等）、音视频、日志文本等数据，这类数据一般采集自设备PLC、SCADA以及部分外装传感器，数据量很大，采集频率高，需要结合边缘计算在本地做一些预处理。总的来讲，由于场景的割裂和分散，工业数据本身具有量大、多源、异构、实时性要求高等特点，而且随着未来280亿设备逐步接入，这些特性将会进一步加强，这是做工业大数据服务的核心难点之一，和互联网大数据不仅量级不同，结构不同，应用也完全不同。6GK5798-8MB00-0AC1Manne***annDemagUmrichterUD-DPU415V024E00GEBINDRAMATServomotorMAC112B-1-GD-4-​C/130-A-1(WI517​L/S05ComsyKommunikati***p​.fürSimaticS5FC500/ASSFC500ASSSiemensACHSAMotor1PH6103-4NF46-ZREXROTHServomotorMDD071A-N-060-N​2T-095GB0REMGardnerDenverELMO-GGebläseG2002BH1640-7GH47SiemensSimodrive611VSAModul6/12A6SC6110-6AA00ovpBoschBürstenloserServomotorTypSD-B4.140.030-0​4.000.SEWServoumrichterMOVIDYNTypMAS51A030-503-5​0MAS51ASEWFrequenzumricht​erMOVIDYNTypMAS51A030-503-5​0MAS5SiemensSIPROTECDigi.Stati***.7SS5215-5CA01-0​CA1OVPSiemensSIMOVERTMasterdriveMC6SE7021-3TP50GEBSiemensSimadynITSLErweiterungsbgr​.6DD1663-0AB0sieBaumüllerNürnbergServoreglerBUS623-20/30-54​-M-001SickMUXfürCANNetzwerkMUX400MUX400-0000)