【摘要】：
工業互聯網項目成熟度模型的建立有助于厘清客戶實際需求，明確項目實施重點，合理分配項目實施時間，建立項目評價體系，并能夠進一步指明工業互聯網發展的方向和路徑。
工業互聯網項目成熟度模型的建立有助于厘清客戶實際需求，明確項目實施重點，合理分配項目實施時間，建立項目評價體系，并能夠進一步指明工業互聯網發展的方向和路徑。
智物聯在以前發表的文章中曾經提出過工業互聯網發展的不同階段和對工業互聯網數據不同層次的運用，在此基礎上，可以初步建立起智物聯工業互聯網項目的成熟度模型，根據不同的標準和要求確定具體項目所達到的層級，以此對交付的項目進行評估。
以對數據的使用為主線，按成熟度由低到高，該模型可以分為五個層級：
▲ 工業物聯網項目成熟度模型示意
L1: 數據采集層 （設備對象數據化 數據采集標準化）
數據采集是工業互聯網的基礎，也是工業互聯網項目的起點。
這一層級的項目成熟度評估內容包括：工業設備數據能否成功采集；用什么樣方式進行采集；能否突破工業設備多樣化的桎梏形成可重復的、操作性強的采集流程；能否以統一的標準容納不同來源的數據等等。其中最重要的是兩個問題。
◆ 一、工業設備的數據化；就是針對不同的設備、不同的項目確定采集什么樣的數據和具體的采集方法。智物聯的MixIOT在一般的設備數據化上更進一步，將“設備”的概念發展為“對象”，一個“對象”可以是一臺設備，也可以是一條產線、一個車間、一個工廠，甚至是多個工廠的產業集群。這就大大拓寬了工業數據的含義、提高了工業設備數據化的靈活性。
◆ 二、數據采集的標準化；工業數據具有多源異構、多種工業協議共存、實時性、融合性等特點，且各種工業協議彼此之間大多不兼容、不開放，缺乏統一的數據采集標準。而基于“多源異構數據映射”的方法論，MixIOT已經建立了完整的數據采集標準體系，智物聯研發的可編程適配器Aprus、邊緣計算控制器Apieco等數據采集終端也已經能夠支持市面上大多數工業協議。此外，MixIOT還有離線數據庫、入棧機等組件可以將離線數據、第三方數據采集終端采集的數據納入MixIOT的標準體系中。
L2: 組織處理層 （數據組織有序化，數據處理規范化）
數據采集上來之后需要進行存儲部署，但存儲本身并不是重點，無論是一站式部署還是私有化部署，無論是云部署還是本地機柜部署，本質上只是數據存儲的地方不同而已，關鍵在于存儲組織的方式。是把數據不作區分地一股腦兒堆到一起，還是進行一定抽象處理后有序地保存，這決定了后續對數據應用的科學性和有效性。
因此，這一層級的項目成熟度評估內容包括：數據的保存是否有序；數據的檢索是否高效；數據之間的關聯關系是否清晰；數據的調取是否簡便等等。
數據處理這個環節，很容易被忽略，絕大多數物聯網服務商并不明白數據處理是怎么回事，更不知道如何去做好數據處理，只能把從采集到存儲過程中取得的數據直接加以應用，結果展現出來的只能是大量零散的數據，無法準確判斷數據關聯關系，更無法通過數據分析輔助決策、解決問題。
▲ MixIOT將處理后的柵格數據封裝API接口示意圖
MixIOT對數據類型有完善規范的分類，并且根據數據特性通過映射表、代碼庫等將其分離，同時，按照數據的不同來源，建立了柵格數據庫、馬賽克數據庫、離線數據庫、統計數據庫、統計報表數據庫等，這大大便利了對數據的檢索、讀取、關聯和分析。
L3: 基礎應用層 （基礎應用完善化，結果展現合理化）
基本上工業互聯網項目都不會只停留在前兩層，采集數據、處理數據的目的是應用數據，而應用深度和應用方式的不同，形成了后面三個層級的差別。
基礎應用層主要是對數據進行基礎的統計計算，并將計算結果可視化，形成各類報表或圖形，將數據以直觀的方式加以展現。通過統計計算和可視化展現，不同類型的數據按照實際項目的需求，以各種邏輯重新整合，產生一種全局性的視角，一定程度上能夠為工業設備運行和管理提供決策依據。
這一層級的項目成熟度評估內容包括：項目所支持的統計計算方法是否完善；是否能夠對各種原因造成的錯誤數據進行過濾；統計計算結果是否能夠得到最大限度的應用；統計計算結果的展示是否合理美觀等等。
MixIOT中的統計計算、報表服務、顯示板服務等組件和Fidis中的實時監控等應用已經十分完備，能夠輕松地實現工業互聯網基礎應用層的要求，形成合理準確的結果展現。當然，對于可視化展現來說，客戶可能對它還有更多的要求，對此，MixIOT會專門提供相關的工具，讓使用者可以各顯神通，設計出符合客戶要求的可視化效果。
▲ 可視化項目監控系統
L4: 高級分析層 （高級分析科學化，數據產品通用化）
目前大多數工業互聯網服務商集中在前三個層級進行競爭，有做數據采集終端的，有做數據存儲平臺的，有做數據統計計算應用的，也有整合這些資源和服務做整體化解決方案的，但這遠不是工業互聯網的終點，再前進一步，就來到了工業互聯網項目的高級分析層。
在高級分析層，需要打破數學和工業之間的壁壘，挖掘數據的真正價值。項目成熟度的評估內容也就相應地包括：能否脫離各種工業設備不同機理的羈絆，將工業數據抽象化；能否完全從數據角度去分析其變化特征、內在關聯以及各種臨界可能；能否搞清楚工業數據背后的含義；能否將高級分析所得的經驗、路徑、結論等等，體現為數據分析產品或行業/設備專項產品；這樣的產品能否脫離某個具體的項目，在更大的范圍內得到應用等等。
智物聯是國內為數不多的擁有獨立數據分析團隊的工業互聯網公司，在數據的高級分析方面進行了探索，也取得了一定的成績。
目前，智物聯的數據分析產品包括了Aplec、Indass、Evacs、ODS等，可用于：
此外，還針對鍋爐、空壓機、發電機等設備的智能控制和運行優化形成了專項邊緣計算產品。隨著業務的深入開展和對各個工業行業的滲透，智物聯的數據分析產品也將會越來越豐富。
L5: 問題解決層 （行業結合有機化，問題解決實用化）
我們一直說工業互聯網給客戶帶來的價值是安全生產、節能減排、增產增效、精細管理，這是工業互聯網最終必須要解決的問題，如果做一個高度概括，那么也可以將其視為項目成熟度模型在這一層級的評估內容。
但是，整個工業領域有著繁多的行業門類、復雜的工藝流程和各異的工業產品，任何一家公司都不可能靠單打獨斗讓所有項目都達到這一層級，廣泛的合作是必由之路。
智物聯在實際業務中發現，很多物聯網公司，在前面四個層級可能并不具備特別突出的亮點，但是他們的優勢在于對某個工業行業或領域做得比較深入，積累了大量的經驗，這種行業經驗如果與智物聯的通用性產品有機結合，就能突破各自的局限，在“解決問題”的維度上達到我們所期待的、真正的工業互聯網。
因此，智物聯也在努力建立生態合作伙伴體系，敞開大門歡迎擁有行業經驗的公司與智物聯進行合作，利用智物聯開放式的技術和產品實施具體行業的工業互聯網項目，解決一個個的具體問題，為實現工業整體的轉型升級提供助力。
以上便是智物聯工業互聯網項目成熟度模型的整體架構，今后，智物聯也會根據這一模型來評估自身以及合作伙伴交付的項目。當然，該模型現在還只是一個框架，具體到每一層級的評估內容還可以有很多細項和量化指標，將在今后逐步加以完善。這一模型的建立和推廣，相信也能為整個工業互聯網行業的項目成熟度評估提供有益的借鑒。
