工业互联网时代的数字化转型：抓业务落地牛鼻子 破解企业“痛点”问题

2021年10月13日，ENI经济和信息化网第83期直播间，再度聚焦‘5G+工业互联网网’应用主题。在此次直播中，工业互联网背景下数字化建设路径、敏态云原生应用下的网络安全及数据安全、设备等数据应用场景成为参会企业代表重点关注的问题。

信息化与软件产业研究所副所长袁晓庆，中集冷藏箱有限公司CIO耿峰，戴尔科技集团数据保护解决方案部门资深系统工程师曹晓辉作为本次直播的讲师，分别从落地应用方法论、数据安全体系以及应用成果和经验的角度进行了分享。

近150位来自装备机械、电子等行业的企业IT管理人参与了此次活动。

袁晓庆

信息化与软件产业研究所副所长

在《工业互联网平台打造制造业数字化转型升级版》为主题的演讲开场，袁晓庆通过三个案例，带大家“回归初心”：重温了数字化转型的价值及工业互联网应用的成果，提出企业数字化的本质是解决“痛点”问题。

而对于工业互联网背景下的数字化转型，袁晓庆定义为“拐点将至”，提出制造业数字化转型进入到了工业互联网平台支撑的3.0阶段，通过介绍“数据驱动、场景云化、快速迭代”为主线的工业互联网基本逻辑，在数据、应用、模型三个层面回答了“设备及MES等内部联网与工业互联网的区别”。

来源：袁晓庆《工业互联网平台打造制造业数字化转型升级版》

基于数字化解决企业痛点的本质，袁晓庆建议要抓业务落地的牛鼻子，并例举了不同行业落地于智能化生产、网络化协同、个性化定制、服务化延伸四个维度的重要场景，构建“痛点-场景-解决方案”的业务闭环。同时提出升级版制造业数字化转型“基于工业互联网平台的双螺旋模型”方法论，即制造业数字化转型必须从价值、技术、业务三个视角统筹考虑。价值重构是逻辑起点，技术支撑是工具，业务落地是内核。抛开技术谈业务，容易陷入老方案，使用旧地图找不到新大陆。抛开业务谈技术，容易陷入炫耀锄头的自娱自乐;

曹晓辉

戴尔科技集团数据保护解决方案部门资深系统工程师

企业数字化转型的快速推进以及工业互联网的兴起，推动企业的IT应用从传统的稳态应用向敏态的云原生发展。近年来，企业网络及数据安全的威胁日益严重，诸多知名企业因勒索软件攻击造成了赎金、业务停顿、商业声誉等多方面的损失。除了弱口令、系统漏洞、钓鱼邮件等攻击方式，备份数据也成为常见的攻击目标。在这样的背景下企业需要一个可信的数据安全平台，在保证网络安全的同时，为企业的数据安全加把锁，以保护数据这个企业数字化转型的基石。

基于此，戴尔科技集团推出了“三位一体”的数据保护方案，即面向边缘、核心及多云的架构，将在备份、异地容灾的基础上，增加“数据避风港”方案，可以帮助企业实现“为安全加锁防止内部攻击;网络隔离防止外部入侵，智能扫描分析识别潜在风险;以及及时恢复验证，确保数据完整可恢复”的功能。其“隔离、不可篡改及智能侦测”的特点，可为企业构建可信任、有信心的安全体系。

来源：戴尔科技集团

同时，数据安全避风港解决方案基于开放平台，可支持各类应用，数据底层复制，强大的消重比使得数据复制更高效。另外，方案还具有重要数据中心独立于备份软件，只能由内发起同步策略;空间开销小;备份数据加锁;易部署等优势，有效地护航企业数字化转型及工业互联网应用。

耿峰

中集冷藏箱有限公司CIO

在关于工业互联网实战经验的分享中，耿峰提到当前工业互联网平台仍然处于发展初期，在技术、商业和产业领域依然存在众多不确定性因素和困难。工业互联网与两化融合的关系体现在两化融合管理体系强调企业新型能力的打造，以及数据的深度应用，与工业互联网的建设重点基本一致，因此两化融合是目标，工业互联网平台是技术平台和载体，工业互联网平台是两化融合建设的新抓手。

而企业落地工业互联网应用的目标对内依然是降本增效，对外则意味着业务创新。工业化、数字化、精益化作为实现对内对外目标的重要途径，在企业战略愿景中具体体现为“卓越制造体系、全场景客户价值、创新业务模式”三大抓手和“数字化能力、组织能力”两个基本点。

之后，耿峰介绍了企业基于IoT物联网平台、MES数字化制造平台、业财一体化ERP平台以及工业大数据分析平台等构成的智能制造模型。并就企业劳动力全生命周期管理、设备管理、能耗管理等多个典型应用场景及效能进行了深入的分享。他提到，数字化精益企业建设的保障在于“业务第一，组织、流程、平台工具三要素相结合”、“数据第一，包括数据的标准化和准确性”、“复合型人才团队建设”、“高度重视变革管理”四个方面。企业要以智能制造改变质量、交期、成本等核心业务。

在直播的最后，几位讲师从不同的角度对参会IT管理人提出的关于落地路径、数据安全体系建设、应用场景等问题进行了详细的解答。关于设备数据应用场景的问题，参会代表也通过直播平台进行了互动，其中一位IT负责人提到：设备数据要先有价值需求，再有场景，最后才是数据收集。首先是你要干什么，是监测异常还是加强可靠性还是维修计划还是计算产能?为了这个目标，你要采取哪些动作?为了能够自动化这些动作，你要监测哪些信息、如何驱动?为了拿到、使用这些信息，要采集什么设备数据?这些数据如何采集、是上云还是边缘处理?如果采集不到可以用哪些数据替代?而解决这些问题的过程也就是场景不断落地和形成的过程。