深度 | 区块链技术如何赋能智能制造?_PITI:API

本文来源:人人都是产品经理,作者:黄锐

在2019年10月24日中央局第十八次集体学习中,习总书记指出:区块链技术应用已延伸到数字金融、物联网、智能制造、供应链管理、数字资产交易等多个领域,要加快推动区块链技术和产业创新发展,积极推进区块链和经济社会融合发展。

2020年4月20日国家发改委也正式将区块链技术纳入新基建范畴。

同时最近半年,笔者正在参与《2020年工信部工业互联网招标项目》中涉及区块链的协同创新类项目申请和《区块链工业互联网和智能制造应用》内参读物的编写。

笔者对于区块链在智能制造方面的应用有一些深刻体会,借此机会与读者分享。

目前在金融行业和供应链管理领域,区块链技术利用资产透明化、链式数据结构、数据防篡改等特性,在行业推广中走在了前沿,上线了不少供应链金融、供应链溯源等区块链平台。

虽然目前具体商业价值还未彻底挖掘出来,但人们相信区块链技术对于金融和供应链管理有原生的资产模型支撑优势。

而在非资产类管理的工业智能制造领域,如何利用区块链技术优势赋能,估计大部分人还停留在纯粹的概念层面,并无具体思路,还有部分人士认为区块链技术用在智能制造等其他非金融领域过于牵强。

本文结合笔者的实际研究给出一些参考方向。

一、首先我们来看看什么是智能制造

1.国际智能制造发展动态

目前世界上主要发达国家政府,高度重视工业智能制造发展,积极出台相关战略政策,促进人工智能在生产制造及工业领域的应用发展。

美国于2016年10月和2018年10月陆续发布了《国家人工智能研究和发展战略规划》和《美国先进制造领导力的战略报告》,其中重点提及了产品全生命周期优化、先进机器人发展、大数据挖掘、制造系统网络安全等内容。

山西省政府:充分利用区块链等技术培育壮大新业态:近日,山西省政府第72次常务会研究通过了《关于加快促进服务业恢复稳定增长若干措施》。《若干措施》提出,鼓励文化旅游企业创新转型,充分利用互联网、物联网、大数据、云计算、人工智能、区块链、移动通信等新技术,培育壮大数字动漫、在线旅游、在线阅读、数字文博等新业态,重点扶持一批高成长创新型中小文创企业。(山西新闻网)[2020/7/10]

日本从2015年起,发布了4份与工业智能相关的政策文件,包括《新机器人战略》《2015?年制造业白皮书》《日本高级综合智能平台计划(AIP)》《人工智能产业化路线图》,聚焦先进机器人及大数据挖掘领域,推动设备故障智能预测系统的发展。

欧盟在2016?年5月发布了《数字化工业战略》,重点关注先进机器人和工业自治系统的研发。

2.国内智能制造进展情况

从政策上看,2015年5月,国务院出台了《中国制造2025》,提出了五大重点工程,其中智能制造工程就是其中重点实施工程之一。

2016年4月,工信部、发改委、科技部和财政部四部委联合印发了智能制造工程实施指南,提出“攻克五类关键技术装备,夯实智能制造三大基础,培育推广五种智能制造新模式,推进十大重点领域智能制造成套装备集成应用”。加快智能制造装备的创新发展和产业化进程,推动制造业转型升级。

从效果上看,近年来智能制造在工业系统各层级各环节展开了广泛的应用尝试,分别在生产现场优化、生产管理优化、?经营管理优化、产品全生命周期和供应链优化等五个方面聚焦了数十种细化场景。

3.国内智能制造在取得一定成果的同时,也发现了不少问题

动态 | 预计全球医疗保健区块链到2026年将达到17亿美元:信息技术公司Acumen Research and Consulting(ARC)的咨询服务部门预测,到2026年,全球医疗保健市场的全球区块链将达到17亿美元以上,复合年增长率为48.1%。[2019/7/17]

特别是:

还未成功构建智能制造产业生态圈,大部分企业还在单打独斗;

制造业商业模式创新尚未成功;

制造企业在资源利用方面的两极分化严重;

工业互联和信息共享方面发展迟缓等方面。要推动我国制造业向数字化、柔性化、定制化和智能化的发展还需要继续探索新模式。

二、区块链技术给智能制造带来新商业模式

区块链技术基于分布式的可信交易网络和数据真实防篡改的特性,为传统制造行业带来的更多是模式创业和资源整合作用。区块链虽然不是解决数据传递和汇聚效率问题的最优方式,但却是建立新型自主、共享、协作型商业模式的有效技术路径。

新模式一:区块链技术助力制造业服务化

制造业服务化通常有两个层面的理解,一个是制造中间投入的服务化,一个是制造业产出的服务化。但无论在OECD的制造投入产出样本数据中显示,制造业中间投入出现服务化趋势,还是像IBM和GE这样的全球巨头的产出服务性收入占比已经超过一半,都预示全球制造业的服务化是已是大势所趋。

区块链技术可以在分布式的数据环境下建立可信交易网络,这一优势在金融服务化已经充分体现。

制造业相比金融行业具备更分散的产业链,例如:一辆汽车大约有三万多个零部件,至少由几百家供应商构成。

动态 | 陆金所完成13.3亿美元C轮融资 将加强区块链等技术应用:据第一财经消息,市场人士透露,陆金所C轮融资的领投金额确实为13.3亿美元,但并未透露加上后续跟投之后的融资总金额。关于融资用途,上述市场人士则对记者表示,陆金所此轮融资将会主要用在技术创新与运营,以及国际化能力拓展方面。技术方面,陆金所控股将加强大数据、AI、区块链等智能化技术应用,提高运营效率,降低运营成本,增强产品整合、研发以及投资者服务能力。[2019/3/12]

区块链公开透明的记账模式在分散的不同经营实体间,建立可信的服务化收费模式,提供了基础环境。

新模式二:区块链技术助力构建智能制造产业生态圈

利用区块链技术在联盟内的数据透明,交易可信、数据安全方面的优势。

通过分布式节点,联合装备制造企业、通信设备制造商、电子信息制造商,软件服务企业、工业自动化公司、系统集成企业、科研院所,ICT运营商,金融和保险服务机构等,建立跨行业的涵盖技术研发、产品制造、技术服务、系统集成和金融服务等功能在内的智能制造产业生态圈,避免企业陷入单打独斗的困境,为我国智能制造产业升级,提供安全可信的营商环境。

新模式三:区块链技术助力构建协同协作型生产环境

就目前工业自动化生产线来讲,已经可以通过生产线和厂区的边缘计算中心实现生产线内的设备协同。

但在生产线之间、厂区之间、上下游企业之间的实时协同就需要更灵活和低成本的协同网络。

通过在区块链应用层构建供应链、生产线、质检、售后、运维等环节的业务流程和数据模型,利用分布式任务协同节点,将业务流程和数据模型的状态在全网实时更新和同步,从而实现跨生产线、厂区和上下游企业的生产协同。

行情 | A股开盘:区块链板块开盘涨0.68%:A股开盘,区块链板块开盘涨0.68%。84只概念股中,72只上涨,6下跌,6平盘,涨幅前三为:视觉中国(+2.03%)、东华软件(+1.84%)、东方国信(+1.80%);跌幅前三为:科达股份(-3.29%),奥马电器(-1.09%),华软科技(-1.03%)。[2018/11/8]

三、区块链技术在智能制造领域的应用方向

1.区块链+生产线智能租赁

生产线智能租赁本质上是制造业服务化的一个案例。

美国PearsonElectronics是一家高精度宽带电流互感器的鼻祖和领先制造商,长期以来一直被认为是用高精度宽带电流互感器设计和制造的市场领导者,目前正在尝试一种新的技术,利用物联网和区块链的技术访问机器内部的数据,记录机器输出并计算交易和付款。

工厂企业可以任意使用各种立箱机、封口机和码垛机等,而不需要花大笔资金购买这些设备,只需要为产品的制造服务付费即可。

在国内,工厂生产线升级都是从设备商那里购买设备,然后进行组装、调试和应用,工厂企业必须承担设备投资的所有风险。

但对于急需生产线机器又没有获得资金的公司来说,直接购买设备无疑有很大的困难,而即使成功购买设备完成了对生产线的升级,也不能保证机器时刻有生产任务,一旦机器处于闲置,必然造成了厂家的生产力浪费。所以,如何在需要使用设备时,能方便快速地获取生产力,在设备空闲时又能将设备提供给其他工厂使用,成了提高工厂企业生产效率的一个重要问题。

而使用基于区块链的生产线租赁是一种理想的解决方式,区块链是一种安全且防篡改的分布式记账技术,在租赁设备记账方面可以产生重要的意义,机器厂商将可以依此实现生产线的智能租赁。

动态 | 甘肃省将推动互联网、区块链等与实体经济深度融合:12月5日消息,甘肃省政府办公厅近日印发《新时代甘肃融入“一带一路”建设打造信息制高点实施方案》。《方案》提出,我省将全面推动互联网、大数据、人工智能、物联网、区块链和实体经济深度融合,促进新旧动能转换,打造服务西北、联接全国,面向中西亚、南亚、中东欧等“一带一路”沿线国家和地区的通信枢纽、区域信息汇集中心和大数据服务输出地,努力建设数字经济强省。[2019/12/5]

它消除了机器的前期费用,制造商可以将资金投入其它可以改善运营的地方,例如新产品开发等,使得其业务更加灵活,在行业中创造更大的竞争优势。

利用区块链技术解决制造业资产配置重,生产线不灵活等问题,降低生产成本的同时提升利润率。

它还能帮助制造业建立安全完整的数据库以及有效的产品信息追溯链。

区块链技术可以有效推进解决制造业服务化,加快制造业的转型升级。

2.区块链+生产线品控

目前区块链技术在供应链溯源等方面的运用已经比较成熟,利用区块链数据防篡改的特性,建立商品的生产、流通和消费的真实性验证网络,有效提高了商品的品牌价值。

而区块链技术运用在制造业产业链内的质检协作效率优化、产品质量控制和降低故障率等方面也都有很强的内在需求,特别是在工厂分布式的生产和质检环境中有效建立质量可信评估网络是一件非常困难的事情。

通过工厂边缘计算中心嵌入区块链分布式计算节点,可不用在对生产数据全量上传的前提下,实现各项运维,品控指标的分布式竞选,为多生产线、多厂区和多企业的最优质量优化提供实时、动态的数据支撑。

通过区块链技术数据防篡改特性,提供产品质量故障、事故等数据无隐瞒、透明化的生产告警,建立责任界定和定损索赔的自动化机制。

一条生产线的品控问题可通过区块链节点自动化,防篡改的向产业链上下游企业和监管节点实时同步,同时可按照需求向其他生产线广播告警。基于区块链的品控告警机制,可实现低延迟,自动化,低成本和防篡改生产安全运维网络。

当然工业领域的零配件和产品质量溯源要比供应链的商品溯源复杂很多,目前区块链技术在工业产品质量溯源方面还处于初步探索阶段,有部分大型制造企业正在局部工厂或生产线试点和探索类似方案。

3.区块链+制造业供应链协同

例如在建材制造供应链中,可利用区块链技术的交易对等、数据可信和数据分布式一致性的特点,依托核心建材制造企业、将上游供应商、物流平台、高速公路管理、加油站、交通运输和税务平台等分布式的交易参与方,通过区块链共识网络整合在一起,实现建材产品从原材料加工、成品制造、采购和销售、物流和税务等全生命周期的分布式协同机制。

实现商业合同、货物物流、资金、发票数据的四流合一,为产品制造的品控、运输、税收征管提供便捷、真实、一致、透明、合规的协作基础网络。

就目前区块链技术发展而言1.0和2.0阶段都还停留在金融资金处理的账务模型构建上,而在区块链应用层构建生产运维、供应链管理的领域模型才是未来行业应用3.0的发展趋势。

通过生产运维、供应链流程的发布、维护、跟踪来实现分布式的P2P产业协同链。

部署在边缘计算中心的区块链协同节点,可实时自动化完成生产协同工作。制造业生产协同通过区块链技术的引入将从单一生产线协同、单一厂区协同、单一企业协同,进化到产业链的协同。

四、区块链技术在智能制造领域应用的主要问题

1.区块链技术在智能制造方面的应用还处于早期探索阶段

目前国内区块链技术和智能制造应用都还处于技术初期阶段,从技术发展趋势上看,区块链确实在智能制造产业结构优化,服务化转型,工业生态圈融合方面具备多种优势。

但由于工业制造行业的特殊性,生产流程和生产要素行业间差异巨大;大型工业企业和中小型工业企业的工业化、信息化和工业互联网化的基础设施建设参差不齐,都严重制约了区块链技术进一步的应用。

区块链技术在智能制造的大规模应用还有待时日。

2.制造行业从产品化到服务化的观念转变问题

制造业由产品化思维向服务化思维的演进,并不是说不需要生产线这类重资产的配置,而是通过服务化,有效提高产品生产线和设备的利用率。制造服务化代表着更开放的生态结构,通过提供或者引入创新服务实现资产价值增值。

智能制造要充分利用区块链技术在分布式记账和多方协作方面的优势,实现产业链垂直和跨行业横向的服务协作整合,形成体系化的产品+服务的综合应用。

3.解决核心制造数据共享和企业商业机密保护问题

目前制约智能制造接入工业互联网平台因素之一就是数据安全和商业机密保护问题,特别是在公有云平台,工业企业普遍担心核心数据的泄露。

由于传统区块链技术采用在分布式节点间的数据一致性同步机制,更加重了企业在这方面的担忧。

所以,如果直接通用区块链技术,实现企业协同和数据共享,首先要解决数据隐私和机密保护问题,目前基于区块链技术的密文计算和验证功能已经在一些领域运用,工业领域还需进一步探索。

4.利用区块链技术实现智能制造的商业利益回报问题

目前区块链还是处于技术萌芽期,很多企业的探索和尝试还只是出于对未来价值的展望,还谈不上直接经济回报。要想真正发挥区块链在智能制造领域的价值,首先还得回到解决企业实际问题上来,先从新业务、新模式上探索经济模型,区块链的大规模商业,一定是建立在良性的经济模型基础之上的。

五、总结

目前基于区块链技术的特性和应用场景的理解,存在一些认知偏差,忌:只看重区块链数据防篡改优势,而忽略分布式资源整合和协作优势。

相当一部分人把区块链技术定义为一种具有“不可伪造”“全程留痕”“可以追溯”“公开透明”“集体维护”等特征的共享数据库。

而在行业应用中,如果我们把区块链弱化为一套防篡改的共享数据库,我相信有太多可以替代的低成本、高效率方案。

因为本身在一个平台上构建一套具备准入限制、安全认证、操作日志审计、高可用、高性能、可扩展的数据库系统,并不需要用到区块链技术。

所以我相信区块链技术在行业应用中,需要构建的是产业整合型协作网络,特别是在跨多协作实体的创新业务上的应用是未来的价值所在。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

金智博客

[0:31ms0-8:697ms