在6月29日举办的“2022国际AIoT生态发展大会-工业互联网分论坛”中，亚马逊云科技物联网产品专家蔡裕正分享了题为《乘“云”驾“物” 打造智能制造新时代》的精彩演讲，详解如何通过借助数字孪生实现数字化生产，依托AIoT改善OEE并优化生产效果，实现预测性服务优化供应链并减少库存，助力工业数字化转型。

工业物联网技术与困境

“大概在七八年前，大家对物联网的理解停留在‘设备采集数据、数据传输上云’的初级阶段，但实际上这一做法并没有解决什么现实问题。”蔡裕正分享道，“所以近两三年以来，一方面是5G、AI、大数据等新兴技术的成熟，另一方面是疫情给企业生产运营带来的直接冲击，都令企业掌舵者重新思考物联网的真正价值——也就是挖掘数据的价值——渐渐地，产业里逐渐产生数据分析的需求，随后部署到边缘侧做闭环。”

在亚马逊云科技看来，目前制造业是一个低利润的行业，制造商面临着不断创新以做得更好、更快、更便宜以保持竞争力的挑战。如果具象化来看，制造生产的挑战可以列为这7点：创造新的收入来源、提高OEE和优化生产、优化供应链和减少库存、人员流失和培训、保护生产和知识产权、释放数据和见解启示、降低成本。

如何破局？上工业物联网就能一劳永逸吗？答案是复杂的。

蔡裕正认为，目前工业物联网技术由3块组成，一是物联网与边缘，二是数据分析，三是机器学习和人工智能。目前这3种技术大部分属于“各自为政”的状态，虽然有小部分相互重叠，但真正能转为为商业价值的部分更为稀少。此外，目前的工厂数字化改造以IT为主，IT跟OT的边界仍然未打通，自然容易形成数据孤岛，给挖掘数据价值提升难度。

“虽然技术不断在演化，但我们在实际项目和实际操作过程当中发现，不管是大型企业，或者是创业公司，普遍面临一样的问题——工业物联网的技术是跨领域的，公司里可能没有这部分的人才或能力克服某个关键难题。”他分享道。

更困难的现状是，具体到企业里，目前基本上是C Level的主管（如CEO、CFO、CTO等）高度关注数字化转型的工作和过程，而制造生产一线的工人不一定非常了解，企业里上下级对智能制造的理解和观念并不统一，自上而下的改造必定困难重重。

“在工业上，物联网的技术绝对是一个成功的关键。这是行业共识、大势所趋。”蔡裕正说道，“但‘家家都有难念的经’，改造过程又是极其漫长和反复的，均需要有专业的见解或理解。亚马逊云科技拥有丰富的智能制造实战经验，可以提供从边缘侧到云平台的数据分析、计算，还支持到现场的部署，为不同行业领域提供智能制造升级、数字化改造的咨询和支持。”

• 在采集端，FreeRTOS服务将微控制器的设备数据发送到云端，Snowball可以搬迁海量的本地数据上云。Greengrass可以帮助收集各种协议的数据，并做预处理工作，SiteWise可以帮助工业数据上云，Database Migration Service搬迁Oracle的传统关系型数据上云。
• 在数据的存储端，IoT Analytics服务提供时序数据存储和分析服务，Amazon S3提供安全高效的对象存在服务，可以作为数据湖的载体。
• 在数据分析方面，IoT Analytics提供时序数据的分析能力，IoT SiteWise提供OT数据的可视化能力，Redshift可以构建数据仓库，Athena直接在数据湖上做即时的查询，EMR帮助构建Hadoop集群，SageMaker和Greengrass训练和运行机器学习。
• 在应用程序方面，AWS IAM Cognito构建安全的应用，Cloudwatch帮助查看Log和运行状态数据，QuickSight展示数据，也可以使用SNS构建告警功能，当然还有大量第三方合作伙伴提供特定领域的应用。

蔡裕正指出，虽然大多数国民对亚马逊的印象是“电商”，但事实上，亚马逊在中国本土与许多头部企业合作智能制造项目，并且不断推进垂直领域的拓展，例如家电领域的海尔、机器人领域里的小米、新能源领域的风电远程控制+大数据分析、车联网、医疗等等。

AIoT开启下一次工业革命

亚马逊云科技将智能制造的发展演化分为三个阶段：单一的金字塔→融合IT和OT→智能工厂。

蔡裕正说道：“现在国内还是有很多企业处于第一阶段到第二阶段，包含现在很多的集成商，往SaaS服务等尝试。在云上IT，亚马逊云科技在不断融合，已经渐渐打破垂直的金字塔结构。而在OT部分也一样，透过OBCA标准协议，和许多云厂商不断合作，不断地融合现场的通信协议，达到一致的标准。至于上文提到的信息孤岛问题，在国内很常见。因为国内工业工厂项目是碎片的，由不同的供应商负责，不是从顶层开始设计，所以问题也比较复杂。但一旦厘清问题，就能渐渐走在第三个阶段，模糊了IT跟OT的边界，实现数据的透明、打通。当然，这是一个逐步演进的过程，这也相当耗时间、废精力。”

在这个发展演化的过程中，解决it和ot融合的问题是重点。如何解决？“数字孪生”和“低代码”是近两年来的高频词，亚马逊云科技也依托这两个技术推出了相应的整体解决方案。

（1）TwinMaker

数字孪生是在物理实际的环境下，将实时的数据动态更新，去做一个虚拟的结构，能够帮助管理者或者现场工作人员快速了解现场环境，达到这些设备的运维、维护，甚至开发、管理，达到所想要的运营成果。

TwinMaker的平台架构如上图，提出的大逻辑是在顶层推出一个知识图谱架构，而不是从底层开始拼积木。亚马逊云科技会优先从顶层搭架构，从运维人员，跟现场认为人员业务需求，能够帮现场所有数据包含3D模型、实时数据、设备运行状态、视频流，都可以用统一标准的方式接到这个平台。

TwinMaker大概分为四块：数据连接器、模型创建、场景设计、应用程序组。数据连接器指的是使用内置连接器访问来自不同来源的数据，或轻松创建自己和第三方数据源连接器。模型创建是创建实体以虚拟地表示物理系统，指定它们之间的关系，并将它们连接到不同的数据源以形成数字孪生图。场景设计是将现有三维视觉模型与数字孪生图中的真实数据相结合，构成物理环境的交互式三维视图。最后的应用程序组是使用亚马逊管理的Grafana或亚马逊合作伙伴将数字孪生集成到支持3D的应用程序中，以便最终用户监控和改进操作。

(2)Volkswagen数字生产平台(DPP)

业内同仁可能听说过Volkswagen Industrial Cloud。这是Volkswagen和AWS合作开发的工业4.0之旅。最终目标是大众在全球将近3万家的供应商结合，包含整车厂的数据打通，提供给大众总部做一个整体智能制造信息的生产开发平台。全年的规划是将大众汽车在全球127家工厂、整车厂做联网。现在国内的项目已经开始了，其中几个工厂已动工。

“这个主要是我们提供很多低代码的工具给现场总工做快速的开发。其实很多业务，尤其是在一些工艺上或者是在流程上，很多需求是这些现场总工提出的。但是我们沟通很多都是IT人员，其实他对现场了解并不是很深。我们提供了很多低代码，可以提供给这些总工们，在边缘侧做简单的部署，就能快速地应用到现场。”蔡裕正解释道。

(3)数字化转型的流程和经验

那么，亚马逊云科技如何将成功的经验扩展到其他企业/工厂？蔡裕正在论坛现场展示了一套数字化转型的标准流程。

具体沟通，专家到车间做调研。做完调研之后会提出一些部署的方法。并且利用亚马逊云服务的架构，会针对企业的具体业务需求提出解决方案。

技术验证，接着会花时间做一些技术验证，有交付团队可以做技术证明、POC的技术验证。

进行互联工厂试点，然后逐步扩展到生产，可以不断地复制到各个生产场景，这是一个阶段过程。

“我印象很深的是去年，我们团队与国内一个家电公司的合作。起初该公司预算一年500万，开发一套符合全球的、智能家居海外平台。内部评估之后，认为要重新招人。后来该公司决定与亚马逊云科技合作，该平台很快上线，如今每月有一定日活量在亚马逊上运行。这一案例说明，亚马逊云科技的解决方案对很多企业来讲可以节省很多时间和成本，而且在初期的时候没有审核开发的费用，只需要对业务验证。之后只要业务起来，只需要对业务开发或者成本做付费。”蔡裕正最后分享道。