【摘要】：
工业互联网项目成熟度模型的建立有助于厘清客户实际需求，明确项目实施重点，合理分配项目实施时间，建立项目评价体系，并能够进一步指明工业互联网发展的方向和路径。
工业互联网项目成熟度模型的建立有助于厘清客户实际需求，明确项目实施重点，合理分配项目实施时间，建立项目评价体系，并能够进一步指明工业互联网发展的方向和路径。
智物联在以前发表的文章中曾经提出过工业互联网发展的不同阶段和对工业互联网数据不同层次的运用，在此基础上，可以初步建立起智物联工业互联网项目的成熟度模型，根据不同的标准和要求确定具体项目所达到的层级，以此对交付的项目进行评估。
以对数据的使用为主线，按成熟度由低到高，该模型可以分为五个层级：
▲ 工业物联网项目成熟度模型示意
L1: 数据采集层 （设备对象数据化 数据采集标准化）
数据采集是工业互联网的基础，也是工业互联网项目的起点。
这一层级的项目成熟度评估内容包括：工业设备数据能否成功采集；用什么样方式进行采集；能否突破工业设备多样化的桎梏形成可重复的、操作性强的采集流程；能否以统一的标准容纳不同来源的数据等等。其中最重要的是两个问题。
◆ 一、工业设备的数据化；就是针对不同的设备、不同的项目确定采集什么样的数据和具体的采集方法。智物联的MixIOT在一般的设备数据化上更进一步，将“设备”的概念发展为“对象”，一个“对象”可以是一台设备，也可以是一条产线、一个车间、一个工厂，甚至是多个工厂的产业集群。这就大大拓宽了工业数据的含义、提高了工业设备数据化的灵活性。
◆ 二、数据采集的标准化；工业数据具有多源异构、多种工业协议共存、实时性、融合性等特点，且各种工业协议彼此之间大多不兼容、不开放，缺乏统一的数据采集标准。而基于“多源异构数据映射”的方法论，MixIOT已经建立了完整的数据采集标准体系，智物联研发的可编程适配器Aprus、边缘计算控制器Apieco等数据采集终端也已经能够支持市面上大多数工业协议。此外，MixIOT还有离线数据库、入栈机等组件可以将离线数据、第三方数据采集终端采集的数据纳入MixIOT的标准体系中。
L2: 组织处理层 （数据组织有序化，数据处理规范化）
数据采集上来之后需要进行存储部署，但存储本身并不是重点，无论是一站式部署还是私有化部署，无论是云部署还是本地机柜部署，本质上只是数据存储的地方不同而已，关键在于存储组织的方式。是把数据不作区分地一股脑儿堆到一起，还是进行一定抽象处理后有序地保存，这决定了后续对数据应用的科学性和有效性。
因此，这一层级的项目成熟度评估内容包括：数据的保存是否有序；数据的检索是否高效；数据之间的关联关系是否清晰；数据的调取是否简便等等。
数据处理这个环节，很容易被忽略，绝大多数物联网服务商并不明白数据处理是怎么回事，更不知道如何去做好数据处理，只能把从采集到存储过程中取得的数据直接加以应用，结果展现出来的只能是大量零散的数据，无法准确判断数据关联关系，更无法通过数据分析辅助决策、解决问题。
▲ MixIOT将处理后的栅格数据封装API接口示意图
MixIOT对数据类型有完善规范的分类，并且根据数据特性通过映射表、代码库等将其分离，同时，按照数据的不同来源，建立了栅格数据库、马赛克数据库、离线数据库、统计数据库、统计报表数据库等，这大大便利了对数据的检索、读取、关联和分析。
L3: 基础应用层 （基础应用完善化，结果展现合理化）
基本上工业互联网项目都不会只停留在前两层，采集数据、处理数据的目的是应用数据，而应用深度和应用方式的不同，形成了后面三个层级的差别。
基础应用层主要是对数据进行基础的统计计算，并将计算结果可视化，形成各类报表或图形，将数据以直观的方式加以展现。通过统计计算和可视化展现，不同类型的数据按照实际项目的需求，以各种逻辑重新整合，产生一种全局性的视角，一定程度上能够为工业设备运行和管理提供决策依据。
这一层级的项目成熟度评估内容包括：项目所支持的统计计算方法是否完善；是否能够对各种原因造成的错误数据进行过滤；统计计算结果是否能够得到最大限度的应用；统计计算结果的展示是否合理美观等等。
MixIOT中的统计计算、报表服务、显示板服务等组件和Fidis中的实时监控等应用已经十分完备，能够轻松地实现工业互联网基础应用层的要求，形成合理准确的结果展现。当然，对于可视化展现来说，客户可能对它还有更多的要求，对此，MixIOT会专门提供相关的工具，让使用者可以各显神通，设计出符合客户要求的可视化效果。
▲ 可视化项目监控系统
L4: 高级分析层 （高级分析科学化，数据产品通用化）
目前大多数工业互联网服务商集中在前三个层级进行竞争，有做数据采集终端的，有做数据存储平台的，有做数据统计计算应用的，也有整合这些资源和服务做整体化解决方案的，但这远不是工业互联网的终点，再前进一步，就来到了工业互联网项目的高级分析层。
在高级分析层，需要打破数学和工业之间的壁垒，挖掘数据的真正价值。项目成熟度的评估内容也就相应地包括：能否脱离各种工业设备不同机理的羁绊，将工业数据抽象化；能否完全从数据角度去分析其变化特征、内在关联以及各种临界可能；能否搞清楚工业数据背后的含义；能否将高级分析所得的经验、路径、结论等等，体现为数据分析产品或行业/设备专项产品；这样的产品能否脱离某个具体的项目，在更大的范围内得到应用等等。
智物联是国内为数不多的拥有独立数据分析团队的工业互联网公司，在数据的高级分析方面进行了探索，也取得了一定的成绩。
目前，智物联的数据分析产品包括了Aplec、Indass、Evacs、ODS等，可用于：
此外，还针对锅炉、空压机、发电机等设备的智能控制和运行优化形成了专项边缘计算产品。随着业务的深入开展和对各个工业行业的渗透，智物联的数据分析产品也将会越来越丰富。
L5: 问题解决层 （行业结合有机化，问题解决实用化）
我们一直说工业互联网给客户带来的价值是安全生产、节能减排、增产增效、精细管理，这是工业互联网最终必须要解决的问题，如果做一个高度概括，那么也可以将其视为项目成熟度模型在这一层级的评估内容。
但是，整个工业领域有着繁多的行业门类、复杂的工艺流程和各异的工业产品，任何一家公司都不可能靠单打独斗让所有项目都达到这一层级，广泛的合作是必由之路。
智物联在实际业务中发现，很多物联网公司，在前面四个层级可能并不具备特别突出的亮点，但是他们的优势在于对某个工业行业或领域做得比较深入，积累了大量的经验，这种行业经验如果与智物联的通用性产品有机结合，就能突破各自的局限，在“解决问题”的维度上达到我们所期待的、真正的工业互联网。
因此，智物联也在努力建立生态合作伙伴体系，敞开大门欢迎拥有行业经验的公司与智物联进行合作，利用智物联开放式的技术和产品实施具体行业的工业互联网项目，解决一个个的具体问题，为实现工业整体的转型升级提供助力。
以上便是智物联工业互联网项目成熟度模型的整体架构，今后，智物联也会根据这一模型来评估自身以及合作伙伴交付的项目。当然，该模型现在还只是一个框架，具体到每一层级的评估内容还可以有很多细项和量化指标，将在今后逐步加以完善。这一模型的建立和推广，相信也能为整个工业互联网行业的项目成熟度评估提供有益的借鉴。
