2015年12月17日，江苏省企业信息化协会微信总群迎来了第4期“智造+V课堂”。为促进江苏省企业信息化水平快速发展，江苏省企业信息化协会特邀请世界500强CIO大咖们为会员们做精彩的分享与交流互动。本次的嘉宾是GE发电服务集团中国及亚太区首席信息官、清华大数据产业联合会专家委员会委员王晓冬老师，他的分享主题是“工业互联网：当智慧遇上机器”。
王晓冬老师表示GE公司对互联网、物联网和数据的重要性都非常关注，更是与我们的会员朋友们分享了分析挖掘数据的经验。会员听众纷纷表示，在听完此次分享后受益匪浅，并坚定了在企业信息化发展的道路上走下去的信心。
嘉宾介绍
王晓冬，GE发电服务集团中国及亚太区首席信息官，致力于推动传统信息技术部门向新时代数字技术部门的转型，倡导通过管理信息化与设备自动化、虚拟世界与物理世界的融合以打造企业新的创新点和竞争力，促进信息技术、互联网技术在不同行业的落地与普及。
2009-2013年任GE发电与水处理集团亚太区首席信息官，期间助力多个大型生产制造基地在亚洲落地、投产及改造，确保发电与水处理各子集团及合资企业业务在亚洲顺利开展，并将一个本土ERP平台覆盖到亚洲多个国家、将近20个企业实体。2013-2014年担任GE发电服务集团亚太区及发电集团中国区首席信息官，期间积极推动信息技术部门的职能转型，由面向企业内部到同时面向企业外部市场与客户，由专注传统IT系统到兼修新兴社交媒体及工业互联网技术。2014-2015年期间担任GE照明集团亚太区首席信息官，参与推动智能灯泡项目，并推动Oracle 及 SAP ERP在亚太区12个国家的落地与实施。
王晓冬先后毕业于复旦大学管理学院、GE信息技术管理培训生项目和GE全球信息技术高级管理人员培训项目。2015年清华大学RONG 系列论坛之五——大数据重构制造业、2015年“CIO领导力论坛”(香港)、2014年部长级“第五届中美能效论坛”(北京)、2014及2013年 “大数据与分析创新峰会”演讲嘉宾。
如下是分享实录：
12月15号，有一家叫做世界品牌实验室的机构，它每年都会去公布世界的品牌五百强。第一位是谷歌，第二位是苹果，第三位是亚马逊，那么第四位就是通用电气。对于谷歌来说叫做互联网，对于苹果来说叫做计算机办公设备，那么对于亚马逊来说叫做互联网，GE今天已经不再是工业设备公司，现在已定位是一家叫数字化的工业公司。
大家可能有一些朋友可能并不一定很了解通用电气，那么每个人都会听过，就是爱迪生，GE其实就是爱迪生在19世纪末的时候他所成立的，诞生应该是在 1892年。大家有一样东西可能也听过，是叫做道琼斯工业指数，那么这个指数是在1896年的时候开始的，GE是道琼斯工业指数上一百多年以来唯一还在榜的公司。这点其实我觉得从内心来说是比较佩服这家公司的，在我看来这是有一样很重要的因素，就是说它的持续创新能力。在19世纪末没有互联网公司的，GE 其实可以想象成为是一家创业型的一家公司，也是一家高科技公司。再往后面去包括像CT，包括后来发电机等等，GE在各行各业它都涉足了大量的发明创造。这些发明创造更加多的它是在过去可能还是比较偏民用的，那么我在之后，应该来说在这个一百多年的后面一段时间，我所看到的发明更加多的是偏商用的，因为它都已经是融入在我们的生活背后了。比如说电，你不会看到电灯泡上面，但是电是哪里来的?电是发电机，所谓的发电机发出来的，电转发出来的，给予它发电的设备。一样的，到医院里边，你可能并不会去关注说是你去做一些检查，它的仪器是哪个品牌的。
GE的每年营业收入总额大约是在1500亿美金左右，同时GE投入十亿美金在一个地方建立了一个软件中心，但是它现在在哪里?就是在硅谷，这家软件中心它的任务就是说要把工业互联网能够把它发展壮大，能够去开发工业互联网的产品。我们在工业化和智能化方面，投入了大量的资本。GE工业互联网这个名词，也是由GE提出的，但是GE明确的表示，它不希望说把这个工业互联网这个词变的是说由GE发明或者说由GE拥有，甚至去申请一个比如说一个商标，专利什么东西的，大家可以去看一看，这是没有的。因为GE相信，这件事情就像互联网一样，它并不是一家公司能够去做好的，必须是有一个生态体系，必须有很多人参与才可以。
我目前是担任GE发电服务集团，在中国和亚太区的CIO，那么GE的发电服务集团隶属于我们这个电力集团，那么电力集团是整个GE最大的一个业务集团了，这是最大的一个子集团。我有幸的参与到了GE整个的能源业务，在中国和亚洲地区快速发展，也有幸见证了整个GE的能源集团，它的制造基地足迹的扩展，以及它在制造方式和思路方面的转变。
工业互联网时代是一个数字化时代一个转型。但当时我觉得会比较吃力一些，因为这件事情说到底，这个一个系统得去理解这件事。特别是咱们李克强总理当时是宣布“互联网+”战略成为一个上升到这么一个国家层面的战略之后，我现在回到这个能源集团或者说这个电力集团。我明显的感受到当我们在和我们的客户，也就是说这个国家的这个电力集团，包括这些电厂，在与客户打交道的时候，他们因为已经在过去的这个几个月当中在方方面面已经经受了所谓“互联网+”方方面面的一种教育，那么我觉得现在在打交道的时候，大家共同语言多了很多。
我们今天的这个节目是叫做《智慧与机器的碰撞》，机器是指什么呢?那么对于GE来说，机器就是我们的产品。举个来自发电厂里面的发电设备，比如说航空公司的飞机发动机，比如说医院里边的医疗设备，比如说我们铁路系统的机车，这个都是GE的产品，就是我们所说的这个机器。那么过去对于机器而言，大家可以去想这机器其实它诞生于什么时候?它诞生于工业革命，我们今天讲工业4.0，那么这个4.0它代表的是第四波或者说第四次工业革命。机器它其实来源于过去的三次工业革命，工业革命大家熟悉这段历史的朋友们可以去想一下，其实从开始到目前为止150多年左右的时间，这些机器它本身其实并不产生数据的，从它刚刚开始诞生的这个点上开始。慢慢后边逐步逐步的话，它和这个电子技术、信息技术，控制等等等等相融合，那么它开始产生数据。那么也就是我们所说的这个智慧，那么你开始产生数据，由人把这些数据收集起来那么去分析它，那么去让它产生价值，那么就是让它产生智慧。那么回过头去看，比如说这个机器，我们还是以这个发电设备为例，举个例子来说，大家如果去看这个发电设备。大家可以想一想，其实这个发一台，所谓的汽轮机，它是使用天然气的，它的效率比较高，同时它的污染排放会是很低的，这是汽轮机。每台汽轮机上面其实都有多少传感器，目前机器的这个上面。通常都装有一百多个实际的传感器，和三百多个虚拟传感器。那为什么需要虚拟传感器呢?因为大家可以想象整个这个汽轮机，我的工作环境是非常恶劣的，拿我不是在每一个地方我都能放一个真的传感器，你可能经受不了那个温度。但是我可以根据算法做虚拟的，我给它这个所谓的虚拟的传感器。
那么这些传感器它所采集到的这个数据是海量的，那目前来说在全球范围之内这些数据都是被传送到我们位于亚历山大的一个监控和诊断中心。那么在这个中心里有50多名工程师，它每年能够作为35000多个预警进行分析。分析的范围包括近期温度，燃起的热性能，燃烧时的排气温度，转子的振动幅度等。那么这个中心它目前一共有一亿多个运行，大约是400TB的数据量，目前全球我们从1500多台燃气轮机以及发电机去，每天都从这1500多台上面，燃气轮机和发电机组去抓取数据。我们的数据科学家针对这些海洋数据开发出了几十种算法，目前可以对150多种的潜在故障进行预警。在过去的一年，其实应该来说在 2014年，就在去年，我们为来自58个国家的502个客户，客户电站服务，提供了超过8000多个，帮助我们客户避免130多次的非计划停机检修。那么大家就可以去想一下，发电对于电场来说那些设备，如果说在计划之外，对他们来说是一个很大的损失。因为这个不像我们的电脑说是重启一下似乎也就是几分钟的事，快一点可能一分钟就何以完成这个过程。多数像这样的燃气轮机来说的话，发电机组它启停一次，时间是相当长的。那么我们帮它避免了很多非计划的停机检修，也就能够帮它挽回很多不必要的损失。
GE作为一家传统的大型高科技工业设备提供商，它现在的运营模式已经是从简单的卖设备转向了去卖服务。那么服务是基于什么呢?应该来说很多服务都是基于海量的这些大数据。通过大数据来使得产品能够转向服务化，能够为客户去提供更加多的价值。
GE这样的公司而言，它就成为一个主动和一个被动的因素，它都使它他去考虑，我如何从我的工业设备，从我的机器当中去挖掘智慧，去挖掘更加多的潜力。其实这一点，做工业互联网对于像GE这样的公司来说，我觉得应该来说是一个很顺理成章的事，因为它拥有大量的机型，就是提供了大量的这个设备，风力发电大约是两万多台，它所在世界各地的油气设备，就是这个石油天然气，油气设备，两万多个。那么整个全世界的机队里边，航空公司里边，它的商用发动机大约有 3万多个，整个在全世界跑的机车大约是两万多台是GE的，医疗设备大约是已经是百万级别的医疗设备是GE的。
在这些设备当中大约是一千万传感器，从这个一千万传感器当中产生多少个数据?大约是五千万个数据元素。消费者互联网，也就是我们现在所使用的互联网。把行业，各行各业，深度的经验相连接，并且把它转化为知识以及新的生产力。那么在这个转化过程当中，哪怕是1%的提升，那么对我们整个的社会带来的影响它也是深远的。那么这个1%意味着什么呢?我们做个测算，那么在整个铁路系统，这个1%的力量我们做个测算，在整个铁路系统，如果我们去提高铁路运输利用率1%，意味着270亿美元。
一个是在仪表行业，一个是在航空行业。我们医疗行业举个例子来说，GE的医疗集团，我们有一个工业互联网的这么一个方案，我们是叫做资产管理解决方案。那么它是基于医疗，基于工业互联网的理念所推出的医院资产管理的解决方案。分三个阶段来部署了GE的这个资产管理整体解决方案。那么让基于大数据的管理，全面覆盖到所使用的这个设备，它的整体的生命周期，通过这个项目的实施，仁济医院它建立的一个非常前瞻性的数据分析平台，目前通过可视化的分析工具，使得设备以及资产管理真正做到了一个动态实施的更新及，在确保数据安全的情况之下对这个临床数据进行分析使用。并且基于这个数据管理去打造，这是仁济医院它的一个个性化的医疗服务。那么在使用这套基于工业互联网的资产管理解决方案之前，CT检查的这个患者预约排的大概是6到8周。那么通过这个方案的管理和使用规划，仁济医院它做到了患者的平均诊断时间是在一周左右。那么对于呼吸机来说，就刚才是说CT，对于呼吸机来说，它也是一个比较关键的一个设备。它是采用了一个传感器定位的一个服务，仁济医院通过这个大数据分析和流程优化，它呼吸机这些集中设备的资产利用率提高到35%。
再来看一下和这个航空业务相关的案例，GE它有一个航空的集团，对于飞机发动机而言，或者对于任何的关键设备而言，目前的维护方式，维修方式，其实通常来说我们是叫做一个计划型的维护。或者我们可以把它是叫一个按时维护，定时维护。因为在飞机发动机在运行的时候，涡轮叶片它是承受着一个800摄氏度以上的高温，以及一个高压气的一个考验。中国现在的这个天气大家也看到了，雾霾天气是非常多的。那么叶片它在接触到空气的污染物使它也会产生化学反应，并且被慢慢的腐蚀，这个也是让很多航空公司都深受困扰。飞机发动机的涡轮叶片，大数据分析，进行了分析，是从数据的收集和清理开始的。我们再和东方合作这件事情上面来说，大数据它来自于四百多台，由GE制造，但是在东航服役的一个发动机的维修报告里面，那么这个报告大约有多少呢?有600来份。每份有多少页呢，有两百多页，大家可想而知，这些都是纸头的东西。那么我们先继续要进行大量的数据录入和校验。那么我们在和东航合作项目启动半年之后，那么所有的这些个参数，每台飞机发动机跟叶片损伤相关的这些参数，这七百多个参数，那么全部是把它收集到位了。那么接下来我们的专家就确定了这个影响叶片损伤程度的既定因素，主要是三个。那么首先第一是空气的污染成都，第二是飞机发动机的速度，第三是它飞机起飞时的推力。并且基于这些关键因素，就是建立的这个建模，建立这个飞机模型。那么到了2014年底，我们GE团队就把这套分析系统，就是把它去做了一个验证，把它用在2013年之前所收集到的数据。那么基于这些数据预测了多台，预测了多台东航它的飞机发动机，目前的叶片损伤程度。这个地方的预测是要打个双引号的，因为它不是真正的预测，它应该来说是基于一个模型去基于过去的数据，验证一个我们建的模，它是不是整修的。但是我们通过这么一个验证，它其实起大了一个很好的效果，因为同时我们对这些飞机发动机，这是我们所验证的这个叶片损伤程度的这些飞机发动机也做了一个实物的检查，进行两者对比。
那么对比下来的结果表明，这是我们这个模型的预测准确率是达到80%以上，这个是不是一个最优的程度呢?那么我觉得这个还不是，但是它是一个非常好的起点。有了这套预测模型，那么我们就可以说像航空公司的这个，就可以让航空公司针对发一台飞机发动机，提出定制化的建议。那么基于这些预测的分析结果，航空公司它还可以比较有效的去调整航向，去降低总体的流程。那么除了刚才所讲到的这套模型，就是基于大数据的这个预测的模型，那么GE还通过大数据去帮助航空公司去改善它的整体运营能力。就比如说我们跟航空也有一个合作，我们有一个叫做飞行能效服务，就是在飞机上面有一样东西，它其实跟我们经常所听到的一个黑匣子，它是同样重要的，叫快速存储记录器。一个带保护装置的飞行数据记录设备，那么它可以去监控飞行的操作的品质，那么它可以通过遍布整个飞机机身的上千个传感器来真实记录发行人员从飞机舱门关闭到爬行、攀升到落地的整个航程的操作动作。那么它是一个蕴含在一个海量数据的一个保障。
那么我们所说的这个飞行能效服务，它就是打开这么一个宝藏的一把钥匙。那么来自GE，我们有5500多家飞机和7800多万个飞行的数据，我们有所成功整合出来的4000多个预制的飞行模型。所有这些都给航空配置了一个强大的一个数据的参考库，帮助他去实现它的智能化，数据抓取，处理以及匹配。那么在2014航空使用的飞行能效服务进行了一项研究，它通过对比50驾全球航空的飞机，在三年当中积累了23万多项飞行数据，去精确还原了这个航程中发行员实施的每一个细小动作，并且对这些细小的动作，这些操作习惯进行了跟踪。它基于这些数据，它的品质，监控部门，就进行了深度的分析，那么有针对性的在培训当中去改进飞行员不良的这个驾驶习惯。那么现在整个我们的对于整个环境污染的控制大家意识都是增强了。那么飞机飞行过程当中，低碳排放它是相当重要的。
他们希望能够把大数据用来提升他们设备的绩效。怎么做呢?我发现大部分客户它都能够希望有一个第三方的平台，但同时又能够让客户进行定制化，这点我觉得应该来说并不让们感到惊讶，因为这件事情就像现在我们在企业去开发一些软件，开发一些移动应用一样。并不是每一家企业都能够做到的，那么更加不要说是在工业互联网当中你要针对你的工业数据，针对工业大数据来进行处理。
在2015年的8月份，我们宣布推出了世界上第一款用于工业大数据管理的云平台，我们可以把这个云看作称为是一个工业级的阿里云或者说是一个安卓的操作系统，一个云平台。通过这个平台，实际自己以及他的客户，以及所有的工业企业他可以把传感器网关，这个软件所对应的机器能够快速的配置，存储和处理这个海量的工业大数据。那么并且根据每一个国家当地的监管要求去安全的分隔这些数据。最后这个，我再跟大家简单去分享一下，GE所谓的工业大数据的一个，大数据湖或者说大数据池。那么这个目前我们在GE当中也是讲的比较多的一个话题。
大家知道这个工业设备产生的这个大数据它是海量的，就是我们刚才所讲到的，比如说你这个燃气轮机，所有的燃气轮机，实际目前的燃气轮机它所产生的这个数据在我们当中讲到，一亿多运行小时它也是40个T。那么对于航空公司而言，就是说一次正常的起飞降落，一次起降，大约能够产生一个G左右的数据。那么可以去想象这些数据是海量的，而且这个数据里面它包括结构，包括非结构化的数据，包括有用的和没用的，那么总体来说价值比较低。
如何去有效去低成本的储存这些海洋来的数据呢?那么这是一个要解决的问题。GE就是说我们倡导是能够把这些所谓的来自于传感器的这些数据，日志数据等等，都把它放在一个工业数湖里面，把它集成精密处理。比如说去年我们的航空集团就将来自26个航空公司的三百多TB的数据通过工业数据湖的方式进行存储处理，那么结果也是不错的，它大部分提升了这个数据的效果，降低了整体的成本。我们从一个GE这样的工业老牌的传统的高科技，高端工业设备生产的这么一个工业公司。从它的大的环境讲起去讲它为什么去往一个数字化的工业公司在做转型，以及它在这个转型过程当中，它在工业互联网当中他做了哪些尝试，有一些案例。包括他所关注的刚才我们所讲的这五要素。
介绍一下工业4.0和工业互联网它是两个不一样的概念，工业4.0它是由德国政府提出来的，那么工业4.0的着眼点主要还是落在生产制造上面，也就是在生产制造的环节，它可能讲究的更加多的是一个我如何能够去实现这个小批量，但同样是个性化的这个生产。当然工业4.0讲的远远超过我刚才所讲的这些东西，但它的着眼点主要是在生产制造。对于GE而言的话，那么它更加多的是在这个以生产制造，制造完了之后你的这个设备，它的这个服务化如何能够通过工业互联网，能够通过连接数据和机器，和人的分析能够让产品服务化，进行一个服务化的转变，这是不一样的。
Q&A
提问：对关键部件的贡献是什么?
回答：一些关键机器设备的这些部件，比如说叶片，你如果等到它坏了再把它拿下来，首先第一，这可能就完了，第二，造成的损失，那么可能是巨大的。那么就举一个例子来说，我们同样就是这个以这个燃气轮机为例来举例而言的话，大家都知道，燃气轮机它里面其实会产生很多问题，这些问题最终表象都会表现在一样东西上，比如说一个振动，也就是说你可能会去观测这个整个这个燃气轮机这个轴的振动的幅度，但是这个振动幅度的偏差产生了一些异常，它可能背后代表了很多问题。比如说我现在如果说对于这个偏差的这个数据，大数据进行观测进行分析，我就可以做到不要说等到报警时的时候我再给你个报警，这个时候可能已经晚了。而且说我是在这个当中有趋势的时候，在一个合理区间，我也不能说动我就给你报警，其实你也不知道到底什么报警是对的。
提问：温度压力传感器可以承受吗?
回答：问的好，所以我们刚才才会提到有虚拟传感器这样一个东西存在。那么虚拟传感器它并不是一个真的传感器，就举个例子而言，比如说现在如果身边有个桌子，这个桌子你可以想像，那么这个桌子里面，比如说刚才还有朋友问到这个电力大数据的问题，涉及到保密的问题，其实这也是一个非常好的一个问题，这样的问题，其实我会觉得，可能在现在在我们国家，应该来说各行各业都会碰到这样的问题，你只要是国外的运营商，哪怕你是微软，哪怕你是比如说亚马逊，大家可能也都知道，亚马逊的云可能迟迟还没有落地，其实他们都会面临这样一个监管和一个信息安全的问题。我觉得比较务实的态度可能大家得在这个事情上面能够达成一定的共识，能够找到一些个合作的点，而不是说去关注这个分歧点或者过多关注这个分歧点。
对于像我们的大中小企业来说，或者说对于像我们各行各业的这个企业来说，那么特别是在中国，那么现在可能一个现实情况是说我们开始产生大量的数据，但是可能我们在一个模型的建立，在一个算法的建立上面来说我们还处于一个初学者处于一个起步的状态。那么我觉得从这个角度来说，GE这样的工业公司，那么它开始建模了，那么它可能需要这个数据的输入。那么这样的话可以给到我们的客户去提供真实服务。那么对于客户来说，可能说他开始产生了数据，但是他并没有知道模型，可能自己他也在一个需求过程当中。但是就是双方如果合作之后，我觉得引进一些分级的地方，能够往合作的方向去，我觉得我还是挺看好在咱们中国的。特别是在互联网下的大环境之下，我觉得应该有很多事情可以做。
三维展现的，其实我在我们美国加州，在硅谷中心我已经看到了，那个可能更加多的是一个所谓的一个验证概念的这么一个东西，但是我是看到它是有三维展现的。那个是我们的一个所谓的数字风场，这个还是我在两年还是三年之前就看到了，特点当时我们过去的时候，带我们去做了一个参观，这是基于大数据的那么一个建模，然后他们是把一个风场，所谓的一个风场的风电场，它里面有很多风机，三个月在转的那个风力发电机，它把这个风场总体以一个三维的一个模型的样子就把它展现在我们面前，然后去预测它里面的一些气候对这些天气变化，对这些风力发电产生的影响，这个是在三年前我就看到了。
说到虚拟商，其实根据数据进行建模，说到底的话它就是一个模型，那么它反应的是算法。我知道算法背后再进一步讲反映的是一个行业的经验，所以说这个也就是工业互联网和通常意义的互联网来说它的一个区别所在，工业互联网，我认为它的门坎应该来说还是要比我们所谓的消费者互联网的门坎。那就比如说你的建模，大家都知道同样的算法同样是建模，那么你一定是有做的好与不好。从这个角度而言，工业互联网它是有门坎的。
非常感谢大家的支持，谢谢。
