音频文字.

Erik：欢迎来到工业 IoT Spotlight，这是您从工业 IoT 思想领袖那里获得洞察力的第一站，他们正在与您的主持人 Erik Walenza 一起改变当今的业务。

欢迎回到工业物联网聚焦播客。我是您的主持人，IoT ONE 的首席执行官 Erik Walenza，该咨询公司专门支持运营和业务的数字化转型。我们今天的嘉宾是弗洛里安 Weihard，Ruhlmat Automation Technologies 的首席技术官和 ShopWorx 的董事会成员。 ShopWorx 是一个 IIoT 平台，旨在通过提供实时可见性和控制来提高制造车间的效率。在本次演讲中，我们讨论了机器制造商和生产线集成商如何通过在资产基础上提供数据支持的服务来实现差异化。我们还探讨了获取工厂数据以及让客户愿意从非传统软件提供商处购买软件所面临的挑战。

如果您发现这些对话很有价值，请给我们留下评论和五星级评价。如果您想分享您公司的故事或推荐一位演讲者，请发送电子邮件至 team@IoTone.com。最后，如果您有想要讨论的物联网研究、战略或培训计划，您可以直接发送电子邮件至 erik.walenza@IoTone.com 给我发电子邮件。谢谢你。

弗洛里安，感谢您今天加入我们。

弗洛里安：你好，埃里克。谢谢你邀请我，期待我们的讨论。

Erik：弗洛里安，今天真的很有趣的话题。我认为不仅从技术角度，而且从创新角度。我们将主要研究系统集成商如何与企业家合作开发一家新技术公司。因此，如果我查看您的简历，您似乎是从相当传统的机械工程开始，然后进入 IT 主题，现在您已经成功地将这些内容很好地结合到您的 CTO 角色中。但是，您能否简单介绍一下您今天是如何成为 Ruhlmat 的首席技术官的？

Florian：原来，我来自德国，在巴伐利亚学习，机械工程，研发方向。然后在我学习的时候，我开始了我的实习，最后在一家德国建筑设备公司完成了我的论文。这很有趣，因为重型机器对作为设计工程师的我来说非常有趣，同时也是一家超级国际公司，它占德国以外 95% 的业务。所以我也希望有一天也能看到这个世界，但结果并不是那么容易，因为机械工程师应该坐在他的电脑前设计一些东西，而不是环游世界。

所以我花了几年时间，最终来到中国上海，为公司在中国和马来西亚建立了一些工程办公室。然后在2015年，我在想，世界上应该还有一些其他的东西，然后是建筑设备，并转向自动化制造领域，并开始在自动化设备领域担任工程总监。

从 2015 年开始，我也看到工业 4.0 的话题确实在不断发展并受到很多关注，所以我开始研究那里有什么可能，有哪些可用的技术，以及这对做自动化设备的机器制造商实际上意味着什么.然后在 2017 年，我开始为 Ruhlmat 工作，我现在的公司担任 CTO，那是传统的机器制造商；在那个时候，没有太多的数字能力，因此，在那里没有太大的足迹。

但与此同时，我们也意识到，真正利用数据作为机器制造商对未来至关重要，这将成为自动化公司未来的主要价值流，因此我们意识到我们需要做点什么。旅程开始于我们找到我们的数字公司，我们开始开发软件，今天我们可以提供一些东西。

Erik：你是怎么意识到这一点的？因为一方面，这是很多人都在谈论的事情，但如果我看看市场上的机器制造商，可能会发现谈论多于行动。 Ruhlamat 是如何相对较快地从发现围绕构建数据驱动的解决方案和业务模型的重要内容转变为实际在这里建立可扩展业务的？

Florian：是的，其实是因为在我加入 Ruhlamat 之前，我其实也和一些朋友一起创办了天使投资基金，通过这个基金，我们投资了围绕工业 4.0 有解决方案的初创公司。在此基础上，我建立了一个相当大的网络，然后我们可以在 Ruhlmat 加以利用。最后，我们在 2018 年 10 月建立了初创公司，这是三方的合资企业，Ruhlmat 是自动化公司，Entrib Analytics 是一家软件公司，我们的投资者在这方面投入了一些资金。

然后我们可以立即从一家公司开始。我们马上有了一个可以使用物联网平台的产品，并开始构建解决方案。而且我认为将这三个合作伙伴聚集在一起是非常有利的，因为它们实际上就像三个不同的 DNase 结合在一起：自动化方面的 Ruhlmat 路线图，应用方面，真正的制造工厂方面，然后 Entrib Analytics 真的来自 IT边。然后我们的投资合作伙伴也来自真正的投资，建立公司的视角，同时也带来了很多我们可以利用的数据科学能力。因此，我们立即拥有了所有的能力，可以立即开始构建一些不错的解决方案。

Erik：我们看到的 IoT ONE 与经常在亚太地区建立某种创新计划的企业有很多合作，我们看到大型企业和初创企业之间有很多合作，企业着眼于初创企业，如你所知，你知道，加速器可以让他们通过 MVP 阶段获得某种想法。我们经常看不到的是风险投资。我认为这部分是因为风投们通常不愿真正介入，他们说，嘿，公司将控制这一点。这是一项战略举措。我永远不会赚钱。我永远无法真正退出这家公司。

你有信任，听起来你有这个背景。但是你必须让你的投资者相信与公司合作实际上是有意义的。我想你还必须说服总部，通过初创公司采取这种方法是有意义的。那是一个无缝的过程吗？或者您实际上是如何浏览这些对话的？

弗洛里安：那次谈话很棘手。正如你所说，这真的将完全不同的世界融合在一起。所以让我们说像一个家族企业，拥有真正的全新技术的中小型企业。归根结底，我们真的在谈论转型，在我们团队中的 Ruhlamat 自动化公司，并没有真正意识到需要这样做。幸运的是，Ruhlmat 的高层管理人员，尽管我们的老板非常信任我，所以我们可以开始。

和你从投资者的角度说的一样，因为可以肯定的是，风险投资基金不会被这样的星座吸引，因为没有明确的退出场景，等等。但另一方面，它也带来了很多我们今天可以真正利用的优点和缺点。我的意思是 Ruhlmat 不仅仅是股东之一。它实际上是一个很棒的平台，您可以利用它成为这家新公司的真正客户。最大的客户也是一个很棒的实验室，可以提供新的解决方案、新技术、很棒的网络来寻找我们的客户。

所以归根结底，这也是一种火箭式的开始，你可以为这样的初创公司带来。多年来，事实证明这确实很有帮助。因为我记得很清楚，当我们开始时，我们并不是唯一这样做的人，但现在，如果你向外看，他们中的很多人已经不在了。此外，在过去的几年中，我学到了很多教训；我认为很容易的事情结果真的很困难。

埃里克：但是，是的，我想有很多谈判和沟通让三方彼此舒服。有趣的是，你把这个从中国运走，因为如果我想到一个家族拥有的德国组织，我通常会想到欧洲的某个中等规模的城镇，一群人在其中策划着发生在世界，尤其是与研发相关的任何事情，然后中国更像是一个销售中心。似乎这里不是这种情况，在这里你是 CTO，而你坐在中国这里。但这也是一种自上而下的企业战略吗？还是您个人在正确的地方成为正确的人，然后只是驾驶它？这是一个企业战略，而不是围绕着你和你带来的网络的伤痕，以及你在这里追求这种方法的特殊兴趣？

Florian：我认为在这种情况下理解 Ruhlmat 是如何工作的很重要。 Ruhlmat 实际上是一家非常不典型的德国公司，因为我们有大约 1,000 名员工。我们主要为一级汽车行业做自动化设备。我们的总部在德国。但与此同时，我想说的真正的运营中心是在中国，因为它是迄今为止最大的运营中心。我们在这里有大约 700 人，230 名研发工程师，实际上也服务于中国以外的全球市场。所以这里是个大中心。

有时有人说我们是一种竞合，因为每个工厂都有自己的产品，自己的战略。可以肯定的是，我们正在努力在全球范围内产生协同效应，并尽可能地合作。但是，我们也非常分散，每个人都可以随心所欲地最大化他的利润。这种设置使我们在中国基本上可以完全独立地决定我们想做什么。

我认为，从 Ruhlamat 开始，工业 4.0 的想法才真正来到公司，我作为 CTO 并负责创新和技术路线图和战略以及一切，它变成了一种企业战略，并不意味着整个公司都理解并支持它，一点也不。我认为我们又花了一年半、两年的时间才真正开始意识到这些技术的重要性，并且第一次真正了解它如何真正为自动化业务增加价值。这种真正转变的一部分，是由这家公司，我们的数字公司播种的，但需要一段时间才能真正发展。

Erik：所以我认为我们在这里谈论的是 ShopWorx，据我所知，如果我们从价值主张的角度来看，你实际上有两条不同的路径。您拥有机器制造商，然后您拥有通常是一级汽车供应商的最终客户；可能是其他行业，他们将使用该解决方案。这里正在解决的痛点是什么？价值主张是什么？

Florian：为了解释我们的业务，现在有两种观点。所以一个是 ShopWorx 实际上是物联网软件平台，我们一开始就是基于这个平台构建的。此外，我们的合作伙伴已经在我们真正发现我们公司真正种植 MES 制造数字化解决方案之前。因此，这是我们经典的一个领域，例如，为中小型企业构建工厂 MES，诸如此类。

然后我们开始与我们在中国的公司和 Ruhlmat 一起真正开始构建一个真正为机器制造商设计的软件平台。 Ruhlamat 基本上是这方面的客户，因此让 Ruhlamat 能够在控制系统上构建生产线管理，作为所有设备的基础，然后真正利用这些实时大数据可能性、数据分析等。

有趣的是，一开始，他们走了一些不同的路线，但现在他们回来得相当密集。因为一旦自动化生产线与我们的 ShopWorx 系统一起交付，客户通常会意识到，哦，这很好，那我还能做什么呢？然后突然之间，您发现自己正在讨论工厂 MES、数据仓库项目或极端分析项目。

例如，您将一台带有 ShopWorx 平台的机器与一台 Ruhlamat 机器一起发货，然后客户问，顺便说一下，我那里还有其他一些公司的其他三条生产线，您也可以连接吗？所以我有一个中央管理系统。然后我还有一些其他的机器，你也能帮我吗？然后你还将一些连接到边缘分析项目，连接一些其他机器也能理解这些数据。

甚至我们现在正在做的最后一步是您正在制作一个真正的端到端解决方案。很多客户有很多生产线，他们都在使用同一个系统，然后您可以使用一种服务门户将该系统连接回 OEM，即 OEM 的云，然后可以连接到该生产线可以提供额外的数字服务，例如从 OEM 站点到最终客户的维护。所以这是第二种商业模式，现在正在出现。

Erik：所以您提供来自不同来源的数据摄取、分析仪表板以进行可视化，这是核心水平系统，然后您可以在此基础上构建应用程序，例如 MES 或机器视觉解决方案等？我基本上认为这是一个用于管理整个生产线数据的水平平台，然后机器制造商或最终用户可以在该平台之上构建垂直应用程序？

弗洛里安：是的，有点，所以也许会再次来自我们为机器制造商制作的解决方案。所以如果现场交付一条复杂的自动化生产线，一条生产线可以由20-50个不同的工位组成，相当复杂的流程可以填满整个车间。您需要对这条汽车行业的生产线具有可追溯性，并且必须具备。你需要管理你的食谱。您需要管理您的生产订单。您需要管理您的材料。你需要管理你的返工，你的质量信息。所以实际上，我们的系统给出了一个完整的解决方案，对线路进行全线控制线路管理。

最重要的是，这就是我们称之为自动生产线 MES 的原因，它提供了许多 MES 功能，例如，订单管理，这通常也是工厂 MES 系统中更高级别的许多客户方的标准。但是很多其他客户，尤其是较小的客户，他们没有单独的工厂 MES，所以他们也通过我们的生产线 MES 直接管理所有这些生产线。

这个系统可以是一条线上的服务器，但你也可以扩展它。如果您有第二条或第三条线路，您可以将其集成到此服务器中，并且它立即成为一种计划解决方案，因为它跳出了这条线路。然后你可以逐步扩大它，更多的模块也可以连接到更多的机器，这样它甚至可以自己成为一个工厂 MES，我们也经常这样做。

尤其是在中国的新工厂，我们在那里交付了第一条自动化生产线，我们经常通过它立即成为工厂 MES，因为在那里再增加一层是没有意义的。所以这是处理所有这些任务的一个非常优雅的解决方案。随之而来的是所有可视化部分、仪表板部分、关于 OE 的报告部分、关于质量、生产力等。然后还有其他解决方案，例如维护管理。

因此，维护计划、基于状态的维护功能、有关维护的整个文档，我们还有一个模块，它是一个备件仓库，您可以在其中管理公司的备件，以及那里有最低库存的消耗等等，因此完整的维护管理系统通常也是围绕这条自动化线构建的。

最重要的是，一旦您在那里拥有了服务器，您就可以访问所有生产数据，您还可以构建分析解决方案，例如针对质量方面或生产力方面的改进，这是一个很好的杠杆作用为了提高生产线的效率，用数字方法而不是机械方法解决巨大的问题。

Erik：我想 Ruhlamat 有这样的观点，您通过 Ruhlamat 的机器部署 ShopWorx，然后您可以在客户的工厂中拥有更大的足迹。然后是第二条轨道，其他机器制造商采用 ShopWorx 并集成到他们的机器中，我想在这种情况下，他们会将其视为一种使能技术，使他们能够建立潜在的新收入流和除了我认为能够更好地管理他们的资产并可能提供更高的服务水平之外，等等。

作为 Ruhlmat 客户的机器制造商的观点是什么？围绕他们的价值主张是通过这种方式在他们的资产基础上建立新的收入流，还是通过提供结合标准的免费服务来与其他竞争对手区分开来？

Florian：我认为，例如，对于每个机器制造商来说，如果他们想成为高级自动化机器制造商，这类解决方案是非常、绝对必要的。因为使用来自设备的数据，生产数据对于制造更好的机器至关重要。当我们谈到用例时，我可以稍后给你一些例子。所以问题是，如果你自己不作为机器制造商，如果你不能根据你的生产数据向最终客户提供解决方案，其他人会这样做，因为最终客户不会说，好吧，如果机器制造商不这样做，我不这样做。

所以他们只会和别人一起工作。然后其他人将处理来自您生产线的数据，基本上，也会自动接管您客户的用户界面。因为一旦您使用数据，您通常会使用软件平台，所有这些用户界面都成为您的最终客户和您的机器之间的附加层。然后一步一步地，你从一个优质的机器负担降级为一个简单的机械零件供应商，因为真正的大局是由其他人完成的。

同时，这也是一个巨大的挑战，这是我们真正可以提供帮助的事情，因为归根结底，您作为机械制造商，例如再次以 Ruhlamat 为例，我们更像是一个系统集成商而不是真正的产品公司，这意味着我们也与他们一起为客户构建高度定制的生产线，这也意味着我们的客户将这些机器上实际运行的过程视为他们的 IP。因此，他们永远不会允许您实时访问生产数据，因为他们想为自己保留这些专有技术，并希望尽可能地保护它。

因此，这意味着您作为机器制造商实际上并不能真正访问您自己机器上的数据。因为当机器在您自己的车间时生成的数据，当您调试生产线时，那里是数据垃圾，您无法使用它。您确实依赖于在生产过程中访问生产端的数据，然后您需要与您的客户一起工作，因为您不能只获取数据而不给客户一些回报，这是一个很大的好处。

因此，您需要找到一种真正与客户合作的方法，利用这些数据开发高价值的解决方案，然后反过来让您有机会访问和使用数据。所以这是一种双赢的局面，但同时也是一个鸡蛋问题，因为如果你没有数据，你想如何给你的客户带来好处？

这一切都集成在我们的 ShopWorx 系列 MES 解决方案中，实际上我们已经可以提前提供好处，这对客户来说非常有趣，因此我们也可以在数据上一起工作并真正放置系统一边。这是一个巨大的飞跃，改变了整个事情。而今天，实际上，没有一条线路不使用这个系统。没有客户，这不是要求，今天真的是必须的。一些客户，但可能是十分之一，他们有自己的解决方案，例如，他们不依赖我们的系统，但十分之九的客户真正采用了我们的解决方案。

Erik：作为机器制造商，这是有道理的，因为您正在构建一条集成生产线，因此您拥有一个平台，可以聚合来自这条生产线的数据点。如果我是一名机器制造商，正在制造一些可能很关键的机器，但它只是一条生产线中的一台机器，并且上游和下游的东西产生的数据也可能与我非常相关，那么你在那里的经验是什么？因为我觉得这是在工厂里最困难的位置，你将一个孤立的设备出售到一条生产线上，一方面，能够分析来自你的设备的数据有一些价值，但你就像湖中的一块石头。最终，工厂将希望拥有一个跨设备集成的平台。所以最终，你要么成为那个平台，要么其他人可能会把它拿走。

或者，即使您有一个非常强大的价值主张，您也可能需要来自上游、下游的一些数据来帮助丰富您设备上的信息，这样您就可以理解为什么我们会产生一定的质量水平，因为数据来自您的除了预测性维护或类似的东西之外，设备本身可能还不够有趣。

因为我觉得在工业生态系统中，将一两台设备销售到更大的生产线的机器制造商的职位是最困难的职位。这有点像成为汽车行业的二级供应商，您在引擎中有几个关键部件，但就其本身而言，您没有能力对由此产生的数据做太多事情。它与集成在那里有更多的影响力。你觉得这些玩家有什么有趣的策略吗？我猜他们是您的客户群，但是您如何看待他们在这个职位上找到杠杆作用？

弗洛里安：因此，如果像特斯拉这样的客户，例如，他们拥有如此多的资源和如此明确的战略，那么他们肯定不会花费数小时。他们会说给我你的界面，我提取数据，我自己做所有事情。但这实际上不是典型的客户。因此，如果你看看我们在中国的一级和二级客户以及许多国际参与者，你会惊讶地发现他们仍然在努力将数据真正整合在一起，并以此为基础制定战略。

因此，我们看到的是，我们现在提供的东西是开始这项工作的绝佳捷径。我的感觉是，他们中的很多人过去也从非常依赖一家中央软件公司为他们做所有这些事情中吸取了很多教训。因此，他们也经常在这个方向上真正推动去中心化，在他们的工厂中有不同的供应商，拥有一个解决方案的生态系统。这是我们可以扮演的角色。我们基本上可以在那里玩一种火箭开始，因为我们有我们的系统，我们连接了一个非常复杂的系统，它本身已经有很多参数，我们也可以很容易地集成其他设备，可能是上游或下游所以你真的可以从这些数据中理解并使用它。

我可以给你一个例子，它展示了一些杠杆作用，同时有时从数据方面来看，这可能有点过于宽泛。这是一个数据科学项目，所以在这种情况下我不能真正分享太多细节，因为这真的是关于他们的生产过程。但这是我们为他们建立的一个大客户，我认为，十年来大约有 140 条生产线。所以我们是他们的第一供应商。他们在全球拥有约 130 家工厂，以及汽车一级供应商。

而我们制造的这 140 台机器，它们还不错。多年来，他们进行了相当多的重新设计，以改进机器以降低成本。然而，直到 10 年后，当我们第一次真正开始与这些机器的数据一起与客户一起工作时，我们才看到有很多改进的地方。例如，对于一个工厂的这个客户，我们实际上连接了整个工厂，该过程在我们的 ShopWorx 服务器的上下游将所有数据汇总在一起，以便找到解决方案来解决他们遇到的两个特定缺陷的问题从这些线。它们可能会在生产的 10,000 件产品中发生一次。归根结底，如果他们去找最终客户，他们会引起召回。

很难找到它们的是您需要进行破坏性测试：您看不到它，也无法测量它。因此，这总是有可能传给客户并导致数百万美元的召回。因此，我们与我们的数据科学团队和客户以及我们的团队一起做了什么，我们试图开发一种机器学习解决方案，它可以识别这部分，仅从相关过程的过程数据中预测它是坏的。

令我们惊讶的是，最终我们只需要六个过程参数来真正预测它。我们每天只从这条线的过程中产生千兆字节的数据。最终，结果证明我们只需要其中的六个。所以可以肯定的是，这是一个学习曲线，分析所有这些数据，进行大量实验。最后，这少量数据，我们机器中的一些传感器可以解决这个巨大的问题。而今天，我们可以 100% 预测这些缺陷并完全避免追索。所以这是一个真正解决了数百万美元的问题。所以这是我们在这里开发的无监督机器学习模型。

这显示了你对有效性、生产力、设备质量数据的影响，否则你无法解决这个问题。但要解决这个问题，您不需要完整的工厂解决方案。如果你等待，也许你还需要 5 年或 10 年才能解决它。因此，使用我们的方法，您可以立即开始：您拥有所有数据。如果我们错过了什么，我们只是编辑。我的意思是你可以在这里或那里添加一个传感器。因此，您可以根据需要构建数据输入，然后在不查看所有内容的情况下取得重大进展。

Erik：让我再问一些技术方面的快速射击。那么你是云第一吗？您是否也在本地部署？

Florian：所以，ShopWorx 是一个混合平台：所以我们既可以在本地进行，也可以进行云部署。事实证明，尤其是寻求工厂 MES 并且没有如此敏感流程的中小型公司，他们通常更喜欢拥有云解决方案，因为它使他们的 IT 基础设施非常纤薄。而在中国，甚至我们有时也有他们不想问他们总部的有趣星座。因此，工厂中的每台服务器都会引发很多问题。

但是所有其他真正拥有非常复杂的生产流程的客户，例如典型的一级汽车客户，他们都需要本地服务器。他们非常重视真正保护数据。今天不可能讨论云。所以这都是本地解决方案。

我们的核心战略是拥有一个自助服务平台。因为假设您是一名机器制造商，并且您想将 ShopWorx 用于您的生产线，并且您想为您的客户构建一个解决方案。所以你需要自己能够与这个平台建立线路，配置它等等，而不是让其他人在项目中与你合作的软件公司，你会丢失很多机密数据，很多信息。

同时，这对最终客户来说也很重要，他们可以做事而不必总是回到我们要求定制，因为这样做只会分享太多的机密信息。

Erik：从数据科学的角度来看，在平台上构建机器学习算法需要客户具备哪些技能？这是否需要相对较高的技能？或者是经过培训并对这些事情如何工作有基本了解的人，他们可以在平台上工作并产生有效的算法？

Florian：所以这是一个机器学习模型，由一个数据科学团队开发。在这种情况下，是我们的数据科学团队，但实际上，这并不重要。如果是客户或开发它的人。所以我们的系统，在这种情况下，在我们使用的 ShopWorx 应用程序流分析上，您可以自己在应用程序流分析平台中部署这个机器学习模型，并在平台上对其进行训练，而无需返回给我们，然后可以在那里管理您的设备并将其部署在某些线路上，并在那里使用一些数据集对其进行重新训练。

当然，您仍然需要自己构建模型。但是出于保密的原因，您无论如何都不会外包，而是自己做。但是整个平台的其余部分要真正推出并管理它，这是一套东西。

Erik：但是你觉得它的可扩展性如何？尤其是当我们谈论机器学习算法时，关键问题之一是，算法的可扩展性如何？这意味着我们首先有我们的数据科学家团队来构建成本相对较高的算法，所以如果我们每次想在新的生产线上玩这个时都必须这样做，那么投资回报率就不会很高。但理想情况下，该算法在一定程度上是可扩展的，因此当我们将其部署到我们在世界其他地方的另一家工厂时，只要参数相似，那么可能需要 20% 的努力进行扩展。您如何找到或者您是否有一种机制来评估算法在没有显着成本负担的情况下能够扩展的可能性，因为这真的会影响用例的投资回报率？

弗洛里安：你可以做很多类似的标准分析事情，这些事情总是一样的。如果您谈论自动化生产线，您想优化您的周期时间，例如，这是您在生产线某处遇到的瓶颈，您有流程。因此，您可以对此进行分析，并且在线上运行的任何进程都执行相同的操作。所以这是可扩展的，实际上可以成为标准解决方案。

我在预测质量模型之前所说的，它预测一个非常具体的缺陷，这是一个高度定制的东西，或者是一个高度定制的东西。我们花了一年时间才真正开发出这种机器学习模型。在这里，就可扩展性而言，这也不是一件容易的事，因为想象一下你有这个客户，也许全世界有 700 台这样的机器。在所有这些机器中，操作员都可以更改工艺参数。每当您更改流程参数时，您都需要重新训练这些模型并需要再次对其进行测试。所以你还需要一个好的平台来真正实现去中心化。或者操作员，在改变一些东西之后，他仍然可以重新训练模型并再次部署它，并确保它也能正常工作。

因此，从模型方面来看，您需要一个真正先进的模型来处理这种变化。另一方面，你需要一个好的技术来推广它。投资回报率，当然，你需要知道你正在解决的问题真的足够大，这是一个数百万美元的规模，你可以真正在你的所有工厂中将它扩展到世界各地，否则，它不会与数据科学团队一起投资是有意义的，因为您确实需要一个跨职能团队与您的生产团队、与您的机器制造商等等一起。但是你可以实现巨大的飞跃。

所以我认为在未来，我们会更频繁地看到这一点。但基础是在那里建立一个平台，提供数据，做第一步。没有它，您将无法跳到下一步。所以我认为这对我们的客户来说是一个循序渐进的过程。

Erik：所以我认为将数据科学应用于工业的挑战之一就是可扩展性的挑战，而不是消费者，你在大型平台上，人们有非常同质的需求，然后数据集被汇集在一起。所以你可以构建非常有效的算法，适用于很多不同的人，解决类似的问题。假设，如果你有更多的协调，你可以做到这一点，我认为我们在工业环境中没有，意思是，假设一个机器制造商有一个计划来构建一种有效解决问题的算法。

他们可能会将其带到其他客户的其他计划中。但通常这是不可能的，因为客户不允许使用数据来创建此算法。你和客户有过对话吗？但是你是否看到未来可能会有更多的合作，如果有人允许他们的数据用于构建算法，他们可能会在首先构建算法的数据科学服务上获得折扣，因为他们基本上是在做出贡献到可以更加产品化的解决方案的研发？您是否看到最终用户对此有任何兴趣？或者根据您的经验，您的心态是否仍然非常关注数据安全和 IP 保护，即使风险更具假设性？

弗洛里安：我总是告诉我们的销售人员的第一件事，如果有人是新来的，请对你的客户进行分类，因为最大的错误总是把他们都放在一个锅里，然后说那是我的客户，这就是他需要的，因为实际上，它不是那个同质的。还有其他非常强大的大一级汽车客户，比如 Ruhlmat 可以是博世，大陆。这样的公司，我的意思是，他们有很多资源，他们也非常重视保密。这里没有太多可能，特别是如果您正在谈论真正带来解决方案并在其他地方也可以利用它们。

但另一方面，有很多客户现在也面临越来越大的降低成本的压力。他们需要在生产上真正取得进展。同时，他们也有有限的批次可以投资于新的生产线。他们非常开放。他们有您可以跨客户利用的解决方案，尤其是中国客户对此持开放态度。德国客户，我们很多一级客户，他们非常细心，我们尊重。作为定制机器制造商，我们有责任真正为他们构建解决方案。

但在这里，我们也有一些客户，多年来我们确实建立了信任。与他们一起，我们真的可以不只是专注于一年的项目，而且确实是生产中需要的项目，但我们真的可以一起开展战略研发项目，这些项目有三年的跨度我们今天已经在考虑如何用数据分析的想法解决某些问题，并且我们在这里和那里做一些概念证明，一些较小的研发项目总是以真正将其带到生产线的目标。

然后发生在这些客户内部，因为这些也是大型组织，通常有 100 多家工厂，所以他们也在全球范围内扩大规模。所以实际上，假设这个客户中的这个市场也不是那么小，所以你可以实现一定的可扩展性和投资回报。但我也想警告，尤其是机器制造商，始终将软件和数据解决方案视为摇钱树，尤其是从第一天开始。这也是我在鲁赫拉马特的公司，花了我们一段时间才理解的。

因此，这些解决方案使您能够制造出更好的机器，并且您的机器将获得更好的价格，您将比竞争对手更具优势。因此，它将加强您的核心业务。它会增加你的利润，通常不是直接通过软件价格标签，而是让你更具竞争力和利润。所以我认为对于这些机器制造商来说，这确实也是一个拥有非常强大竞争优势的工具，这一点变得越来越重要，尤其是在中国，正如你所知道的那样。

Erik：ShopWorx 的商业模式，是纯 SaaS 吗？是机器还是座位？你怎么定价这个？因为我猜根据客户的不同，可能会有很多不同的配置。

弗洛里安：是的，所以有一个基本价格，实际上是针对平台本身的。然后他们可以在自定义之上，这在某些情况下可能是必需的。所以，大多数客户，他们今天仍然有自动化生产线的预算，他们单独为这部分制定预算，无论是计划的 MES 还是真正的生产线 MES，也可能连接多条生产线。所以有明确的预算。有一个明确的规范，所以它非常传统。因此，您只需向客户提供您的许可证，然后您就有了一份年度维护合同，确保您可以保持最新状态并且您可以非常快速地做出反应。

因为一个一级供应商在使用我们的软件，比如在生产线上管理生产线，处理追溯，如果软件宕机了，生产就宕机了，因为没有追溯就没有生产。所以，你会产生大量的废品，如果一个软件出现故障，也会导致生产下降。

我们随着时间的推移，当然，SaaS 成为一个非常有趣的话题。我个人也很喜欢它，因为一旦您与客户谈论 SaaS，它就会将注意力或讨论从技术转移到收益上。因为您不希望为当前或所有时间不会重复为您增加价值的东西定期付款。因此，很高兴看到这如何改变了整个讨论。这也表明许多客户实际上是在制造工厂，在汽车行业还没有准备好谈论他们无法真正预测他们制定预算的方式。

但它已经表明一些领域，如优化生产线、优化周期时间等。这是一个让你随着时间的推移更具竞争力的价值。而且生产线运行的时间越长，您拥有的数据就越多，您可以对其进行的优化就越多。所以这些是一种分析应用程序，让我们这样称呼它，您可以在现有平台上推出它，然后您可以将其真正转移到 SaaS 业务模型。

因为同样，从可扩展性的角度来看，这仍然需要部署，它仍然需要硬件，它仍然需要像自动化公司这样的专家来真正部署它。它不是 Office 365，您下载、启动并使用它，因此您仍然有一个组件，它的可扩展性不高。你用一条线卖掉它。您将其作为软件解决方案单独出售。但最重要的是，你有一个可扩展的平台，你可以在没有额外硬件部署的情况下升级东西，然后它就变得有趣了。

Erik：有没有什么我们没有在这里提到的对我们来说很重要的东西？

弗洛里安：我们已经介绍了很多，我认为我们仍然面临的最大挑战之一是真的，而这也是机器制造商所拥有的，那就是让整个事情真正可扩展。这种太空制造仍然需要大量定制。甚至你认为，尤其是当我们开始与中小型企业合作一些物联网项目时，规划MES项目时，你认为现在你已经涵盖了所有内容，不能再进行任何定制了。但还是有一些不同。因此，无需大量定制工作，就可以让技术真正准备好处理这个问题。那是我们已经解决了一大块的事情。绝对是自动化公司、机器制造商，因为这可以非常标准化，但要在更高的水平上实现可扩展性还有很长的路要走。

Erik：这也是我现在的感受。我们谈到了这种采用，比方说，因为缺乏更好的词类，下一代工业软件正在解决可扩展性问题。它通常不一定会带来通常实际上不需要解决问题的最尖端技术。但我们如何以一种不需要庞大系统集成预算的方式做到这一点，是的，考虑到公司拥有的专业知识，可以扩展吗？因为这些往往是需要解决的乏味问题，而且我认为，现在，在许多情况下仍未解决。

所以这听起来像是你取得了一些进展的地方。我想这将是未来几年的重点。除了可扩展性，如果您展望未来两三年，您是否会优先考虑其他大的发展领域？

弗洛里安：我认为归根结底，对我们来说，有两个方向非常重要。因此，真正构建分析解决方案是我们真正可以利用数据的地方。因为我们公司开发的第一阶段实际上是在现场构建平台，您可以在其中拥有数据，我们将它们汇集在一起以及您可以推出第一个分析解决方案的地方。但要真正改善这条线，还有很多工作要做。

另一个方向是为机器制造商提供真正的端到端解决方案。因此，如果您在现场有您的生产线 MES 服务器，并且您在多个客户的多个工厂中拥有多个，将所有这些整合在一起，然后到一个中央服务平台，您可以在该平台上基于您机器周围的数字服务数据，真正卖备件，可能通过状态预测性维护等自动触发，真正为机器制造商打造整体维修服务商业模式。这是一个巨大的话题，这也是我们现在正在努力工作的地方。

Erik：听起来你的工作已经为你完成了。我希望您和 ShopWorx 团队在未来几年取得成功。再次感谢您与我们聊天。我的最后一个问题是，让我们的听众与您或 ShopWorx 团队取得联系的最佳方式是什么？

弗洛里安：所以我认为与我联系最简单的方式是在 LinkedIn。 Erik，所以我认为所有关注您播客的人也应该能够找到我，并且总是乐于学到很多东西。与其他机器制造商交谈，那将是非常棒的。

埃里克：谢谢你，弗洛里安。

弗洛里安：谢谢你，埃里克。

Erik：感谢您收听另一个版本的工业物联网聚光灯播客。如果您发现这些对话很有价值，请给我们留下评论和五星级评价。如果您想分享您公司的故事或推荐一位演讲者，请发送电子邮件至 team@IoTone.com。最后，如果您有想要讨论的物联网研究策略或培训计划，可以直接发送电子邮件至 erik.walenza@IoTone.com 给我发电子邮件。谢谢你。