2019年，工業(yè)互聯(lián)網(wǎng)首次進入政府工作報告，2019政府工作報告專門提及“打造工業(yè)互聯(lián)網(wǎng)平臺，拓展‘智能+’，為制造業(yè)轉型升級賦能”。最近工業(yè)互聯(lián)網(wǎng)非常熱，一是“智能+”對工業(yè)轉型升級的重要性，二是在科創(chuàng)板開市之后，與工業(yè)互聯(lián)網(wǎng)、產(chǎn)業(yè)互聯(lián)網(wǎng)相關的科創(chuàng)企業(yè)在不斷進入科創(chuàng)板上市的行列中。此前對工業(yè)互聯(lián)網(wǎng)有大量討論，但還有很多困惑和發(fā)展不清晰之處。在鈦資本新一代企業(yè)級科技投資人投研社第24期，寄云科技創(chuàng)始人&總裁時培昕分享了工業(yè)互聯(lián)網(wǎng)如何賦能高端制造，釋放機器潛力。

時培昕博士畢業(yè)于北京郵電大學信號與信息處理專業(yè)，是國內早期從事云計算、大數(shù)據(jù)和工業(yè)互聯(lián)網(wǎng)相關領域研究推廣與應用的專家。2013年創(chuàng)建了工業(yè)互聯(lián)網(wǎng)公司寄云科技，幫助石油能源、電力能源、軌道交通和高端制造等領域企業(yè)實現(xiàn)數(shù)字化轉型，包括故障診斷、故障分析預測、可靠性分析、產(chǎn)線優(yōu)化、產(chǎn)能提升等工業(yè)互聯(lián)網(wǎng)解決方案。時培昕對工業(yè)互聯(lián)網(wǎng)領域的前沿技術、行業(yè)動態(tài)、客戶需求有獨到的見解，開發(fā)了國內領先的工業(yè)互聯(lián)網(wǎng)平臺——NeuSeer平臺。

工業(yè)互聯(lián)網(wǎng)兩大典型玩家

工業(yè)互聯(lián)網(wǎng)主要由網(wǎng)絡、平臺、安全三大部分組成，其中網(wǎng)絡是基礎，特別是5G低時延網(wǎng)絡是保證工業(yè)互聯(lián)網(wǎng)的基礎，而數(shù)據(jù)和平臺是工業(yè)互聯(lián)網(wǎng)的核心，安全是保障。

工業(yè)互聯(lián)網(wǎng)廠商非常多，從最基本的連接端到云服務端，從IaaS端到PaaS端再到工業(yè)數(shù)據(jù)分析展示和可視化平臺再到具體應用場景，設計仿真、生產(chǎn)優(yōu)化、運營管理、資產(chǎn)運維、能耗管理、采購優(yōu)化等，都是在工業(yè)里利用物聯(lián)網(wǎng)的數(shù)據(jù)采集和大數(shù)據(jù)分析后才能創(chuàng)造出的應用場景。

兩個比較典型的工業(yè)互聯(lián)網(wǎng)玩家：

第一個是提出工業(yè)互聯(lián)網(wǎng)概念的GE旗下Digital部門，提出“通過發(fā)掘數(shù)據(jù)的價值實現(xiàn)高效的產(chǎn)出”。不幸的是GE已經(jīng)在2018年開始出售Predix，主要原因有幾個：一，GE Digital受到燃機、油氣、電力等系列主營業(yè)務的市場疲軟影響；二，低估了工業(yè)企業(yè)數(shù)字化進程的難度；三，過于強調云平臺和IT能力，忽視了客戶對應用的需求，盈利模式不清晰；四，進行的并購和整合并沒有達到通過一個平臺統(tǒng)一不同的應用軟件和交付能力的有效目的。GE Digital的規(guī)劃目標，是希望通過Predix平臺結合應用Operation Performance Management（運營績效管理）和Asset Performance Management（設備性能管理），通過設備的健康和可靠性管理、合規(guī)性管理、資產(chǎn)優(yōu)化、策略優(yōu)化，以達到運營性能的管理，包括提升運營效率、實現(xiàn)過程優(yōu)化等。

第二個玩家是Uptake，是公認的工業(yè)互聯(lián)網(wǎng)領域的標桿創(chuàng)業(yè)公司。創(chuàng)立于2012年，Uptake做的很多事都在模仿GE Digital，包括招募了很多GE Digital的原班人馬。其主張也是通過工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)分析，實現(xiàn)高效的資產(chǎn)性能和運營效率的提升，提供的方案也是平臺加應用。在平臺層，不僅提供相應工業(yè)的基礎能力，也提供AI和機器學習引擎，把算法變成目錄和訂閱的方式以快速實現(xiàn)數(shù)據(jù)分析，并在上面實現(xiàn)快速應用編譯和部署，最后形成應用和行業(yè)解決方案。應用主要有兩類，一類是通過數(shù)據(jù)科學、人工智能的方式實現(xiàn)資產(chǎn)性能的提升，另一個是通過提升資產(chǎn)性能提升運營效率，都與GE非常像。

Uptake在2018年11月份收購了一家APT（Asset Performance Technology）公司，這家企業(yè)提供了800多種類型的設備、1000多萬種不同部件的失效模式。FMEA失效模式分析有什么用呢？可以非常清楚地定位出設備有多少種故障現(xiàn)象，每種故障現(xiàn)象應該采取的應對措施和尋找相應根因形成維護策略。還有Uptake另外一個應用，通過AI實現(xiàn)銷售線索、服務需求、工作流效率的優(yōu)化，主要是針對設備制造商提供一整套業(yè)務流程優(yōu)化引擎、提高銷售業(yè)績和客戶滿意度。

比較典型的案例：第一個是為卡特彼勒開發(fā)一套設備聯(lián)網(wǎng)和分析系統(tǒng)，采集設備的各類數(shù)據(jù)信息，聯(lián)網(wǎng)監(jiān)控的同時分析預測設備可能會發(fā)生的故障，以提前應對；美國一家Class1的火車公司，在美國有大約一萬四千個火車頭，Uptake幫助其通過人工智能預測性維護，每年節(jié)省4700萬美金；AMEREN是美國一家發(fā)電廠，每年用了Uptake的人工智能應用平臺幫公司節(jié)省990萬美金；PaloVerde是一家核電廠，每年Uptake幫其節(jié)省1000萬美金；Uptake還幫助某個重型機械經(jīng)銷商每年提高850萬美金的收入。

這幾個案例是工業(yè)互聯(lián)網(wǎng)里比較典型的應用場景，圍繞大型設備的資產(chǎn)性能，利用數(shù)據(jù)分析實現(xiàn)設備可靠性的提升，進而提升整個過程的運營效率，創(chuàng)造更多的價值和利潤。

工業(yè)互聯(lián)網(wǎng)的核心技術有四個：一，邊緣計算是有強剛需的工業(yè)應用場景，通過邊緣端的實時數(shù)據(jù)采集、云端的數(shù)據(jù)分析和應用開發(fā)以實現(xiàn)高效協(xié)同，是云端應用對邊緣端實時數(shù)據(jù)采集的響應和控制過程；二，大數(shù)據(jù)平臺也非常關鍵，以前的工業(yè)數(shù)據(jù)都是小數(shù)據(jù)，很多數(shù)據(jù)處理都在邊緣完成，并沒有匯總起來進行相關性分析和統(tǒng)一趨勢分析，因此實現(xiàn)應用和數(shù)據(jù)解耦的大數(shù)據(jù)平臺也很關鍵；三，數(shù)字孿生，即通過數(shù)據(jù)化方式為工業(yè)設備定義數(shù)據(jù)結構，結合數(shù)據(jù)分析對設備的過去、當前和未來進行深入的洞悉，完成設備從物理向虛擬環(huán)境映射的最關鍵描述；四，通過專家經(jīng)驗+人工智能的方式，基于專家經(jīng)驗指導的大數(shù)據(jù)樣本標注，通過人工智能算法訓練開發(fā)相應的故障診斷和預測模型，實現(xiàn)精準判決。

工業(yè)互聯(lián)網(wǎng)三大高端制造應用場景

什么是高端制造？高端制造與中高端制造、中低端制造不一樣之處在于：一，生產(chǎn)過程基本上都是連續(xù)的，比如流程制造；二，需要眾多不同大型設備的高效協(xié)同，屬于復雜工藝。像石油、電力、石化、光電、半導體等高端制造的可能有幾百個不同的子生產(chǎn)過程， 需要保證每個生產(chǎn)過程都得到嚴格的管控，才能完成最終預期的產(chǎn)出；三，高度自動化的生產(chǎn)過程，可以根據(jù)實時采集的各種工況參數(shù)，對控制過程進行自動化的實時響應；四，對質量、產(chǎn)能、風險、成本等的精細化管理要求極高，需要非常精準的過程控制和結果檢驗機制。

工業(yè)互聯(lián)網(wǎng)在高端制造里應用場景很多，而當前的高端制造普遍呈現(xiàn)資產(chǎn)密集、資產(chǎn)性能優(yōu)化空間大，數(shù)字化程度高但數(shù)據(jù)利用率低，經(jīng)驗驅動、缺少科學決策能力的局面。通過結合工業(yè)互聯(lián)網(wǎng)的賦能，即資產(chǎn)性能管理、運營效率提升、能源管理優(yōu)化、安全生產(chǎn)環(huán)保、工業(yè)控制安全，可達到：一，提高資產(chǎn)運營的效率，降低非計劃停機帶來的風險影響；二，提高資產(chǎn)利用的效率，降低排放、降低能耗、提高安全生產(chǎn)、實現(xiàn)環(huán)保，構建產(chǎn)業(yè)生態(tài)。正是因為高端制造普遍的體量都比較大，所以哪怕提高1%，都能創(chuàng)造巨大的價值。

高端制造的工業(yè)互聯(lián)網(wǎng)的核心不是數(shù)據(jù)采集，而是一層一層傳遞的數(shù)據(jù)的價值。工業(yè)互聯(lián)網(wǎng)平臺，能夠起到加速整個價值傳遞過程的作用，一方面能夠匯聚來自不同設備和業(yè)務系統(tǒng)的數(shù)據(jù)，構建數(shù)據(jù)中臺，對數(shù)據(jù)進行規(guī)范和治理，以及針對離散化、場景化的數(shù)據(jù)分析；另一方面，它也提供了大量的跨應用系統(tǒng)的能力重用模塊，讓應用的交付、數(shù)據(jù)的分析變得更便捷和更簡單。

相對于傳統(tǒng)的PLC、DCS、MES或ERP這些傳統(tǒng)的IT和OT系統(tǒng)，工業(yè)互聯(lián)網(wǎng)應用著眼點放在了新技術解決老問題上，它通過運用物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算和人工智能等先進的IT技術，去解決原先由于數(shù)據(jù)量、數(shù)據(jù)處理能力、實時性等限制而不能得到很好解決的設備可靠性、工藝質量以及企業(yè)經(jīng)營決策等方面問題，可以說是原有IT和OT系統(tǒng)的升級和重構。

高端制造的工業(yè)互聯(lián)網(wǎng)應用非常離散化，應用場景主要是三類，設備資產(chǎn)管理、運營性能管理和生產(chǎn)經(jīng)營決策。資產(chǎn)性能管理的目標是提高資產(chǎn)（也就是設備）的可靠性，避免非計劃停機；只有保證了設備的可靠性，才能保證運營過程中的產(chǎn)能、質量、成本的有效提升，才能優(yōu)化運營指標；而只有保證了運營效率的提升，才能實現(xiàn)企業(yè)經(jīng)營利潤的提升和經(jīng)營風險的規(guī)避，所以這三層是通過數(shù)據(jù)的價值環(huán)環(huán)相扣的。

應用場景1：資產(chǎn)性能管理。大型高端制造都有關鍵的大型設備，這些設備在連續(xù)生產(chǎn)過程中的停機風險，會造成很大影響。普遍來說，進行有效設備維護的策略有：一是被動式維護，就是壞了再修，這種維護成本最高；二是預防性維修，為了避免被動維修引起的設備停機停產(chǎn)，現(xiàn)階段采用較多的是預防性維修，也就是定期保養(yǎng)；三是視情況維修或基于狀態(tài)維修，因為前兩種的成本相對比較高，因此采用振動分析、紅外、超聲等檢測儀器，對關鍵設備進行相應的判決和檢測，基于檢測的結果決定是否要維修，提前修還是推后修；四是預測維修，基于海量數(shù)據(jù)分析對設備的實時狀態(tài)做評估，再決定是否要維修；第五，RCM或基于風險評估，結合實時數(shù)據(jù)對設備保養(yǎng)策略的一系列計算，得到基于風險管控的維護策略，實現(xiàn)更精準的維護。目前GE和Uptake已經(jīng)做到了基于可靠性的維修或基于風險維護的完整策略。

現(xiàn)在的問題是：一，無法實現(xiàn)實時的判決和診斷，無法根據(jù)動態(tài)的工況進行調整；二，無法實現(xiàn)精確的故障定位，無法實現(xiàn)精確的指標計算；三，無法實現(xiàn)精確的壽命預測，無法實現(xiàn)預測性維護；四，無法積累、優(yōu)化和復制專家經(jīng)驗，無法實現(xiàn)知識的自我學習和進化。

資產(chǎn)性能管理系統(tǒng)主要涉及三方面：一是數(shù)據(jù)，即機器的實時數(shù)據(jù)、歷史維護記錄、失效記錄、產(chǎn)品手冊等；二是機理，像FMEA、控制理論等基本的工業(yè)模型；三是數(shù)據(jù)分析，變點檢測、時序預測、聚類回歸、機器學習、神經(jīng)網(wǎng)絡等結合在一起，才能產(chǎn)生一個相對完整的設備資產(chǎn)管理系統(tǒng)，實現(xiàn)實時監(jiān)測、故障診斷預測、可靠性管理等一系列功能，最終目標是降低停機概率、降低運營風險、實現(xiàn)更快的響應能力。

怎么利用數(shù)據(jù)分析實現(xiàn)資產(chǎn)的高效性能分析呢？主要還是利用機器的數(shù)據(jù)。基于機器的歷史數(shù)據(jù)可以構建不同狀態(tài)下的歷史數(shù)據(jù)樣本，開發(fā)各類故障的特征模型，與當前傳感器數(shù)據(jù)進行對比，從而對當前的設備進行實時的健康評估。基于歷史數(shù)據(jù)也可以構建性能預測指標，通過對比指標就可以知道設備未來在什么時間可能會出問題，可以計算剩余壽命以優(yōu)化維護策略。

應用場景2：運營性能管理。在工業(yè)生產(chǎn)過程中有很多設備都產(chǎn)生數(shù)據(jù)，像工藝數(shù)據(jù)、質量數(shù)據(jù)、維護數(shù)據(jù)等，都可以通過工業(yè)互聯(lián)網(wǎng)平臺采集出來，做工藝參數(shù)優(yōu)化、良率優(yōu)化、虛擬量測、關鍵指標建模、燃燒環(huán)保優(yōu)化、能源管理等一系列分析。通過實時采集生產(chǎn)過程中設備、工藝、質檢、環(huán)保、環(huán)節(jié)數(shù)據(jù)，結合數(shù)據(jù)挖掘和人工智能分析，可以實現(xiàn)生產(chǎn)工藝、品質還有運營效率全方面的優(yōu)化。

舉幾個簡單例子：

一，工作模式自動識別。在運營中對設備的工作狀態(tài)進行識別，只有識別了不同的工作狀態(tài)才能區(qū)別出在不同工作狀態(tài)下的工作效率和關鍵KPI指標，這種識別原來全是手動識別或是專家經(jīng)驗識別，現(xiàn)在完全可以通過機器學習再結合專家經(jīng)驗的方式提取規(guī)則，創(chuàng)造自動識別的過程。

二，異常檢測。由于能夠區(qū)分不同的工作狀態(tài)，才能對不同的工作狀態(tài)設一個穩(wěn)定值，這叫SPEC值。一個設備可能工作在不同的SPEC和不同的工藝過程下，所以每個工藝過程要區(qū)分不同的工作狀態(tài)，才能知道應該改進哪些關鍵工藝參數(shù)。

三，根因分析。根因分析就是有多少種原因會導致最終的不良或排放、燃燒等關鍵指標低下。這種根因分析往往是在不同時間維度上產(chǎn)生的，可能幾個小時之前的一個工藝參數(shù)會導致最后生產(chǎn)結果的質量、品質或關鍵指標的劣化。數(shù)據(jù)分析需要把不同時間維度的海量數(shù)據(jù)結合在一起，通過相關性分析、相似度搜索等數(shù)據(jù)分析的方式，匹配到最有可能產(chǎn)生問題的一個匹配關系上。

四，SPEC的快速確定。在不同工藝上，比方說85%、70%、65%的良率情況下對應不同的工藝參數(shù)范圍，很多時候都需要從歷史數(shù)據(jù)中找出相應特定條件下相關信號的工作范圍，進而確定相應的SPEC值，這有助于幫助一個企業(yè)快速投產(chǎn)、快速從小批量生產(chǎn)進入到大批量生產(chǎn)的加速過程。

五，穩(wěn)定性控制和評估。在關鍵的生產(chǎn)過程中，有一些海量產(chǎn)出關鍵指標，比如半導體生產(chǎn)過程中的CD值，即關鍵的線寬要保證在一定的范圍內抖動。利用數(shù)據(jù)分析，通過SPC進行穩(wěn)定性控制，實現(xiàn)相應的過程控制，以保證關鍵過程產(chǎn)出的穩(wěn)定性。

六，工藝仿真。在確定了輸入和輸出之間的關系后，能否通過回歸或者神經(jīng)網(wǎng)絡找到一個線性、非線性的模型，當最終檢驗結果的良率從85%掉到70%時，調整輸入到某個關鍵值就能把良率從70%再拉回到85%？這些都可以通過海量的工業(yè)數(shù)據(jù)分析實現(xiàn)。

以上這些都是圍繞著實時工藝的數(shù)據(jù)采集、分析、建模的過程。通過運營效率的提升、數(shù)據(jù)分析、高效的運營規(guī)劃，盡最大可能的提高工廠的產(chǎn)能和利潤，包括結合財務指標、價格曲線、降成本等都能實現(xiàn)完整的分析。只要利用好數(shù)據(jù)分析，就可以產(chǎn)生極大的提升，很多時候創(chuàng)造的效能遠遠不止1%。

應用場景3：安全生產(chǎn)管控。這部分主要針對能源化工等高端流程制造企業(yè)，通過采集設備端DCS的實時數(shù)據(jù)，結合檢測系統(tǒng)、業(yè)務系統(tǒng)和外部數(shù)據(jù)，通過大數(shù)據(jù)、人工智能、機器學習等先進的信息技術，實現(xiàn)包括危險源在線監(jiān)測、工藝參數(shù)實時告警、危險場景態(tài)勢感知、重大風險預警預測在內的全面的安全生產(chǎn)管控，達到企業(yè)經(jīng)營風險和經(jīng)營利潤的最優(yōu)平衡。

對于一個大型的發(fā)電廠或者大型化工企業(yè)，實時數(shù)據(jù)可以達到每秒鐘幾萬到幾百萬萬數(shù)據(jù)點。一方面，很多關鍵設備的關鍵工藝參數(shù)、環(huán)境參數(shù)以及外部的危險源，僅靠人工巡檢、實時監(jiān)控和專家經(jīng)驗判斷，是根本無法全面、實時的企業(yè)級別的安全管控要求。通過大數(shù)據(jù)的方式，進行采集海量的實時數(shù)據(jù)并匯總、分析，基于歷史數(shù)據(jù)構建起預測和風險模型，不僅能構建起全面的防范體系，還能對關鍵的監(jiān)控參數(shù)以及風險事件進行預測。

另一方面，通過將不同發(fā)電廠、化工企業(yè)的實時數(shù)據(jù)匯總到集團的工業(yè)互聯(lián)網(wǎng)平臺，不僅能實現(xiàn)對關鍵工藝參數(shù)、關鍵風險源、風險事件的管控和指揮，也有助于集團層面實現(xiàn)跨企業(yè)的對標分析和優(yōu)化，并實現(xiàn)對下屬單位生產(chǎn)、耗能、排放等數(shù)據(jù)的實時采集，降低數(shù)據(jù)失真帶來的經(jīng)營風險，從行政管控轉向數(shù)據(jù)驅動的智能決策。

總的來說，高端制造行業(yè)工業(yè)互聯(lián)網(wǎng)的核心，在于工業(yè)數(shù)據(jù)的分析，而不在于工業(yè)數(shù)據(jù)的采集。雖然國內有很多的工業(yè)互聯(lián)網(wǎng)廠商，但大多都在做基礎數(shù)據(jù)采集和展示。數(shù)據(jù)采集固然很重要，但在面對不同類型的企業(yè)時，優(yōu)先級有很大區(qū)分。中小企業(yè)可能要看關鍵的幾個指標做一些告警就夠了，但高端制造客戶還要實現(xiàn)對設備狀態(tài)的可靠性分析、運營效率的分析、性能和良率預測等復雜的數(shù)據(jù)分析。

鈦資本研究院觀察

工業(yè)互聯(lián)網(wǎng)領域將出現(xiàn)新的“BAT”，但這將是一個長期的過程而不會一蹴而就。眾所周知，工業(yè)是一個高度復雜和碎片化的產(chǎn)業(yè)，每一個細分領域都需要專門的工業(yè)知識與實踐積累。長期以來，BAT雖然一直想進入工業(yè)互聯(lián)網(wǎng)領域，但由于難以形成一個大而全覆蓋的平臺，因此很難像主導消費互聯(lián)網(wǎng)那樣主導工業(yè)互聯(lián)網(wǎng)的發(fā)展。

而在另一方面，工業(yè)是中國的立國之本，是實體經(jīng)濟的主戰(zhàn)場。現(xiàn)在的中國工業(yè)大而不強，自主創(chuàng)新能力不強，產(chǎn)品還處在中低端，供給能力明顯不足。我國工業(yè)還存在著被空心化、邊緣化等問題，亟待轉型升級。而中國工業(yè)門類齊全，有41個大類、191個中類、525個小類；體量巨大，年增加值30萬億元，世界第一。無疑，中國工業(yè)的數(shù)字化轉型是一個巨大的ICT市場，存在著巨大的機會。

工業(yè)數(shù)字化轉型包括智能制造和工業(yè)互聯(lián)網(wǎng)兩大戰(zhàn)場。其中，智能制造主要是為制造設備和工廠等實現(xiàn)智能化、數(shù)字化和自動化，主要是將信息技術（IT）、數(shù)字技術（DT）與生產(chǎn)制造操作技術（OT）相結合。由于不同工業(yè)領域的特殊性，智能制造更多是面向細分工業(yè)領域的技術和解決方案，難以形成較大的創(chuàng)業(yè)機會。而工業(yè)互聯(lián)網(wǎng)則是一個巨大的平臺性機遇。不過需要注意的是工業(yè)互聯(lián)網(wǎng)是互聯(lián)網(wǎng)與物聯(lián)網(wǎng)相結合的產(chǎn)物，同時融入了云平臺、大數(shù)據(jù)分析和人工智能等新興科技，是工業(yè)環(huán)境下人、機、物、企業(yè)、生態(tài)等的全面互聯(lián)，而不是簡單的互聯(lián)網(wǎng)模式，也缺乏相關的標準。

值得一提的是，2019年6月28號，國際電信聯(lián)盟未來網(wǎng)絡與云計算工作組（ITU-T SG13）會議在瑞士日內瓦召開，由工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟（簡稱“聯(lián)盟/AII”）理事長單位中國信息通信研究院主導的國際標準《工業(yè)互聯(lián)網(wǎng)網(wǎng)絡架構與技術要求（基于未來包交換網(wǎng)絡演進）》在會議上成功立項，這是包括ITU、ISO、IEC在內的國際標準化組織啟動的第一個工業(yè)互聯(lián)網(wǎng)國際標準項目。

隨著5G的商用和第一個工業(yè)互聯(lián)網(wǎng)國際標準項目的立項，2019年有望成為工業(yè)互聯(lián)網(wǎng)啟動之年，從前幾年的概念熱炒進入到了逐步落地的階段。而在工業(yè)互聯(lián)網(wǎng)領域各自為戰(zhàn)的信息化企業(yè)和創(chuàng)業(yè)公司也在充分利用并購整合的策略快速成長占領市場，力爭成為中國版的Uptake——工業(yè)互聯(lián)網(wǎng)標桿企業(yè)。從現(xiàn)在開始關注工業(yè)互聯(lián)網(wǎng)的創(chuàng)業(yè)公司和創(chuàng)業(yè)項目，不失為進入工業(yè)互聯(lián)網(wǎng)賽道的最佳時機。

責任編輯：ct