文：中國工程院院士 楊華勇
做制造的人都叫“智能制造”，做IT的人都叫“工業(yè)互聯(lián)網(wǎng)”，目前中國制造在推進六大工程，最熱的是智能制造，最冷的是強基工程，最藍的是創(chuàng)新工程，當然還包括高端裝備、綠色制造和后來加上的品牌工程。
我們都知道現(xiàn)在中國的智能制造非常熱，在全球也非常熱，主要從兩個方面思考智能制造：
一是智能制造的內(nèi)涵，智能制造包括五個方面，網(wǎng)絡制造、智能技術，3D打印、機器人技術還有智能裝備。
二是從產(chǎn)品的層面考慮，現(xiàn)在聊的最多的機器換人只是智能制造的一部分，也就是我們說的生產(chǎn)過程的智能化。產(chǎn)品要走向高端，應該是產(chǎn)品的智能化。還有整個產(chǎn)品的全生命周期使用過程的智能化。
過去十年中國社會財富增長最快的還是IT行業(yè)，科技投入最大的也是IT，現(xiàn)在A、B、C、D、I都成為了熱門的詞，AI、BlockChain、Cloud、Data，還有IoT，現(xiàn)在40%的GDP來自制造，40%中一半是流程工業(yè)、一半是離散工業(yè)。
所以，在浙大，流程工業(yè)比較多的是控制學院，是孫院士帶領的團隊，我們主要是做離散工業(yè)。我們都在講產(chǎn)業(yè)的升級和產(chǎn)品的升級。
我們都知道互聯(lián)網(wǎng)把全球的消費者連接在一起，互聯(lián)網(wǎng)倒逼服務，在互聯(lián)網(wǎng)經(jīng)濟、數(shù)字經(jīng)濟下都講究用戶體驗，這就倒逼服務升級，服務升級倒逼制造升級，所以整個供應鏈都在講智能化的問題。
技術上說的IT業(yè)的AI、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等等，實際上要如何轉化為企業(yè)側，企業(yè)的需求就是成本、質量效率，還有新的方案、新的生態(tài)，中間的連接就是工業(yè)互聯(lián)網(wǎng)，工業(yè)互聯(lián)網(wǎng)也是IT業(yè)所說的互聯(lián)網(wǎng)下半場，它最重要的戰(zhàn)場是在工業(yè)。
工業(yè)互聯(lián)網(wǎng)架構
現(xiàn)在總是說工業(yè)互聯(lián)網(wǎng)，互聯(lián)網(wǎng)的數(shù)據(jù)市場從全球看主要是三大市場，領先的是美國，歐洲是德國。亞太是中國，目前預測都慢于實際，之后增長速度非常快。
具體來看這個數(shù)據(jù)市場主要是在這一塊，最大的還是設備管理。產(chǎn)品的售后服務占了38%，還有生產(chǎn)過程中的管控，包括監(jiān)控、能耗、質量管理，整個生產(chǎn)過程的優(yōu)化占了28%，企業(yè)的運營管理占了28%，運營管理是18%，資源配置13%。
我們說的很多產(chǎn)品設計和工藝管理，事實上大部分是秘密，不在數(shù)據(jù)市場中。
目前需求很大，需要做的就是數(shù)據(jù)建模、數(shù)據(jù)分析，就是設備的健康管理、產(chǎn)品的售后服務、生產(chǎn)的管理優(yōu)化、能耗與質量管理，還有客戶關系管理、財務、生產(chǎn)過程監(jiān)控與安全管理。
再下來就是全流程的數(shù)據(jù)能力、金融服務，真正的仿真設計與工藝只有3%。所以如何打造工業(yè)互聯(lián)網(wǎng)的架構，事實上需要各種方面的人。
我們都知道阿里云下有個工業(yè)云，工業(yè)云有做IT算法和工業(yè)的部門，但真正要在制造業(yè)應用需要懂制造，工業(yè)知識也是不可顛覆和替代的，需要一起打造一個系統(tǒng)。
最近一年多，我們在討論如何做工業(yè)數(shù)據(jù)的開發(fā)與管理，還有工業(yè)數(shù)據(jù)的智能應用開發(fā)以及工業(yè)流程內(nèi)部各個工位之間復雜的關系，如何把它做上平臺，然后用IoT和5G把它連起來，再推到各個行業(yè)。
總得來說，工業(yè)行業(yè)有49個，小的行業(yè)有400多個，實際上每個行業(yè)的龍頭企業(yè)需求、專精企業(yè)的需求和中小企業(yè)的需求完全不一樣，這就需要做很多事。
從數(shù)據(jù)管理的角度來看，它需要把整個產(chǎn)業(yè)鏈從供應商和物流把人、財、物全部管理起來，現(xiàn)在用戶的體驗、運行也需要管理。
具體到企業(yè)內(nèi)部就是物料、工裝、人員、設備、供應、訂單、供應商的管理。
而平臺一旦打造起來，它是大數(shù)據(jù)的多元融合，計算的應用、可視以及業(yè)務的智能，需要整合各種數(shù)據(jù)，最主要的目的是產(chǎn)品質量溯源，現(xiàn)在要高端產(chǎn)品質量的溯源，裝配工藝建模方面的分析和資源的排查和整個物流系統(tǒng)如何做優(yōu)化。
再往下看，真的要讓企業(yè)各種人員和外部能夠運用起來，就要開發(fā)算法與組件，還有面向各種業(yè)務人員，也就是windows化和圖形化比較方便，一線的操作人員都要應用起來。
現(xiàn)在企業(yè)內(nèi)部有很多數(shù)據(jù)，大家都知道數(shù)據(jù)是寶貝，但沒有真正利用起來。我們調(diào)查過真正的商業(yè)數(shù)據(jù)不到4%，所以怎么統(tǒng)一、規(guī)范，讓它易用，工業(yè)機理如何沉淀下來變成知識，不要變成人盯著數(shù)據(jù)，現(xiàn)在的數(shù)據(jù)用量很小。如何讓機器變成智能，讓機器智盯數(shù)據(jù)。所以，做流程、做看板可能是一個途徑。
工業(yè)典型案例
// 案例1:質量管理
大家都知道浙江春風動力股份有限公司的摩托車生產(chǎn)，摩托車是傳統(tǒng)的制造，春風是后起之秀，每年銷售額50億左右。
這家企業(yè)非常有競爭力，這是一個國賓車隊的摩托，這個車輛和傳統(tǒng)車輛相比有100多項評比，它要求高、質量好，而且政府采購價格不高，企業(yè)還不想虧損。工信部審核，春風動力做自動化，同時降低一線員工的操作工人。
因為現(xiàn)在到加工車間看加工非常傳統(tǒng)，有30臺各種型號、不同年份、不同國家的機床，一般一個機床都有一個操作工，所以車間里3-5個維修工，30個操作工，就是做數(shù)據(jù)的指揮中心、做看板。
不到一年下來，30個機加工車間，現(xiàn)在操作工只有4-5個人左右，大幅度減人，這就有了效益。
他們嘗到了甜頭，競爭力很大，小批量也可以成本優(yōu)化，所以它做摩托車、沙灘車，并且開始出口。他們做了二期，現(xiàn)在還要做。摩托車行業(yè)主要的還是發(fā)動機，發(fā)動機最頭疼的還是裝配線。
如果用比較簡單的方法改造裝配線，具體就定位到成本低，不要大幅度改造裝配線，能夠快速響應，用數(shù)字化的手段改造。
最后找一個答案做工位，就像擰螺絲釘，擰過或者擰不到位都有問題，后期改造成本大而且影響品牌。
現(xiàn)在如何把裝配軌跡跟蹤和軌跡標注變成數(shù)據(jù)，通過數(shù)據(jù)及時報警、預警，馬上改正，可以實時的做?，F(xiàn)在就是一個一個工位做下去，做二期，再把算法更新。
// 案例2：溴冷機智能遠程運維
空調(diào)有兩個核心，一個是電機，一個是制冷，看看雙良。傳統(tǒng)的做法是做個閾值，如何超過閾值，它就報警，真的超過閾值的時候已經(jīng)出現(xiàn)了故障，現(xiàn)在是如何根據(jù)歷史的數(shù)據(jù)建模型，可不可以提前預警，也就是要把數(shù)據(jù)打通、硬件打通，把傳輸打通，把數(shù)據(jù)放到云端建模。
它可以把歷史的數(shù)據(jù)放進去，收集專家數(shù)據(jù)，數(shù)據(jù)足夠大的時候可以讓機器學習，根據(jù)歷史數(shù)據(jù)預測，看分布，實現(xiàn)提前的報警。
這邊就是一個案例。去年八月份專家判斷27日有問題，數(shù)據(jù)報警預計是27日11點，大概相差3個小時，但發(fā)生故障是2天以后，就是29日發(fā)生故障。
所以，它有一天多的時間提前維修，很容易排除故障。設備故障率降低了30%，這就是根據(jù)機器提前預測故障，提前預警。
// 案例3：盾構機掘進輔助駕駛
我們07年做了第一臺樣機，等了1年用起來，最近11年我們已經(jīng)占領了很大的市場。
我們的技術已經(jīng)和國外并跑，但還沒有形成引領，現(xiàn)在中國盾構掘進機占了全球用量的55%-60%，出口到21個國家，現(xiàn)在很多隧道施工都有問題，現(xiàn)在從2米到16米的隧道，真正施工下只有12個人，有6個做管片拼裝，還有1個司機，司機是關鍵崗，現(xiàn)在發(fā)展太快，司機培訓不夠。
地面支持經(jīng)常是半夜出現(xiàn)問題，該出的都出事了。如何智能做事，我們和兩家央企中國龍頭企業(yè)和世界龍頭企業(yè)做這個事。
舉個例子就是設備的分類，掘進延時的分類，現(xiàn)在巖土力學可以分，現(xiàn)在是根據(jù)圖像對巖土進行分類。
分類以后關鍵是控制巖土分類的大小，下來石塊的大小，太大了會把傳輸系統(tǒng)的皮帶損壞，太小了的話，主要的能量都用于碎石了。
現(xiàn)在煤礦業(yè)也有這個問題，下面采礦，皮帶機出來也是石頭大小，目前是靠工人拿根棍子，大了把它捅下來，是不舒服的工作崗位。
現(xiàn)在可以通過圖像、數(shù)據(jù)和工具進行篩選下來。這個案例就是以數(shù)據(jù)圖像判斷石塊下來的尺寸，可以提高掘進機的效率和設備的壽命。
// 案例4：智能汽車渦輪增壓器葉輪瑕疵識別
葉輪是很大的問題，不管是航空發(fā)動機還是汽車都是這樣的問題，現(xiàn)有的各種缺陷是靠質檢員巡檢，質檢員永遠存在漏檢的問題，所以能不能把這些制造的缺陷、產(chǎn)品的缺陷建立數(shù)據(jù)庫，建立數(shù)據(jù)庫以后，對葉片層有哪些劃傷，把計算和算法收集起來，進行提煉，知道哪些要召回、哪些要做改進。
我們不影響整條生產(chǎn)線，搭建一個檢控站，通過機械手對產(chǎn)品進行全方位的檢測，把各種劃傷、瑕疵通過凸現(xiàn)、模型做訓練，精準率可以做到85%，召回率提高，平均度也會提高，而且簡單易行。
大幅度降低了對人工的依賴，而且降低了成本。準確性可以逐漸迭代上升，現(xiàn)在可以做到90%。
// 案例5：生產(chǎn)監(jiān)控分析
還有一個案例就是在蕭山做兆豐機電。兆豐也是全省智能制造示范點，最早機器換人加了很多機械手，逐漸降低人工，現(xiàn)在數(shù)據(jù)大量起來，數(shù)據(jù)如何整合，他們提出了緊迫的需求就是建工廠的大腦，要把現(xiàn)在的生產(chǎn)數(shù)據(jù)、設計的數(shù)據(jù)、用戶數(shù)據(jù)全部打通，運作起來。
這個行業(yè)最主要是生產(chǎn)節(jié)拍的問題，軸承材料中磨削占了很大的時間，以前都是靠人員來做，實際上它有很多可以改善的地方。只有把東西打開才知道哪些方面可以提高。
因為這個行業(yè)的生產(chǎn)節(jié)拍做到20秒就很好了，再降低1秒都非常困難，現(xiàn)在用數(shù)據(jù)來做。
原來是18秒，現(xiàn)在可以做到15秒，交貨期縮短7天，質量上升，能耗降低，所以很明顯勞動生產(chǎn)率現(xiàn)在是行業(yè)最高，人均從85萬到280萬，“身體”好了就開始搶其他的地盤，原來主要是汽車，現(xiàn)在到其他市場，也開始做航空軸承。所以智能制造的改變，這家企業(yè)嘗到了甜頭。
商飛大飛機制造工廠大腦
說到制造不得不說航空，柯老師帶了4個教授、不到20個博士生、不到30個工程師，過去八年交了13億以上的數(shù)字化裝配生產(chǎn)線，覆蓋了航空全行業(yè)?，F(xiàn)在商飛下有個制造商叫上飛，在浦東，C919還在做試航，但量產(chǎn)以后，數(shù)據(jù)的問題很大。
所以它提出要求，航空業(yè)的數(shù)據(jù)很多，也在不停的做數(shù)據(jù)優(yōu)化，但很難全局優(yōu)化，都是局部。
現(xiàn)在有機加車間和部裝車間，現(xiàn)在新加的是復合材料車間，就是一群人在查缺陷。前面說的虎符、算盤能不能打通考慮，也就是做虛擬工廠?，F(xiàn)在速度要快，5G進去，所以現(xiàn)在去上飛參觀全部是華為的5G。
舉一個例子說明挑戰(zhàn)有多大：
飛機的裝配有6000個節(jié)點，它叫OA，每個節(jié)點設計30道工序，每個工序一出問題引起連鎖反應，所以要搞清楚這之間的關系，原來做計劃就是工藝員，有幾十上百個工藝員，做很多計劃。
但執(zhí)行的準確率很低，做到極限是60%，現(xiàn)在數(shù)據(jù)打通以后，才不到3個月，開始共享來做，提高很明顯。就是把這些關系找出來，把資源的約束、人力、算法打通聯(lián)系在一起，可以隨時調(diào)用數(shù)據(jù)，可以看到任何場景。計劃的執(zhí)行率提高了20%，相信隨著AR件的量產(chǎn)以及C919上來，執(zhí)行率和準確率還可以大幅度提高。
也就是說，和前面做發(fā)動機葉片一樣，前期要定義好，前期的工作比較慢，一旦做起來上線就可以做很多事。
現(xiàn)在5G的使用都很興奮，都說5G下載電影1秒鐘就可以完成，5G有這個功能，但大家應該關注它更大的功能是工業(yè)的場景，就是復合材料，復合材料有缺陷、有孔隙，怎么辦？就是掃描。
掃描過去，拍張照片，500萬的像素，一秒鐘十幾幀，圖像數(shù)據(jù)需要700-800M，華為主要是下載，現(xiàn)在大量的車間需要上傳數(shù)據(jù)，而且上傳量非常大，根本上傳不了，帶來的問題就是如何上傳數(shù)據(jù)。
而且他們號稱5G要做到每秒鐘1個G，現(xiàn)在我們在做數(shù)據(jù)的處理、關鍵數(shù)據(jù)的上傳，還有一個就是華為在做，所以也派人在做。因為孔隙、位置、面積還是挺復雜的，而且要做成機器的智能，讓機器盯著缺陷，有很多好處。
現(xiàn)在賀董事長說商飛能不能做，如果商飛的數(shù)據(jù)要上來更困難了，現(xiàn)在都說飛機的整體化設計，現(xiàn)在飛機的設計和應用、維修、培訓數(shù)據(jù)都非常大，目前飛機的方案正在做，還沒有實施，不知道商飛之后智能制造打通會帶來哪些變化。
這個方案的意義就是排程優(yōu)化，提升裝配效率，最終實現(xiàn)智能制造提升。
基于工業(yè)互聯(lián)網(wǎng)2.0時代
現(xiàn)在POC、以太網(wǎng)不爭論了，主要是5G用好，以前是局部優(yōu)化，現(xiàn)在是實現(xiàn)全局優(yōu)化。發(fā)現(xiàn)問題，發(fā)現(xiàn)規(guī)律，發(fā)現(xiàn)問題以后數(shù)據(jù)沉淀為知識，知識成為智能，讓機器盯著數(shù)據(jù)的變化。
現(xiàn)在協(xié)同制造是產(chǎn)業(yè)鏈，從用戶到供應鏈的管理，個性化的設計需要數(shù)據(jù)的互聯(lián)互通，跨界融合。場內(nèi)、區(qū)域網(wǎng)，以后還有行業(yè)網(wǎng)，國內(nèi)外、境內(nèi)外都需要打通。
所以，從工廠的角度協(xié)同制造、采購、物流、產(chǎn)學研人才、內(nèi)部企業(yè)端到公共云，現(xiàn)在企業(yè)也在討論公有云、私有云，還是干脆不用云，用邊緣計算，這需要企業(yè)真正實施頂層設計。
商業(yè)數(shù)據(jù)、工業(yè)數(shù)據(jù)需要打通，需要一個平臺，把生產(chǎn)的計劃，訂單的信息、市場的變化都變成數(shù)據(jù)、變成算法，融合在一起，包括企業(yè)內(nèi)外生產(chǎn)以及能源的調(diào)度，都要貫穿工業(yè)的全部過程。
我們認為企業(yè)實施智能制造、工業(yè)互聯(lián)網(wǎng)應該有四個階段。現(xiàn)在工信部在推“百萬企業(yè)上云”，浙江推“十萬企業(yè)上云”，這只是第一個階段，第二階段做中間件和中臺戰(zhàn)略，第三階段是實現(xiàn)數(shù)據(jù)治理，最后實現(xiàn)全局智能，也就是工廠大腦、協(xié)同制造、智能制造，設備的制造靠機器的智能。
現(xiàn)階段在工業(yè)化發(fā)達國家，需要人才，需要產(chǎn)業(yè)布局、人才培養(yǎng)和組織模式，傳統(tǒng)的工業(yè)部門有話語權和決定權，數(shù)據(jù)不輕易給人，給了以后也要做得好，所以真的要做企業(yè)的頂層設計，需要真正的整體戰(zhàn)略。
我們認為，頂層設計很重要，剛才和張院士還在說有了頂層設計就是快速迭代，現(xiàn)在中國人口紅利，工程師紅利還沒有出現(xiàn)，在外部華為等IT算法的人，大家如何配合起來做人腦和機器混合腦的問題，就是在數(shù)字經(jīng)濟下，倒逼制造再升級會有問題。原來企業(yè)是大魚吃小魚，以后就是快魚吃慢魚。
總體來看
數(shù)據(jù)不應該取代人，也不是機器取代人
應該是機器智能解放人的智慧
不要人盯著數(shù)據(jù)
所以數(shù)據(jù)應該從制造業(yè)中來
也應該回到制造業(yè)中去
來源：國際高新技術研究院
