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(jìn)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(lái)加上的品牌工程。
我們都知道現在中國的智能制造非常熱，在全球也非常熱，主要從兩個(gè)方面思考智能制造：
一是智能制造的內涵，智能制造包括五個(gè)方面，網(wǎng)絡(luò )制造、智能技術(shù)，3D打印、機器人技術(shù)還有智能裝備。
二是從產(chǎn)品的層面考慮，現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(shuō)的生產(chǎn)過(guò)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(gè)產(chǎn)品的全生命周期使用過(guò)程的智能化。
過(guò)去十年中國社會(huì )財富增長(cháng)最快的還是IT行業(yè)，科技投入最大的也是IT，現在A(yíng)、B、C、D、I都成為了熱門(mén)的詞，AI、BlockChain、Cloud、Data，還有IoT，現在40%的GDP來(lái)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(xué)院，是孫院士帶領(lǐng)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(wù)，在互聯(lián)網(wǎng)經(jīng)濟、數字經(jīng)濟下都講究用戶(hù)體驗，這就倒逼服務(wù)升級，服務(wù)升級倒逼制造升級，所以整個(gè)供應鏈都在講智能化的問(wèn)題。
技術(shù)上說(shuō)的IT業(yè)的AI、大數據、云計算、物聯(lián)網(wǎng)等等，實(shí)際上要如何轉化為企業(yè)側，企業(yè)的需求就是成本、質(zhì)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(shuō)的互聯(lián)網(wǎng)下半場(chǎng)，它最重要的戰場(chǎng)是在工業(yè)。
工業(yè)互聯(lián)網(wǎng)架構
現在總是說(shuō)工業(yè)互聯(lián)網(wǎng)，互聯(lián)網(wǎng)的數據市場(chǎng)從全球看主要是三大市場(chǎng)，領(lǐng)先的是美國，歐洲是德國。亞太是中國，目前預測都慢于實(shí)際，之后增長(cháng)速度非?？?。
具體來(lái)看這個(gè)數據市場(chǎng)主要是在這一塊，最大的還是設備管理。產(chǎn)品的售后服務(wù)占了38%，還有生產(chǎn)過(guò)程中的管控，包括監控、能耗、質(zhì)量管理，整個(gè)生產(chǎn)過(guò)程的優(yōu)化占了28%，企業(yè)的運營(yíng)管理占了28%，運營(yíng)管理是18%，資源配置13%。
我們說(shuō)的很多產(chǎn)品設計和工藝管理，事實(shí)上大部分是秘密，不在數據市場(chǎng)中。
目前需求很大，需要做的就是數據建模、數據分析，就是設備的健康管理、產(chǎn)品的售后服務(wù)、生產(chǎn)的管理優(yōu)化、能耗與質(zhì)量管理，還有客戶(hù)關(guān)系管理、財務(wù)、生產(chǎn)過(guò)程監控與安全管理。
再下來(lái)就是全流程的數據能力、金融服務(wù)，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(shí)上需要各種方面的人。
我們都知道阿里云下有個(gè)工業(yè)云，工業(yè)云有做IT算法和工業(yè)的部門(mén)，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(gè)系統。
最近一年多，我們在討論如何做工業(yè)數據的開(kāi)發(fā)與管理，還有工業(yè)數據的智能應用開(kāi)發(fā)以及工業(yè)流程內部各個(gè)工位之間復雜的關(guān)系，如何把它做上平臺，然后用IoT和5G把它連起來(lái)，再推到各個(gè)行業(yè)。
總得來(lái)說(shuō)，工業(yè)行業(yè)有49個(gè)，小的行業(yè)有400多個(gè)，實(shí)際上每個(gè)行業(yè)的龍頭企業(yè)需求、專(zhuān)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。
從數據管理的角度來(lái)看，它需要把整個(gè)產(chǎn)業(yè)鏈從供應商和物流把人、財、物全部管理起來(lái)，現在用戶(hù)的體驗、運行也需要管理。
具體到企業(yè)內部就是物料、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(lái)，它是大數據的多元融合，計算的應用、可視以及業(yè)務(wù)的智能，需要整合各種數據，最主要的目的是產(chǎn)品質(zhì)量溯源，現在要高端產(chǎn)品質(zhì)量的溯源，裝配工藝建模方面的分析和資源的排查和整個(gè)物流系統如何做優(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(lái)，就要開(kāi)發(fā)算法與組件，還有面向各種業(yè)務(wù)人員，也就是windows化和圖形化比較方便，一線(xiàn)的操作人員都要應用起來(lái)。
現在企業(yè)內部有很多數據，大家都知道數據是寶貝，但沒(méi)有真正利用起來(lái)。我們調查過(guò)真正的商業(yè)數據不到4%，所以怎么統一、規范，讓它易用，工業(yè)機理如何沉淀下來(lái)變成知識，不要變成人盯著(zhù)數據，現在的數據用量很小。如何讓機器變成智能，讓機器智盯數據。所以，做流程、做看板可能是一個(gè)途徑。
工業(yè)典型案例
// 案例1:質(zhì)量管理
大家都知道浙江春風(fēng)動(dòng)力股份有限公司的摩托車(chē)生產(chǎn)，摩托車(chē)是傳統的制造，春風(fēng)是后起之秀，每年銷(xiāo)售額50億左右。
這家企業(yè)非常有競爭力，這是一個(gè)國賓車(chē)隊的摩托，這個(gè)車(chē)輛和傳統車(chē)輛相比有100多項評比，它要求高、質(zhì)量好，而且政府采購價(jià)格不高，企業(yè)還不想虧損。工信部審核，春風(fēng)動(dòng)力做自動(dòng)化，同時(shí)降低一線(xiàn)員工的操作工人。
因為現在到加工車(chē)間看加工非常傳統，有30臺各種型號、不同年份、不同國家的機床，一般一個(gè)機床都有一個(gè)操作工，所以車(chē)間里3-5個(gè)維修工，30個(gè)操作工，就是做數據的指揮中心、做看板。
不到一年下來(lái)，30個(gè)機加工車(chē)間，現在操作工只有4-5個(gè)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(chē)、沙灘車(chē)，并且開(kāi)始出口。他們做了二期，現在還要做。摩托車(chē)行業(yè)主要的還是發(fā)動(dòng)機，發(fā)動(dòng)機最頭疼的還是裝配線(xiàn)。
如果用比較簡(jiǎn)單的方法改造裝配線(xiàn)，具體就定位到成本低，不要大幅度改造裝配線(xiàn)，能夠快速響應，用數字化的手段改造。
最后找一個(gè)答案做工位，就像擰螺絲釘，擰過(guò)或者擰不到位都有問(wèn)題，后期改造成本大而且影響品牌。
現在如何把裝配軌跡跟蹤和軌跡標注變成數據，通過(guò)數據及時(shí)報警、預警，馬上改正，可以實(shí)時(shí)的做?，F在就是一個(gè)一個(gè)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
空調有兩個(gè)核心，一個(gè)是電機，一個(gè)是制冷，看看雙良。傳統的做法是做個(gè)閾值，如何超過(guò)閾值，它就報警，真的超過(guò)閾值的時(shí)候已經(jīng)出現了故障，現在是如何根據歷史的數據建模型，可不可以提前預警，也就是要把數據打通、硬件打通，把傳輸打通，把數據放到云端建模。
它可以把歷史的數據放進(jìn)去，收集專(zhuān)家數據，數據足夠大的時(shí)候可以讓機器學(xué)習，根據歷史數據預測，看分布，實(shí)現提前的報警。
這邊就是一個(gè)案例。去年八月份專(zhuān)家判斷27日有問(wèn)題，數據報警預計是27日11點(diǎn)，大概相差3個(gè)小時(shí)，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(shí)間提前維修，很容易排除故障。設備故障率降低了30%，這就是根據機器提前預測故障，提前預警。
// 案例3：盾構機掘進(jìn)輔助駕駛
我們07年做了第一臺樣機，等了1年用起來(lái)，最近11年我們已經(jīng)占領(lǐng)了很大的市場(chǎng)。
我們的技術(shù)已經(jīng)和國外并跑，但還沒(méi)有形成引領(lǐng)，現在中國盾構掘進(jìn)機占了全球用量的55%-60%，出口到21個(gè)國家，現在很多隧道施工都有問(wèn)題，現在從2米到16米的隧道，真正施工下只有12個(gè)人，有6個(gè)做管片拼裝，還有1個(gè)司機，司機是關(guān)鍵崗，現在發(fā)展太快，司機培訓不夠。
地面支持經(jīng)常是半夜出現問(wèn)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(gè)事。
舉個(gè)例子就是設備的分類(lèi)，掘進(jìn)延時(shí)的分類(lèi)，現在巖土力學(xué)可以分，現在是根據圖像對巖土進(jìn)行分類(lèi)。
分類(lèi)以后關(guān)鍵是控制巖土分類(lèi)的大小，下來(lái)石塊的大小，太大了會(huì )把傳輸系統的皮帶損壞，太小了的話(huà)，主要的能量都用于碎石了。
現在煤礦業(yè)也有這個(gè)問(wèn)題，下面采礦，皮帶機出來(lái)也是石頭大小，目前是靠工人拿根棍子，大了把它捅下來(lái)，是不舒服的工作崗位。
現在可以通過(guò)圖像、數據和工具進(jìn)行篩選下來(lái)。這個(gè)案例就是以數據圖像判斷石塊下來(lái)的尺寸，可以提高掘進(jìn)機的效率和設備的壽命。
// 案例4：智能汽車(chē)渦輪增壓器葉輪瑕疵識別
葉輪是很大的問(wèn)題，不管是航空發(fā)動(dòng)機還是汽車(chē)都是這樣的問(wèn)題，現有的各種缺陷是靠質(zhì)檢員巡檢，質(zhì)檢員永遠存在漏檢的問(wèn)題，所以能不能把這些制造的缺陷、產(chǎn)品的缺陷建立數據庫，建立數據庫以后，對葉片層有哪些劃傷，把計算和算法收集起來(lái)，進(jìn)行提煉，知道哪些要召回、哪些要做改進(jìn)。
我們不影響整條生產(chǎn)線(xiàn)，搭建一個(gè)檢控站，通過(guò)機械手對產(chǎn)品進(jìn)行全方位的檢測，把各種劃傷、瑕疵通過(guò)凸現、模型做訓練，精準率可以做到85%，召回率提高，平均度也會(huì )提高，而且簡(jiǎn)單易行。
大幅度降低了對人工的依賴(lài)，而且降低了成本。準確性可以逐漸迭代上升，現在可以做到90%。
// 案例5：生產(chǎn)監控分析
還有一個(gè)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(diǎn)，最早機器換人加了很多機械手，逐漸降低人工，現在數據大量起來(lái)，數據如何整合，他們提出了緊迫的需求就是建工廠(chǎng)的大腦，要把現在的生產(chǎn)數據、設計的數據、用戶(hù)數據全部打通，運作起來(lái)。
這個(gè)行業(yè)最主要是生產(chǎn)節拍的問(wèn)題，軸承材料中磨削占了很大的時(shí)間，以前都是靠人員來(lái)做，實(shí)際上它有很多可以改善的地方。只有把東西打開(kāi)才知道哪些方面可以提高。
因為這個(gè)行業(yè)的生產(chǎn)節拍做到20秒就很好了，再降低1秒都非常困難，現在用數據來(lái)做。
原來(lái)是18秒，現在可以做到15秒，交貨期縮短7天，質(zhì)量上升，能耗降低，所以很明顯勞動(dòng)生產(chǎn)率現在是行業(yè)最高，人均從85萬(wàn)到280萬(wàn)，“身體”好了就開(kāi)始搶其他的地盤(pán)，原來(lái)主要是汽車(chē)，現在到其他市場(chǎng)，也開(kāi)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(chǎng)大腦
說(shuō)到制造不得不說(shuō)航空，柯老師帶了4個(gè)教授、不到20個(gè)博士生、不到30個(gè)工程師，過(guò)去八年交了13億以上的數字化裝配生產(chǎn)線(xiàn)，覆蓋了航空全行業(yè)?，F在商飛下有個(gè)制造商叫上飛，在浦東，C919還在做試航，但量產(chǎn)以后，數據的問(wèn)題很大。
所以它提出要求，航空業(yè)的數據很多，也在不停的做數據優(yōu)化，但很難全局優(yōu)化，都是局部。
現在有機加車(chē)間和部裝車(chē)間，現在新加的是復合材料車(chē)間，就是一群人在查缺陷。前面說(shuō)的虎符、算盤(pán)能不能打通考慮，也就是做虛擬工廠(chǎng)?，F在速度要快，5G進(jìn)去，所以現在去上飛參觀(guān)全部是華為的5G。
舉一個(gè)例子說(shuō)明挑戰有多大：
飛機的裝配有6000個(gè)節點(diǎn)，它叫OA，每個(gè)節點(diǎn)設計30道工序，每個(gè)工序一出問(wèn)題引起連鎖反應，所以要搞清楚這之間的關(guān)系，原來(lái)做計劃就是工藝員，有幾十上百個(gè)工藝員，做很多計劃。
但執行的準確率很低，做到極限是60%，現在數據打通以后，才不到3個(gè)月，開(kāi)始共享來(lái)做，提高很明顯。就是把這些關(guān)系找出來(lái)，把資源的約束、人力、算法打通聯(lián)系在一起，可以隨時(shí)調用數據，可以看到任何場(chǎng)景。計劃的執行率提高了20%，相信隨著(zhù)AR件的量產(chǎn)以及C919上來(lái)，執行率和準確率還可以大幅度提高。
也就是說(shuō)，和前面做發(fā)動(dòng)機葉片一樣，前期要定義好，前期的工作比較慢，一旦做起來(lái)上線(xiàn)就可以做很多事。
現在5G的使用都很興奮，都說(shuō)5G下載電影1秒鐘就可以完成，5G有這個(gè)功能，但大家應該關(guān)注它更大的功能是工業(yè)的場(chǎng)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(guò)去，拍張照片，500萬(wàn)的像素，一秒鐘十幾幀，圖像數據需要700-800M，華為主要是下載，現在大量的車(chē)間需要上傳數據，而且上傳量非常大，根本上傳不了，帶來(lái)的問(wèn)題就是如何上傳數據。
而且他們號稱(chēng)5G要做到每秒鐘1個(gè)G，現在我們在做數據的處理、關(guān)鍵數據的上傳，還有一個(gè)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(zhù)缺陷，有很多好處。
現在賀董事長(cháng)說(shuō)商飛能不能做，如果商飛的數據要上來(lái)更困難了，現在都說(shuō)飛機的整體化設計，現在飛機的設計和應用、維修、培訓數據都非常大，目前飛機的方案正在做，還沒(méi)有實(shí)施，不知道商飛之后智能制造打通會(huì )帶來(lái)哪些變化。
這個(gè)方案的意義就是排程優(yōu)化，提升裝配效率，最終實(shí)現智能制造提升。
基于工業(yè)互聯(lián)網(wǎng)2.0時(shí)代
現在POC、以太網(wǎng)不爭論了，主要是5G用好，以前是局部?jì)?yōu)化，現在是實(shí)現全局優(yōu)化。發(fā)現問(wèn)題，發(fā)現規律，發(fā)現問(wèn)題以后數據沉淀為知識，知識成為智能，讓機器盯著(zhù)數據的變化。
現在協(xié)同制造是產(chǎn)業(yè)鏈，從用戶(hù)到供應鏈的管理，個(gè)性化的設計需要數據的互聯(lián)互通，跨界融合。場(chǎng)內、區域網(wǎng)，以后還有行業(yè)網(wǎng)，國內外、境內外都需要打通。
所以，從工廠(chǎng)的角度協(xié)同制造、采購、物流、產(chǎn)學(xué)研人才、內部企業(yè)端到公共云，現在企業(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(shí)施頂層設計。
商業(yè)數據、工業(yè)數據需要打通，需要一個(gè)平臺，把生產(chǎn)的計劃，訂單的信息、市場(chǎng)的變化都變成數據、變成算法，融合在一起，包括企業(yè)內外生產(chǎn)以及能源的調度，都要貫穿工業(yè)的全部過(guò)程。
我們認為企業(yè)實(shí)施智能制造、工業(yè)互聯(lián)網(wǎng)應該有四個(gè)階段?，F在工信部在推“百萬(wàn)企業(yè)上云”，浙江推“十萬(wàn)企業(yè)上云”，這只是第一個(gè)階段，第二階段做中間件和中臺戰略，第三階段是實(shí)現數據治理，最后實(shí)現全局智能，也就是工廠(chǎng)大腦、協(xié)同制造、智能制造，設備的制造靠機器的智能。
現階段在工業(yè)化發(fā)達國家，需要人才，需要產(chǎn)業(yè)布局、人才培養和組織模式，傳統的工業(yè)部門(mén)有話(huà)語(yǔ)權和決定權，數據不輕易給人，給了以后也要做得好，所以真的要做企業(yè)的頂層設計，需要真正的整體戰略。
我們認為，頂層設計很重要，剛才和張院士還在說(shuō)有了頂層設計就是快速迭代，現在中國人口紅利，工程師紅利還沒(méi)有出現，在外部華為等IT算法的人，大家如何配合起來(lái)做人腦和機器混合腦的問(wèn)題，就是在數字經(jīng)濟下，倒逼制造再升級會(huì )有問(wèn)題。原來(lái)企業(yè)是大魚(yú)吃小魚(yú)，以后就是快魚(yú)吃慢魚(yú)。
總體來(lái)看
數據不應該取代人，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(zhù)數據
所以數據應該從制造業(yè)中來(lái)
也應該回到制造業(yè)中去
來(lái)源：國際高新技術(shù)研究院
