對(duì)于工業(yè)互聯(lián)網(wǎng)來說，數(shù)據(jù)是不可或缺的生產(chǎn)資料。但是僅僅有數(shù)據(jù)收集，并不能提高制造業(yè)的效能，必須應(yīng)用于生產(chǎn)實(shí)踐。也就是說，數(shù)據(jù)應(yīng)該從制造業(yè)中來，也應(yīng)該回到制造業(yè)中去！

工業(yè)互聯(lián)網(wǎng)與智能制造

“工業(yè)互聯(lián)網(wǎng)”是做IT的人的叫法，而在做制造的人那里，則叫做“智能制造”。中國(guó)制造正在推進(jìn)六大工程，其中最火熱的就是智能制造，最冷清的是強(qiáng)基工程，最困難的是創(chuàng)新工程，另外還包括高端裝備、綠色制造和后來加進(jìn)來的品牌工程。目前來看，不僅在中國(guó)智能制造非常炙熱，而且在全球范圍也大致如此。

一般主要從兩個(gè)方面來思考智能制造：

一是智能制造的內(nèi)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(jī)器人技術(shù)以及智能裝備。二是從產(chǎn)品的層面來考察，被人們關(guān)注最多的是機(jī)器換人，但這只是智能制造的一部分，也就是通常所說的生產(chǎn)過程智能化。產(chǎn)品要走向高端，當(dāng)然離不開產(chǎn)品的智能化，但不能缺少產(chǎn)品全生命周期使用過程的智能化。

過去十年，中國(guó)社會(huì)財(cái)富增長(zhǎng)最快的是在IT行業(yè)，科技投入最大的也是IT，現(xiàn)在A、B、C、D、I都成為了熱門的概念，AI、BlockChain、Cloud、Data，還有IoT。GDP的40%來自制造業(yè)，而40%的一半是流程工業(yè)，另一半是離散工業(yè)。以浙江大學(xué)為例，流程工業(yè)比較多的是控制學(xué)院，我們團(tuán)隊(duì)的工作主要聚焦于離散工業(yè)。無論是流程工業(yè)，還是離散工業(yè)，都在聚焦產(chǎn)業(yè)升級(jí)和產(chǎn)品升級(jí)。

二是互聯(lián)網(wǎng)已把全球的消費(fèi)者聯(lián)結(jié)在一起，互聯(lián)網(wǎng)倒逼服務(wù)升級(jí)。互聯(lián)網(wǎng)經(jīng)濟(jì)、數(shù)字經(jīng)濟(jì)都重視用戶體驗(yàn)，這就意味著倒逼服務(wù)升級(jí)。同時(shí)，服務(wù)升級(jí)又在倒逼制造升級(jí)，所以整個(gè)供應(yīng)鏈存在需要進(jìn)行智能化的問題。

技術(shù)上所說的IT業(yè)的AI、大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等，實(shí)際上就是要如何轉(zhuǎn)化為企業(yè)側(cè)。企業(yè)的焦點(diǎn)包括成本、質(zhì)量、效率，還要形成新方案、新生態(tài)，居中連接的就是工業(yè)互聯(lián)網(wǎng)。工業(yè)互聯(lián)網(wǎng)也就是IT業(yè)所說的互聯(lián)網(wǎng)下半場(chǎng)，它最重要的戰(zhàn)場(chǎng)仍在工業(yè)領(lǐng)域。

工業(yè)互聯(lián)網(wǎng)架構(gòu)

工業(yè)互聯(lián)網(wǎng)的數(shù)據(jù)市場(chǎng)從全球來看，主要是三大市場(chǎng)，領(lǐng)先的是美國(guó)、歐洲的德國(guó)，和亞太的中國(guó)。目前看，所有表面的預(yù)測(cè)都落后于實(shí)際，因?yàn)樵鲩L(zhǎng)的速度非?？?。

具體來看，工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)市場(chǎng)最大的一塊是設(shè)備管理。產(chǎn)品的售后服務(wù)占38%，生產(chǎn)過程中的管控，包括監(jiān)控、能耗、質(zhì)量管理，整個(gè)生產(chǎn)過程的優(yōu)化占28%，企業(yè)的運(yùn)營(yíng)管理占18%，資源配置大約占13%。但通常所說的產(chǎn)品設(shè)計(jì)和工藝管理，事實(shí)上很大部分是商業(yè)秘密，不包括在數(shù)據(jù)市場(chǎng)中。

目前要做的就是數(shù)據(jù)建模、數(shù)據(jù)分析，就是設(shè)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，還有客戶關(guān)系管理，財(cái)務(wù)、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(wù)，真正的仿真設(shè)計(jì)與工藝只有3%。

所以，如何打造工業(yè)互聯(lián)網(wǎng)的架構(gòu)，需要多方面的人才。例如，阿里云下的工業(yè)云，有做IT算法和工業(yè)的部門，但真正打通制造業(yè)實(shí)際應(yīng)用，就離不開精通制造工業(yè)知識(shí)的工程師，并且是不可顛覆和替代的。需要這些人一起打造一個(gè)系統(tǒng)。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(yīng)用開發(fā)以及工業(yè)流程內(nèi)部各個(gè)工位之間復(fù)雜的關(guān)系，如何把它放到平臺(tái)上，然后用IoT和5G把它連起來，再推到各個(gè)行業(yè)，是值得討論的問題?？偟膩碚f，工業(yè)行業(yè)有49個(gè)，小的行業(yè)有400多個(gè)，每個(gè)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，這就需要做很多事情，解決很多問題。

從數(shù)據(jù)管理的角度來看，它需要把整個(gè)產(chǎn)業(yè)鏈從供應(yīng)商和物流把人、財(cái)、物全部管理起來，包括用戶體驗(yàn)、運(yùn)行也需要管理。具體到企業(yè)內(nèi)部就是物料、工裝、人員、設(shè)備、供應(yīng)、訂單、供應(yīng)商的管理。而平臺(tái)一旦建立起來，就是大數(shù)據(jù)的多元融合，計(jì)算的應(yīng)用、可視以及業(yè)務(wù)的智能，需要整合各種數(shù)據(jù)，最主要的目的是產(chǎn)品質(zhì)量溯源，現(xiàn)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，以及整個(gè)物流系統(tǒng)如何優(yōu)化。

再往下走，就要讓企業(yè)的各種人員和外部協(xié)作方能夠運(yùn)用起來，必須開發(fā)匹配的算法與組件，形式上要使各種業(yè)務(wù)人員，包括一線操作人員易于應(yīng)用。企業(yè)內(nèi)部積累了很多數(shù)據(jù)，數(shù)據(jù)也是資產(chǎn)，但利用好才有效益。從我們的調(diào)查結(jié)果來看，真正能商業(yè)化的數(shù)據(jù)不到4%，怎么統(tǒng)一規(guī)范，讓它易用，工業(yè)機(jī)理如何沉淀下來變成知識(shí)，不是人盯著數(shù)據(jù)，而是讓機(jī)器盯著數(shù)據(jù)，賦予機(jī)器智能。因此，做流程、做看板應(yīng)是一個(gè)途徑。

典型案例

下面是幾個(gè)案例：

案例一：質(zhì)量管理

浙江春風(fēng)動(dòng)力公司是摩托車生產(chǎn)的后起之秀。摩托車生產(chǎn)屬于傳統(tǒng)制造，這家企業(yè)有競(jìng)爭(zhēng)力，生產(chǎn)國(guó)賓車隊(duì)所使用的摩托車。國(guó)賓車隊(duì)的摩托與傳統(tǒng)摩托車輛相比，有100多項(xiàng)評(píng)比要求高、質(zhì)量好，而且政府采購(gòu)又有價(jià)格限制要求，企業(yè)還不能虧損。工信部審核認(rèn)定，春風(fēng)動(dòng)力為自動(dòng)化生產(chǎn)標(biāo)桿企業(yè)，大大減少了一線操作工的數(shù)量。原來車間內(nèi)30臺(tái)各種型號(hào)、不同年份、不同國(guó)家的機(jī)床，至少每臺(tái)機(jī)床都要配一個(gè)操作工。建成數(shù)據(jù)指揮中心后，生產(chǎn)過程基本靠看板操作，30臺(tái)機(jī)床只需要4～5個(gè)操作工，這里面就產(chǎn)生了效益。

產(chǎn)品競(jìng)爭(zhēng)力提升，小批量產(chǎn)品也隨之得以成本優(yōu)化，所生產(chǎn)的摩托車、沙灘車，開始有了出口效益。二期的智能化就順理成章了，企業(yè)走上了良性發(fā)展的道路。摩托車行業(yè)的核心是發(fā)動(dòng)機(jī)，生產(chǎn)發(fā)動(dòng)機(jī)最頭疼的還是裝配線。如果簡(jiǎn)單改造一下裝配線，也能做到降低成本，以及快速響應(yīng)，但如果不徹底改造工位，會(huì)導(dǎo)致后期改造升級(jí)的成本巨大，更關(guān)鍵的是影響品牌的美譽(yù)度。那么，如何把裝配軌跡跟蹤和軌跡標(biāo)注變成數(shù)據(jù)，通過數(shù)據(jù)及時(shí)報(bào)警、預(yù)警，馬上改正，可以實(shí)時(shí)完成，就要對(duì)每一個(gè)工位進(jìn)行智能升級(jí)包括算法更新。

案例二：溴冷機(jī)智能遠(yuǎn)程運(yùn)維

空調(diào)產(chǎn)品有兩個(gè)核心，一個(gè)是電機(jī)，一個(gè)是制冷。傳統(tǒng)的做法是做個(gè)閾值，一旦超過閾值，它就報(bào)警。實(shí)際上，真的超過閾值的時(shí)候，就意味著已出現(xiàn)故障。根據(jù)歷史的數(shù)據(jù)建模型，提前預(yù)警，就需要把數(shù)據(jù)打通、硬件打通，把傳輸打通，把數(shù)據(jù)放到云端去建模。它可以把歷史的數(shù)據(jù)放進(jìn)去，收集專家數(shù)據(jù)，數(shù)據(jù)足夠大的時(shí)候，就可以讓機(jī)器學(xué)習(xí)，根據(jù)歷史數(shù)據(jù)分布情況進(jìn)行預(yù)測(cè)。2018年8月，專家判斷27日有問題，數(shù)據(jù)報(bào)警預(yù)計(jì)是27日11點(diǎn)，大概相差3個(gè)小時(shí)，但發(fā)生故障卻在2天之后。這樣，就有一天多的時(shí)間提前維修，很容易就排除了故障。只此一項(xiàng)，設(shè)備故障率就降低了30%，這就是機(jī)器提前預(yù)測(cè)故障，提前預(yù)警。

案例三：盾構(gòu)機(jī)掘進(jìn)輔助駕駛

2007年，我們做了第一臺(tái)樣機(jī)，等了1年才用起來，到現(xiàn)在已經(jīng)占領(lǐng)了很大的市場(chǎng)。這項(xiàng)技術(shù)已經(jīng)和國(guó)外并跑，但還沒有形成引領(lǐng)，現(xiàn)在中國(guó)盾構(gòu)掘進(jìn)機(jī)占了全球用量的55%～60%，出口到21個(gè)國(guó)家。目前，很多隧道施工都有問題，從2米到16米的隧道，真正施工的只有12個(gè)人，有6個(gè)做管片拼裝，還有1個(gè)司機(jī)的關(guān)鍵崗，但司機(jī)培訓(xùn)不夠。地面支持經(jīng)常是半夜出現(xiàn)問題，該出的問題都出了。如何智能改造，我們和兩家央企龍頭，同世界龍頭企業(yè)一起解決這個(gè)問題。

以設(shè)備分類以及掘進(jìn)巖石分類為例，以前靠巖土力學(xué)來分，現(xiàn)在是根據(jù)圖像對(duì)巖土進(jìn)行分類。分類的關(guān)鍵是控制巖土分類的大小，下來石塊的大小，太大了會(huì)損壞傳輸系統(tǒng)的皮帶，太小則使得主要的能量就都用于碎石了。煤礦業(yè)也面臨著同樣的問題。下面采礦，皮帶機(jī)出來的也是不均勻的煤塊，以前是靠工人拿根棍子，大了就把它捅下來?，F(xiàn)在，可以通過圖像、數(shù)據(jù)和工具篩選出來。這樣做的結(jié)果，就大大提高了掘進(jìn)效率和設(shè)備壽命。

案例四：智能汽車渦輪增壓器葉輪瑕疵識(shí)別

無論是航空發(fā)動(dòng)機(jī)，還是汽車發(fā)動(dòng)機(jī)，葉輪的質(zhì)檢都是個(gè)大問題。原來的各種質(zhì)量缺陷都是靠質(zhì)檢員巡檢，難免出現(xiàn)漏檢問題。將所有相關(guān)的制造缺陷、產(chǎn)品缺陷建立數(shù)據(jù)庫以后，葉片層有哪些劃傷，對(duì)相關(guān)計(jì)算和算法收集起來，進(jìn)行提煉，就清楚了哪些要召回、哪些要做改進(jìn)?？梢栽诓挥绊懻麠l生產(chǎn)線正常生產(chǎn)的情況下，搭建一個(gè)檢控站，通過機(jī)械手對(duì)產(chǎn)品進(jìn)行全方位的檢測(cè)，把各種劃傷、瑕疵通過凸現(xiàn)、模型做訓(xùn)練，精準(zhǔn)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。這樣，就大幅度降低了對(duì)人工的依賴，降低了成本，關(guān)鍵還是質(zhì)量穩(wěn)步提高。質(zhì)檢的準(zhǔn)確性也可以逐漸迭代提升，目前已經(jīng)提升到90%。

案例五：生產(chǎn)監(jiān)控分析

以生產(chǎn)機(jī)電產(chǎn)品的蕭山兆豐為例，這個(gè)浙江省智能制造示范點(diǎn)，最早機(jī)器換人時(shí)是增加了很多機(jī)械手，逐漸降低人工。隨著數(shù)據(jù)量的增加，要整合數(shù)據(jù)，就需要建設(shè)一個(gè)工廠大腦，把現(xiàn)有的生產(chǎn)數(shù)據(jù)、設(shè)計(jì)數(shù)據(jù)、用戶數(shù)據(jù)全部打通，運(yùn)作起來。這個(gè)行業(yè)最主要的是生產(chǎn)節(jié)拍的問題，其中軸承材料磨削占了很多時(shí)間，以前都是靠人工來做，實(shí)際上它有很多可以改善的地方。只有把實(shí)物打開才知道哪些方面可以提高。

這個(gè)行業(yè)的生產(chǎn)節(jié)拍曾經(jīng)做到20秒就已經(jīng)是最高水平了，再降低1秒都非常困難?，F(xiàn)在用數(shù)據(jù)來做，提升到15秒，整體上交貨期縮短7天，質(zhì)量提升，能耗降低，勞動(dòng)生產(chǎn)率可以做到行業(yè)最高，人均產(chǎn)值從85萬元提升到280萬元。自身硬了，開拓市場(chǎng)就有了底氣，由原來主做汽車電機(jī)，進(jìn)入到其他市場(chǎng)，開始做航空軸承。智能制造的實(shí)踐，讓這家企業(yè)收獲了實(shí)實(shí)在在的利益。

商飛大飛機(jī)制造工廠大腦

說到制造不得不說航空工業(yè)。商飛一直在做C919的試航，量產(chǎn)以后，會(huì)產(chǎn)生大量數(shù)據(jù)。航空業(yè)的數(shù)據(jù)很多，也在不停地做數(shù)據(jù)優(yōu)化，但很難做全局優(yōu)化，目前都是在局部?jī)?yōu)化。原有機(jī)加車間和部裝車間，現(xiàn)在又增加了復(fù)合材料車間，在這個(gè)新車間有一群人查缺陷。5G加上去，數(shù)據(jù)處理的速度會(huì)更快。

面臨的挑戰(zhàn)是巨大的。飛機(jī)的裝配有6000個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)設(shè)計(jì)大約有30道工序。如果一個(gè)工序出問題，就會(huì)引起連鎖反應(yīng)。必須搞清楚工序之間的關(guān)系，原來做計(jì)劃是工藝員，有幾十上百個(gè)工藝員，做出很多計(jì)劃。但執(zhí)行的準(zhǔn)確率很低，做到極限也只有60%。數(shù)據(jù)打通以后，不到3個(gè)月，開始共享，有很明顯的提高。把這些關(guān)系找出來，把資源的約束、人力、算法打通聯(lián)系在一起，就可以隨時(shí)調(diào)用數(shù)據(jù)，可以看到任何應(yīng)用場(chǎng)景。計(jì)劃的執(zhí)行率提高了20%，隨著AR件的量產(chǎn)以及C919整裝，執(zhí)行率和準(zhǔn)確率還可以大幅度提高。也就是說，和前面做發(fā)動(dòng)機(jī)葉片一樣，前期要定義好。雖然前期的工作比較慢，但一旦做起來就可以減少很多事情。

5G最大的功能是應(yīng)用于工業(yè)場(chǎng)景。如復(fù)合材料有缺陷、有孔隙怎么辦？就是掃描拍照，500萬像素，一秒鐘十幾幀，圖像數(shù)據(jù)需要700～800M，大量數(shù)據(jù)上傳，沒有5G支撐就實(shí)現(xiàn)不了，數(shù)據(jù)上傳就成為問題。如果5G能做到每秒1個(gè)G的流量，數(shù)據(jù)的處理、關(guān)鍵數(shù)據(jù)上傳都不是問題。因?yàn)榭紫?、位置、面積還是挺復(fù)雜的，而且要實(shí)現(xiàn)機(jī)器智能，讓機(jī)器掃描缺陷，比人眼有很多優(yōu)越性。

大飛機(jī)的設(shè)計(jì)和應(yīng)用、維修、培訓(xùn)數(shù)據(jù)都非常大，方案實(shí)施后，智能制造打通全鏈條肯定會(huì)帶來不一樣的變化。實(shí)施方案的意義就是排程優(yōu)化，提升裝配效率，最終實(shí)現(xiàn)智能制造提升。

智能制造四階段

全局優(yōu)化就是要發(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(shí)，知識(shí)轉(zhuǎn)化為智能，讓機(jī)器盯著數(shù)據(jù)的變化。協(xié)同制造對(duì)產(chǎn)業(yè)鏈來說，是從用戶到供應(yīng)鏈的管理，個(gè)性化的設(shè)計(jì)需要數(shù)據(jù)的互聯(lián)互通，跨界融合。場(chǎng)內(nèi)、區(qū)域網(wǎng)，以后還有行業(yè)網(wǎng)，國(guó)內(nèi)外、境內(nèi)外都需要打通。

所以，從工廠的角度來說，協(xié)同制造、采購(gòu)、物流、產(chǎn)學(xué)研人才、內(nèi)部企業(yè)端到公共云，是不是不用云，而用邊緣計(jì)算，還要企業(yè)去做頂層設(shè)計(jì)。商業(yè)數(shù)據(jù)、工業(yè)數(shù)據(jù)需要打通，需要一個(gè)共用平臺(tái)，把生產(chǎn)計(jì)劃、訂單信息、市場(chǎng)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)以及能源調(diào)度，都要貫穿工業(yè)生產(chǎn)的全過程。

企業(yè)實(shí)施智能制造，工業(yè)互聯(lián)網(wǎng)應(yīng)有四個(gè)階段。工信部在推“百萬企業(yè)上云”，浙江在推“十萬企業(yè)上云”，這只是第一個(gè)階段。第二階段要做中間件和中臺(tái)戰(zhàn)略，第三階段是實(shí)現(xiàn)數(shù)據(jù)治理，最后實(shí)現(xiàn)全局智能，也就是工廠大腦、協(xié)同制造、智能制造，設(shè)備制造靠機(jī)器智能來完成。

現(xiàn)階段工業(yè)發(fā)達(dá)國(guó)家注重產(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(quán)和決定權(quán)，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(shè)計(jì)，需要真正的整體戰(zhàn)略。

頂層設(shè)計(jì)很重要，頂層設(shè)計(jì)也要快速迭代?，F(xiàn)在，中國(guó)的工程師紅利還沒有出現(xiàn)，華為等一批IT算法的企業(yè)，如何配合去解決人腦和機(jī)器混合腦的問題，就是數(shù)字經(jīng)濟(jì)倒逼制造再升級(jí)。原來是大魚吃小魚，之后就是快魚吃慢魚。

總體來看，數(shù)據(jù)不應(yīng)該取代人，也不是機(jī)器取代人，應(yīng)該是機(jī)器智能解放人的智慧，不需要人盯著數(shù)據(jù)，所以數(shù)據(jù)應(yīng)該從制造業(yè)中來，也應(yīng)該回到制造業(yè)中去！

（根據(jù)楊華勇院士在第三屆（2019）浙江國(guó)際協(xié)同創(chuàng)新峰會(huì)上所作的《智能制造的實(shí)踐》主題報(bào)告整理）

工業(yè)互聯(lián)網(wǎng)體系架構(gòu)是事關(guān)發(fā)展主動(dòng)權(quán)的制高點(diǎn)和頂層設(shè)計(jì)，是對(duì)重大需求、核心功能、關(guān)鍵要素的明晰和界定，是對(duì)工業(yè)互聯(lián)網(wǎng)自上而下進(jìn)行的前瞻性、系統(tǒng)性、戰(zhàn)略性謀劃，決定著工業(yè)互聯(lián)網(wǎng)技術(shù)路徑選擇、產(chǎn)業(yè)布局方向和全球發(fā)展格局。

其核心是要建立工業(yè)互聯(lián)網(wǎng)總體視圖，形成工業(yè)互聯(lián)網(wǎng)發(fā)展的頂層設(shè)計(jì)，以指導(dǎo)工業(yè)互聯(lián)網(wǎng)相關(guān)技術(shù)研發(fā)、標(biāo)準(zhǔn)研制、試驗(yàn)驗(yàn)證、系統(tǒng)集成和應(yīng)用推廣等工作。

責(zé)任編輯：孟繁科

mengfanke@ccidmedia.com