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(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(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(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,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(shù)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(zhuǎn)化為企業(yè)側(cè),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(gòu)
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(lǐng)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(shè)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(zhì)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(shè)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(shè)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(zhì)量管理,還有客戶關(guān)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(shè)計與工藝只有3%。所以如何打造工業(yè)互聯(lián)網(wǎng)的架構(gòu),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(guān)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(shè)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(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(zhì)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(zhì)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(shè)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(gòu)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(lǐng)了很大的市場。
我們的技術(shù)已經(jīng)和國外并跑,但還沒有形成引領(lǐng),現(xiàn)在中國盾構(gòu)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(guān)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(shè)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(guān)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(shè)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(zhì)檢員巡檢,質(zhì)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(shè)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(zhì)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(shè)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(guān)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(guān)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(guān)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(guān)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(shè)計,現(xiàn)在飛機的設(shè)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(shè)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(shè)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(shè)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(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,需要真正的整體戰(zhàn)略。
我們認為,頂層設(shè)計很重要,剛才和張院士還在說有了頂層設(shè)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
轉(zhuǎn)載請注明出處。