【智慧製造】當資料智慧遇上工業製造

雲棲TechDay第32期，阿里雲資料業務總架構師周衛天帶來主題是“當資料智慧遇上工業製造”的演講。本文主要從DT時代的開啟開始談起，接著分析了智慧工業智慧化、融合化和人性化的三大趨勢，然後著重分享了阿里工業在智慧化、融合化和人性化的實踐，包括協鑫光伏實踐、貨運列車智慧故障檢測和飛機發動機智慧健康管理等案例。

以下是精彩內容整理：

用DT來實現DT比較有趣，第一個DT代表資料的技術，第二個DT代表數字化的轉型。當資料智慧碰到工業製造的時候，根據我自己的一些觀察，我覺得製造於我還是個初學者，但是在資料方面，我應該是個大學老師，兩者一結合我就是以一個非常有活力有創新的高中生或大學生來談資料智慧跟工業製造。

資訊革命下半場，DT時代正式開啟：

• 資料取代石油，成為全球經濟基礎要素

• IT技術成為重要生產力，雲端計算成為基礎設施

• 網際網路＋物聯網構成萬物互聯的資訊互動渠道

• 全球市值TOP5第一次全部都是科技公司：Apple，Google，MSFT，Amazon，Facebook ，全部是資料化，智慧化和雲服務的公司

最近阿里雲在大資料和人工智慧方面做了很多事情，資料的重要性就不言而喻了，如果回顧一下80年代末90年代的時候，資訊革命開始出現了兩家公司，一家微軟，還有一家因特爾，近兩年來，全球市值大的公司都是智慧化、資料化或者雲化的公司，蘋果已經逼近了八千億美金，Facebook、亞馬遜都超過了四千億美金，微軟過五千億了，可以看到，市值基本上反映了資本市場對這些公司的一些價值取向。

Facebook 10年規劃離不開資料智慧和網際網路連線，谷歌的PiChai也對智慧 AI表現了戰略的重視，Graph Database 對於生成關係網路的處理效率也會繼續提高等，關於大資料的趨勢和展望，我們看到的大資料趨勢，現在國內中小企業也叫1.0、2.0，簡單的講，1.0就是大資料由於分散式計算、大資料技術的出現使得資料處理(ETL)的成本降低，原來京東方等企業的機器吐出來的很多資料，一般存3到5個月，因為儲存成本比較高；隨著大資料的到來，首先就想到純歷史資料線上化就是基於這個成本，大一點的製造企業數倉系統也都應用了大資料，對物料的分析、尤其對出廠產品的分析，會有小型的數倉系統；現在的應用2.0也都做了，基本上分兩類，一類是踩油門，一類是剎車，踩油門說是開源做營銷，營銷就是對純量客戶的精耕細作，這對於製造類企業是非常有用的。剎車就是基於大資料的風險控制, 對於賬戶盜用, 網際網路反作弊的發現預防和預警等; 在金融和泛金融應用比較普及了.

關於大資料的戰略優勢，一是智慧化，另一個是大資料已經到了董事會戰略討論，今天在美國上大資料的一些專案，大概有40%到了董事會討論，國內也有做類似的事情，大資料的三個階段，從最早的1.0成本降低，數倉調優到2.0大資料上業務應用，3.0最後到用大資料技術來建立戰略優勢，做你以前不敢想、做不了的事。比如說，以前都是統計樣本分析，現在大資料理論上是要全量資料，那樣本分析就如同像大海撈針一樣的，因為用了樣本分析，可能很多資料完全沒有撈上來，而大資料的技術會把所有的資料都撈上來，大資料技術會有一個迭代分析的過程，從而把事物的本質真正挖掘出來。

資料智慧遇上工業製造

當大資料、資料智慧碰到工業製造，可以從三個方面來闡述：第一是智慧化，第二是融合化，第三是人性化。

所謂智慧化本質上是計算機化，即不是固定僵硬的系統，而是能自動執行程式、可程式設計可演化的系統，更高的要求是具有自學習和自適應功能。無人自動駕駛汽車是智慧化的標誌性產品，它融合整合了實時感知、導航、自動駕駛、聯網通訊等技術，比有人駕駛更安全、更節能。

先談一談智慧化，講到智慧化，Facebook企業今後發展十年提到了很多，包括人工智慧，AR、VR等. 從上圖我們可以看到智慧化、和融合化——未來幾年全球資訊科技導圖，一方面是原創的核心技術，我們看到更多的是以矽谷為代表，矽谷、西雅圖和以色列; 而以中國為代表的，更多的是技術應用和業務模式的創新，業務模式創新倒逼我們技術也有了長足的進步. 阿里巴巴最早的千人千面就有很多的演算法技術，今天阿里巴巴集團做演算法的得有數千人吧，有做視覺識別的，有做語音識別和合成的，還有做大規模分散式演算法, 以及其它前瞻性技術的。

智慧化的趨勢主要有以下幾個方面：

• Drive PX 2:具備12 cpu支援合併8萬億次，浮點運算和深度學習每秒萬億次，一個晶片處理能力相當於 150個Macbook Pro。

Nvidia drivenet雲參考平臺, 測試自己的自動駕駛汽車, 下雪天也可以進行檢測，Volvo是第一個合作伙伴. David Kirk帶領團隊推出的利用GPU平臺進行通用平行計算架構CUDA。這一架構使得程式設計師可以利用C語言、C++等為CUDA架構編寫程式，利用GPU平臺進行大規模平行計算。這一架構釋出後很多年，在高效能平行計算領域，英偉達仍然處於絕對的優勢地位。在過去3年裡，英偉達的自動駕駛晶片效能提升了65倍，功耗下降到原先的1/7。

• 自動駕駛會涉及到對人工智慧大資料的發展，從我個人看，AI、雲端計算、AR/VR、大資料和自動駕駛是後智慧手機時代的技術驅動力。

• 硬體處理能力比較高，資料的爆發，演算法的日漸成熟，網際網路今天一臺工程車除去試跑一天，就通過車下面的ECU，蒐集和傳輸的資料有幾十個G，工程車出去跑一跑，通過3G或者4G網路，你的駕乘習慣、遇到路況怎麼轉彎、避險動作等等，這些其實在駕乘體驗的同時把這些資料收回來反饋到生產系統當中，甚至我們的設計系統當中，這是一個智慧閉環。

而融合化和人性化的趨勢如下：

• 人工智慧與智慧家居的互動: 現在海爾有一些冰箱已經有很多智慧的小攝像機是裝在朝冰箱裡面的，比如平常主人喜歡某一類的麵包，或者牛奶都是放哪一個盒裡，到了禮拜幾把這些東西都記下來之後，其實這是跟人的互動，通過語音提醒你，麵包沒了或者是牛奶可能要增加了，這是一個智慧化。總的來說，這是一個控制、反饋、互動感知、超前感知等的過程。體現了充分的人性化, 由於智慧帶來的人性化.

• 大資料幫助從智慧工廠到工業4.0的實現，也把很多的人性化東西融合到了裡面，大資料幫助一般工業企業變智慧工廠，尤其中小企業，假設ERP系統都有，還要上PLM，我們處理很多小批量品種，包括怎麼樣從PLM系統當中將資料要無縫連線到MES當中，這裡工業2.5階段必須解決的事情，但是我們怎麼用大資料，尤其是端到端的大資料，打通之後，從傳統的ERP系統到PDM、MES系統中，還有機器日誌當中的資料，整個生產線上的資料融合起來，怎麼真正做到朝4.0邁進呢？這就需要融合端到端的資料流不落地地整合資料, 進行智慧分析和挖掘處理。

• 晶片到智慧汽車的融合:無人自動駕駛汽車是智慧化的標誌性產品，它融合整合了實時感知、導航、自動駕駛、聯網通訊等技術；高通 3100億收購恩智浦，高通的晶片將傳統晶片應用到汽車領域, 高通的計算+設計+技術能力融合汽車+自動駕駛應用=前後端的融合, 這是前後端融合的收購案例；2016年8月，英特爾4億美元收購Nervana，主攻深度學習，佈局人工智慧領域；2015年6月，英特爾167億美元收購Altera，整合CPU技術與FPGA技術，佈局物聯網。2015年以來，英特爾頻繁收購，其中有兩次收購超過150億美元：167億美元收購Altera、153億美元收購Mobileye。這也是看重了汽車智慧, 車聯網的巨大市場而而做的必要動作.

驍龍835把虹膜識別、神經網路處理和演算法應用到實時影像處理，封裝尺寸變小促進整合和融合, 和其它終端的整合更容易…手機到車聯網應用，功耗的降低提高了使用和應用場景，這也是融合化和人性化的完美體現吧!!!

阿里工業實踐

下面我們圍繞智慧化、融合化和人性化來聊聊，尤其是阿里具體圍繞製造型企業做了哪些事？

智慧化

智慧化可以實現端到端的智慧；智慧硬體可以獲取和記錄資料、軌跡的智慧；實現智慧化需要演算法的成熟, 大資料技術的運用。

智慧工廠實踐架構

智慧化不僅僅是生產裝置的智慧，智慧製造——無人工廠，全自動化，機器人的運用。智慧製造的本質首先是數字化。把我們從過去的機器、裝置、生產線、人員、車輛、渠道、物流這些物理形態的東西，用數字加工，建立一個數字世界，再運用演算法模型，加工分析、產生無限的價值。然後再把這新的價值，回到物理形態的商業閉環過程。

協鑫光伏是一家做矽片的企業，整個工程刀下去11刀會切出12個矽墊，然後分ABCD四級，A是最優，按照這個價格A等品跟BCD就差得比較大，我們做了什麼呢？我們把整個協鑫生產線上的生產作業資料每隔四到五分鐘，就去搜集這些資料，然後傳輸到阿里大資料平臺，用大資料技術和演算法結合協鑫的老工程師經驗大幅提升了良品率. 其中收費也有網際網路創新，利用大資料平臺幫你把資料整合處理，先收成本費，良品率的提升比例和收費掛鉤，阿里雲和工業企業一起承擔, 一起成長. 提升一個點對整個企業，整個協鑫工廠就是接近一個億的收入，這是一個智慧工廠的實踐。

技術架構簡單的講就是把它的切片機MES當中的資料，通過拉PULL和推PUSH，把資料傳輸到我們的共有云平臺，然後用了很多的高階演算法，算完之後結果實時流同步到生產監控看板，在生產車間裡有實時看板能夠以良好的視覺化影像與數字呈現給工廠管理者。

以前講智慧製造是講邏輯，現在有了深切的體會，怎麼把生產線上以前看起來沒那麼有用的資料，整合到一個資料平臺裡面來，完全來指導我們的生產，對良品率變化到某一個資料的時候，直接進行預警。

事業部管理座艙和臺機實時監控

貨運列車故障檢測

上圖為貨運列車故障檢測分析，鐵路、貨車執行之後，車廂與車廂之間的螺栓可能鬆了，就可能會有各種各樣的故障，20幾年前都是靠工人敲，聽聲音鬆沒鬆，最近這幾年提高了很多，靠鐵軌上的快速成像拍照，一分鐘能拍幾萬張照，照片實時檢測，主要有資訊採集裝置、資訊傳輸裝置、和列檢檢測中心，人工在列檢中心稽核所採集的列圖片，發現故障上報。需要在5分種內人工檢測完一萬五千張圖片，人工漏檢率千分之一以上；人力成本高，每個站點約30人，每班8小時輪值，進行現場檢查。全國一萬多人人力成本；按人均月3000元成本，每個場站每年需要人力成本100萬，383站點約3.83億元人力成本。對於TFDS的系統的使用和故障的識別需要組織大量培訓，人員更替時成本更高；以人工經驗做判斷，會有漏報和誤報情況，肉眼不易察覺的重點故障難以檢測。

我們做了什麼事呢？第一件事就是拿出了故障的圖片進行訓練，對漏檢率大幅減少，對80%多現在不會引起故障的圖片儘可能的用這個圖片處理系統來做，而對10%左右有可能引起故障的，採用一個雙保險的流程，也就是一方面用圖片識別來做，另外再加人工的處理流程，可以看到涉及圖片識別檢測識別，專案結果如圖所示，大家可以看到，我們的故障識別率現在能做到96%左右，一般故障是指不會引起事故的，現在漏檢率已經很低了，為什麼會引起事故性的故障，而引起事故的故障資料樣本比較少，只用演算法訓練出來的結果一定沒有那麼強，這是圖片識別的應用，此外還可以減少機檢的時間，對於一般故障通過試用機器學習、圖片識別可以大幅減少勞動力。

除了這個我們還準備在貨運超載、探測電纜方面應用圖片識別，隧道里現在有火車過去，對電纜的下陷或者下塌，其實用圖片識別也比較容易了；甚至對大的汽車，我們給浙江省高速公路做了車輛逃費識別相關專案，我們用圖象識別，根據車牌、車的形狀和顏色這三個維度基本上能夠做出智慧發現逃費的嫌疑車輛。

飛機發動機健康管理

阿里跟科工集團成立了一個國家級的大資料實驗室，現在開始做探索性的一些事情，就是飛機的發動機管理，這可能沒那麼容易，但是我們開始嘗試了，馬航事件後來定位鎖定就是發動機上的EHM，就是發動機健康管理系統。

這裡我列了飛機的引數，收集這些飛機的引數對發動機的壽命預測和主要零部件的健康管理還是很有用，把這些資料都收集起來以後，能夠對飛機的發動機，主要的零部件做一個提前半步的故障預測，大幅降低非計劃外的維修時間, 從而節省成本。還有一件事，飛機發動機是成本比較貴，飛機的成本機油也是貴，用的是航空油，為什麼航空公司有的時候要買一些油的期貨，也是防止油價的波動，但是油的消耗的相當比例是由起飛和降落的時候飛行員決定的。我們通過資料智慧分析起降時飛行員的操作行為與航油的損耗之間的關係, 從而強化最佳實踐節省航油.

融合化

融合也有很多，具體包括以下幾方面：

• 大資料與小資料的融合

• 大資料與特徵工程的融合 (摩擦學, 動力學,控制理論與工程經驗等等)

• 企業自動化和數字化與ERP, MES資訊化融合

• 政府部門(經信委,工信廳) + 專業研究院 + 資料智慧企業 + 轉型企業的融合

企業資料+：挖掘企業自己資料、沉澱企業自己資料、網際網路資料、打通資料和盤活資料。

企業CRM和財務資料融合如圖所示。

資料鏈路的閉環打造商業的閉環融合。

人性化

人性化包括：

• 機器與車間到視覺化的視覺觸控和互動——從冰冷到溫暖

• 大資料模擬使用者設計, 人的使用已經融合到產品迭代過程

• 使用者的訂單與定製化智慧生產——從被動到參與

• 資料智慧給人類的驚喜: 通透了解你 (訂車到了智慧出行與旅遊) 實時服務你(大型停車場的智慧導行)

機器生產的體溫觸控如圖所示。

訂單與生產的連線 Connect：

• 工業企業：由內及外，漸進、改良、升級生產系統的智慧化

• 網際網路：由外及內，從商業系統的智慧化從訂單 (人或者企業的需求+體驗) 倒逼生產系統的智慧化（C2M) 這也給了智慧生產很多人性化的元素.

人工智慧賽博物理作業系統

AI-CPS OS

“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧）分支用來的今天，企業領導者必須瞭解如何將“技術”全面滲入整個公司、產品等“商業”場景中，利用AI-CPS OS形成數字化+智慧化力量，實現行業的重新佈局、企業的重新構建和自我的煥然新生。

AI-CPS OS的真正價值並不來自構成技術或功能，而是要以一種傳遞獨特競爭優勢的方式將自動化+資訊化、智造+產品+服務和資料+分析一體化，這種整合方式能夠釋放新的業務和運營模式。如果不能實現跨功能的更大規模融合，沒有顛覆現狀的意願，這些將不可能實現。

領導者無法依靠某種單一戰略方法來應對多維度的數字化變革。面對新一代技術+商業作業系統AI-CPS OS顛覆性的數字化+智慧化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位：

1. 重新行業佈局：你的世界觀要怎樣改變才算足夠？你必須對行業典範進行怎樣的反思？

2. 重新構建企業：你的企業需要做出什麼樣的變化？你準備如何重新定義你的公司？

3. 重新打造自己：你需要成為怎樣的人？要重塑自己並在數字化+智慧化時代保有領先地位，你必須如何去做？

AI-CPS OS是數字化智慧化創新平臺，設計思路是將大資料、物聯網、區塊鏈和人工智慧等無縫整合在雲端，可以幫助企業將創新成果融入自身業務體系，實現各個前沿技術在雲端的優勢協同。AI-CPS OS形成的數字化+智慧化力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數字化融入到領導者所在企業與領導方式的核心位置：

1. 精細：這種力量能夠使人在更加真實、細緻的層面觀察與感知現實世界和數字化世界正在發生的一切，進而理解和更加精細地進行產品個性化控制、微觀業務場景事件和結果控制。

2. 智慧：模型隨著時間（資料）的變化而變化，整個系統就具備了智慧（自學習）的能力。

3. 高效：企業需要建立實時或者準實時的資料採集傳輸、模型預測和響應決策能力，這樣智慧就從批量性、階段性的行為變成一個可以實時觸達的行為。

4. 不確定性：數字化變更顛覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了複合不確定性這種顛覆性力量。主要的不確定性蘊含於三個領域：技術、文化、制度。

5. 邊界模糊：數字世界與現實世界的不斷融合成CPS不僅讓人們所知行業的核心產品、經濟學定理和可能性都產生了變化，還模糊了不同行業間的界限。這種效應正在向生態系統、企業、客戶、產品快速蔓延。

AI-CPS OS形成的數字化+智慧化力量通過三個方式激發經濟增長：

1. 創造虛擬勞動力，承擔需要適應性和敏捷性的複雜任務，即“智慧自動化”，以區別於傳統的自動化解決方案；

2. 對現有勞動力和實物資產進行有利的補充和提升，提高資本效率；

3. 人工智慧的普及，將推動多行業的相關創新，開闢嶄新的經濟增長空間。

給決策制定者和商業領袖的建議：

1. 超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動態機器智慧，為企業創造新商機；

2. 迎接新一代資訊科技，迎接人工智慧：無縫整合人類智慧與機器智慧，重新

   評估未來的知識和技能型別；

3. 制定道德規範：切實為人工智慧生態系統制定道德準則，並在智慧機器的開

   發過程中確定更加明晰的標準和最佳實踐；

4. 重視再分配效應：對人工智慧可能帶來的衝擊做好準備，制定戰略幫助面臨

   較高失業風險的人群；

5. 開發數字化+智慧化企業所需新能力：員工團隊需要積極掌握判斷、溝通及想象力和創造力等人類所特有的重要能力。對於中國企業來說，創造兼具包容性和多樣性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《論語·子路》雲端計算、大資料、物聯網、區塊鏈和 人工智慧，像君子一般融合，一起體現科技就是生產力。

如果說上一次哥倫布地理大發現，擴充的是人類的物理空間。那麼這一次地理大發現，擴充的就是人們的數字空間。在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的財富空間。雲端計算，大資料、物聯網和區塊鏈，是進入這個數字空間的船，而人工智慧就是那船上的帆，哥倫布之帆！

新一代技術+商業的人工智慧賽博物理作業系統AI-CPS OS作為新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，並創造新的強大引擎。重構生產、分配、交換、消費等經濟活動各環節，形成從巨集觀到微觀各領域的智慧化新需求，催生新技術、新產品、新產業、新業態、新模式。引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。

產業智慧官  AI-CPS

用“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧），在場景中構建狀態感知-實時分析-自主決策-精準執行-學習提升的認知計算和機器智慧；實現產業轉型升級、DT驅動業務、價值創新創造的產業互聯生態鏈。

長按上方二維碼關注微信公眾號： AI-CPS，更多資訊回覆：

新技術：“雲端計算”、“大資料”、“物聯網”、“區塊鏈”、“人工智慧”；新產業：“智慧製造”、“智慧金融”、“智慧零售”、“智慧駕駛”、“智慧城市”；新模式：“財富空間”、“工業網際網路”、“資料科學家”、“賽博物理系統CPS”、“供應鏈金融”。

官方網站：AI-CPS.NET

本文系“產業智慧官”（公眾號ID：AI-CPS）收集整理，轉載請註明出處！

版權宣告：由產業智慧官（公眾號ID：AI-CPS）推薦的文章，除非確實無法確認，我們都會註明作者和來源。部分文章推送時未能與原作者取得聯絡。若涉及版權問題，煩請原作者聯絡我們，與您共同協商解決。聯絡、投稿郵箱：erp_vip@hotmail.com