Go 領軍人物謝孟軍：智慧製造渴望銀彈，首先要摒棄偏見

2019 年 1 月 13 日，TGO 鯤鵬會廈門分會正式成立，數百名技術人趕赴現場為慶祝 TGO 鯤鵬會廈門分會的誕生。

本篇文章根據謝孟軍在活動現場分享的「基於工業大資料下的工廠系統實踐」整理，有部分不改變原意的刪減。

今天，我帶來的分享是基於工業大資料下的工廠大腦系統實踐。

首先，我給大家介紹一下自己。我叫謝孟軍，我之前是技術出身，我曾寫了一本書，名叫《GO Web 程式設計》，我現在是 GO 中國技術的領軍人物；還是一名雲端計算專家，目前是阿里雲 MVP、華為雲端計算技術顧問，也是 TGO 鯤鵬會上海分會會長。TGO 鯤鵬會是目前網際網路裡最高階的技術領導組織，我們可以通過 TGO 鯤鵬會聯絡到網際網路裡的所有人。

在加入 TGO 鯤鵬會後，我有幸認識了王堅博士，和他一起為杭州城市大腦做努力。之前的杭州城市大腦主要是負責交通大腦，我們目前將交通、公安、發改委、旅遊等各個系統作為綜合型板塊，希望能做出一個真正的城市大腦。

現在我主要做的是工業大資料，因此，下面我將從工業製造的現狀、困境、大腦架構、大資料應用案例分享等方面給大家做分享。

你瞭解工業大資料嗎？

首先談到的是工業大資料的現狀，當下每個網際網路企業都有一個大資料部門，但工業大資料和傳統網際網路的大資料非常不一樣。因為傳統意義上的網際網路大資料有龐大的樣本數，使用者在使用產品的過程中產生了非常龐大的資料量，我們在做大資料的過程中就能預測使用者的消費行為。工業中只有很多的樣本資料，沒有實際運算元據，導致出現如果我們要做飛機裡弧線的鋼鐵時，很可能沒有一臺裝置存在需要的資料弧度鋼鐵，那麼我們只能依賴於人工的方式製作。另外，很多製造業雖有大資料，但是仍只是一個空殼，很多製造業企業給了 IT 部門足夠的預算，但業務部門覺得你們收集了這麼多的資料，卻不能給業務部門服務，也不知道該如何治理。

總結以上所述的種種情況都在表明工業大資料出現了以下 3 個行業現狀：

1、缺少資料。
2、有大資料，但只是空殼。
3、有資料湖，但缺乏資料治理。

其次和大家談談目前行業內對於工業大資料的誤區，如下：

第一，渴望銀彈。我們在與行業裡的人交談時會發現，大家都十分渴望銀彈。實際上製造業是非常複雜的行業，裡面會被影響的東西太多了。

第二，缺乏認同。在傳統制造業裡，他們認為，花了二三十年才累積下來的很多經驗，你們現在一幫網際網路的人說拿到資料就能幫忙提升，這怎麼可能？

第三，注重形式。國家一直在提智慧製造，尤其是當馬雲振臂一呼說新制造業出現時，所有的製造業老闆心裡都十分恐慌，生怕過個三四年就把自己淘汰了。導致他們紛紛開始建立大資料部門，收集資料，但是卻沒有資料應用的產品。

以上就是我們目前工業大資料所遇到的問題。

工業大資料困難重重

目前我們所遇到的一些大企業裡，他們主要面臨的是以下 3 大困境：

第一，資訊孤島。在網際網路行業大家都聽說過，實際在製造業裡資訊孤島的現象會更加嚴重，因為這是一個企業在發展過程中所遇到的共性問題。

第二，重複建設。所有企業都會經歷從小到大的發展過程，隨著企業越來越大，部門和部門之間會牽扯到很多重複建設的問題。舉個例子，當時我們在做質量大資料分析時，發現某一個裝置同時有 3 個部門都在進行管理，因此出現了很多重複性建設的東西。對於 IT 來說，這就造成了他們需要維護很多套系統，但實際上它們的基本功能是相似的。

第三，響應遲鈍。當馬雲提出新制造後，由於製造業響應太遲鈍了，導致原來傳統的 ERP、MES 可能沒辦法適應新產品，很多工藝沒辦法及時進行調整。

因此我們如今急需解決三個問題：

1、如何打通不同系統間實現業務互動帶來的協作和整合成本。
2、如何減少重複功能建設和維護帶來的成本浪費。
3、如何解決業務得不到沉澱和持續發展的問題，實現快速響應。

我們都知道傳統制造業中目前最大的兩個企業是德國 SAP 和西門子，目前他們正在做資料化轉型平臺，那麼誰能做出數字化轉型平臺呢？要做自我革命非常困難，所以給了很多初創公司一個機會去做這樣的事情。

積夢基於大資料的工廠大腦結構

原來我在 Apple 工作時，他們內部搭建了一套工業製造數字化平臺的雛形，我從中看到了機會，於是我在 2017 年 10 月的時候，辭掉了 Apple 的工作出來自己創業。

那我們的系統設計理念是什麼呢？

1、資料中臺：建設統一大資料中心，打破資訊孤島

我們在設計時考慮了幾個問題，目前很多大企業該上的系統都上了，為什麼製造企業還是不能快速響應？還是不能很有效的效率協同，為什麼分析問題時都不能快速實現呢？

因為我們缺乏一個資料平臺，所以我們剛開始計劃要把資料相關的東西匯聚到資料平臺，如產品設計資料、產品測量資料、裝置資訊、供應商資料等。或許要將原來的軟體打破重做是很困難的，但只要在發展的過程中將所有資料匯聚到一起，讓它們產生新的價值，實現快速響應，那麼就能達到目的，成為真正能夠服務業務的產品。

2、業務中臺：業務沉澱和持續發展，響應快速

西門子去年提出了數字雙胞胎，指的是工廠、數字一體化，對於我們來說就是一個業務中臺，這有助於將業務快速沉澱下來。

3、微服務：按需開發，快速部署，快速迭代

我們希望將微服務帶入工業大資料裡，我們都知道 SAP、西門子是套裝軟體，它的好處是大而全的全家桶，但它很容易嚴重影響企業快速響應的過程。之前我們接觸過一家公司，它的 MES 就引入了第三方。大家都知道工廠只要正常執行起來後，有一些工廠基本是 7 24 小時運作的。如果這時我們想要開發一個新的功能，基於這個模組去開發，都不敢重啟升級，因為很可能導致在 1 小時內損失幾百萬。這不像網際網路行業，可以在凌晨 3 點升級，工廠很多都是 7 24 小時工作的，導致了製造業快速響應變得很慢，這也是很多傳統制造業出現的問題。因此，我們採用了微服務的方式，按需開發，快速部署，在原來的基礎上快速迭代，能夠開發很多 APP 的平臺。

以平臺為大腦的質量大資料智慧平臺

資料匯聚完之後，主要就是視覺化分析，其中稍微有些技術含量的是貝葉斯網路分析。

我們知道製造過程中，不管是多麼先進的製造企業都會產生製造問題，生產過程中必然會出現質量問題，那麼在產生問題時，我們該如何尋找問題來源呢？尋找問題出現的地方，是我們最重要的事情，而貝葉斯網路分析就是幫助你分析產生問題的來源。

舉個例子，車燈安裝一般會遇到三個問題，車燈、車身、安裝工藝。那麼我們可以通過建立貝葉斯網路樹，分析它們的歷史資料後發現，安裝工藝產生的問題佔 53.75%，車燈產生的問題是 22.9%，車身產生的問題是 22%。基於概率和最頂上的資料可以建立起這套貝葉斯網路模型，但這個網路模型有什麼用呢？

我們可以利用這個網路模型再出現問題時查詢原因。當生產線報故障時，我們可以立刻拿到資料，通過分析當時系統中測試的資料值、工裝狀態等進行劃分，在範圍內分析出是哪方面造成的原因概率比較大，便可以快速知道究竟是哪裡產生了問題。之後，隨著資料越來越多，越來越成熟，判斷出來的準確率也會越來越高。我們將老師傅的知識數字化，將感覺的東西數字化，最終變成模型化。

其次，我們會將製造業相關性進行分析，這是目前比較重要的部分。比如，大燈安裝時可能會影響到雨刮器，如果我們能有資料支撐，我們可以分析出大燈進去後會影響到雨刮器的原因。

積夢智慧 DDFactory 以平臺為大腦的數字工廠

平時我有很多時間在外面講課，講課過程中會碰到很多中小企業的人，在和他們聊天的過程中，我發現中小企業有一個很明顯的問題是，資訊化沒有完成。他們也想和大型企業一樣發展，因此先後上了 MES、ERP 等系統，你會發現他們被軟體廠商綁架了。

目前，積夢聯合阿里雲 ET 大腦，做出了積夢數字工廠大腦。為了解決中小企業在生產製造過程中所產生的問題，目前我們已經針對相關問題建立了一套數字工廠模型，所有工廠從接訂單到工程設計、庫存採購、生產計劃、質量控制、盤點出貨等流程都做出了相對應的一整套產品。

當前，我們已經與很多浙江的加工廠合作，幫他們解決訂單交期、動態生產計劃、質量追溯、採購週期、快速響應售後客訴等問題。

摒棄偏見，加強交流

最後，根據我的實戰經驗給大家總結了 4 點未來大家在做工業大資料時可以借鑑的經驗：

第一，大資料需要專門的團隊，不能依賴套裝軟體工廠。

第二，大企業起步雖晚，但可以借鑑網際網路企業的經驗。目前大資料在網際網路企業裡，大多數公司都運用得風生水起，做得非常好，但是在製造企業裡，我們仍需要懷著一顆敬畏的心去做工業大資料，因為我們有很多東西需要學習。

第三，小企業可以使用大資料雲服務。可能很多小企業沒有能力去養一個 IT 團隊，那麼我們可以利用成熟的雲服務快速使用起來。

第四，摒棄偏見，加強交流。

今天的分享到這裡，謝謝大家！

Q\u0026amp;A

1、雖然我不是製造業出身，但是也從中收穫了不少。我想問您，在分享中您提到了三種現狀，第一種是沒資料，第二有資料但沒風格，一種是有資料但無組織，那麼它們分別所佔的比例是多少呢？

謝孟軍：第一種情況的比例佔 70-80%，後兩種情況大約佔 20-30%，真正做得好的基本上沒有。

2、在有一定積累後，目前你們做的是各個工廠獨立的流程，流程經過了你們的大量調研，那麼工廠與工廠之間是否有辦法進行比較呢？

謝孟軍：用工業話語來說，指的是供應鏈上下游打通。生產製造過程中主要有三大塊，第一塊是原材料來源地，第二塊是生產過程，第三塊是銷售過程。假設供應鏈所生產的產品與銷售部分，以及生產製造公司像插座一樣連線起來，那麼我們就可以更直接的觸碰到質量控制的部分。

過去中國製造給人最大的感受是，便宜但是質量不太好。大家可以瞭解一下歷史，德國當年在生產時也有過同樣的情況，剛開始時，德國大部分企業也是直接 copy from England。但之後德國發展了質量革命，你可以發現在德國有很多隱性冠軍，指的是德國做得特別好的品牌，也是在那個階段發展起來了 SAP、西門子等品牌，你可以發現它們現在發展都非常好。

那麼現在，大家可以持續關注數字化平臺的機會。

3、和網際網路產業對比，我們做使用者端產品的可以做 AB Test，那麼你們是不是很依賴它的工具？將來有沒有可能通過反應資料直接影響現有訂單，並且做出決策，而不是反饋資料給人工，在根據資料進行調整呢？

謝孟軍：這個得分行業，製造行業和網際網路不一樣的地方是，網際網路“一招鮮吃遍天”，製造業是不同的東西應對不同的東西。

正如，汽車行業的東西無法複製到手機行業一樣，因為它們的生產製造工藝不一樣，想要做到反饋直接影響決策很難的。但是大的模型不會變，如底層系統、資料蒐集、資料工廠，只上它們上面應用的東西會變。就像貝葉斯模型，不同行業有不同模型塑造形狀，但是它們的方法論是不會變的。

4、目前，我看到當下很多人工智慧應用都在大資料的基礎上做出了很多的成果，我很想了解一下人工智慧在工業大資料下，除了一些問題預測，是否還有一些成本優化，或是否能像網際網路一樣能夠提高銷量呢？有沒有其他的人工智慧在大資料上有很多成本優化，以及對業務有直接提升的應用方向呢？

謝孟軍：其實人工智慧在工業製造還有一個比較成熟的應用叫缺陷檢測，通過影像識別的方式進行缺陷檢測。很多時候我們都需要人工檢測，這個技術讓我們能夠通過攝像頭來做智慧檢測。另外一種是成本優化，這個應該叫綜合資料預測運營應用。在資料匯聚後才能做綜合預測，雖然我們現在還有開始做，但前段時間我們與安道拓（汽車座椅製造商）溝通如何利用大資料幫助他們計算成本、搭配零配件、選擇供應商等。

5、聽完您的分享之後，我產生了三個問題。第一，您認為未來 3-5 年聚焦的行業或客戶群是什麼？第二，您認為您的競爭對手來自於哪個方向？是存量系統，還是來自於網際網路的大咖。第三，希望能聽您介紹一下偏現場技術團隊的構成應該如何規劃和配置呢？因為工業客戶很重視人力成本，任何一個客戶要建模、單建模就要花費半年的時間，一個客戶從需求調研到設計、二次開發、現場實施，週期都要一年以上。

謝孟軍：首先是聚焦的行業，我認為在製造業裡，品類十分豐富，那麼我們只有聚焦於幾個行業才能做得更加深入。目前的話，我們主要聚焦於汽車、汽車零配件、電子電器等。近期在與阿里的合作過程中，接觸到了紡織服裝行業。

其次是競爭對手，你剛才提到的 ABB、西門子都是傳統企業，我們與 SAP 有合作關係，也知道他們想努力往這個方向走，但所有企業在發展壯大後，想要轉身是非常困難的。現在很多軟體仍然賣得非常好，西門子會自我革命嗎？其實很難。同時他們也沒有這套軟體，我們做製造業的都知道，一旦一個軟體進去後要再更換一套的可能性很小，我們是創業企業，傳統軟體是老舊的，至於是否能夠革命成功，一切都是未知的。我們拼的就是時間優勢和產品優勢，我們領先半年的時間就足夠了。網際網路的人計劃做製造業軟體，但其實他們很難做起來，因為製造業並沒有想象中那麼簡單。製造業是很複雜的東西，進來之後你會發現，其中的坑很大，某些生產工藝就能讓你學個兩三年。網際網路團隊以純技術的方式進入會吃很大的虧，但是如果有更多的網際網路人進來其實是一件好事，能將這個市場教化得更好一些。

最後是關於技術團隊的問題，目前我們有一個基礎團隊負責平臺，有幾個團隊負責落地實施，包括現場實施和遠端實施，現場實施可能會有 2-3 個人，一般都會去到現場與他們做溝通，這個部分會花費較多的人力。現在團隊裡有一個好處，我們有很多製造業出來的人，他們基本上都是去了解業務的，再將業務轉化給產品經理，或者直接與大資料負責人溝通，將資料模型製作出來。

6、在雲時代，西門子和 SAP 已經過時了，其實他們自己也很焦慮，中國製造業有了彎道超車的機會，通過雲直接走捷徑。中國有很好且極具潛力的工程師技術人員，給中國提供了便捷。目前市面上有亞馬遜雲、阿里雲、華為雲，在製造業裡華為雲是第一選擇，華為具有製造業的基因，不知道您認為我的評判是否正確呢？

謝孟軍：你所提到的三個雲我都接觸過，每個雲的戰略方向不太一樣。

阿里雲做工業的方向主要是走淘寶的，我們相當於是賣家，很多製造業企業是買家，他們提供了技術平臺，讓很多面向中小企業有了非常大的入口，很多銷售電商都在裡面。

亞馬遜雲主要是做私有云，公有云市場是有限的。

華為原來地面部隊特別強，很多產業園、政府都希望與他們合作，但是華為雲的製造到底能否輸出給其他人呢？這是一個很大的疑問，華為高階機做得不錯，但中低端機也是非常爛的。它的經驗能否複製到其他地方呢？我覺得未必。

所謂雲端計算廠商還是會聚焦於 iaas PaaS 這個部分，如果到 SaaS 這一層，大家都是差不多沒有。

7、您好，我之前也是做傳統行業的，我感覺您要做的平臺是非常大的，想請問一下你們的瓶頸在哪裡？

謝孟軍：目前最大的瓶頸是產品經理，產品經理既要懂技術又要懂製造，並且還需要了解很多業務的東西。

TGO鯤鵬會，系極客邦科技旗下高階技術人聚集和交流的組織，旨在組建全球最具影響力的科技領導者社交網路，線上線下相結合，為會員提供專享服務。目前，TGO鯤鵬會已在北京、上海、杭州、廣州、深圳、成都、矽谷、臺灣、南京、廈門、蘇州十一個城市設立分會，武漢分會即將成立。現在全球擁有在冊會員 740 餘名，60% 為 CTO、技術 VP、技術合夥人。

會員覆蓋了 BATJ 等網際網路巨頭公司技術領導者，同時，阿里巴巴王堅博士、同程藝龍技術委員會主任張海龍、蘇寧易購 IT 總部執行副總裁喬新亮已經受邀，成為 TGO 鯤鵬會榮譽導師。

如果你想和這些優秀的科技領導者們一起前行，歡迎點選「報名表單，申請加入」。