2019 年工博會的一場演講結束後，晉文靜博士在一陣熱烈掌聲中走下臺。不久，她就被一些聽眾圍住，走出會場時，隨身攜帶的名片已所剩無幾。
上面印著她頭銜：天澤智雲首席資料科學家。這家堅持走工業智慧技術路線的公司一直與中國傳統制造企業合作，幫助他們落地工業智慧，探索升級與轉型。
天澤智雲首席資料科學家晉文靜博士。
晉文靜在演講中講述了公司與富士康深圳某工廠合作的無憂機床專案。經過半年多的努力，他們成功證明感測器+系統的方式可以為 CNC（數控機床）提供刀具壽命預測以及主軸的線上監控與預測。
接下來的一串數字越發引起臺下觀眾關注：
降低了 60% 的意外停機，質量缺陷率從 6‰降至 3‰，節約 16% 的成本。
MachineInsightTM 無憂機床系統。
最大機床市場告別「前半生」
隨著中國成為全球製造中心，中國也成為全球最大機床工具的生產國和消費國。
Gardner Research World Machine Tool Survey 資料顯示，2017 年，中國大陸地區機床消費金額達到 299.7 億美元，同比增長 7.5%，佔全球機床消費額比重的 36.1%；中國大陸地區機床產值達到 245.2 億美元，同比增長 5.1%，佔全球機床產值比重的 28.1%。
由於中國不僅是最大汽車製造國，也是最大機械、3C 電子產品製造國，因此，從機床下游行業來看，汽車行業佔比超過 40%、機械行業佔比約 20%，3C 電子產品行業佔比約 15%。軍工行業因其戰略意義重大，對於機床的效能、種類和需求量要求極高，佔比約 15%。
資料來源：Gardner Research。
九年前，晉文靜前往辛辛那提大學美國智慧維護系統中心攻讀博士學位，師從李傑教授時，正值中國機床工業黃金十年的高光時刻。沈機集團登頂世界機床行業營收第一。2011 年，中國金屬加工機床市場規模達到創紀錄的 390.9 億美元，為歷年最高。（根據國家統計局關於中國機床工具行業經濟執行情況資料）
2012 中國機床行業告別長達十年的黃金週期，整個行業開始下行。行業內的大小機床企業盈利快速下滑至虧損，且至今未能緩過勁來。
目前，傳統中低端機床市場萎縮已成行業共識，相比於傳統機床行業，「失守」的數控高階精密機床市場已進入高速發展時代。
以手機制造為例。當 2012 年庫克舉起 iPhone 5 的時候，鋁合金一體化機身成為當時消費品金屬加工的極致。由於強度更高的金屬材料處理起來比傳統的金屬外殼更難，CNC 加工所需要時間更長，其他手機廠商跟進導致市場對 CNC 產能有更大的需求。
隨著 5G 時代手機後蓋去金屬化程式接近尾聲，中高階機型後蓋材質變成了玻璃、陶瓷，對精密化部件的要求又給上游機床廠商的生產和服務提出更高要求。
這幾年，新能源汽車抓住風口，也讓汽車零件數控 CNC 加工產業受益不淺。以新能源汽車為代表的車身結構輕量化、高強度需求逐漸成為主流的同時，也倒逼機床走向智慧化和高精度化。
事實上，瀋陽機床可以在過去十年間賣出近七十萬臺機床，是因為吃到了中國迅速成長為製造業大國的紅利。當時，單靠國外高檔數控機床，根本滿足不了市場需求，國內勞動力素質也無法與之匹配。再加上勞動力成本較低，國產機床可以透過價格和服務佔領中低端市場。
但是，現在不行了。某中部城市一位機床製造從業者曾坦言，對於持續低迷的中國機床行業來說，歷經數控化的洗禮後，以工業網際網路引領機床行業再出發，已經成為一個趨勢。
機床產業的利潤空間已被大大壓縮，中國機床工具工業協會當值理事長龍興元曾對媒體表示，2017 年中國機床全行業虧損企業佔比仍達 33.8%，「如果廠商想實現裝備製造業的價值鏈延伸，服務轉型、提供智慧化解決方案几乎是一個必然方向。」一位業內人士告訴我們。
此前，機床廠商做的是一次性買賣，如今，在產品差異不是特別大的情況下，以機床為載體的增值服務開始成為制勝關鍵。對於他們來說，像晉文靜這樣的資料科學家，就像是券商行業中金牌分析師一樣的人物。
正規化轉換：從可見到不可見
從國外經驗來看，近幾十年來，得益於硬體（各種感測器、GPU 等）成本降低、無線連線、資料分析等技術的不斷進步，預測性維護已經成為智慧製造最為重要的落地應用之一。
李傑從事智慧製造和工業大資料產學研工作已經幾十年，不僅是該領域的權威，目前也是富士康工業人工智慧總顧問和天澤智雲首席顧問。對於預測性維護，他在《從大資料到智慧製造》當中進一步解釋道，製造系統中的問題也有「可見」和「不可見」之分，我們對待這些問題的方式以前大多是在問題發生後去解決，而未來能夠在問題發生前去避免才是競爭力的核心。
生產系統中存在的「不可見」問題包括裝置效能的衰退、精度的缺失、易耗件的磨損和資源的浪費等，可見的問題往往是這些不可見因素積累到一定程度所引起的，比如裝置的衰退最終導致停機、精度的缺失最終導致質量偏差等。透過大資料對「不可見」問題獲得深刻的洞察，是實現無憂製造環境的基礎，也是智慧製造的本質。
事實上，機床製造廠商已經在嘗試相關落地應用。日本 MAZAK 公司的 Smooth Technology(流暢技術) 體現了智慧機床的最新發展，可以透過開放的系統結構設計，藉助智慧手機、平板電腦等外部終端對裝置的運轉狀況進行監控。
FANUC 公司開發了智慧自適應控制、智慧負載表、智慧主軸加減速、智慧熱控制等智慧機床控制技術。Heidenhain 公司的 TNC640 數控系統具有高速輪廓銑削、動態監測、動態高精等智慧化功能。
李傑（Jay Lee）,2016，《從大資料到智慧製造》。
在晉文靜看來，中國製造業有著最全場景，大量的機床產生大量資料，把握住了這些資料，就等於握住解決問題的源頭。新技術可以幫助擁有大量機床的中國製造企業預知裝置加工狀態，從而減少意外當機、提高產品良率、降低刀具成本。但問題在於，中國機床行業單靠自身力量實現智慧化轉型，極為乏力，這也是在為曾經的歷史支付代價。
早期的機床行業基於專業分工思路，誕生了當時的「十八羅漢」（十八家機床廠），一家只能做一種機床。當時，全行業有八綜合性研究院所，形成「七所一院」的綜合性專業技術研發機構，也是解決機床廠共性技術問題重要支撐。另外，還有三十七個專業研究所與企業設計部門，形成機床工具行業的科研開發體系的第二道護城牆。
然而，1999 年一刀切的院所轉制，國家計委二百多個院所隨之下放，最後導致機床企業一旦遇到工藝問題，無處可去。當這些企業銷售額不漲、利潤不漲，想辦法創新降本增效時，卻變得失措無依。
這也是為什麼目前從供給側來看，機床工具行業自動化產品市場一直保持增長態勢的原因。除了技術交流和新產品推廣，市場第三方供應商也非常願意將先進的數字化解決方案匯入到機床工具企業，幫助他們進行智慧化升級改造。除了上游機床廠商，這些市場第三方服務物件也包括下游的加工製造企業。
2018 年底，富士康基於無憂機床系統搭建的精密工具智慧製造工廠成功入選全球「燈塔工廠」，成為代表新一輪工業革命轉折點的工廠之一。
三十五歲肖敏（化名）正是該製造商某模具車間課長。十八歲那年，他進入這家位於深圳的大型製造商，成為一名模具廠工人。
肖敏有些驕傲地告訴我，如今，他們已經將模具加工的幾個基本工序流程打通，其所在車間基本實現全程自動化。物流、上下料實現自動化後，他們卻發現，最為擔憂的是機加工中那些看不見的東西。比如，刀具和軸承的失效。
在銑削加工過程中，刀具磨耗程度是影響模具成品質量的關鍵因素，據相關統計，由於刀具失效引起數控機床停機的時間總數佔故障停機時間的 20%-30%。
然而十幾年來，這些老師傅們並沒有一套行之有效的辦法，準確預測刀具和軸主軸狀態。
我們主要是靠聽來判斷刀具狀態，肖敏舉例說，加工中機床振動很大，發出「嗡嗡」的聲音時，可以確定刀具達到了急劇磨損狀態，需要更換刀具。也有類似冒無規則火星這樣肉眼可見的異常。有時，他們甚至會用手觸控機器，透過溫度感受異常。
但是，經驗再豐富也對付不了層出不窮的各種加工狀態。「不同加工要求，切削遇到拐角、位置不一樣，力也不一樣，對刀的磨損也不一樣，僅憑經驗和人為判斷，很難抓到每一把刀的真實狀態。」肖敏說。
「有時斷刀了，機器會繼續跑，你都不知道。」
為了儘可能避免這些情況發生，這些對加工精度要求很高的工廠大都採取更為保守的措施。比如，在刀具執行到預先設定好的時間或距離後，立刻更換，往往這些刀具壽命僅用到 80% 甚至更少。這又會帶來生產成本的升高。
這就是我們這個行業的痛點，一家東莞 3C 製造商坦言，且不說再豐富的經驗積累也趕不上機器更新換代的速度，再則，現在的年輕人都不願進到製造行業，老師傅們也有退休的那一天，將來製造產線的從業者越來越少，有經驗的老師傅就更少。
無憂機床的落地
既然透過工業大資料，能使原本不可見的裝置衰退、質量風險、資源浪費等問題變得可見，並加以避免，天澤智雲決定選擇這樣一個專案作為工業智慧在製造和機床行業的突破點，帶出一套可快速複製化的產品，幫助行業實現無憂生產環境。
晉文靜當年求學的美國智慧維護系統中心（IMS）正處在智慧製造最前沿。19 年間，中心與全球 100 多個企業合作工業智慧與工業大資料研發與應用，大量的一線工業專案實踐機會，也讓她積累甚豐，特別是機加工。
「我從讀博就一直專注在機床和刀具，要找一個切點深耕下去，因為這個領域實在是太深了。」晉文靜說。
無憂機床的模型建構從源頭開始。天澤智雲定義的「源頭」是業務痛點，而非資料。工業智慧落地，不界定清楚具體問題，資料無從蒐集。
「裝置故障診斷與壽命預測的難點不在於選什麼樣的模型」晉文靜強調道，「而在於場景化分析，對工業場景的理解，對資料的準備，找到最恰當的特徵，能夠正確反應機理效能的特徵，才是關鍵。」為此，天澤智雲還自行研發 GenProTM 建模平臺，用於規範數據和建模流程，並提供行業模板來提升資料分析和建模的效率。
GenProTM 建模平臺。
先決定採集哪些資料。答案往往不是顯而易見，需要比較深的行業 know-how。
構建一個刀具剩餘壽命預測模型，除了振動資料還要採集機床產生的資料，比如主軸負載、伺服電機電流、主軸轉速、進給率等。因為，振動感測器所採集到的振動並非僅僅來源於刀具磨損，加工狀態（或者叫「工況」）的變化也會干擾採集到的振幅，所以，預測模型還需要其他資料來更精準地辨別磨損狀態、預測刀具的剩餘使用壽命。
缺失或錯誤的資料可能會扭曲結果，掩蓋故障。
佈置感測器的最佳數量和位置也必須決定好。放得太少，預測就會不夠準確；太多又是冗餘。
資料的採集頻率也很關鍵。如果頻率太低，會漏掉在高頻振動範圍的故障資訊；頻率過高，會導致資料傳輸瓶頸，使得工廠網路不堪重負。
邊緣計算的效能要求更高。機器需要具有脊椎反射式的能力，就像人類面臨某種異常或危險，身體做出條件反射一樣。
EdgeProTM，一款支援快速實現工業資料採集和邊緣計算的工業物聯網與邊緣智慧系統。
比如，採集到的振動訊號，有些需要就地取用，以便實時識別工況。在發生撞擊事故、斷刀等突發性重大故障時，以 ms 級反向反饋給機床及控制。通常，這個反應速度相當於雲上進行同等監控反饋的百倍至千倍以上。
資料安全需要得到保障。將涉及到生產工藝、訂單資訊、裝置執行等資料，在生產現場進行計算，生成降維後的、加密的特徵資訊，再輸入到雲端支撐應用運算，從機端直接杜絕敏感資料的洩露。
建模要求跨學科知識和技術融合。晉文靜特別強調了這一過程中，機理（先驗領域知識）和資料的深度融合，這也是目前工業中最常用的方法。
比如，機床的主軸軸承監測。軸承的振動分析已經被學者研究得非常透徹，給定軸承的物理引數，有明確的理論指出，不同的失效階段在哪些頻段上會出現什麼樣的響應。
建模的時候，可以直接內嵌這個機理模型，輔助特徵選擇和健康狀態的判斷。較之泛泛地去做特徵提取選擇建模，這種做法可以獲得更高的準確性和魯棒性。
最終，團隊不僅收穫了一連串讓客戶滿意的 ROI，比如降低 60% 的意外停機，產品良品率由 99.4% 提升至 99.7%，節約 16% 綜合成本，幫助實現了真正的無憂生產，也帶出了一套可快速推開的產品。
而且，有了刀知識具庫，日積月累，透過對比不同種類刀具的孿生，使用者將清楚知道每種刀具在切割不同形狀、不同材料工件時的效能，從而在採購時能夠更經濟地管理供應商，進一步降低成本。
刀具壽命預測。
刀具效能評估。
主軸健康評估。
採訪過程中，晉文靜還分享了一家自動焊接機企業的案例。
和過去機床行業的打法一樣，這家企業依靠價格佔領市場。但問題在於過了維保期，賣家和買家都要承擔極大的停機損失與維護成本。
「焊接製造對時間、成本要求很高，如果一個月壞幾次，如何才能保住訂單？」晉文靜說，「如果是國外維保，經濟損失就更高了。」
在預測性維護系統幫助下，這家自動焊接機廠可以對裝置進行遠端監測，一旦系統預警，立刻將配件快遞給買家，不僅降低了維護成本，對方也不會因為突然停機而遭受損失。
除了服務下游製造商，對於上游機床廠商來說，這套無憂機床系統也很有意義。
系統不僅能為機床研發部門實時提供裝置核心引數，以利於其開發出數字化、整合化、模組化和智慧化產品，同時，也有利於其從裝置全生命週期的角度做這門生意，提高附加值，向服務型製造轉型。
甚至對於刀具這樣的重要部件供應商來說，他們也可以透過諸如刀具衰退曲線，建立洞察，改進刀具的效能，減少實驗成本，提高自己產品的競爭力。
講到這裡，可能會引發業內人士的一些顧慮，上游廠商能夠拿到下游廠商的資料，那麼企業之間的隱私和競爭核心機密豈不是消失殆盡？關於這個問題，同為李傑教授的學生，也是晉文靜博士的學弟史喆，曾經在一次技術沙龍當中有過清晰的解讀。
在過去幾年從「網際網路+」到「智慧+」的發展過程中，國家的思路也趨於更加清晰，當下推行工業網際網路最終目標是想把智慧化的方法用在工業裡。歐美很多企業提出「工業互聯+網」，這是更為前沿的一個方向——企業與企業之間，打破技術壁壘，合作完成一個專案，並共同佔領未來的市場。
舉個例子，2019 年 6 月在法國的巴黎航展中，歐洲、美國幾家航空發動機公司聯合起來發表宣告稱要整合核心技術一起研究下一代發動機。原本他們之間是有很強的壁壘，很難合作，導致各家投入不少研發經費，最終各家發動機都有各自的特點，在解決不同問題上有各自優勢。現在他們把技術整合，研究下一代發動機，這樣更容易壟斷市場，研發經費也可以大幅度下降。
他們為什麼現在有信心和需求這樣做？因為有一張網可以幫他們監控發動機執行的實際狀況，在出現問題時可以明確認定責任和各自的服務邊界，運營管理層面的困難被打破了。這也是從另一個側面給未來的工業發展提供了新的思路和方向——朝著資源最最佳化的方向去發展。
賦能機床，改變中國製造
「關燈工廠不是無人工廠，是無憂工廠，是把工作放到前端，到前面去做決策；同時，改變人力結構，從傳統的以人為中心，變成以資料為中心的管理，這才是關燈工廠的意義。」李傑在接受《證券日報》記者採訪時如此表示。
到 2022 年，我國數控機床行業的市場規模將突破 5000 億元，然而，國產機床行情一再告急。當年機床行業「十八羅漢」之首被裁定破產重整，只是國內老牌機床企業未能完成轉型升級而走向沒落的殘酷現實的一個縮影，也是整個中國機床行業的一個縮影。
機床，工業之母，國之重器，不可不救。當德美日等透過將 ICT 及先進製造技術融入現有製造體系，推動智慧製造應用，提振製造業競爭力時，智慧化也成為中國機床行業轉型升級的重要抓手。
在天澤智雲的征途上，屹立著 10 年 100 個無憂工業場景的目標，機床是一個非常典型的裝備製造行業，從機床內部機理入手，更深入的挖掘資料價值成為天澤智雲幫助機床行業轉身的突破口。透過實現加工過程中刀具磨損狀態、主軸健康狀態透明化，公司不僅幫助富士康從「無人工廠」轉型為「無憂工廠」，還快速度形成了一套可快速複製化的產品，從服務標杆客戶進入到複製規模化階段，進而賦能整個機床行業。
資料是中國人自己的，擁有的技術也是最先進的，順應智慧製造和工業網際網路的發展趨勢，所有契機促成了天澤智雲來到世界前沿。雖然傳統的市場在適應新技術時慣性依然很大，但對於未來，天澤智雲充滿信心和耐心：
把機床產業上下游企業服務好，借鑑其有效經驗，服務中國更廣的傳統制造業，將會為中國工業帶來巨大改變。