前言

　　做製造的人都叫“智能製造”，做IT的人都叫“工業(ye) 互聯網”，目前中國製造在推進六大工程，最熱的是智能製造，最冷的是強基工程，最藍的是創新工程，當然還包括高端裝備、綠色製造和後來加上的品牌工程。

　　我們(men) 都知道現在中國的智能製造非常熱，在全球也非常熱，主要從(cong) 兩(liang) 個(ge) 方麵思考智能製造：一是智能製造的內(nei) 涵，智能製造包括五個(ge) 方麵，網絡製造、智能技術，3D打印、機器人技術還有智能裝備。二是從(cong) 產(chan) 品的層麵考慮，現在聊的最多的機器換人隻是智能製造的一部分，也就是我們(men) 說的生產(chan) 過程的智能化。產(chan) 品要走向高端，應該是產(chan) 品的智能化。還有整個(ge) 產(chan) 品的全生命周期使用過程的智能化。

　　過去十年中國社會(hui) 財富增長最快的還是IT行業(ye) ，科技投入最大的也是IT，現在A、B、C、D、I都成為(wei) 了熱門的詞，AI、BlockChain、Cloud、Data，還有IoT，現在40%的GDP來自製造，40%中一半是流程工業(ye) 、一半是離散工業(ye) 。

　　所以，在浙大，流程工業(ye) 比較多的是控製學院，是孫院士帶領的團隊，我們(men) 主要是做離散工業(ye) 。我們(men) 都在講產(chan) 業(ye) 的升級和產(chan) 品的升級。

　　我們(men) 都知道互聯網把全球的消費者連接在一起，互聯網倒逼服務，在互聯網經濟、數字經濟下都講究用戶體(ti) 驗，這就倒逼服務升級，服務升級倒逼製造升級，所以整個(ge) 供應鏈都在講智能化的問題。

　　技術上說的IT業(ye) 的AI、大數據、雲(yun) 計算、物聯網等等，實際上要如何轉化為(wei) 企業(ye) 側(ce) ，企業(ye) 的需求就是成本、質量效率，還有新的方案、新的生態，中間的連接就是工業(ye) 互聯網，工業(ye) 互聯網也是IT業(ye) 所說的互聯網下半場，它最重要的戰場是在工業(ye) 。

　　01 / 工業(ye) 互聯網架構

　　現在總是說工業(ye) 互聯網，互聯網的數據市場從(cong) 全球看主要是三大市場，領先的是美國，歐洲是德國。亞(ya) 太是中國，目前預測都慢於(yu) 實際，之後增長速度非常快。

　　具體(ti) 來看這個(ge) 數據市場主要是在這一塊，最大的還是設備管理。產(chan) 品的售後服務占了38%，還有生產(chan) 過程中的管控，包括監控、能耗、質量管理，整個(ge) 生產(chan) 過程的優(you) 化占了28%，企業(ye) 的運營管理占了28%，運營管理是18%，資源配置13%。

　　我們(men) 說的很多產(chan) 品設計和工藝管理，事實上大部分是秘密，不在數據市場中。

　　目前需求很大，需要做的就是數據建模、數據分析，就是設備的健康管理、產(chan) 品的售後服務、生產(chan) 的管理優(you) 化、能耗與(yu) 質量管理，還有客戶關(guan) 係管理、財務、生產(chan) 過程監控與(yu) 安全管理。

　　再下來就是全流程的數據能力、金融服務，真正的仿真設計與(yu) 工藝隻有3%。所以如何打造工業(ye) 互聯網的架構，事實上需要各種方麵的人。

　　我們(men) 都知道阿裏雲(yun) 下有個(ge) 工業(ye) 雲(yun) ，工業(ye) 雲(yun) 有做IT算法和工業(ye) 的部門，但真正要在製造業(ye) 應用需要懂製造，工業(ye) 知識也是不可顛覆和替代的，需要一起打造一個(ge) 係統。

　　最近一年多，我們(men) 在討論如何做工業(ye) 數據的開發與(yu) 管理，還有工業(ye) 數據的智能應用開發以及工業(ye) 流程內(nei) 部各個(ge) 工位之間複雜的關(guan) 係，如何把它做上平台，然後用IoT和5G把它連起來，再推到各個(ge) 行業(ye) 。

　　總得來說，工業(ye) 行業(ye) 有49個(ge) ，小的行業(ye) 有400多個(ge) ，實際上每個(ge) 行業(ye) 的龍頭企業(ye) 需求、專(zhuan) 精企業(ye) 的需求和中小企業(ye) 的需求完全不一樣，這就需要做很多事。

　　從(cong) 數據管理的角度來看，它需要把整個(ge) 產(chan) 業(ye) 鏈從(cong) 供應商和物流把人、財、物全部管理起來，現在用戶的體(ti) 驗、運行也需要管理。

　　具體(ti) 到企業(ye) 內(nei) 部就是物料、工裝、人員、設備、供應、訂單、供應商的管理。

　　而平台一旦打造起來，它是大數據的多元融合，計算的應用、可視以及業(ye) 務的智能，需要整合各種數據，最主要的目的是產(chan) 品質量溯源，現在要高端產(chan) 品質量的溯源，裝配工藝建模方麵的分析和資源的排查和整個(ge) 物流係統如何做優(you) 化。

　　再往下看，真的要讓企業(ye) 各種人員和外部能夠運用起來，就要開發算法與(yu) 組件，還有麵向各種業(ye) 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。

　　現在企業(ye) 內(nei) 部有很多數據，大家都知道數據是寶貝，但沒有真正利用起來。我們(men) 調查過真正的商業(ye) 數據不到4%，所以怎麽(me) 統一、規範，讓它易用，工業(ye) 機理如何沉澱下來變成知識，不要變成人盯著數據，現在的數據用量很小。如何讓機器變成智能，讓機器智盯數據。所以，做流程、做看板可能是一個(ge) 途徑。

　　02 / 工業(ye) 典型案例

　　我舉(ju) 幾個(ge) 案例：

　　案例1：質量管理。

　　大家都知道浙江春風動力股份有限公司的摩托車生產(chan) ，摩托車是傳(chuan) 統的製造，春風是後起之秀，每年銷售額50億(yi) 左右。

　　這家企業(ye) 非常有競爭(zheng) 力，這是一個(ge) 國賓車隊的摩托，這個(ge) 車輛和傳(chuan) 統車輛相比有100多項評比，它要求高、質量好，而且政府采購價(jia) 格不高，企業(ye) 還不想虧(kui) 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(wei) 現在到加工車間看加工非常傳(chuan) 統，有30台各種型號、不同年份、不同國家的機床，一般一個(ge) 機床都有一個(ge) 操作工，所以車間裏3-5個(ge) 維修工，30個(ge) 操作工，就是做數據的指揮中心、做看板。

　　不到一年下來，30個(ge) 機加工車間，現在操作工隻有4-5個(ge) 人左右，大幅度減人，這就有了效益。

　　他們(men) 嚐到了甜頭，競爭(zheng) 力很大，小批量也可以成本優(you) 化，所以它做摩托車、沙灘車，並且開始出口。他們(men) 做了二期，現在還要做。摩托車行業(ye) 主要的還是發動機，發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(ti) 就定位到成本低，不要大幅度改造裝配線，能夠快速響應，用數字化的手段改造。

　　最後找一個(ge) 答案做工位，就像擰螺絲(si) 釘，擰過或者擰不到位都有問題，後期改造成本大而且影響品牌。

　　現在如何把裝配軌跡跟蹤和軌跡標注變成數據，通過數據及時報警、預警，馬上改正，可以實時的做。現在就是一個(ge) 一個(ge) 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。

　　空調有兩(liang) 個(ge) 核心，一個(ge) 是電機，一個(ge) 是製冷，看看雙良。傳(chuan) 統的做法是做個(ge) 閾值，如何超過閾值，它就報警，真的超過閾值的時候已經出現了故障，現在是如何根據曆史的數據建模型，可不可以提前預警，也就是要把數據打通、硬件打通，把傳(chuan) 輸打通，把數據放到雲(yun) 端建模。

　　它可以把曆史的數據放進去，收集專(zhuan) 家數據，數據足夠大的時候可以讓機器學習(xi) ，根據曆史數據預測，看分布，實現提前的報警。

　　這邊就是一個(ge) 案例。去年八月份專(zhuan) 家判斷27日有問題，數據報警預計是27日11點，大概相差3個(ge) 小時，但發生故障是2天以後，就是29日發生故障。

　　所以，它有一天多的時間提前維修，很容易排除故障。設備故障率降低了30%，這就是根據機器提前預測故障，提前預警。

　　案例3：盾構機掘進輔助駕駛。

　　我們(men) 07年做了第一台樣機，等了1年用起來，最近11年我們(men) 已經占領了很大的市場。

　　我們(men) 的技術已經和國外並跑，但還沒有形成引領，現在中國盾構掘進機占了全球用量的55%-60%，出口到21個(ge) 國家，現在很多隧道施工都有問題，現在從(cong) 2米到16米的隧道，真正施工下隻有12個(ge) 人，有6個(ge) 做管片拚裝，還有1個(ge) 司機，司機是關(guan) 鍵崗，現在發展太快，司機培訓不夠。

　　地麵支持經常是半夜出現問題，該出的都出事了。如何智能做事，我們(men) 和兩(liang) 家央企中國龍頭企業(ye) 和世界龍頭企業(ye) 做這個(ge) 事。

　　舉(ju) 個(ge) 例子就是設備的分類，掘進延時的分類，現在岩土力學可以分，現在是根據圖像對岩土進行分類。

　　分類以後關(guan) 鍵是控製岩土分類的大小，下來石塊的大小，太大了會(hui) 把傳(chuan) 輸係統的皮帶損壞，太小了的話，主要的能量都用於(yu) 碎石了。

　　現在煤礦業(ye) 也有這個(ge) 問題，下麵采礦，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。

　　現在可以通過圖像、數據和工具進行篩選下來。這個(ge) 案例就是以數據圖像判斷石塊下來的尺寸，可以提高掘進機的效率和設備的壽命。

　　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，不管是航空發動機還是汽車都是這樣的問題，現有的各種缺陷是靠質檢員巡檢，質檢員永遠存在漏檢的問題，所以能不能把這些製造的缺陷、產(chan) 品的缺陷建立數據庫，建立數據庫以後，對葉片層有哪些劃傷(shang) ，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(men) 不影響整條生產(chan) 線，搭建一個(ge) 檢控站，通過機械手對產(chan) 品進行全方位的檢測，把各種劃傷(shang) 、瑕疵通過凸現、模型做訓練，精準率可以做到85%，召回率提高，平均度也會(hui) 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，現在可以做到90%。

　　案例5：生產(chan) 監控分析。

　　還有一個(ge) 案例就是在蕭山做兆豐(feng) 機電。兆豐(feng) 也是全省智能製造示範點，最早機器換人加了很多機械手，逐漸降低人工，現在數據大量起來，數據如何整合，他們(men) 提出了緊迫的需求就是建工廠的大腦，要把現在的生產(chan) 數據、設計的數據、用戶數據全部打通，運作起來。

　　這個(ge) 行業(ye) 最主要是生產(chan) 節拍的問題，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。隻有把東(dong) 西打開才知道哪些方麵可以提高。

　　因為(wei) 這個(ge) 行業(ye) 的生產(chan) 節拍做到20秒就很好了，再降低1秒都非常困難，現在用數據來做。

　　原來是18秒，現在可以做到15秒，交貨期縮短7天，質量上升，能耗降低，所以很明顯勞動生產(chan) 率現在是行業(ye) 最高，人均從(cong) 85萬(wan) 到280萬(wan) ，“身體(ti) ”好了就開始搶其他的地盤，原來主要是汽車，現在到其他市場，也開始做航空軸承。所以智能製造的改變，這家企業(ye) 嚐到了甜頭。

　　03 / 商飛大飛機製造工程大腦

　　說到製造不得不說航空，柯老師帶了4個(ge) 教授、不到20個(ge) 博士生、不到30個(ge) 工程師，過去八年交了13億(yi) 以上的數字化裝配生產(chan) 線，覆蓋了航空全行業(ye) 。現在商飛下有個(ge) 製造商叫上飛，在浦東(dong) ，C919還在做試航，但量產(chan) 以後，數據的問題很大。

　　所以它提出要求，航空業(ye) 的數據很多，也在不停的做數據優(you) 化，但很難全局優(you) 化，都是局部。

　　現在有機加車間和部裝車間，現在新加的是複合材料車間，就是一群人在查缺陷。前麵說的虎符、算盤能不能打通考慮，也就是做虛擬工廠。現在速度要快，5G進去，所以現在去上飛參觀全部是華為(wei) 的5G。

　　舉(ju) 一個(ge) 例子說明挑戰有多大，飛機的裝配有6000個(ge) 節點，它叫OA，每個(ge) 節點設計30道工序，每個(ge) 工序一出問題引起連鎖反應，所以要搞清楚這之間的關(guan) 係，原來做計劃就是工藝員，有幾十上百個(ge) 工藝員，做很多計劃。

　　但執行的準確率很低，做到極限是60%，現在數據打通以後，才不到3個(ge) 月，開始共享來做，提高很明顯。就是把這些關(guan) 係找出來，把資源的約束、人力、算法打通聯係在一起，可以隨時調用數據，可以看到任何場景。計劃的執行率提高了20%，相信隨著AR件的量產(chan) 以及C919上來，執行率和準確率還可以大幅度提高。

　　也就是說，和前麵做發動機葉片一樣，前期要定義(yi) 好，前期的工作比較慢，一旦做起來上線就可以做很多事。

　　現在5G的使用都很興(xing) 奮，都說5G下載電影1秒鍾就可以完成，5G有這個(ge) 功能，但大家應該關(guan) 注它更大的功能是工業(ye) 的場景，就是複合材料，複合材料有缺陷、有孔隙，怎麽(me) 辦？就是掃描。

　　掃描過去，拍張照片，500萬(wan) 的像素，一秒鍾十幾幀，圖像數據需要700-800M，華為(wei) 主要是下載，現在大量的車間需要上傳(chuan) 數據，而且上傳(chuan) 量非常大，根本上傳(chuan) 不了，帶來的問題就是如何上傳(chuan) 數據。

　　而且他們(men) 號稱5G要做到每秒鍾1個(ge) G，現在我們(men) 在做數據的處理、關(guan) 鍵數據的上傳(chuan) ，還有一個(ge) 就是華為(wei) 在做，所以也派人在做。因為(wei) 孔隙、位置、麵積還是挺複雜的，而且要做成機器的智能，讓機器盯著缺陷，有很多好處。

　　現在賀董事長說商飛能不能做，如果商飛的數據要上來更困難了，現在都說飛機的整體(ti) 化設計，現在飛機的設計和應用、維修、培訓數據都非常大，目前飛機的方案正在做，還沒有實施，不知道商飛之後智能製造打通會(hui) 帶來哪些變化。

　　這個(ge) 方案的意義(yi) 就是排程優(you) 化，提升裝配效率，最終實現智能製造提升。

　　04 / 基於(yu) 工業(ye) 互聯網2.0時代

　　現在POC、以太網不爭(zheng) 論了，主要是5G用好，以前是局部優(you) 化，現在是實現全局優(you) 化。發現問題，發現規律，發現問題以後數據沉澱為(wei) 知識，知識成為(wei) 智能，讓機器盯著數據的變化。

　　現在協同製造是產(chan) 業(ye) 鏈，從(cong) 用戶到供應鏈的管理，個(ge) 性化的設計需要數據的互聯互通，跨界融合。場內(nei) 、區域網，以後還有行業(ye) 網，國內(nei) 外、境內(nei) 外都需要打通。

　　所以，從(cong) 工廠的角度協同製造、采購、物流、產(chan) 學研人才、內(nei) 部企業(ye) 端到公共雲(yun) ，現在企業(ye) 也在討論公有雲(yun) 、私有雲(yun) ，還是幹脆不用雲(yun) ，用邊緣計算，這需要企業(ye) 真正實施頂層設計。

　　商業(ye) 數據、工業(ye) 數據需要打通，需要一個(ge) 平台，把生產(chan) 的計劃，訂單的信息、市場的變化都變成數據、變成算法，融合在一起，包括企業(ye) 內(nei) 外生產(chan) 以及能源的調度，都要貫穿工業(ye) 的全部過程。

　　我們(men) 認為(wei) 企業(ye) 實施智能製造、工業(ye) 互聯網應該有四個(ge) 階段。現在工信部在推“百萬(wan) 企業(ye) 上雲(yun) ”，浙江推“十萬(wan) 企業(ye) 上雲(yun) ”，這隻是第一個(ge) 階段，第二階段做中間件和中台戰略，第三階段是實現數據治理，最後實現全局智能，也就是工廠大腦、協同製造、智能製造，設備的製造靠機器的智能。

　　現階段在工業(ye) 化發達國家，需要人才，需要產(chan) 業(ye) 布局、人才培養(yang) 和組織模式，傳(chuan) 統的工業(ye) 部門有話語權和決(jue) 定權，數據不輕易給人，給了以後也要做得好，所以真的要做企業(ye) 的頂層設計，需要真正的整體(ti) 戰略。

　　我們(men) 認為(wei) ，頂層設計很重要，剛才和張院士還在說有了頂層設計就是快速迭代，現在中國人口紅利，工程師紅利還沒有出現，在外部華為(wei) 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，就是在數字經濟下，倒逼製造再升級會(hui) 有問題。原來企業(ye) 是大魚吃小魚，以後就是快魚吃慢魚。

　　總體(ti) 來看數據不應該取代人，也不是機器取代人，應該是機器智能解放人的智慧，不要人盯著數據，所以數據應該從(cong) 製造業(ye) 中來，也應該回到製造業(ye) 中去。