数据应该从制造业中来 也应该回到制造业中去

数据应该从制造业中来 也应该回到制造业中去

文：中国工程院院士杨华勇

所以，在浙大，流程工业比较多的是控制学院，是孙院士带领的团队，我们主要是做离散工业。我们都在讲产业的升级和产品的升级。

我们都知道互联网把全球的消费者连接在一起，互联网倒逼服务，在互联网经济、数字经济下都讲究用户体验，这就倒逼服务升级，服务升级倒逼制造升级，所以整个供应链都在讲智能化的问题。

工业互联网架构

现在总是说工业互联网，互联网的数据市场从全球看主要是三大市场，领先的是美国，欧洲是德国。亚太是中国，目前预测都慢于实际，之后增长速度非常快。

具体来看这个数据市场主要是在这一块，最大的还是设备管理。产品的售后服务占了38%，还有生产过程中的管控，包括监控、能耗、质量管理，整个生产过程的优化占了28%，企业的运营管理占了28%，运营管理是18%，资源配置13%。

我们说的很多产品设计和工艺管理，事实上大部分是秘密，不在数据市场中。

目前需求很大，需要做的就是数据建模、数据分析，就是设备的健康管理、产品的售后服务、生产的管理优化、能耗与质量管理，还有客户关系管理、财务、生产过程监控与安全管理。

总得来说，工业行业有49个，小的行业有400多个，实际上每个行业的龙头企业需求、专精企业的需求和中小企业的需求完全不一样，这就需要做很多事。

从数据管理的角度来看，它需要把整个产业链从供应商和物流把人、财、物全部管理起来，现在用户的体验、运行也需要管理。

具体到企业内部就是物料、工装、人员、设备、供应、订单、供应商的管理。

而平台一旦打造起来，它是大数据的多元融合，计算的应用、可视以及业务的智能，需要整合各种数据，最主要的目的是产品质量溯源，现在要高端产品质量的溯源，装配工艺建模方面的分析和资源的排查和整个物流系统如何做优化。

再往下看，真的要让企业各种人员和外部能够运用起来，就要开发算法与组件，还有面向各种业务人员，也就是windows化和图形化比较方便，一线的操作人员都要应用起来。

现在企业内部有很多数据，大家都知道数据是宝贝，但没有真正利用起来。我们调查过真正的商业数据不到4%，所以怎么统一、规范，让它易用，工业机理如何沉淀下来变成知识，不要变成人盯着数据，现在的数据用量很小。如何让机器变成智能，让机器智盯数据。所以，做流程、做看板可能是一个途径。

工业典型案例

我举几个案例：

案例1：质量管理。

大家都知道浙江春风动力股份有限公司的摩托车生产，摩托车是传统的制造，春风是后起之秀，每年销售额50亿左右。

这家企业非常有竞争力，这是一个国宾车队的摩托，这个车辆和传统车辆相比有100多项评比，它要求高、质量好，而且政府采购价格不高，企业还不想亏损。工信部审核，春风动力做自动化，同时降低一线员工的操作工人。

不到一年下来，30个机加工车间，现在操作工只有4-5个人左右，大幅度减人，这就有了效益。

他们尝到了甜头，竞争力很大，小批量也可以成本优化，所以它做摩托车、沙滩车，并且开始出口。他们做了二期，现在还要做。摩托车行业主要的还是发动机，发动机最头疼的还是装配线。

如果用比较简单的方法改造装配线，具体就定位到成本低，不要大幅度改造装配线，能够快速响应，用数字化的手段改造。

最后找一个答案做工位，就像拧螺丝钉，拧过或者拧不到位都有问题，后期改造成本大而且影响品牌。

现在如何把装配轨迹跟踪和轨迹标注变成数据，通过数据及时报警、预警，马上改正，可以实时的做。现在就是一个一个工位做下去，做二期，再把算法更新。

案例2：溴冷机智能远程运维。

这边就是一个案例。去年八月份专家判断27日有问题，数据报警预计是27日11点，大概相差3个小时，但发生故障是2天以后，就是29日发生故障。

所以，它有一天多的时间提前维修，很容易排除故障。设备故障率降低了30%，这就是根据机器提前预测故障，提前预警。

案例3：盾构机掘进辅助驾驶。

我们07年做了第一台样机，等了1年用起来，最近11年我们已经占领了很大的市场。

我们的技术已经和国外并跑，但还没有形成引领，现在中国盾构掘进机占了全球用量的55%-60%，出口到21个国家，现在很多隧道施工都有问题，现在从2米到16米的隧道，真正施工下只有12个人，有6个做管片拼装，还有1个司机，司机是关键岗，现在发展太快，司机培训不够。

地面支持经常是半夜出现问题，该出的都出事了。如何智能做事，我们和两家央企中国龙头企业和世界龙头企业做这个事。

举个例子就是设备的分类，掘进延时的分类，现在岩土力学可以分，现在是根据图像对岩土进行分类。

分类以后关键是控制岩土分类的大小，下来石块的大小，太大了会把传输系统的皮带损坏，太小了的话，主要的能量都用于碎石了。

现在煤矿业也有这个问题，下面采矿，皮带机出来也是石头大小，目前是靠工人拿根棍子，大了把它捅下来，是不舒服的工作岗位。

现在可以通过图像、数据和工具进行筛选下来。这个案例就是以数据图像判断石块下来的尺寸，可以提高掘进机的效率和设备的寿命。

案例4：智能汽车涡轮增压器叶轮瑕疵识别。

叶轮是很大的问题，不管是航空发动机还是汽车都是这样的问题，现有的各种缺陷是靠质检员巡检，质检员永远存在漏检的问题，所以能不能把这些制造的缺陷、产品的缺陷建立数据库，建立数据库以后，对叶片层有哪些划伤，把计算和算法收集起来，进行提炼，知道哪些要召回、哪些要做改进。

大幅度降低了对人工的依赖，而且降低了成本。准确性可以逐渐迭代上升，现在可以做到90%。

案例5：生产监控分析。

还有一个案例就是在萧山做兆丰机电。兆丰也是全省智能制造示范点，最早机器换人加了很多机械手，逐渐降低人工，现在数据大量起来，数据如何整合，他们提出了紧迫的需求就是建工厂的大脑，要把现在的生产数据、设计的数据、用户数据全部打通，运作起来。

这个行业最主要是生产节拍的问题，轴承材料中磨削占了很大的时间，以前都是靠人员来做，实际上它有很多可以改善的地方。只有把东西打开才知道哪些方面可以提高。

因为这个行业的生产节拍做到20秒就很好了，再降低1秒都非常困难，现在用数据来做。

原来是18秒，现在可以做到15秒，交货期缩短7天，质量上升，能耗降低，所以很明显劳动生产率现在是行业最高，人均从85万到280万，“身体”好了就开始抢其他的地盘，原来主要是汽车，现在到其他市场，也开始做航空轴承。所以智能制造的改变，这家企业尝到了甜头。

商飞大飞机制造工厂大脑

所以它提出要求，航空业的数据很多，也在不停的做数据优化，但很难全局优化，都是局部。

现在有机加车间和部装车间，现在新加的是复合材料车间，就是一群人在查缺陷。前面说的虎符、算盘能不能打通考虑，也就是做虚拟工厂。现在速度要快，5G进去，所以现在去上飞参观全部是华为的5G。

举一个例子说明挑战有多大，飞机的装配有6000个节点，它叫OA，每个节点设计30道工序，每个工序一出问题引起连锁反应，所以要搞清楚这之间的关系，原来做计划就是工艺员，有几十上百个工艺员，做很多计划。

但执行的准确率很低，做到极限是60%，现在数据打通以后，才不到3个月，开始共享来做，提高很明显。就是把这些关系找出来，把资源的约束、人力、算法打通联系在一起，可以随时调用数据，可以看到任何场景。计划的执行率提高了20%，相信随着AR件的量产以及C919上来，执行率和准确率还可以大幅度提高。

也就是说，和前面做发动机叶片一样，前期要定义好，前期的工作比较慢，一旦做起来上线就可以做很多事。

扫描过去，拍张照片，500万的像素，一秒钟十几帧，图像数据需要700-800M，华为主要是下载，现在大量的车间需要上传数据，而且上传量非常大，根本上传不了，带来的问题就是如何上传数据。

而且他们号称5G要做到每秒钟1个G，现在我们在做数据的处理、关键数据的上传，还有一个就是华为在做，所以也派人在做。因为孔隙、位置、面积还是挺复杂的，而且要做成机器的智能，让机器盯着缺陷，有很多好处。

现在贺董事长说商飞能不能做，如果商飞的数据要上来更困难了，现在都说飞机的整体化设计，现在飞机的设计和应用、维修、培训数据都非常大，目前飞机的方案正在做，还没有实施，不知道商飞之后智能制造打通会带来哪些变化。

这个方案的意义就是排程优化，提升装配效率，最终实现智能制造提升。

基于工业互联网2.0时代

现在协同制造是产业链，从用户到供应链的管理，个性化的设计需要数据的互联互通，跨界融合。场内、区域网，以后还有行业网，国内外、境内外都需要打通。

所以，从工厂的角度协同制造、采购、物流、产学研人才、内部企业端到公共云，现在企业也在讨论公有云、私有云，还是干脆不用云，用边缘计算，这需要企业真正实施顶层设计。

商业数据、工业数据需要打通，需要一个平台，把生产的计划，订单的信息、市场的变化都变成数据、变成算法，融合在一起，包括企业内外生产以及能源的调度，都要贯穿工业的全部过程。

我们认为企业实施智能制造、工业互联网应该有四个阶段。现在工信部在推“百万企业上云”，浙江推“十万企业上云”，这只是第一个阶段，第二阶段做中间件和中台战略，第三阶段是实现数据治理，最后实现全局智能，也就是工厂大脑、协同制造、智能制造，设备的制造靠机器的智能。

现阶段在工业化发达国家，需要人才，需要产业布局、人才培养和组织模式，传统的工业部门有话语权和决定权，数据不轻易给人，给了以后也要做得好，所以真的要做企业的顶层设计，需要真正的整体战略。

我们认为，顶层设计很重要，刚才和张院士还在说有了顶层设计就是快速迭代，现在中国人口红利，工程师红利还没有出现，在外部华为等IT算法的人，大家如何配合起来做人脑和机器混合脑的问题，就是在数字经济下，倒逼制造再升级会有问题。原来企业是大鱼吃小鱼，以后就是快鱼吃慢鱼。

总体来看数据不应该取代人，也不是机器取代人，应该是机器智能解放人的智慧，不要人盯着数据，所以数据应该从制造业中来，也应该回到制造业中去。

原文标题：工程院院士杨华勇：数据应从制造业中来，也应该回到制造业中去

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。