姜紅德

面向人工智能時代，制造業(yè)該如何轉(zhuǎn)變？9月21日，阿里云研究中心在杭州發(fā)布了《工業(yè)大腦白皮書：人機邊界重構(gòu) —— 工業(yè)智能邁向規(guī)?；囊c》的研究報告，對制造業(yè)的現(xiàn)有困境和未來出路進行了深入分析，阿里云研究中心高級戰(zhàn)略專家王岳針對白皮書中的一些觀點和智能工廠進行了進一步解讀。

傳統(tǒng)制造業(yè)的新挑戰(zhàn)

王岳認為，在技術(shù)變革的大趨勢下，傳統(tǒng)靠資源消耗型的企業(yè)肯定會越來越艱難，挑戰(zhàn)會越來越大。

首先，工業(yè)時代考驗的是生產(chǎn)一樣東西的能力，但數(shù)據(jù)時代考驗的是生產(chǎn)不一樣東西的能力?，F(xiàn)在，消費者的個性化需求與日俱增，但很多工廠在實現(xiàn)多品種、小批量、個性化、按需生產(chǎn)方面明顯已經(jīng)力不從心。

其次，傳統(tǒng)企業(yè)中很多工廠設(shè)備的維護、工藝參數(shù)調(diào)節(jié)全憑經(jīng)驗，“標準動作”缺失，工廠難以找到行之有效的方法將經(jīng)驗進行量化、復用。而由于勞動力成本攀升，導致技術(shù)工人、工程師人才頻繁進出，企業(yè)很容易陷入原地踏步、重復造輪子的窘境。

而且，隨著工業(yè)現(xiàn)代化的不斷演進，自動化和精益化的生產(chǎn)系統(tǒng)已經(jīng)發(fā)展到了一個很高的水平，但也越來越接近生產(chǎn)的天花板。單純的工業(yè)內(nèi)部解決方案已經(jīng)很難進一步提升運營效率，需要行之有效的手段讓隱形和碎片化的工業(yè)問題浮出水面。

智能工廠凸顯超能力

王岳分析認為，目前融合了工業(yè)大腦的智能工廠已經(jīng)展示了其“獨特”的超能力。憑借這些超能力，工業(yè)大腦正在成為制造業(yè)數(shù)字化轉(zhuǎn)型的最佳助手。

首先， 跨界復制的能力。實踐證明，工業(yè)大腦在圖像識別、智能排產(chǎn)、設(shè)備預測性維護、能耗優(yōu)化等方面的沉淀，具有較強的通用性，可以跨行業(yè)復用。比如用于電池片良率提升的工藝參數(shù)推薦技術(shù)，也可以應(yīng)用在多晶硅、硅片及電池組件的生產(chǎn)良率優(yōu)化。石化工業(yè)大腦項目在能耗優(yōu)化上的經(jīng)驗積累，同樣可以復制到鋼鐵、水泥、紡織等行業(yè)。

其次，逆向推演的能力。 工業(yè)大腦強大的數(shù)學能力加上足夠的計算速度，使得它有望通過模型有效識別海量參數(shù)間的關(guān)鍵路徑，從結(jié)果逆向推導原因。這種方式突破了“專家經(jīng)驗”傳統(tǒng)的思維定式，將隱性和碎片化的工業(yè)問題變得顯性化，并由此生成新的知識。

再次，微創(chuàng)手術(shù)的能力。數(shù)字世界的試錯成本遠低于物理世界。工業(yè)大腦以微創(chuàng)的方式，并不需要大量的硬件投入與生產(chǎn)線的改變，僅通過在虛擬環(huán)境中對數(shù)據(jù)的改動與優(yōu)化，即可產(chǎn)生明顯的價值與收益，且試錯成本低，路線不對可及時調(diào)頭。

最后，知識沉淀的能力。 知識、經(jīng)驗、方法、工藝與實踐可封裝在模型、SaaS軟件和工業(yè)APP中，基于工業(yè)互聯(lián)網(wǎng)平臺傳播，加速知識的流動。比如依托阿里云工業(yè)大腦AI創(chuàng)作間，可以像搭積木一樣，快速搭建行業(yè)通用的數(shù)據(jù)模型，訓練企業(yè)專屬的工業(yè)智能。工廠的工程師即便不懂寫代碼，也一樣可以進行智能應(yīng)用的開發(fā)。

王岳特別指出，“工業(yè)大腦絕不是簡單地模仿人腦，而是以自己獨特的數(shù)據(jù)化思維方式解決人類解決不了的問題。工業(yè)大腦的思考過程是從數(shù)據(jù)到知識再回歸到數(shù)據(jù)的過程?！蔽磥?，工業(yè)大腦的力量將滲透到制造業(yè)全產(chǎn)業(yè)鏈、全價值鏈、全生命周期中，持續(xù)為制造業(yè)企業(yè)帶來機會和增值空間。

案例：天合光能

天合光能一直以來希望能夠通過技術(shù)的突破和產(chǎn)品的更新來實現(xiàn)電池光電轉(zhuǎn)換率的提升以及系統(tǒng)成本的降低。為了能夠應(yīng)對這些挑戰(zhàn)，天合光能在了解、評估了多種技術(shù)架構(gòu)之后，最終采用阿里云，希望借助云計算、大數(shù)據(jù)等人工智能技術(shù)提高A類比例。項目團隊以小步推進的方式，從現(xiàn)有生產(chǎn)離線數(shù)據(jù)切入。通過收集生產(chǎn)執(zhí)行系統(tǒng) （MES）的數(shù)據(jù)、以及設(shè)備的離線日志，對現(xiàn)有數(shù)據(jù)維度進行分析。

借助大數(shù)據(jù)平臺，通過數(shù)據(jù)建模，對工藝參數(shù)進行量化分析，尋找關(guān)鍵因子，最終聚焦在包括印刷速度、印刷壓力、印刷高度、網(wǎng)間距、冷卻水溫度、流速、風速等關(guān)鍵因子上，數(shù)據(jù)范圍大幅度縮減。通過在算法平臺上搭建工藝參數(shù)優(yōu)化模型，分析不同變量間的邏輯關(guān)系，模擬推演出多個不同的參數(shù)組合，并從中識別最佳”工藝配方”。

團隊起初是以小批量進行測試，根據(jù)測試結(jié)果進行持續(xù)調(diào)優(yōu)。隨著生產(chǎn)穩(wěn)定性提升，測試規(guī)模從百片到千片直至上萬片，測試周期也從以小時/天為單位延長到以周為單位。經(jīng)過幾十次的批量測試以及持續(xù)調(diào)優(yōu)，最終得以發(fā)現(xiàn)能夠突破原有生產(chǎn)A品率水平的一組最優(yōu)參數(shù)組合。

天合光能全球IT負責人朱加川表示，項目從2017年7月啟動以來，團隊歷經(jīng)5個月的努力，主要取得了四方面的成效：生產(chǎn)A品率的實際測試值提升了7%，同時每一批測試結(jié)果都維持在相對穩(wěn)定的狀態(tài)。根據(jù)項目組測算，基于天合光能全年的產(chǎn)量，一個百分點的A品率提升可帶來至少數(shù)百萬的利潤，7%則意味著數(shù)千萬的利潤，相當可觀；目前通過阿里云的一站式數(shù)據(jù)采集接口，已連接天合光能超過200+生產(chǎn)設(shè)備，海量數(shù)據(jù)通過網(wǎng)絡(luò)實時上傳至阿里云大數(shù)據(jù)平臺進行實時計算；通過可視化大屏工具，實時展示產(chǎn)量、質(zhì)量、設(shè)備相關(guān)數(shù)據(jù)，實現(xiàn)生產(chǎn)數(shù)字化、管理透明化；通過對設(shè)備數(shù)據(jù)及工藝參數(shù)的實時監(jiān)控，結(jié)合工藝參數(shù)分析模型，實現(xiàn)設(shè)備異常及工藝參數(shù)異常的提前預警，實現(xiàn)生產(chǎn)過程的主動管理。