工业互联网落地最大难点，不在技术而在生产哲学

细雨挡不住观众想要看“硬”科技的热情。7月10日，为期三天的2018中国（成都）电子信息博览会拉开帷幕，半导体、大数据、军民融合、新型显示、电子元器件、测试测量、智能制造、物联网和智慧城市八大主题展区汇聚参展企业约700家，展区总规模达22,000平方米，堪称中国西部最大规模的电子信息盛会，一展看透电子信息全产业链。

博览会有多场高质量同期论坛。今天上午的第三届中国大数据应用大会主论坛，吸引了下一代互联网互联设备国家工程实验室主任张宏科、富士康工业互联网股份有限公司董事长陈永正、天睿公司大中华区解决方案总监姜欣、中科曙光大数据总工程师郭庆、百度首席架构师兼区块链实验室主任谭待、京东基础架构副总裁刘海锋等业界大咖精彩分享。

下午由数之联承办的“工业互联网与工业大数据”分论坛，围绕时下热门的智能制造话题，以大数据为切口，探讨工业大数据如何提高生产效率，降低生产成本，进一步加快传统制造业的转型升级。住友电工、富士康、博世汽车、思科、联想等10余家全球制造业行业代表齐聚现场，分享各自在推进制造智能化过程中的实战经验。

这场盛会恰逢四川提出加快传统产业转型升级,积极布局发展战略性新兴产业,重点培育电子信息、装备制造、食品饮料、先进材料、能源化工等五大万亿级支柱产业，并加快数字经济发展。

推进智能制造已经成为全省企业、科研院所、金融机构的普遍共识和重要实践，那么工业互联网、大数据、人工智能等能为此做出什么贡献呢？虎哥将其中与工业互联网和大数据有关的精彩内容汇总如下。

人工智能与大数据正广泛介入工业生产

数之联深耕政府大数据、工业大数据以及军工大数据三大行业。以数之联科技服务的一家客户为例，在加工某国际知名品牌手机壳的过程中，加工刀具因为受力负载变化，而导致断刀、崩边的情况时有发生，缺乏有效的刀具磨损监控、预测方法，每把刀平均损失20%的寿命。

通过深入了解，数之联帮助其建立了刀具生命周期管理系统，对CNC机台加工过程中产生的各种信号和数据进行实时监控，将数据与刀具磨损度的关系进行建模。通过精准的断刀、崩边判定，减少因为刀具损坏而导致加工产品报废产生的巨大经济损失（断刀报警准确率达95%以上），通过对刀具寿命的预测，最大化增加刀具使用寿命（节省刀具成本20%以上）。由此减少了被迫停机次数，节约大量时间成本等。

住友电工研发项目总监戴桂明在谈到日本制造业大数据现状与展望时，提到了住友电工的一项实践。

线束如同血管和神经对于人体的作用，对车辆起着至关重要的作用，尤其是以电力为主要能源的EV车。通过大数据与人工智能技术，对线束的数据分析既能用在线束装配测试中，也能用于无人驾驶、冲击测试等情况，真正将AI融入到EV车中。

比如，每台汽车里至少有3000个传感器，全部用线束连接，由于严格的安全要求，次品率要求为0.01%以下，以前就是靠人工来摸和看。现在住友电工通过基于海量图像识别的成品缺陷检测，自动检查连接端子，可以降低检查费用和时间。

这里就涉及到图像识别系深度学习灵活利用，一般需要让AI学习大量的良品和次品的对比图像，实现高度的物体识别。而线束图像很难收集次品图像，无法进行次品特征学习。因此，他们换了一个思路。

一般而言，在AI中录入未知数据后，AI的判定结果有很大程度偏离正确答案的特征，但他们以良品图像为基础，让AI通过深度学习对良品特征进行学习，再给完成学习后的AI识别检查图像，抽取出有违和感的，最后根据违和感的大小判定良品和次品。

智能制造落地需要掌握方法论

成都数之联科技集团CTO方育柯博士系统分享了“智能制造落地方法思考及案例解析”。

他认为，以前的困境是信息化1.0、2.0、3.0的不断变化带来的，比如今年上一个系统，明年上一个系统，使得系统与系统之间有许多间隔，要打通数据，做数据整合，做数据隔离，做数据分析，走了非常多的弯路。现在做工业大数据落地，就要提前规定战略目标，看市场痛点、创新点是什么样，然后再去看当前数据的完备性、复杂度、带来的效应、投资回报。有了整体规划以后才可以去做落地。

他表示：制造业整个价值链、制造业产品的整个生命周期，都涉及到非常多的数据。制造业的智能化关键在于这些数据的自由流动和对其有效挖掘的使用。智能制造的发展不能仅靠几台联网的智能装备和几套自动化控制软件, 要通过对大数据有效采集和深度挖掘使用来不断优化制造组织流程和服务模式，创造更多价值，促进制造商业模式的创新。

在对于工业大数据落地整体思路上，方育柯表示，结合产业场景、从应用实际环境出发来制定大数据策略，是获得更优投入产出比的真正意义上的智能化制造解决方案。

以智能制造中的最核心的“生产优化”方向为例，在某些应用场景中，首先需要对生产参数进行全面管理，以历史数据多次迭代训练出一些“最优解”模型，从而获得人力与设备成本的双赢；而在另外一些应用场景中，企业更聚焦生产设备的健康状况管理，那么为生产设备建立全流程的数据采集及特征提取模型，进而构建起相应的故障预测模型，可能实现降低故障发生率、实现预测性维护、降低维修保养费用并提升企业生产效率等收益。

总的来说，企业从自身特定的生产场景出发，结合其战略发展目标及现状，设计出贴合实际的工业大数据发展规划目标以及实施路径，是未来工业大数据真正成为企业向智能制造转型的“最优解”。

工业大数据需要融合精确时空信息

北京邮电大学邓中亮教授讲到，工业大数据的数据源多，单部件数据来源多达100种；数据量大，典型工业应用数据超过每天1ZB，是淘宝交易数据的100倍；数据层杂，数据关系和关联性异常复杂，数据关联特征集种类超过100万。

值得注意的是，90%以上工业大数据以时空基准作为数据管理主键，目前空间数据精度不足，数据挖掘不确定性大。需要融合精确时空信息，有效解决工业大数据中的隐匿性。

智慧制造中的位置服务有许多需求，比如高档数控机床和机器人根据作业需求，精确识别物料和装配点位置，并自动导航；病患、医护、物资的实时智能监控+通信，已经成为智慧医疗的重要基础技术；高可靠的物件位置跟踪是现代物流运输的重要保障；

邓中亮认为，工业大数据与未来有几个趋势，一是工业大数据时空信息感知、传输、控制一体化；二是工业大数据的空间信息感知无缝化；三是以时空数据化、信息化推动生产智能化；四是空间位置服务引导有弹性大规模定制生产。

工业互联网需要各个工业平台连接成生态

在富士康工业互联网智能技术总监张伟立的演讲中，我们感受到富士康对工业互联网的运用非常广泛。以8K高解析影像技术应用为例，比如资安管控方面，可以将产线运用视频进行安全管理；人脸辨识方面，可以用于产线人员调度与安排；产品管控方面，可以用于产线AO贴片不良管控。这些影像传到数据云中，可以预警在岗人员脱岗，智慧消防，及时发现产品异常不良，提前感知机器故障异常等等。

为这些需求，匹配使用了富士康HPC，在深度学习模型训练上，33秒内可以完成40万张图像处理。这样的高速度运算中心，可以加速工业和产业的革新推动。预计未来随着5G的普及，8K影像技术将会在各行各业开始运用。

更值得重视的是，富士康工业互联网股份有限公司董事长陈永正在主论坛上表示，工业互联网是中国实现制造强国的途径。

怎么把中国大量企业转型，这不是一家能够做的，而是一个生态才能做的。“我认为做工业互联网必须要是生态型的，富士康并不是做独家，而是希望跟各个工业平台能够连接，形成一个生态系统。富士康愿意把四十年积累的经验和数据，跟自动化的经验拿出来分享，帮中国的企业升级转型。”陈永正称。

建立新的工业哲学成为新命题

从近年来的发展来看，工业大数据正在使工业企业决策制定的方式和流程发生根本性的转变。这导致了想要寻求革新的企业必须调整传统的经营思维模式和组织架构。

思科系统研发公司大数据事业部总监刘贺锋认为，做工业互联网，大家现在所需的这些技术都已经在那里了，反而现在最大的困难和障碍是在制造方式，制造哲学的突破。很简单的例子，去一些工厂里面看IT部门和生产部门是水火不相容，都有自己的发言权，很难让别人主导事情。所以要有前瞻性的解决生产哲学或者生产过程的问题。比如富士康成立了工业互联网公司，美国也有一些独角兽公司在这方面做尝试，这个是最难也是最重要的部分。

电子科大知名教授周涛在主持完一场圆桌论坛后也感叹，虽然大家都在谈工业大数据，谈大数据人工智能的应用，但感觉边界特别明显、提升特别多的案例却不多。工业4.0、工业智能化的发展还处在极早期，问题不是技术不足够，也不是采集数据分析数据遇到很多困难，因为你只要是真的想用，知道怎么用，价值明确了，大家配合了这个数据能采集。问题真正在于，工业企业和大数据企业存在对话机制的缺失，存在应用技术理念的缺失，存在工业哲学上的错误，存在工业企业各个部门利益之间的问题。

周涛称，云计算最终让亚马逊在今年超过微软的市值，而大数据这个概念从大家知道到现在也就7、8年的时间。“很有可能，我们如今正在经历大数据、人工智能和制造业的深度融合。”

天虎科技  罗曙驰 尚志 程学怡