一、工业互联网发展现状
制造业者被称为“智能制造”，IT业者被称为“工业互联网”。目前，中国制造业正在推进六大工程，其中最热门的是智能制造，最冷的是强基工程，最蓝的是创新工程，当然也包括高端设备、绿色制造和品牌工程。
大家都知道，中国的智能制造业现在很热，在全世界也很热。我们主要从两个方面来思考智能制造：一是智能制造的内涵，包括网络制造、智能技术、3D打印、机器人和智能装备五个方面。第二，从产品的角度来看，人们谈论最多的机器更换只是智能制造的一部分，即智能化生产过程。如果产品要走高端，就要智能化，还有产品整个生命周期的智能化。
十年来中国社会财富增长最快的是IT产业，科技投入最大的是IT。现在A，B，C，D，I成了热门词汇。人工智能（AI）、区块链（Blockchain）、云（Cloud）、数据（Date）和物联网（IOT），GDP的40%来自制造。40%的中有一半来自流程工业，一半来自离散工业。因此，在浙江大学，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。
我们都知道互联网连接着世界各地的消费者，互联网倒逼服务。在互联网经济和数字经济中，都强调用户体验，这就倒逼服务升级，服务业的升级也推动了制造业的升级。因此，整个供应链都在讨论智能化问题。
从技术上讲，IT行业的人工智能、大数据、云计算、物联网等都需要向企业方面转型。企业的需求是成本、质量和效率，以及新的解决方案和新的生态，中间的连接是工业互联网，也是IT行业的互联网的后半部分，它最重要的战场是工业。
二、工业互联网体系结构
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，欧洲的是德国，亚太就是中国，目前预测的速度比实际的要慢，增长速度也很快。
具体来说，这个数据市场主要在这个领域，最大的是设备管理。产品的售后服务占了38%，还有生产过程的管理和控制，包括监控、能耗和质量管理。生产全过程中优化占28%，企业运行管理占28%，运行管理占18%，资源配置占13%。事实上，我们提到的大多数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；再下来就是全流程的数据能力、金融服务，真正的仿真设计与工艺只有3%。
所以如何构建工业互联网体系结构，其实需要各种各样的人。我们都知道，阿里云下有一个工业云，工业云有做IT算法和工业的部门。但要真正应用于制造业，你需要了解制造业，工业知识是不能被颠覆和取代的，需要一起建立一个系统。
一年来，我们一直在讨论如何开发和管理工业数据，如何开发工业数据的智能应用，以及如何在工业过程中开发各个站点之间的复杂关系，如何使其成为一个平台，然后将其与物联网和5g相连接，然后将其推向各个行业。总的来说，工业行业有49个，小的行业有多个，事实上，各行业龙头企业和专业企业的需求与中小企业完全不同，需要做大量的工作。
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。
三、典型行业案例
案例1：质量管理。众所周知，浙江春风电力有限公司生产摩托车。摩托车是传统的制造，春风是一颗冉冉升起的新星，年销售额约50亿。这家企业很有竞争力，这是一国宾队的摩托车。与传统车辆相比，该车有多个评比：质量要求高，政府采购价格不高，企业不想亏钱。经工业和信息化部审核，春风电力实现自动化，减少一线职工。
因为现在到加工车间看加工非常传统，有30台不同型号、不同年代、不同国家的机床。一般来说，一台机床只有一个操作员。所以车间有3-5名维修工人和30名操作人员。它们就是做数据的指挥中心、做看板。在不到一年的时间里，30个加工车间只有4-5名左右的操作人员，操作人员大大减少，带来了效益。
他们尝到了甜头，竞争力很大，小批量也能优化成本，于是便制造摩托车、沙滩车，并开始出口。他们做了第二阶段，现在他们必须这样做。摩托车行业最主要的是发动机，而装配线是发动机最头疼的问题。如果采用相对简单的方法对装配线进行改造，具体定位成本低，不会对装配线进行实质性改造，能够快速响应，并采用数字化手段进行改造。
最后找一个答案做工位，像螺丝钉，拧过或拧不到位都有问题，后期改造成本大和影响品牌。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。
案例二：溴冷机智能远程操作与维护。空调有两个核心，一个是电机，另一个是制冷，看看双良。传统的方法是设定一个阈值，如果超过阈值，就会发出警报。当它超过阈值时，就出现了故障。现在是如何根据历史的数据建模型，可不可以提前预警，也就是要把数据打通、硬件打通，把传输打通，把数据放到云端建模。它可以把历史的数据放进去，收集专家数据，数据足够大的时候可以让机器学习，根据历史数据预测，看分布，实现提前的报警。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。我们在年制造了第一个原型，并等了一年才使用。在过去的11年里，我们占领了一个很大的市场。我们的技术与国外的技术齐头并进，但还没有形成领先地位。目前我国盾构掘进机占世界总消费量的55%-60%，出口21个国家，目前隧道施工中存在许多问题，从2米到16米的隧道真正施工的目前只有12人，管片拼装6人，关键岗位1名司机，现在发展太快了，驾驶员培训不够。地面支援常常是半夜出现的问题，一切为时晚矣。如何明智地做事？我们与龙头企业合作。
例如，设备分类和掘进延时的分类。现在，岩土工程是根据图像分类的，分类后，关键是控制岩土分类的大小。如果岩石尺寸过大，会损坏传动系统的皮带；如果它太小，主要的能量将用于碎石。
现在煤炭行业也有这个问题。当在下面采矿时，带式输送机的尺寸是一块石头。目前，太大的时候，要由工人拿棍子捅下去，这工作很不舒服。现在可以通过图像、数据和工具进行过滤。本案是利用数据图像判断石块大小，提高掘进机效率和设备寿命。
案例4：智能汽车涡轮增压器叶轮瑕疵识别。不管是航空发动机还是汽车，叶轮都是个大问题。现有缺陷由质量检验员检查，质检员总是有漏检的问题。那么我们能建立一个关于这些制造缺陷和产品缺陷的数据库吗？数据库建立后，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。我们不影响整条生产线，建立检测控制站，通过机械手对产品进行全方位检测，准确率可达到85%，召回率可提高，平均度可提高，操作简便。它大大减少了对劳动力的依赖，降低了成本。准确度可以逐步提高，现在可以达到90%。
案例5：生产监控分析。另一个案例是在萧山做兆丰机电。兆丰也是全省智能制造示范点，第一次增加了很多机械手来代替机器，逐渐减少了劳动力。现在，有很多数据，如何整合数据？他们提出了一个建造工厂大脑的迫切要求。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。这个行业的主要问题是生产节奏，轴承材料的研磨要花很多时间，以前是由人来做的。事实上，有很多事情是可以改进的，只有打开东西，我们才能知道什么是可以改进的。
因为这个行业的生产节拍达到20秒是非常好的，很难再降低一秒。现在已经用数据完成了。过去是18秒，现在可以是15秒，交货期缩短7天，质量提高，能耗降低。可见，目前劳动生产率是全行业最高的，人均85万-万。当“身体”准备好后，它就开始抢占其他地盘。过去主要是汽车，现在开始在其他市场，到生产航空轴承。因此，随着智能制造的变革，这家企业尝到了甜头。
四、商飞大飞机制造工厂大脑
提到制造就不得不提航空，柯老师带领的4个教授，以及不到20个博士生，不到30个工程师，在过去的八年中交了超过13亿的数字化装配生产线，覆盖了整个航空业。现在商飞下有个上飞制造商，在浦东，C还在做航试，但量产以后，数据的问题很大，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。
五、基于工业互联网2.0时代
现在POC、以太网不争论了，主要是5G用好，以前是局部优化，现在是实现全局优化。发现问题，发现规律，发现问题后，数据沉淀成知识，知识变成智能，让机器盯着数据的变化。现在协同制造是一个产业链，从用户到供应链管理，个性化设计需要数据互联和跨境集成。场内、区域网，以后还有行业网，国内外、境内外都需要打通。
因此，从工厂到协同制造、采购、物流、工业、大学和科研人才、内部企业企业端到公有云，现在企业也在讨论公有云和私有云，或者干脆不使用云，使用边缘计算，这就需要企业真正实施顶级设计。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，企业实施智能制造和工业互联网应该分四个阶段。现在工信部正在推进“百万企业上云”，浙江省正在推进“十万企业上云”。这只是第一阶段，第二阶段是做中间件和中间平台策略。第三阶段是实现数据治理，最终实现全球智能，即工厂大脑、协同制造和智能制造，装备制造依赖机器智能。
目前，在工业化发达国家，需要人才、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，数据不容易给人，给了之后应该做好，所以企业的顶层设计确实需要一个真正的整体战略。
在我们看来，顶层设计非常重要。刚才，张院士说顶层设计是快速迭代。现在，中国的人口红利和工程师红利还没有出现，在外部华为等IT算法人员中，大家如何配合起来做人脑和机器混合脑的问题，就是在数字经济中，迫使制造业再次升级将会出现问题。原来企业是大鱼吃小鱼，以后就是快鱼吃慢鱼。
一般来说，数据不应该代替人，机器也不该替代人，应该是机器智能解放了人们的智慧，不让人们盯着数据看。因此，数据应该从制造业中来，也应该回到制造业中去。谢谢各位！
转载请注明：http://www.0431gb208.com/sjsbszl/4337.html
