赛迪徐靖：工业互联网平台新模式新业态(二)智能化生产

当前，富士康、徐工集团、商飞等制造企业基于平台实现新一代信息技术与工业生产各环节的深度融合渗透，全面提升设备、产线、服务的智能化水平，形成具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。

企业传统信息化架构是机器、PLC/DCS、SCADA、MES、ERP/MRP五级架构，主要解决工业生产自动化问题，没有对设备运行状态进行实时分析和处理，也没有实时反馈功能。

工业互联网平台架构为边缘层、IaaS层、PaaS层、SaaS层，机器设备可以调用工业机理模型实现对设备运行状态的实时现场分析和决策，推动传统工业物联技术从边缘控制向边缘计算演进。

传统生产线是专线专用的自动化产线，适用于大批量少品种订单，对多品种、小批量订单存在交货周期不稳定且偏长的问题。

基于工业互联网全面感知、动态交互的特性，在生产线上密布传感器，对产线上每个加工配件自动识别，数据传输到工业互联网各个分析节点，调用工业机理模型，确定每个产品的生产路线和工序，结合调度策略动态实现混线生产，提升生产线敏捷和精准的反应能力。

传统工业生产优化过程为企业对上一周期的生产运转的情况进行分析，得出优化方案，从而对下一周期的生产进行调整优化。

通常情况下，离散工业以周、天为优化周期，流程工业以批次为优化周期。工业互联网平台作为连接人机料法环等全生产要素的重要载体，全流程贯通的数据流可以完整、实时、动态地反映现实生产全过程，通过调用工业机理模型可以实时分析工业生产运转情况，实时对生产进行调整优化，实现动态交互的生产过程优化。

一是设备状态监测，基于工业互联网平台采集温度、电压、电流、震动等数据，直观展示设备实时状态，实现设备全面、实时、精确的状态感知。二是设备故障诊断，利用大数据分析技术，对设备工作日志、历史故障、运行轨迹、实时位置等海量数据进行挖掘分析，基于知识库和自学习机制建立故障智能诊断模型，实现设备故障精准定位。三是预测性维护，基于工业互联网平台分析预测设备关键部件变化趋势、产品寿命和潜在风险，提前预判设备零部件的损坏时间，主动提前进行维护服务。

例如，富士康基于BEACON工业互联网平台实时采集精密刀具状态数据，结合智能调机深度学习算法，实现了刀具的自感知、自诊断、自修复、自优化、自适应，使刀具寿命延长10%，减少刀具成本15%，刀具崩刃坏刃预测的准确率达93%，产品良率提升超过90%，稼动率提升超过99.5%。

徐工集团基于汉云工业互联网平台，为每一台设备做数字画像，将可能损坏的零部件进行提前更换，使设备故障率降低50%。发那科AI热位移校正线切割机床，通过检测机器运行期间环境温度或发热情况，结合机器学习技术，不需要人工干预，机器自动分析和校正温度变化引起的热位移，与传统做法相比，此举加工精度提高了约40%。阿里云依托飞象工业互联网平台定制基于AI人工智能算法的压铸设备图像检测系统，助力企业及时发现残次品，减少故障停机的时间，使人力成本节省15%、产品品质提高5%以上。

离散行业企业基于工业互联网平台，打通基于CAD/CAE/CAM/PDM的产品设计环节和基于DCS/MES的生产制造环节，打通工业设备监控操作层和生产运营管控层的数据流通路径，实现设计制造协同、生产管理优化、设备健康管理、产品增值服务、制造能力交易，提升企业生产制造全过程、全产业链的精准化、柔性化、敏捷化水平。

流程行业企业在实际生产前，利用数字孪生技术对原材料配比和工艺流程进行全方位模拟仿真，优化原料配比参数和装置优化路径，在实际生产过程中，基于过程控制和制造执行系统对生产过程进行状态监测、故障诊断、预测预警、质量控制以及节能减排管理，实现生产过程的集约高效、动态优化、安全可靠和绿色低碳。

例如，惠普公司利用西门子Xcelerator从生产和设计的数据中建立产品和性能的数字孪生，实现决策过程的闭环，从而持续优化产品设计和制造过程，使打印机的打印喷头冷却机的流速提升22%，打印速度提高了大约15%，产品研发速度提升75%，部件成本降低了34%。

商飞基于工业互联网平台结合5G、射频、VR等技术，构建基于数据驱动的产品、设备、工装、物流、人员、刀量具等生产要素全过程管控，实现对生产环境、生产状态、复合材料等全方位跟踪与优化，提升生产的智能运营管理，零配件定位误差缩小在3厘米以内，运营成本降低20%，生产效率提高20%以上。阿里云智能工业大脑联合恒逸石化构建锅炉AI控制平台，通过对历年锅炉燃烧数据的深度学习，推算出最优的锅炉燃烧参数，燃煤发电效率提升2.6%，每年能节约8000万的燃料成本。

一是供应链风险管理，利用知识图谱技术，汇聚和分析影响供应链的各种关键风险因素，识别和预判供应链管理的风险点，自动提出降低供应链风险的建议以辅助决策，保障供应链稳定。二是产品质量检测，利用机器视觉和深度学习技术，构建具有学习能力的图象识别模型，并用海量产品照片来训练模型，逐步迭代和提高图像识别模型的认知能力，为工业流水线带来了精准度高、速度快、稳定性高的质检服务。三是精准营销，利用大数据用户画像，了解客户需求偏好、行为偏好、渠道偏好，在广告产品推送中直达目标客户，提供差异化营销服务，提升客户体验。四是智慧物流，利用深度学习和全局最优化技术，对物流的运输网络、仓储布局、运力排程、动态调度、道位排程等进行全局地动态优化，实现车辆装载、运力资源、运输效率、仓储运作的最优化，提升物流运作效率，降低物流运作成本。

例如，日本Macnica.ai公司与VAIO合作，构建供应链知识图谱，通过企业语义网，实现供应链风险管理与零部件选型，提升供应链风险管理水平。华星光电基于腾讯云，运用深度学习、缺陷分类和知识图谱技术，构建面板检测模型并使用实际生产数据优化模型，使质量缺陷识别速度提升10倍，缩短生产周期40%，缩减人力50%。

上汽安吉物流将人工智能技术用到汽车物流供应链中，综合考虑客户需求、可调配轿运车数量、装载率、客户交货期、道位时间段、装载组合、最早可利用时间、拼车的先长后短、物流分公司的运输量比例、小型车后配载等，实现上汽集团汽车物流每年降本增效2%-5%。

一是在边缘数据采集方面，安装智能传感器、摄像头、三维扫描仪等数据采集工具，利用泛在感知技术，采集研发、生产、销售环节的多源设备、异构系统、运营环境、人员等数据，实现对企业运行状态的全面感知。二是边缘数据分析方面，在重点装置和关键节点部署机器学习和深度学习算法，在边缘控制器上集成分析引擎，实现对装置的自动调整和优化，在模型、数据、服务三方面实现边云协同。

一是围绕工业设备，开发设备状态监测、设备故障分析、设备预测性维护、人机智能协同等模型，提高设备智能管控水平。二是围绕生产制造，利用数字孪生、机器学习等技术，开发工艺优化、生产排程、设计制造协同、质量管控、节能降耗等模型，促进企业生产全过程优化。三是围绕企业服务，利用深度学习、知识图谱、机器识别等技术，开发供应链风险管理、产品智能质量检测、精准营销、智慧物流等模型，提高服务智能化水平。

一是围绕设备管理，基于平台的数据沉淀和模型应用，研发设备状态监测、故障诊断、预测性维护、自主控制等解决方案，提高设备智能管控水平。二是围绕企业生产，面向离散行业打造设计制造协同、生产管理优化、设备健康管理、产品增值服务、制造能力交易等解决方案，面向流程行业打造生产过程状态监测、故障诊断、预测预警、工艺优化、质量控制、节能减排等解决方案，实现生产全过程优化。三是围绕企业服务，打造供应链管理、产品质量检测、智慧物流、精准营销等解决方案，加速服务在线化、实时化、智能化升级。

赛迪宋颖昌：工业互联网平台新模式新业态(一)数字化管理

2020年工业互联网十大事件评出

工业互联网2021展望：“15+m+n”多层次平台体系加速构建

赛迪顾问 |“十四五”期间我国人工智能产业发展趋势特征分析

肖亚庆：加快“5G+工业互联网”典型场景向更多行业延伸

卡奥斯入选2020全球“50家聪明公司”！业内评价：中国“灯塔工厂”领路人

天鹅奖上工业互联网：河源“5G+”正渐行渐近

世界样板与中国方案：洞察新格局下的工业互联网“脉络”

关注！2020年工业互联网试点示范项目申报工作启动

编辑 / 王改静