搜索
网贷帮手 首页 国内资讯 查看内容

忘记贸易战,中国制造1%的进步才是真正的胜负手丨锌声

2018-6-13 23:02| 发布者: 网贷帮手编辑| 查看: 1879| 评论: 0 |原作者: 网贷帮手 |来自: 网贷帮手

简介:18世纪中叶,蒸汽机让社会生产进入机械化时代;   19世纪70年代,电力让人类社会进入电气时代;  20世纪90年代,通信技术和计算机技术让社会进入信息时代高速发展时期。  三次工业革命,每一次都让社会生产效 ...
忘记贸易战,中国制造1%的进步才是真正的胜负手丨锌声
18世纪中叶,蒸汽机让社会生产进入机械化时代;

  19世纪70年代,电力让人类社会进入电气时代;

  20世纪90年代,通信技术和计算机技术让社会进入信息时代高速发展时期。

  三次工业革命,每一次都让社会生产效率呈爆发式增长。而眼下,智能制造的概念又掀起了第四次工业革命,德国的工业4.0,美国的工业互联网,中国的智能制造2025,都在这场革命之下排好了阵仗。

忘记贸易战,中国制造1%的进步才是真正的胜负手丨锌声
毫无例外,每一次的革命都是为了生产效率的提高,但这次,世界各国对生产效率的提高,却定位在了1%。

  而在刚过去不久的2050大会上,锌财经记者也奔赴了智能制造主题的分会场,见到了积梦智能,一家工业智能科技公司的创始人谢孟军。在会场,锌财经记者也与谢孟军对第四次工业革命“1%的小目标”进行了长时间的探讨。

(积梦智能创始人谢孟军接受锌财经采访)
(积梦智能创始人谢孟军接受锌财经采访)

  其实,1%的目标并不小。

  前三次的革命,已经把社会生产效率提升到了足够的高度。

  而底盘足够大,哪怕是1%的进步,进步也足够大。

  从苹果工厂出身的谢孟军,接触了大量的制造工厂,出来创业之后,又跑遍了家乡宁波的上百家工厂。在采访中,谢孟军告诉锌财经,大部分的工厂包括一些诸如汽车、3C的高端制造工厂,最大的痛处是无法让各个部门串联成一个整体。

  在苹果制造工厂里待过,又看过数百家传统工厂的谢孟军,也和锌财经分享了这些年来他对中国智能制造的一些看法。

  他说,所有的部门就像一个个孤岛,而这些孤岛之间的距离,就是与1%小目标之间的巨大鸿沟。

忘记贸易战,中国制造1%的进步才是真正的胜负手丨锌声
  积梦智能创始人 | 谢孟军

  1

  中国智能制造的小目标:1%的进步

  首先还是要明确一下智能制造的概念,为什么德国叫工业4.0,美国叫工业互联网,而我们就叫智能制造。

  德国提出来了工业4.0之后,国内才有了智能制造这个概念。所谓工业4.0,基本上就是按照解决不同的问题来定义工业4.0,而工业4.0想要解决的问题,是希望用CPS的方式把整个工厂互联互通,成为智能工厂。

在德国提出来工业4.0之后,美国提出了工业互联网,其实这些名称并不是随意取的。美国目前整个互联网非常发达,所以美国就想利用它们发达的互联网,来改善它整个的工业体系,想要利用互联互通的方式把所有设备打通。
  在德国提出来工业4.0之后,美国提出了工业互联网,其实这些名称并不是随意取的。美国目前整个互联网非常发达,所以美国就想利用它们发达的互联网,来改善它整个的工业体系,想要利用互联互通的方式把所有设备打通。

  这些名词的产生是符合每个国家工业发展不同特征的。德国在设备硬件方面非常厉害,而美国互联网也非常厉害,所以它们的出发点会不一样。

  但是它们的目标是一致的,希望抢在下一个工业革命当中那个制高点。

  如果我们把维度降到地球村来参考,其实分工是很明确的,设计、生产、配件等等都有专人负责。那么,在德国的工业4.0和美国的工业互联网之前,中国的定位是什么?

  世界制造工厂,全球最大制造国,全球各地需要的高端的、低端的零配件我们都有。

  在工业2.0向工业3.0转型的过程当中,中国要做的事情是用机器换人。而现在,各个发达国家都提出了工业发展的新概念,所以中国为了应对全球制造领域内的分工,提出了中国制造2025。

中国提出中国制造2025的概念,同其他发达国家一样,想要在十大领域里抢占制造领域中的制高点。
  中国提出中国制造2025的概念,同其他发达国家一样,想要在十大领域里抢占制造领域中的制高点。

  但不论是哪个国家,提出工业发展的新方向,最终的目的是为了提高效率。

  根据美国通用公司的调查,工业互联网的效率只要提升1%,带来的效应是巨大的。以航空领域为例,如果整个航空行业节省1%的燃料,那就能够省下300亿美金。在电力行业这个数字是660亿美元、医疗领域是630亿美元、铁路领域是270亿美元、而在石油天然气行业,节省下来的经费将达到惊人的900亿美元。

忘记贸易战,中国制造1%的进步才是真正的胜负手丨锌声
把1%的威力放大到全球规模来看,它的效益是非常惊人的。对无利不起早的商人来说,在利益的驱动下,会把全球的智能制造推动起来。

  2

  信息孤岛间的桥梁,是顶层设计

  虽然提出智能制造2025的概念已经有一段时间,但我们也知道目前也尚处在起步阶段,让制造业转型,还是有很多的步子要走。

  我们知道很多传统工厂里,以单个应用为信息督导的特别多。而这些有关联却又单独存在的信息督导,就可以叫做信息孤岛。

  一个工厂从小规模发展壮大,必然会增添新的部门和职能,比如DOE分析、量产性管控等等这些东西。而这些随着工厂发展拓展的业务板块,必然会增加新的应用。但绝大部分工厂的做法是怎样的?我增加一个部门,就增加一个对应的APP;

  出现一个问题,我就去解决一个问题。

  那么,问题来了。

  这样做的结果就是,每个部门之间的应用是割裂的,就像一片海里的若干个孤岛一样。在苹果的经历也让我认为,这是传统制造企业最大的问题。连同一个企业的各个部门都无法高效协同,请问你怎么做到智能制造?

  苹果公司在制造工厂是如何做的?他们在做之前就已经从顶层搭好了逻辑和框架,已经清楚要什么,大的模块有哪几块,如何让各个模块之间的数据流通起来……这些东西,已经事先思考的非常清楚了。

  其实,事先从顶层设计的思考逻辑,就是一个数字工厂的模型。跟苹果公司一样,每个工厂都会有不同的数字模型,比如以产品为中心从设计开始到供应商、到生产、到销售、到供应链……哪怕是一些模块还没有拓展,都是能够事先搭好整个数字模型的。

  数据,只有流通起来才是最有价值的。

  为了让数据的价值放到最大,我们在中间这层加一个PAAS层以及海量的数据储存,和一个储存的引擎。另外,我们也有很多检测报警框架和机器学习框架。

  在我们目前切入的3C和汽车行业里,我们打造了很多这样的模型。在行业打磨的这几年里,我们已经能够让大数据可视化,为了搭好最底层的统计分析框架,我们自己也做了很多数据采集的方案,比如自动采集器、终端、移动端和很多适配器的方案。

  在这个基础之上,我们做了一个工业的APP Store。我们都知道,现在有一个事实:APP都是IT和懂技术的人来开发的。但实际上我们的业务需求提到IT那边后,最终是由代理商完成这些功能的。

  但我们要做的是自己搭建所有的应用过程。

  我们会有一个这样的思考,建一个基于乐高的思想设计的系统平台,它的底层会有一个底层服务。因为我们团队大多数都出身自互联网,所以,我们在基于容器云的模式上搭建了一整套方案,就是用“微服务+容器”的方式搭建了整个底层服务。

  在这之上我们自己搞了一套数据存储的软件,同时要支持OLAP和OLTP两个板块,既能够做到实时分析,还能够有一些历史分析的东西。

我们现在基本上是以PG为主,就是类似于
我们现在基本上是以PG为主,就是类似于
Oracle的开源数据库,基于这个数据库我们做了一个大型的解决方案。我们同时又跟Hadoop等等这些接口串起来,在这个基础上搭建了数字工厂模型,我们把设备、测量、产品、售后、缺陷、任务这些东西抽象化出来,到数字工厂模型里面,在这之上再设一些SAAS服务,统计分析、检测分析、统计报警这些技术服务的东西。

  再比如工装管理的应用开发,我们利用数字工厂模型里面的三个板块,就可以搭建出来工装管理模块。工装、设备怎么用一个应用管理起来?

  这只是一个举例,一个工厂会有很多需要解决不同问题的应用。工厂越大,所需要的数据工厂模型就越复杂,需要搭建的应用就越多。工厂里面关心的包括几个东西,一个是所谓的效率问题,一个是财务问题,一个是质量问题。效率问题可能是MS,财务问题是ER,质量问题是MS和ERP。

他们不可能把整个数字工厂的东西都交同一家公司来做。如果在这方面创业,我的建议是选择一个具体的口子切入。比如我们作为一个初创企业,是专门针对做质量,从业务角度说是全面质量,从设计开始,设计、生产、销售、售后等等,这块所有的东西做了一个全面的解决方案。
  他们不可能把整个数字工厂的东西都交同一家公司来做。如果在这方面创业,我的建议是选择一个具体的口子切入。比如我们作为一个初创企业,是专门针对做质量,从业务角度说是全面质量,从设计开始,设计、生产、销售、售后等等,这块所有的东西做了一个全面的解决方案。

  总结一下这一块,我想说的是,要消除信息孤岛的状况要从顶层设计就开始。

  3

  孤岛的距离,1%的距离

  但不可否认,目前大多数企业各部门,以信息孤岛的形式运作的现象是普遍存在的。而这样的运作方式,也无法让企业最大化的做到高效运行,也就是离各国都在追求的1%,还有一定的距离。

  有这么个现象,大家可以思考一下:

  在大部分传统企业里,纸张依然是记录的重要载体,但其实在纸质记录的方式下,所有的数据是散落的。比如,在汽车制造工厂,汽车里有一个扭矩箱是要扭螺丝的,但一辆汽车有两三个扭矩箱,都会在不同流程,不同时间,甚至不同的人去操作,这些数据都是分散的,可能一个星期就没了。

(纸张依然是记录的重要载体)
(纸张依然是记录的重要载体)

  但事实上,这些数据都是相互关联的,那我们如何把这些数据采集起来并长期保存呢?

  对于这个问题,最好的答案应该是:

  一体化。怎么来解释这三个字?

  第一,多种数据采集并且电子化

  任何一个零件,一个部分,直至最终的成品,其实每一个部件之间都是有关联的。你要分析它们之间的关系,就必须把每一个可记录的数据都采集起来,并保存在数据库里。

  每一个数据都是构建数字工厂模型的砖瓦。

  第二,多种数据源的一体化

  一家工厂,越到发展的后期,所牵扯到的数据会越来越多。比如,设备数据、流程数据、供应商数据、设备信息、工艺事件、设计数据、售后质量等等,这些数据其实是可以把这些数据统一录到模型和系统平台里的。

  第三,标准一体化

  数据一体化之后,其实很大程度上已经做到了标准一体化。即便是在一家工厂里,会牵涉到非常多的设备,不同设备的协议不一样、格式也不一样,就同一个品牌不同的版本格式就会不一样,不同品牌的差异就更大了。还有各种格式的,工厂里面比较多的是表格格式,还有CMS、DMO等各种设备格式。

  所以,这么多不同类目的东西是要有一套自己的标准的。那我们积梦自己来说,我们先会对数据做一个清理,然后转换成我们自己的标准,再录到我们的数据工厂里。

  因为只有标准化之后,数据处理、分析才能做到一致性。

  这里有一个数据一体化之后的效果图。第一个图是汽车零配件的,它有不同的点,有不同的设备去检测它;第二个图来自于所有不同的设备的测量数据。然后利用三维的引擎把它渲染起来,就可以实时看得到怎样测质量体系的情况。

忘记贸易战,中国制造1%的进步才是真正的胜负手丨锌声
  这些数据可以用来进行虚拟匹配。那么,什么是虚拟匹配?虚拟匹配有什么用?

  假设零件A和零件B是两个相互装配的零件,A和B都有充分的测量数据。在没有装之前,就可以根据检测到的数据,去做虚拟匹配的过程,这可以极大地提高效率,在它装之前就可以立马分析出这个东西能否装进去。

  还有一个问题,大家也可以思考一下。

  制造业里有很多问题可能是尺寸问题。举一个简单的例子,一个车门、一个车身,车门和车身要装起来,装起来之后其实整个车门和车身之间是有空隙的,这个空隙严重影响了几个东西,第一个是异响,第二个漏雨。这是个很大的质量问题,但是车身检测的是A设备,但车门却来自于别的供应商,而且给车门做检测的与给A设备做检测的,并不是同一个设备。但是两组数据完全不一样,你怎么去分析?

所以,基于这两个例子,也可以知道虚拟匹配有多大的意义。但虚拟匹配的前提是数据一体化,只有数据一体化之后,才能做有效的数据分析。
  所以,基于这两个例子,也可以知道虚拟匹配有多大的意义。但虚拟匹配的前提是数据一体化,只有数据一体化之后,才能做有效的数据分析。

  4

  拉近1%的距离

  在这个时代,大数据的重要特征是什么?是价值。

  而把这些数据的价值扩大,也是拉近与1%的小目标的关键。

  但是工业大数据有一个特征是低密度的价值,也就是说它的数据量很大,但是有价值的数据却是很小的一部分,怎样找出这些有价值的数据,其实是非常重要的一步。

  这里有一个汽车里经常应用的所谓的相关性分析。在汽车装配的过程中,其实A零件装在B零件上,当然,这两个都会做数据检测,A零件有偏移会导致B零件偏移。但是检测的结果都是以B零件为结果,你会发现B零件偏移了,但根据B零件的数据去调整,并不能修复好装配过程当中的问题。只有调整A零件,才能解决问题,也就是说它会存在相关性。

通过这个例子,我想说的是,数据量很大,但关键是如何找到有效信息,关联信息,才能把信息的价值最大化。
  通过这个例子,我想说的是,数据量很大,但关键是如何找到有效信息,关联信息,才能把信息的价值最大化。

  在积梦这里,我觉得数据是可以在以下几个方面发挥很大的作用的。

  1.最终良率预测

  当然,预测良率还是以统计概率为主,在完成统计概率以及零配件的测量之后,根据概率的分布,我们计算出最后使用该零件产品的合格率。在最终的呈现结果上,由于人不可能一直实时盯着,所以,我们提供了很多的可视化分析。

  2.产品的缺陷分析

  目前,制造企业里面应用最多的可能是统计分析。但我们利用统计分析再结合傅立叶计算的一些算法,做产品缺陷的聚拢分析。基于统计概率,当最终的产品有缺陷时,根据缺陷类型,给出每个组件可能导致该缺陷的概率,帮助工程师准确推断出引起缺陷的原因。

  3.测量数据实时报警

  在众多大数据下怎样做到数据的实时报警预警,这是至关重要的,特别是对于制造企业来说,报警预警应该说是最为重要的东西。因为不能等到我们事后再发现这个问题时,再去处理这个事件。利用数据后台的聚算、消息队列,分布式的检测,我们实现了大数据的实时报警预警。当然还有很多结合业务的东西,基于HPC的报警,基于单点的报警,基于概率的报警。

  4.呈现智能报告

  最后,我们还做了一个类似BI的工具,因为在工厂里面,很多时候我们还要做数据分析、汇报、质量分析,基于这个东西,我们会做一个类似工业的PPT工具。

本文首发于微信公众号:锌财经。文章内容属作者个人观点,不代表网贷帮手立场。投资者据此操作,风险请自担。

收藏 邀请

鲜花

握手

雷人

路过

鸡蛋

月度热门文章

关于我们| 加入我们| 免责声明| 友情链接| 广告合作:guanggao@wangdaibangshou.com 商务合作:shangwu@wangdaibangshou.com 运营:网贷帮手网| 对公许可证

客服QQ(仅限广告)| 客服QQ(仅限商务)| 客服QQ(仅限删帖)| 客服QQ(投诉建议)|

网贷帮手网温馨提示:理财属于投资行为,不等同银行存款。投资有风险,购买需谨慎| 本站所登载广告内容均为客户个人或企业单方意见及表达方式,与本站实际内容无关

声明: 本站所有文章数据仅供参考。未经授权禁止转载,因此造成的法律问责自负| 本站内容来源网摘或自主发布,如侵犯您的权益请与我们联系,我们将积极协助处理

全力做好网上治安秩序打击整治专项行动,打造晴朗网络空间,网贷帮手官方网站 © 网贷帮手 WangDaiBangShou.com 版权所有

返回顶部