刘军连挂号 http://nb.ifeng.com/c/89ILxhbI6w5
来源：说东道西作者：宋华振本文为10月23日南通，由信通院与江苏工信局联合举办的工业互联网会议上的分享，感谢会议主办方提供的速记笔录，据此成文，讲了1个小时居然有字，真是省略了多少码字的功夫啊！觉得还是有必要贴出来与大家分享。对于智能制造，首先我们要探讨的是为什么要推进智能制造？就共识而言，智能制造的核心问题在于解决个性化的生产问题，如果没有个性化生产这一核心驱动力，那么也不需要探讨智能制造，需要提升自动化去生产就可以了。一、制造业面临的挑战图1-制造业面临的挑战首先我们一起探讨制造业面临哪些挑战？如何让我们生产去响应市场变化的需求。因为现在我们在超市里看到，可口可乐发现标签的种类会非常个性化，包括江小白这种白酒它都是个性化的。在印刷行业，以前的一个订单可能会是米，现在一个订单少到米，很多领域都是这样，有很大的个性化的需求。但是个性化并非那么美好，因为个性化对生产企业而言其实是一场灾难，为什么这么说呢？因为按照现有的生产模式，个性化一定会带来质量的下降和成本的上升，与交付能力的一个拉长。举一个例子，印刷机有开机浪费，印刷机放卷经过印刷单元和烘道再到收卷，第一个纸路是浪费掉的。因为不可能一上去就能印得质量很好，再精湛工艺的老师傅也做不到这一点，我们就会发现，这个开机浪费如果是米，对于大订单来说，这个浪费比如说一万米的订单来说，浪费米，这个不良品率是1%，但如果这个订单变化到米的时候，你就会发现不良品率上升到5%了。还有一个问题，由于订单的切换重新穿纸，而这个过程要浪费时间，我们叫工艺切换时间。包括像注塑机打一个产品，比如说我们生活中非常多的塑料件，这个注塑机生产也是一样的，第一模打不好的，因为先打了以后看一看这个产品行不行，看看参数，温度高了还是低了，这些生产需要调校过程，这个过程都会造成浪费，我们统一归结为开机浪费。所有这些开机浪费都会让生产的时候，其它的浪费包括由于机器不稳定运行而造成的不良品都会成为成本。也就是说个性化其实会带来我们很多生产成本的上升、质量的下降，交付能力的下降。这就要求我们如何应对这个挑战，这也就是我们所有智能制造要去讨论的问题。还有就是机器变得更加复杂，包括现在智能制造是跨学科的，不仅包括机械、电器、软件、人工智能、机器学习甚至通过机器的互联以后，我们对它进行全局的优化，这些都需要我们去使用一些机器学习的技术，来实现一些对问题的解决。还有一个就是如何让机器更容易使用，如何让生产连续。我们知道生产主要分成两大块儿，制造业现场生产主要分为两大块，如果让我归结智能制造的本质是什么？大家会发现制造的本质会材料进行物理和化学两种加工。比如说流程工业，比如说石化、制药这一类工业都属于对材料进行化学的一个反应，而对比如说手机、电子制造业，对包装的，这些领域你会发现对材料进行物理的加工，比如说我们举个例子。在座每个人桌上都有一瓶水，它是把塑料颗粒熔化，然后吹出瓶子。这是一个物理的变化，然后旋盖、贴标签，包括钣金加工的冲压成形，其实印刷也是把油墨压到纸上，所有这些都是一个物理的加工。也就是说在加工里面怎么样发现让我们的生产质量更高，成本更低呢？第一如何让质量更高，加工精度、加工速度这些效率更高。第二个问题是如何使用更少的材料？比如说我举个例子，太阳能光伏，单晶硅片。10年前接触光伏行业的时候发现晶棒切片的时候多线切割机是一根金刚线沿着四个棍子绕0圈，把这个晶棒放上去，这个金刚线上面涂上石英砂，把晶片磨出来的，磨出一片一片的，切成一千片。今年我们7月与客户交流的时候，发现他们采用了更细的金刚线，可以一次绕-圈，也就是说，它一次可以比以前多切多片。这些材料更为节省，因此，今天我们会发现现在光伏的电价成本已经下来了。为什么呢？就是因为技术的变革使得可以同一跟单晶硅的晶棒可以切出更多的晶片，这样的话，整个成本就会下降了。所以说，我们如何更节省使用材料？比如说我们桌子上的瓶子，我们做的机器控制，主要控制他们瓶子的壁厚，因为瓶子的厚度太厚会很浪费材料，比如说浪费一克，每一个瓶子都浪费1g没事，但是你知道一年生产多少个瓶子的时候，你就会发现一克是很大的量。如果每一个瓶子可以节省一点点的话，这个量都会非常大的。贝加莱在塑料行业也为用户提供壁厚控制，壁厚控制就是让瓶子最均匀，怎么均匀呢？太厚浪费材料，太薄不合要求，我们所有的生产过程都怎么样让质量更好、成本更低，如何更节省材料，使用更少的能源，使用更少的机器时间。谈到时间，在精益生产里面有一个我们把所有的生产过程分为增值和不增值两部分。什么是增值呢？就是生产出合格的产品，这个叫增值过程，如果你生产出不合格的产品那就减值就是浪费。等待的时间，工艺切换机器维修的时间，或者是机器减速所有的都是浪费，我们如何让我们的生产不断去让他生产出给高质量的产品，单位时间生产出更高的产品，比如说我们为什么要做能源管理呢？过去针对万个产品进行统一的能耗计量，但如果说我们现在批次变小了，我们计算成本的时候，我们就需要对能量进行更精细的能源剂量体系。剂量到每一个产品，比如说我一个订单，以前是一百万个瓶子的需求。我总共多少能耗，我就可以计算出。但是我现在接这个订单我核算成本的时候，我要核算这个订单只有一万个，我这个成本怎么核算，能耗怎么计算？我们为什么讲预测性维护呢？是因为过去我生产一个产品，一个订单我可能要打一个月，那我某台机器停机两小时没有关系，但是这个订单只能打一天再停两小时，这个时间对工厂来说是不可承受的。所以他时刻保证机器处于一个健康状态，能够稳定的生产，因为只有稳定可靠的生产，才能让我们印刷机变成印钞机，才能让我们的包装线变成印钞线。比如我们在工业现场里面管理运营，我们经常讲OEE，设备的综合使用效率，这个设备综合使用效率怎么去理解呢？比如说如果一个生产线的OEE是80%，那就意味着80%的时间在帮我们生产出合格的产品，在帮我们赚钱。另外20%的时间在帮我们浪费，如果OEE到60%的话就意味着60%的时间在赚钱，另外40%时间在浪费。也就是说说个不好听的话，可能你要去核算一下你会发现40%的浪费比你60%赚钱的时间还更厉害，这个工厂就亏损了。对企业来说，我们怎么样去提高我们的生产效率，提高我们的质量成本交付能力，这个是我们要去解决的问题。二、自动化技术发展趋势今天我们要去通过技术，比如说通过设计概念的变化，通过新的设计方法，比如说通过数字孪生技术，通过积极学习这些技术来去优化我们的生产，寻找生产里面的问题。图2-自动化发展趋势第二个问题比如说用数学的方法，其实数学方法数据拟合、优化算法、自适应控制，包括各种各样的数学的方法来解决这个。今天很多在讨论人工智能讨论机器学习，其实这些都是数学问题，不要把那个东西讲那么高大上，它基本上都是数学问题。你去翻阅人工智能的历史你会发现人工智能在工业里面，因为人工智能里面有三个学派，我们连接主义、符号主义和行为主义，其实行为主义很多工作就是工业自动化，工业控制领域里面在做的工作，比如说在工业控制里面最典型的我们叫PID调节，它其实就是数据驱动控制的方法。所以说可能在我们做工业控制的人来说，所谓的人工智能并非新鲜，它过去没有发展起来是因为算力不足，其实整个美国的阿波罗登月工程中，所有的计算机的计算能力都比不上在座今天每个人手里拿的那部手机的算力，今天人工智能为什么能够发展是因为今天的计算机的处理能力到了，所以才会可以投入使用了。因为它有了经济性，有了经济性直白说就是它变得便宜了，所以才可以使用。也就是说我们所有的工作，任何的技术如果没有经济性是没有意义的。对企业来说就是这样的，你跟我讲再好的技术，如果没有经济性，不是一个成本很低的技术，那让我再等五年、十年也行，你们可以先去讲你们的故事，我慢慢等着。还有就是IT和OT的融合，为什么这里要提IT和OT融合，是因为如果我们放在全局看工厂的生产，我们就必须把机器到产线到车间到整个工厂，这个数据汇集起来，然后我们在这里面寻找发掘可以提升的空间。比如说举一个例子，我们生产酸奶，酸奶发酵完了之后，后面要进行杀菌和处理。如果说，他们的时间节拍不匹配，后面已经加热了，产品还没有来，我加热不就浪费能源了吗？所以说我们通过一些细节上不断的节拍上的匹配，通过连线以后，去发现节省中间的一些不必要的我们说不增值的环节，我们把一个离散的生产变成一个连续的生产。其实在流程工业自动化程度是非常高的，因为流程工业本身就是一个连续的生产，就是一个自动的生产，所以像电力、石化实际上自动化程度非常高的。还有就是知识自动化，就是如何让我们的知识复用？比如说在座很多人在某一个领域的知识积累非常深厚，这些知识如何被显性化使用，被重复使用。包括我们在系统开发的时候，如何让软件的代码可以复用。而不是说每一次编程序，每换一个机器、换一个应用就得重新写，我们要把共性的知识抽取出来，然后让他变成一个可被复用的知识，以软件的形式去重复使用。软件也是可以复用的，家里的锅碗瓢盆可以复用，软件也是可以复用的。我们去看连接，我们如何去全面理解智能制造，包括工业互联网在里面扮演的角色，首先我们回到精益生产，其实生产制造只有三个问题1、质量。2、成本。3、交付。三、精益、自动化、信息化、智能化之间的关系图3-精益-自动化-信息化-智能化之间的关系首先我们谈精益生产，实际上是我们整个质量一个根基，我们讲数字化，其实数字化的根基在哪儿？数字化的根基并不是我有计算机系统，我有ERP叫数字化，数字化的根基在精益生产上，如何让生产运营能够最高效。如何量化分析，如何量化分析我的质量，如何量化分析我的加工过程。比如我们叫标准作业，作业标准。你像当年泰罗制都能分析到每一个人的东西，拧螺丝多长时间，怎么让时间更短，怎么训练这些人，实际上拧这些螺丝，所有的这些都让生产，比如说产生了非常多精益生产的工具包括很多精益生产的理念，非常非常多的管理运营工具其实都来自于制造现场。其实很多人如果学管理学的话都会发现，大量的管理学思想是来自于汽车制造业。包括电子制造业这些领域，因为这些领域里面，你想汽车，制造一台汽车比如说一台20万的车，你要想车零配件重新组装的话，这个车至少一百万，怎么才能把它变成20万的车呢，而且他还赚钱，这就是经济生产，让他能够实现的过程，也就是说如果没有好的经济基础的话，其实这个智能制造很难推动和运行的。自动化解决哪些问题呢？解决运动控制，解决精度问题，加工精度、加工速度、工艺切换。这个信息化实际上是解决边缘计算，解决控制是基于信号的，而边缘信号是基于信息的。而基于信息的问题是解决策略问题、调度问题，比如说我们最容易理解就是高铁，高铁就是一个调度系统，来给所有的节点，不同的需求，各个站大家怎么调度最重要的问题不要碰撞，这是一个调度的问题。什么是智能化，智能化实际上是一个什么问题呢？实际上在我们解决这些问题的时候，如果我们用机理模型，用那个已有的、化学的，物理这些模型，不能解决这些问题的时候，我们可以用，或者说要解决一些非线性问题的时候，我们需要用智能的算法，学习的方式来解决，这个其实这样理解吧。我们来理解什么是自动化，自动化就是我控制一台小车能够精准的到一个位置，而一百台小车如何协同工作，那这是一个计算问题、调度问题。智能化是什么呢？如果我们去对一个控制过程进行观测，并对其设定一个成本函数来约束，寻求系统最优解（参数、相关性），当这个成本函数可以被求导我们理解为一个线性问题，但如果不能则属于一个非线性问题，这个问题不能用已有的模型解决的。有一天我注意到

转载请注明:http://www.aideyishus.com/lkcf/7361.html