智能制造新機會

沈玉姍

中國經濟已經從高速增長階段，轉向高質量發展階段。以制造業為核心的工業，在全球重要經濟體的GDP占比穩定，仍是國民經濟的“壓艙石”和“永動機”。隨著人工智能、大數據等新興技術的不斷滲透，以智能制造為代表的第四次工業革命將成為中國經濟走向新時代的核心驅動。

自2015年國務院發布“中國制造2025”的行動綱領，中國經濟在有條不紊的升級轉型中逐漸積累了哪些產業經驗？2018年，工業制造領域將發生哪些變化，技術創新怎樣發揮作用，工業自動化企業又該如何把握機會？

施耐德電氣高級副總裁、工業事業部中國區負責人馬躍深耕行業多年，他的解讀頗有代表性。誕生于工業1.0時代的施耐德電氣是全球知名的電氣巨頭，也是企業能效管理與自動化領域轉型的領導者，其于2016年底推出的工業物聯網架構與平臺EcoStruxure已經在全球連接了超過10億臺設備。

馬躍接受《21CBR》專訪時表示，這波技術浪潮帶動的工業革命，將為滿足面向終端用戶的大規模定制化需求，推動傳統生產模式向柔性生產轉變，復雜和痛苦程度遠高于其他行業。技術將是賦能行業的翅膀，但若脫離制造場景空談智能化，則是無根之木。

“場景秒殺一切”

21CBR：在為國內工廠做智能化改造的過程中，施耐德電氣在頂層設計方面有哪些經驗總結？

馬躍：為響應“中國制造2025”的國家戰略，我們從三年前開始設立智能制造業務。我們關注這幾個方面：第一，精益生產，回歸制造業的本質。要讓好的產品理念變成大規模生產的產品，需要好的工業化水平。從路徑上來看，沒有做好產品品質和工業化流程，就失去了工廠的基本核心，中國企業在這方面需要先做補課的工作。

在精益生產的基礎上，我們再輔以自動化和數字化技術，將制造企業從關注資產變為數據驅動。數字化和智能化的關系好比是易筋經和七十二般武功。武俠小說里的武林高手，常常是先練好易筋經以后，才能繼續練七十二般武功。前者可比作數字化的工作，后者則像是智能化的眾多賦能技術，包括機器人、計算機視覺等。只有在完成數字化進程后，才有可能運用互聯互通的數字化基礎做智能化的工作。

今天，推進智能制造更多是自上而下的過程。施耐德電氣有兩個形象的策略說法：“先軟后硬”和“先醫后藥”。我們先做診斷、做頂層設計，規劃好生產和運營管理兩個平臺，再進入到開藥階段，包括分步實施方案、升級硬件等。如此，自上而下地用大數據和人工智能技術，幫助企業提高效率、減少能耗、提升安全、降低成本，真正賦能生產型企業。

21CBR：對企業而言，智能制造落實到執行層面如何展開？

馬躍：施耐德電氣此前為寶鋼股份做的1580熱軋智能車間的升級改造項目，是一個綜合運用自動化、數字化、以及特定人工智能技術的典型案例。

我們內部總結，寶鋼案例的成功在于做到了“場景秒殺一切”，真正抓住了客戶的核心痛點。寶鋼的日常運營中，還有大約3%-4%的成品鋼板坯，放在板坯庫里很難找到。運行智能車間后，得益于有效的進出庫物流管理系統，物品丟失徹底杜絕，這些鋼板坯不會“失蹤”。

城市化進程和人口老齡化還使得很多企業管理者面臨工人短缺的問題。1580智能車間從去年5月起進入無人操作、自動運行狀態。目前，行車全自動投入率穩定在98.5%以上，減少了20個工人，日均產量達到10500噸，板坯庫倒垛率由30%提升至70%-80%，操作人員的人身安全得到保障。這個項目也是鋼鐵業首個入圍工信部“中國制造2025”的試點示范項目。

我們將管理企業的核心稱之為“三進兩出”。三進是指原材料、能耗和其他生產資料，包括知識的投入。“兩出”一個是成品、一個是三廢（廢水、廢氣、廢渣）。抓住這幾個核心要點，就牢牢抓住了場景。只有基于場景發展出來的模型才有意義，吸取的數據才能得到發揮。技術是起到賦能作用的翅膀，如果脫離了應用場景談數字和智能化，就是無根之木。

21CBR：相比互聯網大數據，工業大數據目前的應用程度如何？企業下一階段部署工業大數據項目該怎么做？

馬躍：B2C的整個價值鏈相對比較清楚，消費者是相對簡單的個體，相比之下，制造業企業則是一個包含很多個體的復雜組合，包括采購、生產計劃、生產調度、生產運營、銷售、物流等，每個部門的訴求都不一樣。如此多樣的職能疊加到一起，數據標注困難、模型建立復雜，這僅僅是B2B的一個制造環節，還不包括上下游和供應鏈。

企業要想清楚、做明白數字化和智能化是不容易的，其間難免要打斷很多原來的筋骨，重塑管理流程。B2C的線上顛覆線下，更多是“破”和“立”各自發生的過程。我們則是“破”和“立”同時發生，一邊換發動機一邊開車，并且是自己給自己動手術。所以，真正意義上的智能制造，復雜和痛苦程度遠比B2C大得多。

如果一家企業的產品是跟著圖紙在走，你就知道它是在用歷史信息管理現在的生產，還沒有真正用到實時數據。比如拿著昨天交班會總結的數據說，上一班出了什么問題，今天要改進什么東西。從這點上能看出來，很多企業在工業化、自動化方面做得很好，但在面向未來的數字化基礎層面還有很多工作要做。

比如我們的客戶之一、某電子產品代工企業就曾面臨從大規模批量生產到個性化定制的C2B業務模式的轉型。比方說，原先三個月里全線生產100萬臺A手機，用歷史數據管理大規模連續生產做得很好。現在是上午生產5萬臺A手機，下午生產5萬臺B手機，就很難用歷史數據來管理生產，而要用實時數據，并且還要預測產線、前端銷售和供應鏈分別需要做什么調整。

我們認為，用實時數據+預測數據來指導管理，最終實現可控成本的柔性生產和大規模定制，才是未來真正意義的“工業4.0”或是“中國制造2025”。endprint

AI被炒過熱

21CBR：人工智能過去一年在全球引發關注，如何預計新技術在2018年工業制造領域的實施效果？

馬躍：比爾.蓋茨常說，我們總是低估未來十年發生的變化，高估最近兩年發生的變化。我有一個擔心，人工智能最近可能被炒得過熱了，其實我們還有大量基本的數字化補課工作需要完成。并且，目前大多數基于場景做出的模型還比較淺，好比IT領域可以利用機器識別技術做出一套翻譯程序，但進入工業領域就比較困難。

我認為2018年不一定會是人工智能應用落地的爆發年，但我們能做很多事，有巨大的前景，也有巨大的困難。但如果不這么做，我想象不出制造業將如何蛻變。這不僅僅是中國制造企業面臨的問題，德國、美國的數字化做得好，目前更多依靠的是工匠精神的積累，比如產品文檔做得好。所以在這個問題上，中國的制造業企業還有機會。

B2B的人工智能不像B2C，能夠很快看到實際效果。現在還在比起跑快、比加速度的階段，未來五到十年內，發展到一定程度后，相互比拼的一定是三樣東西：數據、算法、場景，比誰手里的數據體量大、算法積累多，以及與場景的結合。如果工業公司和技術公司能花更多精力，有足夠的投資和研究在應用場景和數據模型上，可以從現在開始持續改變人們的生活。

21CBR：施耐德電氣是能效管理方面的專家， 2018年的工作重點有哪些？

馬躍：我們對能效領域未來的市場前景基于這樣一個判斷：隨著全球人口增長、能源需求加大，一次能源中化石能源的消耗將面臨封頂。這時就面臨一個選擇，是更有效地用電，還是發更多的電。我們選擇在用電側花更多的工夫。

某建材集團水泥工廠的能源管理工作就用到了我們的人工智能決策系統。該工廠此前超過一半的生產運營成本用于窯爐和生料磨等能源消耗上，客戶的核心關切是把整個水泥生產的用電降下來。

我們通過使用先進過程控制專家系統（APC）和能源管理系統，收集原有的能耗數據，用原來人腦中的知識建立模型，告訴客戶什么地方多加煤、哪里應該調低溫度，做到了主動調節而非輔助決策，成本大幅降低，同時提高了合格品比率。以前要達到這樣的效果，需要位于河西走廊沿途的多個水泥廠，每個廠內都設有經驗豐富的老專家，實際是很難辦到的。

應對能源消耗，本質上要做的就是削峰填谷，過程中還有大量的基礎設施工作沒有完備，互聯互通的問題沒有解決，大量的終端只能是靜默資產。比如雙方想做P2P交易，首先得裝上雙向電表，把資產連上網絡，再解決信息安全問題，之后才是遠程監控。我們的能源部門專門成立了名為“prosumer”（產銷者）的團隊，探索將生產者和消費者結合在一起的業務模型，這部分的工作還在早期階段。

21CBR：華為、阿里等科技公司也涉足工業互聯網，如何看待2018年智能制造領域的行業格局？

馬躍：我們和很多互聯網巨頭有合作。首先，我們強調“平臺為先”和“融合共生”的業務體系，術業有專攻，比如我們基于互聯網、即插即用的開放架構EcoStruxure在國內外都有實力雄厚的云平臺合作伙伴。

這里還涉及一個關鍵點，在實際應用中，部分企業不會將所有信息都上傳到云端，比如煉油和核電企業不會將核心的工藝管理控制放到云上，云上的響應速度也不足以支持。反過來，水、能耗、用電等不涉及需要快速切斷、及時響應的數據管理，用云則更簡單明快、成本更低。所以，未來在工業現場和云端，將會出現兩套平臺和數據庫混合工作的情況。

我們也認識到，大數據所有者未必能夠用好大數據，要發揮出大數據的作用、實現人工智能的突破性價值，關鍵在于大數據的使用者。所以施耐德電氣希望與數據的所有利益相關方，形成一個社群，共同管理、使用、發掘數據的價值。

互聯網巨頭能在城市交通、人的舒適性等方面發展出足夠多的算法和應用。那么現場的平臺、與核心工藝有關的部分就是我們的專長。未來這個領域的業務模型可以是窄而深，也可以是薄而寬。我們的選擇是窄而深，在我們能提供很強場景支持的特定領域當好專家，既有技術平臺的合作，未來也會成為一個技術交易的平臺，以“融合共生”的方式引領行業的發展。endprint