人機協作，引爆工業智能升級

姜紅德

面向人工智能時代，制造業該如何轉變？9月21日，阿里云研究中心在杭州發布了《工業大腦白皮書：人機邊界重構 —— 工業智能邁向規模化的引爆點》的研究報告，對制造業的現有困境和未來出路進行了深入分析，阿里云研究中心高級戰略專家王岳針對白皮書中的一些觀點和智能工廠進行了進一步解讀。

傳統制造業的新挑戰

王岳認為，在技術變革的大趨勢下，傳統靠資源消耗型的企業肯定會越來越艱難，挑戰會越來越大。

首先，工業時代考驗的是生產一樣東西的能力，但數據時代考驗的是生產不一樣東西的能力。現在，消費者的個性化需求與日俱增，但很多工廠在實現多品種、小批量、個性化、按需生產方面明顯已經力不從心。

其次，傳統企業中很多工廠設備的維護、工藝參數調節全憑經驗，“標準動作”缺失，工廠難以找到行之有效的方法將經驗進行量化、復用。而由于勞動力成本攀升，導致技術工人、工程師人才頻繁進出，企業很容易陷入原地踏步、重復造輪子的窘境。

而且，隨著工業現代化的不斷演進，自動化和精益化的生產系統已經發展到了一個很高的水平，但也越來越接近生產的天花板。單純的工業內部解決方案已經很難進一步提升運營效率，需要行之有效的手段讓隱形和碎片化的工業問題浮出水面。

智能工廠凸顯超能力

王岳分析認為，目前融合了工業大腦的智能工廠已經展示了其“獨特”的超能力。憑借這些超能力，工業大腦正在成為制造業數字化轉型的最佳助手。

首先， 跨界復制的能力。實踐證明，工業大腦在圖像識別、智能排產、設備預測性維護、能耗優化等方面的沉淀，具有較強的通用性，可以跨行業復用。比如用于電池片良率提升的工藝參數推薦技術，也可以應用在多晶硅、硅片及電池組件的生產良率優化。石化工業大腦項目在能耗優化上的經驗積累，同樣可以復制到鋼鐵、水泥、紡織等行業。

其次，逆向推演的能力。 工業大腦強大的數學能力加上足夠的計算速度，使得它有望通過模型有效識別海量參數間的關鍵路徑，從結果逆向推導原因。這種方式突破了“專家經驗”傳統的思維定式，將隱性和碎片化的工業問題變得顯性化，并由此生成新的知識。

再次，微創手術的能力。數字世界的試錯成本遠低于物理世界。工業大腦以微創的方式，并不需要大量的硬件投入與生產線的改變，僅通過在虛擬環境中對數據的改動與優化，即可產生明顯的價值與收益，且試錯成本低，路線不對可及時調頭。

最后，知識沉淀的能力。 知識、經驗、方法、工藝與實踐可封裝在模型、SaaS軟件和工業APP中，基于工業互聯網平臺傳播，加速知識的流動。比如依托阿里云工業大腦AI創作間，可以像搭積木一樣，快速搭建行業通用的數據模型，訓練企業專屬的工業智能。工廠的工程師即便不懂寫代碼，也一樣可以進行智能應用的開發。

王岳特別指出，“工業大腦絕不是簡單地模仿人腦，而是以自己獨特的數據化思維方式解決人類解決不了的問題。工業大腦的思考過程是從數據到知識再回歸到數據的過程。”未來，工業大腦的力量將滲透到制造業全產業鏈、全價值鏈、全生命周期中，持續為制造業企業帶來機會和增值空間。

案例：天合光能

天合光能一直以來希望能夠通過技術的突破和產品的更新來實現電池光電轉換率的提升以及系統成本的降低。為了能夠應對這些挑戰，天合光能在了解、評估了多種技術架構之后，最終采用阿里云，希望借助云計算、大數據等人工智能技術提高A類比例。項目團隊以小步推進的方式，從現有生產離線數據切入。通過收集生產執行系統 （MES）的數據、以及設備的離線日志，對現有數據維度進行分析。

借助大數據平臺，通過數據建模，對工藝參數進行量化分析，尋找關鍵因子，最終聚焦在包括印刷速度、印刷壓力、印刷高度、網間距、冷卻水溫度、流速、風速等關鍵因子上，數據范圍大幅度縮減。通過在算法平臺上搭建工藝參數優化模型，分析不同變量間的邏輯關系，模擬推演出多個不同的參數組合，并從中識別最佳”工藝配方”。

團隊起初是以小批量進行測試，根據測試結果進行持續調優。隨著生產穩定性提升，測試規模從百片到千片直至上萬片，測試周期也從以小時/天為單位延長到以周為單位。經過幾十次的批量測試以及持續調優，最終得以發現能夠突破原有生產A品率水平的一組最優參數組合。

天合光能全球IT負責人朱加川表示，項目從2017年7月啟動以來，團隊歷經5個月的努力，主要取得了四方面的成效：生產A品率的實際測試值提升了7%，同時每一批測試結果都維持在相對穩定的狀態。根據項目組測算，基于天合光能全年的產量，一個百分點的A品率提升可帶來至少數百萬的利潤，7%則意味著數千萬的利潤，相當可觀；目前通過阿里云的一站式數據采集接口，已連接天合光能超過200+生產設備，海量數據通過網絡實時上傳至阿里云大數據平臺進行實時計算；通過可視化大屏工具，實時展示產量、質量、設備相關數據，實現生產數字化、管理透明化；通過對設備數據及工藝參數的實時監控，結合工藝參數分析模型，實現設備異常及工藝參數異常的提前預警，實現生產過程的主動管理。