阿里云
发表主题 回复主题
  • 85阅读
  • 0回复

[武汉峰会]AI时代的制造业数字化变革

级别: 论坛编辑
发帖
3839
云币
7406
2018云栖大会武汉峰会新制造专场,由阿里研究中心高级战略专家王岳带来了以“AI时代的制造业数字化变革”为主题的演讲,谈及数字化比那个能对传统企业产生的影响,介绍了制造业数字化变革模型以及中国制造业的未来发展,最后介绍了阿里云工业大脑及相应的案例。

数十款阿里云产品限时折扣中,赶紧点击这里 ,领劵开始云上实践吧!


直播视频请点击以下为精彩视频内容整理:

为什么阿里云谈制造?


去年双十一的交易额达到170个亿,支付峰值达到了25.6万笔/秒,交易峰值达到了32.5万笔/秒,比2016年提高了一倍,拦截了15.03亿次的网络攻击,95%的客服服务是由阿里小蜜机器人来实现的。这些数字背后涉及了很多的技术。我们发现,相当一部分的电商服务具有平移和复制的能力,比如可以通过算法提升芯片的良率,也可以用来养猪。但是像生产类技术却不能,比如生产汽车的公司就不能生产鞋。比如Uptake是一家美国的一个大数据公司,Caterpillar是全球最大的工程机械公司,每天是由三百万的设备是在运转的。Uptake通过对Caterpillar公司的设备数据、环境数据和工人数据,再加上油耗分析模型、故障诊断模型、研发设计模型和成本核算模型,可以很好地为该公司的工程机械用户、工程承包商和操作工提供服务。目前现在Uptake的估值已经达到23亿美金,是一个不折不扣的独角兽公司。

哪些技术能对数字化变革能产生影响


像TD基础设施,比如互联网,云计算,大数据,人工智能;还有像物理世界的物联网,VR/AR,机器人技术等;那么TD技术和物理世界的融合,未来会孵化出新的模式,比如工业互联网,共享经济等。从下图可以看出,工业化变革的每个阶段,都会适时的产生新的技术,而且新技术和现有的技术会产生化学的反应,重新加速制造业的变革。所以,未来区块链、无人驾驶这些技术落地的速度肯定会超过人们的想象。



数字焦虑加速数字化变革


为什么现在企业,都在谈数字化变革呢?其实是因为数字焦虑。过去工业时代,发展就像是植物一样,先生根,然后纵向的开枝散叶,是一种垂直的一种玩法。在数字时代,企业的发展更像是一个动物,需要跨界,需要找水源和新的食物。所以,在新时代转型成功的一些企业中,它们的数字模糊能力比较强,更容易成为行业新的领导者。这过程中也会看到有一些企业被淘汰掉。
数字变革并不能一蹴而就,需要跨过四个门槛:第一个门槛是数据的流转。不同于数字原生、云原生等企业,这些公司的数据本身就是跑在云上面的。制造企业还有一个数据从线下到线上迁移的过程,这是转型的第一步。第二个门槛是触达,直接触达客户。制造业一直讲全生命周期管理,更多是指把产品交付给客户后,生命周期基本上也就终结。第三个门槛是知识的共享和传承。这是制造业发展的一个瓶颈。过去行业的知识都会沉淀到在软件和设备里面,然后再卖给用户,而用户很少能掌握这些知识。一位美国只在发动机的企业工作人员告诉我,这家企业一年的企业流失率在30%~40%,无法实现传承。所以企业应该把知识传承下去。所以我们现在强调要打造百万级工业的APP,一个核心的目的就是,希望能把知识沉淀在APP里面,加速知识的流转,第四个门槛是敏捷。因为企业还是比较谨慎的,变革按流程线性发展。但是在数字时代,如果企业不能做到小步快跑、迭代试错的话,往往会错过商机。


制造业数字化变革模型


制造业数字化变革模型,分为五个维度:第一个维度是数字加速器。数字技术很重要,它是扮演一个赋能的角色。第二个维度就是生产运营变革。如何在工厂端从研发、供应链、生产等方面,加速企业的转型。第三个维度是商业模式。企业要打算什么样的智能产品,打造什么样的智能服务,如何做精准营销。第四个维度是平台的变革。未来的商业模式会是平台公司,包括内部供应链平台,生产平台,研发平台,也包括工业物联网平台,工业互联网平台等。第五个维度是领导力的变革。我们看到我们所做的数字化转型成功的项目,基本上都是一把手项目,这需要CEO和管理层有一个拥抱数字的心态。

中国制造业需要什么样的未来工厂?



工厂的发展分为三个阶段:第一个阶段是动密集型工厂。在流水线能看到互联网技术,机器人技术,AGV小车等,其核心的目的是尽量减少人为的干预,通过生产的自动化,把人解放出来,让人去做一些更为复杂的工作。第二个阶段是数据密集型工厂。这个阶段所有的业务、生产流程都要软件化,所有数据都要云化。核心是为了加速企业的决策。因为一个产品的80%都是在等待。因为信息的不对称,效率大打折扣。比如说汽车的生产过程只要一天,但是接到下单,到交付到用户手里,会需要一周的时间,这就是因为数据没有实时的流转。在这个阶段我们可以通过数据的流转,加快物流和资金流的流转。第三个阶段是智能密集型工厂。未来工厂的核心资产不会是设备,也不是数字技术,而是算法工程师,还有就是工艺师傅。他们能把数据抽象成知识,再把知识,沉淀到软件和设备中。

阿里云工业大脑


阿里云工业大脑,简单来讲就是包括四个拼图:超强的计算能力、云数据、算法和模型、工业知识。工业大脑是需要企业的工程师来进行赋能的。下面分享几个成功案例:
  • 天和光能是全球最大的光伏组件供应商,他们请阿里云的大数据团队去帮助他们实现对良率的提升。我们在他们产线的核心工序中,收集了一千个不同维度的参数,然后做关键参数的识别,就是去看哪些参数会对质量影响最大。通过机器学习搭建模型,去找30个关键参数之间的最优关系。最后得到一个药方——参数的组合。当企业用了这个药方之后,良率提升了7%。
  • 中策橡胶,是中国最大的轮胎制造企业,每年生产5050万套轮胎。其轮胎的制作过程中需要使用不同产地的胶进行混炼,但是具体不同胶之间的比例,都是凭老师傅的经验。这样做并不能实现精确化。通过机器学习,我们使他们的A品率提升了5%。
  • 盾安集团,是中国民营风力发电领军企业,其风机每故障一次都需要几十万。我们在风机上面布满了温度传感器,来实时采集数据,做温度曲线的模型。可以做到提前14天预测故障,使大修变为小修,使单次故障成本减少20-40万。
  • 恒逸石化,全球领先的石油化工综合服务商。化工行业是高耗能行业,每年光烧煤就需要4亿吨。我们通过算法,动态的调整锅炉的参数,可以提升燃煤效率4%,为公司节省上千万成本。接下来,我们会改善他们整个工艺流程。无论是流程行业还是离散行业,都离不开图像识别。如果去工厂就会发现,相当一部分人是在做质检。比如发动机厂的20个生产工序中都需要质检。一个纺织厂的3000人里面有20%是在做质检,所以每年光质检的费用就达到几千万,还有人会是走神的。如果通过图像识别技术,在秒级拍照,分析,预警,制定一套标准,能节省很大的成本。

工业大脑应用场景的三个寻找原则:第一个是数据压强最强的地方。数据越多,可发挥的空间就越大。。第二个是数据采集强的环节。建模的成功率就越高第三个是价值密度,找到你们的痛点,能给企业带来价值。基于这三个原则,企业可以做一下尝试。


工业大脑发展路径——单点、复制、扩展、优化


第一个阶段是头脑风暴。老工艺师傅,数据团队和专家,集思广益。第二个阶段是做减法。看哪个环境,能产生最大价值,实现单点的突破。第三个阶段是数据采集、数据清理、建模。当我们在单点取得效益之后,要在线上去做延展、复制。第四个阶段是扩展这个产线,工业大脑全局的扩展。第五个阶段是朝着平台化发展。针对工厂智能化发展的三个阶段,我们可以从上到下倒逼进行。当企业看到数据能产生价值,能加速它们变革的决心,加速它们对智能化的投入。
通过做了那么多的工业化的项目总结出,工业大脑有四个超能力:暴力破解。基于数据,再加上老工艺师傅,可以把数据变化为知识。跨行业复用。比如说我们在光伏行业做的工业大脑,也可以应用在光伏行业的上游和下游,做到产业化,也可以复制到做橡胶行业和钢铁行业等。微创技术。我们没有改动产线,只是改动数据,风险是可控的。知识沉淀。积累的知识一定是封装在模块或APP里面的,可以赋能所有的中小企业。

场景的微粒化


我们看到行业的不同,或是细分行业的不同。相同细分行业,企业的不同,转型的优先级是不一样的。
图中深色是带来价值比较高的,浅色的是比较低的。做服装对的对C2M感兴趣;食品和制药行业对质量要求比较高;电商对仓储比较关注;交通和机械行业关注3D建模、虚拟仿 真;机械行业还关注协同工艺链;钢铁,电力,石化等行业是流程化的,要花很多钱在设备上,对设备的预测性维护很关心;钢铁、石化等行业有很多的参数变化,希望利用算法来优化生产。可以看出不同行业的转型场景一定是不同的。建议想转型的企业要跟行业的专业人士聊聊,一起把把脉,设计一个有针对性的转型路径。在转型过程中,需要思考我是谁,要有一个明确的变革目标。转型的战略一定要和企业核心的业务战略融合在一起。要打造自己的数字化转型的梦之队;打造适合自己的转型路径。随着转型的深入,传统的KPI已经失效,要打造针对数字化转型的KPI。最后给大家一个建议,要单点突破,从小做起,小步快跑,迅速迭代。

本文由云栖志愿小组王朝阳整理,百见编辑。

转自:https://yq.aliyun.com/articles/596982
[ 此帖被福利达人在2018-06-20 10:34重新编辑 ]
x
发表主题 回复主题
« 返回列表上一主题下一主题

限100 字节
如果您在写长篇帖子又不马上发表,建议存为草稿
 
验证问题: 阿里云官网域名是什么? 正确答案:www.aliyun.com
上一个 下一个