人机协作，引爆工业智能升级

姜红德

面向人工智能时代，制造业该如何转变？9月21日，阿里云研究中心在杭州发布了《工业大脑白皮书：人机边界重构 —— 工业智能迈向规模化的引爆点》的研究报告，对制造业的现有困境和未来出路进行了深入分析，阿里云研究中心高级战略专家王岳针对白皮书中的一些观点和智能工厂进行了进一步解读。

传统制造业的新挑战

王岳认为，在技术变革的大趋势下，传统靠资源消耗型的企业肯定会越来越艰难，挑战会越来越大。

首先，工业时代考验的是生产一样东西的能力，但数据时代考验的是生产不一样东西的能力。现在，消费者的个性化需求与日俱增，但很多工厂在实现多品种、小批量、个性化、按需生产方面明显已经力不从心。

其次，传统企业中很多工厂设备的维护、工艺参数调节全凭经验，“标准动作”缺失，工厂难以找到行之有效的方法将经验进行量化、复用。而由于劳动力成本攀升，导致技术工人、工程师人才频繁进出，企业很容易陷入原地踏步、重复造轮子的窘境。

而且，随着工业现代化的不断演进，自动化和精益化的生产系统已经发展到了一个很高的水平，但也越来越接近生产的天花板。单纯的工业内部解决方案已经很难进一步提升运营效率，需要行之有效的手段让隐形和碎片化的工业问题浮出水面。

智能工厂凸显超能力

王岳分析认为，目前融合了工业大脑的智能工厂已经展示了其“独特”的超能力。凭借这些超能力，工业大脑正在成为制造业数字化转型的最佳助手。

首先， 跨界复制的能力。实践证明，工业大脑在图像识别、智能排产、设备预测性维护、能耗优化等方面的沉淀，具有较强的通用性，可以跨行业复用。比如用于电池片良率提升的工艺参数推荐技术，也可以应用在多晶硅、硅片及电池组件的生产良率优化。石化工业大脑项目在能耗优化上的经验积累，同样可以复制到钢铁、水泥、纺织等行业。

其次，逆向推演的能力。 工业大脑强大的数学能力加上足够的计算速度，使得它有望通过模型有效识别海量参数间的关键路径，从结果逆向推导原因。这种方式突破了“专家经验”传统的思维定式，将隐性和碎片化的工业问题变得显性化，并由此生成新的知识。

再次，微创手术的能力。数字世界的试错成本远低于物理世界。工业大脑以微创的方式，并不需要大量的硬件投入与生产线的改变，仅通过在虚拟环境中对数据的改动与优化，即可产生明显的价值与收益，且试错成本低，路线不对可及时调头。

最后，知识沉淀的能力。 知识、经验、方法、工艺与实践可封装在模型、SaaS软件和工业APP中，基于工业互联网平台传播，加速知识的流动。比如依托阿里云工业大脑AI创作间，可以像搭积木一样，快速搭建行业通用的数据模型，训练企业专属的工业智能。工厂的工程师即便不懂写代码，也一样可以进行智能应用的开发。

王岳特别指出，“工业大脑绝不是简单地模仿人脑，而是以自己独特的数据化思维方式解决人类解决不了的问题。工业大脑的思考过程是从数据到知识再回归到数据的过程。”未来，工业大脑的力量将渗透到制造业全产业链、全价值链、全生命周期中，持续为制造业企业带来机会和增值空间。

案例：天合光能

天合光能一直以来希望能够通过技术的突破和产品的更新来实现电池光电转换率的提升以及系统成本的降低。为了能够应对这些挑战，天合光能在了解、评估了多种技术架构之后，最终采用阿里云，希望借助云计算、大数据等人工智能技术提高A类比例。项目团队以小步推进的方式，从现有生产离线数据切入。通过收集生产执行系统 （MES）的数据、以及设备的离线日志，对现有数据维度进行分析。

借助大数据平台，通过数据建模，对工艺参数进行量化分析，寻找关键因子，最终聚焦在包括印刷速度、印刷压力、印刷高度、网间距、冷却水温度、流速、风速等关键因子上，数据范围大幅度缩减。通过在算法平台上搭建工艺参数优化模型，分析不同变量间的逻辑关系，模拟推演出多个不同的参数组合，并从中识别最佳”工艺配方”。

团队起初是以小批量进行测试，根据测试结果进行持续调优。随着生产稳定性提升，测试规模从百片到千片直至上万片，测试周期也从以小时/天为单位延长到以周为单位。经过几十次的批量测试以及持续调优，最终得以发现能够突破原有生产A品率水平的一组最优参数组合。

天合光能全球IT负责人朱加川表示，项目从2017年7月启动以来，团队历经5个月的努力，主要取得了四方面的成效：生产A品率的实际测试值提升了7%，同时每一批测试结果都维持在相对稳定的状态。根据项目组测算，基于天合光能全年的产量，一个百分点的A品率提升可带来至少数百万的利润，7%则意味着数千万的利润，相当可观；目前通过阿里云的一站式数据采集接口，已连接天合光能超过200+生产设备，海量数据通过网络实时上传至阿里云大数据平台进行实时计算；通过可视化大屏工具，实时展示产量、质量、设备相关数据，實现生产数字化、管理透明化；通过对设备数据及工艺参数的实时监控，结合工艺参数分析模型，实现设备异常及工艺参数异常的提前预警，实现生产过程的主动管理。