<mark id="oztn4"></mark>
0
對于企業而言，數字化轉型不在于你做了什么，重要的是你比你的競爭對手多做了什么。
制造業轉型升級的攻堅戰，顯然不只是「勝」與「負」，更關乎「生」與「死」。
6年前，面對“工業互聯網”這一闖入傳統制造業的全新概念，廠商還在想“做與不做”的問題。
現在，當再面對“工業互聯網”這一被整個產業打碎普及了的概念，面對縮減成本、提質增效的壓力時，更多廠商在想“如何做”。
制造業對工業互聯網的態度轉變，似乎來了一個“大轉彎”。
和對手賽跑，和時間賽跑，也要和偏見賽跑。
在由雷鋒網主辦的全球 AIoT 產業· 智能制造峰會上，智能制造領域核心企業專家、管理者們匯聚一堂，從技術和產業兩個層面對當下的 AIoT 關鍵技術及智能制造產業進行了深度探討的剖析。
會上，阿里云智能副總裁、數據智能總經理曾震宇先生帶來了題為《工業大腦驅動工業智能化升級》的精彩演講。
曾震宇提到，工業制造是當前國際大背景下國家間競爭的重要領域，中國是工業大國，人口紅利逐漸見底，挖掘工業制造的紅利亟需被提升日程。阿里作為一家互聯網企業，深刻認識到數據賦能百行千業的重要性。
阿里云智能副總裁、數據智能總經理曾震宇
所以，阿里提出了“工業大腦”的概念，目的是希望以數據為中心，把工業企業的各種各樣的數據做匯集、分析和計算，運用智能的算法發揮出工業數據的價值，以此提升工業制造的水平。做這件事，阿里不會單打獨斗，會和行業領先企業、行業專家合作，形成決策閉環。
阿里提供的工具是“工業數據中臺”，具備領先的算法和算力，將工業場景下的數據重新塑造為企業資產，減少工業成本，提升工業效能。
此外，曾震宇還公布了阿里工業大腦構建數據中臺的方法論、邏輯框架和具體的6大步驟，非常干貨，并在水泥制造、鋼鐵熱軋、垃圾焚燒這3個案例中對步驟進行詳實拆解。
他強調，5G、AIoT等技術于未來幾年在工業場景下將得到比消費場景下更多的應用，工業行業藏寶圖非常巨大，阿里將運用綜合技術，挖掘數據價值，為提升我國整體智能制造水平而努力。
以下為曾震宇的現場演講，雷鋒網做了不改變原意的編輯與整理：
各位專家、各位朋友好，我想跟大家分享的是在工業智能制造領域，阿里云如何通過數據驅動的方式，幫助工業企業完成智能化升級。
在過去的這些年，大家可以看到，各個國家對于工業智能制造非常重視，把智能制造放到一個重要的戰略位置：美國提出了“工業互聯網”，德國提出了“工業4.0”，而中國提出了“中國制造2025”······
我們國家如果要在下一波的國際競爭當中占得頭籌，一定要在智能制造領域搶得先機。
中國在過去幾十年，已經從一個工業弱國發展為現在的工業大國，但是離工業強國還有差距，特別是相距老牌的工業制造國家差距更加明顯。無論是流程制造業，還是離散制造業，咱們都會面臨一些挑戰，比如我們的產能過剩、能耗過大。
隨著過去幾十年的發展，我們的人口紅利在逐漸消失，勞動力的成本也逐漸上升，如果想要持續高速發展制造業的水平，僅僅通過增加設備或者局部改造工藝，不完全行得通。改造設備的成本其實非常高，而且顯然也會讓國外公司賺走我們的利益。
我們要走一條適合自己國家發展的工業道路
阿里巴巴作為一家互聯網企業，深刻認識到對于任何一個行業而言，數據可以產生不可估量的作用。對工業也是一樣，因為工業環境里面蘊藏著大量寶貴的、沉睡的數據。
在工業場景當中，數據種類繁雜，數據量也非常可觀。如果我們能將數據進行充分的打通與匯聚，用數據驅動的方式幫助工業企業提升生產效率，就能找出一條提升智能化水平的新路徑。
因此，阿里云提出了“工業大腦”的概念，目的是以數據為中心，把產品生產全流程的數據進行打通匯聚，構建工業數據中臺，支撐上層智能算法把數據的價值充分挖掘出來。工業大腦不僅用數據揭示過去，更衍生出各種各樣的智能化的應用，幫助指導生產。
工業的數據種類非常多，針對工業產品生產周期各階段，從最早的采購到產品的設計，到生產過程、工藝過程，再到生產出來后的銷售供應鏈等等，會有非常多的工業信息化軟件在里面，包括了MES、ERP、APS等，很多的軟件在行業當中做得非常成熟，在每一個領域中都在發揮其作用。
但是，所有的軟件都只在自己的環境里面發揮作用，軟件系統之間數據沒有打通，這是一個大的機會。
除了上述系統以外，產線、工廠等物理設施設備所產生的數據量也十分可觀。
目前，我們看到大部分的數據，其實是屬于被閑置的狀態，而這些數據蘊藏的潛能和價值其實是極其巨大。
工業大腦的“智”造=數據+算法
剛剛崔院長（雷鋒網注：崔曙光，香港中文大學(深圳)理工學院執行院長、未來智聯網絡研究院院長、深圳市大數據研究院常務副院長、IEEE Fellow）講到了IoT和AloT領域，可以通過數據+模型、算法+模型的方式，去提升智能化的能力。
工業場景也一樣，這些設備產生大量的數據，可以幫助我們做相應的提升。
除了設備生產數據以外，周邊還有各種各樣的數據，例如環境類數據、能耗類數據，市場運營數據等，如果我們把工業企業涉及到的各種數據進行充分打通匯聚，構成一個工業企業的數據中臺，將能夠對企業的發展、智能化的提升產生巨大的作用。
工業大腦之所以能夠產生那么大的作用，因為我們基于數據完成了決策閉環。
我們把工業環境中產生的各種數據融入到數據中臺之后，上層有引擎，會幫助我們生成相應的用于指導設備生產的決策。用數據產生決策，決策產生行動，行動再指導數據沉淀下來，形成一個閉環。
工業發展這么多年，每個行業沉淀了大量的基礎知識，我們的工業大腦和這些沉淀是什么關系呢？
第一，工業大腦不要是替代工業行業已經做得非常成熟的信息化軟件，比如ERP、MES。我們要做的是把它們的數據打通匯聚到在一起。
第二，對于工業行業當中沉淀的大量基礎知識、專業知識，我們是外行。我們進入這個行業之中所建的模型，一定要基于行業機理。因此我們需要跟各個細分行業（如鋼鐵、水泥、化工等）當中的專家機理知識相結合，從而構成我們的模型。
我們通過工業數據中臺實現數據閉環，將數據與行業知識、行業機理相融合，從而形成相應的決策閉環，最終提升智能制造的水平。
剖析阿里工業大腦的3個核心能力
為什么我們認為工業大腦能夠形成這樣的決策閉環、能夠提升智能化的水平？
總結下來有三種能力：數據能力、計算能力和算法能力。
數據能力。工業生產場景當中數據源頭非常多，種類非常多，要把各種生產過程、設計過程產生的結構化的數據、非結構化的數據匯聚在一起，并不是簡單拷貝就行的，真正的打通匯聚要把數據有機地匯聚。
我們以前說過盲人摸象的故事，每一個系統只有這頭大象的一個側面信息，如果我需要知道整頭大象，而不是任由碎片信息離散地堆在那里，這就需要找到這些側面信息之間的有機聯系，用它們拼出一頭大象。這也是我們在工業領域要做的——用數據把整個生產過程完整的鏈路拼出來。
怎么拼出來？需要對生產企業各個鏈條上的數據進行加工和建模。這是一個復雜的過程，涉及到海量數據處理，所以統稱是數據能力。
算法能力。工業企業里面涉及到大量數據，特別是是實時類、持續的數據，基本上都是一些設備設施所產生的數據，這些數據有很強的時效性在里面。我們要去處理這類數據需要各種各樣的算法，包括一些人工智能相應的機器學習算法以及運籌優化算法。
計算能力。因為工業的數據量相對而言比較大，要實時地“算得動”這些數據、準實時地給設備相應的指導或控制，就需要強大的計算能力。
工業大腦整體建立在阿里云的云平臺之上。我們云平臺提供了相應的數據加工的能力、算法的能力和計算的能力，靠著這三個能力，驅動整個工業大腦幫助工業企業，實現降本、增效、提質、安全等等這些業務目標。
阿里云工業數據中臺（IData）是什么物種？
工業大腦的工業數據中臺（IData），將來自各個孤立系統里的數據系統地打通匯聚，再對這些數據進行建模。就像互聯網行業、電商領域的企業需要對數據進行相應建模，工業企業也可以對自己的業務數據建模。
我們用分層的方式做數據建模，各種源頭的數據先直接進入接入層，到了明細層會再劃分成跟各種生產加工相應的訂單域、原料域等等，再往上會根據業務按供研產銷各個領域進行相應的建模，所有跟生產全鏈條、整個產品的生命周期相關的所有數據，全都在這個工業的數據中臺之上。
我們有各種相應的標簽體系，可以供上層的業務去使用，同時還有一些各種各樣的智能引擎可以跑在上面，這構成了一個工業的數據中臺。
數據中臺構建好之后，不僅僅只是一些數據的打通、匯聚，其實對于企業而言，他有巨大的意義，這就相當于把一家企業原本散落在各個地方沒有真正利用起來的數據，變成了一個整體——反映一家企業從源頭到銷售的整個生產鏈條的、實時的生產狀況數據，這些數據是鮮活、實時處理過的、高質量的，成為一家企業非常有效的一種新的資產。
對于工業企業而言，傳統的資產是進口各種各樣的設備，還有各種各樣的人才。今天，數據可以成為工業企業的一種新的資產，我們以工業大腦、數據中臺的方式，構成一個企業新的數據資源。
工業數據中臺概念，跟數據倉庫還是有非常大的不同，傳統的數據倉庫各個行業都會有，比如在金融行業，數據倉庫其實已經有幾十年的時間了，數據倉庫的星型模型等等那些歷史非常長了，理念已經非常成熟了。
數據倉庫主要面向的是企業的決策者，還有BI分析師。它的產物是各類BI報表，可以顯示出整個企業的運營狀況、生產狀況、銷售狀況，既可以給這個企業管理者看一個大盤，也可以給BI分析師做洞察分析：產品銷售額下降了是什么原因、這個月某產品的生產量下降了是什么原因導致的。數據倉庫是做這個目的用的，主要面對的是企業決策者和分析師，是面對人。
數據中臺的本質不僅僅是數據倉庫，數據中臺包含了數據倉庫，數據中臺是面向系統的，不僅可以產生報表，更重要的是通過數據中臺可以形成決策閉環，在數據中臺上層有各種不同的智能化引擎，引擎可以去影響生產。
這個過程是自動的過程，中間可能不需要人的干預，或者只需要人很少的干預，把原本企業的操作人員從重復的操作工作中釋放出來，讓系統以更精準的方式去控制、去提高這個企業的生產能力，這是數據中臺跟數據倉庫很重要的差別。
阿里巴巴做數據中臺也一樣。我們有一個非常龐大的數據中臺，數據中臺產生的作用并不僅僅產生一些報表，不僅僅給我們的CEO看一看雙11的銷售額多少，更重要的目的是我們數據后面有大量的算法，會對不同人員做個性化推薦，也就是我們常說到的千人千面，這些都是算法完成的，背后不需要有人時時刻刻控制。
工業領域是一樣，我們發現數據同樣可以產生作用，可以形成決策的閉環，讓整個企業的生產效率能夠去提升。我們認為工業場景當中數據中臺跟數據倉庫有這么一個非常本質的不同。
六步構建工業數據中臺，阿里的方法論
根據我們過去幾年在工業領域的實踐發現，可以用以下6步實現工業大腦的工業數據中臺（IData）搭建。
1、數據準入分析。弄清楚我們到底有什么樣的數據、數據的質量怎么樣，其實工業企業數據質量并不是都非常高的。
2、數據化。讓數據能夠接入進來。
3、數據建模。構建相應的數據模型。這幾步跟傳統的數據倉庫的加工沒有太大的差異，都是要分層、加工、導入等等做這些事情。 后面是數據中臺額外做的事情。
4&5、知識化和智能化。我們構建專業的知識圖譜，構建工業數據中臺之上智能引擎，這些都是相應提供了智能化的能力，有了這些智能化的能力跟它驅動生產。
6、用實際效果分析數據價值，并對數據成熟度做再評估。
數據中臺，為工業智能“持續供氧”
工業大腦的工業數據中臺（IData）相當于給工業企業創造了一種新的資源，這種資源是可以幫助工業企業產生實實在在的收益。
通過構建一個統一的、協同數據的組織表達，數據中臺幫助企業提升決策管理水平。更重要的是，它為企業提供了一個創新平臺，以往很多通過功能、機理來控制的方式，今后可以通過工業大腦和工業數據中臺（IData）來實現，幫助企業提升效能。
工業數據中臺（IData）其實是工業大腦的一個底座，沒有脫離了數據的智能應用。數據就像人腦里的知識一樣，沒有知識，就不具備深度思考的出發點。所以，工業大腦里面的數據中臺是把工業的數據當成資產，這是一個基礎。
在工業數據中臺（IData）之上，我們還有工業的智能“芯”。這個智能“芯”就是各種場景的智能化引擎，包括像能耗分析引擎、工藝優化引擎等等。
引擎之上是工業智能應用。這些智能應用一定是進入到每一個工業實際的場景當中，如水泥、鋼鐵、石化、垃圾焚燒、橡膠等等，每個行業都有自己的業務特點，每個行業都有自己的優化目標，針對不同場景，我們會有不同智能化的應用。
工業大腦是一個開放的引擎，從工業數據中臺（IData）到智能“芯”再到智能應用，每一層都是可以不斷擴充的，尤其是是智能“芯”和智能應用層面。
工業大腦本質上是幫助企業提升智能化的能力。希望能夠幫助工業企業做到全局的智能，因為我們相信，把工業企業的全量數據進行充分打通和匯聚以后，可以爆發出巨大潛力。
這個“智能”有三層的概念，從單點智能到局部智能，再到全局智能。全局是工業大腦的未來走向，雖然現在沒有到那個程度，但是我們堅信這是一個可以觸達的方向。
單點智能，是指在局部做優化工作，以化工企業為例，化工企業會有多個循環流化床的鍋爐，為整個生產和企業運轉提供能源，還有一些精餾塔和冷卻塔。對每個設備做優化，能夠讓他的能耗降到最低，讓熱能的比例升高，這是單點智能。
其實可以對這一組鍋爐可以再做優化，實現鍋爐間的負載均衡。每一個設備所處的位置不一樣，所提供的能源針對的對象不一樣，不追求每個設備個體做到最優，而是追求一組鍋爐的整體協同最優，讓能源損耗再降低一點，這是局部的優化。
對于整個企業而言，從前期的采購、到設計、到生產，到后面的供應鏈銷售，整個形成一個大的流程，以往很難對這個大流程做優化。我們把整個數據進行匯聚以后，可以把整個生產的功能做相應的規劃，根據市場的銷售狀況優化每一個生產的環節。真正實現供、研、產、銷、服務全流程的優化，這就是全局優化的狀況。
工業大腦的3個智能化案例
接下來分享工業大腦的智能化案例。
首先是水泥行業。這是一個高能耗的行業，耗電耗煤非常多，我們主要通過數據，對水泥生產回轉窯做能耗降低。什么樣的生產狀況能耗、煤耗、電耗最低，這個機器不知道，要讓工人師傅憑經驗做這個事情。
我們可以針對歷史生產數據和能耗優化模型，可以知道在不同狀況之下，什么樣的參數可以讓設備能耗最低，并給出對應的的設備參數推薦，這個參數再給到APC，由APC控制相應的分解爐。這樣一個流程下來，整個回轉爐的能耗大幅降低，一年可以降低數百萬的煤費和電費。
第二是鋼鐵行業的熱軋加熱爐案例。整個鋼鐵生產分鐵前、煉鐵、煉鋼、熱軋和冷軋幾大環節。其中，熱軋環節就是對鋼錠再加熱，軋制變成各種形狀。溫度是一個很重要的參數，如果溫度過高，會讓鋼錠過度氧化，影響產品質量。以往都是人工在控制溫度。工業大腦通過判斷歷史數據，找到在什么時候、在何種工作狀態下、應該使用什么溫度，來保證溫度剛好合適，不產生氧化。這樣就能提升整個加熱爐的效力，把能耗降低下來。
第三是垃圾焚燒的案例。現在國內很多的城市都在講生活垃圾要分類，一部分生活垃圾會進入發電廠，處理之后進行焚燒，產生蒸汽，蒸汽產生電能，變成我們日常用的電。
生活垃圾原材料是很不穩定的，垃圾燃燒操作的過程就非常依賴操作工的判斷，憑借他們多年的經驗去判斷要推多少料、送多少風，工人經驗參差不齊，就會導致焚燒效果不穩定不可控。工業大腦通過建模的方式幫助垃圾焚燒廠用AI來輔助整個焚燒過程控制，讓蒸汽的穩定性提升，減少設備損耗，這些都能帶來實際的經濟效益。AI的輔助也讓工人操作負荷減小，也讓工人的操作負荷變小，過去操作員4小時內需要操作30次，現在只需要在收到提醒后對比參數數值，最多干預系統6次即可。
我們認為對工業來說，通過數據智能的方式，產生的行業價值是非常可觀的。比如說水泥行業，在平均能耗條件下，工業大腦可以幫助一條水泥的生產線每年節省300萬能耗成本。中國有1700-1800條水泥生產線，如果我們能夠把每條線都做相應的優化，估算下來全國水泥生產線的能耗每年可以降低50億元，而這背后僅僅是每條產線1%左右的能耗優化。
而水泥行業只是中國非常龐大的工業領域中的一個分支，每個行業都有很多類似的機會和提優空間。如果把每個機會都當成一顆寶藏，整個行業的寶藏圖就會非常巨大。我們只有繼續走下去，才會發現我們有越來越多的機會，能夠給行業創造越來越多的價值。
工業行業寶藏圖非常巨大，阿里走共建思路
工業大腦是離不開合作伙伴的。
阿里巴巴是一家互聯網的行業，我們對算法和數據更熟悉。而在工業領域，我們自認為是一個小學生，是一個外行。工業大腦離不開在行業中耕耘多年的專家和伙伴，他們對行業機理知識了解很多，只有并肩合作，才能真正服務好各個行業。
很多合作伙伴發現，這其實是一種強強聯手，雙方各自發揮所長，共同去挖掘寶藏，所以大家的信心非常足。我們目標也是要攜手更多的合作伙伴，共同喚醒工業數據的價值，推動工業智能化升級。
剛剛崔院長介紹了AloT這一系列的技術，AIoT的技術在工業場景當中運用的潛力巨大，而且5G在未來幾年，可能對于我們消費者而言影響并不是那么大，但是對于工業企業、對于生產型企業而言，產生的影響是極其深遠的，這是一個正面的積極的影響。
5G技術、IoT技術，在工業場景運用得越多，就意味著我們在工業場景能夠獲取的鮮活而真實的數據越多，能夠幫助工業大腦構建更精準的模型，從而幫助企業收獲更具價值的數據資產，提升工業企業的數據化的智能制造水平，最終提升中國整體的智能制造化的水平。
謝謝大家！
雷鋒網年度評選——尋找19大行業的最佳AI落地實踐
創立于2017年的「AI最佳掘金案例年度榜單」，是業內首個人工智能商業案例評選活動。雷鋒網從商用維度出發，尋找人工智能在各個行業的最佳落地實踐。
第三屆評選已正式啟動，關注微信公眾號“雷鋒網”，回復關鍵詞“榜單”參與報名。詳情可咨詢微信號：xqxq_xq
相關文章：
大咖云集，觀點碰撞！《全球 AIoT 產業· 智能制造峰會》圓滿落幕
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
