18世紀(jì)中葉，蒸汽機(jī)讓社會(huì)生產(chǎn)進(jìn)入機(jī)械化時(shí)代；

19世紀(jì)70年代，電力讓人類社會(huì)進(jìn)入電氣時(shí)代；

20世紀(jì)90年代，通信技術(shù)和計(jì)算機(jī)技術(shù)讓社會(huì)進(jìn)入信息時(shí)代高速發(fā)展時(shí)期。

三次工業(yè)革命，每一次都讓社會(huì)生產(chǎn)效率呈爆發(fā)式增長。而眼下，智能制造的概念又掀起了第四次工業(yè)革命，德國的工業(yè)4.0，美國的工業(yè)互聯(lián)網(wǎng)，中國的智能制造2025，都在這場革命之下排好了陣仗。

毫無例外，每一次的革命都是為了生產(chǎn)效率的提高，但這次，世界各國對生產(chǎn)效率的提高，卻定位在了1%。

而在剛過去不久的2050大會(huì)上，鋅財(cái)經(jīng)記者也奔赴了智能制造主題的分會(huì)場，見到了積夢智能，一家工業(yè)智能科技公司的創(chuàng)始人謝孟軍。在會(huì)場，鋅財(cái)經(jīng)記者也與謝孟軍對第四次工業(yè)革命“1%的小目標(biāo)”進(jìn)行了長時(shí)間的探討。

（積夢智能創(chuàng)始人謝孟軍接受鋅財(cái)經(jīng)采訪）

其實(shí)，1%的目標(biāo)并不小。

前三次的革命，已經(jīng)把社會(huì)生產(chǎn)效率提升到了足夠的高度。而底盤足夠大，哪怕是1%的進(jìn)步，進(jìn)步也足夠大。

從蘋果工廠出身的謝孟軍，接觸了大量的制造工廠，出來創(chuàng)業(yè)之后，又跑遍了家鄉(xiāng)寧波的上百家工廠。在采訪中，謝孟軍告訴鋅財(cái)經(jīng)，大部分的工廠包括一些諸如汽車、3C的高端制造工廠，最大的痛處是無法讓各個(gè)部門串聯(lián)成一個(gè)整體。

在蘋果制造工廠里待過，又看過數(shù)百家傳統(tǒng)工廠的謝孟軍，也和鋅財(cái)經(jīng)分享了這些年來他對中國智能制造的一些看法。

他說，所有的部門就像一個(gè)個(gè)孤島，而這些孤島之間的距離，就是與1%小目標(biāo)之間的巨大鴻溝。

積夢智能創(chuàng)始人 | 謝孟軍

1

中國智能制造的小目標(biāo)：1%的進(jìn)步

首先還是要明確一下智能制造的概念，為什么德國叫工業(yè)4.0，美國叫工業(yè)互聯(lián)網(wǎng)，而我們就叫智能制造。

德國提出來了工業(yè)4.0之后，國內(nèi)才有了智能制造這個(gè)概念。所謂工業(yè)4.0，基本上就是按照解決不同的問題來定義工業(yè)4.0，而工業(yè)4.0想要解決的問題，是希望用CPS的方式把整個(gè)工廠互聯(lián)互通，成為智能工廠。

在德國提出來工業(yè)4.0之后，美國提出了工業(yè)互聯(lián)網(wǎng)，其實(shí)這些名稱并不是隨意取的。美國目前整個(gè)互聯(lián)網(wǎng)非常發(fā)達(dá)，所以美國就想利用它們發(fā)達(dá)的互聯(lián)網(wǎng)，來改善它整個(gè)的工業(yè)體系，想要利用互聯(lián)互通的方式把所有設(shè)備打通。

這些名詞的產(chǎn)生是符合每個(gè)國家工業(yè)發(fā)展不同特征的。德國在設(shè)備硬件方面非常厲害，而美國互聯(lián)網(wǎng)也非常厲害，所以它們的出發(fā)點(diǎn)會(huì)不一樣。但是它們的目標(biāo)是一致的，希望搶在下一個(gè)工業(yè)革命當(dāng)中那個(gè)制高點(diǎn)。

如果我們把維度降到地球村來參考，其實(shí)分工是很明確的，設(shè)計(jì)、生產(chǎn)、配件等等都有專人負(fù)責(zé)。那么，在德國的工業(yè)4.0和美國的工業(yè)互聯(lián)網(wǎng)之前，中國的定位是什么？世界制造工廠，全球最大制造國，全球各地需要的高端的、低端的零配件我們都有。

在工業(yè)2.0向工業(yè)3.0轉(zhuǎn)型的過程當(dāng)中，中國要做的事情是用機(jī)器換人。而現(xiàn)在，各個(gè)發(fā)達(dá)國家都提出了工業(yè)發(fā)展的新概念，所以中國為了應(yīng)對全球制造領(lǐng)域內(nèi)的分工，提出了中國制造2025。

中國提出中國制造2025的概念，同其他發(fā)達(dá)國家一樣，想要在十大領(lǐng)域里搶占制造領(lǐng)域中的制高點(diǎn)。

但不論是哪個(gè)國家，提出工業(yè)發(fā)展的新方向，最終的目的是為了提高效率。

根據(jù)美國通用公司的調(diào)查，工業(yè)互聯(lián)網(wǎng)的效率只要提升1%，帶來的效應(yīng)是巨大的。以航空領(lǐng)域?yàn)槔?，如果整個(gè)航空行業(yè)節(jié)省1%的燃料，那就能夠省下300億美金。在電力行業(yè)這個(gè)數(shù)字是660億美元、醫(yī)療領(lǐng)域是630億美元、鐵路領(lǐng)域是270億美元、而在石油天然氣行業(yè)，節(jié)省下來的經(jīng)費(fèi)將達(dá)到驚人的900億美元。

把1%的威力放大到全球規(guī)模來看，它的效益是非常驚人的。對無利不起早的商人來說，在利益的驅(qū)動(dòng)下，會(huì)把全球的智能制造推動(dòng)起來。

2

信息孤島間的橋梁，是頂層設(shè)計(jì)

雖然提出智能制造2025的概念已經(jīng)有一段時(shí)間，但我們也知道目前也尚處在起步階段，讓制造業(yè)轉(zhuǎn)型，還是有很多的步子要走。

我們知道很多傳統(tǒng)工廠里，以單個(gè)應(yīng)用為信息督導(dǎo)的特別多。而這些有關(guān)聯(lián)卻又單獨(dú)存在的信息督導(dǎo)，就可以叫做信息孤島。

一個(gè)工廠從小規(guī)模發(fā)展壯大，必然會(huì)增添新的部門和職能，比如DOE分析、量產(chǎn)性管控等等這些東西。而這些隨著工廠發(fā)展拓展的業(yè)務(wù)板塊，必然會(huì)增加新的應(yīng)用。但絕大部分工廠的做法是怎樣的？我增加一個(gè)部門，就增加一個(gè)對應(yīng)的APP；出現(xiàn)一個(gè)問題，我就去解決一個(gè)問題。

那么，問題來了。

這樣做的結(jié)果就是，每個(gè)部門之間的應(yīng)用是割裂的，就像一片海里的若干個(gè)孤島一樣。在蘋果的經(jīng)歷也讓我認(rèn)為，這是傳統(tǒng)制造企業(yè)最大的問題。連同一個(gè)企業(yè)的各個(gè)部門都無法高效協(xié)同，請問你怎么做到智能制造？

蘋果公司在制造工廠是如何做的？他們在做之前就已經(jīng)從頂層搭好了邏輯和框架，已經(jīng)清楚要什么，大的模塊有哪幾塊，如何讓各個(gè)模塊之間的數(shù)據(jù)流通起來……這些東西，已經(jīng)事先思考的非常清楚了。

其實(shí)，事先從頂層設(shè)計(jì)的思考邏輯，就是一個(gè)數(shù)字工廠的模型。跟蘋果公司一樣，每個(gè)工廠都會(huì)有不同的數(shù)字模型，比如以產(chǎn)品為中心從設(shè)計(jì)開始到供應(yīng)商、到生產(chǎn)、到銷售、到供應(yīng)鏈……哪怕是一些模塊還沒有拓展，都是能夠事先搭好整個(gè)數(shù)字模型的。

數(shù)據(jù)，只有流通起來才是最有價(jià)值的。

為了讓數(shù)據(jù)的價(jià)值放到最大，我們在中間這層加一個(gè)PAAS層以及海量的數(shù)據(jù)儲(chǔ)存，和一個(gè)儲(chǔ)存的引擎。另外，我們也有很多檢測報(bào)警框架和機(jī)器學(xué)習(xí)框架。

在我們目前切入的3C和汽車行業(yè)里，我們打造了很多這樣的模型。在行業(yè)打磨的這幾年里，我們已經(jīng)能夠讓大數(shù)據(jù)可視化，為了搭好最底層的統(tǒng)計(jì)分析框架，我們自己也做了很多數(shù)據(jù)采集的方案，比如自動(dòng)采集器、終端、移動(dòng)端和很多適配器的方案。

在這個(gè)基礎(chǔ)之上，我們做了一個(gè)工業(yè)的APP Store。我們都知道，現(xiàn)在有一個(gè)事實(shí)：APP都是IT和懂技術(shù)的人來開發(fā)的。但實(shí)際上我們的業(yè)務(wù)需求提到IT那邊后，最終是由代理商完成這些功能的。

但我們要做的是自己搭建所有的應(yīng)用過程。

我們會(huì)有一個(gè)這樣的思考，建一個(gè)基于樂高的思想設(shè)計(jì)的系統(tǒng)平臺(tái)，它的底層會(huì)有一個(gè)底層服務(wù)。因?yàn)槲覀儓F(tuán)隊(duì)大多數(shù)都出身自互聯(lián)網(wǎng)，所以，我們在基于容器云的模式上搭建了一整套方案，就是用“微服務(wù)+容器”的方式搭建了整個(gè)底層服務(wù)。

在這之上我們自己搞了一套數(shù)據(jù)存儲(chǔ)的軟件，同時(shí)要支持OLAP和OLTP兩個(gè)板塊，既能夠做到實(shí)時(shí)分析，還能夠有一些歷史分析的東西。

我們現(xiàn)在基本上是以PG為主，就是類似于Oracle的開源數(shù)據(jù)庫，基于這個(gè)數(shù)據(jù)庫我們做了一個(gè)大型的解決方案。我們同時(shí)又跟Hadoop等等這些接口串起來，在這個(gè)基礎(chǔ)上搭建了數(shù)字工廠模型，我們把設(shè)備、測量、產(chǎn)品、售后、缺陷、任務(wù)這些東西抽象化出來，到數(shù)字工廠模型里面，在這之上再設(shè)一些SAAS服務(wù)，統(tǒng)計(jì)分析、檢測分析、統(tǒng)計(jì)報(bào)警這些技術(shù)服務(wù)的東西。

再比如工裝管理的應(yīng)用開發(fā)，我們利用數(shù)字工廠模型里面的三個(gè)板塊，就可以搭建出來工裝管理模塊。工裝、設(shè)備怎么用一個(gè)應(yīng)用管理起來？

這只是一個(gè)舉例，一個(gè)工廠會(huì)有很多需要解決不同問題的應(yīng)用。工廠越大，所需要的數(shù)據(jù)工廠模型就越復(fù)雜，需要搭建的應(yīng)用就越多。工廠里面關(guān)心的包括幾個(gè)東西，一個(gè)是所謂的效率問題，一個(gè)是財(cái)務(wù)問題，一個(gè)是質(zhì)量問題。效率問題可能是MS，財(cái)務(wù)問題是ER，質(zhì)量問題是MS和ERP。

他們不可能把整個(gè)數(shù)字工廠的東西都交同一家公司來做。如果在這方面創(chuàng)業(yè)，我的建議是選擇一個(gè)具體的口子切入。比如我們作為一個(gè)初創(chuàng)企業(yè)，是專門針對做質(zhì)量，從業(yè)務(wù)角度說是全面質(zhì)量，從設(shè)計(jì)開始，設(shè)計(jì)、生產(chǎn)、銷售、售后等等，這塊所有的東西做了一個(gè)全面的解決方案。

總結(jié)一下這一塊，我想說的是，要消除信息孤島的狀況要從頂層設(shè)計(jì)就開始。

3

孤島的距離，1%的距離

但不可否認(rèn)，目前大多數(shù)企業(yè)各部門，以信息孤島的形式運(yùn)作的現(xiàn)象是普遍存在的。而這樣的運(yùn)作方式，也無法讓企業(yè)最大化的做到高效運(yùn)行，也就是離各國都在追求的1%，還有一定的距離。

有這么個(gè)現(xiàn)象，大家可以思考一下：

在大部分傳統(tǒng)企業(yè)里，紙張依然是記錄的重要載體，但其實(shí)在紙質(zhì)記錄的方式下，所有的數(shù)據(jù)是散落的。比如，在汽車制造工廠，汽車?yán)镉幸粋€(gè)扭矩箱是要扭螺絲的，但一輛汽車有兩三個(gè)扭矩箱，都會(huì)在不同流程，不同時(shí)間，甚至不同的人去操作，這些數(shù)據(jù)都是分散的，可能一個(gè)星期就沒了。

（紙張依然是記錄的重要載體）

但事實(shí)上，這些數(shù)據(jù)都是相互關(guān)聯(lián)的，那我們?nèi)绾伟堰@些數(shù)據(jù)采集起來并長期保存呢？

對于這個(gè)問題，最好的答案應(yīng)該是：一體化。怎么來解釋這三個(gè)字？

第一，多種數(shù)據(jù)采集并且電子化

任何一個(gè)零件，一個(gè)部分，直至最終的成品，其實(shí)每一個(gè)部件之間都是有關(guān)聯(lián)的。你要分析它們之間的關(guān)系，就必須把每一個(gè)可記錄的數(shù)據(jù)都采集起來，并保存在數(shù)據(jù)庫里。

每一個(gè)數(shù)據(jù)都是構(gòu)建數(shù)字工廠模型的磚瓦。

第二，多種數(shù)據(jù)源的一體化

一家工廠，越到發(fā)展的后期，所牽扯到的數(shù)據(jù)會(huì)越來越多。比如，設(shè)備數(shù)據(jù)、流程數(shù)據(jù)、供應(yīng)商數(shù)據(jù)、設(shè)備信息、工藝事件、設(shè)計(jì)數(shù)據(jù)、售后質(zhì)量等等，這些數(shù)據(jù)其實(shí)是可以把這些數(shù)據(jù)統(tǒng)一錄到模型和系統(tǒng)平臺(tái)里的。

第三，標(biāo)準(zhǔn)一體化

數(shù)據(jù)一體化之后，其實(shí)很大程度上已經(jīng)做到了標(biāo)準(zhǔn)一體化。即便是在一家工廠里，會(huì)牽涉到非常多的設(shè)備，不同設(shè)備的協(xié)議不一樣、格式也不一樣，就同一個(gè)品牌不同的版本格式就會(huì)不一樣，不同品牌的差異就更大了。還有各種格式的，工廠里面比較多的是表格格式，還有CMS、DMO等各種設(shè)備格式。

所以，這么多不同類目的東西是要有一套自己的標(biāo)準(zhǔn)的。那我們積夢自己來說，我們先會(huì)對數(shù)據(jù)做一個(gè)清理，然后轉(zhuǎn)換成我們自己的標(biāo)準(zhǔn)，再錄到我們的數(shù)據(jù)工廠里。

因?yàn)橹挥袠?biāo)準(zhǔn)化之后，數(shù)據(jù)處理、分析才能做到一致性。

這里有一個(gè)數(shù)據(jù)一體化之后的效果圖。第一個(gè)圖是汽車零配件的，它有不同的點(diǎn)，有不同的設(shè)備去檢測它；第二個(gè)圖來自于所有不同的設(shè)備的測量數(shù)據(jù)。然后利用三維的引擎把它渲染起來，就可以實(shí)時(shí)看得到怎樣測質(zhì)量體系的情況。

這些數(shù)據(jù)可以用來進(jìn)行虛擬匹配。那么，什么是虛擬匹配？虛擬匹配有什么用？

假設(shè)零件A和零件B是兩個(gè)相互裝配的零件，A和B都有充分的測量數(shù)據(jù)。在沒有裝之前，就可以根據(jù)檢測到的數(shù)據(jù)，去做虛擬匹配的過程，這可以極大地提高效率，在它裝之前就可以立馬分析出這個(gè)東西能否裝進(jìn)去。

還有一個(gè)問題，大家也可以思考一下。

制造業(yè)里有很多問題可能是尺寸問題。舉一個(gè)簡單的例子，一個(gè)車門、一個(gè)車身，車門和車身要裝起來，裝起來之后其實(shí)整個(gè)車門和車身之間是有空隙的，這個(gè)空隙嚴(yán)重影響了幾個(gè)東西，第一個(gè)是異響，第二個(gè)漏雨。這是個(gè)很大的質(zhì)量問題，但是車身檢測的是A設(shè)備，但車門卻來自于別的供應(yīng)商，而且給車門做檢測的與給A設(shè)備做檢測的，并不是同一個(gè)設(shè)備。但是兩組數(shù)據(jù)完全不一樣，你怎么去分析？

所以，基于這兩個(gè)例子，也可以知道虛擬匹配有多大的意義。但虛擬匹配的前提是數(shù)據(jù)一體化，只有數(shù)據(jù)一體化之后，才能做有效的數(shù)據(jù)分析。

4

拉近1%的距離

在這個(gè)時(shí)代，大數(shù)據(jù)的重要特征是什么？是價(jià)值。而把這些數(shù)據(jù)的價(jià)值擴(kuò)大，也是拉近與1%的小目標(biāo)的關(guān)鍵。

但是工業(yè)大數(shù)據(jù)有一個(gè)特征是低密度的價(jià)值，也就是說它的數(shù)據(jù)量很大，但是有價(jià)值的數(shù)據(jù)卻是很小的一部分，怎樣找出這些有價(jià)值的數(shù)據(jù)，其實(shí)是非常重要的一步。

這里有一個(gè)汽車?yán)锝?jīng)常應(yīng)用的所謂的相關(guān)性分析。在汽車裝配的過程中，其實(shí)A零件裝在B零件上，當(dāng)然，這兩個(gè)都會(huì)做數(shù)據(jù)檢測，A零件有偏移會(huì)導(dǎo)致B零件偏移。但是檢測的結(jié)果都是以B零件為結(jié)果，你會(huì)發(fā)現(xiàn)B零件偏移了，但根據(jù)B零件的數(shù)據(jù)去調(diào)整，并不能修復(fù)好裝配過程當(dāng)中的問題。只有調(diào)整A零件，才能解決問題，也就是說它會(huì)存在相關(guān)性。

通過這個(gè)例子，我想說的是，數(shù)據(jù)量很大，但關(guān)鍵是如何找到有效信息，關(guān)聯(lián)信息，才能把信息的價(jià)值最大化。

在積夢這里，我覺得數(shù)據(jù)是可以在以下幾個(gè)方面發(fā)揮很大的作用的。

1.最終良率預(yù)測

當(dāng)然，預(yù)測良率還是以統(tǒng)計(jì)概率為主，在完成統(tǒng)計(jì)概率以及零配件的測量之后，根據(jù)概率的分布，我們計(jì)算出最后使用該零件產(chǎn)品的合格率。在最終的呈現(xiàn)結(jié)果上，由于人不可能一直實(shí)時(shí)盯著，所以，我們提供了很多的可視化分析。

2.產(chǎn)品的缺陷分析

目前，制造企業(yè)里面應(yīng)用最多的可能是統(tǒng)計(jì)分析。但我們利用統(tǒng)計(jì)分析再結(jié)合傅立葉計(jì)算的一些算法，做產(chǎn)品缺陷的聚攏分析。基于統(tǒng)計(jì)概率，當(dāng)最終的產(chǎn)品有缺陷時(shí)，根據(jù)缺陷類型，給出每個(gè)組件可能導(dǎo)致該缺陷的概率，幫助工程師準(zhǔn)確推斷出引起缺陷的原因。

3.測量數(shù)據(jù)實(shí)時(shí)報(bào)警

在眾多大數(shù)據(jù)下怎樣做到數(shù)據(jù)的實(shí)時(shí)報(bào)警預(yù)警，這是至關(guān)重要的，特別是對于制造企業(yè)來說，報(bào)警預(yù)警應(yīng)該說是最為重要的東西。因?yàn)椴荒艿鹊轿覀兪潞笤侔l(fā)現(xiàn)這個(gè)問題時(shí)，再去處理這個(gè)事件。利用數(shù)據(jù)后臺(tái)的聚算、消息隊(duì)列，分布式的檢測，我們實(shí)現(xiàn)了大數(shù)據(jù)的實(shí)時(shí)報(bào)警預(yù)警。當(dāng)然還有很多結(jié)合業(yè)務(wù)的東西，基于HPC的報(bào)警，基于單點(diǎn)的報(bào)警，基于概率的報(bào)警。

4.呈現(xiàn)智能報(bào)告

最后，我們還做了一個(gè)類似BI的工具，因?yàn)樵诠S里面，很多時(shí)候我們還要做數(shù)據(jù)分析、匯報(bào)、質(zhì)量分析，基于這個(gè)東西，我們會(huì)做一個(gè)類似工業(yè)的PPT工具。

我剛才講到因?yàn)樗械臄?shù)據(jù)都聚到一起了，那你去做數(shù)據(jù)分析的時(shí)候，這個(gè)APP所有組件都已經(jīng)做好，那只要設(shè)計(jì)一下數(shù)據(jù)源，就可以立馬做出你所需要的所有數(shù)據(jù)的報(bào)表。當(dāng)然我們還會(huì)把這些東西做一些歷史快照，導(dǎo)成PDF。

分享這么多，想要表達(dá)的是，中國的傳統(tǒng)企業(yè)要向智能制造轉(zhuǎn)型，要做的還有很多。哪怕是1%的進(jìn)步，也是一個(gè)路漫漫其修遠(yuǎn)兮的過程。也希望今天的分享能夠給大家?guī)硪欢ǖ乃伎己蛶椭?/p>

文章 ∣ 單一

責(zé)編 ∣ 美麗

攝影 ∣ 黃碩

手繪 ∣ 精衛(wèi)

?本文版權(quán)歸“鋅財(cái)經(jīng)”所有

部分圖片來自網(wǎng)絡(luò)

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。