沉默的工業數據，如何“開口說話”？

當前，以智能化為核心的科技產業變革正在興起，人工智能技術與各個行業的融合不斷加劇，工業制造已逐漸成為人工智能的重點探索方向。

• 新松機器人利用人工智能+5G的巡檢機器人，實現了全自動巡檢以及異常問題的自主判斷；

• 攀鋼、東華水泥等企業借助阿里云工業大腦的深度學習技術識別生產制造過程中的關鍵因子，找出**參數組合，提升生產效率；

• 三菱重工與FANUC合作，面向機身鋼板打孔、鉚接等工序，依托人工智能計算精密、高速加工的**條件。

在人工智能技術的加持下，工業制造正變得越來越聰明。生產線上的「鋼鐵軀體」開始有了自己的工業大腦，一向沉默的工業生產數據逐漸學會“開口說話”...... 用友在“秘密”地鉆研了半年之久后，近日他們的工業大腦也即將正式面世。

現如今，用友精智工業大腦成為了繼用友精智工業互聯網平臺之后的又一個智能制造「大殺器」，僅用了半年就完成了從生產配料、優化排產、經濟效益測算和裁切優化等眾多場景的全覆蓋。

用友集團高級專家唐洪華博士表示：

“用友精智工業大腦是用友為了普及智能技術在制造業的應用而打造的新一代智能制造生產力的平臺，其對工業企業的生產運營的優化和應用數據的優化，是基于我們30多年以來服務46萬多家工業企業的經驗的沉淀，幫助企業構建行業化、場景化的算法工廠創建的智能制造的平臺?！?/span>

另外，雷鋒網就用友為什么要研發工業大腦，以及工業機理、模型構建的關鍵點，工業大腦如何發揮作用等問題與唐洪華進行了交流。

工業大腦是人類智慧與機器智慧深度融合的產物，用算力、數據和算法破解工廠密碼，形成了制造業的一套解決問題的方法，幫助企業提升利潤，實現智能升級。

阿里云研究中心高級戰略專家王岳曾指出，“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?！?/span>

那么，用友為什么要研發工業大腦，以及他們的工業大腦是怎樣的？

用友之所以研發工業大腦一定程度上來自產業發展需要與客戶需求的倒逼。雷鋒網了解到，工業智能是我國由制造大國向制造強國轉變不可或缺的一部分，也是經濟建設中人工智能領域的核心所在。用友作為工信部認定的十大跨行業、跨領域工業互聯網平臺廠商之一，認為自己需要擔負起工業大腦建設的重任；其次，在用友目前所服務的46萬工業企業客戶，大部分來自制造業。用友發現，制造企業已不僅僅是追求降本提質增效，他們還需要通過數字化、智能化帶來業務模式、管理模式、以及商業模式的創新。

“工業大腦應該包括三個方面，算力、數據和算法?！碧坪槿A表示：

“算力方面，主要是依靠伙伴提供IaaS支撐；數據方面，我們有大量的 ERP、MES、物聯網平臺等豐富的數據源；算法方面，用友有大量的客戶和應用場景，這些場景的核心就是算法，這些算法有的是深度學習算法，有的是運籌學多目標優化算法，有的是機理模型，這是我們一個很重要的優勢。另外，用友31年的To B服務基因，這是其他一些公司所不具備的?！?/span>

“羅馬不是一天建成的，”那么用友精智工業大腦是怎樣構建起來的？

工業的數據種類非常多，比如工業產品生產周期各階段，從最早的采購到產品的設計、生產、工藝過程，一直到生產出來后的銷售供應鏈等，會有非常多的工業信息化軟件在里面，包括MES、ERP等。

原本，這些軟件都只在自己的環境里面發揮作用，軟件系統之間數據并沒有打通。這就使得大部分的數據，其實處于閑置狀態，而這些數據蘊藏的潛能和價值是極其巨大的。

用友精智工業大腦在切入一些具體場景時，每個場景基本都經歷了樣板化驗證、產品沉淀和持續賦能三個階段。

在流程制造行業，由于它的原料是來自全球各地，因此原料的成分和價格都不太一樣。而用友在為國內**的冶煉銅企業做優化配料時，就曾經歷了這樣一系列的過程：

• 首先，基于場景的樣板化驗證階段，結合客戶要求和自身經驗先把算法模型做出來；

• 隨后，在產品沉淀階段，通過客戶驗證以后，把算法和模型沉淀在自身平臺，再去規?；茝V給中小企業。

• 最后，在持續賦能階段，其他同類企業可能存在定制化需求，比如除了配銅之外，還要求可以配鐵礦、配煤、配焦炭、配合金等。大的模型是類似的，但是針對一些特殊場景還會根據客戶具體需求進行微小調整和優化。

現階段，用友精智工業大腦在優化配料方面，已在化工、冶金、建材等流程工業有了諸多成熟的案例；此外，還在優化排程、經濟效益測算和裁切優化等場景進行了更大范圍的覆蓋。

在優化排程方面，目前已給食品飲料、軍工、塑料等行業做一些內容的優化排程。

在經濟效益測算方面，已面向化工企業去做經濟效益測算。據了解，化工企業是否達到滿負荷生產，以及在沒有滿負荷生產的時候，工作人員要判斷生產哪個產品更賺錢對于化工企業是很重要的。因為生產一個產品，必然伴隨著另外一個副產品產生，有的副產品處理必須需要多裝置協同生產，多裝置之間物料、能源都是關聯在一起的，因此怎么做經濟效益測算使得全場的經濟效益最高，這個研究對化工企業是很有價值的。

裁切優化，主要面向玻璃、鋼板等的裁切。另外，用友還會和客戶共同探索包括質量診斷、故障診斷、圖像識別等這些場景的賦能。

“在鋼卷材料的剖切優化中，使得某工業企業的原材料利用率提高了5%。比如某家企業客戶，每年鋼板的采購量大概是3個億，做了剖切優化后，可以幫助這個企業節省大概1500萬的成本?！?/span>

用友精智工業大腦首次使用智能算法代替人工經驗，為某冶金行業企業進行智能配料計算，充分考慮料倉庫位量、多種復雜約束條件，實現對不同來源精礦的自動配料，穩定爐料波動，成本降低約3%，每年為企業節省近千萬的成本；在食品行業，用友精智工業大腦幫助某鹵制品加工企業通過機器自主學習實現鹵制品生產過程的智能排程，使得生產計劃準確率得到顯著提升，生產效率提升36%；用友精智工業大腦幫助某汽配企業，配合智能工廠系統，與設備供應商、勞務公司在線協同，用機器人代替手工生產，智能診斷生產質量，實現端到端網絡化協同制造，產量增加22%，人員減少31%，缺陷降低千分之二。

我們知道，將工業大腦與眾多場景進行深度融合時，工業機理和模型構建會是一個難點，那么用友是如何攻克這些難點并快速覆蓋的？

中國是世界上工業行業最完備的國家，同時每類工業企業都有自己獨特的工業Know-How。但大體上，工業行業分為離散制造業和流程制造業兩大類。

離散制造業，都是一個工位做完再做下一個工位，要經過一連串可中斷的工序進行聯接，實現一個產品的輸出；而流程制造業，他們的生產過程的特色是當把原材料投入到生產設備中以后，要經過一連串的物理化學反應，最后才能夠成為一個產品，生產過程是不可中斷的。

全應科技CEO夏建濤表示，國內做工業互聯網平臺的企業在以自身作為“試煉場”給自己賦能時，大多是來自離散制造業的賦能，比如家電、3C組裝等，其實他們是不研究具體工藝的。傳統流程型產業的智能化升級最重要工作是要做生產工藝的智能化在線控制優化，這就意味著需要將工業機理、專家知識、數據統計模型和人工智能模型結合到一個點上。

“對于工業機理、專家知識的掌握情況，傳統工業雖然不存在問題，但是所有的流程工業都是動態的，需要將這些動態過程在數據上進行體現，因此必須疊加數據統計模型和人工智能模型，而這兩種模型是傳統工業的人員難以完成的?！?/span>

用友精智工業大腦落地的眾多場景，包括離散制造業，也包括化工、冶金這樣的流程制造業的場景。在為這些流程制造業賦能時，他們如何解決工業機理和模型構建方面的難題？

唐洪華博士表示，比如牛奶、冶金這種流程制造業，一定是和一些物理化學反應過程相關的。我們公司有專門聘請一些行業專家作為我們的外部顧問，當然我們公司內部也有這種專門鉆研工藝的行業專家，這有助于我們去理解這種工藝模型；在模型構建方面，通過和清華大學等高校合作，在理清產品的需求后和高校的教授、博士研究生等進行合作，去把物理模型、業務模型轉化成數學模型，然后再與計算機的算法結合起來去解決這個問題。其中，更難的一點是數據的清洗、模型的調試，以及約束邊界等這些細節的處理工作。

目前來看，工業人工智能和商業人工智能可能不太一樣，它更強調實時性高、可靠性高、準確度高、有邏輯、有機理、能解釋這些特點。

雷鋒網了解到，比如圖像識別這種純粹的機器學習、深度學習，其中人工智能的一些方法與工業大腦中不太相同，這是一個很大的關鍵點。用友精智工業大腦中的人工智能，除了應用深度學習等方法外，還強調使用運籌學等算法。比如在優化配料、優化排程等，都是以運籌學為核心的智能算法。當然也有用到機器學習、深度學習，去解決質量檢驗等圖像識別的場景。

“也就是說，我們的工業大腦在模型建模這一塊與商業AI所用到的方法是不一樣，比如廢鋼的識別，我們會用到一些機器學習、深度學習，但是更多的場景還是要把運籌學和機器學習融合起來解決問題?！?/span>

再者，在客戶的場景和數據質量方面，用友做工業大腦時遇到很多場景，開始可能會覺得一些場景很類似，但是真正去實踐時就會發現這里面有很多完全不一樣的地方。比如在一個冶煉周期的預測中，盡管企業原有原始數據很多，但真正做的時候會發現，這些數據的質量有很大的問題，真正有效的數據量卻不多，需要再構建系統來獲取并清理數據。。

據Markets報告預計，2025 年人工智能制造市場規模將達 172 億美元，預測期 (2018-2025 年 ) 內的年復合增長率為 49.5%。而Automation Technology 預計到 2035年，人工智能對制造業增值占比可達 2.2%，排名社會 16 個主要行業之首。

工業大腦作為人工智能制造市場中的核心，到底是如何發揮它的作用，助力制造企業的智能化？

雷鋒網了解到，以用友精智工業大腦為例，這里主要有4個方面值得關注，分別是算法工廠、特定算法和管理系統的融合、與產業鏈伙伴的合作以及商業模式創新。

• 豐富的算法工廠。在實踐中，用友已經積累了在冶金、化工、建材、能源、離散、食品、飲料等多種算法，有300多個業務模型，20多個機械工業機理模型和10多個數據算法模型，用友精智工業大腦的算法工廠能很好地幫助客戶進行高質量化的發展。

• 特定算法和管理系統的融合。這些智能模型算法融合了財務、供應鏈、生產制造等產品，為客戶提供完整的產品體系，而不僅僅是一個單點的算法。此外，單點的**不一定是全程**，用友采用這種算法與管理系統融合的方式去提升企業整體產品能力。

• 與產業鏈伙伴的合作。目前，在故障診斷、圖像識別、語音識別等領域，業界已經有龍頭企業誕生。比如科大訊飛的語音識別、百度的圖像識別等都是在各地領域做得非常棒的產品。用友旨在打造商業創新平臺，會通過產業鏈融合的方式，把生態伙伴的優秀產品和解決方案融合到平臺產品里去為客戶賦能；

• 商業模式創新。用友把在頭部企業落地效果非常好的智能場景和算法，放到用友的商業創新平臺上，以此去賦能更多中小企業，提高質量和降低成本，實現高質量發展。

未來，用友精智工業大腦將持續進行技術升級和功能迭代。比如，從產品設計本身，會考慮產品一定程度的靈活性、擴展性，以減少大版本升級；優化配料方面，進行特定參數設計，使工業大腦在一定范圍內具有擴展性。比如，礦石的種類參數與可以自配置，從5種，到8種、10種、20種可以根據項目設置；針對庫存量、成分范圍、礦的用量等約束也有參數可以設置······