很高兴今天有机会和大家分享一个数字化落地实施项目。在今年应该是3月份，MIT斯隆商业评论发表了一篇文章，这篇文章我之所以特别关注，是因为这是由GE前CEO伊尔梅特主笔的，他们提出来在未来我们制造业唯一的生存之路就是数字化，文章在标题后面写了一个“但是”，”但是这条路非常难”。大家有兴趣的话，可以登陆MIT麻省斯隆商业评论网站查看这篇文章，或者可以登陆领英找到我账号与文章，我也也做了一个分享，伊尔梅特的文章大概是6000多字，我解读用了也差不多了七千字。
其实他为什么说我们数字化之路非常难呢？他在文章中指出数字化之路上的三个“绊脚石”：企业墨守陈规，管理创新之困；数字化人才缺乏之困；企业文化与数字化不匹配之困。其实我们都有深刻地体会：我们(CIO/CDO)目前所处的现状，比如说我们企业运行出现状况，或者说出现经营困难，比如说像今天这种情况，比如说各行各业都有一些影响，我们企业预算首先砍的是哪儿？是不是我们IT信息化部门？是的，我们CIO部门受到的影响最大。另外，从IT部门视角出发，CIO部门面临着这么大预算的压力，我们在压缩预算的时候，首先砍的是哪块，我们服务器基础运维？通常砍的是信息化项目预算。所以我个人认为信息化之路的确非常难，但我一直用西方的谚语鼓励我们的团队，西方谚语说，与其诅咒黑暗，不如秉烛夜行。我希望今天的主题分享能成为大家数字化转型迎接黎明前的黑暗的一点烛光，给大家带来一点点启示。
数字化这个背景非常大，我今天这个主题讲的是其中一部分，并且是一个数字化工厂实践的一部分，我们提到智能工厂无非是三块，一块就是设备智能控制与监控，另外一块就是智能执行管理，再往上是智慧决策。今天我分享的数字化仿真与大数据应用，其实是属于智能执行管理和智慧决策这二层的内容。因为这里面涉及到的是一个真实的项目，这里面所有的数据涉及到商业问题我都做了相应的处理，但是不影响它作为一点烛光给大家一点小小的启发。
我们来先看一下项目的背景，这个项目是在一家汽车配件制造厂商实施的，刚刚各位CIO领导提到，我们IT应用作为赋能工具Enabler，必须服务于业务，这家企业的CEO提出来要进行数字化转型，管理创新与改革，以达到提质、降本、增效，这公司提的战略目标，作为数字化部门管理部门，肯定是要做一些事情落实企业的战略。我们可以看一下工厂的整个加工过程，我们用精益的手段方法来梳理了整个过程。可以看到整个过程之中，热处理加工是增值部分环节里面，可以说有存在较大的改善空间，我们可以从这个环节入手，毕竟对于一个整厂改造是非常困难的，需要逐步实话，我们可以用一点点的烛光来展现、实施整个厂的数字化改造。我们来聚焦一下，我们看一下该节点的挑战是什么，首先该厂有3条真空炉生产加工线，并且是混线生产，目前是人工手工排计划，遇到最大的问题就是计划开展不灵活，导致整个周期比较长，这个周期长就意味着更多的在制品，即生产过程中占用的资金比较高。另外大家都知道，这个行业比较特殊，它的质检是有损检测，即破坏性检测，轴承等产品直接把它破坏掉，来看看是不是合格，因此除了检测时间长，并且有损检测的成本非常高。这是该节点面临的一些主要挑战。
当然了数字化工作除了挑战，我们也来分析下在这个厂的优势。第一个优势是它的产线自动化程度比较高，并且3条产线是可以混线生产的，这就为柔性生产带来了一定的先决条件。另外产线的传感器非常丰富，从清洗到预热到回火等所有加工环节。另外企业在过去几年中，所有的生产处理原始数据都保留存档，所有的传感器数据也都有保留。这就是本次数字化面临的挑战与机遇。
我们来看一下数字化解决方案的入手之处，首先可以看左边图，我们在生产线上进行了全自动化车间的改造，通过OT与IT的深度融合，实现了所有的物料可以自动从高架库送出来，到达产线之后，因为OT跟IT打通了，它的生产工艺可以自动调出来，可以自动的加工，加工完成之后，也可以由AGV自动送到高架库，整个生产过程可以没有人的参与，高度自动化执行。
由于IT跟OT的深度集成，就给我们来解决业务的主要挑战提供了条件和机会，首先，我们看刚才提到了，就是说OT、IT深度的打通，他可以全自动的生产，我们可以建立指挥大脑中心，来生产最优的生产序列。应该在那一条产线上生产，何时放在那一条产线上生产，全面提高设备利用率，通过在优化排产上下工夫，来解决排产周期长，不灵活的导致在制品多占资金大的问题，达到增效。
刚才提到了工厂在过去两年保持了完整的数据，我们这一块利用大数据分析做了一个模型，在遵守质量规范的前提下，可以实现无损检测，第一，在一定程度上降低成本，第二，也缩短了整个生产周期，进一步压缩在制品数量，实现提质的同时达到降本。我们先看第一块数字化工作仿真。仿真主要工作分两大块，一块先建模，第二块是利用算法输出一个优化的生产任务序列。建模是针对每一产线分别建模的，因为每条产线，产线的配置都不相同，他们的设备清洗机有的一个，有个两个，有的并行有的通道式的，针对每个产线的结构分别进行梳理建模型。另外由于产线的结构不同，所以控制逻辑也不一样。另外模型参数，当然，大家可以达到产品的工艺数据直接用，但是我们发现，在对过去两年的所有数据进行分析，从数据的概率分布看，发现在实际的工艺和标准工艺有一定的差异。然后我们利用数据分析找出来大概率的差异，在建模的时候做了一定的修正。
左边图这一块大家都很清楚了，建模肯定要考虑这个设备的信息情况，这个设备今天停用了还是待维修，维修计划是什么，是不是明天维修完或者后天才能维修完，另外产品的属性也是建模考虑因素之一，有的产品可能在1号、2号生产，有的产品在3条线都能生产等等。这个模型建立好之后，下面就是一个模型的运算：首先接收生产订单粗计划，进入模型，我们是采用了一些优化算法，最后生成一个最优生产任务序列，这个最优序列告诉类似于大脑指挥中心，指令说在A产线生产什么，下一个应该是什么，在B产线何时生产何产品，以达到均衡化生产，最大的利用产能。其次生产线实时状态、进度信息，通过在整个生产过程中，由于自动化这一块的支撑做成一个闭环，作为另一路数据输入，比如说生产过程中有异常情况的话，就触发再重排产，以动态调整生产序列，时刻确保生产过程的最优化，减少在制品数量的同时，生产过程可预测，与实现生产形成虚拟与现实的结合，达到生产线的透明化。
从系统设计这个执行监控界面，可以看到上面是几个工艺节点，比如第一个工艺点，可以看到它的清洗机预热的有8个，上面小黄点代表的排队等待，中间这些有实际执行情况与仿真数据对比。形成一个闭环生产执行监控，根据标准工艺和实际的工艺的进行实时对比控制。如果是超时的会提示我们的巡检员解决问题。下面图示是我们生产的任务序列，对于每一个序列，我们都可以看到，他每一个工艺应该多长时间，预计何时加工完成下线。但是下面第二行显示的是他执行实际情况，比如说第一行可以看到生产已经有延迟了。但是后面这一块工艺还是正常的，从最终交付这个时间看基本上在下午两点左右产出。整个过程通过闭环的实时动态可以对生产即时监控，现在产线产出下线时间能控制在15分钟之内这样一个精度时间。正是因为产线仿真跟现场闭环的控制，有效地解决了业务面临第一块挑战。
接下来看下大数据机器学习这一块，与设备仿真是一样的，第一个工作就是建立模型，第二对模型的进行优化与使用。关于建模我们拿到了物料的一些关键信息，然后是传感器的数据、一些设备其他的一些数据来抽取出来近300项特征值。在真正应用过程中，我们团队做了降维处理，最终用的可能是160多项。因为这个特征值越多，整个计算时间越长，我们在计算时间和准确度之间做了一个平衡，经过特征建立模型，我们拿历史数据五五开，50%建模，另外50%训练这个模型，训练完成之后我们拿到现场直接来使用模型，看看它的预测和当初训练模型是否一致，与实际检测值进行一一对比，决定能否应用到实际生产中，否则需要进一步优化模型。
另外一块其实是大数据应用的一个辅助，为了更好的对产品质量的把关，我们也把现场多年生产经验的一批专家脑海里的东西沉淀成一些判断的专业系统，形成专家系统，对不合格品进一步把关。通过以上方式，我们这边可以做到，在实现一定无损检测的前提下，绝对实现对不合格的批次把控，确保疑似不合格品必须走人工检测。这张图我们现场的一个实际监控室一个大屏，现在车间里的主管都可以据此来管理生产，左上角是生产仿真与监控内容，下面是检测预测所有的数据，右上角就是整个产线的情况。从近半年的应用分析，该应用有效的应对了企业面临的第二方面的主要挑战。
以上就是非常简短的介绍一下，在落地实施项目里面，数字化仿真与机器学习应用的案例，这边总结一下在实践过程中的一个经验和教训。在上午讲的过程中都已经提到了精益是一个很好的抓手，这个的确是，比如GE的CEO Larry一直在讲精益、抓全员精益管理，不止是生产制造部门，财务等部门都在讲精益管理，我是这样认为的，从过去企业管理经验来看，工业界内对GE的管理文化还是非常认可的。因此跟着GE抓精益思路，应该是没错的，希望精益这一点也能在我们其他企业受到足够的重视与真正的应用，成为我们做数字化转型的一个有力抓手，他能驱动我们的一些管理创新，一些新技术的落地应用。第二点就是数字化仿真这一块，我个人认为它是新建工厂，以及我们运营优化改善的一个得力工具，比如说我们在仿真过程中，就可以发现这条线有问题，这条线的清洗机不够等，没有必要等到我们产线安装完毕运行时才发现有瓶颈问题，在整个模拟过程中都能发现这个问题，帮助企业节省实施成本，提高运营效率。大数据机器这一块的确是我们制造业管理创新的利器。第三点经验总结就是自动化是数字化的基石这点，大家都知道GE提出的数字化转型三步走：建立连接，洞悉数据、运营优化，其实整个案例可以看到，如果没有自动化这块的支持，仿真、大数据都无法实施。
今天先简短的跟大家分享这么多，这边是我的微信，这边是邮箱。如果需要详细沟通可以线下沟通，谢谢大家！
现场提问：我想问一下，我们也会用制造这一块的系统，但是往往存在着我们公司现在做的还可以，因为有几个朋友跟我说，往往存在着制造有他们的系统，财务部门又有系统，数字传输老是出现一些问题，像你刚才说到的智能和制造，你们在财务或者ERP系统里面接口，或者数据传输是什么方式进行的？
苏成君：这个问题是智能制造落地化过程中非常关键的问题，智能制造最大的特征是数据驱动，数据驱动业务的基础是互联互通，原先比如说我们的信息系统烟囱式的，这种建设过程中肯定会造成数据信息孤岛，所以数字化都有一个很重要的工作就是系统间的互联互通，这也是智能制造的最大特征之一。刚才你提到的生产业务数据不一致问题，这一块业界用比较多的是与ERP/SAP数据集成的打通，有很多的具体应用技术。比如说2012年我负责的项目浦东金桥的服务器直接跟德国汉诺威SAP服务器打通，采取的RPC方式技术方式，效果还不错。原先我在ALU在做信息化建设实施时，MES与ERP采取了中间件接口调用的传输。无论何种实时的交互现在都比较成熟，实现系统之间互联互通，达到数据联动与一致性，避免业务数据的混乱。
更多精彩会议内容请关注华东CIO大会官方网站、公众号或数字化转型展公众号~
发表回复