沉默的工业数据，如何“开口说话”？

当前，以智能化为核心的科技产业变革正在兴起，人工智能技术与各个行业的融合不断加剧，工业制造已逐渐成为人工智能的重点探索方向。

• 新松机器人利用人工智能+5G的巡检机器人，实现了全自动巡检以及异常问题的自主判断；

• 攀钢、东华水泥等企业借助阿里云工业大脑的深度学习技术识别生产制造过程中的关键因子，找出最优参数组合，提升生产效率；

• 三菱重工与FANUC合作，面向机身钢板打孔、铆接等工序，依托人工智能计算精密、高速加工的最佳条件。

在人工智能技术的加持下，工业制造正变得越来越聪明。生产线上的「钢铁躯体」开始有了自己的工业大脑，一向沉默的工业生产数据逐渐学会“开口说话”…… 用友在“秘密”地钻研了半年之久后，近日他们的工业大脑也即将正式面世。

现如今，用友精智工业大脑成为了继用友精智工业互联网平台之后的又一个智能制造「大杀器」，仅用了半年就完成了从生产配料、优化排产、经济效益测算和裁切优化等众多场景的全覆盖。

用友集团高级专家唐洪华博士表示：

“用友精智工业大脑是用友为了普及智能技术在制造业的应用而打造的新一代智能制造生产力的平台，其对工业企业的生产运营的优化和应用数据的优化，是基于我们30多年以来服务46万多家工业企业的经验的沉淀，帮助企业构建行业化、场景化的算法工厂创建的智能制造的平台。”

另外，雷锋网(公众号：雷锋网)就用友为什么要研发工业大脑，以及工业机理、模型构建的关键点，工业大脑如何发挥作用等问题与唐洪华进行了交流。

工业大脑绝不是简单地模仿人脑

工业大脑是人类智慧与机器智慧深度融合的产物，用算力、数据和算法破解工厂密码，形成了制造业的一套解决问题的方法，帮助企业提升利润，实现智能升级。

阿里云研究中心高级战略专家王岳曾指出，“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。”

那么，用友为什么要研发工业大脑，以及他们的工业大脑是怎样的？

用友之所以研发工业大脑一定程度上来自产业发展需要与客户需求的倒逼。雷锋网了解到，工业智能是我国由制造大国向制造强国转变不可或缺的一部分，也是经济建设中人工智能领域的核心所在。用友作为工信部认定的十大跨行业、跨领域工业互联网平台厂商之一，认为自己需要担负起工业大脑建设的重任；其次，在用友目前所服务的46万工业企业客户，大部分来自制造业。用友发现，制造企业已不仅仅是追求降本提质增效，他们还需要通过数字化、智能化带来业务模式、管理模式、以及商业模式的创新。

“工业大脑应该包括三个方面，算力、数据和算法。”唐洪华表示：

“算力方面，主要是依靠伙伴提供IaaS支撑；数据方面，我们有大量的 ERP、MES、物联网平台等丰富的数据源；算法方面，用友有大量的客户和应用场景，这些场景的核心就是算法，这些算法有的是深度学习算法，有的是运筹学多目标优化算法，有的是机理模型，这是我们一个很重要的优势。另外，用友31年的To B服务基因，这是其他一些公司所不具备的。”

“罗马不是一天建成的，”那么用友精智工业大脑是怎样构建起来的？

从场景赋能的三个阶段开始

工业的数据种类非常多，比如工业产品生产周期各阶段，从最早的采购到产品的设计、生产、工艺过程，一直到生产出来后的销售供应链等，会有非常多的工业信息化软件在里面，包括MES、ERP等。

原本，这些软件都只在自己的环境里面发挥作用，软件系统之间数据并没有打通。这就使得大部分的数据，其实处于闲置状态，而这些数据蕴藏的潜能和价值是极其巨大的。 

用友精智工业大脑在切入一些具体场景时，每个场景基本都经历了样板化验证、产品沉淀和持续赋能三个阶段。

在流程制造行业，由于它的原料是来自全球各地，因此原料的成分和价格都不太一样。而用友在为国内最大的冶炼铜企业做优化配料时，就曾经历了这样一系列的过程：

• 首先，基于场景的样板化验证阶段，结合客户要求和自身经验先把算法模型做出来； 

• 随后，在产品沉淀阶段，通过客户验证以后，把算法和模型沉淀在自身平台，再去规模化推广给中小企业。

• 最后，在持续赋能阶段，其他同类企业可能存在定制化需求，比如除了配铜之外，还要求可以配铁矿、配煤、配焦炭、配合金等。大的模型是类似的，但是针对一些特殊场景还会根据客户具体需求进行微小调整和优化。

现阶段，用友精智工业大脑在优化配料方面，已在化工、冶金、建材等流程工业有了诸多成熟的案例；此外，还在优化排程、经济效益测算和裁切优化等场景进行了更大范围的覆盖。

在优化排程方面，目前已给食品饮料、军工、塑料等行业做一些内容的优化排程。

在经济效益测算方面，已面向化工企业去做经济效益测算。据了解，化工企业是否达到满负荷生产，以及在没有满负荷生产的时候，工作人员要判断生产哪个产品更赚钱对于化工企业是很重要的。因为生产一个产品，必然伴随着另外一个副产品产生，有的副产品处理必须需要多装置协同生产，多装置之间物料、能源都是关联在一起的，因此怎么做经济效益测算使得全场的经济效益最高，这个研究对化工企业是很有价值的。

裁切优化，主要面向玻璃、钢板等的裁切。另外，用友还会和客户共同探索包括质量诊断、故障诊断、图像识别等这些场景的赋能。

“在钢卷材料的剖切优化中，使得某工业企业的原材料利用率提高了5%。比如某家企业客户，每年钢板的采购量大概是3个亿，做了剖切优化后，可以帮助这个企业节省大概1500万的成本。”

用友精智工业大脑首次使用智能算法代替人工经验，为某冶金行业企业进行智能配料计算，充分考虑料仓库位量、多种复杂约束条件，实现对不同来源精矿的自动配料，稳定炉料波动，成本降低约3%，每年为企业节省近千万的成本；在食品行业，用友精智工业大脑帮助某卤制品加工企业通过机器自主学习实现卤制品生产过程的智能排程，使得生产计划准确率得到显著提升，生产效率提升36%；用友精智工业大脑帮助某汽配企业，配合智能工厂系统，与设备供应商、劳务公司在线协同，用机器人代替手工生产，智能诊断生产质量，实现端到端网络化协同制造，产量增加22%，人员减少31%，缺陷降低千分之二。

我们知道，将工业大脑与众多场景进行深度融合时，工业机理和模型构建会是一个难点，那么用友是如何攻克这些难点并快速覆盖的？

工业机理、模型构建的关键点

中国是世界上工业行业最完备的国家，同时每类工业企业都有自己独特的工业Know-How。但大体上，工业行业分为离散制造业和流程制造业两大类。

离散制造业，都是一个工位做完再做下一个工位，要经过一连串可中断的工序进行联接，实现一个产品的输出；而流程制造业，他们的生产过程的特色是当把原材料投入到生产设备中以后，要经过一连串的物理化学反应，最后才能够成为一个产品，生产过程是不可中断的。

全应科技CEO夏建涛表示，国内做工业互联网平台的企业在以自身作为“试炼场”给自己赋能时，大多是来自离散制造业的赋能，比如家电、3C组装等，其实他们是不研究具体工艺的。传统流程型产业的智能化升级最重要工作是要做生产工艺的智能化在线控制优化，这就意味着需要将工业机理、专家知识、数据统计模型和人工智能模型结合到一个点上。

“对于工业机理、专家知识的掌握情况，传统工业虽然不存在问题，但是所有的流程工业都是动态的，需要将这些动态过程在数据上进行体现，因此必须叠加数据统计模型和人工智能模型，而这两种模型是传统工业的人员难以完成的。”

用友精智工业大脑落地的众多场景，包括离散制造业，也包括化工、冶金这样的流程制造业的场景。在为这些流程制造业赋能时，他们如何解决工业机理和模型构建方面的难题？

唐洪华博士表示，比如牛奶、冶金这种流程制造业，一定是和一些物理化学反应过程相关的。我们公司有专门聘请一些行业专家作为我们的外部顾问，当然我们公司内部也有这种专门钻研工艺的行业专家，这有助于我们去理解这种工艺模型；在模型构建方面，通过和清华大学等高校合作，在理清产品的需求后和高校的教授、博士研究生等进行合作，去把物理模型、业务模型转化成数学模型，然后再与计算机的算法结合起来去解决这个问题。其中，更难的一点是数据的清洗、模型的调试，以及约束边界等这些细节的处理工作。

目前来看，工业人工智能和商业人工智能可能不太一样，它更强调实时性高、可靠性高、准确度高、有逻辑、有机理、能解释这些特点。

雷锋网了解到，比如图像识别这种纯粹的机器学习、深度学习，其中人工智能的一些方法与工业大脑中不太相同，这是一个很大的关键点。用友精智工业大脑中的人工智能，除了应用深度学习等方法外，还强调使用运筹学等算法。比如在优化配料、优化排程等，都是以运筹学为核心的智能算法。当然也有用到机器学习、深度学习，去解决质量检验等图像识别的场景。

“也就是说，我们的工业大脑在模型建模这一块与商业AI所用到的方法是不一样，比如废钢的识别，我们会用到一些机器学习、深度学习，但是更多的场景还是要把运筹学和机器学习融合起来解决问题。”

再者，在客户的场景和数据质量方面，用友做工业大脑时遇到很多场景，开始可能会觉得一些场景很类似，但是真正去实践时就会发现这里面有很多完全不一样的地方。比如在一个冶炼周期的预测中，尽管企业原有原始数据很多，但真正做的时候会发现，这些数据的质量有很大的问题，真正有效的数据量却不多，需要再构建系统来获取并清理数据。

工业大脑如何发挥作用？

据Markets报告预计，2025 年人工智能制造市场规模将达 172 亿美元，预测期 (2018-2025 年 ) 内的年复合增长率为 49.5%。而Automation Technology 预计到 2035年，人工智能对制造业增值占比可达 2.2%，排名社会 16 个主要行业之首。

工业大脑作为人工智能制造市场中的核心，到底是如何发挥它的作用，助力制造企业的智能化？

雷锋网了解到，以用友精智工业大脑为例，这里主要有4个方面值得关注，分别是算法工厂、特定算法和管理系统的融合、与产业链伙伴的合作以及商业模式创新。

• 丰富的算法工厂。在实践中，用友已经积累了在冶金、化工、建材、能源、离散、食品、饮料等多种算法，有300多个业务模型，20多个机械工业机理模型和10多个数据算法模型，用友精智工业大脑的算法工厂能很好地帮助客户进行高质量化的发展。

• 特定算法和管理系统的融合。这些智能模型算法融合了财务、供应链、生产制造等产品，为客户提供完整的产品体系，而不仅仅是一个单点的算法。此外，单点的最优不一定是全程最优，用友采用这种算法与管理系统融合的方式去提升企业整体产品能力。

• 与产业链伙伴的合作。目前，在故障诊断、图像识别、语音识别等领域，业界已经有龙头企业诞生。比如科大讯飞的语音识别、百度的图像识别等都是在各地领域做得非常棒的产品。用友旨在打造商业创新平台，会通过产业链融合的方式，把生态伙伴的优秀产品和解决方案融合到平台产品里去为客户赋能。

• 商业模式创新。用友把在头部企业落地效果非常好的智能场景和算法，放到用友的商业创新平台上，以此去赋能更多中小企业，提高质量和降低成本，实现高质量发展。

未来，用友精智工业大脑将持续进行技术升级和功能迭代。比如，从产品设计本身，会考虑产品一定程度的灵活性、扩展性，以减少大版本升级；优化配料方面，进行特定参数设计，使工业大脑在一定范围内具有扩展性。比如，矿石的种类参数与可以自配置，从5种，到8种、10种、20种可以根据项目设置；针对库存量、成分范围、矿的用量等约束也有参数可以设置······（作者微信：15019459997，欢迎寻求工业互联网的业内报道）雷锋网雷锋网

。