以數據驅動的CPS“信息-物理系統”，促進制造價值轉型 

前情提要

3月29日，在由工業和信息化部指導，中國信息通信研究院和數據中心聯盟主辦的“2017大數據產業峰會”上，人稱“工業界花輪”的IMS中心博士生，北京天澤智云科技有限公司研發副總裁 劉宗長，分享了IMS基于15年技術積累，在全球超過150多個工業項目的實踐經驗，提煉出的中國制造智能化最核心的理念和精華的案例，收到現場嘉賓的積極響應。

“工業界花輪”劉宗長，具體都講了什么？

1.制造價值，是工業大數據的根本

各位同仁和嘉賓們大家下午好！今天我主要的分享內容，核心在于制造價值。制造價值其實是我們做工業大數據的根本動力。今天我的分享主要圍繞“制造價值”有什么樣的外延和內涵？外延對于客戶有什么樣樣的價值？

這個圖我們非常熟悉，是整個的工業革命發展脈絡。它每一個階段都由制造價值的核心驅動，最早一次工業革命到二次工業革命之間，比拼的是產量驅動。

第二次工業革命到第三次工業革命之間，核心是大家拼質量，如何以盡量少的成本，把質量和設計做好。那個時候包括日本制造和德國制造，在這個方面都脫穎而出。到了下一個階段其實是產品的全生命周期管理和服務。

到了第四次工業革命，我們的制造業發展在什么地方？有兩個方面。一個是過程管理生產當中的問題，通常包括KPI的績效體系和KPI管理方式。對可見的問題進行管理，設備故障、產品缺陷、加工失效、質量偏差等都是管理。所有的可見問題，都是由于隱性問題不斷積累產生的損失，過去將大部分的精力放到這里，問題產生之后如何迅速恢復和管理它，現在有了大數據洞察工具，現在要管理隱性的問題。

2.如何從“大而不強”，到中國制造2025

最近國家提出了“中國制造2025”，核心點是如何改變“大而不強”的問題。其實2010年左右，中國的工業產值已經超過了美國。到現在一直連續六年的時間，一直是工業產值老大的位置。如果我們看兩個指標，第一個指標是叫做勞動力生產率，我們只有美國的四分之一左右。第二，高端技術密集型出口，占整個出口的比值。我們發現還跟印度兄弟們在同一個水平，不到50%。這個時候就提出了一個問題，什么是我們的核心競爭力？這個里面給出了個制造競爭力公式，叫做質量÷成本×客戶價值。在制造競爭力方面都要在這幾個方面提升，具體體現指標一個是單位時間利潤率，所有的生產系統無論用什么樣的手段，傳統利用經營管理模式也好，還是數據管理也好，我在單位時間產生多大的利潤。第二個是客戶價值比，客戶花錢購買我們的服務帶來多大的收益。一方面是制造一方面是品牌價值，德國和美國在做制造時，利用的工業4.0手段更加提高生產效率和質量。美國更加偏向于客戶價值，基于工業互聯網，如果在用戶運維端為他帶來1%的價值，15年之后產生多大的回報？我們看到美國和德國在這兩個方面不斷加強核心競爭力。

3.以數據驅動的“信息-物理系統”，即CPS系統

我們怎么理解制造領域核心的制造知識呢？現場在坐從事制造的朋友們，一定非常清楚制造的5M要素包括材料、裝備、維護、測量、工藝、建模。制造系統當中要解決問題，第一個是發生問題時怎么利用模型分析問題，利用模型優化調整5個要素進而解決問題，整個過程從傳統利用人的經驗固化成模型知識。另外，模型調整每次的反饋都可以優化知識，然后把模型優化下來做大數據的挖掘。

如果以整個的系統核心價值為導向，可能要回答三個問題。第一個是知識怎么產生的？第二個知識怎么規模化應用？第三個知識怎么傳承？從整個的制造系統演化過程中分為五個階段。

第一，全員生產系統，這個是日本提出來的。應該是七八十年代整個制造系統當中引以為核心的標準。這種固化在了組織和對人培訓方面。

第二，精益制造和6-Sigma。它的核心價值是如何以數據作為標準建立管理體系，在這個基礎下面包括質量管理體系、產品全生命周期管理體系等等。這個時候數據真正在制造使用過程中發揮作用。

第三，目前處于轉型的最重要時期，我們還沒有完全到達第三個階段。這個是以數據驅動的預測性建模分析，怎么把隱性的問題顯性化，顯性化之后解決隱性的問題，避免顯性問題的發生。

第四，以預測為基礎的資源有效性運營決策優化。對于過去產生的關聯性都能夠建模之后，怎么根據系統生產、環境、人員多方要素變化進行實時動態優化。

第五，“信息-物理”系統。我們認為它是建立在對于所有設備本身運行的環境、活動目標非常精確建模基礎上，這個時候我們產生知識的應用和傳承問題。

智能制造系統的技術跨越目標，是以設備故障為核心的全員維護方法，有一個詞叫Fail And Fix，TPS強調三現，現場、現時、現物。將來要做到設備還沒有發生故障，預期到早期戒備，結合生產工藝把這些風險避免掉，實現0故障。以績效體系和人的經驗為核心的決策方式，慢慢轉化為以數據驅動為核心的綜合優化自主決策。第三個是以依賴人為載體的制造知識訓練與應用，最終轉化為以模型和數據為載體的運維決策和知識傳承。

對于工業大數據的應用體系，李杰教授提出了基于“信息-物理系統”（CPS）的5層構架，通過構建“五個智能”和“四個轉變“實現制造系統的智能化升級。它根據智能決策優化建議，對設備的控制與企業資源的優化配置進行同步，實現“為用戶創造新的價值”。這個鏡像模型全是服務于使用的目的、建模、效能和用戶目標等等。在這個層次上面有不同數據匯集起來之后，再進行數據的挖掘和產生。今年3月1日工信部正式發布了“信息-物理系統”白皮書，系統性地闡述了CPS與智能裝備、智能制造和智能服務之間的關系，對這個新興技術方向的應用和發展有很好的指導作用。李杰教授的第三本書，《CPS：新一代工業智能》也將很快出版，應該是國內第一本系統介紹CPS技術理論和應用體系的著作。

4．從應用案例看價值

怎么利用數據驅動系統價值呢？我們覺得有兩個方向，第一個方向是無論各個因素怎么變化？都要達到最優的變化，這是我們定義的所謂無憂。

給大家分享兩個例子，第一個是中國船舶工業集團與IMS聯合成立了海洋智能技術創新中心，從2013年IMS配合中船集團進行以客戶價值為核心的智慧海洋5S工程。它的背景是大家可能知道，2008年經濟危機之后，2009年-2012年之間船市市場非常不好，有大量的船企倒閉，那個時候一艘船的價格幾乎砍到一半，這個時候他們想從長期來看船舶市場很難恢復，所以他們想怎么實現持續盈利？他們把眼光放在第一個是環境，第二個是對船舶的服務，系統和智能優化，最后是怎么從技術創新面向客戶使用的創值。

中船集團用了三年時間開發了SOMS系統，因為船舶每次出海之后，船東運營部門都不知道它的狀態，那個時候做了兩個分析，一個是有一部分數據在運營方面的，大量分析算法所用的模型都是放在船上分析的，船在運行過程中對一些實時數據進行分析，分析完的結果會不定期傳到大數據中心去，大數據中心再做進一步模型優化，一艘船舶每天的需求。

每船兩百兆數據是一千美元，我們叫平臺級的產品設計，核心是大數據分析和應用開發平臺。在運營過程中需求是多樣化的，怎么樣把一些算法模塊化，功能應用以船為核心（船本身也是傳感器）在海上運行時可以搜集水紋、氣象的數據，這些數據可以給船務公司提供氣象服務。還可以給船運公司、碼頭等等這些提供什么樣的服務。

中船集團開發的SOMS產品已經進入了試運營階段，并正在與勞式船級社等國際組織積極推動智能船標準的建立。

第二個是大數據在制造場景當中的應用。這個是的在PCB電子制造行業，整個制造方面大概有20多個不同上百種設備，制造系統當中很多的問題是碎片化的。剛剛袁總提到一個問題，一開始平臺搭建好，整個前端的應用怎么去部署？最大的問題是每次運用產生大量成本是解決碎片化的問題，因為這樣的難度成本會非常大。

我們建立以數據驅動的“信息-物理制造系統”智能管理生產制造系統中的隱性問題，在賽博端形成實體端的映射，形成部件、設備、制造過程、產品和生產線的賽博鏡像模型，經過該CPS系統分析實現運維決策協同優化。

這個是UV鐳射的鉆孔，這個設備在整個工廠里面大概有近百臺。近百臺里面鐳射頭是耗材，平均停機周期為一個月，因此對于過去41個鐳射的全生命周期數據進行建模，開發了整個的衰退過程建模，用健康值定量0~1，1是完全健康，0是故障，我們可以看到潛在故障預警。

剛剛講了很多碎片化的問題，以點代面的方式給PCB制造部門做了一個面向不同應用的智能運維系統。這個流程是說無論是前面裝備的管理部門還是質量管理部門提出需求，根據定義好的需求，我們可以把數據的目標和采集方式進行匯總，可以在向他們提供的Watchdog Agent®工具箱上面快速開發平臺，生成定制化應用，連接到工廠系統當中去。這個系統已經應用到鐳射頭、電機、鍋爐泵等等一系列設備的在線智能監控和運維。經統計，該系統上線一年后平均每個月減少53.7個小時宕機。