“工业互联网赋能制造业转型升级的最重要的抓手并不是互联网技术本身，而是企业的精益生产与管理，不要指望靠在企业堆砌人工智能、大数据等新技术能实现所谓的数字化转型。”近日，在北京信息化和工业化融合服务联盟主办的数字化转型云论坛系列活动中，中国钢研集团绿色化智能化中心负责人、混合流程工业自动化系统与装备国家重点实验室副主任张云贵在题为《工业互联网赋能冶金智能制造》的主题演讲中如此指出。 工业互联网是推进智能制造的核心抓手 “由于钢铁制造行业具有混合流程、工序耦合、规模化生产、环境强约束等特点，钢铁行业的智能制造需要从模式、技术和方法论等不同的维度去思考，才能实现以智能技术赋能行业的转型升级，实现企业对成本、质量、效率综合优化的目标。”张云贵指出，“因工业互联网提供了完整而清晰的方法论、技术路线（如云计算、大数据、开源等）和商业模式（如链的竞争、赢者通吃等），工业互联网应是推进智能制造的一项核心抓手。” 张云贵强调，必须承认无人化、少人化是当前企业投资者关注智能制造的核心原因，但智能制造的目标绝不只是无人化、少人化。从质量控制的角度看，由于质量在钢铁企业生产过程中具有很强的“遗传性”，智能制造的质量目标是实现全生命周期的质量控制；从生产节奏控制的角度看，智能制造的目标是实现跨工序动态有序协同，从而带来较好的经济效益，例如通过减少工序之间的温降就能达到很好的节能效果。此外，智能制造还可以实现能源与环境的协同优化。 关于智能制造的内涵，张云贵认为，智能制造的系统构成是由人、物理系统和信息系统协同集成的hcps（人—信息—物理系统）。其中，工业互联网平台是信息系统的载体；人是系统知识的提供者，也是使用者。一方面，企业要通过知识工程，将工艺知识进行数字化、平台化；另一方面，人也会参与机器学习，是系统的使用者。例如，在做表面质量检测时，由于机器学习需要大量的样本，但钢铁行业缺陷的样本数量不够，有人参与的话，会在线做一些标注，这样便可在比较快的时间内，提高机器学习的效率。 “智能制造要抓住一项核心技术的话，我认为应是工业互联网技术。”张云贵说。他认为，从技术的角度看，钢铁企业需要以企业自治、自学习、自我进化为目标，综合应用物联网、人工智能和大数据等新一代信息化技术。其中，工业互联网正是以上各项技术得以集成综合的技术。依靠工业互联网提供的方法论、技术路线和商业模式，快速构建企业的智能制造基础架构是一种可行的策略。 其中，工业互联网的方法论，核心是知识的解构、重构和复用，即通过对传统的高度耦合yl6809永利官网的解决方案进行合理的拆分和解构，形成可复用的微服务资源，再针对用户的需求通过特定的集成技术实现功能重构，是工业互联网共享思维在ot（运营技术）领域最为核心的体现，也是对目前工业自动化、信息化技术供给侧最大的冲击。“基于平台的组态式智能技术服务是未来的一个趋势。”张云贵指出。 数据的切割与耦合 是工业互联网应用的最大难点 张云贵从宏观的角度指出，工业互联网对制造业的影响是多方面的。首先，中小企业会通过工业互联网获得与“领头羊”企业相当的自动化、信息化服务。其次，客户服务将成核心。由于在互联网模式下，知识供给侧越来越由少数天才把控，大量从事技术研发的人将被挤到客户服务领域，成为平台的“附庸”。因此，对客户的服务水平将成为企业竞争的核心。再其次，平台的接入服务将发展成为专门的生意，这类业务可以用电商发展后快速出现的“快递小哥”业务来类比。最后，在未来，智能制造的ip（知识产权）也将成为一种新商品。如德国巴登钢厂就有一项重要的智能制造ip收入。 在张云贵看来，工业互联网赋能钢铁行业的着力点并非技术本身，而是以下3点：第一，精益生产与管理；第二，制造协同，这常常意味着内部流程、组织的重新定义；第三，整合运营，即要从整个价值链布局与思考，包括供应链整合、采取预测性质量体系、构建面向制造业务的共享平台等方面。 “从冶金行业的智能制造实践来看，数据的切割与耦合是工业互联网赋能冶金智能制造的最大难点。”张云贵进一步解释道，“冶金行业的工艺特点以及传统的信息化层级架构，决定了不同工序对数据会形成天然的切割，跨工序的数据横向流动十分困难。实现冶金智能制造必然涉及端到端的横向集成，比如跨工序的质量控制与追溯、一体化生产计划等，这些都需要数据能够实现跨工序高效流动。”因此，要实现跨工序多源异构的数据共享，他认为需要解决两个问题：信息架构问题和数据关联融合问题。 张云贵指出，工业互联网的扁平化架构刚好可以破解工序对数据的切割，从而解决第一个问题。扁平化架构是工业互联网对目前企业信息化层级结构的挑战。可以预测，在工业互联网场景下，企业信息化的功能会逐步向云端和边缘端两个方向进行迁移，云端智能将集中大部分企业横向贯通需要的功能，比如bi（商业智能）、erp（企业资源计划）、mes（制造执行系统），而边缘智能会承接部分来自传统管理层（如mes）的功能，同时强化在过程级、基础级的智能化水平。解决第二个问题，则需要对数据与应用进行解耦，一个可行的技术路线是在原来的基础上构建一个语义抽象层，对基础数据进行某种集成、运算，向上层应用进行定向发布。
|
