智能制造的AI

1、智能制造的AI之路管理層需要更多更全面的數(shù)據(jù)，執(zhí)行層希望更具備效率更簡單舒適的工 作工具。如何輕松簡潔的獲取數(shù)據(jù)，再將數(shù)據(jù)串聯(lián)起來，打破信息孤島， 實現(xiàn)業(yè)務(wù)融合是目前智能制造的重中之重。作者：徹紋 來源：制造業(yè)信息化咨詢智能制造系統(tǒng)之蕩：企業(yè)信息化建設(shè)三駕馬車：ERP、PDM與MES，ERP管理的是企業(yè)的資源， 比如人員、設(shè)備折舊等，PDM管理的是產(chǎn)品的設(shè)計過程，比如產(chǎn)品圖紙、工 藝等，MES管理的是制造的過程，比如生產(chǎn)計劃、生產(chǎn)作業(yè)等。ERP是從客戶開始，到訂單，到主計劃，回答的是為什么生產(chǎn)；PDM從產(chǎn)品需求開始到 工藝編寫，回答的是怎么生產(chǎn)，MES是從計劃到具體加工，回答的是到底是 怎么干

2、的。綜合來看，ERP、MES與PDM都屬于管理系統(tǒng)，MES(ManufacturingExecution System)全稱是制造執(zhí)行系統(tǒng)，主要面向的對 象是管理層：戰(zhàn)略層：戰(zhàn)略層如企業(yè)總經(jīng)理、型號總師等，主要獲知生產(chǎn)的趨勢性數(shù) 據(jù)，如生產(chǎn)問題發(fā)生率、任務(wù)完成率、額定工時統(tǒng)計等等，都屬于分析統(tǒng) 計類數(shù)據(jù)，簡稱為高階數(shù)據(jù)；管理層：管理層如計劃員、調(diào)度員等，主要獲知生產(chǎn)的實時數(shù)據(jù)，如生 產(chǎn)進度、現(xiàn)場問題等，屬于實時性數(shù)據(jù)，對數(shù)據(jù)的實時性要求較高；如現(xiàn)場問題發(fā)起之后，管理層希望第一時間獲知該信息， 所以MES的現(xiàn) 場問題模塊目前會增加一個需求：當現(xiàn)場工人 /班組長發(fā)起問題之后，問題 信息以軟安燈（系

3、統(tǒng)報警）、硬安燈（報警燈）或者短信的形式第一時間 告知相關(guān)負責(zé)人。執(zhí)行層：執(zhí)行層如班組長、現(xiàn)場工人，主要獲知的是相對靜止的信息， 如產(chǎn)品的操作手冊、加工工藝或者臨時工藝通知等內(nèi)容。綜上執(zhí)行層雖然處于數(shù)據(jù)采集最核心的位置，但對于他們工作KPI （工時/件數(shù)）等均沒有增益，甚至?xí)绊懏a(chǎn)量。雖然MES大部分功能是面向管理層的，主要解決計劃員、調(diào)度員、廠長 的核心痛點，但是MES能不能用起來，或者用的舒適度，主要靠執(zhí)行層來 表現(xiàn)的。管理層希望看到更多更全面的信息，輔助工廠決策，但是管理層所有的 信息都來源于執(zhí)行層，所有管理層迫切的希望執(zhí)行層將工廠所有的數(shù)據(jù)傳 送到系統(tǒng)當中，然后根據(jù)數(shù)據(jù)模型或者管理模型

4、像漏斗一樣篩選出自己需 要的數(shù)據(jù)，如上圖所示。執(zhí)行層的數(shù)據(jù)主要來源有：機器采集、手工錄入、上游系統(tǒng)傳遞、硬件 集成，但是根據(jù)離散型制造業(yè)企業(yè)性質(zhì)來分析，執(zhí)行層數(shù)據(jù)基本來源于手 工錄入。所以上線MES之后執(zhí)行層首先面對的是工作方式的更改，需要學(xué) 習(xí)MES系統(tǒng)操作；接下來是由于管理對數(shù)據(jù)的需求，造成工人置根本而不 顧（生產(chǎn)任務(wù)是執(zhí)行層的根本）去在 MES系統(tǒng)當中錄入數(shù)據(jù)。1.系統(tǒng)培訓(xùn)浪費時間，造成本職工作未按時完成;2.沒有減少工作量，反而因為要錄入數(shù)據(jù)降低了效率;以上原因最終造成的結(jié)果就是執(zhí)行層很排斥 MES系統(tǒng)，影響MES系統(tǒng)的 應(yīng)用效果，這也是提出MES系統(tǒng)是“一把手”工程的根本原因，只是利

5、用 行政壓力去實施是一種手段，但并不能解決根本問題。造成了一個智能制造之蕩：管理層需要更多更全面的數(shù)據(jù)，執(zhí)行層希 望更具備效率更簡單舒適的工作工具。如何輕松簡潔的獲取數(shù)據(jù)，再將數(shù) 據(jù)串聯(lián)起來，打破信息孤島，實現(xiàn)業(yè)務(wù)融合是目前智能制造的重中之重。智能制造的解救之鑰：由現(xiàn)場工人倒逼式的實施方式是最優(yōu)的解救方案， 但是“自掃門前雪” 的形式風(fēng)格造成了信息化系統(tǒng)需要牽頭人，相當于政變領(lǐng)袖，帶領(lǐng)的是一 種方向，解決的是內(nèi)部矛盾。所以信息化建設(shè)除非是企業(yè)的單點應(yīng)用（如本來一直需要手抄紙質(zhì)數(shù)據(jù)， 通過軟件自動解讀，我們稱之為工具型軟件）執(zhí)行層可以提出之外，比如 MES、ERP或者PDM等管理型系統(tǒng)，執(zhí)行層提

6、出的難度相當于讓農(nóng)民少吃飯 去支持國防建設(shè)是一樣的，實屬難為人之舉。其實在我國工廠的很多車間里，各個生產(chǎn)設(shè)備之間、生產(chǎn)設(shè)備和控制器 之間，都已經(jīng)基本實現(xiàn)了連通。再牛 B一點的公司里，整個工廠已經(jīng)通過 制造執(zhí)行系統(tǒng)（MES ）連通起來，而業(yè)務(wù)部門全部通過 ERP連通起來了。但ERP和MES其實并沒有連起來！所以當ERP給MES下達生產(chǎn)計劃指 令后，MES在生產(chǎn)過程中發(fā)生了與計劃偏差的事項（比如設(shè)備壞了，原料不 合格等等），MES會根據(jù)車間的實際情況進行調(diào)整。但是ERP是不知道的!所以它會繼續(xù)按照原本的計劃執(zhí)行訂單，時間久了，財務(wù)系統(tǒng)和工廠的實 際情況就會出現(xiàn)非常大的偏差。沒連起來的原因：首先是E

7、RP和MES的開發(fā)公司通常是兩撥人，搞 財務(wù)的和搞生產(chǎn)的合作，不但互相不懂對方的職業(yè)術(shù)語，雞同鴨講，而且 互相看不上對方。另外，業(yè)務(wù)部門和生產(chǎn)部門在公司里通常是分開運營， 各自的領(lǐng)導(dǎo)有各自喜歡的供應(yīng)商。當然這個問題工廠車間通常會定期把 MES 的調(diào)整項做成一個表，交給業(yè)務(wù)部門，然后由業(yè)務(wù)部門手動在ERP中調(diào)整過來。ERP和MES的問題只是工廠內(nèi)系統(tǒng)斷層的一個問題縮影，事實上工廠里還有非常多的其他系統(tǒng)，設(shè)計、制造、采購等，這些系統(tǒng)都是一個個信息 孤島，互相都不知道對方在干啥，到哪一步了。只有等到問題出現(xiàn)了，再 一個個改。當然，這種事也不是第一天存在的，因為在工業(yè)時代，產(chǎn)品的 生命周期很長，有些產(chǎn)

8、品一個型號可以賣二三十年，這樣一兩年的研發(fā)上 線時間也就顯得不那么長了，其余的問題，靠著人工溝通，雖然有錯，倒 也都相安無事。但是現(xiàn)在產(chǎn)能過剩問題和互聯(lián)網(wǎng)時代的發(fā)展帶來了新的變化。全球性的產(chǎn)能過剩，導(dǎo)致企業(yè)的競爭越來越激烈，以往一款產(chǎn)品賣三 十年的做法已經(jīng)不行了，你跑不快，有的是快的?；ヂ?lián)網(wǎng)時代的到來，撼動了工業(yè)時代的一大基礎(chǔ)，信息不對稱。工業(yè)時代里，因為生產(chǎn)廠家無法 低成本的了解每一個客戶的需求，所以往往采用一刀切的方法，就是把需 求做多的性能組合到一起，成為一款產(chǎn)品。比如你想要一雙適合你的腳的鞋子，鞋廠是無法知道你的腳多大的， 所以只能測量很多人的腳之后，把最集中的尺碼分成40號，41號，

9、42號等，但是如果你的腳偏肥或偏瘦，對不起，概不伺候。互聯(lián)網(wǎng)改變了這個局面，人與人，人與廠商，可以低成本的實現(xiàn)連接，從而讓每個人的個 性需求被放大，人們越來越喜歡個性化的東西。但是個性化的東西需求量 沒有那么大，這就需要工業(yè)企業(yè)能夠?qū)崿F(xiàn)小批量的快速生產(chǎn)。產(chǎn)能過剩和互聯(lián)網(wǎng)逼迫著傳統(tǒng)工業(yè)必須做一件事，一件工業(yè)社會最不 愛做的事，就是快速、小批量、定制化的生產(chǎn)。所以這個時候最應(yīng)該完成的就是把ERP和MES等等信息系統(tǒng)徹底打通， 讓工廠原本的所有信息孤島實現(xiàn)連通。這個時候，就從完全的自動化和部 分的信息化，進入了完全的自動化和完全的信息化，也就是工業(yè)3.0大圓滿階段。 本階段不需要將某個單點功能做到盡

10、善盡美，不需要做到深入，但是已有數(shù)據(jù)的融合是必須的。因為解決單點數(shù)據(jù)采集問題應(yīng)該屬于 AI范 疇。智能制造的AI之路：數(shù)據(jù)采集：智能制造之旅在管理系統(tǒng)當中注定是以采集數(shù)據(jù)為根本的，但采集數(shù)據(jù) 的基礎(chǔ)條件是不增加勞動工人的工作量的基礎(chǔ)上獲取更多的數(shù)據(jù)。AI的興起已經(jīng)為我們提供了諸多借鑒之處，如 PDF的解析、人臉識別、噪聲獲取 等等，所以在AI當中對于智能制造幫助最大的是極速獲取數(shù)據(jù)的能力，都 是單點的應(yīng)用，減輕人為錄入的工作負擔(dān)。所以工業(yè)的AI之旅注定達到的目的是：最大限度的獲取非隱私數(shù)據(jù)， 極多數(shù)的單點工具，讓工人只做本職工作的事情，不再因為管理需求而做 一些無用功。AI在數(shù)據(jù)采集當中能做到的就是盡大可能的提供各種單點工具。數(shù)據(jù)處理:由于AI系列中極大量的獲取數(shù)據(jù)，造成的結(jié)果則是需要強大的數(shù)據(jù)轉(zhuǎn) 化、數(shù)據(jù)存儲能力，大數(shù)據(jù)處理則需要應(yīng)運而生；下圖是大數(shù)據(jù)處理流程。工業(yè)的AI之旅會同步造成大量的數(shù)據(jù)，包含有效數(shù)據(jù)與冗余數(shù)據(jù)，而 且來源于各種軟件、各種工業(yè)系統(tǒng)、各種控制系統(tǒng)與各種硬件，大數(shù)據(jù)的 轉(zhuǎn)化、集成與儲存則會是最大的挑戰(zhàn)。數(shù)據(jù)應(yīng)用:數(shù)據(jù)分析:之前普通的報表是少量數(shù)據(jù)的可視化，展示的往往是二維信息或者三維 信息（如時間與車間現(xiàn)場問題發(fā)生的頻率是二維的），但是到AI階段，