工业大脑2.0：直击制造业痛点

孟岱

工业大脑将数据与企业工程师所擅长的生产能力配合、互补，找到企业放大增量及降低能耗的途径。工业大脑2.0作为甘愿“被集成”的全开放平台，将行业知识机理与海量产业数据相融合，并由AI技术重新关联和重构，从而产生显而易见的效益。目前，工业大脑已有水泥、橡胶、石化、光伏等多个制造业行业成功案例，当然，其生态营盘急需扩大。

自2018年开始，工业大脑开放平台孵化，从单场景智能向产线智能衍生。目前，已覆盖有色、化工、钢铁、水泥、电力、电子信息等多个行业。

今年7月底，阿里云公开发布了工业大脑2.0升级版，并开启定向邀测。升级后的工业大脑2.0，在数据汇聚上，从单纯的数据通道升级为可沉淀数据资产，可全配置实现数据自动上云。在数据精炼上，基于行业数据精炼场景模板，实现数据清洗和特征提取，以及标准行业模型的自动化。

近几年来，中国制造业面临着经济增速放缓、产能过剩、低端低效产能继续淘汰升级、中低端制造业外流、发达国家“再工业化”等方面的严峻挑战。如何应对挑战，寻找机遇，工业智能化是必由之路。

工业智能化的载体，在阿里云是以数据为核心的工业大脑。这些数据大致包括三类：一是设备类数据，如传感器、设备、设施、产线、车间、工厂;二是产品生命周期类数据，如研发设计、采购供应、生产、工艺、装配、仓储物流以及销售;三是周边数据，如排放、能耗、环境、售后服务、运输以及市场。可以这么说，工业大脑就是数据融合与人工智能的有机结合。

基于以上数据，工业大脑平台通过提高算法能力、数据能力与计算能力为企业降本、增效、提质。

数据：工业大脑2.0的切入角度

尽管工业智能化并不存在适合各个行业的通用路径，但解决企业自身的核心痛点是最切近的出发点。不论是再漂亮的整体规划和顶层设计，还是研发设计、生产制造、物流仓储、订单获取、产品服务等全链条环节的智造能力提升，最终要解决的仍然是企业要急迫解决的问题，说白了就是要见效益，让企业智能化改造有希望、有动力。在制造业智能化走过最初的盲目跟风之后，仅仅“画饼”讲故事，不可能建成完整、高效、科学的智能制造系统。

工业大脑2.0是平台吗？回答是肯定的。但不能是与制造业企业无法对接的平台。制造业沉淀的数据足够多，但数据的价值并没有被挖掘。工业大脑2.0的切入角度就是数据。汇聚数据之后，分析融合再建模。建模之后对数据在各个垂直领域具体应用，帮助企业降本增效。

这样的思路来自实践，而不是什么灵感乍现。

中国制造业需要理论探索者，更需要将理论与实践真正结合的实干家。实际上，工业大脑最初只是想做一个平台，像淘宝那样的平台。但很快发现并不能自生长，就像水泥电线杆子不可能长出植物一样，那样一个平台生长不出数据。企业有数据是事实，怎么在平台上应用数据，或者说怎么去做智能化，企业工程师也不清楚。起码，要有人为他们做出一个样板，一个可以模仿的成功案例。工业大脑设计者们的可敬之处，就在于跨出了解决问题的脚步，而不是眼睁睁看着平台与企业不能对接的现实而漠然处之。他们深入去做垂直，深入产线、车间，将数据打通，挖掘出数据矿藏的价值。当然，这里面有与企业工程师的沟通、合作。这一点与美国做工业互联网平台有很大不同，人家的企业工程师有数据分析的能力，国内的企业工程师熟悉传统做法，在智能应用上有欠缺，需要工业大脑设计者适时提供助力，帮他们提升水平。只有这样，工业大脑才能回归到平台支撑的初衷，也才能做好全局优化。

可以这么说，工业大脑就是数据融合与人工智能的有机结合。

工业大脑将数据与企业工程师所擅长的生产能力配合、互补，找到企业放大增量及降低能耗的途径。海量的实时数据帮助企业工程师拓宽思路，找到更有效的解决办法，可以选择做大产能，也可以选择产能与能耗的平衡;是以降本为主，还是以提质为主，等等。工业大脑把数据能力、计算能力、算法能力与产业链条相对接，与行业合作伙伴协力配合，打造各种高效的垂直场景，即智能化应用，充分挖掘数据智能价值。

显然，这是一个开放的平台，而不是封闭的应用。已经打造出的样板，提示一种可以走通的大方向，更多行业的样板仍需建立，更多行业的数据价值有待发掘。

核心：工业大脑2.0的“数据+算力+算法”

物联网、5G、人工智能、数字孪生等科技手段大幅提升了算力和算法能力。同时，传统制造业的数字化进步又新生出海量数据。数据、算力与算法三者的融合，形成了以“数据+算力+算法”为核心的智能制造技术体系。

数据因为其日益突出的基础作用，被列为智能制造的核心生产资料，并成为驱动产业链各环节的核心。智能制造产生的海量数据，需要更强大的算力做支撑。数据与算力的融合，又需要先進的算法作为适配的推动力，以人工智能、机理模型等为代表的算法技术增强了数据与算力的效率。与此同时，以5G、TSN为代表的现代通信网络凭借其高速度、广覆盖、低时延等特点发挥着连接作用，让三大核心要素发挥出新价值。

每一次工业革命都是对人与机器关系的一次变革，以云计算、大数据、物联网、人工智能等信息技术为特征的第四次工业革命，毫无例外地再次重构人机关系。这次新的人机关系重构，关键点在机器智能。机器智能由智能化、数字化与自动化合体打造，智能工厂装上了工业大脑，由无脑升级为有脑。工业大脑的思考过程，是由数据开始，经由机理再回到数据的过程。生产过程中产生的海量数据与企业工程师的实际经验相结合，借助算力对采集到的数据进行建模，推动机理的有效转化，并利用合乎逻辑的机理去解决流程中的问题或是避免问题成为可能。同时，成熟的机理又以数字化方式呈现，达成规模化的典型复制与循环应用。只有云计算、大数据、机器智能与专家经验的有机结合才能构建一个完整的工业大脑。其中，专家经验起着对机器智能与实际业务需求的纠偏作用，确保开发出低成本和高效率的模型和算法。

工业大脑平台基于海量数据，通过提高算法能力、数据能力与计算能力为企业服务。

目前，工业大脑已有水泥、橡胶、石化、光伏等多个制造业行业成功的例子。

案例：工业大脑2.0的成功应用

以水泥生产为例，抓住能耗这个关键环节，对耗煤耗电巨大的回转炉实施智能化改造，首先通过数据上云，采集窑电流、二次风温等全部生产数据，进行实时处理，然后通过海量数据计算能力，识别全流程复杂工况，工业大脑与APC（高级过程控制）相协调，达到所需能量与必备能耗的优化。最后，通过窑转空间寻优，得到多种量化操作组合，如自动驾驶实时下发、分解炉温度、窑头需煤量等多种变量，控制冷机速度、风机转速与生料投放量等。

之前的精确控制只是从完成生产的角度来考虑问题，而不是从能耗的角度去建模。但整个水泥行业的能耗则是最大的成本，工业大脑针对历史数据，就降低能耗专门去建一个相应的模型。建模的目的是把各种各样的机器参数运转起来，模型建好就可以应用采集来的回转窑数据进行实时预测。此时，什么样的窑头的量和温度可以降低能耗就很清晰了。这样做的结果，就将回转窑的能耗下降1%～1.5%。不要小瞧这个1%～1.5%，它意味着一个回转炉一年可以降低大约150万元的能耗费用。

具体来说，给生产设备加装物理传感器，通过传感器把数据传到工业大脑平台，由平台上的预测模型去做预测，如什么设备可能出问题，什么设备很快就要出问题，就可以未雨绸缪。再将大数据、云计算和已有的预测模型做叠加，结合控制软件里已有的经验沉淀，当炉温高到多少后发出主动调节，以前靠实际经验，为保障安全等，会有一个提前量的差异（能耗浪费的很大一部分），在工业大脑2.0这里就被精确地消除了。实际上，已有系统并没有改动，数据先行上云，然后经过优化之后再返回，这样就在保障安全的前提下，达到降本、增效、提质的目的，解决了企业的痛点。在这里，人的生产经验提供了数据，但再优秀的操作工程师也解决不了提前量这个问题，因为他必须在确定值之前做出选择，而不是正好与确定值相一致。那么，这一问题最终用数据的优化加以解决。

整体上采取的是单点智能突破、局部智能优化、全局智能升级路径。

仍以水泥单条产线为例，仅仅“两磨一烧”，即生料窑、回转窑与水泥窑的电耗（煤耗）优化，每年就可以节省340万元。全国水泥产线超过1800条，计算下来每年节约的资金就是60亿元。

在橡胶行业，工业大脑与中策橡胶在轿车子午胎生产上合作，将中策橡胶生产端的各类数据进行深度运算和分析，给出资源最优利用的方案组合。之前，因为橡胶原料产地不同的原因，产品品质会出现差异。

这可能与多种参数有关，如添加的化学原料、搅拌均匀度及转速、温度波动、原料配比，甚至越南生胶和马来西亚生胶的成分等。

仅以生胶原料来看，哪几个产地的原材料组合生产，能够得到质量最好的熟胶。从生产流程来看，哪一个工艺处理环节，运用什么样的参数配比，可以使混炼胶的加工性能更稳定。通过云计算优化，混炼胶平均合格率有3到5个百分点的提升。更重要的是，数据价值明晰后，根据数据分布，在原材料采购环节，就可以根据数据配比进行采购，提前优化生产布局。

在光伏行业，以工业大脑为基本框架，融合云计算、物联网、大数据、深度学习等技术，为光伏切片生产赋能，提升并稳定光伏切片生产良品率，促进了企业盈利水平的提高。

光伏切片生产有着十分精密的工艺流程：一根仅 0.1mm 粗细的钢线不断摩擦硅锭，最终切出一片片仅 0.2mm 厚的硅片。车间的湿度、温度、砂浆上下部温度、导轮上下部温度等上千个参数在实时影响着生产。如此复杂的生产环境下，人工经验很难 100% 地保障产品的质量。

工业大脑将标准化车间所有端口的数据上传后，通过人工智能算法，对所有关联参数进行深度学习计算，精准分析出与良品率最相关的 60 个关键参数，并搭建参数曲线，在生产过程中实时监测和控制变量。

目前，在工业大脑的帮助下，协鑫光伏的生产良品率已经提升 1 个百分点，仅此一点每年就可节省上亿元的生产成本。

通过关键点的突破，为其后的生产数据在线化、生产管理透明化和生产预警自动化打通了道路，树立了智能化转型的信心。

石化行业中的化纤生产是高耗能行业，仅煤炭消耗一项一家大型企业就可能花费几亿元人民币。那么，企业引入工业大脑决策流程，通过数据采集-模型搭建-模型应用反馈控制-服务提升，实现锅炉燃烧能耗优化，可实现燃煤消耗降低4%左右，蒸汽量提升约3%，每年可节省1000多万元燃煤成本。

以恒逸石化为例，如果能够提高锅炉的燃烧效率一个百分点，带来的经济效益就很可观。工业大脑与恒逸石化做了一个工业锅炉的燃煤优化，提高了燃煤效率2.6%，真正达到优化燃烧的效果，給企业带来将近千万元的经济价值。

可以说，工业大脑在制造业的各大领域都取得了突破性成功。所有合作伙伴都可以在工业大脑上做垂直智能应用，覆盖各种产业链场景。

“被集成”：不仅是工业大脑2.0的核心理念

事实上，“被集成”并非阿里云首先提出。“被集成”最早出现在硬件领域，简言之就是在一套标准的接口或协议上，任一厂家的设备都可以接入，一个硬件平台能够被集成为更多产品与服务，就如同标准的U盘接口，插上任何U盘，就可以识别和读写一样。

阿里云提出的软件层面的“被集成”理念，是针对软件服务平台互通性缺乏的问题，阿里云上要有统一接口，或者由工业大脑提供适宜各个制造行业的样板。工业大脑“被集成”所指向的就是“网络效应”，要使所有参与者都可从网络规模的不断扩张中取得效益，任何平台对参与集成者的效益，都取决于使用该平台的其他参与集成者的数量多寡。社交软件如此，阿里云或者其组成部分的工业大脑“被集成”的智能软件也是如此。作为平台，初期成本高是自然的，同样，随着参与者数量的增加，后期成本会越来越低，形成对参与者的效益放大。

工业大脑已经为合作伙伴提供了数据能力、算法能力及算力能力，成功案例不断累积起来的能力，将吸引越来越多的制造企业集成到工业大脑上，“被集成”理念也会赋予制造业企业更卓越的能力，同时获得实践效益。

就阿里云来说，“被集成”的结果是，已有超过几百家 ISV，从 20 多个行业大类中集中发布了几百种联合解决方案。就工业大脑来说，不仅有各个制造行业的企业参与进来，而且有多个中间体独立生长出来，为制造企业提供集成服务。关键的是一个大生态正在形成。

在 SaaS 生态中，C端用户变身为B端企业。而企业可以在云端自由调用API，自己或者发布专业需求由他者去解决自己的内部问题。

工业大脑可以通过设计通用模板，带给制造企业普惠价值。放低姿态的“被集成”，因为积聚生态效应，势必重新定义制造业的引领者，“被集成”仍是不可替代的核心。

阿里云所做的不止是提供各种云计算产品与工具，而是要以类似咨询公司的思维方式去提供方案，与企业一起具体运用这些工具。工业大脑也是如此，不仅仅是建议者，而且是实践者，解决制造企业的痛点，且创造利润效益的攸关方。当然，生态营盘急需扩大，这也是目前工业大脑广邀集成者的诱因所在。

升级：工业大脑2.0的未来

工业大脑2.0正面向制造业领域具有核心竞争力的企业，如火如荼地执行合作伙伴招募计划，目的是实现工业大脑智能化制造成功案例在全行业的规模化复制，完成对合作伙伴的全链条赋能，推动我国制造业企业的智能化走向加速转型之路。

工业大脑2.0作为甘愿“被集成”的全开放平台，將行业知识机理与海量产业数据相融合，并由AI技术重新关联和重构，从而产生显而易见的效益。当然，与其他领域相比，将AI技术应用到制造业领域的复杂度更高，而为工业大脑提供技术支持的是阿里云自主研发的飞天云计算操作系统，这一系统提供全球服务，可将遍布全球的百万级服务器连成一台超能量计算机。基于自身技术优势，工业大脑开放平台可以轻松实现工业数据的采集、分析、挖掘、建模，并且重新关联和重构行业知识机理和产业数据，利用AI技术帮助企业更好地挖掘自身的数据价值。在阿里云定位中，工业大脑具备深度学习的能力，其智能算法和超强计算能力，可以让机器设备形成感知、传递和自我诊断的能力，解决已知或未知的问题，使提升效率、降低生产成本可以轻松实现。特异的是，工业大脑工程师们愿意深入制造业去做垂直，有的独自创办连接工业大脑与制造企业的新型公司。

基于此，工业大脑可以顺畅地将大数据和AI技术应用到生产线，为制造企业的生产线提供解决方案，帮助生产企业实现生产流、数据流与控制流，以及物流、服务流的全面协同，提升生产效率，降低生产成本。同时，抽象出的模型，具备行业普适性和可复制性，从而快速形成鲶鱼效应。这样，推进两化融合创新、促进制造业转型升级落地和高质量发展，就不再是理论上的言说，而具有了实际意义。

智能工厂的建立因为工业大脑开放平台的“被集成”而变得清晰起来。从制造业企业的现实痛点为切入，从某一条智能化生产线为起点，逐步拓展智能化路径，利润持续增长，进入良性循环，而不是相反，智能升级的大笔资金投入，将一家传统制造企业压垮，转型不成反而尝到失败的苦果。工业大脑2.0可以利用原有设备传感器，辅之以智能算法和AI计算能力，让生产制造效率提升，生产工艺精密精致，使不可能变为可能，智能工厂得以建立。不仅如此，工业大脑还可以训练出与企业生产更为匹配的工业智能，即利用来自智能工厂的数据，根据业务需求，升级企业生产内生的工业智能应用能力。智能制造的升级，也会由于工业大脑的迭代升级，在不远的未来得以实现。