wei143224

他，是国际知名的工业大数据专家

你或许不了解他的研究成果

但他开发了世界领先的Watchdog Agent智能维护系统技术

突破了传统机械设备故障预测的理论、方法和技术

其中关键性技术被美国《财富》杂志誉为

“21世纪全球三大热门技术”之一

他就是美国辛辛那提大学讲席教授、

美国国家科学基金会IMS中心创始主任、麦肯锡全球资深顾问

李杰

中国是一个目前相当具有激情的一个环境，大家都想把事情做好，求知性很强，大家每天都在追求自己的梦想，不管中国梦还是世界梦，我觉得都是好事情，但是过程必须要有一个规划，不能随便做。所以我今天讲讲工业大数据的能力。

工业大数据的前世

我们现在回想一下每个国家经历的历程。日本的问题，就是早期很注重工匠改革，就是制造精髓是把事情做得很好。所以日本讲的第一个S，改善模式。但我跟丰田上课说如果我可以用数字告诉你，什么是理想最好境界，你为什么分实施改善，一次做好。突然丰田答不出来了。它说我看不到才一次一次改，我看得到的一次到位。这个问题就解决了。所以40年丰田推精益制造的时候当时也没有互联网，所以这个是文化训练，但是条件太慢，改善太慢。对中国那么急的国家太慢了。

另一个六西格玛，是第一次接触到数据。就是做六西格玛一定要把数字找来。找都是发生过的事情，没有发生过的事情就找不到了。所以我们又回到只能针对看得到世界的问题。看不到世界的问题还是做不到，六西格玛也做不到。

第三个叫做预测分析模式。这个模式基本上我去找它的可见世界和不可见世界的关系性，我来预测它可能会发生的地点在哪里。机床如果不稳定，可能发生的是尺寸问题还是边缘性问题还是热补偿问题，预测出来。

第四，决策优化，就是我怎么来调整它。

第五层，今天无人驾驶的目的，一定是无忧驾驶。各位，你们是无人驾驶还是无忧驾驶，你们要哪个？无忧驾驶。所以这个地方出来了，我们今天讲的转型，不管做高铁的中车、中船，还是做机床的，我们一开始都是从这边开始，监控、精密、稳定，慢慢会往上走。第二步，叫智慧维护。就是先做预测和性能分析，然后衰退管理，这个科学性到现在也没有完全做的很好。但是能做到这一步的企业基本上已经掌握到问题的特征性。可是还不够，因为你要做到它系统的可能性，就是可能传感器很多的行业，或者传感器不多的行业，都能够去了解它之间所生成的问题，那就用不同的方式，有的是用物理模型、有的是数学模型、有的是动态模型、有的是数据模型、有的是自我生成的比较模型，一种是可视性的算法。所以我们这边所谈的，就是用各种的智能运算的方法，帮助我们去了解看不到世界，还没有问题产生的这些因果，最后才回到我们讲的物理世界。所以这个步骤从第一层往上走，或者说往右走，都可以，三步走，就是跟中国的航天一样，绕落回。不能一步到位，三步走。

工业大数据的今生

我们今天讲的中国制造创新思维，回到上午讲的模型，就是每个企业都有核心制造，核心产品设计，可是顾客端的价值，又是另外一套。所以怎么把蛋黄和蛋白结合在一起，不管是任何一个企业，都需要阐述给顾客了解的。

这里我们讲了6M：材料、装备、工艺、量测、维护。最后我把这五个可见世界还不能了解的关系建立起来，这个Model可能是一个数字化Model，也是一个数学Model，也是一个数据Model，重点是可不可以描述它。首先是预测。我可以预测出来，我怎么设计，做出来就是这个。其次可加工性。我设计完了，加工不出来，没有办法。第三，效率质量量产。你没有3P是不可能做智能制造。所以6M代表建模能力一定要有。所以我要结合物联网的时候传感器怎么使用云，建立一套可以在数据端形成的管理机制，而不是用行为管理。

相关性和分类性就是出来的结果。比如我用基于视觉检测装备的质量。但是检测后根据工序，第几道跟这个机器有关系。分类性，跟它的加工工具有关系，那就不一样了。所以我的相机突然之间很有钱了。以前只是检测过还是不过，现在不过是什么原因，去哪边修改，这样完成后对质量的改善相当值钱。社群，因为不是你去做，别人也要用，所以要保持分享性、共性，但是专业的可以不分享。所以这里怎么产生社群。

定制化。这6C是我们今天要谈到落地的能力。我们谈到四个核心的技术，就是数据技术、平台技术、分析技术、工具和软件技术工艺，第五个是运营技术。什么叫DT？这个就是数据的处理技术，还没有分析，你钓鱼，还没吃之前要把鱼鳞去掉，头弄掉，内脏割掉，再撒上盐，姜，然后煮。这个过程谁帮你做？你买一条鱼，下班回家就吃，不可能，一定是要处理。不是你处理，就是小贩帮你处理。所以数据处理有很多种，比如说处理的复杂性，它的噪音、它的背景、它的优劣性，平台技术，厨房是一个平台，有烤箱、有蒸箱，但是怎么煮是工具跟工艺。平台和电冰箱都有，但是只是平台，里面装什么客户自己决定。这样的话就决定未来一定要有OT，说我来运作产品设计的时候，一定要了解怎么做优化。

DT里讲的三个东西，叫数据回头看的问题。大数据也一样，就是数据的背景性不清楚的时候，数据是没有用的。早期我们做分析测试，很多耗油，天气环境不知道，那也没有用。我们做很多传感器也是一样，少了背景资料也是没有用的。所以这个技术是需要有的，光这个市场在中国有三千亿市场，就是一个企业把乱七八糟的数据给你，但是会问这里是什么背景，说可以找到一些蛛丝马迹，把它挖出来。

PT是平台，平台代表什么？就是我们每一个系统去做，它应该有一个体系建设功能，就是从数据端到转换端、到可视性端、到装备的重组。这是逻辑性很强的，像机器有边缘端，就是这边数据量不用太大，一定把特征提取后先处理掉，到云端的时候是很少的，执行速度就相当快，而且负担很低，保密性相当高，最后人端跟终端价值很高。所以的我的分析方法在每个体系端都要用。

优化。当初我们在做优化的时候，有很多装备，但是怎么来匹配，什么装备开始维修，什么时间它的机会会给你，什么时候做最好，需要多少人来做。这是优化的问题，优化做的好可能产生更优势的效果，这四个决定一个好的能力团队建设够不够到位。

我想这里是我们今天讲的很重要的制造业，智能制造三个不可见世界，但是怎么用不同数据来源能够发展不同的加工过程，这个很重要。第二，关系性，它的原因跟它的理由在哪里，为什么发生。第三，参考性，怎么去了解做很好的调整。

工业大数据的未来

因此，我们来讲一个案例，就是富士康的实现三步走。第一步走，有一条生产线，工作人员做很久了，他们觉得不错了。数据量很多，上去了。上去后可以找到核心的零部件吻合。这个叫做过去发生种类的分析性，变化性，它的整个的质量的偏差，最后它的这些关系。所以这部分的建立是一个数据跟分析的关系。

第一步，要找到重要性。这个可能是有25个制成，有300个不同的装备，但不可能装备都重要，所以要根据过去发生问题的次数，和发生对质量效率产生原因做分类，一二三四象限出来了。可行性和重要性分析先做好。这个做不好一般来讲我们对，你想走进去，我帮你解决工厂的问题，不可能。

第二步，预测性分析。找到特征参数了，提取出来做分析。改善前，改善后它怎么提升的，这个需要做预测分析。通过过去做的预测不出来，你怎么预测未来？所以把过去的分析建立起来，预测过去怎么发生的，我就可以预测未来怎么发生的，可以用过去数据验证它是对的。

第三步，效益分析。有时候做了很多事情没有效应，那就不对了。所以第三，是效益分析。这个团队花了一年不到的时间，帮富士康减少54小时不必要停机。

2018年5月8到9日，先进制造业大会即将在制造名城上海举办，届时，李杰教授将带来人工智能和大数据在智能制造领域方向的探讨与分享，与领先企业、权威机构、卓越领袖和前沿学者一起，共同关注和探讨先进制造业发展现状、未来趋势。静候您的到来。

2018年先进制造业组委会：

联  系：王 先生   电话： 021-51757707

手 机：15021822869 邮箱：john.wang@wintimechina.com

更多详情，请登入官网：www.amc-org.com