智能制造擴展為價值鏈全域優化

　　要解決工業3.0大規模生產的同質化、資源重塑、產能過剩、產品附加值低等問題，需要全新技術持續優化產品迭代更新速度，優化制造過程的效益，優化供應鏈的整體協同效益，比如在產品中如何實現更高附加值的服務。此過程實際是把原來單環、單項的價值鏈優化變成雙環。

　　推薦閱讀：《新世紀智能》(旬刊)創刊于2018年，以馬列主義、毛澤東思想、鄧小平理論和“三個代表”重要思想為指導，全面貫徹黨的教育方針和“雙百方針”。

　　我們知道，從工業3.0到4.0的企業智能化轉型勢在必行。無論從產業發展趨勢、國家前瞻性的指引抑或產業競爭中的要求，都提出了從3.0到4.0的轉型趨勢。在3.0時代，諸多產業發展是以規模、成本、效益為核心競爭優勢，但在4.0時代，用戶需求發生了巨大的變化，產業供給極度豐富，諸多大規模生產的產品已經過剩。無論是原材料行業或是諸多高科技制造業，如何以用戶為中心實現大規模定制生產成為首要議題。因此，需要智能化、自動化的諸多全新技術。

　　在這個過程中，要解決工業3.0大規模生產的同質化、資源重塑、產能過剩、產品附加值低等問題，需要全新技術持續優化產品迭代更新速度，優化制造過程的效益，優化供應鏈的整體協同效益，比如在產品中如何實現更高附加值的服務。此過程實際是把原來單環、單項的價值鏈優化變成雙環。雙環的意義，從制造的角度指的是人、機、料、法、環、測。“人”是工廠生產線的工人，“機”是生產線的裝備，“料”是生產的原材料，“法”是生產的工藝參數、工藝邏輯，保證產品閉環價值。“人、機、料、法、環、測”在產業鏈優化中不僅需要提高效率，更需要和企業級的研、產、供、銷、服結合。

　　比如，每一單的定制化生產要從前端的電子商務平臺收集用戶個性化需求開始，包括預測用戶的需求。之后，從電商平臺進入到ERP系統，把訂單分撿到工廠進行排查。大規模定制化生產和批量生產對產線的排產要求、自動化水平完全不同。從產品營銷的角度看則需理解用戶的個性化需求，以便通過電商平臺進行精準推薦。

　　總之，需要把制造的環節和企業整體運營環節虛實結合后，互聯工廠、柔性制造、智能決策和閉環質量體系才能最終建立。其中存在諸多需要優化的環節。比如，工業互聯網或者數據智能平臺如何通過智能化技術、大數據技術、物聯網技術優化全價值鏈。“研、產、供、銷、服”各個領域中均有諸多智能化應用場景，通過這些應用場景的持續優化、整體組合后，才能形成智能制造，提升智能化水平。

　　在此過程中也面臨諸多挑戰。因為聯想經過了大概七八年的利用大數據、人工智能技術優化自身業務鏈、效率和智能化的歷程，同時也為國內大中型企業提供數據智能轉型的優化服務，在數字化轉型、智能制造實施的過程中，最典型的是以下幾個方面。

　　首先，現在很多業務流程中，人工過程非常多，比如制造環節、工廠人員管理、生產線的諸多工藝參數管理，甚至有些看似智能的工廠，仍舊將工藝參數寫在紙上，通過代代相傳的模式進行管理。整體生產產品的交付體系、訂單、物料、生產、倉儲物流的整體無法很好協同。這其中最核心的則是沒有數字化、自動化過程。

　　第二個挑戰與第一個挑戰極為相關，即為什么無法實現自動化過程?為什么需要涉及諸多手工干預?其實這是由于智能制造、自動化、IT信息技術的價值鏈非常復雜。在某個工業生產線上，可以看到大量工業自動化設備，比如當今配備的諸多機械手。雖然諸多工廠已完成了大量智能化改造，現存的大量智能化穿戴設備可以幫助工廠工人提高效率，但是這些體系非常獨立、分散。因為工業體系里大量工業協議是互不相通的，共有2000多種工業協議。雖然也有一些比較標準的協議，但是很多企業為了提升競爭力，僅僅在一些通用領域里支持標準協議，但在希望建立壁壘的領域都使用自身封閉的協議，這些實際上對于工廠的數字化改造、數據收集、產線互聯、不同工廠互聯、上下游互聯造成了巨大障礙。如何實現全價值鏈數據打通，并且實時分析、實時運算、實時規劃，這都是巨大的技術挑戰。

　　如果能理解第二個挑戰，說明企業信息系統還是具備比較良好的基礎，而只是沒有互聯。但很多實際情況則不然，大多數企業信息化基礎均較為薄弱，諸多系統，比如自動化、訂單管理、計劃排產等均無法實現實時更新，數據基礎更無從談起。人工智能技術不僅僅是算法，還要和機理模型、業務相結合才能發揮最大價值。所以基于此，聯想構建了工業互聯網平臺以支撐智能制造應用。Leap IoT是物聯網平臺，核心目標是獲取全量實時的產線數據和產品運營數據，并且支撐邊緣計算，以便在此基礎上實現工業APP應用。

　　從技術角度可以更深入、直觀地了解此平臺的價值。一側是支撐現場連接的部分，實時數據、采集的代理和上位機也可以和CNC智能設備結合。一方面是從這些設備種采集運營數據，同時也可以通過反向控制進行優化。另一側是邊緣側，配備了大量邊緣服務器。邊緣服務器在整個架構中處于非常關鍵的地位。一方面把大量的前端產線和運營設備數據進行整合，包括一些規則的處理、不同協議適配和數據統一處理、大規模并發數據的統一處理等。最關鍵的則是在邊緣側加入一些人工智能、機器學習的計算能力。邊緣處理能力加強后，就能夠實現毫秒級的數據采集、分析和控制。

　　在此基礎上，可以實現各種工藝參數優化應用。比如像OE、質量管理、全價值鏈優化等。為了提升全價值鏈智能化優化，最核心問題則是前端數據采集和邊緣計算的效率優化和提升。聯想為此也提供了非常高效的硬件平臺支撐邊緣計算，處理能力基本等同于當下最先進的PC機或者臺式機的計算能力。同時支持GPU、諸多算法分析和計算能力，以實現終端采集和邊緣端的數據處理。

　　另外在該平臺上僅僅配備大數據技術、物聯網技術、人工智能技術并不是智能制造的全部，一定要和工業機理深度融合才能真正實現智能化應用。該平臺支撐大概200多種算法和數百種細分行業應用模型，這些應用模型通過標準、通用算法與各個行業結合。

　　該工業互聯網平臺已經接入超過兩億臺設備，每天接入150億條數據和1500多種工況。同時也和280余萬家分銷商、渠道商、零部件供應商共同打通物流、生產、制造、營銷、采購全供應鏈。該平臺在全球大概有10個數據中心，這10個數據中心會在不同區域提供區域化的本地服務。在此基礎上，從業務角度實現諸多優化，全球70%的產品都是個性化定制和小批量生產，即使用戶直接定制也可以滿足需求。質量管理、供應商生產線數據、質量數據可以和質量管理系統整合，實現上下游一體化的全程質量管理。比如全球采購預測、銷售預測都可以基于大量產品實時運營數據和客戶評價的輿情數據進行預測，這樣也為全價值鏈提供支撐。

　　聯想一直與全球排名前三的大型石化企業分公司合作，共同優化工藝參數和綜合收益率。將整個生產線中各個地方的溫度、壓力、催化劑等2000多個數據點進行分析后發現，將這2000多個數據進行建模后就可優化整體收益率，特別是提升其中某幾個數據的集中模式后便能顯著提升整體流程效率。優化模式后，整體850萬噸催化裂化生產線的收益率提升了0.5到0.9個百分點。這些均對工廠的效益和安全生產水平有顯著提升和巨大助力。

　　另外，在零散制造行業的工業經驗更為豐富。因為聯想本身也從事典型的高科技零散制造行業，比如汽車行業，而且在整體業務模式、產品質量、全價值鏈管理中，汽車行業和聯想自身有諸多相似之處。聯想因此已經助力十幾家主機廠的數字化轉型提升、智能制造提升和智能化應用服務的普及。其中，最核心的是構建數據服務，包括訂單數據、運營數據、車聯網數據、銷售數據、經銷商數據、網絡銷售數據等。所有數據整合、全量數據融合后便能進行全價值鏈的優化。因為無論是精準營銷、工廠自動化排產、個性化定制等，均會和企業全價值鏈的數據相關。另外一個典型行業則是金融行業。通過設備運營過程中的數據進行精準客戶畫像和風險控制尤為重要。因為這些設備本身非常昂貴，大多是通過融資租賃模式提供給客戶，所以風險控制在供應鏈金融的服務中具有極大價值。

　　以上是聯想對工業互聯網、數據智能、技術平臺的認知和諸多實際應用案例。希望通過這些應用案例和技術成果，能夠讓行業內外更深入了解聯想在工業互聯網、工業智能方面的推動作用，這一方面為企業、國家整體效率提升帶來了巨大價值，但同時也面臨諸多挑戰。聯想希望能與產業內外攜手共同克服以上挑戰，推動行業持續智能升級，為國家創造更大價值，從而使我國從制造業大國變成真正的制造強國。