📖 ZKIZ Archives

阿里雲AI首席科學家閔萬里 我們是第一個把技術沈澱到車間中去的雲計算廠商

阿里雲人工智能ET亮相（資料圖）。（新華社記者 陳誠/圖）

2017年11月22日，在2017雲棲大會·廣東分會上，阿里雲宣布將在廣東建設其工業互聯網雲平臺，將全國工業雲總部定於廣州，未來要以“ET工業大腦”持續與廣東制造業融合，推動廣東制造業向智能化轉型升級。

一個多月前，阿里雲“ET工業大腦”承接了國家工業智能公共服務雲平臺的雲平臺體系建設任務，目標是服務全國10萬家制造企業。

目前，珠江啤酒、珠江鋼琴等廣東制造業企業已經開始使用阿里雲的雲計算和人工智能技術。

阿里雲AI首席科學家閔萬里認為，“ET工業大腦”是阿里雲與國內其他工業雲平臺最大的區別，也是最大的優勢。

“大腦是我們最核心的區別”

出現在中國的工廠和車間里的互聯網人，可能最先是阿里雲的人。阿里雲跟其他公司的打法不一樣，我們是從制造最核心的地方做起，深入到車間里去，看到工業生產最本質的制造環節，對那些機器的生產線加上神經網絡，改裝生產線的控制，就好比嫁接一個可以思考的“大腦”，讓它可以基於原材料的不同，動態調整加工參數。

工業制造和物聯網連接給我們提供了強健的神經網絡和健康的骨骼，讓我們能實時感知這些數據。

但是“感”了之後還要“動”，怎麽“動”？就需要一個大腦來思考。阿里雲首先就要把缺的“大腦”補上，兼容開放現有的做工業互聯網的傳感器、控制協議等，他們的廠商都會是我們的合作夥伴。他們采集數據，我們實現數據的對接，跟“大腦”對接形成一個完整的閉環，鏈接之後形成數據流，能夠形成智慧管控流。

當整個鏈路打通的時候，每一個傳感器的數據都能實時被中央控制系統感知，而且可以指揮接下來的操作流程。

所有的“大腦”有一個共性——消費的是數據。從這個層面講，我們用普惠的基礎降低了工業制造的準入門檻，不管是珠三角地區1990年代的生產線，還是上海張江地區2000年之後先進的生產線，只要數據能被采集，就有機會插上智慧制造的翅膀。所以“大腦”是我們最核心的區別。

監測是手段，控制才是目的

數據監測不是目的。搞很多傳感器把機床的振動、旋轉、切割、壓力這些數據全都整上去，放在大屏幕上看，又能怎麽樣？如果不能及時形成反饋，反應應該怎麽調、是否立刻終止，就沒有意義。監控作為手段，我們最後的目的一定是控制，反向控制。

今天，對流程制造來說，我們已經做到了各個環節的流動，形成了一個實時決策。比如“工業大腦”計算的算法是自動判斷基於第三個環節、第五個環節、第六個環節和第七個環節的關聯性，在第七個環節可能出現一種偏差，“大腦”會算，算了之後立即反饋到第七個環節的操作系統中，告訴你如果第七個環節要動，動多少？怎樣糾正？應該調整多少？它在生產過程中實現了數據的傳遞，而不是做事後統計報表的分析。

這一點現在有人理解了，以前他們都覺得不可能。數據采集之後看得多了，見多識廣，就能找出其中的竅門，固化到“大腦”中去，“大腦”能識別的模式越來越多，學的招數就越來越多，越來越聰明，將來可以反向控制系統，甚至可以告訴生產線原來的廠商，其實你這個參數設定有問題。

所以今天我堅信，只要你的數據能嫁接，通過“ET大腦”就可以把全鏈條的參數控制住，因為我們有消費者的行為數據、商品數據、物流數據，一打通就是全鏈條打通。

怎樣采到數據

珠三角地區的工業生產線起步較早，比長三角地區更早，因此也帶來一個問題——傳感器方面不夠多。我們走車間的時候先去了長三角地區比較新的德國生產線廠商，看看當阿里的數據采集完備後的最佳狀態是什麽。答案是可以，只要數據接上“工業大腦”之後，業務會有提升。現在對80、90年代的生產線來說，怎麽讓數據被采到，是最大的問題。

買傳感器有很大風險，太老的生產線壓根沒有預留空間，非侵入式的外掛型的感知網絡方可行，這一點恰恰成為物聯網器件市場的巨大商機。但是這些廠家下決心采集數據絕對不是為“感”買單，而是為了解決業務問題。問題是什麽？就是提高生產良品率、降低產品的方差、降本增效。

要解決珠三角地區年代久遠的生產線智能制造的問題，一定要兩個角色組隊，一個角色是物聯網夥伴，另一個是我們的角色——“大腦”，兩者在一起能給出一個業務解決方案，而不是把數據接上來放在大屏幕上供領導視察時看看。有了“大腦”，效率就提升了，良品率提升後價格就上升了，有效益，廠商就會上。

工業企業用戶對互聯網的接受程度有所開放

在去年6月份之前，傳統企業對互聯網的接受程度非常低。我們在蘇州地區接觸了幾十家工廠，都被拒絕，工廠覺得互聯網公司跑到我這兒能幹啥。當時我跟我的團隊說，這證明我們在做一件創新的事情，我們要堅持。

今天的情況比一年前好太多，因為有現實案例說話。我們在江蘇協助協鑫光伏、在浙江協助中策橡膠，做出了成果。協鑫光伏是個典型案例，它沒有任何的硬件投資，就是把現有的數據，比如車間濕度、溫度、砂漿上下部溫度，嫁接上雲計算的“大腦”，“大腦”對生產參數進行深度學習計算，分析出與良品率最相關的60個關鍵參數，並搭建參數曲線，在生產過程中實時監測和控制變量，立刻就降本增效。

保利協鑫切片事業部副總裁劉建平在4月的江蘇省制造業創新發展論壇上說，隨著與阿里雲推進智能制造，保利協鑫切片事業部人均月產出已提升506%，生產周期縮短50%，直接人力成本下降45%。

今天，大家更多的在想怎麽接上這個“工業大腦”，而不是“工業大腦”能不能帶來效益。以前是對我們懷疑，現在是對他自己能不能加入有疑問。