正值施耐德电气绿色+智能制造创新峰会在上海盛大召开,以下是来自施耐德电气全球执行副总裁、中国区总裁尹正的演讲。

发布时间:2019-10-08
正值施耐德电气绿色+智能制造创新峰会在上海盛大召开,以下是来自施耐德电气全球执行副总裁、中国区总裁尹正的演讲。

正值施耐德电气绿色+智能制造创新峰会在上海盛大召开,以下是来自施耐德电气全球执行副总裁、中国区总裁尹正的演讲。

我们现在有两个大的挑战,也是机遇:一个是整个能源的转型,我们有更多的可再生能源的使用,我们有更多的分布式能源的生产和使用,也更加可持续化。第二个,革命和挑战实际上是整个工业的升级,我们需要更多的信息
化、更多的自动化,这两者之间的一个结合,实际上是整个电气化和数字化一个非常好的结合,整个世界会更加的数字化,我们也会更加的电气化。同时,最后会为我们不管在整个效益提升还是管理水平的提升带来真正的收益。这就是我们讲的 IoT,原来我们讲 IoT 是 IT 和 OT 的结合,就是 IoT,现在实际上还有一个很重要的 CT,我们讲的 5G,整个在通讯技术的提升,也为整个 IT 和 OT 的结合带来非常多的益处。整个技术会带来能效的优化,同时也带来整个过程的优化,以及整个智能制造,不但智能,而且可以更加的绿色。

施耐德电气在过去的十年,我们一直在讲 EcoStruxure,这个作为一个理念,我们来诠释如何让整个 IT 最后能够赋能 OT,这里面应该讲四个方面:有架构的方面,这实际上应该是一个非常开放、灵活,可以组合的一个架构。同时我们讲 IT 和 OT 的结合,很重要的是,每个客户有专有的应用,需要整个IT 最后能够赋能运营的产生效益。同时我们需要一个非常好的朋友圈,我们今天可以看到有很多的合作伙伴,我们是他们的合作伙伴,他们是我们的合作伙伴,我们一为我们的客户提供解决方案,最后我们也需要从一个全生命周期的角度来看整个市场。

我们讲架构,无外乎到一个生产企业,或者我们到一个基础建设这么一个大的运营,首先所有的设备应该是可互联互通的,这里面当然有大量的嵌入式的技术等等。然后有了这些数字化的可互联互通,接下来就是整个数据采集的自动化。同时有数据、有真相,我们才能管理。我们不管是在边缘还是在云端,我们能够实现控制,当然我们说在边缘有更多的优先权。

到了第三层,因为有了大量的数据,我们可以进行分析,可以提供更好的数字化的服务,提供更远程的企业级、集团级或者跨场地的管理,这个不但可以在云端,也可以在边缘,或者说云端和边缘的结合,同时很重要的是能够有端到端的网络安全。

同时整个架构应该是为最终的行业应用服务,比如说我们在一个制造行业,我们首先需要提供一个安全可靠的能源。没有电,机器不能开动,同时使整个过程或者工艺的自动化、数字化,当然到了工艺底下,有很多的设备,整个设备的管理、或者整个设备绩效的提升等等一系列,因为有一个架构,就可以把不同的应用进行组合。第二个方面,整个 IT 和 OT 的赋能,我们需要有大量的对整个不同行业应用的专有知识的理解。施耐德电气,我们不管是从传统的建筑行业一直到油气行业,过程的自动化,到混合行业,比如说食品行业、医药一直到离散行业,我们有大量的能力。同时施耐德电气本身是一个制造性行业,我们在Gartner 每年的评选,世界上整个供应链里面,包括采购、制造、运输,我们今年的排名是 11,大家可以看到其它的排名基本上都是消费品,或者是消费电子,在工业行业,我们是唯一一家有这么好的排名。所以我们本身带来非常多的实践的能力,这是一个非常重要的,最后 IT、CT 必须和 OT 紧密的结合,我们才能达到。

接下来我们的几位演讲嘉宾也会谈到这个问题,我刚刚讲了,整个世界在变化,我们应对这些挑战,不管是能源升级也好,整个工业升级,我们的客户需要更全面、更广泛的解决方案,没有任何一家公司能够提供客户所有的需要。所以我们需要一个更开放的心态,有这么一个朋友圈,我们有一个生态系统。今天大家之前有机会可以看到我们的展示,我们和 20 多家合作伙伴一起来展示一些联合的解决方案,对不同的行业应用、我们一起来提供方案。不管是在互联互通,还是在边缘控制,还是在数据分析,数字化服务。这是我们希望和在座的各位,我们和客户、合作伙伴一起来做一个朋友圈的工作。最后一个非常重要的是全生命周期,中国整个产业升级或者工业升级,一个很重要的方面,我们以前可能更关注在资本投入这一块,但是现在越来越重要的是如何从资本投入的阶段一直到运营阶段,有一个非常好的结合。在你建造之前你就能做工艺仿真,然后把这些工艺仿真进入到你的设计,到制造,整个数字化交付,建立数字化孪生,然后把这些东西带到整个的运营,包括你的维护。从这个角度来提升你整个全资产的全生命周期的绩效,同时,对整个工艺过程,整个过程的全生命周期的提升,这个是越来越重要。大家也可以看到,我们越来越多展示能够把不管是在设计、工艺的仿真,一直到运营,因为施耐德电气有全球最领先的工业软件企业 Aveva,在混合行业,离散行业上和我们可互联互通的一些能力、边缘控制能力能够完美的结合起来。这是我们需要谈的四个方面,不管是在一个开放灵活的架构,还是在整个 IT、OT 的专有知识,还是在整个合作伙伴、朋友圈,最后全生命周期。施
耐德电气,我们是一个来帮助、引领大家在能效管理和自动化方面进行数字化变革的这么一个方案提供者。我们本身自己也在进行整个数字化的改革,我们全球有 5%的费用投入在研发,我们在全球有 260 亿欧元的公司。施耐德电气是一个非常有意思的公司,我们的总部是在巴黎,但是我们的全球的 CEO 是待在香港。我和 Peter,我们很多执委会是分散在各地,大家可以看到,施耐德电气是一个少有的一个真正的全球化的公司,我们北美的业务量和亚太的业务量和西欧的业务量是一样大的,我们是一个非常全球化的公司。 也经历了无数的变革。

我们不断转型,我们现在更多的是在能效管理和数字化提供数字化的解决方案,我们大量的能力是在工业基础建设建筑,包括数据中心。我们在中国有一个非常完整的研产销体系,中国是全球三大研发中心,我们不断做“在中国,为中国”,我们也做“在中国,为全球”。因为大量的先进的应用或者一些重要的客户,越来越多的在中国,同时我们有非常完善的产业链在中国,包括我们自己的工厂,包括我们自己的物流,也包括我们和第三方合作伙伴的联合生产、联合创新、联合制造。所以我们能够为我们的客户提供非常好的,非常及时的响应。

同时,我们自己的工厂是我们整个 IT、OT 的结合的展示。我们的武汉工厂是达沃斯评选的“发展中的灯塔工厂”,我们在北京、厦门、西安、武汉有大量的工信部认证的绿色工厂,所以我们也非常欢迎大家来参观。我们说,IT、OT 结合,最终带来效应,我们不让我们的客户做小白鼠,我们在我们自己的工厂来实验这些能力,我们可以准确地告诉大家来参观这些不同的解决方案,能给我们自己带来什么样的效益,是我们的资产绩效提升,我们的能效管理的提升还是我们整个体量的可靠性的提升。我们有大量的自己的数据,也可以给大家参考。

我们讲到最后,我们实际上讲是一个可持续发展,为什么我们要在智能制造前面加绿色?因为我们讲到整个工业升级,实际上很重要的是两个可持续。一个我们希望能够帮助我们大家一起来应对整个气候变化,但同时我们希望整个 IT 和 OT 的结合最后能帮助我们的客户真正带来投资回报的提升,整个运营过程管理的提升,包括整个质量可靠性的提升。因为只有这样,整个业务模式才会更可持续。

所以,这是我们说要智能,也要绿色,要成就地球,但我们也需要有非常好的投资回报率,这是我们希望今天和大家来分享,特别是我们希望和我们的朋友,和我们的客户,我们一起来共创共赢,谢谢大家!

以下是来自阿里研究院副院长安筱鹏的关于解构与重组:迈向数字化转型 2.0的演讲。

各位来宾上午好,非常高兴在今天这个论坛分享对数字化转型的一些理解和思考,我们今天都面临着各种各样的新的概念,物联网、大数据、云计算、人工智能、区块链、工业 4.0、智能制造、工业互联网。有些时候这么多新的概念会影响我们对事物本质的理解。后来我起了名字,我说我们正在面临一个叫做“新概念雾霾”在影响着我们的视线,那如何能够看到新一代的信息技术与实体经济与制造业带来的影响它的本质呢?我们需要三个东西:第一,我们需要一个望远镜。我们许多从更长的历史视角来看这一轮的产业变革。第二,我们需要一个显微镜。能够看到技术的细节。第三,我们需要一个 CT 机。能够看到这轮数字化转型的本质。我们要理解物联网、大数据、云计算、工业 4.0、智能制造、工业互联网这些概念背后最本质的变化的时候,我们需要去理解什么?首先,什么是企业。从信息技术变革的角度来看,企业是什么?科斯曾经说过,企业是一个组织,企业是一个配置资源的组织,谁可以配置资源呢?政府可以配置资源,企业可以配置资源,市场也可以配置资源。

那对于一个企业来说,信息技术对于它最本质的影响是什么呢?如果我们走进了一个企业的董事会,走进了车间,走进了研发中心,走进了物流中心,我们会看到企业面对各种各样的挑战,对于一个研发的团队来说,他们思考的是如何缩短一个产品的研发周期,如何提高一部机床的使用精度,如何提高一个班组产量,如何减少库存等等,面对各种各样的问题。我们今天把所有的这些问题归纳为一个问题,这个问题就是如何提高你所面对的制造资源、物流资源、研发资源的配置效率。如何提高呢?背后在于我们研发、设计、物流、生产、配送的每一个环节,我们背后的各种各样的决策。

新品开发是决策,客户定位是决策,营销策略是决策,研发组织是决策,工商选择是决策,排产计划是决策,库存管理是决策,进入新的市场是决策。

而信息技术,物联网、大数据所有的一切带来的变化,我们如何能够支撑一个更加高效的、低成本的、精准的、科学的决策,实现“五个正确”,把正确的信息,在正确的时间,用正确的方式传递给正确的人,以此为依据帮助做出正确的决策。我把它定义为数据的自动流动。对于一个企业来说,最本质的一个特征就是在不确定性的世界中进行决策,是它最本质的特征。从这个意义上来讲,什么是企业的竞争,企业竞争的背后,就是资源配置效率的竞争。

我们都在讲各种各样的智能,如果我们用一个最抽象的表述来去理解智能,我的理解就是,智能就是一个主体对外部市场环境的变化做出响应的能力,这个主体可以是一个机器人、受控机床、AGV 小车、立体仓库,可以是一个研发团队,可以是一个车间,也可以是一个人,各种各样的主体。我们判断一个主体,是不是智能,车间是不是智能,工厂是不是智能,组织是不是智能,最重要的一个标志是,这样的一个主体对外部环境的变化响应的能力有多高。

美国 NIST 在讲智能制造,智能制造解决三个基本问题:差异性更大的定制化服务、更小的生产批量、不可预知的供应链变更。如果把美国 NIST 对智能制造的理解概括为一句话,就是我刚才说的,一个组织、一个企业、一个车间对外部环境的变化做出响应的能力是它最本质的一个特征。德国在讲工业4.0,工业 4.0 的一个逻辑起点就是它如何适应市场环境的快速变化,无论是个性化定制还是 C2B,这是我们认为的对智能的一个最本质的理解。我记得在几年前的时候,我们去一个企业参观,是一个个性化定制的服装企业。后来,相关的部委也把它作为一个试点的典型,后来有一个企业的董事长参观完这个企业他特别的失望,因为他去参观的时候,没有他想看到的一排排的机器人,没有 AGV 小车,没有先进的立体仓库,他看到的是一排排的工人用手工的方式加工衣服,他的问题是,为什么是智能的?到底智能在哪里?

后来我想了很长的时间,我说自动化有两种,一种是看得见的自动化,我们的机器人、各种各样的先进的设备、数控机床、AGV 小车、立体仓库,这个是物理世界。还有一种自动化是看不见的,就是数据如何在企业内部自动的流动,当我们了解了采集了客户需求的信息之后,这个信息就在企业内部的研发设计、物流配送的每一个环节去流动,这些信息不断被加工、处理、执行,在这个过程中,能够把正确的数据在正确的时间以正确的方式传递给正确的人和机器,我们采集了客户的需求信息,这个信息就在你的经营管理、产品设计、工艺设计、生产制造、产品测试、产品维护的每一个环节去流动。在流动的过程中,会有无数个闭环,我们今天所看到的智能,实际上是两个世界,我们眼睛能看到的一个物理世界和看不到的一个虚拟世界,两个都非常的重要。

如果说机器设备的智能化替代的是体力劳动者,那么数据的自动流动替代的是脑力劳动者,我们今天需要思考的问题是,在一个企业内部是不是智能,我们需要去看一看在数据、信息传递的每一个环节,是不是越来越少的不需要人去参与。过去的信息的流动是基于文档的流动,而今天的信息流动是基于模型的、何、性能、工艺的流动,这是我们去思考的数字化转型的本质。如果让我给数字化转型一个定义,最本质的一个含义,在数据叫算法定义的世界中,以数据的自动流动化解复杂系统的不确定性,如何对外部的环境变化做出响应,最终的目的在于提高资源配置的效率,这是我想给大家分享的第一个问题。第二个问题,我们今天面对各种各样的数字化转型的问题,这些问题如果归纳起来最根本问题是什么呢?哈佛的商业评论,德国工业 4.0 的 3 个集成,中国相关部门,工信部提个两化融合的四个阶段,提了很多新的概念。这
些问题的背后本质上是一个问题,我们不同的业务系统的数据能够实现互联互通互操作,在几年前的时候,工信部提出来,把两化融合发展阶段分成四个阶段:基础建设、单向应用、综合集成、创新引领。单向应用就是一些客户关系管理、ERP,集成就是能够把这些不同的系统打通。后来我创造了一个名词,集成应用陷阱,一个国家的人均 GDP 从 1 万美元跳跃到 3 万美元、4 万美元跳不过去,在经济学上叫中等收入陷阱。这样的一个陷阱在数字化转型、两化融合,智能制造里面同样存在,我们从单向应用迁移到集成应用的时候,面对很多的挑战,所以我把它定义为集成应用陷阱。后来把这个词改了,集成应用困境。我们从单一的应用要向跨行业、跨领域面对很多的挑战。

为什么集成如此重要呢?因为企业的信息化的投入和信息化的收益并不是一个平行线,企业的信息化收益只有跨越了某一个临界拐点之后才会呈现指数化的增长。单向应用,企业级集成,产业链集成和产业生态的集成,只有在企业界的集成跨越了某一个拐点之后,它的收益才会更大。但是今天我们看到,我们今天所能够提供的解决方案,在更多的层面是在碎片化的供给阶段,今天无论是德国的工业 4.0,中国相关部委提的两化融合,工业互联网所要解决的核心问题是在产业链和产业生态层面上如何构建一个新的数字化转型的体系。

事实上,真正要实现内部的集成是非常困难的,这是基于国内 10 多万家企业,领先的企业对集成的水平的一个评估,能够在产品设计、工艺设计以及在生产制造、生产过程控制、产品测试、产品维护,所有的环节打通的这些领先企业的数量是非常有限的。

八十年代,我们在上学的时候学政治课曾经说,我们面临的基本矛盾是人民日益增长的物质文化生活的需要与落后生产力之间的矛盾。十九大报告提出来,今天新的矛盾是什么呢?我们面临的基本矛盾是人民对美好生活的向往与不均衡、不充分之间的矛盾,我们刚才讲了各种各样的数字化转型的问题,我们把所有的问题归纳为一个根本的问题。今天我们面临的物联网、大数据、工业互联网、智能制造等等新的概念,背后最基本的一个矛盾是什么呢?我把这个问题抛出来,供大家讨论。我觉得最基本的一个矛盾,就是我们企业全局优化的需求和碎片化供给之间的矛盾。企业的竞争是资源优化配置效率的竞争,而这样的一个竞争需要在更大的范围、更广的领域,全流程、全生命周期、全场景的数字化转型。只有全局的优化,才能创造更多的价值。但是今天我们的供给还是一个碎片化,这两者之间的矛盾是我们今天数字化转型所要去解决的。

当然这样的一个问题,就像一本书《第五项修炼》所说的,今天问题的产生,源自于昨天的解决方案,我们如果去回顾过去 60 年 IT 的发展史,我们发现 IT 过去 60 年的发展史就是一个碎片化的供给史,无论是我们去讲 ERP 还是去讲研发,还是讲我们企业内部的生产车间,我们过去的几十年解决问题的一个基本思路都是先解决局部问题,把一个点的问题拓展为一个线的问题,但是今天我们不仅仅需要点,不仅仅需要面,我们需要一个生态,这是我们今天在数字化转型所面临的一个问题。

既然讲集成,集成本质是什么呢?是讲的我们对资源优化的范围、领域、深度的一个描述。在时间上,集成只有起点,没有终点。在空间上,集成资源的优化是沿
着点线面、体、系统、大系统、巨系统不断地去拓展,在频率上,资源优化的频率是在不断地加快,我们讲零库存,我们讲及时生产,背后的逻辑是我们的资源优化的频率是在不断地加快,这是我们对第二个问题的思考。面对这样的一个挑战,面对企业全局优化的需求和当前目前碎片化供给的这样一个矛盾,面对集成应用的陷阱的这个问题,我们如何地去解决呢?我们首先看到,制造系统、商业系统变得越来越复杂,而原有的技术架构和解决方案与今天商业系统的复杂性之间的差距、支撑能力差距越来越大。我们正在构建基于边缘计算、云计算、移动和这样的一个技术架构体系之上的一套新的商业模式解决方案。这个时代都已经到来了,我们把它称为“数字化转型 2.0”,如果说数字化转型的 1.0 是基于传统的 IT 架构和桌面端,那么数字化转型 2.0是基于边缘计算、云计算、移动端为代表的 IoT 的一个新的技术渠道。

从需求端来说,过去我们更多的是基于相对的确定性的需求来提高我们的效率,如何能够实现低成本、高效率,而今天在数字化转型 2.0 时代,我们面对的是一个更加不确定性的需求,我们的个性化定制、我们对碎片化的需求,我们对客户的需求的深入的洞察,我们要基于不确定性的需求,支撑它的创新,这样的一个技术体系能不能形成?业务创新、产品创新、商业模式创新、组织创新。

从供给端来说,我们过去数字化的解决方案,各种各样的软件更多的是面向局部的一个封闭的技术体系,而今天我们需要构建一个全局优化的一个开放的技术体系,过去我们软件的开发业务是面向一个流程,而今天的软件开发是一个面向角色、面向场景、面向需求的一个开发,过去我们是把一种产品解决方案交付给客户,我们就任务完成了。而今天不仅仅有硬件、软件,还有一个运营,和你的客户一起,为客户的客户提供更有价值的解决方案。过去我们更多的是一种业务的数据化,而今天不仅仅业务数据化,而要实现数据的业务化,这是我们对数字化转型 2.0 的一个理解。之所以实现这样的转型是因为在传统的数字化转型的 1.0 时代,我们的技术架构,我们系统数据的共享面对很多挑战,我们今天需要构建一个集云、集业务中台、数据终台以及之上的一种快速适应客户需求的各种各样的解决方案。我们今天讲,在这轮的 2.0 转型的过程中,工业互联网是它的一种实现的方式,而工业互联网最重要的一个价值在我看来就在于实现了知识的沉淀,把工业的技术、经验、知识、最佳实践分装为各种各样的组建,它实现了工业知识的沉淀,复用、和重构,重构了新的工业知识的创造、传播、复用的一个新的体系,谁在创新?创新什么以及如何创新。它带来的一个价值就是降低了我们创新的成本,降低了我们的风险,提高了研发生产服务的效率。过去我们更多的 80%在做重复性工作,20%在做创造性工作,未来构建的这样一个平台使得我们更多的精力和时间从事创造性的工作。而背后带来的是整个架构体系的一个迁移,这种迁移我们可以把它概括为四个阶段,使我们原有的这套架构体系在不断地解构,解构成了一些微服务的一些组建,无论是我们的库存管理、订单管理,我们的 CAD、ERP、MES 执行等等,这些传统的软件正在不断地拆分,分解,微服务化,构建起了一个微服务池,基于这样的一个微服务池呢,面向场景、面向角色重新地分装面向特定问题的一个新的解决方案。

我们的一个汽车需要召回,我们过去在原有的系统里面去找,谁生产的,库存有多少,谁设计的,价格是多少,需要一个个的系统去打开,那我们今天把原有的这些来自于供应链管理 CAD、ERP 的数据断地软件去解构和分解之后,重新构建一个面向角色、面向场景的一个 APP,就面对这样一个召回可以形成一个 APP。

但是这样的一个解构和重组才刚刚开始,所以整个技术架构体系正在从原有的 1.0 时代向 2.0 时代去切换。就像刚才施耐德电气的中国区的老总所说的,我们正在构建一个虚拟的数字卵生的一个一个世界。这种卵生的世界不仅仅在制造,在建设、在医疗、在城市,我们在构造一个虚拟的世界,这个世界对我们带来的最大的一个价值在于我们正在迈向一个通向零成本试错之路。因为在虚拟世界里面我们可以更加高效和低成本地、精准地去优化模拟物理世界、现实世界,然后把这些决策再反馈到现实世界。这是我们所看到的未来数字化转型所带来的一场巨大的变革。
 

以下是来自IBM 大中华区全球企业咨询服务部总经理麦俊彦的关于认知型企业-发挥人工智能优势,全面领跑智能制造的演讲。

大家早上好,我叫麦俊彦,我是负责我们 IBM 大中华区所有的 GBS 服务的团队还有业务,今天我非常高兴。首先非常感谢施耐德电气尹总还有他的领导的团队,让我们有一个机会可以在这里分享一下我们 IBM 对于现在数字化转型的深入观点。我们现在看到,在外部、从客户这边,从数字化、从先进的科技可以带来的一些憧憬,从内部我们也看到有很多新的流程,新的工作流,新的人员配备的能力。所有的这些转变,对于我们的客户、我们的员工、我们的生态圈做了一个很大的冲击。

在这个场景下,我们说,我们有新一代的业务模式,这个 New business model,从 IBM 的角度来看,我们之前那 10 年做了大概 4 万个 C-level 的访谈,CEO、CMO、CFO、CIO,还有其他的高管,我们这些调研也是问这些高管不同的一些问题。我们去年的研究是我们有史以来最多的一次调研,一共是13000 个,在中国有1700 个。其中一条问题是很重要的,我们问这些高管,在他们的行业当中,是有哪些企业会为他们的行业带来颠覆性的改变?在三年前,同一个问题,我们大部分的客户说,在他们的行业以外的一些数字化的巨头,一些互联网的公司,像我们的阿里、百度、Facebook、Google 这些公司,去年我们问的时候,有了一个很大的差别。72%的客户回答说,他们认为真的会改变他们的行业,在他们的行业本身,锐意创新的一些领头羊,一些龙头老大。为什么我们去年的调研报告叫做《龙头老大逆袭》,因为我们说传统的企业在这个行业 20 年、30 年、深耕很多年,有很多的客户和供应商、员工,在他们的生态圈里面,是属于领头人的,他们拥有的就是数据和关系、能力、人。

虽然很多的互联网公司非常的成功,他们也带来了很多正面的冲击,但是从我们的角度,在场的很多客户和合作伙伴,你们也是在这个行业有很多年的积累,我们认为这些企业才是会带领下一波的改革。在改革的使命之下,我们认为下一代新型的企业,我们叫做认知型的企业,已经演变到一个人类。他们有 AI 的头脑,他们可以有 IoT 和其它的一些方式,收到很多的信息,有自动化可以帮助他们快速的改变工作流,也有很全面对人员管理的方式,我们对认知型的企业形容有七层概念,其中有一个很重要的概念:企业体验。我们常常说人员的体验、客户的体验、用户的体验,但是企业体验是我们最新的一个想法,对于整个企业,怎么有一个整体的体验。所谓的体验是扩展到整个企业的客户、供应商、整个生态圈,我们觉得也是非常重要的。那么,认知型企业首先有一个敏捷开放的创新的文化,第二个,他会选择在他们的业务当中,他们的行业当中,他们觉得有一个组合,他们的业务模式、工作流、流程、人员、数据、技术,所有的东西集在一起,我们叫做业务平台。不是我们以前说的云平台,或者是消费者平台,我们说的是业务平台。第三个,他们会利用 AI 以及其它几何式的一些技术,比如说 AI、IoT、区块链、5G、自动化、边缘计算,把它们的工作流,把它们根本性的一些业务模式改造,然后他们所有的应用拿到数据以后,在他们的日常工作里面,放在一个混合、安全、多云的一个架构上面。大家听到云的时候,大家不要想到公有云,因为我们大部分的客户他们有的是数据,他们要保护的就是数据,我们大部分的客户也是用一个混合私有云、公有云,多云的一个模式,最重要的是安全,流程和数据的集成。

在这里我会给大家分享七个关键要素,第一个就是数据,在世界里面80%的数据隐藏在我们的防火墙里面,在企业你们的 ERP、CRM、HR 系统、生产系统里面,这些数据真正就是你们可以拿出去建立一个新的资产。我举两个例子,一个是阿布扎比石油公司,IBM 帮他们利用 AI 的技术,每天分析大概 25000 岩石的胶片,这些分析是用来做什么的呢?其实我们用了这个分析以后,比人类真的来看这些东西,在哪里有适合的岩石,少花了很多时间。除了高效以外,生产的量也扩大了很多。最后也可以引领他们新一代的一些人员,不用 15、20 年的经验,利用这些技术,可以让新一代的研究员、工程师已经可以达到以前老师傅的水平。

第二个例子,中国有一家排名前四位的汽车公司,我们帮他们改造了他们整个运维的流程,以前每年也会有大概 4 万 2000 分钟的工时是没有的,因为工厂出事了。我们利用 AI 和工作流的改造,利用工业 4.0 的团队和技术,帮他们改造之后,其实他们去年开始已经大大减少了因为设备的维护、设备的故障导致的一些损失。

我们看到我们的客户大大的利用 AI 和其它的前沿技术改造他们最根本的一些工作流,工作流跟流程是不一样的,我们用 AI 改变一个工作流当中所有的人需要做的事情,所有的人他们需要知道的东西,所有的人需要利用的一些工具。

举两个例子,第一个是澳大利亚最大的一个石油与天然气的公司Woodside,也有很多的工程师,但是最大的问题,工程师他们全部大部分也想退休,也想在未来年退休。在这个情况下,我们利用了 AI 的技术,跟他们一起打造了一个全新的工程技师图谱,这个图谱就是把 3 万 8 千份不同的工程的知识和累计了 20、30 年的经验放进去,让最新的工人可以大大的节省在看书和看资料的时间,很快速的让他们发展到一个工程专家的地步。第二个是加拿大的 GOLDCORP,它是全球最大的一个金矿的工作,我们利用 AI 帮助他们获取所有的在不同的矿场的数据,我们利用 AI 的知识之后,其实我们减少了他们需要在数据处理的时间,从 165 小时达到 4.5 小时,真正优秀的案例,证明了利用 AI 改造打造一个新的工作流的一个有效的方法。其实我们说人才、技能是最根本的一个事情,我们有大部分的客户说,做数字化转型,数字化重塑,但是为什么有很多不成功,就是因为他们没有去看最根本、最重要的元素,就是人。人才、文化、技能,怎么去改造。我们看到,因为有这么多的一些前沿的技术出来了,其实我们看到的现在技能的伴随期变得越来越短,所以我们觉得,人才的快速改变是一个很重要的课题。我们在这里,在之前四个礼拜,我们刚刚推出了我们最新的一个研究报告,这个研究报告里面我们访谈了大概 5600 个 CHO 的一些高管,我们在这个当中看到智能化、自动化还有整个 AI 所有的过程当中,会导致全球 11 个最大的经济体系有大概 1.2 亿的员工需要接受再培训,而 1.2 亿在中国已经有 5000 万。

在短短的四年当中,我们看到,2014 年的时候,我们要填补一个技能的欠缺需要 3 天,现在,2018 年需要 40 天,我们所有这些帮客户改造他们的企业的,或者是你们在改造你们自己企业的时候,我们有没有充分地考虑到这个点?我们在中国跟很多企业,和我们很多的客户也利用数据驱动的一些洞察,以人工智能还有自动化地实现人才管理还有 HR 的转型。

我们要记住,HR 的部门只是管理文化的一个渠道,其实人才转型、文化传承是一把手的工程,是 CEO 的课题。我们现在拥有人才,怎么利用工作流的改造,怎么利用数据,怎么利用自动化,还有其他所有的这些技术来帮我们的客户在实现数字化重塑、数字化转型的时候把他们的员工也一起带进这个旅途里面。

下一个就是有关平台,我刚刚讲了一个平台不是一个技术平台,是一个业务的平台。这个业务平台最关键的是选择一个我们觉得对我们企业里面有绝对的优势的,不是一个普遍在外面也可以做到的平台。

我们在这里有两个案例。第一,墨西哥水泥,CEMEX,莫斯科水泥是在莫斯科一个非常传统的企业,就是一个水泥公司,这个水泥公司它全球有大概两万个客户,他们搭建了一个新的,我们叫做 CEMEX GO 的平台,这个 CEMEX GO 平台是跟他们的客户,他们的供应商连接在一起,让他们的客户,所有在工地、建筑所有不同的大楼的这些工人可以利用一个 CEMEX GO 的平台跟他们有一个互动和联系,直接和他们的供应链有一个集成。这个集成其实让他们带来越来多(除了他们自己的客户以外,也有第二线城市、第三线城市)一些新的合作伙伴的需求。我们也看到,这个 CEMEX GO 的业务平台,把 CEMEX,墨西哥水泥,从一个传统,在墨西哥的水泥公司变为一个全球的国际性的建筑的企业。第二个例子,有关我们在中国帮一家汽车公司搭建了我们叫“出行服务” 的 platform,那么这个平台除了帮他们自己的汽车一些新的出行服务,比如说停车,比如说用 AI 或者其他的能力去分析、去找出最好的路径,最好的地方可以吃饭,最好的地方可以消费以外,他们可以把这个出行服务也带给其他的一些汽车公司。

我们听到很多有关云的事情,我们听到很多有关不同的微服务、容器,这些非常技术的资源,但是我们说架构,我觉得第一个要想起的就是我们的企业,就好像以前小的时候玩的这些,可以拆,也可以组合,也可以重组,这个就是最基本的、最新的业务还有技术的架构。当然云是一个非常重要的议题,但是我们看到在 2021 年的时候,我们 98%的客户,我们所有的企业也会采用多云的架构,就是可能有多个私有云,有多个公用云。我再次重复,最重要的就是怎么做集成,数据的集成,流程的集成,人员的集成,还有怎么把安全性放在上面。

我们看到有两个案例,第一,中国邮政。我们去年其实帮他们改造了他们整个产品还有和消费者互动的方式。这个是放在一个公用云上面的,是一个非常非常大型项目。你们还会看到,400 个产品,77 个系统,我们整合为一。

去年“双 11”的时候已经处理了 1 亿种的订单,是全国最多,也从来没有发生过的。其中一个,就是他们看了他们的业务架构,还有就是他们的技术架构。

第二就是我们看到在左手边的,有一个案例就是我们去年刚刚完成了一个迁移,就是从一个以往的私有云的架构搬到公用云的一个架构,是一个最大型的 SAP 的迁移,这个为这家公司带来了很多最新的扩展性,他们之前完全是不可以这么快去改他们的业务,这么快去改他们跟客户的一个流程,但是现在因为有了这个新的架构,他们的速度加快了大概 4-5 倍。最后两点,第一,有关安全和信任。

一个不安全、没有信任,还没有道德、没有道德原则的一个平台,永远是不会成功的。你要有安全、有信任、有道德,在你的平台里面才真的会长远,会成功。第二,有关敏捷。我们听过很多很多次,我们说这个敏捷开放其实就是未来世界的一个操作模式。所以这 7 个就是我们看到要变为一个认证型企业的 7 个关键要素。这里有一个图,就是我们叫做认知型制造,Cognitive Manufacturing,因为这里是施耐德电气的主会场,所以我讲一讲我们的这个观点。我们这个观点,我认为认知型的制造企业需要从产品、运营、工厂、三方面去考虑,从需求、制造、配送、运营,一直到全面的智能化,这个就是我们的一个观点。怎么可以把一些传统的制造型企业变为认知型的制造企业。

我介绍一下概念叫做 IBM 的“车库”,IBM 的“车库”就是我们跟我们的客户走进这个旅途的时候去改造变为认知型企业的一个做法。第一,就是有跨职能的团队。我们这支跨职能的团队有 IBM 的人员,有客户的人员,有合作伙伴的一些人员。第二,有充分的一些技术。我们说的所有的这些新型的技术,还有所有的新的做法,设计思维敏捷也在里面。第三,需要有三步。首先思考,然后转型构建,第三就是 skill(音),最重要的就是最后一步。接下来就是一个案例,其实我们在 5 个月之内,帮宝钢包装,在国内是一个专业的从事生产饮料容器的企业,我们在 5 个月内,用我们的车库的模式打造了一个新型的业务模式。

你看到我们从 B2B,变为 B2B2C,我们这个也非常成功,我们每个月也看把他们的定位、他们的文化改造了很多,在之前那 4 五个月已经发生了。最后我讲几个我们 IBM 有的优势,也是为什么我们希望之后也可以跟施耐德电气还有其他的一些合作伙伴、其他的客户继续帮中国改造中国的经济体。第一,我们有很多在国内的客户。我们待这么久就是因为我们和我们的客户有很长远的合作关系。第二,我们有我们的领导力,你看我们这么多年是打造了很多的研究报告。第三,我们看到从制造的面,我们说认知型制造是我们最近的一个研究报告,如果大家有兴趣的话也可以联系我们,也可以跟大家分享一下我们在这里的一个观点。最后就是我们 IBM 的一个理念。首先,我们 IBM 是以客户为中心出发的,IBM 有六个大的单元。最大的就是我们 IBM 服务的团队,除了服务以外,我们有解决方案,除了解决方案以外,对于制造这方面,其实我们是有专有制造的一些方案。到最后我们以客户为中心,用我们的能力,用我们的合作伙伴的一些能力帮我们的客户走过一个我们说是数字化重塑的旅途,变为一个认知型的企业。
 

以下是来自施耐德电气全球执行副总裁,工业自动化业务负责人何维的关于施耐德电气绿色智能制造解决方案的演讲。

我想跟大家首先来聊一聊,现在工业发生了一个怎么样的变化,尤其是40 年来,发生了什么重大的变化。我们现在看到人工智能已经进入到生产制造领域,大大的增长了我们客户的生产效率,尤其是制造业的生产效率。在生产工厂里面已经存在了许多年的数据,如今不仅在工厂内部得以盘活,而且还上传到云端,上传到私有云或者公有云,并且以前所未有速度进行分析和处理。有了物联网,正如我们多年前所说的,在生产制造车间万物已经能够互联。然而,我们发现多年的自动化金字塔上还有更多的数据能够实现互联互通。随着越来越多的数据联网,OT 端的网络信息安全的重要性却被很多企业低估了,尤其是当我们要在诸多车间和工厂之内,将 IT 和 OT 更紧密地结合的时候。

我们现在在一个完全变化的市场环境当中工作,施耐德电气也是如此,我们在全球也有 200 多家工厂。我们的很多客户也拥有多个工厂,他们面临着日益激烈的竞争、越来越多的经济的不确定性,包括大宗商品市场价格的波动,一些地缘政治的变化和商业政策的变化,科技的发展,这些变化有的时候让企业觉得有些无所适从。此外,大家也看到制造业所出现的代际变化,在中国也是如此。

随着新技术的推广应用,更多的用到我们的生产制造行业里面。在施耐德电气,我们也正在或者准备要利用更多的新技术来赋能客户,帮助他们推进数字化转型,来优化生产制造、商业模式、并在不确定的环境中与客户进行更好地交互。

至于如何更好地提升效率,我认为制造业的客户主要可以从四个方面寻找机会。首先是能源和自动化的整合,过去在我们的很多客户那里这是两个完全独立的领域。很多客户现在也都在担心如何实现可持续发展,如何减少能耗,节能减排,如何减少自然资源的消耗,获得更高的投入产出比。这里面我们要把能源和自动化更好的进行整合,就能够极大地提升能源与自动化的效率,提升人员效率,乃至整个商业运行的效率。第二点,我们需要从独立的数据生成发展为基于云数据生成,也就是OT 和 IT 的融合,从传感器、执行器发展到云。这样的话,就可以将一些不是很关键的生产数据拿到云端来进行分析。也是使得我们生产更多的流程部分跟云更多的结合,相对过去我们要单个的负载更加的小,更多的让云来承载这样的一些数据和资料。第三点,通过这样的一些方式,我们从最早的设计到建造、到运营和维护,都要有一个更好的集成化的软件,希望把这些设计、建造、运营和维护更好的加以集成。我们现在要将这些集成到一起,让接口最少话,形成统一的结果。很多人都在讨论数字化双胞胎(digital twin), 我想要更进一步来谈数字化线程(digital thread)。我们不仅需要数字化双胞胎,更需要一个贯穿整个生产过程的数字化线程,跨越产品和生产的全生命周期。第四点,网络安全,OT 端的网络安全在当前已经成为很多客户的重要议题。因为,很多客户每月遭遇多大 5000 万次的外部渗透,试图进入到工厂内部,改变生产过程,甚至想把工厂关闭,以从中渔利。这样的话,我们需要培养帮助我们的客户树立起网络安全的理念,确保他们的工厂能够在一个安全的环境上进行运营。

当然我们在说到数字化转型的进程当中,要实现成功转型,有四个推动因素。对于一些不知道如何开启数字化转型的中小型企业,有一点很重要,我们可以与他们一起利用现有资源和较小的预算,渐进式地开始数字化转型,让尽快看到数字化带来的优势和转型带来的回报。第二,很多客户和一些互联网企业都低估了一个因素,即 OT、IT 以及专业领域知识(domain expertise)的融合。生产过程究竟是怎样的,怎样经营石化工厂,怎样做机械制造,怎样运行车间的起重机,怎样制糖。怎样把一个个行业的经验和专业知识,更好的融合进来,和 IT、OT 进行融合,来解决实际的生产问题。第三,我们也说到工业软件和工程软件要集成,后面我要进一步的阐述。第四,我们要给我们的客户提供这样的一些解决方案现在也是越来越复杂,我们觉得单一的一家公司完全靠自己的力量完成这样的一个任务几乎是不太可能的,所以我们需要形成全价值链的生态体系,有一个开放式的架构支持,这样才能够齐心协力为我们的客户做好相关的工作。下面是我们施耐德电气一直在致力于建立起这样的一个生态体系,并且和我们的技术合作伙伴进行精诚的合作。这边我们来看一些,首先要易于开始,然后要进行一个经济高效的扩展,我会给大家举一些例子,这个是施耐德
电气武汉工厂,大概在 5 年之前,我们决定将一些专业技术部署在我们自己的工厂里。当时我们的工厂的负责人对于采用新技术不是很热衷,因为当时我们
也一直在催促他们要通过这样的一些数字化的改造,获得更好的资本效益,我们督促他们提升效率,提高生产力。

当时作为工厂的负责人,他们更注重与能够快速的获取投资回报,而且不能中断生产。我们选中了位于中国武汉的一家工厂,进行数字化改造。该工厂已经被达沃斯世界经济论坛评为发展中的 “灯塔工厂”,把它作为一家智能制造板式工厂的成功典范。我们在武汉工厂更新迭代了 PLC、用于温度压力等数据监测的传感器等,在各个指标、各个数据方面,应该说都获得了很好的成就,我们也是采用非常简易的,能够方便操作的方式方法,利用 AR 技术对数据进行分析。在质量方面减少了 15%的质量问题,能源消耗降低了 10%,设备整体的效率提高了 4%。交付周期缩短了 5%到 10%,劳动生产率提升了12%,这些 KPI 都得到了很好的提升。

大家也可以看到,这个是很好作为我们的技术成就的展示,我们一步一步不断的进行这样的一个技术改造,使之继续推进。之后我们在全球 200 多家的工厂里面将逐一推广,我们的合作伙伴、客户到我们这边参观,眼见为实,他们通过实地参观以后,就把这样的一套模式拷贝到自己的工厂,也取得了很好的成功。

下一步我们来看一下如何实现 IT、OT 的融合,还有跟行业、专业知识更好的进行融合。这里面我相信在座的各位都知道宝武钢铁集团,我们帮助他们实现了国内首个真正的热轧无人行车,另外我们也是帮助他们提高了安全性和作业的效率,并且提高了生产效率。与此同时,我们也把当中很多的步骤进行了全自动化,通过这样的一种方式,把人均产量增长了 15%到 30%,通过这样的一个数字化、自动化,行车运行更加的顺畅,而且能够降低设备的磨损。同时,还有一个意外收获,那就是这些设备的使用寿命大大延长,从而降低了设备的老化、更换的频率,节约了维护的成本,这也是大家在瞩目的一些发展和变化。这个项目成为一个标杆,这种模式也在全球很多客户中得到推广。刚才我们 IBM 的先生也说到了客户的案例,我们也可以看到,通过这样的工业软件的集成,我们在行业内两年以前反向收购了大型软件公司、AVEVA,它在英国的股票市场也是一个上市公司。这里是一个资产的生命周期,这个资产可以是一个大型的工厂,或者是一个小型的机器,我们希望把这样的一个资产、设计包括生产通过 3D、其它的科技能够加以优化。并且能够给我们的客户提供更多的全生命周期透明度、可见度,看到一些更多的可预测性。这样的一些资产不仅可以更好的计划与调度,而且能够在事先做好一些预 测,预测机器和设施的老化、折旧,或者宕机风险,从而进行事前的准备。我们通过这样的一些方式,我们希望软件能够从原来相对来说游离的状态变成更多能够和我们的实际的生产、运营结合,现在可以通过 3D 的模型实时的看到你的工厂的运营的情况,这样的话就能够有更好的能见度,提升你的盈利能力。这里我也就不逐一阐述了,但是大家可以看到这里面有很多的工业都可以采用我们的软件解决方案,比如像石化、能源,像一些离散的工业、混合的工业、流程工业,都能够从我们的一体化的软硬件解决方案中受益。

所以我们的软件已经完全的结合到运营的环境和运营的硬件当中去,这里面我们来看一下我们的客户。这个是中国的一家煤化工集团,我们使用了这样的一套平台,让他们能够进行系统配置,能够更好的调控、管理安全,能够提高可利用率,几乎达到了 100%。放眼全球,在阿布扎比国家石油公司,他们也是在行业里面的一个龙头企业,使用了很多的数字化的技术。昨天我们在新加坡也讨论到了这样的一些应用,现在在他们的国家也用到了这样的一些超过 20 万个过程和生产参数,通过很多的企业级的数据库,通过 18 个 SAP 系 统来进行透明化的管理。

那么我们仅仅花了八周的时间,让他们在整个的系统内部实行了互联互通,这样一来,对公司整个的流程进行了优化,而且对于每一个设备都可以进行预防性的维护,都是非常有效的改善和提升。这些是我们一些非常典型的客户成功的转型,他们像灯塔一样引领了其它的一些国家的客户,比如说在印度尼西亚和南非公司也是进行了同样成功的转型。

最后我要讲的一点,这也是我们今天会议的主题,我们有一个生态圈和开放的架构,这也是为什么我们把所有的合作伙伴都聚在一起,这一点是非常重要的。因为我们只有合作互通有无,才可以帮助我们的客户成功的进行数字化的转型,来确保这是有整个生命周期的管理,因为技术的更新换代太快了。一直要追赶技术的升级换代的话,有可能会转移你的注意力,而不是专注于提升自己的效率了。

在一个智能制造大的帽子下面,实际上我们有一个 5S 的做法,一个是智能,它是一个数字化网络和智能,当然是要通过一个端到端软件数字化的应用。方法论,我们称之为渐进式的,你要先诊断,后用药,先软件后硬件,小步快跑,底层当然非常重要,安全,要确保数据和整个流程的安全,在顶层所有的这些都是为了实现可持续,最终实现能效的提升,实现精益的生产,实现循环经济,减少污染排放,最后我们称之为绿色智能制造。
非常感谢大家。

<远程、智能、共享-钢铁行业智能运维探索与实践>

王建宇(上海宝钢工业技术服务有限公司工业智能事业部总经理):各位朋友上午好,非常高兴今天有机会在这样的一个场合跟大家分享一些关于绿色智能制造的想法,大家也知道讲到绿色智能制造实际上施耐德电气与中国宝武已经有很长的合作历史,刚刚提到无人化行车也好,还是一些车间的一些智能化的管控也好,都要有一些具体的成功案例,但是,绿色智能制造其实是一个很宏大的命题,很宏大的蓝图。前面各位嘉宾分享里讲到的都是一些架构也好、愿景也好,都是一些比较大的概念。我今天更想跟大家从一个纵深角度,从设备如何实现智能运维的角度来做一些分享和探讨。

远程智能共享、钢铁行业设备运维模式、探索和实践。在进入主题之前,首先介绍一下我们公司的情况,我是来自于上海宝钢技术工业技术服务公司,我们公司实际上是服务于中国宝武集团,从宝钢建厂以来,一直是贴身服务的一些企业,一直是从事于设备的检测、诊断、运维这样的一个纵深的领域,现在也是服务于中国宝武多个基地的核心设备状态的一个受控的业务。我们有 30 年围绕着设备技术服务的经验,在这个服务的过程当中,实际上积累了大量的关于设备状态如何受控的有效数据,同时我们还形成了超过10 万条包括设备点检、设备的运维、设备的维护等系列的标准。目前我们是服务于中国宝十大基地,我们也搭建了自己基于工业互联网的这样的一个宝武设备智能远程运维的平台,已经介入了 20 余条产线,有 8 万多个设备的测点。同时依托我们这个平台,我们有系列的、区域化的一些解决方案,还有面向一些通用设备的一些专业化的解决方案,通过这个平台在服务于宝武各个基地。跟大家传统的理解有所差异,大家一提到设备维护可能更多的是想的带着榔头就到现场去敲敲、拆拆、装装是这样的一个概念,那么我们现在要说,宝钢技术不是这样的,我们是中国智能制造系统解决方案的供应商,我们也是工信部的制造与互联网融合的试点示范单位,也是上海市工业互联网的平台单位。讲到智能运维,实际上这个概念也就是这两年才兴起,在某种程度上,我们讲到设备管理这个概念,宝钢从建厂以来,实际上从日本那里引进了这样一种设备的管理模式,后续这种模式实际上在国内的钢铁业、包括大型的一些流程工业,实际上在广泛的一些实践推广和应用,但是这种模式现在遇到了一些新兴技术,不管是 5G 还是人工智能、大数据等等,实际上会带来一些新的变化。所以现在提出一个新的叫“智能运维”,那么什么是智能运维?我们是这样理解的,是基于设备状态变化趋势的一个智能的决策。

在对设备当前状态掌握的基础上,在对未来状态进行预知的基础上,来判断这个设备该不该修,什么时候修,修什么,怎么来修,谁来修,实际上整个围绕着设备维护的整个流程,是完全基于数据的,从数据中来,到数据中去这样的一个决策。

说这个可能大家还会觉得它稍微有点抽象,再来看一下。实际上一个核心的变化就是从传统的以人为核心的这样一种设备的管理,我们要转变到以数据为核心的一个管理模式当中。什么叫以人为核心?

刚才讲到了设备的点检定修制,我们有一个传统的模式下面是这样的,设备的维护人员通过五感的方式去了解判断设备的状态,哪五感?我们用眼睛看,用耳朵听,用鼻子闻,用嘴巴尝,用手去触摸,通过五感的方式去掌握设备的状态。后依靠他自己多年积累的经验,判断设备是不是有异常,在哪些方面可能出现问题,然后结合设备的整个维修的一些计算,维修的模型去排定我什么时候来修,定好了之后现场的设备管理人员才会手工去开写单子,然后组织具体的检修队伍对社会进行维护。维护之后,再由这些设备管理人员到现场对整个维护的质量去进行验证。

未来如果以数据中心为模式是什么样的呢?是所有跟设备状态相关的数据,都是自动的,通过在线的方式来获取,然后基于这种专家也好,这种设备管理人员也好,他的一些经验知识转化成计算机终的一些自动化的判断规则、模型,来对设备状态进行智能的状态是好是坏,进行智能的诊断,是什么地方出了问题。会跟整个生产系统的生产计划、维修计划去自动结合,来排定什么时候可以停机,什么时候可以去实施维修,然后系统会自动地把相应的委托单的一些检修任务也好,维护任务也好,通过系统的方式自动地推送到相关的一些资源方、检修单位。

同时它还能把怎么修这个方案通过系统去做。如果在维护和修理的过程中出现了一些疑难杂症的问题,通过互联网基于平台的远程方式去对它进行支撑,整个设备维护、修理完毕之后,再由各类在线的数据对它自动地进行校验,来判断整个状态是好是坏。在我们的观点里面,我们智能运维讲三个“一”作为核心。一个平台,一个专家系统,一套标准化的体系。平台的话实际上是一种工具、一种手段。但为什么强调一个台?是因为,尤其是在大工业系统里面,它涉及到的设备门类特别多,它的整个维护、保养的整个设备管理的流程是相对复杂的,涉及的人员也众多。就比如我们宝武,直接设备相关的管理人员、技术人员也好,实际上是上万的。这样有必要为大家提供一个通用的、共同的工作平台作为工具。

同时,也方便于我们把同类型的一些产线,同性的设备基于这样的平台进行管控和对比,然后相互之间去取长补短,提供一些经验。另外一个“一”是专家系统。
这个专家系统在目前,或者在可预见的一段时期内实际上是一个人机混

合的专家系统,我们前面讲我们要把我们现场的设备管理人员、一些工艺人员他头脑中的一些知识转化成规则,转化成基于机体的模型,甚至我们可以利用一些大数据积极学习的方式,去对它进行一些深度的挖掘、一些预测,但是可以很客观地告诉大家,到目前为止,我们还没有办法把人脑中的所有的知识全部转化成自动的东西。所以我们是有规则、有模型,然后结合我们一些专家的经验,能够系统解决掉的就系统解决掉,如果系统不能自动判断,这时候专家去适当地介入,去做一些确认,去做一些远程的咨询。

这些模型也好,规则也好,都是融入在我们的整个智能运维平台中,所
有的这些专家也都是基于这个平台工作的。最后讲一个标准化的体系。为什么
讲到标准化体系?我们搞工业的都知道,实际上你不管是制造产品也好,还是
提供服务业好,我们最难的是怎么保证最终产品和服务稳定高质量的去交付。
同样在社会维护这个领域也是一样,同样是修一齿轮箱、修一台马达,不同的
队伍由于技能水平的差异,修出来的效果可能就是不一样,这是一个很客观的
现实。
但是,如果我们能够把这种维护、维修的要点,一些步骤全都标准化,
然后对相应的队伍进行适当的培训和辅导,那就有可能确保无论是哪支队伍来
干,无论是在哪儿来干,它最后出来的整个维修交付的质量都能够保证统一。
所以我们讲到,一个平台、一个专家系统,一个标准化体系,最终的话是能够
带来对社会管理体系、人员效率、管理效率的提高,能够使停机时间大幅度下
降,突发故障趋向于零,与设备维护的流程、管理的流程去结合,还能带来这
种备件库存的共享和维修的大幅度下降等等。
这里面讲到一个我们的智能运维的总体架构,这块不多说,因为现在我
们讲到物联网也好,讲到工业物联网也好,我们本身还是基于工业物联网的这
样一个概念,基本上都是这样的一些架构,从边缘到云端到应用这样的三层架
构,这里就不多说。
我们想强调的是,我们现在基于平台,沿着钢铁企业的全流程,从炼
铁、炼钢、热轧、冷轧、到电厂、到化工等等我们都有全套的系统的解决方案
在运行。
讲到设备智能运维的话,宝武集团实际上也做了几年的探索,前几年可
能更多的是在一些具体的点上、一些个别的技术的应用,但是从今年年初开
始,宝武集团把智能制造作为全集团的一项的任务来加速推进,我们现在的话
是每半年宝武集团内部会开一次智能制造的专题大会,各个基地、各个单位在
这个大会上,展示你每隔半年的你的一个智能制造的成果和业绩,实际上就是
让大家相互比,去赶超嘛。
同时宝武现在也提到“四个一律”,围绕着智能制造我们讲“四个一律作”为
手段,操控、操作是一律机控,操作岗位一律机器人,运维一律远程,服务一
律在线。以这四个手段作为具体推进智能制造的一个抓手,我们宝钢事业部,
也就是具体来负责第三个一律,也就是运维一律远程这样的一个落地的实践。
今年上半年的话,我们围绕着我们讲从点、线、面我们也做了一些探索
和实践,面的话实际上我们是在炼铁,我们针对炼铁全厂从原料、到烧结、到
高炉、到焦化全厂区域做了一个大面积的探索,在热轧我们做了整条线的探
索,同时我们针对风机这类专业设备做了一个点上的探索。
现在大家看到的是我们针对炼铁的一个探索。针对四大关键工序区域的
话,我们是接近了 1000 台的设备,目前整个在炼铁的关键设备的覆盖率大概
在 14%-15%的样子,但是按照我们未来的目标这是不够的,我最后还会去讲
的。
现在示范的话实际上就是我们热轧的智能运维的示范线的建设,刚才我
们施耐德电气也提到,实际上我们宝武 1580 是一个智慧车间,在 1580 的时候
我们就做了一些诊断系统的探索。我们针对 2050 的话,我们是在检测诊断的
基础上,进一步往前延伸,完整地实践整个智能运维的链条,从检测诊断、数
据的采集获取到判断,再到和后续设备、维护流程、管理流程的一些勾结,自
动的方案的推送,自动的维护决策的规则、判断、远程的支持,都是在我们这
条线上做了一些实践。
这条线的话,截止到今年上半年的话,我们是接入了设备 1100 多台,
数据采集点超过几千个,这里面我们也开发、配置了相应的智能模型有三十多
个,各类数字化标准的化是 1000 余类,实际上接近 10000 余条,每天的数据
流量现在是 100 个 G,通过这个产线的建设是完整地践行了我们智能运维的一
些理念,产线的核心观点设备是百分之百的在线监控,我们的数据分析是百分
之百地通过系统来实现,业务流程是全部的自动触发,所有的业务流程都能上
线,同时所有的数据解决方案都能够自动地推送到相关方里面。
今年上线之后应该说效果是特别好的,在这个区域的话,整个点检复核
下降了 80%,维修复核下降了 20%,维修成本的话下降了 20%,然后整个设
备的停机时间现在基本上是奔着零这个目标方向,整个设备有效作业时间提高
了 30%。
同时我们今年上半年的话也是选取了冶炼区域 64 台关键风机做了一些
示范,前面也会讲到,我们是针对风机我们建立了自己的一些数据采集的标
准,目前针对风机设备我们是有 32 个测点,基于这样的在线的数据的获取,
然后建立一些自动化的预警模型、诊断模型,同时把风机的设备状态和它的系
统的能效评估、运行效能评估去做一些勾连,这样的话整体的去把握,不但能
够及时地把握设备的状态,同时还能够通过和工艺的结合来促进风机的排风节
能达标。
从整个系统上线以来,整个故障预警准确率是 90%,点检工作量下降
80%,维修复核也是下降了 30%。以上是我上半年关于整个点线面的、关于设
备智能运维的一个实践,但是客观地说,这项工作对于宝武来说、对于我们来
说也只是刚刚起步。我刚才提到,我们宝武在宝山基地今年

0
-1
收藏
相关文章