智能制造的AI

1、智能制造的AI之路管理层需要更多更全面的数据，执行层希望更具备效率更简单舒适的工 作工具。如何轻松简洁的获取数据，再将数据串联起来，打破信息孤岛， 实现业务融合是目前智能制造的重中之重。作者：彻纹 来源：制造业信息化咨询智能制造系统之荡：企业信息化建设三驾马车：ERP、PDM与MES，ERP管理的是企业的资源， 比如人员、设备折旧等，PDM管理的是产品的设计过程，比如产品图纸、工 艺等，MES管理的是制造的过程，比如生产计划、生产作业等。ERP是从客户开始，到订单，到主计划，回答的是为什么生产；PDM从产品需求开始到 工艺编写，回答的是怎么生产，MES是从计划到具体加工，回答的是到底是 怎么干

2、的。综合来看，ERP、MES与PDM都属于管理系统，MES(ManufacturingExecution System)全称是制造执行系统，主要面向的对 象是管理层：战略层：战略层如企业总经理、型号总师等，主要获知生产的趋势性数 据，如生产问题发生率、任务完成率、额定工时统计等等，都属于分析统 计类数据，简称为高阶数据；管理层：管理层如计划员、调度员等，主要获知生产的实时数据，如生 产进度、现场问题等，属于实时性数据，对数据的实时性要求较高；如现场问题发起之后，管理层希望第一时间获知该信息， 所以MES的现 场问题模块目前会增加一个需求：当现场工人 /班组长发起问题之后，问题 信息以软安灯（系

3、统报警）、硬安灯（报警灯）或者短信的形式第一时间 告知相关负责人。执行层：执行层如班组长、现场工人，主要获知的是相对静止的信息， 如产品的操作手册、加工工艺或者临时工艺通知等内容。综上执行层虽然处于数据采集最核心的位置，但对于他们工作KPI （工时/件数）等均没有增益，甚至会影响产量。虽然MES大部分功能是面向管理层的，主要解决计划员、调度员、厂长 的核心痛点，但是MES能不能用起来，或者用的舒适度，主要靠执行层来 表现的。管理层希望看到更多更全面的信息，辅助工厂决策，但是管理层所有的 信息都来源于执行层，所有管理层迫切的希望执行层将工厂所有的数据传 送到系统当中，然后根据数据模型或者管理模型

4、像漏斗一样筛选出自己需 要的数据，如上图所示。执行层的数据主要来源有：机器采集、手工录入、上游系统传递、硬件 集成，但是根据离散型制造业企业性质来分析，执行层数据基本来源于手 工录入。所以上线MES之后执行层首先面对的是工作方式的更改，需要学 习MES系统操作；接下来是由于管理对数据的需求，造成工人置根本而不 顾（生产任务是执行层的根本）去在 MES系统当中录入数据。1.系统培训浪费时间，造成本职工作未按时完成;2.没有减少工作量，反而因为要录入数据降低了效率;以上原因最终造成的结果就是执行层很排斥 MES系统，影响MES系统的 应用效果，这也是提出MES系统是“一把手”工程的根本原因，只是利

5、用 行政压力去实施是一种手段，但并不能解决根本问题。造成了一个智能制造之荡：管理层需要更多更全面的数据，执行层希 望更具备效率更简单舒适的工作工具。如何轻松简洁的获取数据，再将数 据串联起来，打破信息孤岛，实现业务融合是目前智能制造的重中之重。智能制造的解救之钥：由现场工人倒逼式的实施方式是最优的解救方案， 但是“自扫门前雪” 的形式风格造成了信息化系统需要牵头人，相当于政变领袖，带领的是一 种方向，解决的是内部矛盾。所以信息化建设除非是企业的单点应用（如本来一直需要手抄纸质数据， 通过软件自动解读，我们称之为工具型软件）执行层可以提出之外，比如 MES、ERP或者PDM等管理型系统，执行层提

6、出的难度相当于让农民少吃饭 去支持国防建设是一样的，实属难为人之举。其实在我国工厂的很多车间里，各个生产设备之间、生产设备和控制器 之间，都已经基本实现了连通。再牛 B一点的公司里，整个工厂已经通过 制造执行系统（MES ）连通起来，而业务部门全部通过 ERP连通起来了。但ERP和MES其实并没有连起来！所以当ERP给MES下达生产计划指 令后，MES在生产过程中发生了与计划偏差的事项（比如设备坏了，原料不 合格等等），MES会根据车间的实际情况进行调整。但是ERP是不知道的!所以它会继续按照原本的计划执行订单，时间久了，财务系统和工厂的实 际情况就会出现非常大的偏差。没连起来的原因：首先是E

7、RP和MES的开发公司通常是两拨人，搞 财务的和搞生产的合作，不但互相不懂对方的职业术语，鸡同鸭讲，而且 互相看不上对方。另外，业务部门和生产部门在公司里通常是分开运营， 各自的领导有各自喜欢的供应商。当然这个问题工厂车间通常会定期把 MES 的调整项做成一个表，交给业务部门，然后由业务部门手动在ERP中调整过来。ERP和MES的问题只是工厂内系统断层的一个问题缩影，事实上工厂里还有非常多的其他系统，设计、制造、采购等，这些系统都是一个个信息 孤岛，互相都不知道对方在干啥，到哪一步了。只有等到问题出现了，再 一个个改。当然，这种事也不是第一天存在的，因为在工业时代，产品的 生命周期很长，有些产

8、品一个型号可以卖二三十年，这样一两年的研发上 线时间也就显得不那么长了，其余的问题，靠着人工沟通，虽然有错，倒 也都相安无事。但是现在产能过剩问题和互联网时代的发展带来了新的变化。全球性的产能过剩，导致企业的竞争越来越激烈，以往一款产品卖三 十年的做法已经不行了，你跑不快，有的是快的。互联网时代的到来，撼动了工业时代的一大基础，信息不对称。工业时代里，因为生产厂家无法 低成本的了解每一个客户的需求，所以往往采用一刀切的方法，就是把需 求做多的性能组合到一起，成为一款产品。比如你想要一双适合你的脚的鞋子，鞋厂是无法知道你的脚多大的， 所以只能测量很多人的脚之后，把最集中的尺码分成40号，41号，

9、42号等，但是如果你的脚偏肥或偏瘦，对不起，概不伺候。互联网改变了这个局面，人与人，人与厂商，可以低成本的实现连接，从而让每个人的个 性需求被放大，人们越来越喜欢个性化的东西。但是个性化的东西需求量 没有那么大，这就需要工业企业能够实现小批量的快速生产。产能过剩和互联网逼迫着传统工业必须做一件事，一件工业社会最不 爱做的事，就是快速、小批量、定制化的生产。所以这个时候最应该完成的就是把ERP和MES等等信息系统彻底打通， 让工厂原本的所有信息孤岛实现连通。这个时候，就从完全的自动化和部 分的信息化，进入了完全的自动化和完全的信息化，也就是工业3.0大圆满阶段。 本阶段不需要将某个单点功能做到尽

10、善尽美，不需要做到深入，但是已有数据的融合是必须的。因为解决单点数据采集问题应该属于 AI范 畴。智能制造的AI之路：数据采集：智能制造之旅在管理系统当中注定是以采集数据为根本的，但采集数据 的基础条件是不增加劳动工人的工作量的基础上获取更多的数据。AI的兴起已经为我们提供了诸多借鉴之处，如 PDF的解析、人脸识别、噪声获取 等等，所以在AI当中对于智能制造帮助最大的是极速获取数据的能力，都 是单点的应用，减轻人为录入的工作负担。所以工业的AI之旅注定达到的目的是：最大限度的获取非隐私数据， 极多数的单点工具，让工人只做本职工作的事情，不再因为管理需求而做 一些无用功。AI在数据采集当中能做到的就是尽大可能的提供各种单点工具。数据处理:由于AI系列中极大量的获取数据，造成的结果则是需要强大的数据转 化、数据存储能力，大数据处理则需要应运而生；下图是大数据处理流程。工业的AI之旅会同步造成大量的数据，包含有效数据与冗余数据，而 且来源于各种软件、各种工业系统、各种控制系统与各种硬件，大数据的 转化、集成与储存则会是最大的挑战。数据应用:数据分析:之前普通的报表是少量数据的可视化，展示的往往是二维信息或者三维 信息（如时间与车间现场问题发生的频率是二维的），但是到AI阶段，