杨华勇院士：尊敬的张院士、陈院士、邹院士，施主任，各位领导、专家，企业家的朋友，大家上午好！感谢张院长给我这个机会，向各位汇报最近两年我们做的一些有关智能制造的实践。主要是关于以下五个方面的内容：
做制造的人都叫“智能制造”，做IT的人都叫“工业互联网”，目前中国制造在推进六大工程，最热的是智能制造，最冷的是强基工程，最蓝的是创新工程，当然还包括高端装备、绿色制造和后来加上的品牌工程。在座各位都知道现在中国的智能制造非常热，在全球也非常热，主要从两个方面思考智能制造：
一是智能制造的内涵，智能制造包括五个方面，网络制造、智能技术，3D打印、机器人技术还有智能装备。
二是从产品的层面考虑，现在聊的最多的机器换人只是智能制造的一部分，也就是我们说的生产过程的智能化。
产品要走向高端，应该是产品的智能化。还有整个产品的全生命周期使用过程的智能化。
刚才张院士说过去十年中国社会财富增长最快的还是IT行业，科技投入最大的也是IT，现在A、B、C、D、I都成为了热门的词，AI、BlockChain、Cloud、Data，还有IoT，现在40%的GDP来自制造，40%中一半是流程工业、一半是离散工业。所以，在浙大，流程工业比较多的是控制学院，是孙院士带领的团队，我们主要是做离散工业。我们都在讲产业的升级和产品的升级。
我们都知道互联网把全球的消费者连接在一起，
互联网倒逼服务
，
在互联网经济、数字经济下都讲究用户体验，这就倒逼服务升级，服务升级倒逼制造升级，所以整个供应链都在讲智能化的问题。
技术上说的IT业的AI、大数据、云计算、物联网等等，
实际上要如何转化为企业侧
，企业的需求就是成本、质量效率，还有新的方案、新的生态，中间的连接就是工业互联网，工业互联网也是IT业所说的互联网下半场，它最重要的战场是在工业。
现在总是说工业互联网，互联网的数据市场从全球看主要是三大市场，领先的是美国，欧洲是德国。亚太是中国，目前预测都慢于实际，之后增长速度非常快。
具体来看这个数据市场主要是在这一块，最大的还是设备管理。产品的售后服务占了38%，还有生产过程中的管控，包括监控、能耗、质量管理，整个生产过程的优化占了28%，企业的运营管理占了28%，运营管理是18%，资源配置13%。我们说的很多产品设计和工艺管理，事实上大部分是秘密，不在数据市场中。
目前需求很大，需要做的就是数据建模、数据分析，就是设备的健康管理、产品的售后服务、生产的管理优化、能耗与质量管理，还有客户关系管理、财务、生产过程监控与安全管理；
再下来就是全流程的数据能力、金融服务，真正的仿真设计与工艺只有3%。
所以如何打造工业互联网的架构，事实上需要各种方面的人。我们都知道阿里云下有个工业云，工业云有做IT算法和工业的部门，但真正要在制造业应用需要懂制造，工业知识也是不可颠覆和替代的，需要一起打造一个系统。最近一年多，我们在讨论如何做工业数据的开发与管理，还有工业数据的智能应用开发以及工业流程内部各个工位之间复杂的关系，如何把它做上平台，然后用IoT和5G把它连起来，再推到各个行业。总得来说，工业行业有49个，小的行业有400多个，实际上每个行业的龙头企业需求、专精企业的需求和中小企业的需求完全不一样，这就需要做很多事。
从数据管理的角度来看，它需要把整个产业链从供应商和物流把人、财、物全部管理起来，现在用户的体验、运行也需要管理。具体到企业内部就是物料、工装、人员、
设备、供应、
订单、供应商的管理。
而平台一旦打造起来，它是大数据的多元融合，计算的应用、可视以及业务的智能，需要整合各种数据，最主要的目的是产品质量溯源，现在要高端产品质量的溯源，装配工艺建模方面的分析和资源的排查和整个物流系统如何做优化。
再往下看，真的要让企业各种人员和外部能够运用起来，就要开发算法与组件，还有面向各种业务人员，也就是windows化和图形化比较方便，一线的操作人员都要应用起来。现在企业内部有很多数据，大家都知道数据是宝贝，但没有真正利用起来。我们调查过真正的商业数据不到4%，所以怎么统一、规范，让它易用，工业机理如何沉淀下来变成知识，不要变成人盯着数据，现在的数据用量很小。如何让机器变成智能，让机器智盯数据。所以，做流程、做看板可能是一个途径。
我举几个案例：
案例1：
质量管理。大家都知道浙江春风动力股份有限公司的摩托车生产，摩托车是传统的制造，春风是后起之秀，每年销售额50亿左右。这家企业非常有竞争力，这是一个国宾车队的摩托，这个车辆和传统车辆相比有100多项评比，它要求高、质量好，而且政府采购价格不高，企业还不想亏损。工信部审核，春风动力做自动化，同时降低一线员工的操作工人。因为现在到加工车间看加工非常传统，有30台各种型号、不同年份、不同国家的机床，一般一个机床都有一个操作工，所以车间里3-5个维修工，30个操作工，就是做数据的指挥中心、做看板。不到一年下来，30个机加工车间，现在操作工只有4-5个人左右，大幅度减人，这就有了效益。
他们尝到了甜头，竞争力很大，小批量也可以成本优化，所以它做摩托车、沙滩车，并且开始出口。他们做了二期，现在还要做。摩托车行业主要的还是发动机，发动机最头疼的还是装配线。如果用比较简单的方法改造装配线，具体就定位到成本低，不要大幅度改造装配线，能够快速响应，用数字化的手段改造。最后找一个答案做工位，就像拧螺丝钉，拧过或者拧不到位都有问题，后期改造成本大而且影响品牌。现在如何把装配轨迹跟踪和轨迹标注变成数据，通过数据及时报警、预警，马上改正，可以实时的做。现在就是一个一个工位做下去，做二期，再把算法更新。
案例2：
溴冷机智能远程运维。空调有两个核心，一个是电机，一个是制冷，看看双良。传统的做法是做个阈值，如何超过阈值，它就报警，真的超过阈值的时候已经出现了故障，现在是如何根据历史的数据建模型，可不可以提前预警，也就是要把数据打通、硬件打通，把传输打通，把数据放到云端建模。它可以把历史的数据放进去，收集专家数据，数据足够大的时候可以让机器学习，根据历史数据预测，看分布，实现提前的报警。这边就是一个案例。去年八月份专家判断27日有问题，数据报警预计是27日11点，大概相差3个小时，但发生故障是2天以后，就是29日发生故障。所以，它有一天多的时间提前维修，很容易排除故障。设备故障率降低了30%，这就是根据机器提前预测故障，提前预警。
案例3：
盾构机掘进辅助驾驶。我们07年做了第一台样机，等了1年用起来，最近11年我们已经占领了很大的市场。我们的技术已经和国外并跑，但还没有形成引领，现在中国盾构掘进机占了全球用量的55%-60%，出口到21个国家，现在很多隧道施工都有问题，现在从2米到16米的隧道，真正施工下只有12个人，有6个做管片拼装，还有1个司机，司机是关键岗，现在发展太快，司机培训不够。
地面支持
经常是半夜出现问题，该出的都出事了。如何智能做事，我们和两家央企中国龙头企业和世界龙头企业做这个事。
举个例子就是设备的分类，掘进延时的分类，现在
岩土力学可以分
，现在是根据图像对岩土进行分类。分类以后
关键是控制岩土分类的大小
，下来石块的大小，太大了会把传输系统的皮带损坏，太小了的话，主要的能量都用于碎石了。现在煤矿业也有这个问题，下面采矿，皮带机出来也是石头大小，目前是靠工人拿根棍子，大了把它捅下来，是不舒服的工作岗位。现在可以通过图像、数据和工具进行筛选下来。这个案例就是以数据图像判断石块下来的尺寸，可以提高掘进机的效率和设备的寿命。
案例4：
智能汽车涡轮增压器叶轮瑕疵识别。叶轮是很大的问题，不管是航空发动机还是汽车都是这样的问题，现有的各种缺陷是靠质检员巡检，质检员永远存在漏检的问题，所以能不能把这些制造的缺陷、产品的缺陷建立数据库，建立数据库以后，对叶片层有哪些划伤，把计算和算法收集起来，进行提炼，知道哪些要召回、哪些要做改进。我们不影响整条生产线，搭建一个检控站，通过机械手对产品进行全方位的检测，把各种划伤、瑕疵通过凸现、模型做训练，精准率可以做到85%，召回率提高，平均度也会提高，而且简单易行。大幅度降低了对人工的依赖，而且降低了成本。准确性可以逐渐迭代上升，现在可以做到90%。
案例5：
生产监控分析。还有一个案例就是在萧山做兆丰机电。兆丰也是全省智能制造示范点，最早机器换人加了很多机械手，逐渐降低人工，现在数据大量起来，数据如何整合，他们提出了紧迫的需求就是建工厂的大脑，要把现在的生产数据、设计的数据、用户数据全部打通，运作起来。这个行业最主要是生产节拍的问题，轴承材料中磨削占了很大的时间，以前都是靠人员来做，实际上它有很多可以改善的地方。只有把东西打开才知道哪些方面可以提高。
因为这个行业的生产节拍做到20秒就很好了，再降低1秒都非常困难，现在用数据来做。原来是18秒，现在可以做到15秒，交货期缩短7天，质量上升，能耗降低，所以很明显劳动生产率现在是行业最高，人均从85万到280万，“身体”好了就开始抢其他的地盘，原来主要是汽车，现在到其他市场，也开始做航空轴承。所以智能制造的改变，这家企业尝到了甜头。
说到制造不得不说航空，柯老师带了4个教授、不到20个博士生、不到30个工程师，过去八年交了13亿以上的数字化装配生产线，覆盖了航空全行业。现在商飞下有个制造商叫上飞，在浦东，C919还在做试航，但量产以后，数据的问题很大。所以它提出要求，航空业的数据很多，也在不停的做数据优化，但很难全局优化，都是局部。现在有机加车间和部装车间，现在新加的是复合材料车间，就是一群人在查缺陷。前面说的虎符、算盘能不能打通考虑，也就是做虚拟工厂。现在速度要快，5G进去，所以现在去上飞参观全部是华为的5G。
