走在深南大道上,很容易就可以看到高达37层的建筑墙体上的红色logo“mindray”,这是中国最大的医疗器械公司——深圳迈瑞生物医疗电子股份有限公司(以下简称迈瑞)的总部所在地。
与周围的玻璃幕墙不同的是,迈瑞的外墙上用的是砖红色的火烧石,这也让这座大厦显得异常厚重。
与厚重的外表匹配的是迈瑞的底子,从中国医学装备协会的一组数据中我们就能看出:监护设备上,在中国排名第1、美国第3、全球第3;血液细胞分析上,中国排名第2,全球第5;超声设备上,中国排名第3,全球第6;麻醉上中国排名第3,全球第3,全球装机超过40000台。
如果说迈瑞是国产医疗设备器械商的佼佼者,这点并不为过。但是,迈瑞如何在二十多年时间里从众多的国内厂商中脱颖而出,这是一个值得深思的话题。我们或许可以从迈瑞医疗的生产工厂中窥见一斑。
著名的“微笑曲线”理论认为,研发与营销是附加价值高地,而生产制造则是洼地。但是,迈瑞方面认为,生产制造是链接价值的重要环节,在这个环节中做好可以带给客户更大价值。
迈瑞的主营业务覆盖生命信息与支持、体外诊断、医学影像三大领域。2017年集团的营业收入约为112亿人民币。一个有趣的现象是,作为一家民族企业,迈瑞的脚步早就跨到了国外,其中约一半为境外收入,北美和欧洲是最主要的境外市场。
从上文的那组数字中我们可以看出,迈瑞是中国医疗器械企业里国际化程度最高的,仅有的多个类别产品能与国际巨头同台竞技的企业,并打破国际巨头垄断。
自成立以来,迈瑞就一直将自主研发、技术创新作为推动企业发展的核心动力。2015-2017年间,迈瑞每年将超过10%的营业额投入研发。2015年、2016年和2017年的研发支出分别达9.88亿元、10.89亿元和11.32亿元,每年推出10余款新产品。
尽管研发是迈瑞的生存之基,但是将理想转化为现实、拿产品说话才是最终的目标。所以如何与研发团队保持同样的步伐,成为了迈瑞医疗制造工厂的重要课题。
一个制造型企业能否良性运营,关键是使“计划”与“生产”密切配合,“互联”和“智能”正逐渐变成制造业的标准和规则。根据全球战略发展需要,迈瑞花费了巨资投入建立国际先进的管理平台。十几年前就投入数千万做咨询及SAP系统、管理流程等。
从2010年开始,董事长李西廷的一句“从一开始把标准定得高级一点”,迈瑞医疗开始了智能化工厂的转型尝试。那个时候,“工业3.0”“中国制造2025”等等热词还没有出现,迈瑞工厂完全是摸着石头过河,而这个“摸着石头”的人就是丁毅。
据雷锋网AI掘金志了解,迈瑞在深圳和南京拥有总面积超过30万平方米的生产中心,同时生产近300种产品机型。
丁毅是迈瑞制造系统的副总经理,也是迈瑞南京生物技术有限公司总经理。作为一个管理者,从2008年11月开始,丁毅负责公司供应链管理、体外诊断设备及其配套试剂的生产制造工作。
如何在顶层设计上以及日后的管理上真正打上“互联智能”的标签,丁毅从试剂生产的自动化和信息化方面开始入手。
例如,在生产环节,迈瑞自主研发了SCADA系统(数据采集与监视控制),进行智能可视化管理。据丁毅介绍,这套系统在南京工厂的工装环节配了1500多个传感器,可以实现微秒级分辨率的数据采集,每分钟获取的数据量达到十万级。现在,在深圳的办公室里,丁毅打开公司内部网络,就能看到远在南京的工厂里,各种设备的运行状态和数据。
在供应链环节,迈瑞采用了SCOR模型(供应链运作参考模型),主要是为了实现实物流、信息流、资金流的管理。这个端到端的制造价值链涵盖了诸多环节,将采购、生产、配送等纳入这个模型。
此外,迈瑞提出了SQA(Supply Quality Assurance)主动介入管理,来带动上游供应链的质量提升。目前,迈瑞主要是在试剂的供应链层面,与一些供应商共享库存数据等信息,包括IT平台、SRM系统都处于在建的状态。
在未来的这一套供应链的模型里,迈瑞构建了一个数字劳动机器人(RPA,Robotic Process Automation),将员工从重复繁琐的事务性流程工作中解放出来,转向增值型任务。“信息流里有大量的数据和信息在流淌,很多业务环节有很明确的规则,这些基于特定规则的事务就非常适合机器人来做。”
在生产数据维护环节,信息数据对制造工厂的重要性越来越大,数据信息变得异常珍贵。为此,迈瑞医疗工厂的数据容灾中心(ERP、生产辅助、仓储配送、MES)架设在广州,生产数据中心在南京。
为了维持高可用性,迈瑞今年准备将原有的容灾中心的网络专线光纤带宽升级20倍。另外深圳的光明数据中心UPS,能够支撑8-10个小时,南京的数据中心UPS可以支撑4个小时;在容灾备份方面,迈瑞两个中心的数据每过20分钟就会进行日志备份,每天会进行磁带备份;在监控方面,迈瑞的Tivoli监控平台都会对IT的应用服务器性能进行监控,每周进行一次巡检。但是丁毅也表示,目前应用监控还是靠人为点检,后期将会对此进行改进。
一开始的信息化搭建过程并不容易,通过各种先进的管理和生产模型,迈瑞逐步搭建起制造工厂的整体框架。丁毅笑言,整个过程很粗糙、原始,当时只是想实现生产设备的自动化。但是,公司里有各种各样的系统,但是因为没有连接起来,像是一个个的信息孤岛。
因此,需要有一个中央大脑来将孤立的设备连接起来,MES(制造企业生产过程执行管理系统)就成为了下一个新需求。
MES是对整个车间制造过程的优化,而不是单一的解决某个生产瓶颈。当工厂发生实时事件时,MES能对此及时做出反应、报告,并用当前的准确数据对它们进行指导和处理。
在迈瑞的深圳光明工厂里,除了前两年已经完工的试剂厂MES系统以及2017年完成的PCBA的MES一期系统,包括监护中心、体外诊断中心以及影像中心的MES系统从今年开始,都已经陆续投入建设。
从2013年至2015年底,丁毅带领团队进行深圳和南京的试剂生产基地建设。在2015年到2017年的三年时间里,南京工厂的人员数量一直保持在55人左右,但是产量和发货量增长了近3倍,产值投入比增加了67.3%。
值得庆幸的是,新工厂建设完成后并没有被时代淘汰,迈瑞工厂成为了一个具备高精度的工程化与系统设计能力的生产中心。数字化装备的精密机械加工厂、PCBA板生产线,通过垂直整合的生产模式,让迈瑞在提高生产效率的同时更好地控制质量。
(辅助机器人,将零件放置到机床的机工位置)
未来,迈瑞计划建立一个供应链系统的可视化平台,覆盖销售、计划、生产、仓储/物流业务,将涉及ERP、MES、WMS、LMS等系统平台。
提到智能生产,丁毅向雷锋网AI掘金志表示,医疗行业和零售等其他行业的不同之处在于,效率提升并不是首要目标,最重要的是为产品的安全、质量、追溯负责。“其实很多的一些企业小的公司,产品质量很不错,但坚决不敢去申请FDA认证,为什么,因为FDA对生产过程的控制有非常高的要求,过程管理不行,根本就没办法通过FDA。”
例如,工厂中生产的一台推片机,其零部件就有32000多个,差不多是100只瑞士手表部件综合。另外,血球分血阀的粗糙度要求是2nm,约为头发丝直径的1/30000,这些都是精益生产的体现。迈瑞已经有近80项产品获得FDA510(k)市场准入许可。
(推片机)
所以,迈瑞想打造的是一个为诊疗设备生产过程合规、生产质量合规的信息系统。“这是诊疗设备最重要的特点。”丁毅表示,对产品质量的把控,除了物质层面的工艺水平的提升,还有一层就是想把工人精神变成一种“工匠精神”。
如何让生产线上的工人将这种工匠精神变成习惯,迈瑞自有它的一套方法和制度。丁毅概括为一个词——全员的提案改善。“工人只有保持对岗位的思考才有可能变成工匠,这是提案改善制度最核心的意义。”
一个有趣的现象是,迈瑞工厂会将工人提案以积分的形式进行量化,积累到一定的分数可以兑换奖品。某种程度上,这也在激励员工不断对已有的工作环境进行思考。
除此以外,迈瑞工厂里还有一个很与众不同的地方,也就是它的生产线众多,为的是在细分领域、细分市场做到差异化创新。
“极端的多品种小批量”——这是丁毅在采访中反反复复跟我们提及到的词,这也是他认为迈瑞和GPS等厂商在产品上的差异之处:迈瑞要满足客户的需求,因此就要不断扩大品类,让客户可以从中挑选。这与GPS等厂商的产品线有着本质的不同。
迈瑞工厂里要生产的物料编码级的配置机型就多达近万种。所以,在保证产品质量的思路以及多品种小批量的生产思路下,大规模地应用机器人、人工智能的局面对于迈瑞而言,就是一件需要慎重考虑的事情。
据丁毅介绍,2018年的重点项目更加注重注入精益思想的试剂智能生产升级等,其目的就是为了提高效率、降低成本,在流程合理的基础上不断提升产品的质量:在试剂精益生产上,从备料称料、调配、灌装包装、检验、计划仓储等环节上减少不必要的浪费;在试剂智能生产上,则是为了实现生产过程透明、生产智能预警以及远程生产管理。
他表示,时下流行的大数据、人工智能等因素,其实在迈瑞工厂里早有体现。”医疗器械实际上一直都在用大数据,为什么?因为我们每一个产品都要进行临床测试,不然就无法出厂。就比如说我们生产的试剂,最终给定的结果阴性还是阳性,这个绝对不能含糊,那么判断性质的那根线就是依靠大数据得出的。”
除此之外,针对心电产品的测试,工厂里用的模拟器是没有噪音干扰的,但是具体到某一个个体,受试者的身体指标如何?干扰信号多不多?怎么提取心电的有效参数?这些都是建立在数据库的基础上。在数据积累到一定程度后,人工智能的算法等才能得到应用,迈瑞工厂已经在着手搭建产品测试的数据库。
在采访的最后,丁毅向雷锋网AI掘金志说到,很多时下热门的技术,迈瑞医疗在十多年前就已经开始尝试了,”只不过,那会儿还没有现在这些名词,而且迈瑞还不太热衷于造词。”
“尤其是在医疗行业,不管是自动化、信息化还是智能化,这个行业拥有丰富经验的人还是太少。在保证质量的前提下,很多热门的方向,我们只有在摸索中才能前进。”
制造业和云计算“联姻”的概念由来已久,目前,业界均将云计算视为中国制作转型的一剂良药。云计算对传统制造业的改造是多维度、系统性的,阿里云发布的“ET工业大脑”至少有三个维度——提升产品制造的质量、帮助制造业企业感知市场需求以及模拟现实。
以下是黄凯演讲全文,雷锋网AI掘金志对其进行了不改变原意的编辑:
这些数字反映了我们集团的数据应用情况。
目前,我们集团大概有30万+的入网设备,预计到2018年底,集团整体数据量大概在900TB,涵盖挖掘、混凝土等14大类设备的6000多种工况数据,这是一个相当庞大的工程机械行业数据。
那我们的数据从何处而来?工业大数据的资源在哪里?
工业大数据之源,是我们自主研发的工程机械黑盒子,这个黑盒子可通过发动机参数对接和装配在设备上传感器了解整体设备的运用情况,包括适应极寒、极热情况,军工领域超长待机情况等。
黑盒子具体有什么用呢?
第一个解决设备定位问题,我们要知道产品在哪里?之后,我们就可以拿到设备整体的运行数据,比如设备的发动机水温、液压,实施作业中的设备参数数据,通过设备运行的数据和设备操作数据,可以为用户提供整体的风险预警。
我们有自己的统一大数据平台,通过数据分析可以知道工程机械行业的热区分布、全国整体开工率统计状况、一定地区内真实的生产建设情况等,目前,我们的开工率分析结果要上报给国统局,通过建设徐工指数,反应经济的晴雨表。
前端数据到平台之后,我们解决什么问题呢?
首先是连接管理,通过国内国外以及第三方转发数据进行统计分析,平台可以提供从研发、设计、生产到销售整体的运维分析;其次是研发层面上,之前的研发工程师需要去到辽宁、内蒙、云贵等地搜集信息,现在在家里就能统一收集所有的信息,数据分析调整下一年的生产计划;从销售角度,通过前20%客户和热点区域的整体分析,发现市场行情,并远程诊断和分析设备故障,提前告诉客户产品是不是有质量问题,是否需要提前维修和预防。
目前,通过和阿里云的合作,我们自己的产品和平台可以解决设备整体数据分析与挖掘,包括开工率、热区、设备工作时长等问题。
刚才讲了产品大数据分析,第二需要分析的是制造业大数据。
我们从1989年开始做工业自动化,首先解决生产自动化问题,工厂的数控机床、机器人、焊接设备和物流设备等没有想象的那么超前,但都在有条不紊的工作,所有这一切来源于整体信息化系统的建设。
2009年开始,我们着力建设整体信息化的连通,包括企业资源计划、企业生产管理平台、物流、供应链管理、客户关系管理、城市整体网络传输平台和设备信息自动化对接等一系列系统流程。
生产系统连接了20个左右的生产基地,供应商目前有将近1500家。那如何通过生产制造、资源计划协同管理1000多家供货商的供货信息呢?如何通过物流管理系统解决供货商按时按点配送问题呢?我们通过5年到7年的努力解决了数据流的流通问题。
智能化分两种,一种是看得见的;另一种是看不见的数据的流通。
我们和阿里云共同建造了云管端一体化的解决方案,“管”指所有的信息化管理系统,“端”指生产智能化信息终端。我们是智能制造连接器,通过小的盒子,生产者从管理平台下发生产指令,由终端识别并控制工厂中的数控加工机床生产,通过终端控制机器人将产品运到可移动行走机器人上,所有的信息实现了流通,并实现设备和信息整体的集成。信息化管理平台可以理解成一个大的EXCEL表,所有生产信息都通过扫描、人工录入等方式放到一个大的数据库表中,那管理平台未来如何发展呢?
通过搜集来的信息数据,并通过我们在阿里云平台建设的云端管理系统进行完整的数据分析与挖掘,以解决企业提质增效的诉求。
不同的信息化系统集成应用有很多相似之处,但是内在完全不同,我们赋予了信息化系统新的内涵。立足于生产资源和计划资源的基础,进行向上和向下扩展,“向下”是解决信息化系统和自动化设备间数据流的流通,实现控制;“向上”是通过建设工业云平台,分析底层的生产数据,解决生产公司存在的问题。通过云管端三位一体的建设,打造企业的生产和智能化的方向。
关于研发大数据,去年5月7日,徐工集团和阿里云共同搭建了徐工工业云,从基础设施到平台到软件,贯穿了公有云和私有云的整体服务模式,徐工工业云的定位是通过新一代的信息技术搭建共享服务平台,利用互联网推进传统制造业的升级,打造中国工业的云平台。通过世界范围的智慧收集,通过技术研发的众包模式,实现国际领先的工业互联网技术的众筹。
延展阅读:
近日,阿里云栖大会·南京峰会召开。本次会议主题涵盖教育、制造、政务等多个行业,会议上,阿里云人工智能科学家闵万里发表了《1%的征程——阿里云工业大数据解决方案》主题演讲。
雷锋网 AI 掘金志根据公开资料了解到,中国制造的人口成本优势正逐渐消失,而人工智能是其一个发展新机遇。目前,无论是企业自主转型还是借势工业互联网平台,大多停留在智慧产品阶段,良品率是重要指标之一。阿里的ET工业大脑目标正是提升中国工厂良品率,而实现良品率提升1%,正是阿里云已经实现的小目标。
以下是雷锋网AI掘金志整理的演讲全文,并进行了不改变原意的编辑:
今天我讲三个问题,第一,什么是ET工业大脑?第二,怎么做?第三,做到哪一步了?未来将要做到哪一步?
10年前,纽约时报上经常有专家说这样一句话:“If something can be made,it can be made cheaper in china。”但是,10年过去了,我们的人口红利已经不在了,制造业成本上去了,那我们的出路在哪里?
2010年中国的制造业站在全球第一,被冠以世界工厂,我们有强大的人力成本优势,当这个优势没有的时候,我们的出路在哪里?大家都在思考这个变化,企业家们的应对之策想了很多,43%的中国企业表示已经制定了宏观的变革战略,科技论坛上也有很多关于此的讨论,但是我们的实践状况究竟如何呢?
德国、日本、美国的职责分工、行动分工的比例非常高,但中国这个比例却是个位数。所以当我们还在思考的时候,工业革命转型已经在发生,稍不留神,就可能落后了。那是否会落后呢?
如今有了人工智能和云计算,ET工业大脑给大家一个答案。我们的应对之策是:找准1%的支点,从“芯”出发。这是什么意思?
打一个比方,一个拖拉机绑上IPAD也变不成自动化,因为最核心的部分没有改变。如今,我们欲提升工业制造,不能忽视对“芯”的改造。
我们从德国、美国、日本进口了大量的精密生产线,但我们对参数的调整却束手无策,而且技艺的传承也淡化了,中国有许多江湖绝艺师傅的技艺没有传承下来。但是今天有了工业大脑、物联网、数据等,这一切变的有可能。我们的生产线上流淌的不仅仅是产品,更多是数据,每秒、每分产生的数据量不比移动互联网少,一台飞机发动机一秒钟产生的数据就是海量的,那么,这些数据价值在哪里?没有云没有大数据时,没有人知道这个问题的答案。但我们今天告诉大家这些数据的价值是无法想象的,只要找准这1%的支点,从最核心的制造业生产线上的精益调控着手。
我们与江苏协鑫的合作是最早的一个工业大脑案例,我们参观了他们的生产线,数据实时上传汇集到ET工业大脑中,之后进行参数控制,改写生产流程以提升其效率。我们第一次拿到协鑫的数据时,如看天书,隔行如隔山,要去问工人、工艺控制人员数据的具体含义,随着我们深入生产线,提炼生产流程,充分挖掘这些数据,便积累了原始数据,用阿里云的人工智能找出数据当中最核心的规律。
最后我们得到怎样的效果呢?第一,整个生产流程的数据状态实现实时化,对危险状况进行预警;第二,整个流程每个环节的可靠性、关联性全串联。比如,第3个和第10个环节可能高度串联,以往工人是岗位负责制,只负责自己的环节,这种孤岛式行动可能造成链条的崩溃,但是今天不会了,因为这个大脑一直在工作。最终,我们实现良品率提升1%,这就是1%的来源,找到价值密度最高的环节,做到别人没有想到的事情。以前,大家认为互联网人只关注做点击率、转换率、商品推荐等,其实不是的,互联网技术可以到生产线的最核心,可以到中国最复杂的工厂去,实在地帮助工人师傅。
之后,我们发现数据化有多个环节,每个环节要面临巨大的数据挑战,有各种复杂的信息系统要对接,这就是为什么我们第一次看到数据时简直吓傻了,觉得难如天书,但是为什么后面又做到了?
君子善假于物。如同登月的成功是返回地球,如今企业上云的目的是为了落地,数据上了云智慧要回到车间。当数据闭环成功时,这个链有可能像永动机一样转起来。为什么是永动机呢?因为生产线源源不断产生数据。这是一个新的语言,用上人工智能的新技术,打造新制造的物种,这就是工业大脑做的事情。
大脑联合体
为什么阿里云能做到这件事呢?有2方面。
我们有一系列的产品,从底层计算架构到大数据平台,再到人工智能的算法,我们能提供一整套服务。我们能做到,大家也能做到,我们的使命是做一个样板,让大家知道可以用这些工具做成什么样的效果,将来更大的任务和机会还是要在座的各位一起完成。
除工具外,我们还有1%的实践。从光伏切片转移到橡胶行业,隔行如隔山,但我们四周的时间就做成了,跨界的复制和转移的速度之快连我自己都没有想到。在新能源行业,我们能预测每个太阳能发电板上未来6小时内每小时的发电功率,对局域网提供预测性的指导。我们还能实现工厂生产的即时调度,让成本变的更加可控。
这些总结起来就是一个大脑联合体,是基于阿里云的产品体系,再结合工业具体场景,打造的一个联合体。
我们培养一个行业专家,需要上学、上技校、拜师、学艺到最后上岗,最后成才至少28-30岁。但从协鑫到中策橡胶的复制,我们用了28天。因为其中60%的东西是可复制的。当我们在云端找到了跨行业的最小充分抽象时,我们找到了工业制造最核心的精髓,找准了发力点,也就是1%的支点,这个支点既可以起支撑光伏产业也可以支撑起橡胶产业,本质上讲都是流程制造,60%是可复制。从去年4月20号到现在,工业大脑已经在5个垂直行业成功落地了,产生了实际效果,在370天里面做了5个行业。我们打破了行业的壁垒,尤其是进口国外生产线的壁垒,找到了控制核心生产线的参数规律。
如今,师傅退休、跳槽也不怕了,因为数据都已经固化,这是永不退休、永不下班,并且能自我强化,一个“永动机”大脑实现的。
未来的行业
未来我们还会进军其他行业吗?答案是肯定的。
马云老师说,人算不如天算,天算不如云计算。可能下一次云栖大会,我们在做芯片,也可能在做电力能源网,可能做一个炼钢行业,没有什么是不可能的,只要是数据密集型的行业我们都有勇气去碰,只要是最难的题目我们都敢挑战。
8年前,王坚博士创建阿里云时,定义我们的梦想为飞天,那时我们承担的一个梦想就是把中国科技界的使命感提升到战略的高度,我们承担的是一个行业的使命。如今,制造业要提升为智能制造时,我们怎么发力呢?
云计算是我们的翅膀,人工智能是我们的发动机,是我们的核心燃料,我们要在垂直的行业中落地,抓住眼下每一个1%的价值支点。
“If something can be made,it can be made better in China。”不是一个梦想,我们已经在5个行业做到了。如今,我们知道一些最先进的切片生产线上的参数,尽管这可能是德国进口的机器。之后,我们还将进入芯片行业,这可能是工业制造中最精华的一个产业,里面有几百个流程,这也是外国对我们封锁的一个产业,封锁并不可怕,只要有数据,有云计算,我们有这样的技术手段和决心,去打破,去突破,去打造智能制造的新的标杆。
延展阅读:
浙江中控集团研究院副院长潘再生以《信息物理系统与智能工厂》为题作了演讲。
以下为刘连庆演讲内容,雷锋网 AI 掘金志做了不改变原意的编辑:
信息物理系统
首先,信息物理系统是什么?信息物理系统从概念提出到现在已经有很多年了,这里面我简单地从一个地方摘取来的,从信息和物理这两个系统怎么结合在一起,我们很多隐性的数据通过状态感知变成显性数据,通过分析变成有用信息,这些信息再通过科学决策变成我们的知识,通过执行来影响到最终的物理系统。这里面是物理系统跟信息系统的一个系统图,包括人类的参与,包括一些网络,这里面有很多说法,有各种各样的表述方法。
这里面信息物理系统分成三个级别,有单元级的、有系统级的、还有 SOS 系统之系统级。现在一般的智能化系统至少是有硬件、有软件,我们早期只有硬件,机械的装置可能只有硬件,没有软件。
这里面大家有兴趣后面会提到一些白皮书可以去看一下,信息物理系统的四要素就是一硬、一软、一网、一平台。一硬就是我们的感知和自动控制,叫做硬件电路;我们软的部分叫工业软件,特别是针对工业,提高我们工业企业研发、制造、生产、服务、管理水平的软件;网络我们指的是工业网络;还有一个平台主要是工业云与智能服务这个平台,这是我们的新四级。
这里简单列出了中控在工业自动化的整体解决方案,叫做 Inplant,我们分成智能决策、智能运营、智能操作、智能结构、智能检测、智能控制六个方面。我们最终可能会组合出很多很多,包括最底下如果从我们中控产品的角度来说,最底下有芯片的形式,有 CPA、CMC 芯片,芯片应该是最基础的一个部件,再往上就是仪表、阀门,仪表是我们的传感,阀门是我们的中控,控制系统我们也分成不同种类的,再往上 MES、APC 是先进控制,再往上就是 ERP,是企业的资源计划。
整个是我们的整体解决方案,还包括不同的行业,在这里面我们有一些咨询的服务,还有工程服务,还有一些 MAC 是一个综保服务,还有一个行业解决方案,这是中控积累了 20 多年的产品和体系。
这里面我想给大家再稍微细化地介绍一下,这是我这几年做的一个工作,叫 CMC 控制芯片,什么是 CMC?我们搞控制的都清楚,如果要构成一个控制,必须要有信号输入,我们要有传感信号,最终要输出,要控制。在取得这些传感数据之后,我一定要有一个控制算法,你肯定不能盲目地输出。
最简单的 PRD 控制,两个构成能够构成一个回路控制。现在如果构成更大的系统还需要网络通讯,这些东西是我们在控制领域最基础的需求。我们把所有这些需求如果简单地看,就是我们各种模块的一个组合。如果把这些模块的组合做成一个芯片呢?以前如果我们做控制系统,基本上是拿来通用的 CPU,我们拿来做电路,编写控制模块,这是我们的一些方法,现在把要做的电路图全部芯片化做成一个芯片,这个 CMC 是一个控制芯片。它把输入、输出,控制运算、通讯这些共性的东西都集中在了芯片里面。
在这个芯片里面我们除了实现了逻辑控制,我们还把运动控制也集成进去了,因为我们原来搞流程工业,基本上都是逻辑控制,智能工厂里边还涉及到了运动控制,比如说一些电机控制,一些生产线的装备,一些印刷、包装这些用到的很多电机。
这是一个简单的图,我们如果简单地看左半边部分上边是模拟量处理,下面是数字量处理。右边的图上半部分基本上都是我们芯片内部用到的一些资源,有上面是一些控制算法库、Flash、RAM,下半部分中间这个板块是我们芯片的核心,也是我们自己完全自主的,右边的上半部分绝大部分都是集成了芯片的单元,基本上我们比如说做 CPU 类的都有这些东西,我们自己也不可能做出一些新东西来,我们基本上都是集成。
控制运算 CMU 这一块,LCP 是逻辑控制单元,MCP 是运动控制单元,这三块部分是我 CMC 这个芯片的最核心的部分,这里面等于说把最主要的控制部分全部是用我们自己来研发。右边的下半部分是我们通讯接口,这里面我们把常用的像以太网、CAN、UART、SPI、IIC 五个都做进去了,所有的这些通讯接口都可以做到冗余。
这个是我们芯片内部的一个结构,在这个图里也标出来了,绿色部分完全是我们自主研发的,红色部分是我们芯片里面一些通用的模块、IP,其他还有一些黄色部分,就是芯片代工厂提供的一些 IP,整个的芯片我们做到了自主可控。
这是我们可以提供的十多款小规格的 CMC,小的以开关量控制为主,大的有 256 角的,包括和沈阳一起做的工业无线,一般情况下常规应用的 128 角,或者 144 角的芯片用得比较多。
今年 3 月份,工信部发布了信息物理系统白皮书,其中把我们的 CMC 芯片作为复录机里面的一个单元级,作为一个典型的案例列在里面了。工信部组织了国内的一些专家、院士以白皮书的方式发布的,它这里面刚才也提到了信息物理系统分三个级别,单元级就是我们 CMC 这个芯片,另外还有系统级和 SOS 级。
智能制造的中控方案
刚才前面讲到的主要是以 CPS 这个概念来说。接下来我想针对智能工厂说一下我们的解决方案。智能工厂大家可能也听到了很多,不同的工厂它的智能化方案、智能化解决目标也不一样,但是我们这里想说一下,智能工厂的目标是什么?
对企业来说,企业经营工厂要的就是利润,有钱赚才是我的目标。但是光有钱、有利润可能还不够,我们还需要有高效,没有效率竞争不过别人,还要节能,现在国家对能源的利用也很高,如果大量的能耗很高,大量产生污染也不合适。
现在安全事故也经常发生,安全是非常地重要,它也是一票否决。绿色这一块是我们的五个部分,利润、高效、节能、安全、绿色是我们企业经营的目标,也是我们智能工厂要去解决的目标。
围绕着这五个目标,我们相应地有一些原料供应,我们的产品销售、企业的智能化、数字化、网络化,这一系列都是围绕这五个目标。
拿中控作为一个案例来说,如果我们看中控智能化的整体解决方案,大家看到中间黄色部分智能制造有五大需求,这是从客户角度出发的,分别对应的是下面的安全、提升质量、降本(降低成本),增效(增加企业的效益),还有环保。
中控针对这五个用户的需求,我们在安全工厂、智能优化工厂、绿色工厂方面有一些整体方案,这是我们现在智能制造的一个战略。
往下看的话,针对我们的智能制造有四个示范项目,这是国家工信部立的四个项目。再往下是我们20多年的行业积累,这个是倒着从上往下看的,其实如果从下往上看,这是我们智能制造中控的四个阶段,最底下是解决我们单个企业用户的,最后我们拿出来一个整体解决方案,包括最后要制定标准,因为企业做到一定程度,你需要把这个东西标准化,那么中控参与了很多国际标准的制定。
同时,我们也通过示范项目,把原来的一些大规模级应用的企业、行业再进行标准化,把我们的智能制造为用户做一个更好的提升。
这是整个中控智能制造的一个实施平台,刚才讲到安全的、节能环保的解决方案,我们还有一个智能优化解决方案,围绕着安全、体质、降本、增效的目标。还有三个解决方案的联合体,一个实施平台,多个行业的方案。
这里面也提一下智能工厂关键的技术。我们归纳了八个点,一个是数字化移交,第二个核心装备需要国产化,如果很多装备都是进口的,很多东西做不好,这里面中控几乎所有的核心装备都能提供。还有控制优化,针对我们的工艺优化,高效协同,在广泛创新和应用一体化这个平台都需要一个高效协同。互联互通也是,你一个系统信息都不能互联互通,怎么可能构成一个我们的智能工厂?还有节能减排,在设备、装置全场这个级别需要进行优化策略。
工信部也发布了网络安全的一些管理方面的要求,另外就是互联网+安全,随着工厂信息化、智能化水平的提高,随着互联网接入,在风险辨识、预控、应急指挥方面要求越来越高,这是我们总结的一些关键技术。
这里面我们刚才讲了三个实施平台,我们叫彩虹防御安全工厂整体解决方案,这个功能是工厂运行过程中本身应该具备的功能安全。这里面大家看到很多机器人,这个机器人如果你走过去,它根本探测不到你,就误伤了工人,这个功能安全可能不够,需要这一块再增加。风险管控,还有信息安全,这一系列的东西我们都有一个整体解决方案。
它从几个层次,分别针对人员、环境、资产三个安全对象的时序,两个安全维度,七项安全技术,最终一个目标就是全方位地守护园区安全。这个分别是针对我们规划设计、生产护航、危机应对的三个层次,我们从全生命周期管理角度来进行安全技术体系的设计。
这个是我们的产品体系,因为刚才讲到的是从技术体系来说的,这是针对产品体系,从下面的一些设计,再到运行,像这里介绍的 TCS900 是我们的一个具备三级安全移控系统。像这样的系统它的目标主要是针对工厂在应急处理,它能够把系统正常地控制,否则缺少这样一个系统,它很有可能就会爆炸,这样一个系统它需要通过国际认证,要求就很高。
智能优化工厂
智能优化工厂,从我们的智能决策、智能运营、智能操作、智能结构、智能检测、智能控制六个板块,这是我们智能的一些软件。还有一个平台是我们绿色工厂的解决方案,针对节能降耗、环保治理、固废综合利用等不同层次上都有解决方案。
刚才讲到的都是我们的一些设计架构,接下来我想给各位说几个我们在实践中的一些突破。我们拿刚才提到的四个示范项目,第一个示范项目是神华宁煤,它是百万级烯烃装备的制造,我们用了一种全新的模式,三项标准、八套国产系统、三大先进技术、一个指导方向,分别对应在这里,我们《中国制造 2025》在这里一层一层体现出来。
通过这么一个神华宁煤项目的实施,整个生产过程可视化,并且三维可视,把它的产供销一体化,企业制造的时候,生产归生产、销售归销售,计划、协调、调度优化、操作执行优化、生产物流优化,在生产设备和监管上都进行了安全保护。
这个是效益,像提质增效方面,处理能力提升了 1.5%,对一个企业来说 1.5% 的效益也是很好的,变量波动降低 30%,这个对我的产品稳定性有很好的提高,还有一个双烯烃的收氯也有所提升,生产波动减小 10%。在安全防御方面,实现事故源头管理,事故事件由 25.8% 降到 11.3%,因为在实际生产过程中,现在还做不到零事故。另外在燃料成本、蒸汽消耗、设备利用率方面都有所提高。
第二个就是东北制药的项目,是大宗原料和医药中间体的模式,这里面也一样,在生产自动化、品控信息、防御自动化这一块都做了,这个是效果,降低能耗、物耗、降低运行费用、提高运行效率方面都有了很好提高。比如说这里面人员从 50 个人的车间,现在可以变到 10 个人的一个车间。
这个是我们第三个新疆天业循环经济智能产业园区,它能耗降低 2.37%。这是九江石化的,最后看数字来说的话,员工总数减少 122%,班组数量减少 13%,外操作室数量减少 35%。
最后也提一下,作为企业,我们做事情的最终用户需求是我们智能制造的基础,我们在全局规划、统一资源、信息分享、目标导向、有序建设方面都是以用户需求来做的。为客户创造价值是我们中控价值观里面的第一条,所以我们一定会把我们的行业积累、工业的 Konwhow 和用户的内生需求结合在一起为用户做。
我们中控在智能制造中有四点体会,简单提一下,在顶层设计以创造价值为核心,另外我们建立的智能工厂就像我们的大脑,最后标准化基础设施是保障,中控在实践中探索前行,为中国的智能制造做一个榜样。
先进制造业+工业互联网
产业智能官 AI-CPS
加入知识星球“产业智能研究院”:先进制造业OT(自动化+机器人+工艺+精益)和工业互联网IT(云计算+大数据+物联网+区块链+人工智能)产业智能化技术深度融合,在场景中构建“状态感知-实时分析-自主决策-精准执行-学习提升”的产业智能化平台;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
版权声明:产业智能官(ID:AI-CPS)推荐的文章,除非确实无法确认,我们都会注明作者和来源,涉权烦请联系协商解决,联系、投稿邮箱:erp_vip@hotmail.com。