工业大脑白皮书：人机边界重构-工业智能迈向规模化的引爆点.pdf

工业大脑白皮书人机边界重构 - 工业智能迈向规模化的引爆点阿里云研究中心 白皮书 系列导言CON TENTS第一章 人与机器边界的重构- - - 07第七章 工业大脑 + 精益管理 = 精益智能- - - 21第二章 智能化、数字化与自动化三位一体打造机器智能工厂- - - 09第三章 工业大脑的四块拼图 - 云计算、大数据、机器智能与专家经验- - - 11/ 让每一位厨师都变成“厨神”第四章 像烹饪一样部署工业大脑- - - 13第五章 工业大脑的正确打开方式 - Think big, do small- - - 15/ 一个新组织/ 一个新平台/ 一套新标准/ 工业大脑四步走/ 业务场景识别的“三个找寻原则”第六章 工业大脑的四种“超能力”- - - 19/ 跨界复制/ 认知反演/ 微创手术/ 知识普惠第九章 打造制造业的天猫 - 大脑生态+智力共享+工业互联网平台- - - 27/ 哑铃型工业大脑生态加速知识的裂变/ 智力众包让大脑发育更成熟/ “1+N”工业互联网平台是大脑的生长土壤第八章 永不消逝的的智能- - - 24第十章 一场没有终点的旅程- - - 29引言20世纪50年代， 英国科学家图灵第一次提出了“机器思维”概念， 相信有一天机器将拥有智能，可以像人类一样进行思考，人工智能概念就此应运而生。不过，这种提法显然高估了人类的智力。机器独特的数据化思维方式与智能体系，在很多方面，比人类看问题更为透彻。机器可以感知到设备未来几时发生故障，可以通过数据模型逆向推导出生产参数间的最优路径，也可以发现芯片上肉眼看不到的纳米级瑕疵。尽管机器智能尚处婴儿时期，但已经充分证明其可以做到很多人类做不到的事情。如今，制造业正大踏步地迈入机器智能时代，人类给予机器更多的信任，后者则将承担更多的决策任务。如此一来，人类可以腾出大量时间做更多需要想象力与创造力的工作，并将其转化成知识传授给机器，让机器变得更聪明。可以预见，机器智能时代将出现大规模的人机协同，协同不止停留在物理层面，而更多的是脑力间的协同。人类大脑与机器大脑的合作与互补将成为未来制造的新范式，同时也将制造更美好的未来！人与机器边界的重构 人与机器边界的重构第一章：人与机器边界的重构回顾过去200年工业发展历程，人与机器间的关系不断发生变化。1764年，第一台机械织布机的发明，人类开始从自家的手工作坊搬到工厂，尝试操作机器完成纺织工作。1913年，福特第一条T型车流水线的问世，人类开始与机器协同进行规模化的生产组装任务。1969年，第一台可编程控制器（PLC）的问世，人类首次可以远程给机器下指令，替代自己完成繁重的、重复性的生产工作。每一次人与机器间关系的变化，都意味着制造水平又一次质的飞跃。在数字化时代的今天，制造业所面临的新挑战对人机关系又提出了新的需求。挑战一 规模化、客制化与个性化生产长期并存人机间边界有待再一次重构以应对上述挑战。云计算、大数据、物联网、人工智能等新一代数字技术的爆发，为人机边界重构提供了机遇。机器不仅“手脚”更灵活，也开始有了感知与认知能力，这让机器与人类上升到更为深层次的交互 - 思想交互。机器渴望从人类那里汲取更多的知识，而后者也乐此不疲的“授业解惑”。两者智力上的协同与互补为未来工厂的发展定下了基调。（如图1）未来的世界, 人类和机器将难分彼此, 人类将不再是万物之灵！-机器之心作者雷c库兹韦尔来源： 阿里云研究中心图1: 工业4.0 -大规模人机脑力协同07 08挑战二 工业知识封闭与缺少沉淀随着工业现代化的不断演进，自动化和精益化的生产系统已经发展到了一个很高的水平，但也越来越接近生产的天花板工厂缺少行之有效的手段让隐形和碎片化的工业问题浮出水面。单纯的工业内部解决方案已经很难进一步提升生产良率降低能耗、优化设备的利用率或是提升产品检测的效率，工厂运营管理水平已经到达了瓶颈。挑战三 难以捅破的生产天花板一方面，消费者与日俱增的个性化需求，以及C2B、C2M定制化模式的出现，要求工厂具备多品种、小批量、个性化按需生产的的柔性生产能力。同时单件规模化生产依然是制造企业赖以生存的方式。两者如何共存在同一个生产环境中做到“刚柔并济”，同时满足不同消费群体的需求，显得力不从心。、，。、发达的制造业国家把先进工业知识埋在设备和系统中，中国企业大价钱引进的技术，仅仅获得的是知识的使用权，而不是拥有权，知其然不知其所以然，自主可控的知识严重缺失此外，由于劳动力成本攀升，导致技术工人、工程师人才频繁进出，经验与知识却没有留存下来，企业陷入到原地踏步重复造轮子的窘境。，1800 1900 今天 时间脑力协同体力协同人类操作机器第一台机械纺织机，1764第一次工业革命人类与机器协同福特第一条T型车流水线，1913第二次工业革命人类与机器脑力协同大数据/工业智能，21世纪初第四次工业革命人类远程控制机器第一台可编程控制器（PLC ），1969第三次工业革命第二章：智能化、数字化与自动化三位一体打造机器智能工厂来源： 阿里云研究中心图2: 工业4.0 -大规模人机脑力协同智能化、数字化与自动化三位一体打造机器智能工厂 智能化、数字化与自动化三位一体打造机器智能工厂09 10自 动 密 集 型 工 厂数 字 密 集 型 工 厂智 能密 集 型 工 厂实 时 数 据实 时 决 策实 时 认 知D T 技 术数 字 驱 动A T 技 术认 知 驱 动OT 技 术数据 驱 动智 能 化反哺倒逼工具沉淀DataC P S数 字 化 自 动 化人类需要一个什么样的未来工厂？美国第32届总统卡尔文库利奇曾说过，“建一座工厂就是盖一座圣殿，在工厂干活就是住那里做礼拜”。理想的未来工厂，机器不仅帮助人类跳脱繁重、单调的体力工作，且具有“思考能力的机器还将替代人类完成大多数决策工作，减轻人类的脑力负担，后者可以有更多精力从事更有创意、更有创造力、更有趣味性的工作。这种由人类教赋予机器智能，由机器随时、随地完成复杂决策与逻辑操纵任务的工厂，称之为机器智能工厂。机器智能工厂与工厂自动化、数字化、智能化的发展路径并不相矛盾，而是该路径最终达到的终局。从自动化、到数字化再到智能化的发展被众多制造企业奉为未来工厂的标准路径。而互联网时代，上述工厂三步曲并不是呈绝对的线性式发展。得益于中国互联网技术带来的后发优势，中国制造企业可以并联或是交叉方式推进上述三个工厂模式， 且三者间相互促进、融合，形成良性循环 数据智能与专家知识融合形成的新知识沉淀到设备以及数字化工具中，加速知识的重用与共享；自动化技术（OT）与数字技术（DT）融合激发数据的流动，为智能的开发提供足够充足的养料；而数据智能所带来的价值与效益，激发企业管理层在自动化与数字技术上的投资欲望，且有助进一步发现OT与DT部署上的盲点，进一步将数据打穿，更好的为智能服务。智能化、数字化与自动化三位一体打造机器智能工厂。工厂从无脑到有一颗工业大脑将是继工业1.0机械时代、工业2.0自动化时代以及工业3.0信息时代之后又一次跨越。（如图2）”工业时代互联网时代来源： 阿里云研究中心图3: 工业4.0 -大规模人机脑力协同第三章：工业大脑的四块拼图 - 云计算、大数据、机器智能与专家经验工业大脑的四块拼图 - 云计算、大数据、机器智能与专家经验 工业大脑的四块拼图 - 云计算、大数据、机器智能与专家经验11 12工业大脑的思考过程，简单地讲是从数字到知识再回归到数字的过程。生产过程中产生的海量数据与专家经验结合，借助云计算能力对数据进行建模，形成知识的转化，并利用知识去解决问题或是避免问题的发生。同时，经验知识又将以数字化的呈现方式，完成规模化的复制与应用。一个完整的工业大脑由四块关键拼图组成 - 分别是云计算、大数据、机器智能 与专家经验。（如图3）云计算让想象变为可能大数据智力进化的养分专家经验复杂问题简单化机器智能打破认知边界每秒处理上千万条指令，撬动工厂中沉睡的数据资源，由此产生的价值是无法想象的。/ 大数据是智力进化的养分工厂就像是热带雨林，数据是栖息在雨林中的各种生物，虽然有万种之多，但我们却很少能够看见，因为数据都深埋在设备、工具与系统中。数据中的隐形线索承载着大量的碎片化信息与知识。当这些沉底的数据在不同维度、不同时间、不同频率、不通场景下被唤醒，且数据间能够相互结合、关联或是比对，那么碎片化的知识将被重新拼织起来，为机器与人类专家就问题诊断提供关键依据。 / 专家经验将复杂问题简单化由于掌握丰富的工艺参数与设备机理认知，行业专家可参与包括问题识别、确认、模型与算法优化的全过程。专家凭借经验、常识，甚至是直觉，通过排除法做到复杂问题简单化，确保机器智能与实际业务需求吻合，便于模型与算法的开发。比如光伏行业的工艺专家可以在上千个生产参数中快速识别参数间的因果性，并排除对生产质量影响微小的参数，极大减轻建模、算法的工作量，同时提高准确性。/ 机器智能打破认知边界数字时代，制造企业的核心竞争力不在于拥有多少资产，而在于拥有多少代码。机器智能具备三个人类所不具备的能力。1、机器智能具有生成和分析大量可能性的能力，可以穷尽所有的“选项”，扩展认知的边界，创造新的知识，摆脱“老师傅”的认知局限。2、机器智能有完整的记忆能力，会记住每一件事，留意每一条蛛丝马迹，然后再确定这些保存完好的经历中哪些部分对解决问题是重要的。3、与人脑不同，思维需要存在一个身体里。机器智能则可以完全脱离载体，同时在多个地点复制或展示智能。/ 云算力让想象变为可能从远古时代的结绳记事、到算盘的问世、再到计算器与电脑的大规模应用，每一次计算工具升级都带来巨大的生产力。比如中国第一代原子弹的研发过程中，大量的计算都是由算盘完成的。而云计算的出现，让更多天马行空的想法快速变成现实。部署在云端的上万台电脑可以随时合体成一台超级电脑 ，第四章：像烹饪一样部署工业大脑像烹饪一样部署工业大脑 像烹饪一样部署工业大脑13 14来源： 阿里云研究中心图4: 工业大脑开放平台工业大脑的最终目标不是外面请大厨来亲自做菜，而是让每一家工厂都变成“餐厅”，让工厂中的每一位工程师都成为“厨神”。工业大脑则是负责帮助建造厨房、提供厨具、以及配菜与配方，帮助厨师快速开发满足客人不同口味的菜肴。 （如图4）让每一位厨师都变成“厨神”1、厨房（数据工厂）- 负责存储与管理来自不同渠道的食材（数据）。包括来自生产设备、仪器仪表、工业软件、图像、语音与视频的数据，甚至是来自外部的电商数据与天气数据都可被有序的、实时的存放在数据工厂中。根据数据不同的特性与用途进行统一管理，确保数据的全量、干净、与标准，以备随时的数据调用与上传。2、厨具（算法工厂）- 食材的加工与烹饪离不开高质量的厨具。算法工厂的作用是为算法提供各种工具上的支持，包括提供数据格式和数据接入的管理支持接入多种计算平台的算法，对算法进行版本的管理、定义算法所能使用的数据范围、资源范围和场景等。3、配菜（AI创作间）- 大脑的AI创作间负责配菜，提高烹饪效率。依托创作间，模版工程师准备好行业模板与通用的算法模板，将数据与算法用业务化的语言进行表达。算法工程师则根据实际业务场景来选择和使用这些模板，并在此基础上开发出企业专属的智能算法与应用。，工业大脑的部署过程不难理解，与烹饪的过程非常相似，可以简单分为四个步骤：1、准备食材 - 海量的工业数据就是工厂中的食材，采集到的数据需要新鲜（实时）、丰富（全维）、料足（全量）。数据采集需不影响正常生产，采集过程可采用小步推进的方式， 先从过去历史数据与离线数据入手， 当数据不足以支撑模型训练时， 再对关键设备升级改造， 逐步开放更多关键数据，补足缺失的数据维度。从最初的离线数据批量上云再到实时数据上云， 根据算法模型要求和双方约定好的数据采集频率进行数据采集。2、食材清洗 - 收集上来的食材（数据）并不能直接用于烹饪。需要进行清洗， 包括过滤脏数据与噪音、解决数据的多源异构、找回丢失的数据以及修正错误的数据。接下来，还要根据用途，对食材（数据）进行分割、分解、分类，以便为下一步的“烹饪”（数据建模与算法）做好准备。3、烹饪与菜谱开发 - 烹饪过程中，食材之间以及与调味料之间，随着温度的变化，会产生不同的化学反应。食材与调料的配比，以及对火候的把握决定了菜肴最终的味道。食材不同配比的调试也就是菜谱开发的过程，生产过程亦是如此，比如炼钢过程中的炉温控制，只有挖掘出煤气热值、压力波动空燃比等关键参数间的最优关系，并通过实时的参数调节，才能有效降低能耗，提升轧钢的质量稳定性。因此需要以数据关键变量为基础，外加对锅炉燃烧机理的认知，通过锅炉燃烧数据模型与最优算法找出最优的参数组合。4、菜谱改进 - 用新菜谱做出的菜肴需要小范围试吃，以收集顾客的反馈，以做进一步改进。同理，基于模型推导出的最优参数，需要回归到实际生产环境中，以小批量生产来验证效果，做效益分析评估，并根据生产反馈做进一步参数优化，直至可以应用到大规模生产当中。、A P I 服 务 总 线AI创作间数据工厂ET工业大脑开放平台行 业 知 识 图 谱 x 行 业 算 法 模 型光伏 化工 电力 橡胶 电子 钢铁 水泥行业行 业 应 用云平台数据上云 数据治理 智能标签 数据价值算法工厂算法管理平台 基础算法库来源： 阿里云研究中心图5: 数字化转型“梦之队”首席信息官/首席数据官 - 既要充分理解数据价值，又要谙熟企业业务，还要充分做好迎接数据治理挑战的准备。项目过程中，CIO需要扮演资源路由的角色、整合内外部资源，同时做好IT与业务语言的转换工作，并全程把控项第五章：工业大脑的正确打开方式- Think big, do small工业大脑的正确打开方式 - Think big, do small 工业大脑的正确打开方式 - Think big, do small15 16目实施的风险与进度。制造总裁 or 厂长 - 负责工业大脑的中长期规划，明确工业大脑的落地场景、目标以及与之相关的KPI。制造团队的车间主任、工艺工程师、设备工程师、制成工程师需要参与建模、算法以及验证和评估的全过程，充分发挥经验与行业know-how上的优势。外部大数据专家 - 积极引入行业外的创新经验与最佳实践，提供行业领先的云计算与大数据工具，负责算法与模型的开发，以及效果评估，完成项目交付。 团队中，每个角色都有可能成为团队的领导者，领导力、业务洞察能力以及数字能力是成为领导的必备素质。偶尔的小聪明有时可以解决大问题， 但如要切实可靠地解决问题， 则需要一个真正智能的过程。一个新组织、一个新平台以及一套新标准可加速工业大脑的整体推进。企业CEO要有数字化变革的魄力，从思想和战略上提供支持，并且在大脑执行过程中的关键节点给予指导。而项目的具体执行需要一个由首席信息官/首席数据官、制造总裁、厂长、以及外部大数据专家组成的跨职能“数字化梦之队”。 （如图5）一个新组织一个新平台技术商 业领导力CEO制造总裁首席信息官首席数据官外部数据专家厂长数字化转型梦之队一套新标准用精益思维管理工业大脑执行的全过程，将流程标准化， 减少过程中的浪费停滞与低效。这套规范的标准动作包括方法论、建模过程、数据质量、模型评估、容错机制、团队管理、风险管理等各方面的标准化，同时包括如何与现有工厂管理标准体系相融合。做到不同的人，在不同的工厂、不同的应用场景下，遵循这套统一的标准，都能确保工业大脑项目稳定与可持续的输出、。工业大脑需要一个数字化底座 - 数据中台。当有了数据中台，企业无须浪费大量精力在无法直接产生业务价值的数据管理环节上，而是可以更加专注利用数据做增值业务上的创新。依托数据中台，数据的自动化接入、数据归集清洗加工、数据仓库构建、数据可视化以及数据治理都将不再是问题。同时数据中台通过丰富的接口服务能够对接各类工业生产设备与业务系统并可，支持各类生产优化算法模型应用的部署和运行。，、17 184、智能平台： 工业大脑的使命是“授之以渔”，目的是为企业培训出一支能看懂数据、用好数据的团队。团队获得的不止是解决问题的工具，更重要的是解决问题的能力与方法。企业最终目标是转型成为赋能行业的数字化转型专家，基于工业大脑开放平台，将能力开放给所在行业的上下游企业。来源： 阿里云研究中心图7: 三个价值找寻原则工业大脑的正确打开方式 - Think big, do small 工业大脑的正确打开方式 - Think big, do small来源： 阿里云研究中心图6: 工业大脑全局规划与顶层设计固然重要，但在执行层面则需“小、快、准”， 以最低成本、最少时间、最小风险快速启动工业大脑， 并逐步扩展与优化。工业大脑的实施路径可以分为以下四个步骤： （如图6）工业大脑四步走智能协同生态广场数据中台数据上云 | 智能训练车间工厂全生命周期全产业链行业智能平台全局智能局部智能单点智能影响范围1、单点智能：工业大脑项目团队，精准聚焦关键业务场景，评估项目的可行性以及所需投入的资源。通过试验、试点的方式，快速启动，完成数据在云端的算法训练，以及实际产线上的测试与持续改进。2、局部智能：第一阶段单点上形成的突破将加大管理层扩展工业大脑应用的信心，进一步尝试其它生产场景的优化与改进。同时引入数据中台，加强数据间的互联互通与数据的智能化管理，为大脑的规模化、体系化部署打下基础。3、全局智能：3.工业大脑开始进入到企业的核心业务战略。企业管理层与大数据项目团队将开始系统性地对工业大脑做整体布局。大脑跨产线、跨车间跨工厂、直至横跨价值链的大规模应用与复制，加速企业的全局智能升级。、工 业大 脑数据密度采 集 密 度价值密度业务场景识别的“三个找寻原则”工厂就像一片撒满碎金子的沼泽，企业需要具备灵敏的业务嗅觉，以及手术刀式的精准业务场景切入，工业大脑才能快速寻找到属于企业自己的金矿。这里可以参考业务场景识别的“三个找寻原则”。 （如图7）1、 找寻数据密度最大的地方，哪个生产环节产生的数据越多，数据压强越大工业大脑的实施的难度就越低；2、找寻采集密度最强的地方, 哪个环节的数据全量、全维、实时采集能力越强，且数据间可形成闭环，算法的准确性就越高；3、 找寻价值密度最高的地方，哪个环节对生产运营影响越大或是产生价值越高， 且可以效益量化，就是工业大脑需要集中火力的地方； （如图7），