北京大學工業工程系主任侍樂媛：工業大數據支撐企業智能決策

5月5日，「2017中國工業大數據大會·錢塘峰會」在杭州國際博覽中心舉辦。北京大學工業工程系主任、美國威斯康辛大學（麥迪遜）終身教授侍樂媛，以「工業大數據支撐企業智能決策「為題探討了自己的看法。

5月5日，「2017中國工業大數據大會·錢塘峰會」在杭州國際博覽中心舉辦。本屆峰會以「數據驅動創新 融合引領變革」為主題，圍繞工業大數據展開分享與交流。北京大學工業工程系主任、美國威斯康辛大學（麥迪遜）終身教授侍樂媛，以「工業大數據支撐企業智能決策「為題探討了自己的看法。

以下為嘉賓演講實錄：

非常感謝有這樣的機會在這個峰會上和大家分享一下我這些年的研究和應用的體會。做得正好和製造業大數據緊密相關。

大家都講大數據，各個行業都講大數據，還有電子商務、政府資源，（PPT圖示）這是一張比較權威關於大數據在各個行業的分布比例，希望大家看一下。在製造業的大數據最多，至少是全世界公認的，每個行業都講自己有很多數據，但這是整體的數據連通，好像有很多數據，但製造業在這個方向上最多。所以，總體來說，製造業的大數據遠超其他行業，製造業是大數據的重要部分，當然還有其他方向。

為什麼剛才幾位領導和專家都說在工業大數據中，相比to C，我們的應用真的還沒有開始，或者剛剛開始我想和大家講一下現狀，分析一下原因，再講進行業應用的體會。

一、製造業大數據目前應用狀況

製造業有很多縱向的數據採集，比如說在某個設備上放過感測器，可以租給某個客戶，不一定賣給他。這時候確實有很多數據，但大家想過同樣一批發動機出廠，在同樣的環境下，有的先壞，有的後壞，因為有的運行比較快，就像人一樣。但每個產品都有自己的DNA，它有一系列的東西使它成為今天的產品，而現在的工業應用只有縱向，就是說設備在應用，如果有感測器，可以把數據採集出來。在發展過程中，有沒有由於反覆加工，由於質量問題，由於組裝重新拆了，由於各種各樣的問題，使它在某個部件上更容易壞，就是要把數據全部連起來。現在不管是哪家公司，都沒有人做到。

所以，為什麼會這麼困難呢？為什麼大數據在工業應用當中那麼困難？聯通、京東都在講大數據。我想和大家分享一下我們的認識、研究和應用，以及我然為的工業的發展前景。

（PPT圖示）因為我經常在企業和現場。如果飛機上需要某一個鑄管，這就是高溫的加熱過程中，由於各種原因無法技術實時跟蹤，所以大數據不知道怎麼跟蹤它，這是製造現場很常見的問題。今天是919試飛的時刻，非常激動人心的時刻。一個高端產品，經過大量的研發，前期的研發投資數以萬計的資源，但最終要經過生產過程，然後交給運維。所以，整個鏈條非常複雜。剛才說的大數據的所有應用，在工業數據當中，設計、生產、運維是在縱向發展。因為我在這方面做了特別多的工作。在製造端有很多斷層，可以和大家講一下。

最近我和中國航天集團有很多合作。首先，要看到製造業大數據的特點，聯通也好，京東配送八也好，所有數據相對工業大數據來說非常簡單。比如說一個京東的貨打包以後送出去，是非常簡單的數據鏈。到哪裡就可以掃描一下，現在下訂單了，到最後要交付，整個過程非常複雜。用一句話解釋，是動態複雜的拆分合并。一個鋼條要切成不同的小鋼條，鋼條要切銑打磨，所以拆分合并就很難跟蹤。所以全世界的高端離散裝備製造業，到現在都很難把數據串起來。這就是為什麼儘管工業大數據是最大的，而且是一座金山，現在很少有人挖掘，只挖掘了很少一部分的根本原因就是複雜性。

人去醫院看病，人是唯一的，很容易跟蹤。這種動態拆分，不斷檢測和服務的特性，使得工業大數據的收集就是很困難的事情，且不說要收集到人。工業業大數據有這樣的特點，為什麼那麼困難。給大家舉個例子，因為我在天天在現場跑。所有的飛機有脈動線，波音也是這樣。一個大飛機有五個大分廠，比如說一個大型結構件有五個車間，真正到每個車間做一些什麼樣的事情？就是這樣的東西，有全世界最好的信息化信息系統，但車間調度是早就準備好的表。所有的脈動線就是按照這個節拍往下走，但實際上有各種各樣的問題，有材料問題，有性能問題，有結構問題，不可能100%按照計劃的辦法走。現在波音的辦法就是不斷的加班，如果是假期三倍工資，如果是晚上兩倍工資，造價非常高。在信息技術這麼發達的情況下，在波音這麼高科技的企業，這就是斷層，這是現狀。把工業大數據連起來就非常困難！

（PPT圖示）這也是一家大規模定製企業，要的東西必須要定製，比如說豪宅，冰箱就這麼寬，門就要這麼高，現場就是一張條，每個部件完成就劃掉一條，這是非常先進的企業了。這都是離散製造業，流程行業肯定比這好很多了。

（PPT圖示）這是一個造紙的企業。有幾個子系統，首先是紙漿機，放到兩個房子一樣大的桶里攪拌，然後放到一個臨時的倉庫里，就是加濕，再到後續。有捲紙機和打包機，完全自動化，車間里看不到人，所有人都在操作室。但有個問題紙漿機在加工的時候，由於各種各樣的原因，可能由於使的A類紙質量不過關降為B類紙，而後面的捲紙機早就根據生產計劃卷好了，要實時把前面的東西變成下面的產品，要把生產線換了，現在都做不到。對路鋼水要變成下一個步驟，都不行。這個企業告訴我們每年損失產能15%左右，我們可以把它提高5%左右，當然還有空間。這種大數據在製造業的斷層到處都是。

再多很多企業用了很長時間的ERP，也用了MES，用了ERP和MES，也比較完全解決數據關聯起來的作用，就是剛才說的車間現場，到處都是斷層。這會帶來什麼問題呢？看起來是平面，下面很多節點上都是斷的，要做決策的地方都是靠拍腦門。舉個簡單的例子，如果項目人員有項目訂單，發動機或者電機，賣多少錢，沒有人能講出實際的成本，基本上是拍腦袋。他們的訂單成本是按賣去年多少噸銅來計算成本，非常粗放。任何一個訂單如何評估成本，基本上無法評估。所以，製造業的斷層到處都是。也就是為什麼工業大數據應用不如to C，不如電子商務，因為電子商務相對工業而言相對簡單。

講到大數據就要講智能製造，剛才院士也說了，這是從不同的角度看。智能製造一般有三個方面的目標：一是管理，要柔性化，要靈活；設施要有各種價值鏈集成；產品要生產，如何生產產品不是不的強項。

看看歷史，在每個工業發展的過程中或者以後都帶來了管理技術發展，使這個國家成為了強國。在一百多年前，泰勒也好或者福特生產線，第一次工業革命以後就產生了福特生產線和泰勒管理思想，使當時美國的汽車工人是全世界最高，這是管理的1.0技術。第二次工業革命之後，派兩個美國人到日本幫助生產，日本的豐田管理技術大行其道，這時候是管理技術的2.0，日本就站在了製造強國的列隊里。後來隨著電子晶元、計算機的發展，我們有了各種各樣的信息系統，包括BPM、ERP各種各樣的系統，就是把以前的手工單替換了，使管理效能大大提升，這是管理技術3.0；管理技術的4.0在哪裡，現在我們都在尋找工業管理技術的4.0，如果我們抓住這個機器，我們一定能成為製造強國。

總結剛才說的1.0到3.0，大規模生產都沒有問題，但工業管理的4.0是要解決大規模的定製問題。我在美國很多年，十幾年前，還沒有工業4.0的說法，我們就開始研究如何做大規模的定製。因為今天時間有限，只能提一下，我們也有一些成果。

管理4.0技術是坤特智能數字系統，有製造執行優化系統，還有動態MCT技術是數字供應鏈，還有維修行業，目前我們正在上海衛星、長征火箭、神州飛船等正在開展合作。但今年3月份我們完成了一個很好的合作，這是在美國，希望我們國家更加積極。（PPT圖示）這是一個石油設備在全世界都分布。我們幫他打通了製造連，使訂單生產周期縮短，產能提升，訂單交付預期提升，尤其是減少現場管理人員。去年我到一家我國特別有名的一家企業，由一條非常好的生產線，有9個調度，我說一個就夠了。但越分割管理限度越容易造成壁壘，造成了很多浪費。我認為在新一輪大數據環境下，在這方面把數據打通，尤其是製造到運維，到設計是必然趨勢。

（PPT圖示）這也是一個運維方面的案例，這個案例在北京機場附近是關於飛機輪轂維修的工作。具體怎麼應用和實施就不講了，我們有這樣的基礎，使數據有效的採集，解決了生產現場的產能問題和可靠性問題。

工業大數據應用會給企業提高競爭力，但我希望講的是製造企業需要在經緯縱橫，不是某個設備，不是物聯網聯網，它有很多軟體和硬體結合在一起。就像地球一樣，只往縱深可以走得不錯，但橫著走可以走到世界的各個角落，製造業需要經緯縱橫的數據採集能力，才能實現實時、動態、優化，這樣才能從製造大國走向製造強國。謝謝大家！