摘要: 本次由北京桑兰特资深咨询师韩俊仙老师带来了工业制造业的智能化机遇从业务需求出发, 寻找 AI 的机会点的分享, 说明了新一轮工业革命的核心驱动力智能制造的重要性, 从质量和可靠性的角度分析了提高产品质量可靠性的必要性, 并对智能化在制造业的扩展空间进行了解读
直播视频: https://yq.aliyun.com/video/play/1298
以下内容为精彩视频整理:
智能制造新一轮工业革命的核心驱动力
未来的中国必然要推进智能制造, 推动制造业加速向数字化网络化智能化的发展新一代的智能技术形成新一轮的工业革命核心驱动力, 可能引发制造业发展理念, 制造模式发生重大的深刻的变革, 重塑制造业的技术体系, 这是中国千载难逢的一个机会这些新技术在制造业应用, 可能会有一些新的变种出现, 人工智能可以在这儿发挥更大的作用我们也看到周济院长重点提到在未来 20 年智能制造的发展关键时期千载难逢, 这个是换道超车跨越发展这里讲到的制造业包括机械加工装备制造等离散型制造业也包括冶金化工生物制药等连续型 (流程类) 制造业换道超车, 对年轻人来说是新的机会, 换道的时候, 搭上这一班高速的车, 未来还会扩大到其他的领域, 总之我觉得非常振奋
再看看企业制造业, 我们认为智能制造的目标至少有以下几点:
(1) 提高产品质量可靠性, 满足需求: 一个企业的生存总有它的目标和它的目的, 制造企业想要生存下去, 一方面是创新, 另一方面是你做的产品质量可靠性足够好效率高成本低 (见下图) 所以制造企业根据市场需求进行个性化的定制, 增加产品卖点, 吸引人家, 这是创新但是还要提高产品质量的可靠性, 要靠质量赢得客户所以质量可靠性是一个制造企业不可缺少的一根柱子
(2) 提高企业生产效率: 要能够快速响应, 能适应客户需求
(3) 降低成本 (生产成本运维成本)
(4) 满足客户个性化定制需求, 增加产品卖点
智能制造目标之一: 提升产品质量可靠性
智能制造四个目标, 质量成本效率创新, 这才是企业生存之本, 所以你要服务于制造业, 要知道质量是他们的需求之一这是我讲到了企业的目标之一, 我今天重点讲讲质量, 没有质量企业是生存不下去的, 是没有竞争力
(一) 质量
我们认为智能制造可以提升产品质量的可靠性, 要从客户的角度来思考, 才会有市场对于一个制造业来说, 质量是什么? 真正的质量是有定义的, 质量是有标准的满足约定的标准, 如, 尺寸多少, 强度多少, 满足这个是底线, 是起码的, 真正的质量的定义是什么? 满足需求, 满足标准是底线, 顾客满意才是对你产品最高的评价
质量可能比想象的要复杂一点, 不仅仅是良品率 / 合格率, 质量好坏是顾客说了算的现在买一部手机是不知道里边元器件等复杂指标等一些东西的, 是要靠客户体验来回答的, 用户对产品的评价, 超过预期, 下次继续买当与客户的的预期差不多时, 下次购买就要考虑一下了好多快销品行业特别在意二次购买再次购买如果产品的质量和用户的感知差不多, 这时顾客不一定会继续购买此产品如果比用户想象的差, 下次不会再购买, 甚至可能进行了投诉, 在网上还发了帖子, 这就是质量比我们想象的要复杂质量一句话是满足需求, 满足标准不一定满足需求, 满足标准是底线, 所以我们要站在这样的高度来理解质量
顾客的感知一般都是在购买之后 (t>0 时刻) 开始的, 现在有一个 B 产品, 这个时候产品和人一样的, 它是有生命周期的, 也有生老病死最终产品是要报废的在这个过程中有一个词叫性能会退化, 这个 B 产品很快就退化了, 厂家说 B 可以用三年, 但用一年半的时候这个不好用了, 那个不好用了, 图象也显示不好了, 那就说明它的质量是不好的
A 产品退化的比较慢, 它就比较好, 我们通常把这个 T>0 的这一段叫做可靠性, 产品有可靠性, 产品经过环境的考验, 经过时间轴上的考验, 达到它预期的效果, 还能实现它的使命, 它的质量就是真正的好所以这是关于质量又有一个新的提法, 目前我们在产线上提高良品率还远远不够, 我们应该更关注 T>0 的质量, 在它生命周期的质量
(二) 可靠性
GB-6583 对可靠性的定义是: 规定时间规定条件下完成规定功能的能力
(1) 可靠性是时间轴上的质量
(2) 可靠性是使用环境条件下的质量
(3) 可靠性反映质量的深度和广度, 可靠性决定全寿命周期费用
(4) 可靠性是对用户应用场景充分理解后的设计表达
(5) 质量可靠性是同一目标, 为客户创造价值! 为企业创造价值!
所以说产品一定要实现它的使命要经得起时间的考验, 经得起环境的考验, 才是真的质量这又演绎出来一个质量的顶层的应该是可靠性如果对我们的质量不仅仅局限于合格与不合格的话, 出去的产品没有风险, 如果勉强合格的放出去, 出去会有风险如果产品正在目标
值的附近, 它经过时间的考验, 差不到哪里去想给大家建立这样的概念, 就是你的良好率合格率是远远不够的, 那是人定的一个规格线在未来的竞争中可能质量可靠性更是好多中高端客户的首选, 宁愿多花一点钱, 也不要选那个不停的修修补补的, 所以这肯定是一个方向
智能化在制造业的拓展空间
智能化在制造业还是有很大的拓展的空间的, 智能化要想方设法把制造线上的这一套流程打通, 打通之后提升质量可靠性所有的制造业是这样的一个流程, 供应商的原料输入过程输出客户关键要求, 通常的流程是这样的你思考的时候要倒过来思考, 所有做的产品从需求出发, 否则你只是做了一个样品, 没有价值所以在这一条链上我们最最顶层的切入点是客户的需求, 客户的需求有时候说不清道不明的, 制造业的人要从他的专业角度把客户的不准确的这些含糊的需求, 诠释成技术要求, 这是第一道关 还包括客户在哪里用, 是大人用还是人小孩用, 在什么场景下用, 在最顶层要把这个说清楚, 形成一些设计输入, 最顶层的东西形成了, 形成之后这就是你的一些技术要求
你的专业技术让你把这个功课做到位了, 按照这个来组织生产, 最终希望建立这样的 Y=F(x) 关系这一条链分几段, 把它打通了就进入自由王国我们需要把需求和技术指标之间的关系建立好, 每项指标都能映射到需求, 把技术指标与过程指标关系建立起来, 把这两段关系链子打通, 这个时候就进入一个高的境界了
这个具体要怎么做, 关键的要求是要有一个科学的评价体系来保障能一直满足客户的要求我们来看一个这样的例子, A 公司说他们产品 100% 的合格, B 公司合格率只有 99.73%, 但是在市场上, 人家不喜欢 A 公司的产品, 喜欢 B 公司的产品, A 公司不服气, 100% 的良品率, 100% 的合格, 为什么不喜欢好事者做了一些调查, 抽了一万台的产品数据来看, 发现 A 公司的产品是正态分布, B 公司的产品是均匀分布, 意味着 B 公司的产品大量的是考 60 分左右的如果我们换了一种评价的标准, 我们既关注它的 Cpk(既看它的均值, 又看它的波动),B 公司的波动小, 它的 CpK=1,A 公司只有 0.58 老百姓感受是 B 公司好, 与 Cpk 大是一致的所以要换一种机制, 这也是我们当前的大数据可以发挥作用的地方
第二个是更复杂的, 就是刚刚提到质量, 质量最难弄的是可靠性我们有很多的家电客户集中在某一些地方, 集中在海南, 集中在辽宁, 环境相差很大, 环境对产品性能的影响也很大, 那一些复杂的环境它也是 X 之一这就更复杂了, 需要人工智能的需要算法来支撑在很多企业的制造线上, DCS 系统在线实时监控, 不断学习和优化, 提高产品质量我们也经常利用质量测试结果及市场故障率, 帮企业建立质量可靠性与过程参数之间的关系模型, 用于质量控制但是在生产过程中, 需要不断的修正和迭代模型
智能化是实现提高质量的条件, 智能化的在线状态感知, 实时分析, 自主决策等, 有这么多东西在支撑着过程控制但是当前怎么做的呢? 大概是先设置一个阈值, 超过阈值, 判定有问题, 进行在线调节控制实际上阈值应该结合一些实际不断更新和迭代阈值要考虑它并不是一成不变的, 要和结果挂钩, 要映射到市场上去, 把这两到三段链打通, 阈值才能优化得更好
合格产品出厂后被召回, 合格产品出厂后, 在客户端并没有实现功能 / 性能, 这种复杂的环境和时间轴上的退化和变异, 需要更加科学的大脑进行甄别和判断仅仅围绕提高合格率还不够要关注市场故障, 要将大量的市场故障数据反馈到研发设计和制造环节智能化离不开数据, 要对市场故障数据进行分析利用挖掘, 要和制造业的物理化学模型结合对各类数据, 我们并不必追求大, 要追求它的价值
实例
给大家几个展示
这是我们过去做的, 刚才说的预测它的累计 10 年的失效率, 可以用这个计算算它的分位数, 咱们统计都可以做, 关键是企业的数据在睡觉, 不知道这些东西, 散落在各处我们知道每一个数据它背后的价值, 我们就可以把它串接起来, 用来评价它的寿命, 究竟能活多久, 它的质保期究竟应该多长, 这些数据分析挖掘可以进行科学决策
你为制造业服务就要了解他们的需求, 到他那儿去体验, 或者是他们内部的人和你搭上这样的桥梁, 就可以把这个做得更好, 让大家接受和拥抱
我们用很多手法都可以评估企业的真正的表现, 在某些企业可以看到它在不同的地区表现差异很大, 那就意味着不同地区不能用同一个产品型号, 产品应该差异化, 面对那个地区要有这样的防护, 面对另外一个地区也不要过量, 过量了就会浪费社会资源, 所以这里边有很大的发挥空间我们看到有些企业对一些客观描述性信息 (如, 风机四面八方的环境变化) 数据, 觉得这些数据最没有用, 其实这些数据也有用, 分析挖掘后发现了规律
这是针对在野外的风场, 他们各种各样的环境中怎么生存的这些环境究竟有什么样的影响, 其实一些新兴行业的认识还是有局限的, 我们通过这些数据的分析和挖掘, 反馈到研发设计, 反馈到过程控制, 那就会得出更有价值的信息大概 30 年前我们在企业工作时, 数据分析对分析判断问题发挥了重要作用, 切身感受到数据是工程师手中的望远镜和显微镜现在感觉在智能化的过程中数据分析和挖掘将会发挥更大的作用你们也要认识到它的价值, 智能化用于制造业价值更高
智能化刚刚起步, 未来的发展空间很大, 大家都是新一代智能制造的从业人员, 要走进制造业, 了解他们的需求和渴望走进他们就会找出新需求, 来帮助他们为企业创造价值, 实现自己的价值
来源: https://yq.aliyun.com/articles/433620