2019全球自动化和制造主题峰会-郭朝晖谈工业智能化


  9月18日备受业界瞩目的2019(第八届)全球自动化和制造主题峰会在上海盛大举行。本次会议邀请到了上海优也信息科技有限公司首席科学家、原宝钢研究院首席研究员郭朝晖博士出席并做主题报告。本文为郭朝晖博士的演讲实录略有删减。

  下午好!今天非常荣幸来跟大家分享一下我对智能化的看法。
  五年前我还在宝钢的时候给公司领导提了一个建议:关注一下智能化和工业4.0。至今大概有五年左右时间了在这个过程当中我想我的许多经历可能跟大家差不多我们都听到了很多糊里糊涂的概念似乎是明白了也似乎是不明白。今天就向大家汇报一下我的一点思想历程。
  现在有一种不好的趋势:别人怎么做的我要跟着怎么做。这样做往往是失败的。这种现象目前也非常多。
  我在宝钢研究院工作了20年担任了15年的首席研究员期间一直都在想:创新到底是为了什么。作为一名企业人员,KIC炉温测试仪我们做的是要创造效益怎样才能发挥效益?这就要把技术用在一个合适的地方。
  我非常敬重宝钢老领导何麟生说过这样的一句话“价值决定于用户不是决定于技术本身”。半杯水丢在桌子上是垃圾放在沙漠当中就能救命。同样5G也好人工智能、大数据的技术也好关键是要把技术用对地方要把技术用好一定得知其然知其所以然而不是单纯的模仿。因为人家用的好东西到你这不一定合适。我今天就是跟大家谈谈如何用好技术的问题。
  我觉得我们是在前瞻未来的时候一定要回去看看历史。看看这个事情是怎么一步步走过来。

  所以今天我给大家的汇报分成三个部分:其实就是过去、现在和未来。我主要以宝钢作为例子来说但不管是流程还是离散制造业背景和道理都是相通的。
  首先我来介绍一位老先生他叫何麟生今年90岁。我曾经把他的几篇文章拿给一些知名专家和高层领导去看他们很难相信这是何老在30年前就说的话。这些观点放到现在仍然非常先进。
  何老认为:认识信息化有很多角度。其中一个就是对知识的管理。他说他在宝钢时的职位可以被叫作CTO,布氏硬度计也可以叫CIO但是他更喜欢被叫作CKO也就是首席知识官。大家听到这里可能会有种似懂非懂的感觉。所以要把何老先生讲话的背景讲一下:一个现代化的企业是怎么管理的?

  现代化企业的管理一定是建立在一整套的标准之上。否则根本就谈不上是个现代化的企业。在宝钢就有很多标准。其中一类标准就是以产品为线索的。首先是产品的标准来定义用户的需求。第二是技术的标准来定义每个工序是怎么做的。接着是如何做到也就是作业标准和手顺书。
  何老讲的知识其实就是这些标准。这些标准在宝钢建立之初就必须放在计算机里。道理很简单以轧钢为例几分钟一块钢就过去了期间很多工艺参数需要下达。如果一个参数错了就会出问题。对于这类问题人可能忙不过来、也容易出错。所以这些知识必须要计算机去执行。当钢来了之后计算机根据工艺要求把它下达出去。 

  我们注意到:相当多的标准包括产品标准和技术标准其实都是可以用一个数据结构来描述。一块钢坯来了之后计算机读取数据结构然后按照这个标准进行执行控制。
  但是仅有这样的标准是不够的。如说化工厂生产状态发生变化了之后固定的标准就不合适了。这时往往涉及到一个动态调整标准的过程。同样用软件来解决这些问题能做得更好。
  于是我们又需要一种软件承载的知识。在钢铁行业叫做模型在化工行业中叫APC(先进控制)或者RTO(实时优化)。
  我们再看看工业的发展历史在这个历史过程当中我们也能从知识的角度来分析历史怎么发展。

  工业1.0的阶段用机器操作或者甚至再往前手工操作那个时候许多知识是在人的脑袋当中的你制造一个汽车会有师傅交给你怎么来做。但是到了2.0之后到了流水线之后它有一个巨大的改变。这个改变就是把一个加工过程变成若干个岗位上简单化的操作。有的人专职拧螺丝有的专门敲榔头。所以一旦流水线化了之后他就可以把工作过程解析开来进行标准化。标准化了之后才容易让机器去做。换句话说工业2.0时代已经把知识解析和标准化。
  到了3.0时代有了计算机了我们就可以把这些放到计算机里。但3.0阶段处理计算机处理的问题还不够复杂。因为很多复杂的问题是人来做的。如质量异常的处置。工业4.0阶段需要把大量知识放到计算机里解决这些过去人去做的事情于是有了智能化。
  所以工业发展过程可以从知识的角度去看。而现在的智能化过程还有一个重要的趋势就是通过互联网实现知识的共享把获得知识的成本大大降低。从而促进了智能化。
  下面我们再来谈谈当前所遇到的问题。我先给大家讲两个故事来说明知识软件化是怎么回事。

  刚才谈到自动化阶段的知识多数可以用数据结构表述。但这些数据结构是怎么来的我们却不知道。
  大概在这个世纪初宝钢在生产冷轧板的时候遇到一个问题:轧机的能力不够了。这个时候我们找到了国外的设备供应商国外专家认为你们应该做改造。仅仅更换一个马达就要1.3个亿而且要影响生产。要知道当时的冷轧厂的生产就像印钞机一样影响非常大。
  宝钢的冷轧机是5个轧机一起工作的。需要一个负荷分配表来分配五个轧机的工作。这个表就是我前面讲到的“数据结构类知识”。这时宝钢有位老专家、我的前辈和同事朱泉封发现:按照国外给的表格有的轧机已经接近100%的负荷、确实没有办法提高了。但是有的轧机却负荷不高。但负荷高的这一台限制了整个轧制机组的能力。这张表格过去是从国外引进的但引进的时候没有考虑到要轧这样的板材。这是问题的根源。
  朱泉封先生提出了另外一个思路:修改轧制负荷设定的表格。

  但是我们引进的就是这样的一个表格人家没有告诉我们这个表格是怎么产生的。人家应该有计算表格的办法但引进的时候不会告诉你。因为这是人家的核心技术。
  于是朱先生根据他对轧钢原理的理解给出了计算模型。按照新计算的负荷分配轧钢结果一次性成功。
  另一个案例也类似。我们有次接到一个特殊要求的合同。连铸生产了6000吨结果只有一半合格。损失几百万。后来我们发现有几个参数有问题。这些参数同样是国外给的。我的同事过去一看用我们自己的软件计算了一套新的参数。用这套参数试一下结果出奇的好。
  这两件事有一个共性就是当企业在开发新产品、特殊产品时就容易发现这样的需求。据说在美国的波音公司这种类型的软件有5000多款。
  但这技术都是人家核心的东西、不一定会对外宣传。我们很多企业引进了国外的生产技术人家却不一定告诉你这些与研发、创新相关的技术。我们很多企业甚至根本不知道有这样东西。所以如果企业没有达到一定的高度、很少有新产品研发也就没有这样的需求、也就不理解工业知识软件化的意义。换句话说这些技术的需求往往是研发和设计推动的。
  类似的道理可以推广到中国的工业软件。我们知道CAD、CAM软件几乎被国外垄断了。为什么呢?我看一个重要的原因在于我们的工业企业过去没有达到这样的程度工业软件企业就缺乏市场。比如我们值得骄傲的企业上汽大众在二十年前几乎就只生产一款桑塔纳别的都不生产。没有研发、没有新产品设计要这些软件干什么用呢?相反我国的航空企业在这个方面走在前面。一个重要的原因就是:航空有需求——军用飞机需要自主研发。
  所以只有企业发展一定程度之后、开始重视研发了才能意识到这个问题是重要的。中国现在整个工业企业都在转型升级这个需求就提出来了。所以很多企业觉得“工业技术(知识)软件化”是个突然冒出来的概念也就不足为怪了。

  我按照自己的理解给工业互联网白皮书的副标题做了一个翻译:重构人和机器的界面。我们还写过一本书叫《三体智能革命》。这里面我们有一个观点智能化很大程度就是把人脑当中的知识放到计算机里。这两个观点跟现在很多人的说法是不一样的。有人甚至认为智能制造就是人工智能、深度学习在工业中的应用。我个人认为:依靠深度学习获得的知识是工业知识中极少的部分。

  除了图像识别机器学习在工业中的应用场景有限。智能制造需要知识深度学习获得的知识不是主食只是佐料或味精。
  智能制造所需的主要知识应该是从专家的脑子里转过来的。所以我们可以看看现在那些知识还依赖于人脑。在研发、设计、异常处置、用户服务等方面大量的工作是由人类专家来做的。我们应该尽量把其中的一些知识变成标准化的东西。只有数字化、显性化的知识才容易传承。
  刚才说的连铸的事我当时从日本人学过一些东西。我发现了一个特点日本人做任何一个事情人家不是拍脑袋。人家做什么事情都给你写一个规范你拿过来就按照这个规则就能做事。
  我在研究日本人的东西时发现它给的规则是有问题的。但是这比没有规则强为什么?因为出了毛病的时候你可以研究毛病在哪里、可以去改进。你如果连规则都没有你改什么呢? 

  在我看来智能化的过程往往就是把人脑子中的一些知识拿出来。不要搞得很神秘搞的神秘的人是因为他不懂。我再给大家举一个例子这个例子是我在优也做首席科学家时提出的:我们搞智能化就是把人的知识转变成计算机的知识。

  优也是个咨询公司专门帮助别人搞优化尤其是搞节能。我们的咨询师到了现场发现锅炉热效率低了三个百分点。这些损失就是潜在的效益。下一步要找到根源。发现是烟道堵了、传热效率低了。接着就是找到办法:清扫一下。最后把结果报告管理层问题就解决了。

  这是咨询师能做的事情智能化能怎么做?就是把人的逻辑数字化、模型化:你凭什么知道效率低了三个百分点?你把你的逻辑告诉我我把数据收集上来我按照你的逻辑来算。你凭什么知道是烟道堵了?你把你的逻辑告诉我我把数据采集上来我按照你的逻辑去算。你再告诉我什么时候应该让他扫灰我发的指令和他扫灰之间的间隔是多少?在年终的时候领导可以根据这个东西来论功行赏。智能化千万不要想复杂了。

  美国的大河公司其实就是按照这个逻辑走的。按照这个逻辑我们管一个质量组有几十人上百个人据说人家只有几个人。这是现在。

  但是“把人脑中的知识放在计算机里”其实也不那么简单。因为这些知识是碎片化的、不容易管理;因为把这些知识放入计算机的时候可能会影响正常生产。这是一个曾经困扰我很长时间的一个问题。

  我们再来看看为什么出现工业互联网平台和工业APP?
  自当工业互联网出现了之后你就会发现我们需要知识数字化的地方很多:因为很多管理问题可以用数字化模型化方法解决了。
  许多人困惑于工业互联网的机会在什么地方。对此我有个观点:过去能做的事情就不是现在的机会。我们研究一些企业的控制和信息系统就会发现:过去的系统存在一个问题:响应速度快和管控范围大是不可得兼的。比如基础自动化响应速度快控制的范围却小;企业的ERP管理的范围大、实时性却差。而工业互联网能让我们突破这一悖论。所以工业互联网带来的机会往往在于全局优化、尤其是全局实时优化。

  我所服务的优也公司的一项实践就说明了这个道理。钢铁企业的煤气是个需要实时管理的资源。但这个资源的生产和使用范围涉及到几个平方公里、乃至几十平方公里的范围。过去主要靠人来管理就管不好。利用工业互联网这样的手段就有条件管好。在华东地区的一个不大的钢厂通过工业互联网技术的应用每年创造了4200万效益。



  谈到全局优化麻烦事又来了:怎么才能搞好顶层设计呢?这个问题困惑了我很久。后来意识到:一次性地把顶层设计搞好往往是不可能的。应该采取持续改进的方式来解决问题。
  日本的IVRA架构非常值得研究。这个架构有三个维度。一个维度是从管理开始争取把质量做的最好成本降到最低交货期搞的最短环境搞得最好。企业能做到这样就一定很牛了。管理针对什么呢?针对资源。如人、产品、过程等。怎么搞呢?PDCA的手段——也就是持续改进走从量变到质变的路子。

  对工业人来说这个架构里面没有什么新东西都是过去强调过的。但是你现在的PDCA是在计算机里进行的。PDCA在计算机里面进行的话你的管理能力将会大大地增长超出过去的水平:任何问题都管得细、管得及时、管得准确。
  按照这个思路需要把一些管理和技术的知识沉淀下来。但这时又会带来新的麻烦:需要沉淀的知识是碎片化的、知识沉淀和修订是日常化的。传统额信息系统难以承担这样的任务。于是工业互联网平台技术应运而生了。

  工业互联网本质作用是让知识持续沉淀的过程风险降低质量提高,布氏硬度计成本降低速度加快。我曾经打过一个比方:在过去的软件系统中增加一个功能就像建栋大楼非常麻烦;现在增加一个功能就像搭个帐篷非常简单。这个帐篷就是沉淀的知识就叫做工业APP。
  比如过去增加一个功能的时候需要从很多设备上取数据。不仅麻烦而且会对生产带来风险。现在我们把一些准备工作实现做好需要数据的时候直接从平台上拿。这样工作量和风险就降低了。
  有些工业互联网平台(如ThingsWise平台)采用了数字孪生技术。这种技术的特点是实现了知识的复用、有利于专业分工协作。这又进一步降低了风险和成本。
  我们设想一下:假如一个APP能够带来100万的效益而开发成本却要150万。这样的APP就不具备经济性。反之如果开发一个只需要10万元则会具备经济性。所以工业互联网平台降低了知识沉淀成本也就让智能化的持续改进之路容易走了。

  这就是我今天跟大家的汇报内容。最后我强烈地呼吁大家不要跟风。做任何一个东西要知其然又要知其所以然。知道为什么要做才能做到“不忘初心”才不容易做错。