劉宇航（昊海）ET工業大腦首席架構師。
本次直播視訊精彩回顧，戳這裡！https://yunqi.aliyun.com/2018/nanjing/review 一、阿裡雲智能制造介紹 1. 新制造發展的新一波浪潮已經到來ET大腦，智能制造這些概念并非來源于阿裡巴巴。在這個時代背景下，無論是國内還是國際，都把工業當作發展對象。阿裡巴巴在這一方向上的工作一方面為了響應國家的号召，另一方面也是為了順應産業的潮流。
阿裡雲原來就是阿裡巴巴的IT部門，所有的資料、業務都架構在其之上。它是經得起長時間，高頻次，不容失誤的金融、商業交易的沖擊的架構。
ET工業大腦是工業大腦中的一個分支。其他分支包括，農業大腦、城市大腦等。可以了解為是大資料技術、雲計算技術，在具體的行業和業務場景結合形成的有特殊行業屬性的一種産品。
阿裡雲的一個理念是一定要真正找到企業的痛點，産生真正的效益，幫助企業解決問題，降低能耗，提高效率等。
工業智能化項目的布局和三個基石
生産集中： 生産和産生價值的部分是集中的。解決這部分痛點，十分有利于提升企業的效益。
目标明确： 确定具體場景，明确目标。
資料閉環： 資料從企業中來，經過算法處理後，還要回到系統中去指導生産，産生效益。
下圖展示了一些基本應用。
以前的工業大部分是靠人來支撐的，比如老專家的經驗。這本質上是一種機理的推導。而工業智能化，将這種機理推導轉向資料分析。 同時，可以應用于工藝創新、流程優化、智能生産、風險預警等方面。
舉一個簡單的例子，以一個鋼鐵廠為例，從礦石到産品中間會經過一系列的過程，每一個環節的負責人可以保證目前段是最優的，但無法保證整個産線産生的結果是最優的，即局部最優的疊加不一定是全局最優。而我們現在做的事情就是依靠大資料，依靠全資料鍊的資料驅動進行決策。
政策要求： 供給側改革，不僅是去庫存，一方面：低效産能，提升産品品質提升競争型。另一方面：減少能耗，綠色環保。提升生産效率。
裝置故障：以風電裝置為例，大部分為出保裝置。運作年限變長，機組故障率逐年遞增，風電場運維成本也逐年增加。如，一台風電機組，一次大修的成本為30-50w。
能源消耗：工業網際網路影響了全球44%的能耗（GE，2011）。燒焦的耗電優化。鍋爐加熱爐燃燒瓦斯，耗費大量能源，希望能提升加熱效率，降低能耗成本。
人力成本：為避免故障帶來問題，需要安排維修人員不斷巡檢。30個工廠，每廠100多個維修人員，每個工廠有幾百台生産裝置，裝置每年的維修費用有幾個億。
生産低效：彈簧鋼鋼材存在脫碳率高的問題，良品率大概80%-90%，希望能降低脫碳率，提升良品率。提升風電場運作的計劃和效率。
核心架構基本上包含供、研、産、銷、能、環這幾個方面。相關的各種應用都在阿裡巴巴的官網上可以找到。
即資料的來源，包括線上資料，IoT方面的基礎層資料等來自全域的資料。
痛點: 協鑫光伏太陽能電池矽片生産過程的切片次品率過高，導緻生産效率降低，生産成本升高。
方案： 将阿裡雲ET工業大腦應用于太陽能電池矽片生産制造領域，監控切片生産參數曲線，推薦最優參數，提升良品率。
價值: 通過對太陽能電池切片制造流程進行最優參數推薦，提升了1%的切片良品率，進而大大減少太陽能電池矽片産品次品率。
痛點：中策橡膠在橡膠密煉（橡膠生産的核心環節）過程中的能耗和次品率過高，導緻生産效率降低，生産成本升高。
方案: 将阿裡雲ET工業大腦應用于橡膠生産領域，對密煉工藝模組化分析，推薦最優工藝參數。
價值：通過最優參數推薦，優化密煉工藝：門尼值标準差降低14%（密煉工藝關鍵參數）、密煉時長減少10%，密煉溫度降低6%，大大降低密煉能耗和次品率。
痛點：産廢企業與處廢企業供求交易低效，企業排廢申報缺乏綜合評估與監督，導緻廢料處理低效，資源浪費。
方案：将阿裡雲ET工業大腦應用于企業廢料處理領域，分析廢料特征，追蹤廢料流向，建立企業排廢綜合評估模型。
價值：通過對廢料和供求企業的特征分析，提升廢料交易效率，實施企業排廢申報監督，大大降低環境污染，提升資源回收率，預防企業排廢申報欺詐行為。
痛點：光伏發電功率的波動對電網的安全性和穩定性有嚴重影響，導緻電網運作成本高、對太陽能資源的使用率低。
方案：将阿裡雲ET工業大腦應用于光伏發電領域，通過分析氣象資料和曆史功率資料，科學預測光伏發電功率。
價值：通過對光伏發電功率的預測，支撐電網統籌安排正常電源和光伏發電的協調配合，大大提升電網安全和太陽能資源使用率，降低電網運作成本。
國網浙電–
變壓器油色譜線上監測資料評估與篩選
痛點：變壓器油色譜線上監測資料能夠監測變壓器故障，但由于該資料品質參差不齊，導緻變壓器線上監測準确率低，并導緻電網在油色譜線上監測裝置上的投資回報率低。
方案：建立油色譜線上監測資料的可靠性分析模型，從完整性、一緻性、準确性三個次元分析資料品質，并由此評估油色譜線上監測裝置性能。
價值：篩選出可靠的監測資料，并對監測裝置的可靠性評分，為變壓器故障監測提供資料保障，指導電網制定監測裝置的采購計劃和廠家的選擇。
痛點：中芯國際28納米內建電路晶片生産過程的光罩産品次品率（CD偏差）過高，導緻生産效率降低，生産成本升高。
方案：将阿裡雲ET工業大腦應用于中國頂尖精密制造領域，對工藝參數進行模組化分析，建構預測模型。
價值：通過CD預測模組化，預測誤差可控制在1納米左右，大大減少光罩産品次品率。
痛點：傳統風力發電機維護是故障發生後“亡羊補牢”，事後發現維修複雜，維修周期長，停産損失大、維修費高昂。
方案：通過海量風機曆史運作資料，建構風電機組異常智能監控預警以及風電機機組故障預測模型，提前發現微小故障并預警。
價值：通過高頻諧波的占比預測風機故障趨勢，提前2個月進行發電機故障預警，風機維護費用從30-50萬減少至2萬元每台。
基于圖像的案例。
目标：獨立進行大資料平台的使用、管理、測試維護、故障處理和新需求的資料存儲、算法模組化、資料呈現、大屏展示等工作。
上雲教育訓練：通過教育訓練熟練運用阿裡雲産品、技術、服務及解決方案。
共同參與實施：需求調研、方案設計、資料模組化、算法定制、資料分析應用、大屏展示、安全體系建構在整體規劃實施中，掌握大資料平台相關雲服務使用與系統運維。
現場教育訓練：研讨會、答疑等方式，對産品使用、部署方式、運維管理、針對業務場景的雲架構及項目中裝置、軟體、技術方面存在的問題研讨，答疑。
集中教育訓練：定期或不定期對關鍵業務人員和技術人員進行集中教育訓練。
五大機場平面廣告：北京、廣州、上海、深圳、杭州
分衆11個城市樓宇廣告：杭州、蘇州、重慶、南京、成都、廣州、深圳、武漢、廈門、上海、北京
本文由雲栖志願小組馬JY整理