雲栖号： https://www.aliyun.com/#module-yedOfott8 第一手的上雲資訊，不同行業精選的上雲企業案例庫，基于衆多成功案例萃取而成的最佳實踐，助力您上雲決策！
對于企業而言，數字化轉型不在于你做了什麼，重要的是你比你的競争對手多做了什麼。
制造業轉型更新的攻堅戰，顯然不隻是「勝」與「負」，更關乎「生」與「死」。
6年前，面對“工業網際網路”這一闖入傳統制造業的全新概念，廠商還在想“做與不做”的問題。
現在，當再面對“工業網際網路”這一被整個産業打碎普及了的概念，面對縮減成本、提質增效的壓力時，更多廠商在想“如何做”。
制造業對工業網際網路的态度轉變，似乎來了一個“大轉彎”。
和對手賽跑，和時間賽跑，也要和偏見賽跑。
在由雷鋒網主辦的全球 AIoT 産業· 智能制造峰會上，智能制造領域核心企業專家、管理者們彙聚一堂，從技術和産業兩個層面對當下的 AIoT 關鍵技術及智能制造産業進行了深度探讨的剖析。
會上，阿裡雲智能副總裁、資料智能總經理曾震宇先生帶來了題為《工業大腦驅動工業智能化更新》的精彩演講。
曾震宇提到，工業制造是目前國際大背景下國家間競争的重要領域，中國是工業大國，人口紅利逐漸見底，挖掘工業制造的紅利亟需被提升日程。阿裡作為一家網際網路企業，深刻認識到資料賦能百行千業的重要性。
阿裡雲智能副總裁、資料智能總經理曾震宇
是以，阿裡提出了“工業大腦”的概念，目的是希望以資料為中心，把工業企業的各種各樣的資料做彙集、分析和計算，運用智能的算法發揮出工業資料的價值，以此提升工業制造的水準。做這件事，阿裡不會單打獨鬥，會和行業領先企業、行業專家合作，形成決策閉環。
阿裡提供的工具是“工業資料中台”，具備領先的算法和算力，将工業場景下的資料重新塑造為企業資産，減少工業成本，提升工業效能。
此外，曾震宇還公布了阿裡工業大腦建構資料中台的方法論、邏輯架構和具體的6大步驟，非常幹貨，并在水泥制造、鋼鐵熱軋、垃圾焚燒這3個案例中對步驟進行詳實拆解。
他強調，5G、AIoT等技術于未來幾年在工業場景下将得到比消費場景下更多的應用，工業行業藏寶圖非常巨大，阿裡将運用綜合技術，挖掘資料價值，為提升我國整體智能制造水準而努力。
以下為曾震宇的現場演講，雷鋒網做了不改變原意的編輯與整理：
各位專家、各位朋友好，我想跟大家分享的是在工業智能制造領域，阿裡雲如何通過資料驅動的方式，幫助工業企業完成智能化更新。
在過去的這些年，大家可以看到，各個國家對于工業智能制造非常重視，把智能制造放到一個重要的戰略位置：美國提出了“工業網際網路”，德國提出了“工業4.0”，而中國提出了“中國制造2025”······
我們國家如果要在下一波的國際競争當中占得頭籌，一定要在智能制造領域搶得先機。
中國在過去幾十年，已經從一個工業弱國發展為現在的工業大國，但是離工業強國還有差距，特别是相距老牌的工業制造國家差距更加明顯。無論是流程制造業，還是離散制造業，咱們都會面臨一些挑戰，比如我們的産能過剩、能耗過大。
随着過去幾十年的發展，我們的人口紅利在逐漸消失，勞動力的成本也逐漸上升，如果想要持續高速發展制造業的水準，僅僅通過增加裝置或者局部改造工藝，不完全行得通。改造裝置的成本其實非常高，而且顯然也會讓國外公司賺走我們的利益。
我們要走一條适合自己國家發展的工業道路
阿裡巴巴作為一家網際網路企業，深刻認識到對于任何一個行業而言，資料可以産生不可估量的作用。對工業也是一樣，因為工業環境裡面蘊藏着大量寶貴的、沉睡的資料。
在工業場景當中，資料種類繁雜，資料量也非常可觀。如果我們能将資料進行充分的打通與彙聚，用資料驅動的方式幫助工業企業提升生産效率，就能找出一條提升智能化水準的新路徑。
是以，阿裡雲提出了“工業大腦”的概念，目的是以資料為中心，把産品生産全流程的資料進行打通彙聚，建構工業資料中台，支撐上層智能算法把資料的價值充分挖掘出來。工業大腦不僅用資料揭示過去，更衍生出各種各樣的智能化的應用，幫助指導生産。
工業的資料種類非常多，針對工業産品生産周期各階段，從最早的采購到産品的設計，到生産過程、工藝過程，再到生産出來後的銷售供應鍊等等，會有非常多的工業資訊化軟體在裡面，包括了MES、ERP、APS等，很多的軟體在行業當中做得非常成熟，在每一個領域中都在發揮其作用。
但是，所有的軟體都隻在自己的環境裡面發揮作用，軟體系統之間資料沒有打通，這是一個大的機會。
除了上述系統以外，産線、工廠等實體設施裝置所産生的資料量也十分可觀。
目前，我們看到大部分的資料，其實是屬于被閑置的狀态，而這些資料蘊藏的潛能和價值其實是極其巨大。
工業大腦的“智”造=資料+算法
剛剛崔院長（雷鋒網注：崔曙光，香港中文大學(深圳)理工學院執行院長、未來智聯網絡研究院院長、深圳市大資料研究院常務副院長、IEEE Fellow）講到了IoT和AloT領域，可以通過資料+模型、算法+模型的方式，去提升智能化的能力。
工業場景也一樣，這些裝置産生大量的資料，可以幫助我們做相應的提升。
除了裝置生産資料以外，周邊還有各種各樣的資料，例如環境類資料、能耗類資料，市場營運資料等，如果我們把工業企業涉及到的各種資料進行充分打通彙聚，構成一個工業企業的資料中台，将能夠對企業的發展、智能化的提升産生巨大的作用。
工業大腦之是以能夠産生那麼大的作用，因為我們基于資料完成了決策閉環。
我們把工業環境中産生的各種資料融入到資料中台之後，上層有引擎，會幫助我們生成相應的用于指導裝置生産的決策。用資料産生決策，決策産生行動，行動再指導資料沉澱下來，形成一個閉環。
工業發展這麼多年，每個行業沉澱了大量的基礎知識，我們的工業大腦和這些沉澱是什麼關系呢？
第一，工業大腦不要是替代工業行業已經做得非常成熟的資訊化軟體，比如ERP、MES。我們要做的是把它們的資料打通彙聚到在一起。
第二，對于工業行業當中沉澱的大量基礎知識、專業知識，我們是外行。我們進入這個行業之中所建的模型，一定要基于行業機理。是以我們需要跟各個細分行業（如鋼鐵、水泥、化工等）當中的專家機理知識相結合，進而構成我們的模型。
我們通過工業資料中台實作資料閉環，将資料與行業知識、行業機理相融合，進而形成相應的決策閉環，最終提升智能制造的水準。
剖析阿裡工業大腦的3個核心能力
為什麼我們認為工業大腦能夠形成這樣的決策閉環、能夠提升智能化的水準？
總結下來有三種能力：資料能力、計算能力和算法能力。
資料能力。工業生産場景當中資料源頭非常多，種類非常多，要把各種生産過程、設計過程産生的結構化的資料、非結構化的資料彙聚在一起，并不是簡單拷貝就行的，真正的打通彙聚要把資料有機地彙聚。
我們以前說過盲人摸象的故事，每一個系統隻有這頭大象的一個側面資訊，如果我需要知道整頭大象，而不是任由碎片資訊離散地堆在那裡，這就需要找到這些側面資訊之間的有機聯系，用它們拼出一頭大象。這也是我們在工業領域要做的——用資料把整個生産過程完整的鍊路拼出來。
怎麼拼出來？需要對生産企業各個鍊條上的資料進行加工和模組化。這是一個複雜的過程，涉及到海量資料處理，是以統稱是資料能力。
算法能力。工業企業裡面涉及到大量資料，特别是是實時類、持續的資料，基本上都是一些裝置設施所産生的資料，這些資料有很強的時效性在裡面。我們要去處理這類資料需要各種各樣的算法，包括一些人工智能相應的機器學習算法以及運籌優化算法。
計算能力。因為工業的資料量相對而言比較大，要實時地“算得動”這些資料、準實時地給裝置相應的指導或控制，就需要強大的計算能力。
工業大腦整體建立在阿裡雲的雲平台之上。我們雲平台提供了相應的資料加工的能力、算法的能力和計算的能力，靠着這三個能力，驅動整個工業大腦幫助工業企業，實作降本、增效、提質、安全等等這些業務目标。
阿裡雲工業資料中台（IData）是什麼物種？
工業大腦的工業資料中台（IData），将來自各個孤立系統裡的資料系統地打通彙聚，再對這些資料進行模組化。就像網際網路行業、電商領域的企業需要對資料進行相應模組化，工業企業也可以對自己的業務資料模組化。
我們用分層的方式做資料模組化，各種源頭的資料先直接進入接入層，到了明細層會再劃分成跟各種生産加工相應的訂單域、原料域等等，再往上會根據業務按供研産銷各個領域進行相應的模組化，所有跟生産全鍊條、整個産品的生命周期相關的所有資料，全都在這個工業的資料中台之上。
我們有各種相應的标簽體系，可以供上層的業務去使用，同時還有一些各種各樣的智能引擎可以跑在上面，這構成了一個工業的資料中台。
資料中台建構好之後，不僅僅隻是一些資料的打通、彙聚，其實對于企業而言，他有巨大的意義，這就相當于把一家企業原本散落在各個地方沒有真正利用起來的資料，變成了一個整體——反映一家企業從源頭到銷售的整個生産鍊條的、實時的生産狀況資料，這些資料是鮮活、實時處理過的、高品質的，成為一家企業非常有效的一種新的資産。
對于工業企業而言，傳統的資産是進口各種各樣的裝置，還有各種各樣的人才。今天，資料可以成為工業企業的一種新的資産，我們以工業大腦、資料中台的方式，構成一個企業新的資料資源。
工業資料中台概念，跟資料倉庫還是有非常大的不同，傳統的資料倉庫各個行業都會有，比如在金融行業，資料倉庫其實已經有幾十年的時間了，資料倉庫的星型模型等等那些曆史非常長了，理念已經非常成熟了。
資料倉庫主要面向的是企業的決策者，還有BI分析師。它的産物是各類BI報表，可以顯示出整個企業的營運狀況、生産狀況、銷售狀況，既可以給這個企業管理者看一個大盤，也可以給BI分析師做洞察分析：産品銷售額下降了是什麼原因、這個月某産品的生産量下降了是什麼原因導緻的。資料倉庫是做這個目的用的，主要面對的是企業決策者和分析師，是面對人。
資料中台的本質不僅僅是資料倉庫，資料中台包含了資料倉庫，資料中台是面向系統的，不僅可以産生報表，更重要的是通過資料中台可以形成決策閉環，在資料中台上層有各種不同的智能化引擎，引擎可以去影響生産。
這個過程是自動的過程，中間可能不需要人的幹預，或者隻需要人很少的幹預，把原本企業的操作人員從重複的操作工作中釋放出來，讓系統以更精準的方式去控制、去提高這個企業的生産能力，這是資料中台跟資料倉庫很重要的差别。
阿裡巴巴做資料中台也一樣。我們有一個非常龐大的資料中台，資料中台産生的作用并不僅僅産生一些報表，不僅僅給我們的CEO看一看雙11的銷售額多少，更重要的目的是我們資料後面有大量的算法，會對不同人員做個性化推薦，也就是我們常說到的千人千面，這些都是算法完成的，背後不需要有人時時刻刻控制。
工業領域是一樣，我們發現資料同樣可以産生作用，可以形成決策的閉環，讓整個企業的生産效率能夠去提升。我們認為工業場景當中資料中台跟資料倉庫有這麼一個非常本質的不同。
六步建構工業資料中台，阿裡的方法論
根據我們過去幾年在工業領域的實踐發現，可以用以下6步實作工業大腦的工業資料中台（IData）搭建。
- 1、資料準入分析。弄清楚我們到底有什麼樣的資料、資料的品質怎麼樣，其實工業企業資料品質并不是都非常高的。
- 2、資料化。讓資料能夠接入進來。
- 3、資料模組化。建構相應的資料模型。這幾步跟傳統的資料倉庫的加工沒有太大的差異，都是要分層、加工、導入等等做這些事情。 後面是資料中台額外做的事情。
- 4&5、知識化和智能化。我們建構專業的知識圖譜，建構工業資料中台之上智能引擎，這些都是相應提供了智能化的能力，有了這些智能化的能力跟它驅動生産。
- 6、用實際效果分析資料價值，并對資料成熟度做再評估。
阿裡雲工業大腦是什麼新物種？曾震宇7000字詳解
資料中台，為工業智能“持續供氧”
工業大腦的工業資料中台（IData）相當于給工業企業創造了一種新的資源，這種資源是可以幫助工業企業産生實實在在的收益。
通過建構一個統一的、協同資料的組織表達，資料中台幫助企業提升決策管理水準。更重要的是，它為企業提供了一個創新平台，以往很多通過功能、機理來控制的方式，今後可以通過工業大腦和工業資料中台（IData）來實作，幫助企業提升效能。
工業資料中台（IData）其實是工業大腦的一個底座，沒有脫離了資料的智能應用。資料就像人腦裡的知識一樣，沒有知識，就不具備深度思考的出發點。是以，工業大腦裡面的資料中台是把工業的資料當成資産，這是一個基礎。
在工業資料中台（IData）之上，我們還有工業的智能“芯”。這個智能“芯”就是各種場景的智能化引擎，包括像能耗分析引擎、工藝優化引擎等等。
引擎之上是工業智能應用。這些智能應用一定是進入到每一個工業實際的場景當中，如水泥、鋼鐵、石化、垃圾焚燒、橡膠等等，每個行業都有自己的業務特點，每個行業都有自己的優化目标，針對不同場景，我們會有不同智能化的應用。
工業大腦是一個開放的引擎，從工業資料中台（IData）到智能“芯”再到智能應用，每一層都是可以不斷擴充的，尤其是是智能“芯”和智能應用層面。
工業大腦本質上是幫助企業提升智能化的能力。希望能夠幫助工業企業做到全局的智能，因為我們相信，把工業企業的全量資料進行充分打通和彙聚以後，可以爆發出巨大潛力。
這個“智能”有三層的概念，從單點智能到局部智能，再到全局智能。全局是工業大腦的未來走向，雖然現在沒有到那個程度，但是我們堅信這是一個可以觸達的方向。
單點智能，是指在局部做優化工作，以化工企業為例，化工企業會有多個循環流化床的鍋爐，為整個生産和企業運轉提供能源，還有一些精餾塔和冷卻塔。對每個裝置做優化，能夠讓他的能耗降到最低，讓熱能的比例升高，這是單點智能。
其實可以對這一組鍋爐可以再做優化，實作鍋爐間的負載均衡。每一個裝置所處的位置不一樣，所提供的能源針對的對象不一樣，不追求每個裝置個體做到最優，而是追求一組鍋爐的整體協同最優，讓能源損耗再降低一點，這是局部的優化。
對于整個企業而言，從前期的采購、到設計、到生産，到後面的供應鍊銷售，整個形成一個大的流程，以往很難對這個大流程做優化。我們把整個資料進行彙聚以後，可以把整個生産的功能做相應的規劃，根據市場的銷售狀況優化每一個生産的環節。真正實作供、研、産、銷、服務全流程的優化，這就是全局優化的狀況。
工業大腦的3個智能化案例
接下來分享工業大腦的智能化案例。
首先是水泥行業。這是一個高能耗的行業，耗電耗煤非常多，我們主要通過資料，對水泥生産回轉窯做能耗降低。什麼樣的生産狀況能耗、煤耗、電耗最低，這個機器不知道，要讓勞工師傅憑經驗做這個事情。
我們可以針對曆史生産資料和能耗優化模型，可以知道在不同狀況之下，什麼樣的參數可以讓裝置能耗最低，并給出對應的的裝置參數推薦，這個參數再給到APC，由APC控制相應的分解爐。這樣一個流程下來，整個回轉爐的能耗大幅降低，一年可以降低數百萬的煤費和電費。
第二是鋼鐵行業的熱軋加熱爐案例。整個鋼鐵生産分鐵前、煉鐵、煉鋼、熱軋和冷軋幾大環節。其中，熱軋環節就是對鋼錠再加熱，軋制變成各種形狀。溫度是一個很重要的參數，如果溫度過高，會讓鋼錠過度氧化，影響産品品質。以往都是人工在控制溫度。工業大腦通過判斷曆史資料，找到在什麼時候、在何種工作狀态下、應該使用什麼溫度，來保證溫度剛好合适，不産生氧化。這樣就能提升整個加熱爐的效力，把能耗降低下來。
第三是垃圾焚燒的案例。現在國内很多的城市都在講生活垃圾要分類，一部分生活垃圾會進入發電廠，處理之後進行焚燒，産生蒸汽，蒸汽産生電能，變成我們日常用的電。
生活垃圾原材料是很不穩定的，垃圾燃燒操作的過程就非常依賴操作工的判斷，憑借他們多年的經驗去判斷要推多少料、送多少風，勞工經驗參差不齊，就會導緻焚燒效果不穩定不可控。工業大腦通過模組化的方式幫助垃圾焚燒廠用AI來輔助整個焚燒過程控制，讓蒸汽的穩定性提升，減少裝置損耗，這些都能帶來實際的經濟效益。AI的輔助也讓勞工操作負荷減小，也讓勞工的操作負荷變小，過去操作員4小時内需要操作30次，現在隻需要在收到提醒後對比參數數值，最多幹預系統6次即可。
我們認為對工業來說，通過資料智能的方式，産生的行業價值是非常可觀的。比如說水泥行業，在平均能耗條件下，工業大腦可以幫助一條水泥的生産線每年節省300萬能耗成本。中國有1700-1800條水泥生産線，如果我們能夠把每條線都做相應的優化，估算下來全國水泥生産線的能耗每年可以降低50億元，而這背後僅僅是每條産線1%左右的能耗優化。
而水泥行業隻是中國非常龐大的工業領域中的一個分支，每個行業都有很多類似的機會和提優空間。如果把每個機會都當成一顆寶藏，整個行業的寶藏圖就會非常巨大。我們隻有繼續走下去，才會發現我們有越來越多的機會，能夠給行業創造越來越多的價值。
工業行業寶藏圖非常巨大，阿裡走共建思路
工業大腦是離不開合作夥伴的。
阿裡巴巴是一家網際網路的行業，我們對算法和資料更熟悉。而在工業領域，我們自認為是一個國小生，是一個外行。工業大腦離不開在行業中耕耘多年的專家和夥伴，他們對行業機理知識了解很多，隻有并肩合作，才能真正服務好各個行業。
很多合作夥伴發現，這其實是一種強強聯手，雙方各自發揮所長，共同去挖掘寶藏，是以大家的信心非常足。我們目标也是要攜手更多的合作夥伴，共同喚醒工業資料的價值，推動工業智能化更新。
剛剛崔院長介紹了AloT這一系列的技術，AIoT的技術在工業場景當中運用的潛力巨大，而且5G在未來幾年，可能對于我們消費者而言影響并不是那麼大，但是對于工業企業、對于生産型企業而言，産生的影響是極其深遠的，這是一個正面的積極的影響。
5G技術、IoT技術，在工業場景運用得越多，就意味着我們在工業場景能夠擷取的鮮活而真實的資料越多，能夠幫助工業大腦建構更精準的模型，進而幫助企業收獲更具價值的資料資産，提升工業企業的資料化的智能制造水準，最終提升中國整體的智能制造化的水準。
謝謝大家！
原文釋出時間：2019-12-09
本文作者：王剛
本文來自雲栖社群合作夥伴“
雷鋒網”，了解相關資訊可以關注“
”