北京大学工业工程系主任侍乐媛：工业大数据支撑企业智能决策

5月5日，“2017中国工业大数据大会·钱塘峰会”在杭州国际博览中心举办。本届峰会以“数据驱动创新 融合引领变革”为主题，围绕工业大数据展开分享与交流。北京大学工业工程系主任、美国威斯康辛大学（麦迪逊）终身教授侍乐媛，以“工业大数据支撑企业智能决策“为题探讨了自己的看法。

以下为嘉宾演讲实录：

非常感谢有这样的机会在这个峰会上和大家分享一下我这些年的研究和应用的体会。做得正好和制造业大数据紧密相关。

大家都讲大数据，各个行业都讲大数据，还有电子商务、政府资源，（PPT图示）这是一张比较权威关于大数据在各个行业的分布比例，希望大家看一下。在制造业的大数据最多，至少是全世界公认的，每个行业都讲自己有很多数据，但这是整体的数据连通，好像有很多数据，但制造业在这个方向上最多。所以，总体来说，制造业的大数据远超其他行业，制造业是大数据的重要部分，当然还有其他方向。

为什么刚才几位领导和专家都说在工业大数据中，相比to C，我们的应用真的还没有开始，或者刚刚开始我想和大家讲一下现状，分析一下原因，再讲进行业应用的体会。

一、制造业大数据目前应用状况

制造业有很多纵向的数据采集，比如说在某个设备上放过传感器，可以租给某个客户，不一定卖给他。这时候确实有很多数据，但大家想过同样一批发动机出厂，在同样的环境下，有的先坏，有的后坏，因为有的运行比较快，就像人一样。但每个产品都有自己的DNA，它有一系列的东西使它成为今天的产品，而现在的工业应用只有纵向，就是说设备在应用，如果有传感器，可以把数据采集出来。在发展过程中，有没有由于反复加工，由于质量问题，由于组装重新拆了，由于各种各样的问题，使它在某个部件上更容易坏，就是要把数据全部连起来。现在不管是哪家公司，都没有人做到。

所以，为什么会这么困难呢？为什么大数据在工业应用当中那么困难？联通、京东都在讲大数据。我想和大家分享一下我们的认识、研究和应用，以及我然为的工业的发展前景。

（PPT图示）因为我经常在企业和现场。如果飞机上需要某一个铸管，这就是高温的加热过程中，由于各种原因无法技术实时跟踪，所以大数据不知道怎么跟踪它，这是制造现场很常见的问题。今天是919试飞的时刻，非常激动人心的时刻。一个高端产品，经过大量的研发，前期的研发投资数以万计的资源，但最终要经过生产过程，然后交给运维。所以，整个链条非常复杂。刚才说的大数据的所有应用，在工业数据当中，设计、生产、运维是在纵向发展。因为我在这方面做了特别多的工作。在制造端有很多断层，可以和大家讲一下。

最近我和中国航天集团有很多合作。首先，要看到制造业大数据的特点，联通也好，京东配送八也好，所有数据相对工业大数据来说非常简单。比如说一个京东的货打包以后送出去，是非常简单的数据链。到哪里就可以扫描一下，现在下订单了，到最后要交付，整个过程非常复杂。用一句话解释，是动态复杂的拆分合并。一个钢条要切成不同的小钢条，钢条要切铣打磨，所以拆分合并就很难跟踪。所以全世界的高端离散装备制造业，到现在都很难把数据串起来。这就是为什么尽管工业大数据是最大的，而且是一座金山，现在很少有人挖掘，只挖掘了很少一部分的根本原因就是复杂性。

人去医院看病，人是唯一的，很容易跟踪。这种动态拆分，不断检测和服务的特性，使得工业大数据的收集就是很困难的事情，且不说要收集到人。工业业大数据有这样的特点，为什么那么困难。给大家举个例子，因为我在天天在现场跑。所有的飞机有脉动线，波音也是这样。一个大飞机有五个大分厂，比如说一个大型结构件有五个车间，真正到每个车间做一些什么样的事情？就是这样的东西，有全世界最好的信息化信息系统，但车间调度是早就准备好的表。所有的脉动线就是按照这个节拍往下走，但实际上有各种各样的问题，有材料问题，有性能问题，有结构问题，不可能100%按照计划的办法走。现在波音的办法就是不断的加班，如果是假期三倍工资，如果是晚上两倍工资，造价非常高。在信息技术这么发达的情况下，在波音这么高科技的企业，这就是断层，这是现状。把工业大数据连起来就非常困难！

（PPT图示）这也是一家大规模定制企业，要的东西必须要定制，比如说豪宅，冰箱就这么宽，门就要这么高，现场就是一张条，每个部件完成就划掉一条，这是非常先进的企业了。这都是离散制造业，流程行业肯定比这好很多了。

（PPT图示）这是一个造纸的企业。有几个子系统，首先是纸浆机，放到两个房子一样大的桶里搅拌，然后放到一个临时的仓库里，就是加湿，再到后续。有卷纸机和打包机，完全自动化，车间里看不到人，所有人都在操作室。但有个问题纸浆机在加工的时候，由于各种各样的原因，可能由于使的A类纸质量不过关降为B类纸，而后面的卷纸机早就根据生产计划卷好了，要实时把前面的东西变成下面的产品，要把生产线换了，现在都做不到。对路钢水要变成下一个步骤，都不行。这个企业告诉我们每年损失产能15%左右，我们可以把它提高5%左右，当然还有空间。这种大数据在制造业的断层到处都是。

再多很多企业用了很长时间的ERP，也用了MES，用了ERP和MES，也比较完全解决数据关联起来的作用，就是刚才说的车间现场，到处都是断层。这会带来什么问题呢？看起来是平面，下面很多节点上都是断的，要做决策的地方都是靠拍脑门。举个简单的例子，如果项目人员有项目订单，发动机或者电机，卖多少钱，没有人能讲出实际的成本，基本上是拍脑袋。他们的订单成本是按卖去年多少吨铜来计算成本，非常粗放。任何一个订单如何评估成本，基本上无法评估。所以，制造业的断层到处都是。也就是为什么工业大数据应用不如to C，不如电子商务，因为电子商务相对工业而言相对简单。

讲到大数据就要讲智能制造，刚才院士也说了，这是从不同的角度看。智能制造一般有三个方面的目标：一是管理，要柔性化，要灵活；设施要有各种价值链集成；产品要生产，如何生产产品不是不的强项。

看看历史，在每个工业发展的过程中或者以后都带来了管理技术发展，使这个国家成为了强国。在一百多年前，泰勒也好或者福特生产线，第一次工业革命以后就产生了福特生产线和泰勒管理思想，使当时美国的汽车工人是全世界最高，这是管理的1.0技术。第二次工业革命之后，派两个美国人到日本帮助生产，日本的丰田管理技术大行其道，这时候是管理技术的2.0，日本就站在了制造强国的列队里。后来随着电子芯片、计算机的发展，我们有了各种各样的信息系统，包括BPM、ERP各种各样的系统，就是把以前的手工单替换了，使管理效能大大提升，这是管理技术3.0；管理技术的4.0在哪里，现在我们都在寻找工业管理技术的4.0，如果我们抓住这个机器，我们一定能成为制造强国。

总结刚才说的1.0到3.0，大规模生产都没有问题，但工业管理的4.0是要解决大规模的定制问题。我在美国很多年，十几年前，还没有工业4.0的说法，我们就开始研究如何做大规模的定制。因为今天时间有限，只能提一下，我们也有一些成果。

管理4.0技术是坤特智能数字系统，有制造执行优化系统，还有动态MCT技术是数字供应链，还有维修行业，目前我们正在上海卫星、长征火箭、神州飞船等正在开展合作。但今年3月份我们完成了一个很好的合作，这是在美国，希望我们国家更加积极。（PPT图示）这是一个石油设备在全世界都分布。我们帮他打通了制造连，使订单生产周期缩短，产能提升，订单交付预期提升，尤其是减少现场管理人员。去年我到一家我国特别有名的一家企业，由一条非常好的生产线，有9个调度，我说一个就够了。但越分割管理限度越容易造成壁垒，造成了很多浪费。我认为在新一轮大数据环境下，在这方面把数据打通，尤其是制造到运维，到设计是必然趋势。

（PPT图示）这也是一个运维方面的案例，这个案例在北京机场附近是关于飞机轮毂维修的工作。具体怎么应用和实施就不讲了，我们有这样的基础，使数据有效的采集，解决了生产现场的产能问题和可靠性问题。

工业大数据应用会给企业提高竞争力，但我希望讲的是制造企业需要在经纬纵横，不是某个设备，不是物联网联网，它有很多软件和硬件结合在一起。就像地球一样，只往纵深可以走得不错，但横着走可以走到世界的各个角落，制造业需要经纬纵横的数据采集能力，才能实现实时、动态、优化，这样才能从制造大国走向制造强国。谢谢大家！