江苏龙网

  1. 首页 > 社会 > >

我们总喊着追德国瑞士制造( 三 )

我们总喊着追德国瑞士制造
实际上 ， 周涛教授在一线的大量调研中发现 ， 「质量差」与「无用论」其实应该有多种理解方式 。第一层意思 ， 指的是「零碎 ， 信息孤立且容易缺失」 。「很多工厂其实规模也不小 ， 在数据方面的投入也不小 ， 但他们的生产线设备参数有些采集了 ， 有些却没采集 ， 而采集的数据中又有很多没用的信息 ， 互相之间也没有建立起联系 。譬如一条生产线的振动数据 ， 传感器老旧 ， 或者数据之间容易产生干扰 ， 都会严重影响数据的完整性与质量 。 」他认为 ， 这种情况普遍存在于中低端工厂 ， 只有少数高端企业 ， 才很真正实现了所谓的数字工厂 。「比如说像富士康 ， 京东方 ， 天马 ， 商飞 ， 上汽等大型企业 ， 他们的产线 ， 尤其是最新建的一些工厂 ， 整个管理以及加工流程都打通了 ， 而且产生的多维数据（像声音、噪音、温度、湿度、扭矩力以及压力等等）都有分类记录并且保存完好 ， 质量很高 。 」第二层含义 ， 可以指应用场景的缺失 。换句话说 ， 很多数据存在那里 ， 但却始终找不到自己的用武之地 。「在采集数据的过程中 ， 虽然大家觉得这些数据是重要的资产 ， 但是都没想明白能用在什么地方 。所以很多工厂最终采集上来的数据只是储被存起来或者用来做一些简单分析 ， 并没有产生真实应用 。因此 ， 你不能斩钉截铁地说某些数据没有价值 ， 因为这完全是由应用场景来反向决定的 。 」以目前大数据分析在工业场景中应用最火热的项目——「刀具质量管理」为例 ， 对于生产线上直径在一毫米以上的大刀 ， 要想实时监测刀的磨损情况 ， 及时发现断刀崩刃等问题 ， 其实仅需采集「电流」这一项数据 ， 就足以判断 。「这个数据的采集方案其实很简单 ， 就是通过一个霍尔电流传感器 ， 卡在主轴的电线上 ， 通过霍尔效应测量电流 ， 精度很高 。但刀具的操作过程有没有其他数据产生？有很多 。包括震动、声音、压力等等 ， 但在这个特定场景中用处没有那么大 。所以说 ， 如果你知道这个应用场景 ， 知道需要解决什么样的问题 ， 那么你再反过来 ， 就能比较清楚的梳理哪些数据是有价值的 。 」但读到这里 ， 你以为刀具是一个可以利用简单数据就能进行质量监控和管理的项目 ， 那么你可能对这些工程师的工作难度有太大的误解 。刀具生产其实有一个核心问题 ， 就是非标化十分严重 。虽然从表面上看都是处理一块钢片或铁片的问题 ， 但实际上常见的刀就有几千上万种 ， 不同的刀在不同的生产加工环境中 ， 所用的数据模型是完全不一样的 ， 因此依赖的数据也就不一样 。对于比较简单的问题（譬如刚才讲的大刀） ， 在标准化的数控基础上 ， 用电流数据就可以操作 。但是解决很多刀具的特定问题还需用到扭距力、震动等多维度数据 ， 有时候还要在刀座上加高速摄像头 。因此从数据采集再到形成算法模型 ， 难度都很大 。我们总喊着追德国瑞士制造
针对如何建立起更为符合特定场景的数据模型 ， 周涛教授用金融领域的一个经典概念对建立数据模型的难度做了更为深入的类比：「我们都知道股灾的发生 ， 或者说黑色星期五的到来并不是一蹴而就的 。 很多时候通过股价的波动建立模型就可以进行风险预测 。目前 ， 在预测和分析股票市场的收益研究上 ， 已经设立了围绕均值（一节距）与方差（二阶矩）来反映投资风险的经典分析框架 。但基于低节距的分析模型很难完整描绘市场风险水平 ， 因此 ， 上世纪 70 年代以后将高阶矩序列信息融入分析模型成为了一种趋势 。 」而这套理论也同样可以应用在工业建模中 。「高阶矩比低节距对股价的波动更为敏感 ， 就像你从一个一维的序列面上很难预测刀具的一些重大问题 ， 因为这些问题不会表现在均值上 。因此我们需要建立一个多维的高阶模型 ， 让其对刀具生产过程发生变化的敏感度达到最高 ， 才能更高效地找出各种异常 。 」我们总喊着追德国瑞士制造
总的来说 ， 摆在你面前的数据 ， 就像摆在你面前五花八门的食材 ， 鸡鸭鱼肉一应俱全 。如果让一个大厨看到 ， 可能会做出一道很好的菜；但对于普通人来说 ， 脑子可能会变成一片浆糊 ， 不知道怎么去用这些好东西 。最后 ， 我们只能把锅甩给数据 。「实际上在当下的整个大数据应用领域 ， 数据这项资产主要表现为『成本』 。很多工厂花一百块买了各种软硬件采集了数据 ， 产生的价值却不到 50 块钱 。 而且这不限于工业制造什么教育医疗金融 ， 绝大部分数据都是你花了钱 ， 但是没有产生价值 。而如何让这些资产在未来产生该有的价值 ， 就得靠技术公司去解决了 。 」3 人类不可缺少「节省人力成本」 ， 是一个大众与部分专家眼中工业智能化趋势带来的切实好处之一 。但实际上 ， 这个说法与现实有一定出入 。一方面 ， 国内的精密仪器制造行业 ， 非常缺乏有经验的老师傅以及专业技师 。 与此同时 ， 高新技术产业的很多工序也属于劳动密集型产业 ， 也面临「招工难」的窘境 。另一方面 ， 很多大型制造企业都肩负着「保障就业」的重任 ， 做出「用机器替换人力」的每一步决定都需要经过深思熟虑 。


推荐阅读


上一篇：合肥学院回应更名“合肥大学”

下一篇：绿茶·友