江苏龙网

  1. 首页 > 人文 > >

院士说 | 杨华勇：数据应从制造业中来，也应该回到制造业中去( 三 )


地面支持经常是半夜出现问题 ， 该出的都出事了 。 如何智能做事 ， 我们和两家央企中国龙头企业和世界龙头企业做这个事 。
举个例子就是设备的分类 ， 掘进延时的分类 ， 现在岩土力学可以分 ， 现在是根据图像对岩土进行分类 。
分类以后关键是控制岩土分类的大小 ， 下来石块的大小 ， 太大了会把传输系统的皮带损坏 ， 太小了的话 ， 主要的能量都用于碎石了 。
现在煤矿业也有这个问题 ， 下面采矿 ， 皮带机出来也是石头大小 ， 目前是靠工人拿根棍子 ， 大了把它捅下来 ， 是不舒服的工作岗位 。
现在可以通过图像、数据和工具进行筛选下来 。 这个案例就是以数据图像判断石块下来的尺寸 ， 可以提高掘进机的效率和设备的寿命 。
案例4：智能汽车涡轮增压器叶轮瑕疵识别 。
叶轮是很大的问题 ， 不管是航空发动机还是汽车都是这样的问题 ， 现有的各种缺陷是靠质检员巡检 ， 质检员永远存在漏检的问题 ， 所以能不能把这些制造的缺陷、产品的缺陷建立数据库 ， 建立数据库以后 ， 对叶片层有哪些划伤 ， 把计算和算法收集起来 ， 进行提炼 ， 知道哪些要召回、哪些要做改进 。
院士说 | 杨华勇：数据应从制造业中来，也应该回到制造业中去文章插图
我们不影响整条生产线 ， 搭建一个检控站 ， 通过机械手对产品进行全方位的检测 ， 把各种划伤、瑕疵通过凸现、模型做训练 ， 精准率可以做到85% ， 召回率提高 ， 平均度也会提高 ， 而且简单易行 。
大幅度降低了对人工的依赖 ， 而且降低了成本 。 准确性可以逐渐迭代上升 ， 现在可以做到90% 。
案例5：生产监控分析 。
还有一个案例就是在萧山做兆丰机电 。 兆丰也是全省智能制造示范点 ， 最早机器换人加了很多机械手 ， 逐渐降低人工 ， 现在数据大量起来 ， 数据如何整合 ， 他们提出了紧迫的需求就是建工厂的大脑 ， 要把现在的生产数据、设计的数据、用户数据全部打通 ， 运作起来 。
院士说 | 杨华勇：数据应从制造业中来，也应该回到制造业中去文章插图
这个行业最主要是生产节拍的问题 ， 轴承材料中磨削占了很大的时间 ， 以前都是靠人员来做 ， 实际上它有很多可以改善的地方 。 只有把东西打开才知道哪些方面可以提高 。
因为这个行业的生产节拍做到20秒就很好了 ， 再降低1秒都非常困难 ， 现在用数据来做 。
原来是18秒 ， 现在可以做到15秒 ， 交货期缩短7天 ， 质量上升 ， 能耗降低 ， 所以很明显劳动生产率现在是行业最高 ， 人均从85万到280万 ， “身体”好了就开始抢其他的地盘 ， 原来主要是汽车 ， 现在到其他市场 ， 也开始做航空轴承 。 所以智能制造的改变 ， 这家企业尝到了甜头 。
03 / 商飞大飞机制造工程大脑
说到制造不得不说航空 ， 柯老师带了4个教授、不到20个博士生、不到30个工程师 ， 过去八年交了13亿以上的数字化装配生产线 ， 覆盖了航空全行业 。 现在商飞下有个制造商叫上飞 ， 在浦东 ， C919还在做试航 ， 但量产以后 ， 数据的问题很大 。
所以它提出要求 ， 航空业的数据很多 ， 也在不停的做数据优化 ， 但很难全局优化 ， 都是局部 。
现在有机加车间和部装车间 ， 现在新加的是复合材料车间 ， 就是一群人在查缺陷 。 前面说的虎符、算盘能不能打通考虑 ， 也就是做虚拟工厂 。 现在速度要快 ， 5G进去 ， 所以现在去上飞参观全部是华为的5G 。
举一个例子说明挑战有多大 ， 飞机的装配有6000个节点 ， 它叫OA ， 每个节点设计30道工序 ， 每个工序一出问题引起连锁反应 ， 所以要搞清楚这之间的关系 ， 原来做计划就是工艺员 ， 有几十上百个工艺员 ， 做很多计划 。
但执行的准确率很低 ， 做到极限是60% ， 现在数据打通以后 ， 才不到3个月 ， 开始共享来做 ， 提高很明显 。 就是把这些关系找出来 ， 把资源的约束、人力、算法打通联系在一起 ， 可以随时调用数据 ， 可以看到任何场景 。 计划的执行率提高了20% ， 相信随着AR件的量产以及C919上来 ， 执行率和准确率还可以大幅度提高 。


推荐阅读


上一篇：低代码应用搭建平台测评——雀书

下一篇：戴尔游匣G7，究竟是不是外星人的游戏本？