很久前读过一个故事，大概讲的是：
20世纪初福特公司一台电机出现故障，很多工程师都修不好，于是聘请德国专家斯坦门茨来维修。斯坦门茨在电机旁边观察边敲打，然后用粉笔在电机外壳画了一条线：“打开电机，在记号处把里面的线圈减少16圈。”福特工程师半信半疑地将线圈减少，结果电机真的好了。
这次电机维修斯坦门茨收取了1万美元酬金，他还特地列了一张费用说明：“用粉笔画一条线1美元，知道在哪里画这条线9999美元。”
当时，这个故事被贴上“知识就是财富”的标签，其实放在今天的工业企业场景中，这是一个“专家经验发挥价值”的典型。
■经验主义与数据价值的博弈
在工业经济时代，经验主义一度发挥着不可替代的价值。
不夸张地说，当代制造业基本都走过一段经验主义道路，靠习惯和工作经验来管理企业，靠老师傅在一线车间的经验传帮带徒弟。
图1.20世纪工业经济时代的生产车间
但不得不说，工业经济时代企业内外部环境相对稳定，挖出多少铁矿石就一定能生产出多少铁或钢材，相对简单的干扰条件，经验主义几乎可以准确地预测和分析结果。而现在，市场的瞬息万变、技术的飞速发展、工业设备的升级换代，专家的经验主义是否还能上演“斯坦门茨”般的神奇？
也许并不能。
现今的制造企业，是一个由数据充斥的商业综合体，其数据有很多种。简单列举就包括数据采集、数据存储与备份、数据安全、数据建模与可视化、数据分析与预测等过程数据；涉及的数据类型包括静态数据和动态数据，也可以分为实时数据和非实时数据，还可以分为结构化数据、半结构化数据和非结构化数据，来源包括企业的信息系统、设备、传感器、供应链以及社交网络。
如何从这些种类繁多的数据中挖掘价值？如何让企业从依靠经验主义过度到数据价值洞察阶段？这既是一个相互博弈的过程，也是一个不断探索和实践的过程。
■制造业与互联网的鸿沟
在经验主义和数据价值博弈此消彼长的过程中，互联网技术发挥着巨大的使能作用。但客观来讲，制造业和互联网之间的鸿沟比大家想象得要大。
笔者曾经参观过很多制造企业，不管是总装线上舞动着机器人手臂的汽车主机厂，或是焊接车间电光火石般的重型装备企业，抑或是需要更换防尘防静电服才能进入的电子企业，还是正在流水线上发酵或装罐的酿酒企业，大多数伴随着轰鸣的机器声、或多或少呛鼻的味道。
当这些企业将某一单点应用作为样板呈现在同行企业面前时，支撑其业务运行的工艺流程、IT系统或是生产线往往被声声称道，因为还有更多企业没有达到这样的水平。
但如果做个横向对比的话，随便一个IT公司的实验室、或是互联网企业的创新中心，都比以重资产著称的制造企业车间高大上得多，其信息化应用也要成熟得多。
所以，当云计算、大数据、人工智能这些概念铺天盖地袭来的时候，仍然需要对中国制造业的发展现状保持着理性认识：因为还有很多企业MRP都跑不起来，还有很多企业连物料和图纸以及其他技术资料的关联性都做不好，还有很多企业必须依靠手工变更BOM信息。
事实是，制造业与互联网的融合并没有想象简单，制造业长期固化和累积的习惯、经验、模式，在互联网强调灵活和快速迭代的特性面前，存在着不只是技术就可以逾越的鸿沟。
图2.国务院印发《关于深化“互联网+先进制造业”发展工业互联网的指导意见》
这也是中国政府大力推动“中国制造2025”战略、2016年出台《关于深化制造业与互联网融合发展的指导意见》、2017年签署发布《关于深化“互联网+先进制造业”发展工业互联网的指导意见》的原因。
鸿沟虽在，跨越在即。
■天合光能与阿里云的结缘
过去三年时间，工信部一共遴选确定了206个智能制造试点示范项目，其中工业互联网创新应用项目28个，为跨越制造业与互联网的鸿沟竖立风向标。
图3.天合光能常州总部基地
直到走进天合光能这家年营业额270亿人民币的传统制造企业，参观其生产光伏组件的车间电子看板上实时呈现的运行数据，直到天合光能智能制造负责人告诉笔者7%的A品良率提升，才真正领会到“经验主义”和“数据价值”的融合可以带来如此大的效益。
天合光能是全球最大的光伏组件供应商，截至2016年，天合光能组件累积发货量超过23GW，全球排名第一，位列“全球新能源企业500强”第19名。
作为天合光能的主要产品，光伏组件的A品率直接关乎着企业利润率（以光电转化率为标准，其中电池片转化率在18.8%以上的为A品）。如何提升生产制造过程中的A品率，成为横亘在天合光能发展进程中的拦路虎。
一方面，天合光能在技术研发方面已经尽可能做到极致，专门成立了光伏科学与技术国家重点实验室，先后16次刷新了光伏电池和组件的转换效率、输出功率等世界纪录；另一方面，天合光能不断深化ERP、MES等系统应用，提升信息化管理规范和水平，向管理要效能。
图4.天合光能电池车间的ET工业大脑电子看板
在天合光能智能制造负责人徐连荣看来，当企业信息化发展到一定阶段，就是向数据要价值的时候。因为ERP/MES等系统是记录和规范数据，而工业互联网平台侧重分析和挖掘数据。二者相辅相成，对企业来说可以实现互补。
天合光能是如何在ERP/MES等系统基础上，向数据要价值的呢？
通常情况下，一片光伏电池的生产需要6大工艺：表面制绒、扩散制结、腐蚀清洗、镀膜、丝网印刷、测试分选等，每一道工艺都对应着复杂的物理、化学反应，譬如丝网间距、室内气温、下压压力、丝网间隙、风机转速、酸碱度……每一个参数都会影响着电池片的成型。
天合光能首先选择4条光伏电池生产线作为试点，将车间设备进行了升级改造，在产线上增加了数百个传感器，对密度、风压、风速、距离、浓度、质量等参数进行采集，并将海量数据输入阿里云的工业互联网平台——ET工业大脑，随后通过人工智能算法，对所有关键数据进行深度学习分析，构建大数据模型，精准分析出与生产质量最相关的关键参数。
项目开始，阿里云派驻十余名数据科学家研究光伏电池的业务流程和制作工艺，结合专家经验构建出数据分析模型；项目中，数据科学家与天合光能的专家团队一起对工艺参数进行调整、优化，甚至对多维参数组进行调优，找到正相关的影响因素，逐渐调整算法模型。
随着项目的推进，天合光能最终在丝网印刷环节捕获到了关键因子。丝网印刷是制作光伏电池电极最普遍的生产工艺，在前序环节后，电池片已经可以在光照下产生电流，为了将电流导出，就需要通过丝网印刷在电池表面制作正负两极。
传统的人工经验可以发现两个单独因子之间的关联，而通过阿里云工业互联网平台实时、快速的分析计算，则可以挖掘出五个甚至更多因子之间的关联，远远超出了人力所及。
2017年7月，阿里云正式入驻天合光能；10月，经过算法的不断优化，对生产工艺参数的调整，天合光能试点车间的A品比例提升了5个百分点；12月，试点车间的A品比例从原来的40%提升到了47.3%，提升了7个百分点。
这是传统专家经验或简单产线改造无法实现的提升。
徐连荣透露，在目前试点的几条产线上，光伏电池A品率的提升带来的收入增加估计超过2000万，下一步将在全部产线上推广，预计每年可提高利润数千万。
同时徐连荣还特别强调，制造企业千万不要一听到“大数据”三个字就抗拒，甚至被吓到。对于新兴技术可以采取小步快跑的方式，先找一个试点验证一下，取得效果和良性循环后再横向扩展。
■最佳实践和数据价值的转化
从天合光能出来，还有一个问题疑惑不解：数据之于天合光能的价值，是否可以快速转化和复制到其他企业、甚至是其他行业？
笔者专门请教了阿里巴巴集团副总裁刘松。
除了在阿里担任的职位，很少有人知道刘松另一个身份——工信部工业互联网产业联盟副理事长。所以当刘松概述起我国工业互联网产业发展现状和机遇时，他对数据的价值尤为看重。
在刘松看来，不同企业对数据价值的挖掘，肯定是不一样的，但仍然可以找出其中的共通之处。他形象地比喻：就如同医生看病，每个病人进医院都会进行各项基础检查，量体温、量血压甚至验血、拍X光等，初步判断出病症后再做进一步确诊。给不同的企业挖掘数据价值同样如此，尽管每个企业的行业特点、业务流程、工艺类型都不一样，但最基本的方法论是一致的。
以中策橡胶为例，轮胎生产中的主要原材料是橡胶，中策橡胶每天从全球采购千吨量级的橡胶块，将橡胶块合成混炼胶最终进入生产线。不同胶源产地、加工厂、批次等数千个复杂因子都会影响橡胶块质量，这些因子的相亲相斥也直接影响了是否能合成优质混炼胶。
和以往更依托经验的质检方式不同，阿里云通过人工智能算法，能在短时间内处理分析每一块橡胶的出身，匹配最优的合成方案，极大地稳定了混炼胶性能，大大降低在加工环节的成本投入。有数据统计，阿里云已帮助中策橡胶提升混炼胶平均合格率3%-5%。
而这一目标的达成只用了28天，这得益于阿里云此前在一个毫不相关行业企业的积累——协鑫光伏。
在协鑫光伏切片的生产过程中，有数千个生产参数会影响到切片良品率，例如上部砂浆温度、下部砂浆温度、上部导轮温度、下部导轮温度等等，任何一个变量的细微变化都会直接影响到生产结果。通过阿里云的大数据分析算法，就可以对协鑫生产过程中采集到的全部变量进行分析，找出与良品率最为相关的关键变量。
从协鑫光伏到中策橡胶，再到天合光能，其实还有液晶屏、芯片、能源、化工等多个工业垂直行业，都已经享受到了阿里云工业互联网平台带来的数据价值。
刘松说，从技术层面来看，只要我们找到跨行业的最小抽象，就可以将原本复杂的事情变得简单，这是用数据赋能制造业的精髓，只要找准了发力点，哪怕是1%的效率提升，也会给制造业乃至整个社会带来可观的价值。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
本文标题：用数据赋能制造业，看天合光能是如何做的？
相关文章
