對于企業(yè)而言，數(shù)字化轉(zhuǎn)型不在于你做了什么，重要的是你比你的競爭對手多做了什么。

制造業(yè)轉(zhuǎn)型升級的攻堅(jiān)戰(zhàn)，顯然不只是「勝」與「負(fù)」，更關(guān)乎「生」與「死」。

6年前，面對“工業(yè)互聯(lián)網(wǎng)”這一闖入傳統(tǒng)制造業(yè)的全新概念，廠商還在想“做與不做”的問題。

現(xiàn)在，當(dāng)再面對“工業(yè)互聯(lián)網(wǎng)”這一被整個(gè)產(chǎn)業(yè)打碎普及了的概念，面對縮減成本、提質(zhì)增效的壓力時(shí)，更多廠商在想“如何做”。

制造業(yè)對工業(yè)互聯(lián)網(wǎng)的態(tài)度轉(zhuǎn)變，似乎來了一個(gè)“大轉(zhuǎn)彎”。

和對手賽跑，和時(shí)間賽跑，也要和偏見賽跑。

在由雷鋒網(wǎng)主辦的全球 AIoT 產(chǎn)業(yè)· 智能制造峰會(huì)上，智能制造領(lǐng)域核心企業(yè)專家、管理者們匯聚一堂，從技術(shù)和產(chǎn)業(yè)兩個(gè)層面對當(dāng)下的 AIoT 關(guān)鍵技術(shù)及智能制造產(chǎn)業(yè)進(jìn)行了深度探討的剖析。

會(huì)上，阿里云智能副總裁、數(shù)據(jù)智能總經(jīng)理曾震宇先生帶來了題為《工業(yè)大腦驅(qū)動(dòng)工業(yè)智能化升級》的精彩演講。 

曾震宇提到，工業(yè)制造是當(dāng)前國際大背景下國家間競爭的重要領(lǐng)域，中國是工業(yè)大國，人口紅利逐漸見底，挖掘工業(yè)制造的紅利亟需被提升日程。阿里作為一家互聯(lián)網(wǎng)企業(yè)，深刻認(rèn)識(shí)到數(shù)據(jù)賦能百行千業(yè)的重要性。 

阿里云智能副總裁、數(shù)據(jù)智能總經(jīng)理曾震宇

所以，阿里提出了“工業(yè)大腦”的概念，目的是希望以數(shù)據(jù)為中心，把工業(yè)企業(yè)的各種各樣的數(shù)據(jù)做匯集、分析和計(jì)算，運(yùn)用智能的算法發(fā)揮出工業(yè)數(shù)據(jù)的價(jià)值，以此提升工業(yè)制造的水平。做這件事，阿里不會(huì)單打獨(dú)斗，會(huì)和行業(yè)領(lǐng)先企業(yè)、行業(yè)專家合作，形成決策閉環(huán)。 

阿里提供的工具是“工業(yè)數(shù)據(jù)中臺(tái)”，具備領(lǐng)先的算法和算力，將工業(yè)場景下的數(shù)據(jù)重新塑造為企業(yè)資產(chǎn)，減少工業(yè)成本，提升工業(yè)效能。 

此外，曾震宇還公布了阿里工業(yè)大腦構(gòu)建數(shù)據(jù)中臺(tái)的方法論、邏輯框架和具體的6大步驟，非常干貨，并在水泥制造、鋼鐵熱軋、垃圾焚燒這3個(gè)案例中對步驟進(jìn)行詳實(shí)拆解。

他強(qiáng)調(diào)，5G、AIoT等技術(shù)于未來幾年在工業(yè)場景下將得到比消費(fèi)場景下更多的應(yīng)用，工業(yè)行業(yè)藏寶圖非常巨大，阿里將運(yùn)用綜合技術(shù)，挖掘數(shù)據(jù)價(jià)值，為提升我國整體智能制造水平而努力。 

以下為曾震宇的現(xiàn)場演講，雷鋒網(wǎng)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(yè)智能制造領(lǐng)域，阿里云如何通過數(shù)據(jù)驅(qū)動(dòng)的方式，幫助工業(yè)企業(yè)完成智能化升級。    

在過去的這些年，大家可以看到，各個(gè)國家對于工業(yè)智能制造非常重視，把智能制造放到一個(gè)重要的戰(zhàn)略位置：美國提出了“工業(yè)互聯(lián)網(wǎng)”，德國提出了“工業(yè)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爭當(dāng)中占得頭籌，一定要在智能制造領(lǐng)域搶得先機(jī)。    

中國在過去幾十年，已經(jīng)從一個(gè)工業(yè)弱國發(fā)展為現(xiàn)在的工業(yè)大國，但是離工業(yè)強(qiáng)國還有差距，特別是相距老牌的工業(yè)制造國家差距更加明顯。無論是流程制造業(yè)，還是離散制造業(yè)，咱們都會(huì)面臨一些挑戰(zhàn)，比如我們的產(chǎn)能過剩、能耗過大。 

隨著過去幾十年的發(fā)展，我們的人口紅利在逐漸消失，勞動(dòng)力的成本也逐漸上升，如果想要持續(xù)高速發(fā)展制造業(yè)的水平，僅僅通過增加設(shè)備或者局部改造工藝，不完全行得通。改造設(shè)備的成本其實(shí)非常高，而且顯然也會(huì)讓國外公司賺走我們的利益。 

我們要走一條適合自己國家發(fā)展的工業(yè)道路    

阿里巴巴作為一家互聯(lián)網(wǎng)企業(yè)，深刻認(rèn)識(shí)到對于任何一個(gè)行業(yè)而言，數(shù)據(jù)可以產(chǎn)生不可估量的作用。對工業(yè)也是一樣，因?yàn)楣I(yè)環(huán)境里面蘊(yùn)藏著大量寶貴的、沉睡的數(shù)據(jù)。 

在工業(yè)場景當(dāng)中，數(shù)據(jù)種類繁雜，數(shù)據(jù)量也非常可觀。如果我們能將數(shù)據(jù)進(jìn)行充分的打通與匯聚，用數(shù)據(jù)驅(qū)動(dòng)的方式幫助工業(yè)企業(yè)提升生產(chǎn)效率，就能找出一條提升智能化水平的新路徑。 

因此，阿里云提出了“工業(yè)大腦”的概念，目的是以數(shù)據(jù)為中心，把產(chǎn)品生產(chǎn)全流程的數(shù)據(jù)進(jìn)行打通匯聚，構(gòu)建工業(yè)數(shù)據(jù)中臺(tái)，支撐上層智能算法把數(shù)據(jù)的價(jià)值充分挖掘出來。工業(yè)大腦不僅用數(shù)據(jù)揭示過去，更衍生出各種各樣的智能化的應(yīng)用，幫助指導(dǎo)生產(chǎn)。 

工業(yè)的數(shù)據(jù)種類非常多，針對工業(yè)產(chǎn)品生產(chǎn)周期各階段，從最早的采購到產(chǎn)品的設(shè)計(jì)，到生產(chǎn)過程、工藝過程，再到生產(chǎn)出來后的銷售供應(yīng)鏈等等，會(huì)有非常多的工業(yè)信息化軟件在里面，包括了MES、ERP、APS等，很多的軟件在行業(yè)當(dāng)中做得非常成熟，在每一個(gè)領(lǐng)域中都在發(fā)揮其作用。

但是，所有的軟件都只在自己的環(huán)境里面發(fā)揮作用，軟件系統(tǒng)之間數(shù)據(jù)沒有打通，這是一個(gè)大的機(jī)會(huì)。

除了上述系統(tǒng)以外，產(chǎn)線、工廠等物理設(shè)施設(shè)備所產(chǎn)生的數(shù)據(jù)量也十分可觀。 

目前，我們看到大部分的數(shù)據(jù)，其實(shí)是屬于被閑置的狀態(tài)，而這些數(shù)據(jù)蘊(yùn)藏的潛能和價(jià)值其實(shí)是極其巨大。 

工業(yè)大腦的“智”造=數(shù)據(jù)+算法 

剛剛崔院長（雷鋒網(wǎng)注：崔曙光，香港中文大學(xué)(深圳)理工學(xué)院執(zhí)行院長、未來智聯(lián)網(wǎng)絡(luò)研究院院長、深圳市大數(shù)據(jù)研究院常務(wù)副院長、IEEE Fellow）講到了IoT和AloT領(lǐng)域，可以通過數(shù)據(jù)+模型、算法+模型的方式，去提升智能化的能力。

工業(yè)場景也一樣，這些設(shè)備產(chǎn)生大量的數(shù)據(jù)，可以幫助我們做相應(yīng)的提升。    

除了設(shè)備生產(chǎn)數(shù)據(jù)以外，周邊還有各種各樣的數(shù)據(jù)，例如環(huán)境類數(shù)據(jù)、能耗類數(shù)據(jù)，市場運(yùn)營數(shù)據(jù)等，如果我們把工業(yè)企業(yè)涉及到的各種數(shù)據(jù)進(jìn)行充分打通匯聚，構(gòu)成一個(gè)工業(yè)企業(yè)的數(shù)據(jù)中臺(tái)，將能夠?qū)ζ髽I(yè)的發(fā)展、智能化的提升產(chǎn)生巨大的作用。    

工業(yè)大腦之所以能夠產(chǎn)生那么大的作用，因?yàn)槲覀兓跀?shù)據(jù)完成了決策閉環(huán)。 

我們把工業(yè)環(huán)境中產(chǎn)生的各種數(shù)據(jù)融入到數(shù)據(jù)中臺(tái)之后，上層有引擎，會(huì)幫助我們生成相應(yīng)的用于指導(dǎo)設(shè)備生產(chǎn)的決策。用數(shù)據(jù)產(chǎn)生決策，決策產(chǎn)生行動(dòng)，行動(dòng)再指導(dǎo)數(shù)據(jù)沉淀下來，形成一個(gè)閉環(huán)。    

工業(yè)發(fā)展這么多年，每個(gè)行業(yè)沉淀了大量的基礎(chǔ)知識(shí)，我們的工業(yè)大腦和這些沉淀是什么關(guān)系呢？ 

第一，工業(yè)大腦不要是替代工業(yè)行業(yè)已經(jīng)做得非常成熟的信息化軟件，比如ERP、MES。我們要做的是把它們的數(shù)據(jù)打通匯聚到在一起。    

第二，對于工業(yè)行業(yè)當(dāng)中沉淀的大量基礎(chǔ)知識(shí)、專業(yè)知識(shí)，我們是外行。我們進(jìn)入這個(gè)行業(yè)之中所建的模型，一定要基于行業(yè)機(jī)理。因此我們需要跟各個(gè)細(xì)分行業(yè)（如鋼鐵、水泥、化工等）當(dāng)中的專家機(jī)理知識(shí)相結(jié)合，從而構(gòu)成我們的模型。    

我們通過工業(yè)數(shù)據(jù)中臺(tái)實(shí)現(xiàn)數(shù)據(jù)閉環(huán)，將數(shù)據(jù)與行業(yè)知識(shí)、行業(yè)機(jī)理相融合，從而形成相應(yīng)的決策閉環(huán)，最終提升智能制造的水平。 

剖析阿里工業(yè)大腦的3個(gè)核心能力    

為什么我們認(rèn)為工業(yè)大腦能夠形成這樣的決策閉環(huán)、能夠提升智能化的水平？ 

總結(jié)下來有三種能力：數(shù)據(jù)能力、計(jì)算能力和算法能力。    

數(shù)據(jù)能力。工業(yè)生產(chǎn)場景當(dāng)中數(shù)據(jù)源頭非常多，種類非常多，要把各種生產(chǎn)過程、設(shè)計(jì)過程產(chǎn)生的結(jié)構(gòu)化的數(shù)據(jù)、非結(jié)構(gòu)化的數(shù)據(jù)匯聚在一起，并不是簡單拷貝就行的，真正的打通匯聚要把數(shù)據(jù)有機(jī)地匯聚。 

我們以前說過盲人摸象的故事，每一個(gè)系統(tǒng)只有這頭大象的一個(gè)側(cè)面信息，如果我需要知道整頭大象，而不是任由碎片信息離散地堆在那里，這就需要找到這些側(cè)面信息之間的有機(jī)聯(lián)系，用它們拼出一頭大象。這也是我們在工業(yè)領(lǐng)域要做的——用數(shù)據(jù)把整個(gè)生產(chǎn)過程完整的鏈路拼出來。 

怎么拼出來？需要對生產(chǎn)企業(yè)各個(gè)鏈條上的數(shù)據(jù)進(jìn)行加工和建模。這是一個(gè)復(fù)雜的過程，涉及到海量數(shù)據(jù)處理，所以統(tǒng)稱是數(shù)據(jù)能力。    

算法能力。工業(yè)企業(yè)里面涉及到大量數(shù)據(jù)，特別是是實(shí)時(shí)類、持續(xù)的數(shù)據(jù)，基本上都是一些設(shè)備設(shè)施所產(chǎn)生的數(shù)據(jù)，這些數(shù)據(jù)有很強(qiáng)的時(shí)效性在里面。我們要去處理這類數(shù)據(jù)需要各種各樣的算法，包括一些人工智能相應(yīng)的機(jī)器學(xué)習(xí)算法以及運(yùn)籌優(yōu)化算法。    

計(jì)算能力。因?yàn)楣I(yè)的數(shù)據(jù)量相對而言比較大，要實(shí)時(shí)地“算得動(dòng)”這些數(shù)據(jù)、準(zhǔn)實(shí)時(shí)地給設(shè)備相應(yīng)的指導(dǎo)或控制，就需要強(qiáng)大的計(jì)算能力。    

工業(yè)大腦整體建立在阿里云的云平臺(tái)之上。我們云平臺(tái)提供了相應(yīng)的數(shù)據(jù)加工的能力、算法的能力和計(jì)算的能力，靠著這三個(gè)能力，驅(qū)動(dòng)整個(gè)工業(yè)大腦幫助工業(yè)企業(yè)，實(shí)現(xiàn)降本、增效、提質(zhì)、安全等等這些業(yè)務(wù)目標(biāo)。 

阿里云工業(yè)數(shù)據(jù)中臺(tái)（IData）是什么物種？   

工業(yè)大腦的工業(yè)數(shù)據(jù)中臺(tái)（IData），將來自各個(gè)孤立系統(tǒng)里的數(shù)據(jù)系統(tǒng)地打通匯聚，再對這些數(shù)據(jù)進(jìn)行建模。就像互聯(lián)網(wǎng)行業(yè)、電商領(lǐng)域的企業(yè)需要對數(shù)據(jù)進(jìn)行相應(yīng)建模，工業(yè)企業(yè)也可以對自己的業(yè)務(wù)數(shù)據(jù)建模。 

我們用分層的方式做數(shù)據(jù)建模，各種源頭的數(shù)據(jù)先直接進(jìn)入接入層，到了明細(xì)層會(huì)再劃分成跟各種生產(chǎn)加工相應(yīng)的訂單域、原料域等等，再往上會(huì)根據(jù)業(yè)務(wù)按供研產(chǎn)銷各個(gè)領(lǐng)域進(jìn)行相應(yīng)的建模，所有跟生產(chǎn)全鏈條、整個(gè)產(chǎn)品的生命周期相關(guān)的所有數(shù)據(jù)，全都在這個(gè)工業(yè)的數(shù)據(jù)中臺(tái)之上。 

我們有各種相應(yīng)的標(biāo)簽體系，可以供上層的業(yè)務(wù)去使用，同時(shí)還有一些各種各樣的智能引擎可以跑在上面，這構(gòu)成了一個(gè)工業(yè)的數(shù)據(jù)中臺(tái)。    

數(shù)據(jù)中臺(tái)構(gòu)建好之后，不僅僅只是一些數(shù)據(jù)的打通、匯聚，其實(shí)對于企業(yè)而言，他有巨大的意義，這就相當(dāng)于把一家企業(yè)原本散落在各個(gè)地方?jīng)]有真正利用起來的數(shù)據(jù)，變成了一個(gè)整體——反映一家企業(yè)從源頭到銷售的整個(gè)生產(chǎn)鏈條的、實(shí)時(shí)的生產(chǎn)狀況數(shù)據(jù)，這些數(shù)據(jù)是鮮活、實(shí)時(shí)處理過的、高質(zhì)量的，成為一家企業(yè)非常有效的一種新的資產(chǎn)。    

對于工業(yè)企業(yè)而言，傳統(tǒng)的資產(chǎn)是進(jìn)口各種各樣的設(shè)備，還有各種各樣的人才。今天，數(shù)據(jù)可以成為工業(yè)企業(yè)的一種新的資產(chǎn)，我們以工業(yè)大腦、數(shù)據(jù)中臺(tái)的方式，構(gòu)成一個(gè)企業(yè)新的數(shù)據(jù)資源。    

工業(yè)數(shù)據(jù)中臺(tái)概念，跟數(shù)據(jù)倉庫還是有非常大的不同，傳統(tǒng)的數(shù)據(jù)倉庫各個(gè)行業(yè)都會(huì)有，比如在金融行業(yè)，數(shù)據(jù)倉庫其實(shí)已經(jīng)有幾十年的時(shí)間了，數(shù)據(jù)倉庫的星型模型等等那些歷史非常長了，理念已經(jīng)非常成熟了。   

數(shù)據(jù)倉庫主要面向的是企業(yè)的決策者，還有BI分析師。它的產(chǎn)物是各類BI報(bào)表，可以顯示出整個(gè)企業(yè)的運(yùn)營狀況、生產(chǎn)狀況、銷售狀況，既可以給這個(gè)企業(yè)管理者看一個(gè)大盤，也可以給BI分析師做洞察分析：產(chǎn)品銷售額下降了是什么原因、這個(gè)月某產(chǎn)品的生產(chǎn)量下降了是什么原因?qū)е碌?。?shù)據(jù)倉庫是做這個(gè)目的用的，主要面對的是企業(yè)決策者和分析師，是面對人。    

數(shù)據(jù)中臺(tái)的本質(zhì)不僅僅是數(shù)據(jù)倉庫，數(shù)據(jù)中臺(tái)包含了數(shù)據(jù)倉庫，數(shù)據(jù)中臺(tái)是面向系統(tǒng)的，不僅可以產(chǎn)生報(bào)表，更重要的是通過數(shù)據(jù)中臺(tái)可以形成決策閉環(huán)，在數(shù)據(jù)中臺(tái)上層有各種不同的智能化引擎，引擎可以去影響生產(chǎn)。

這個(gè)過程是自動(dòng)的過程，中間可能不需要人的干預(yù)，或者只需要人很少的干預(yù)，把原本企業(yè)的操作人員從重復(fù)的操作工作中釋放出來，讓系統(tǒng)以更精準(zhǔn)的方式去控制、去提高這個(gè)企業(yè)的生產(chǎn)能力，這是數(shù)據(jù)中臺(tái)跟數(shù)據(jù)倉庫很重要的差別。    

阿里巴巴做數(shù)據(jù)中臺(tái)也一樣。我們有一個(gè)非常龐大的數(shù)據(jù)中臺(tái)，數(shù)據(jù)中臺(tái)產(chǎn)生的作用并不僅僅產(chǎn)生一些報(bào)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數(shù)據(jù)后面有大量的算法，會(huì)對不同人員做個(gè)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，背后不需要有人時(shí)時(shí)刻刻控制。     

工業(yè)領(lǐng)域是一樣，我們發(fā)現(xiàn)數(shù)據(jù)同樣可以產(chǎn)生作用，可以形成決策的閉環(huán)，讓整個(gè)企業(yè)的生產(chǎn)效率能夠去提升。我們認(rèn)為工業(yè)場景當(dāng)中數(shù)據(jù)中臺(tái)跟數(shù)據(jù)倉庫有這么一個(gè)非常本質(zhì)的不同。 

六步構(gòu)建工業(yè)數(shù)據(jù)中臺(tái)，阿里的方法論    

根據(jù)我們過去幾年在工業(yè)領(lǐng)域的實(shí)踐發(fā)現(xiàn)，可以用以下6步實(shí)現(xiàn)工業(yè)大腦的工業(yè)數(shù)據(jù)中臺(tái)（IData）搭建。

• 1、數(shù)據(jù)準(zhǔn)入分析。弄清楚我們到底有什么樣的數(shù)據(jù)、數(shù)據(jù)的質(zhì)量怎么樣，其實(shí)工業(yè)企業(yè)數(shù)據(jù)質(zhì)量并不是都非常高的。

• 2、數(shù)據(jù)化。讓數(shù)據(jù)能夠接入進(jìn)來。

• 3、數(shù)據(jù)建模。構(gòu)建相應(yīng)的數(shù)據(jù)模型。這幾步跟傳統(tǒng)的數(shù)據(jù)倉庫的加工沒有太大的差異，都是要分層、加工、導(dǎo)入等等做這些事情。    后面是數(shù)據(jù)中臺(tái)額外做的事情。

• 4&5、知識(shí)化和智能化。我們構(gòu)建專業(yè)的知識(shí)圖譜，構(gòu)建工業(yè)數(shù)據(jù)中臺(tái)之上智能引擎，這些都是相應(yīng)提供了智能化的能力，有了這些智能化的能力跟它驅(qū)動(dòng)生產(chǎn)。

• 6、用實(shí)際效果分析數(shù)據(jù)價(jià)值，并對數(shù)據(jù)成熟度做再評估。

數(shù)據(jù)中臺(tái)，為工業(yè)智能“持續(xù)供氧” 

工業(yè)大腦的工業(yè)數(shù)據(jù)中臺(tái)（IData）相當(dāng)于給工業(yè)企業(yè)創(chuàng)造了一種新的資源，這種資源是可以幫助工業(yè)企業(yè)產(chǎn)生實(shí)實(shí)在在的收益。

通過構(gòu)建一個(gè)統(tǒng)一的、協(xié)同數(shù)據(jù)的組織表達(dá)，數(shù)據(jù)中臺(tái)幫助企業(yè)提升決策管理水平。更重要的是，它為企業(yè)提供了一個(gè)創(chuàng)新平臺(tái)，以往很多通過功能、機(jī)理來控制的方式，今后可以通過工業(yè)大腦和工業(yè)數(shù)據(jù)中臺(tái)（IData）來實(shí)現(xiàn)，幫助企業(yè)提升效能。    

工業(yè)數(shù)據(jù)中臺(tái)（IData）其實(shí)是工業(yè)大腦的一個(gè)底座，沒有脫離了數(shù)據(jù)的智能應(yīng)用。數(shù)據(jù)就像人腦里的知識(shí)一樣，沒有知識(shí)，就不具備深度思考的出發(fā)點(diǎn)。所以，工業(yè)大腦里面的數(shù)據(jù)中臺(tái)是把工業(yè)的數(shù)據(jù)當(dāng)成資產(chǎn)，這是一個(gè)基礎(chǔ)。    

在工業(yè)數(shù)據(jù)中臺(tái)（IData）之上，我們還有工業(yè)的智能“芯”。這個(gè)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(yōu)化引擎等等。    

引擎之上是工業(yè)智能應(yīng)用。這些智能應(yīng)用一定是進(jìn)入到每一個(gè)工業(yè)實(shí)際的場景當(dāng)中，如水泥、鋼鐵、石化、垃圾焚燒、橡膠等等，每個(gè)行業(yè)都有自己的業(yè)務(wù)特點(diǎn)，每個(gè)行業(yè)都有自己的優(yōu)化目標(biāo)，針對不同場景，我們會(huì)有不同智能化的應(yīng)用。    

工業(yè)大腦是一個(gè)開放的引擎，從工業(yè)數(shù)據(jù)中臺(tái)（IData）到智能“芯”再到智能應(yīng)用，每一層都是可以不斷擴(kuò)充的，尤其是是智能“芯”和智能應(yīng)用層面。    

工業(yè)大腦本質(zhì)上是幫助企業(yè)提升智能化的能力。希望能夠幫助工業(yè)企業(yè)做到全局的智能，因?yàn)槲覀兿嘈?，把工業(yè)企業(yè)的全量數(shù)據(jù)進(jìn)行充分打通和匯聚以后，可以爆發(fā)出巨大潛力。    

這個(gè)“智能”有三層的概念，從單點(diǎn)智能到局部智能，再到全局智能。全局是工業(yè)大腦的未來走向，雖然現(xiàn)在沒有到那個(gè)程度，但是我們堅(jiān)信這是一個(gè)可以觸達(dá)的方向。    

單點(diǎn)智能，是指在局部做優(yōu)化工作，以化工企業(yè)為例，化工企業(yè)會(huì)有多個(gè)循環(huán)流化床的鍋爐，為整個(gè)生產(chǎn)和企業(yè)運(yùn)轉(zhuǎn)提供能源，還有一些精餾塔和冷卻塔。對每個(gè)設(shè)備做優(yōu)化，能夠讓他的能耗降到最低，讓熱能的比例升高，這是單點(diǎn)智能。 

其實(shí)可以對這一組鍋爐可以再做優(yōu)化，實(shí)現(xiàn)鍋爐間的負(fù)載均衡。每一個(gè)設(shè)備所處的位置不一樣，所提供的能源針對的對象不一樣，不追求每個(gè)設(shè)備個(gè)體做到最優(yōu)，而是追求一組鍋爐的整體協(xié)同最優(yōu)，讓能源損耗再降低一點(diǎn)，這是局部的優(yōu)化。   

對于整個(gè)企業(yè)而言，從前期的采購、到設(shè)計(jì)、到生產(chǎn)，到后面的供應(yīng)鏈銷售，整個(gè)形成一個(gè)大的流程，以往很難對這個(gè)大流程做優(yōu)化。我們把整個(gè)數(shù)據(jù)進(jìn)行匯聚以后，可以把整個(gè)生產(chǎn)的功能做相應(yīng)的規(guī)劃，根據(jù)市場的銷售狀況優(yōu)化每一個(gè)生產(chǎn)的環(huán)節(jié)。真正實(shí)現(xiàn)供、研、產(chǎn)、銷、服務(wù)全流程的優(yōu)化，這就是全局優(yōu)化的狀況。    

工業(yè)大腦的3個(gè)智能化案例 

接下來分享工業(yè)大腦的智能化案例。 

首先是水泥行業(yè)。這是一個(gè)高能耗的行業(yè)，耗電耗煤非常多，我們主要通過數(shù)據(jù)，對水泥生產(chǎn)回轉(zhuǎn)窯做能耗降低。什么樣的生產(chǎn)狀況能耗、煤耗、電耗最低，這個(gè)機(jī)器不知道，要讓工人師傅憑經(jīng)驗(yàn)做這個(gè)事情。    

我們可以針對歷史生產(chǎn)數(shù)據(jù)和能耗優(yōu)化模型，可以知道在不同狀況之下，什么樣的參數(shù)可以讓設(shè)備能耗最低，并給出對應(yīng)的的設(shè)備參數(shù)推薦，這個(gè)參數(shù)再給到APC，由APC控制相應(yīng)的分解爐。這樣一個(gè)流程下來，整個(gè)回轉(zhuǎn)爐的能耗大幅降低，一年可以降低數(shù)百萬的煤費(fèi)和電費(fèi)。    

第二是鋼鐵行業(yè)的熱軋加熱爐案例。整個(gè)鋼鐵生產(chǎn)分鐵前、煉鐵、煉鋼、熱軋和冷軋幾大環(huán)節(jié)。其中，熱軋環(huán)節(jié)就是對鋼錠再加熱，軋制變成各種形狀。溫度是一個(gè)很重要的參數(shù)，如果溫度過高，會(huì)讓鋼錠過度氧化，影響產(chǎn)品質(zhì)量。以往都是人工在控制溫度。工業(yè)大腦通過判斷歷史數(shù)據(jù)，找到在什么時(shí)候、在何種工作狀態(tài)下、應(yīng)該使用什么溫度，來保證溫度剛好合適，不產(chǎn)生氧化。這樣就能提升整個(gè)加熱爐的效力，把能耗降低下來。   

第三是垃圾焚燒的案例。現(xiàn)在國內(nèi)很多的城市都在講生活垃圾要分類，一部分生活垃圾會(huì)進(jìn)入發(fā)電廠，處理之后進(jìn)行焚燒，產(chǎn)生蒸汽，蒸汽產(chǎn)生電能，變成我們?nèi)粘Ｓ玫碾姟?/p>

生活垃圾原材料是很不穩(wěn)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(jīng)驗(yàn)去判斷要推多少料、送多少風(fēng)，工人經(jīng)驗(yàn)參差不齊，就會(huì)導(dǎo)致焚燒效果不穩(wěn)定不可控。工業(yè)大腦通過建模的方式幫助垃圾焚燒廠用AI來輔助整個(gè)焚燒過程控制，讓蒸汽的穩(wěn)定性提升，減少設(shè)備損耗，這些都能帶來實(shí)際的經(jīng)濟(jì)效益。AI的輔助也讓工人操作負(fù)荷減小，也讓工人的操作負(fù)荷變小，過去操作員4小時(shí)內(nèi)需要操作30次，現(xiàn)在只需要在收到提醒后對比參數(shù)數(shù)值，最多干預(yù)系統(tǒng)6次即可。    

我們認(rèn)為對工業(yè)來說，通過數(shù)據(jù)智能的方式，產(chǎn)生的行業(yè)價(jià)值是非?？捎^的。比如說水泥行業(yè)，在平均能耗條件下，工業(yè)大腦可以幫助一條水泥的生產(chǎn)線每年節(jié)省300萬能耗成本。中國有1700-1800條水泥生產(chǎn)線，如果我們能夠把每條線都做相應(yīng)的優(yōu)化，估算下來全國水泥生產(chǎn)線的能耗每年可以降低50億元，而這背后僅僅是每條產(chǎn)線1%左右的能耗優(yōu)化。 

而水泥行業(yè)只是中國非常龐大的工業(yè)領(lǐng)域中的一個(gè)分支，每個(gè)行業(yè)都有很多類似的機(jī)會(huì)和提優(yōu)空間。如果把每個(gè)機(jī)會(huì)都當(dāng)成一顆寶藏，整個(gè)行業(yè)的寶藏圖就會(huì)非常巨大。我們只有繼續(xù)走下去，才會(huì)發(fā)現(xiàn)我們有越來越多的機(jī)會(huì)，能夠給行業(yè)創(chuàng)造越來越多的價(jià)值。 

工業(yè)行業(yè)寶藏圖非常巨大，阿里走共建思路    

工業(yè)大腦是離不開合作伙伴的。 

阿里巴巴是一家互聯(lián)網(wǎng)的行業(yè)，我們對算法和數(shù)據(jù)更熟悉。而在工業(yè)領(lǐng)域，我們自認(rèn)為是一個(gè)小學(xué)生，是一個(gè)外行。工業(yè)大腦離不開在行業(yè)中耕耘多年的專家和伙伴，他們對行業(yè)機(jī)理知識(shí)了解很多，只有并肩合作，才能真正服務(wù)好各個(gè)行業(yè)。 

很多合作伙伴發(fā)現(xiàn)，這其實(shí)是一種強(qiáng)強(qiáng)聯(lián)手，雙方各自發(fā)揮所長，共同去挖掘?qū)毑?，所以大家的信心非常足。我們目?biāo)也是要攜手更多的合作伙伴，共同喚醒工業(yè)數(shù)據(jù)的價(jià)值，推動(dòng)工業(yè)智能化升級。   

剛剛崔院長介紹了AloT這一系列的技術(shù)，AIoT的技術(shù)在工業(yè)場景當(dāng)中運(yùn)用的潛力巨大，而且5G在未來幾年，可能對于我們消費(fèi)者而言影響并不是那么大，但是對于工業(yè)企業(yè)、對于生產(chǎn)型企業(yè)而言，產(chǎn)生的影響是極其深遠(yuǎn)的，這是一個(gè)正面的積極的影響。 

5G技術(shù)、IoT技術(shù)，在工業(yè)場景運(yùn)用得越多，就意味著我們在工業(yè)場景能夠獲取的鮮活而真實(shí)的數(shù)據(jù)越多，能夠幫助工業(yè)大腦構(gòu)建更精準(zhǔn)的模型，從而幫助企業(yè)收獲更具價(jià)值的數(shù)據(jù)資產(chǎn)，提升工業(yè)企業(yè)的數(shù)據(jù)化的智能制造水平，最終提升中國整體的智能制造化的水平。 

謝謝大家！

雷鋒網(wǎng)年度評選——尋找19大行業(yè)的最佳AI落地實(shí)踐

創(chuàng)立于2017年的「AI最佳掘金案例年度榜單」，是業(yè)內(nèi)首個(gè)人工智能商業(yè)案例評選活動(dòng)。雷鋒網(wǎng)從商用維度出發(fā)，尋找人工智能在各個(gè)行業(yè)的最佳落地實(shí)踐。

第三屆評選已正式啟動(dòng)，關(guān)注微信公眾號(hào)“雷鋒網(wǎng)”，回復(fù)關(guān)鍵詞“榜單”參與報(bào)名。詳情可咨詢微信號(hào)：xqxq_xq

相關(guān)文章：

大咖云集，觀點(diǎn)碰撞！《全球 AIoT 產(chǎn)業(yè)· 智能制造峰會(huì)》圓滿落幕

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。