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 ) 前言做制造的人都叫“智能制造”

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。
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。
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。