新闻

联想:推进智能制造发展的原动力和成功之道

2019-12-06e-works王聪

1407阅
在本次联想创新科技大会上,记者采访了联想集团副总裁、首席科学家于辰涛,就国内智能制造发展热潮、企业数字化转型趋势以及联想赋能制造企业途径等话题进行了交流,为企业加快发展智能制造、打造竞争新优势提供了借鉴与参考。

    在蒸汽机和发电机为代表的工业革命250年后,人类经历了电气化、信息化的洗礼,终于抵达了智能世界的门前。在11月14-15日举办的联想创新科技大会(Lenovo Tech World 2019)上,联想CEO杨元庆在开场词中做出了一个清晰的判断:“我们已经走进了一个由数据智能驱动产业变革的智能时代。”智慧交通、智慧零售、智慧金融、智慧医疗给人们带来了更加主动、贴心、便利的生活体验,让每个人都能够享受到更加公平、高效的政府以及社会服务。各行各业的智能化变革,正在释放巨大的效率红利,成为促进经济高质量增长的新动能。

    其中,制造业作为立国之本、强国之基,大力推进智能制造是顺应世界制造业发展趋势、培育我国经济新优势的必然选择,也是加快我国经济发展方式转变,促进工业向中高端迈进、建设制造强国的重要举措。在本次联想创新科技大会上,记者采访了联想集团副总裁、首席科学家于辰涛,就国内智能制造发展热潮、企业数字化转型趋势以及联想赋能制造企业途径等话题进行了交流,为企业加快发展智能制造、打造竞争新优势提供了借鉴与参考。

 无

图 联想集团副总裁、首席科学家于辰涛

推进智能制造的原动力和难点有哪些

    当前,云计算、大数据、人工智能、全渠道客户体验等各类数字技术正在改变着我们的生活工作方式和企业运营方式。在企业迈向智能化的过程中,响应更加迅速、协作更加高效、生产力也显著提高。在众多数字化技术纷至沓来之际,制造企业如何根据自身数字化转型需求,选择最适合自身发展的智能制造实践路径,已经成为企业布局未来发展的重点。

    在这方面,于辰涛表示走向智能化路径并不能一蹴而就,相较于欧美等发达国家完整经历了前三次工业革命的长期积累,中国工业发展的基础更加薄弱。“有些企业对于智能制造有些误区,例如一味的追逐机器换人、黑灯工厂等,实际上每台机台利用率是多少?整体效率如何却不得而知。”在于辰涛看来,工厂智能程度不能以自动化为唯一标准,企业需要实现横向、纵向端到端的信息互通,通过数据去驱动,从而实现从设计到生产、服务的全过程优化与控制,最终帮助企业实现提高产品质量、优化设备运营绩效、降低能耗、优化产品性能、提升客户满意度、提高企业盈利能力、缩短产品上市周期等业务目标。

    这里,于辰涛总结制造企业智能化发展的主要难点包括:

    第一,工业现场的数据采集不到位。虽然如今关于智能制造、工业互联网的声音此起彼伏,但对于许多企业而言,设备的多样化和工艺过程的复杂性都导致了生产数据难以采集,现场数据的采集、存储依旧是一道企业没有迈过去的坎。

    第二,企业需要打破数据的边界。无论是ERP、PLM还是MES系统,企业无时不刻不在生产数据。但当企业需要优化某项业务时,通常需要打破企业现有的边界。例如智慧排产,准确性要求很大程度上来自于对外部的环境预测:如燃料的库存、在途物料的位置信息等,需要对整体数据的分析、判断、调整、控制。

    第三, 生产制造以及工艺特性需要具体的智能化适配场景。由于人工智能基于数据分析获得的最终结果,是以统计模型为基础的。对于制造企业而言,人工智能必须基于具体场景,将统计模型与专家系统相结合,得出具有因果关系的机理模型,并通过实践验证,才能真正为企业所应用,创造出价值。

联想以自身实践为制造企业赋能

    “联想本身作为一家制造企业,也在不断的IT建设过程中总结实践规律。”于辰涛表示,从IT技术和行业应用结合的角度,联想首先是脚踏实地的深入到制造场景中,将自身积累的成功实践进行复制。

    于辰涛介绍联想从2011年开始通过智能变革来提升生产质量和应用体验,并逐渐走入到联想业务价值链的全过程,例如供应链预测、仓储优化、生产线的数据采集等。2016年开始,联想将赋能企业智能变革的能力开始对外输出,通过积累的制造、销售、管理等方面最佳实践经验,去帮助制造企业提升智能化水平。

    联想总结并制定了智能制造四化目标:产品个性化、供应协同化、服务主动化、决策智能化。以及面向制造场景的五大能力:互联互通、柔性制造、虚实结合、闭环质量、智能决策。

    一方面,于辰涛介绍这是联想在过去十年间的实践经验:联想的IT系统容量扩大了数百倍,搭建了16PB的数据平台,这也支撑了联想接近2亿台设备和33家工厂的数字化改革。在走向智能化的道路上,联想可以帮助企业建立数据智能驱动的业务模式,而这种完全新型的业务模型只有联想这样的亲历者才能成功构建,这是联想的核心优势。

    另一方面,联想比其他工业自动化厂商的包袱要少一些。于辰涛解释例如有些工业软件通过C++和C Sharp之类的语言实现,但是在移动化、多终端、多样性需求的今天,分布式的架构需要快速实时分析,这个架构自身就是一个难点。

    “制造企业推进智能制造核心出发点,大多是基于降本增效的考虑。”于辰涛举例对于来自于用户的联系请求、服务请求、生产请求,如果仅仅依靠人力解决问题,肯定会造成成本的巨大增加。用智能化的方式去覆盖流程化的、重复性的问题请求,从而将工人释放出来,使其转向更有针对性和更具价值的服务,这也是企业选择数字化转型的目的之一。

    以APS智能排产为例,联想开发了基于多交互增强学习优化网络的智能排产解决方案。应用该方案后,排产耗时将从原来的每天6小时缩短到1.5分钟,生产效率也获得了16%的提升。联想智能排产解决方案将在位于合肥的联想联宝工厂首先上线使用,助力联想智能制造。

    值得一提的是,在本次会议上联想也展示了通过AR 辅助国产大飞机的制造案例。在大飞机设计完成后的组装试飞过程中,通常会先进行航电测试。联想自主研发的晨星AR技术可以准确识别机舱中的操作面板按钮和空间位置,可视化叠加操作指示,并智能识别测试输出结果,自动记录测试过程,从而大幅提高了工作效率。

责任编辑:王聪
读者评论 (0)
请您登录/注册后再评论