我們一直在分析生產(chǎn)過程、制造結(jié)果，分析人機(jī)料法環(huán)5要素，但是靠傳統(tǒng)經(jīng)驗(yàn)性的積累，靠人工分析，數(shù)據(jù)的關(guān)聯(lián)性或分析得準(zhǔn)確與否，更多的靠工程師的經(jīng)驗(yàn)和累計(jì)，能做得太少了，做不到大數(shù)據(jù)量級的分析。但阿里在云計(jì)算、云存儲(chǔ)方面有很強(qiáng)大的能力。阿里和協(xié)鑫制造這兩年的合作也是很湊巧，去年的2月份，我跟阿里云的同行見面，那次，我談起了我的苦衷，作為一個(gè)制造業(yè)從業(yè)人員的痛點(diǎn)：我有很多數(shù)據(jù)，機(jī)臺(tái)每天都有海量傳輸數(shù)據(jù)，但卻不知道效果好壞的原因是有什么？不知道良率波動(dòng)的原因是什么？阿里那邊人說，或許阿里能夠幫你解決、分析這個(gè)問題。這么兩分鐘的交流造就了這次的合作。
大數(shù)據(jù)上云
去年5月份，我們的項(xiàng)目開始實(shí)施，去年12月份，一期項(xiàng)目上線，我跟大家匯報(bào)一下目前達(dá)成的情況。首先是做不間斷的數(shù)據(jù)上傳，但并不是把所有不關(guān)聯(lián)的數(shù)據(jù)都上傳，而是人腦和機(jī)腦相結(jié)合，通過分析，人腦對人機(jī)料法環(huán)5個(gè)要素的關(guān)系有概念，將工程師的經(jīng)驗(yàn)和阿里強(qiáng)大運(yùn)算能力的機(jī)腦結(jié)合，通過運(yùn)算方式，進(jìn)行上傳和同時(shí)對數(shù)據(jù)的提煉，這是一個(gè)艱苦的工作。盡管協(xié)鑫的制造中有智能化裝備，我們和阿里花了很長時(shí)間才理順數(shù)據(jù)的傳輸模式。制造業(yè)同行實(shí)現(xiàn)智能運(yùn)算過程中或許面臨同樣的問題，但前提是，首先要練好自己的內(nèi)功。
智能分析
首先是讓躲在背后的黑箱子數(shù)據(jù)透明化，第二步是通過智能分析，實(shí)現(xiàn)生產(chǎn)過程中的數(shù)據(jù)關(guān)聯(lián)，將人機(jī)料法環(huán)5個(gè)因素實(shí)現(xiàn)關(guān)聯(lián)，我們的成果有三方面：
一是核心零件劣化監(jiān)控，通過裝備或零部件更換實(shí)現(xiàn)智對生產(chǎn)成果的智能預(yù)測。通過阿里云運(yùn)算，大體能分析出生產(chǎn)過程中導(dǎo)致不良率的因素或哪些成本可以節(jié)約等，這對于我們是很重要的參考。
二是工藝參數(shù)推薦，通過分析能夠提供這樣的借鑒：通過怎樣的數(shù)據(jù)改造或參數(shù)調(diào)整，裝備能達(dá)到比較好的效果。
三是多變量分析，技術(shù)人員可以從質(zhì)量指標(biāo)和個(gè)人經(jīng)驗(yàn)兩個(gè)角度，分別篩選正反樣本和分析結(jié)果維度，系統(tǒng)自動(dòng)出具多變量相關(guān)性結(jié)果。
