大数据石油点亮了灯塔工厂

撰文 / 涂彦平

编辑 / 刘宝华

设计 / 师玉超

2022年3月，世界经济论坛公布了最新一批全球灯塔工厂（Lighthouse Network）名单，13家工厂入选，国内有6家，其中，汽车领域有一家工厂在列，那就是博世长沙工厂。

灯塔工厂由世界经济论坛和麦肯锡于2018年共同发起，从竞争力和可持续发展等多个方面，对工厂进行评定，从全球上千家工厂中甄选出顺利化解数字化革命挑战，在第四次工业革命中起引领作用的开拓者。

目前，全球共有103家灯塔工厂，其中中国有37家。

国内拥有灯塔工厂最多的企业是海尔、美的和富士康，各有4家，其次就是博世中国，有3家。除了博世长沙工厂，博世无锡动力总成工厂以及博世苏州汽车电子工厂分别在2018年、2021年入选。

博世汽车部件（长沙）有限公司是博世集团于2004年11月在长沙经开区设立的外商独资企业。作为湖南省市区智能智造示范企业，也是湖南省工信厅首批发布的10家“5G+工业互联网示范工厂”之一，早在2015年就开始了工业互联的尝试，2016年又启动建立工业4.0项目示范线。

如今，公司所有新导入的产线都是按照工业4.0全新标准建立的，而老的产线也有30%左右的互联水平。

灯塔工厂，顾名思义，就是指第四次工业革命的指路明灯，它们是智能制造的先锋。今年8月中旬，汽车商业评论走进这座灯塔工厂，探索它的奥秘。

博世长沙总经理魏彦向我们强调：“我们的工业系统智能制造或者说数字化转型，主要是出于业务需求。”

在这里，我们发现，灯塔工厂的奥秘就隐藏在一条条繁忙的生产线上。

换皮带的故事

在博世长沙办公楼一楼大厅，有一个屏幕展示了公司自研的人工智能驱动生产能源管理系统。它能结合客户需求及预测、生产计划、天气情况、温湿度等多项业务及环境因素，滚动给出未来7天内产线级的能源使用预测及生产排产。

在预测结果精确到小时的情况下，平均绝对百分比误差低于3.2%。此外，在AI算法的加持下，它还能提供优化的停机管理和精确的能耗异常监测。当前，该系统已帮助工厂的年耗电量减少18%，二氧化碳排放量降低14%。

该工厂的设备预测性维护系统则使用深度学习算法，通过对历史数据的分析和实时数据的监控，实现了设备从预防性维护到预测性维护的转变。该系统的使用节约了19%的维修时间，节省了25%的维护成本和17%的缺陷成本。

在工厂，我们听到了一个更换皮带的故事，直观地感受到数字化带来的成效。

工厂基本上每条产线都会有皮带，皮带一刻不停地在运转，就会产生磨损。当皮带断裂，或者破损之后导致运转不通畅，就需要更换皮带。皮带很长，有的可能有30米。如果等皮带断了再去更换，一方面需要花很长时间把整个系统拆了再恢复，整个过程需要三、四小时，这段时间的生产损失非常大；另一方面，人员的安排也会很麻烦，因为被动更换属于紧急维修。

两三年前，公司和长沙大学的教授们一起合作了一个项目，通过加装声音传感器以及振动传感器，甚至进行皮带磨损实时图像的监控，试图把皮带的故障信号提取出来。后来，他们发现振动可能是用来判断皮带磨损状态的最好的工具之一，项目成果也转化成为专利，运用到实际产线中。

公司生产技术总监张毕生表示：“以前我们都是被动地去进行更换，而现在的方案是能让我们主动地进行操作，当探测出异常后，我们可以提前4到8小时将信息给到维修人员，维修人员提前准备好，然后找到一个合适的时机在皮带断裂或者卡住之前换掉，进行预测性维护。”

这样，前期找皮带的时间、工具前期预热的时间都可以省下来，而且，换皮带的同时可以做其他的事情，这样生产效率会提高很多。一句话，预测性维护能够节省时间成本和人工成本，提高产量。

公司数据科学家团队还建立了高精度耗品使用寿命预测模型，可以给出易耗品最佳更换时间。该模型上线后帮助提升焊接电极、车削刀具等生产易耗品30%以上的使用寿命，并节省了50%的更换时间。

车间数字化管理系统实现了涵盖流程、原料、设备、人事、文件系统等多个业务环节的精益日常管理，给公司带来了20%的生产力提升，并缩减了12%的人力成本。

从原材料供应、运输、内部流转到生产及货物出厂，整个流程都由公司物流中台通过实时数据连接。该中台给工厂节省了30%的物流成本和15%的库存周转天数，使生产周期缩短至3年前的64%。

数据是核心

大数据被人比作数字经济时代的石油。在最先进的工厂，最核心的也是数据。

“灯塔工厂落实的过程中有一个非常重要的技术点，就是数据中台的建立。这个数据中台帮助我们更好地利用数据以及在整个工厂形成一个体系。”张毕生表示。

在这里，数据的收集可以通过加装外置智能传感器，另外，机器人、PLC（可编程逻辑控制器）本身就会发很多控制信号，可以通过一些数据接口将信号收集起来。

技术专家夏晓毛称，传感器从开始的几万元到现在的几千元，成本呈现下降趋势。“现在我们的制造商，包括本地的供应商，日渐觉得机器本身的数据是有价值的，它们也会开放这样一些模块给我们做定制化的应用。”

当然，并不是所有的数据都是有价值的。他们会从互联的程度和工艺的重要程度来决定做什么样的数据收集。比如，相对老生产线，新线本身自动化的程度会比较高，数据的可获得性也会更好一些；很多产品上都需要运用车削、焊接工艺，这些工艺就是需要攻克的研究对象。

另外，还要看技术发展的趋势，比如机器人会越来越多地替代人工，机器人的数据就非常有价值。

张毕生补充说，数据收集还有一个方向就是着眼解决长期困扰他们的问题和难点。“如果某些问题，采用传统的方法经过了很长的时间都解决不了，我们就会尝试用一些新思路、新方法，也就是用数据挖掘的方式来做。”

比如，噪音问题自马达发明出来就就开始存在了，是非常普遍也是很难根除的问题。“在马达中间有一个蜗杆，蜗杆在啮合的时候会产生噪音。”张毕生表示，这个问题一直困扰着他们，花了很长时间都没有完全解决。

经过前两年的分析和努力，公司的技术专家在今年第二季度找到了两个点。虽然问题只是识别出来，还不能说已经解决，但他们发现的这两个点有突破性意义，是包括德国的专家都没有发现过的。“从我们目前的验证来看是非常有效果的，但还需要大量数据支撑最终的结果。”

要让数据有价值，还需要建立数据模型，再进行验证，最终应用到产线上。

比如，车削刀具使用寿命预测模型所采用的神经网络模型，以往在制造业中运用并不多。但经过研究，专家发现，他们用智能传感器采集到非常高频的一种信号，和经济学上非常高频的、变动非常大的数据模型有着类似特征。

所以，他们就借用经济学上运用得比较好的长短时记忆模型，这一专门运用在时间序列数据上的模型，来判断设备状态是否有问题。

当然，他们也进行了一些参数调优。“神经网络模型需要非常大的计算能力，比如一个AI模型需要有很强的GPU资源，我们会借用云端的资源，更好地用低成本的方式来做。”

从灯塔工厂到未来工厂

对于整个博世长沙工厂数字化转型的效果，张毕生给出了四个层面的总结。

第一是工厂层面，自动化这块，工厂每一年有大概10%的生产效率的改善指标，而自动化正是其中的一个指标。

第二是产品质量方面，工厂的一条工业4.0示范产线从2017年开始量产至今，没有发生过一起质量事故。

第三是在维修成本、产线交付的保证上，单件产品的维修成本上实现了3%到5%的改善。

第四是交付的保证。去年，在极度缺电的情况下，公司依托实时能耗预测系统和生产计划系统的整合，并且与销售计划联动，仍然保证了交付。

这些数字化转型的项目经验也可以迁移到另一个产线、另一个工厂。因为有了数据模型，而从一个工艺借鉴到另外一个工艺，算法有相通之处。当然，因为不同场景要解决的问题是不同的，有些也需要进行一些定制化的开发。

夏晓毛表示，在博世内部，有些工厂也会借用他们的数据模型，如果是不同的工厂，则是方法论的迁移。

数字化转型战略中有一个很重要的环节，是数字化人才的培养。

“我们作为数据分析人员，在刚开始看到大量杂乱无章的数据时，确实没有头绪。但我们现在慢慢地有了一些经验。”夏晓毛说道，“现在我们已经建立了相关的团队，大家都有一定的知识储备、经验积累，当同类数据进来的时候，我们能很快找到相应特征。”

夏晓毛是博世长沙在数据分析方面的牵头人。除了数据分析，这里的数字化人才还涉及数据抓取、数据收集等工作。此外，还包含掌握某一项工艺或者技术的数字化人才。

如果按照技术能力来分，最顶层的就是数据技术专家，接下来是做基本应用开发的数字化人才，再接下来是基层数字化人才。

目前，公司专门做数据分析的有5人，技术专家级别的人才有大约20人。最近他们做了一次数字化人才的夏令营，参加夏令营的有1600人。

从2020年到2022年，从基础的数据应用做起，目前他们已经能够利用数据作决策。这是一个逐步积累的过程。

现在，这家汽车零部件工厂正在构建人工智能物联网平台，他们的远景规划是希望未来可以变成“未来工厂”（Factory of the Future）。

本文由汽车商业评论原创出品
转载或内容合作请联系说明

违规转载必究