從最早公元前2000年文字誕生起人類(lèi)就開(kāi)始采集數(shù)據(jù)，到1998年正式提出大數(shù)據(jù)這一概念，實(shí)際上數(shù)據(jù)的發(fā)展已經(jīng)橫跨了上下4000多年的時(shí)間。在這一漫長(zhǎng)的歷史演變中，人類(lèi)共經(jīng)歷了四次工業(yè)革命，從最早以蒸汽技術(shù)為代表的工業(yè)1.0，到如今以智能和互聯(lián)網(wǎng)為代表的工業(yè)4.0，制造業(yè)也迎來(lái)了其全面蛻變的時(shí)刻——智能工廠(chǎng)時(shí)代的強(qiáng)勢(shì)來(lái)襲。
畢業(yè)于美國(guó)卡內(nèi)基梅隆大學(xué)、專(zhuān)注于制造業(yè)大數(shù)據(jù)研究的昆山杜克大學(xué)教授李昕認(rèn)為，在人工智能和大數(shù)據(jù)愈發(fā)滲透的今天，如何更好地收集數(shù)據(jù)、分析數(shù)據(jù)、利用數(shù)據(jù)才是企業(yè)根本。尤其是制造業(yè)，作為立國(guó)之本，量級(jí)更是驚人，如何用數(shù)據(jù)助力智能制造，點(diǎn)“數(shù)”成金？
在李昕看來(lái)，數(shù)據(jù)分析在制造業(yè)應(yīng)用有兩大技術(shù)難點(diǎn)：第一個(gè)是數(shù)據(jù)變異性，第二個(gè)是工藝的變化。對(duì)于未來(lái)大數(shù)據(jù)的發(fā)展，李昕也表示，最大痛點(diǎn)在于“懂?dāng)?shù)據(jù)又懂行業(yè)”的雙料人才的匱乏。在這點(diǎn)上，不管是學(xué)校，還是企業(yè)，都任重道遠(yuǎn)。
以下是李昕教授在2017IT 價(jià)值峰會(huì)暨中國(guó)企業(yè)級(jí)技術(shù)峰會(huì)上的演講，經(jīng)ITValue編輯整理：
我本人主要從事制造業(yè)大數(shù)據(jù)的研究，是臺(tái)灣富士康集團(tuán)總裁郭臺(tái)銘先生的大數(shù)據(jù)顧問(wèn)，同時(shí)也是香港兩家公司的董事。
互聯(lián)網(wǎng)時(shí)代，數(shù)據(jù)暴增。目前每?jī)商靹?chuàng)造的信息幾乎相當(dāng)于人類(lèi)有史以來(lái)到2003年所創(chuàng)造的信息總和。這是什么概念？在美國(guó)，每分鐘就會(huì)產(chǎn)生2.04億封郵件，F(xiàn)acebook上會(huì)有180萬(wàn)次的點(diǎn)贊、20萬(wàn)張照片的上傳。而且這個(gè)量級(jí)還會(huì)隨著時(shí)間不斷上升，大概每1.2年就會(huì)翻一番。
如此龐大的數(shù)據(jù)量怎么才能很好利用？我們先來(lái)看一下大數(shù)據(jù)應(yīng)用的現(xiàn)狀。過(guò)去5-10年，大數(shù)據(jù)的發(fā)展主要集中在三個(gè)方向：圖像、視頻、語(yǔ)音。國(guó)內(nèi)外很多IT公司在這三個(gè)方向上都取得了非常成功的發(fā)展。今年3月，李克強(qiáng)總理在政府工作報(bào)告上強(qiáng)調(diào)，要把人工智能、大數(shù)據(jù)推廣到各行各業(yè)中，包括商業(yè)、醫(yī)療、制造、教育、城市等。這意味著，未來(lái)大數(shù)據(jù)將會(huì)滲透到我們生活的每個(gè)環(huán)節(jié)中，發(fā)揮越來(lái)越重要的作用。
要利用數(shù)據(jù)就要先分析數(shù)據(jù)。大數(shù)據(jù)分析需要兩類(lèi)人：數(shù)據(jù)分析專(zhuān)家和行業(yè)專(zhuān)家，二者缺一不可。谷歌過(guò)去十年一直在推自動(dòng)駕駛技術(shù)，但是兩年前意識(shí)到，自動(dòng)駕駛并不是一個(gè)IT公司的數(shù)據(jù)專(zhuān)家就能單獨(dú)完成的事，還必須和各個(gè)整車(chē)廠(chǎng)包括本田、福特等的行業(yè)專(zhuān)家合作，共同研發(fā)產(chǎn)品。
智能工廠(chǎng)時(shí)代全面來(lái)臨
就制造業(yè)來(lái)說(shuō)，數(shù)據(jù)量的龐大難以想象。中國(guó)具有強(qiáng)盛的制造業(yè)，如果利用大數(shù)據(jù)把制造業(yè)的效率提高10%，那么創(chuàng)造的利潤(rùn)非同小可。在美國(guó)，奧巴馬時(shí)期就提出了智能制造的戰(zhàn)略，歐洲老牌制造強(qiáng)國(guó)德國(guó)一直在提倡工業(yè)4.0，新加坡也有明確的規(guī)定國(guó)家GDP必須有15%-20%的貢獻(xiàn)是來(lái)自于制造業(yè)。
沒(méi)有制造業(yè)，一個(gè)國(guó)家就喪失了生存之本。
回顧起來(lái)，制造業(yè)的發(fā)展大概經(jīng)歷了四次工業(yè)革命。
第一次工業(yè)革命發(fā)生于18世紀(jì)60年代，主要以蒸汽技術(shù)為代表的工業(yè)1.0時(shí)代；
第二次工業(yè)革命是在19世紀(jì)50年代，以電力為主要能源的工業(yè)2.0時(shí)代；
第三次是20世紀(jì)50年代，以計(jì)算機(jī)技術(shù)為代表，把計(jì)算機(jī)技術(shù)應(yīng)用到工業(yè)控制中的工業(yè)3.0時(shí)代；
最后一次就是當(dāng)今以智能和互聯(lián)網(wǎng)為代表的第四次工業(yè)革命即工業(yè)4.0時(shí)代。
這次工業(yè)革命對(duì)制造業(yè)來(lái)說(shuō)非比尋常，它意味著智能工廠(chǎng)時(shí)代的全面來(lái)臨。什么是智能工廠(chǎng)？在每個(gè)工廠(chǎng)的每個(gè)車(chē)間的每個(gè)機(jī)臺(tái)上都安裝有很多傳感器，不斷地采集數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行分析，從而優(yōu)化生產(chǎn)線(xiàn)，降低成本。這個(gè)數(shù)據(jù)量有多大？制造業(yè)有一項(xiàng)技術(shù)叫自動(dòng)光學(xué)檢測(cè)（AOI），每個(gè)零部件生產(chǎn)出來(lái)后都會(huì)被拍照檢驗(yàn)質(zhì)量的好壞。倘若按每分鐘收集一張1M像素的圖片來(lái)估算，一臺(tái)機(jī)器一天產(chǎn)生的數(shù)據(jù)就是1.5G。每個(gè)工廠(chǎng)有N多個(gè)機(jī)臺(tái)，N多個(gè)傳感器，總的數(shù)據(jù)量可想而知。
大數(shù)據(jù)提升制造流程的4大應(yīng)用
這么多數(shù)據(jù)能拿來(lái)做什么？第一個(gè)應(yīng)用就是調(diào)度優(yōu)化。
在智能車(chē)間里，機(jī)臺(tái)與機(jī)臺(tái)之間的產(chǎn)品傳遞主要靠機(jī)械手臂來(lái)完成，而車(chē)間與車(chē)間之間的產(chǎn)品傳遞則是通過(guò)傳動(dòng)帶來(lái)完成。所謂調(diào)度優(yōu)化就是通過(guò)數(shù)據(jù)分析，了解每個(gè)產(chǎn)品在每個(gè)機(jī)臺(tái)上需要處理的時(shí)間，然后決定出把某個(gè)產(chǎn)品送到哪個(gè)機(jī)臺(tái)去處理的最優(yōu)解決方案。這個(gè)事情看起來(lái)容易，操作起來(lái)卻很難，正如車(chē)輛在路上突然拋錨造成交通擁堵一樣，如果一個(gè)機(jī)臺(tái)出了問(wèn)題，就會(huì)擾亂整個(gè)調(diào)度的優(yōu)化方案，更糟的是如果發(fā)現(xiàn)某個(gè)產(chǎn)品不合格，就需要被重新發(fā)配到某個(gè)機(jī)臺(tái)重新處理，那么就會(huì)導(dǎo)致整個(gè)調(diào)度非常復(fù)雜，處理不好就會(huì)造成“擁堵”，甚至停工。
大數(shù)據(jù)的另外一個(gè)重要應(yīng)用就是設(shè)備監(jiān)控。產(chǎn)品制造分許多步驟，如果第一道工序出了故障沒(méi)有立刻發(fā)現(xiàn)，等生產(chǎn)出來(lái)之后經(jīng)檢測(cè)時(shí)才發(fā)現(xiàn)，那就意味著這段時(shí)間里生產(chǎn)的全部產(chǎn)品都要報(bào)廢。這是個(gè)很?chē)?yán)重的問(wèn)題。設(shè)備監(jiān)控就是在每個(gè)機(jī)臺(tái)上都安置多個(gè)傳感器來(lái)監(jiān)測(cè)設(shè)備是否有故障。美國(guó)有個(gè)大型制造企業(yè)，曾經(jīng)成品率總是提不上去，經(jīng)多方查找后才發(fā)現(xiàn)，原來(lái)是一個(gè)機(jī)臺(tái)在清理時(shí)出了問(wèn)題，早班清潔工是從上往下清理，晚班清潔工是從下往上清理，就是這樣一個(gè)個(gè)小小的瑕疵就會(huì)對(duì)整個(gè)生產(chǎn)線(xiàn)造成幾百萬(wàn)甚至幾千萬(wàn)美金的損失。
第三個(gè)應(yīng)用就是虛擬測(cè)試。在制造業(yè)中，測(cè)試占整個(gè)制造成本的25%-50%，怎么用大數(shù)據(jù)降低測(cè)試成本？最根本的一點(diǎn)就是利用數(shù)據(jù)的相關(guān)性，也就是用數(shù)據(jù)去分析不同的數(shù)據(jù)量之間是否相關(guān)，如果存在相關(guān)就可以用一個(gè)數(shù)據(jù)量去估計(jì)另一個(gè)數(shù)據(jù)量。
這里有兩個(gè)例子，一個(gè)是空間的相關(guān)性。在集成電路制造中，一塊硅片包含很多芯片，傳統(tǒng)的方法是每個(gè)芯片都要去測(cè)試，如果我們把整塊硅片看作是一幅圖像，那么不同的像素對(duì)應(yīng)不同的芯片，像素點(diǎn)之間是有相關(guān)性的，我們可以通過(guò)測(cè)試少數(shù)幾個(gè)像素點(diǎn)的值，利用統(tǒng)計(jì)方法來(lái)估值另外的像素點(diǎn)，從而大大減少測(cè)試量。
另一個(gè)例子是給金屬塊鉆孔。鉆孔是否平整？是不是圓形？在制造業(yè)上是一個(gè)非常昂貴的測(cè)試過(guò)程。我們通過(guò)在鉆孔機(jī)上安裝各種非常廉價(jià)的傳感器，包括震動(dòng)傳感器、聲音傳感器、壓力傳感器等，用這些傳感器的測(cè)試值去創(chuàng)建一個(gè)模型，然后預(yù)估鉆孔的平整度和質(zhì)量狀況，從而節(jié)省很大一筆成本。
第四個(gè)應(yīng)用是故障追蹤。監(jiān)控生產(chǎn)線(xiàn)中產(chǎn)品的制造過(guò)程，發(fā)現(xiàn)故障的根源。故障可能是某一個(gè)機(jī)臺(tái)，可能是某一種原材料，也可能是某一位操作員。
大數(shù)據(jù)分析在制造業(yè)應(yīng)用有兩大技術(shù)難點(diǎn)：第一個(gè)就是數(shù)據(jù)變異性，不同機(jī)臺(tái)，在不同時(shí)間、不同環(huán)境下的數(shù)據(jù)具有不同的統(tǒng)計(jì)特性，也就是說(shuō)，在這個(gè)機(jī)臺(tái)上采集的數(shù)據(jù)不可能直接拿來(lái)去用于另一個(gè)機(jī)臺(tái)的建模。當(dāng)你把采集到的數(shù)據(jù)分配到每個(gè)機(jī)臺(tái)、每個(gè)時(shí)間點(diǎn)、每個(gè)不同的環(huán)境條件下去做分析的時(shí)候，你會(huì)發(fā)現(xiàn)數(shù)據(jù)量其實(shí)并不大，甚至很小。另外一個(gè)難點(diǎn)是工藝的變化。制造工藝隨時(shí)間在不斷演變，同樣一個(gè)產(chǎn)品，今年制造出來(lái)的測(cè)試結(jié)果和明年制造出來(lái)的測(cè)試結(jié)果完全不同，因?yàn)楫a(chǎn)線(xiàn)在不斷變化，這是大數(shù)據(jù)分析的一個(gè)軟肋。我們分析的數(shù)據(jù)都是歷史數(shù)據(jù)，所以大數(shù)據(jù)分析實(shí)際上就是兩步，第一步記錄歷史數(shù)據(jù)，第二步根據(jù)這些歷史數(shù)據(jù)去預(yù)測(cè)未來(lái)。如果由于工藝變化導(dǎo)致未來(lái)和歷史是不一致的，那么大數(shù)據(jù)分析的最根本假設(shè)就已經(jīng)不成立了。這也是大數(shù)據(jù)分析的一個(gè)痛點(diǎn)所在。
怎么去解決這一問(wèn)題？從我來(lái)看，大數(shù)據(jù)未來(lái)發(fā)展的一個(gè)最大難點(diǎn)就是缺乏復(fù)合型的人才。要找到一個(gè)既懂?dāng)?shù)據(jù)又懂專(zhuān)業(yè)領(lǐng)域的雙料人才非常困難，所以培養(yǎng)跨學(xué)科的人才是我們昆山杜克學(xué)校的一個(gè)重要任務(wù)。
昆山杜克大學(xué)剛剛成立了一個(gè)大數(shù)據(jù)中心，里面有很多昆山杜克大學(xué)的教授，以及美國(guó)杜克大學(xué)的教授，我們一起合作致力于中國(guó)大數(shù)據(jù)人才的培養(yǎng)，也希望與中國(guó)的企業(yè)合作共同貢獻(xiàn)一份力量。
