自德國(guó)2013年4月正式提出“工業(yè)4.0”戰(zhàn)略迄今已兩年有余，“工業(yè)4.0”在國(guó)內(nèi)已得到了非常廣泛的關(guān)注和討論，很多優(yōu)秀企業(yè)開始摩拳擦掌，開始制定和實(shí)施自己的“工業(yè)4.0戰(zhàn)略”，這些如火如荼的景象凸顯出未來創(chuàng)新產(chǎn)品智能制造領(lǐng)域的誘人前景。無獨(dú)有偶，GE公司不久前宣布出售旗下包括GE Capital在內(nèi)的非工業(yè)資產(chǎn)，將主要精力回歸于高精尖的創(chuàng)新制造領(lǐng)域。這一切似乎都在佐證著一場(chǎng)以創(chuàng)新和數(shù)字化驅(qū)動(dòng)的智能制造為核心的新工業(yè)革命正在向我們頻頻招手。

工業(yè)4.0離不開數(shù)據(jù)分析和應(yīng)用

工業(yè)4.0的一個(gè)目標(biāo)，是要實(shí)現(xiàn)從智慧工廠到智能生產(chǎn)的的建設(shè)和升級(jí)，前者重點(diǎn)研究智能化生產(chǎn)系統(tǒng)及過程以及網(wǎng)絡(luò)化分布式的生產(chǎn)設(shè)施的實(shí)現(xiàn)，而后者涉及整個(gè)企業(yè)的生產(chǎn)物流管理、人機(jī)互動(dòng)，3D打印以及先進(jìn)制造技術(shù)在工業(yè)生產(chǎn)過程中的應(yīng)用。一個(gè)普遍的共識(shí)是，要實(shí)現(xiàn)這一新的“工業(yè)革命”，基于“大數(shù)據(jù)”技術(shù)的數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)能力，將是其中最為重要的能力之一。而總體而言，制造業(yè)存儲(chǔ)了遠(yuǎn)超過其他工業(yè)部門的數(shù)據(jù)，據(jù)不完全統(tǒng)計(jì)，從2010年以來的新產(chǎn)品數(shù)據(jù)就達(dá)到了接近2EB，這其中就包括大量的儀器儀表測(cè)量數(shù)據(jù)，供應(yīng)鏈數(shù)據(jù)乃至產(chǎn)品全生命周期數(shù)據(jù)。對(duì)這些數(shù)據(jù)的分析和價(jià)值挖掘，是為創(chuàng)新和生產(chǎn)實(shí)踐提供智能指導(dǎo)必須要完成的工作，將直接影響智能生產(chǎn)能夠?qū)崿F(xiàn)的程度。而幾乎在所有剖析工業(yè)4.0的文獻(xiàn)匯總，都著重強(qiáng)調(diào)了數(shù)據(jù)分析和知識(shí)發(fā)現(xiàn)的重要性。

制造業(yè)數(shù)據(jù)采集和分析領(lǐng)域的共性問題

工業(yè)4.0是多品種小批量創(chuàng)新產(chǎn)品高精度卓越質(zhì)量的生產(chǎn)，而要實(shí)現(xiàn)這種“高精度卓越質(zhì)量的生產(chǎn)”而言，對(duì)生產(chǎn)數(shù)據(jù)準(zhǔn)確、及時(shí)的采集和分析無疑是不可或缺的。為了實(shí)現(xiàn)產(chǎn)品創(chuàng)新和高精度的質(zhì)量控制，蘋果和Intel這樣的頂尖公司每年花費(fèi)在數(shù)據(jù)分析軟件上的費(fèi)用是非常驚人的，而且在其員工的培訓(xùn)和考核體系上，數(shù)據(jù)分析能力也被作為一個(gè)重要的考量維度。在世界范圍內(nèi)，各個(gè)工業(yè)巨頭在數(shù)據(jù)采集和分析領(lǐng)域的投資還在不斷加碼，而國(guó)內(nèi)的絕大多數(shù)企業(yè)也正在掀起一場(chǎng)數(shù)據(jù)采集和分析利用的熱潮。作為業(yè)內(nèi)專業(yè)的質(zhì)量大數(shù)據(jù)和智能制造解決方案供應(yīng)商，QuAInS在2014年深入調(diào)研了數(shù)十家企業(yè)，發(fā)現(xiàn)不少企業(yè)已經(jīng)開始增加在數(shù)據(jù)采集和分析領(lǐng)域的投資，但由于起步較晚，在這個(gè)領(lǐng)域還普遍存在著一些具有共性的重要問題。

目標(biāo)不明確導(dǎo)致貪大求全

曾有專家呼吁“大數(shù)據(jù)”應(yīng)該從“小應(yīng)用”著手，即選取一到兩個(gè)具體的領(lǐng)域開始數(shù)據(jù)采集和分析技術(shù)的應(yīng)用，并隨著時(shí)間和經(jīng)驗(yàn)的積累逐步向相關(guān)的領(lǐng)域拓展。而有些企業(yè)一開始并沒有選定這樣的“小應(yīng)用”，而是從盡量多的領(lǐng)域全面鋪開，結(jié)果各部門疲于奔命，搜集了供應(yīng)鏈、生產(chǎn)、質(zhì)量、財(cái)務(wù)成本、ERP，售后服務(wù)等各個(gè)方面的數(shù)據(jù)組成了一個(gè)龐大的數(shù)據(jù)群，但卻對(duì)如何應(yīng)用這些數(shù)據(jù)來解決何種具體的問題并不明確，只是形成了一個(gè)價(jià)值相當(dāng)有限的“數(shù)據(jù)堆”。比如江蘇有一家企業(yè)，在這種情況下花近兩年的時(shí)間集中了5個(gè)數(shù)據(jù)庫(kù)的數(shù)據(jù)，各個(gè)團(tuán)隊(duì)為此耗費(fèi)了巨大的精力和成本，但最終卻因?yàn)閼?yīng)用目標(biāo)不明確，項(xiàng)目遲遲不見收益而不了了之。QuAInS質(zhì)量大數(shù)據(jù)研究院資深專家Roger介紹說：由于國(guó)內(nèi)大多數(shù)制造型企業(yè)本身并沒有太多的數(shù)據(jù)分析和應(yīng)用經(jīng)驗(yàn)，有時(shí)候在對(duì)“小應(yīng)用”還不明確的情況下為了趕“大數(shù)據(jù)”的“時(shí)髦”而匆匆上馬一些項(xiàng)目，這樣失敗的風(fēng)險(xiǎn)就很大。其實(shí)，對(duì)制造業(yè)來說，精細(xì)化和質(zhì)量是永恒不變的最重要的課題，企業(yè)完全可以從提高生產(chǎn)質(zhì)量和流程能力、降低單位質(zhì)量成本入手，收集和整合產(chǎn)品的質(zhì)量數(shù)據(jù)以及‘生產(chǎn)這些質(zhì)量’的過程數(shù)據(jù)并加以分析利用，這往往是一種能夠比較快地見效和獲得客戶認(rèn)可的路徑。

手動(dòng)采集數(shù)據(jù)，效率低下

QuAInS在調(diào)研中發(fā)現(xiàn)，不少企業(yè)雖然已經(jīng)有了一定的數(shù)據(jù)積累的意識(shí)，但數(shù)據(jù)采集過程的過程仍然是半自動(dòng)甚至依靠手工進(jìn)行。在浙江一家精密零件生產(chǎn)企業(yè)的測(cè)量車間，工作人員在完成測(cè)量后，需要將測(cè)量結(jié)果用筆手動(dòng)記錄在一張事先打印好的表格中，然后由另外一位工作人員集中輸入電腦;而對(duì)于一些比較智能的測(cè)量?jī)x器如CMM，測(cè)量?jī)x器自動(dòng)輸出的數(shù)據(jù)文件仍然以單獨(dú)文件的形式分散存儲(chǔ)在各臺(tái)測(cè)量電腦中，需要手動(dòng)拷貝轉(zhuǎn)換才能實(shí)現(xiàn)數(shù)據(jù)規(guī)整，做一份簡(jiǎn)單的質(zhì)量檢驗(yàn)報(bào)告也需要大半天的時(shí)間。這種方式不僅效率低下，造成很大的人力成本損失，而且，數(shù)據(jù)的記錄非常容易出錯(cuò)。Tommy作為測(cè)量車間的主管對(duì)此深有體會(huì)：有時(shí)花了好幾個(gè)小時(shí)尋找異常測(cè)量值出現(xiàn)的原因，最后發(fā)現(xiàn)是因?yàn)樵谑謩?dòng)記錄是寫錯(cuò)了小數(shù)點(diǎn)位置所致。“一般而言，如果借助一些自動(dòng)化的數(shù)據(jù)采集方式，企業(yè)花在數(shù)據(jù)采集方面的時(shí)間至少能節(jié)省80%以上，而且還能大幅降低出錯(cuò)的概率”。QuAInS數(shù)據(jù)采集方案高級(jí)經(jīng)理Tommy解釋說。

只有結(jié)果數(shù)據(jù)，沒有過程數(shù)據(jù)

為了進(jìn)行質(zhì)量監(jiān)控或制作質(zhì)量報(bào)告，很多企業(yè)都對(duì)客戶直接關(guān)心的各個(gè)質(zhì)量指標(biāo)的數(shù)據(jù)進(jìn)行了收集整理，比如某個(gè)具體產(chǎn)品的同心度、尺寸、角度等等。從質(zhì)量大數(shù)據(jù)應(yīng)用的角度，如果企業(yè)僅僅是為了制作質(zhì)量報(bào)告或?qū)崿F(xiàn)實(shí)時(shí)的質(zhì)量監(jiān)控(比如實(shí)施SPC，需以數(shù)據(jù)的實(shí)時(shí)采集為前提)，這種做法是可行的。但是質(zhì)量大數(shù)據(jù)的更多價(jià)值在于從數(shù)據(jù)中發(fā)現(xiàn)質(zhì)量改進(jìn)的空間和線索，并以此制定切實(shí)可行的持續(xù)改進(jìn)方案，甚至是對(duì)將來一段時(shí)間的質(zhì)量狀況進(jìn)行預(yù)測(cè)，這點(diǎn)和提倡“用數(shù)據(jù)說話”以減少流程波動(dòng)的六西格瑪質(zhì)量管理在某種程度上有一定的異曲同工之處。如果沒有PCB生產(chǎn)工程中的噴淋角度、壓力、藥水PH值等方面的數(shù)據(jù)，我們就很難得到到底是哪個(gè)因素主要造成了某個(gè)批次線寬的不良。

未以應(yīng)用為導(dǎo)向進(jìn)行數(shù)據(jù)規(guī)整

在對(duì)數(shù)據(jù)進(jìn)行探索和分析之前，對(duì)數(shù)據(jù)的規(guī)整是必不可少的。數(shù)據(jù)規(guī)整不同于簡(jiǎn)單的數(shù)據(jù)數(shù)據(jù)獲取和整合，比如我們從不同的數(shù)據(jù)庫(kù)中得到了所需的數(shù)據(jù)(其中包括加工的溫度數(shù)據(jù))，但很可能我們還不能對(duì)之進(jìn)行分析，原因是，在不同的問題研究場(chǎng)合，有時(shí)候我們可能需要將溫度當(dāng)做連續(xù)變量來處理，有時(shí)候卻需要當(dāng)成離散變量來使用，這個(gè)需要根據(jù)行業(yè)和工藝特點(diǎn)和具體需要分析和解決的問題來確定，但在相同的行業(yè)或同一個(gè)企業(yè)，這種處理又是相對(duì)固定的。因此，最好能夠在數(shù)據(jù)獲取的過程中就能夠自動(dòng)完成類似的數(shù)據(jù)規(guī)整，這樣獲得的數(shù)據(jù)才能夠直接進(jìn)行分析。

進(jìn)行數(shù)據(jù)分析時(shí)無所適從

可喜的是，目前的確已經(jīng)有一些企業(yè)能夠圍繞質(zhì)量控制、改進(jìn)和預(yù)測(cè)的主題進(jìn)行一定的分析工作，特別是在一些高科技半導(dǎo)體行業(yè)這種情況已經(jīng)比較常見。但工程師在進(jìn)行這些分析工作時(shí)，除了前文中提及的數(shù)據(jù)規(guī)整的問題之外，往往還有更多的困惑：對(duì)于同一個(gè)數(shù)據(jù)分析問題而言，從初級(jí)的基本方法到高級(jí)的方法往往不止一種，工程師常常需要花很長(zhǎng)時(shí)間才能摸索出一套對(duì)具體某個(gè)問題比較有效的分析方法和思路。這一方面是因?yàn)楣I(yè)統(tǒng)計(jì)方法的應(yīng)用具有相當(dāng)?shù)膶I(yè)性，不僅需要具備一定的統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)，還需要有相當(dāng)?shù)墓こ瘫尘昂蛿?shù)據(jù)分析經(jīng)驗(yàn);另一方面，目前常用的數(shù)據(jù)分析軟件普遍只是提供各種數(shù)據(jù)分析方法，且使用起來也非常靈活，但在對(duì)具體問題應(yīng)該采取何種方法的問題上，卻并未能給出足夠的建議，使得絕大多數(shù)并不具備足夠工業(yè)統(tǒng)計(jì)背景的工程師感到無所適從。就像一個(gè)屋子有很多扇門，我們很難知道到底哪一扇門才是通往我們想去的房間的最佳通道一樣。不過，從客觀的角度，這些工具軟件的靈活性本身是非常值得推崇的，只是目前國(guó)內(nèi)大多數(shù)企業(yè)的在數(shù)據(jù)分析應(yīng)用方面的實(shí)際水平與這種靈活性之間還有一定的差距。“我們著力研究的行業(yè)化解決方案，正式為了幫助國(guó)內(nèi)的企業(yè)縮短學(xué)習(xí)時(shí)間”，Roger說。

誠(chéng)然，上述種種問題，需要我們從知識(shí)積累，系統(tǒng)建設(shè)，人才培養(yǎng)等多個(gè)方面進(jìn)行長(zhǎng)期的改善。在中國(guó)經(jīng)濟(jì)“新常態(tài)”背景和工業(yè)4.0的美好愿景下，我們有更多的理由去邁開堅(jiān)實(shí)的步伐，畢竟“世界這么大”，我們能抓住的機(jī)會(huì)卻不多。