“进入车间，映入眼帘的是一条长约20 米的 O 型生产线，产线前三名工人和几个机器人正协同工作，将各种元器件的印刷线路板（PCBA 板）与产品壳体组装起来。这条生产线覆盖了产品的装配和测试工序，可支持 12 款主流产品的实时混线生产。产品在线上被自动扫码识别，车间的管理系统会直接根据产品的型号实时向机器人下发指令，产品完成装配， AGV无人车忙碌的搬运着各种物料…”

眼前的景象是京信通信位于广州的一家工厂， 成立于1997年的京信通信是全球领先的无线通信与信息解决方案和服务提供商， 2003年于香港联交所主板上市，公司为全球80多个国家和地区提供移动网络及行业应用整体解决方案。

京信通信集团副总裁陈遂阳先生表示，20年一路走来，京信通信发展并非一番风顺 - 行业竞争激烈，企业议价能力弱；产品更新换代快，小批量、多品种产品需求需要更强的柔性生产能力；招工难，劳动力成本与原材料成本不断攀升…

面对外部市场环境挑战，早在2006年，京信通信就开始积极布局工厂的自动化与信息化改造，并在新技术引入上做了大胆的尝试，以实现工厂的降本增效。自动化端，京信通信从关键岗位的自动化升级，到产线的自动化与柔性化改造，再到人、机、料、法、环 （环境）的互联互通、以及智能物流、数字仿真与模块化设计上的投入，如今的工厂已经具备了良好的混线生产能力。同时，信息化端，企业在2006年就开始花大力气部署ERP、PLM、RDM、OA等应用。2013年，信息化重点升级到系统间集成，并同时补足了生产执行、订单管理、仓储管理等系统。

然而，2017年之前，京信通信自动化与信息化建设像火车的双轨，虽然离得很近，实则并没有产生交集。陈总意识到，IT/OT集成是实现生产智能化、网络化与数字化绕不过的坎。于是，2017年，公司果断开发了SCADA系统，实现了生产设备互联，同时工厂端部署了大量传感器，以此作为连通数字与物理环境的桥梁。设备数据首次可以在各业务间流转，帮助优化企业销售、计划、采购、排产等决策。 得益于自动化、信息化建设以及新技术的部署，2013年到2017年间，生产工人数量减少了50%, 产能增加了10%。

利用工业大数据优化产线并不是突发奇想， 早在京信通信启动智能制造项目以来，大数据就被列为项目规划的重要组成部分。过去十年来，企业在自动化、信息化以及IT/OT融合上持续投入为工业大数据/工业智能的能力施展做了很好的铺垫 - 设备数字化与网联化，以及与MES、ERP等工业系统的互联互通为工业大脑的实施打下了足够扎实的数据基础。

哪里最痛，就从哪里入手

工业大数据的场景聚焦是很多制造企业最为头疼的地方，而京信通信却没有这方面的担忧。在与阿里云的合作过程中，阿里云大数据专家邓超对京信的评价是“最清晰地知道生产数据如何使用的企业”。公司早期就明确了工业大数据的方向与定位，即利用大数据提升生产过程中调试环节效率。产品调试是通信生产过程中最为重要的环节。调试环节的成本占总生产成本比重高达30-40%， 且耗时耗力。单以某多模产品为例，调试与测试项目多达300项，且很多指标之间存在相互关联，调试与测试周期长，单个产品平均耗时超过1个小时，严重影响产品生产进度。

京信智能制造副总经理葛鑫表示：“在生产测试环节，企业已经触碰到天花板，能想的办法都想了。这个时候我们就在设想，能不能再从数据中深挖一些价值”。于是，去年11月份，京信通信智能制造团队与阿里云工业大数据专家接触，并定下了目标 - 以阿里云的云计算能力和“Dataworks”大数据计算平台为基础，通过数据上云以及工业大脑的部署，在云端汇总打通生产关键环节的数据，以测试/检测数据为主体，利用算法模型进行制程能力的综合分析与评估优化，提升测试效率。当明确了工业大脑的突破场景与目标，京信通信很快就成立了工业大脑项目团队，智能制造部为牵头部门，产品事业部、 IT部、生产部门与阿里云大数据专家团队作为核心成员。 项目分为四个步骤：

大脑团队从一款信号拉远设备数据采集入手。该产品需要的调试、测试项目分别都有80个左右，而每个项目都有9个数据维度。通过京信通信自研的数据采集系统进行产品的多维度数据采集，最终收集上来的调试测试数据维度多达1500个。

数据上传到MaxCompute大数据平台，通过将调试测试数据在产品-模块-通道-调试/测试项目多个层级的数据关联，形成每一个产品在生产过程中调试工序和测试工序全链路的数据打通。

基于机器学习平台PAI，利用大数据人工智能算法，对调测关系做数据挖掘。通过对历史已生产产品样本进行决策分类，针对测试项目分成不同目标水平的样本，根据调试项目内容聚类，计算每种类别的CPK（生产制成能力）水平，由此沉淀基于调测关系的检测规则。

基于上一阶段沉淀的检测规则，构建实时产品检测策略优化模型。对产线上已调试的产品（待测产品），基于调测关系的检测规则，推荐抽检频率，选择合适的抽检策略。举个例子，比如当增益定标（信号放大指标）的调试值大于-0.25, CPK处于较高水平，系统会自动提高产品检测的抽免检比例，而如果值小于-0.25, 则需要进行全检。

基于参数优化的模拟结果超过预期，检测指标项从平均300个点位降到200个，调试子项目的耗时减少超过35%，产品整体调试效率优化10-20%。

车间的技术人员可从阿里云平台随时调用算法API，动态优化调试、测试过程。

工业大脑的能力在成品检测环节得到了印证， 极大增强了公司管理层的信心，于是开始着手工业大脑下一阶段布局。

阶段一 全生产链测试优化

目前工业大脑的应用还仅是在整机的测试环节，京信通信希望能够将测试的控制点前移，提前到前端各组件环节，包括器件、PCBA、模块等，由此减少产品返修，大幅提高最终整机通过率。此外，通过对调试与测试过程参数的分析，优化BOM成本，为研发设计提供指导。

阶段二 行业测试云平台

无线通讯行业中小企业众多，测试仪表设备贵重， 需要优化仪表的利用效率，同时通信产品的测试认证复杂，很多企业没有能力搭建自动化测试系统。京信通信希望能够打造行业测试云平台，通过提供AI SaaS与APP应用，满足广大中小企业生产过程中的自动化、智能化测试需求。

首先，离散制造业加工任务的分散并不意味着工业大数据价值的发挥会大打折扣，而关键在于对数据的理解以及场景的深挖。外部数据专家的引入有助企业跳出传统思维框架，站在新的视角，唤醒数据潜能；

其次，京信通信工业大脑项目的成功绝非偶然。如果把工业大脑比做剑宗，灵动，见效快，那么IT/OT融合则是气宗，需要扎实的基本功。工厂多年在IT与OT上的投入以及数据的积累为大脑的发挥上打下了扎实的基础，而工业大脑的应用则有助发现IT/OT融合上的盲点，倒逼工厂的信息化与自动化升级。

最后，天下武功，唯快不破。工业大脑的实施无需一口吃成个胖子，可以单点突破，从生产环境中的某个痛点下手，关键是要加快试错与迭代的节奏，随后快速复制，扩展到其他生产场景，最终形成工厂的全局智能。

原文来自：https://yq.aliyun.com/articles/622543?spm=a2c4e.11157919.spm-cont-list.4.146c27aeIHixKa

本文地址：https://www.linuxprobe.com/data-slimming.html编辑：薛鹏旭，审核员：逄增宝

本文原创地址：https://www.linuxprobe.com/data-slimming.html编辑：薛鹏旭，审核员：暂无