2018雲栖大會武漢峰會新制造專場，由阿裡雲研究中心進階戰略專家王嶽帶來了以“AI時代的制造業數字化變革”為主題的演講，談及數字化比那個能對傳統企業産生的影響，介紹了制造業數字化變革模型以及中國制造業的未來發展，最後介紹了阿裡雲工業大腦及相應的案例。
數十款阿裡雲産品限時折扣中， 趕緊點選這裡 ，領劵開始雲上實踐吧！
直播視訊請點選以下為精彩視訊内容整理：
為什麼阿裡雲談制造？
去年雙十一的交易額達到170個億，支付峰值達到了25.6萬筆/秒，交易峰值達到了32.5萬筆/秒，比2016年提高了一倍，攔截了15.03億次的網絡攻擊，95%的客服服務是由阿裡小蜜機器人來實作的。這些數字背後涉及了很多的技術。我們發現，相當一部分的電商服務具有平移和複制的能力，比如可以通過算法提升晶片的良率，也可以用來養豬。但是像生産類技術卻不能，比如生産汽車的公司就不能生産鞋。
比如Uptake是一家美國的一個大資料公司，Caterpillar是全球最大的工程機械公司，每天是由三百萬的裝置是在運轉的。Uptake通過對Caterpillar公司的裝置資料、環境資料和勞工資料，再加上油耗分析模型、故障診斷模型、研發設計模型和成本核算模型，可以很好地為該公司的工程機械使用者、工程承包商和操作工提供服務。目前現在Uptake的估值已經達到23億美金，是一個不折不扣的獨角獸公司。
哪些技術能對數字化變革能産生影響呢？
像TD基礎設施，比如網際網路，雲計算，大資料，人工智能；還有像實體世界的物聯網，VR/AR，機器人技術等；那麼TD技術和實體世界的融合，未來會孵化出新的模式，比如工業網際網路，共享經濟等。從下圖可以看出，工業化變革的每個階段，都會适時的産生新的技術，而且新技術和現有的技術會産生化學的反應，重新加速制造業的變革。是以，未來區塊鍊、無人駕駛這些技術落地的速度肯定會超過人們的想象。
數字焦慮加速數字化變革
為什麼現在企業，都在談數字化變革呢？其實是因為數字焦慮。過去工業時代，發展就像是植物一樣，先生根，然後縱向的開枝散葉，是一種垂直的一種玩法。在數字時代，企業的發展更像是一個動物，需要跨界，需要找水源和新的食物。是以，在新時代轉型成功的一些企業中，它們的數字模糊能力比較強，更容易成為行業新的上司者。這過程中也會看到有一些企業被淘汰掉。
數字變革并不能一蹴而就，需要跨過四個門檻：
第一個門檻是資料的流轉。不同于數字原生、雲原生等企業，這些公司的資料本身就是跑在雲上面的。制造企業還有一個資料從線下到線上遷移的過程，這是轉型的第一步。
第二個門檻是觸達，直接觸達客戶。制造業一直講全生命周期管理，更多是指把産品傳遞給客戶後，生命周期基本上也就終結。
第三個門檻是知識的共享和傳承。這是制造業發展的一個瓶頸。過去行業的知識都會沉澱到在軟體和裝置裡面，然後再賣給使用者，而使用者很少能掌握這些知識。一位美國隻在發動機的企業從業人員告訴我，這家企業一年的企業流失率在30%~40%，無法實作傳承。是以企業應該把知識傳承下去。是以我們現在強調要打造百萬級工業的APP，一個核心的目的就是，希望能把知識沉澱在APP裡面，加速知識的流轉，
第四個門檻是靈活。因為企業還是比較謹慎的，變革按流程線性發展。但是在數字時代，如果企業不能做到小步快跑、疊代試錯的話，往往會錯過商機。
制造業數字化變革模型
制造業數字化變革模型，分為五個次元：
第一個次元是數字加速器。數字技術很重要，它是扮演一個賦能的角色。
第二個次元就是生産營運變革。如何在工廠端從研發、供應鍊、生産等方面，加速企業的轉型。
第三個次元是商業模式。企業要打算什麼樣的智能産品，打造什麼樣的智能服務，如何做精準營銷。
第四個次元是平台的變革。未來的商業模式會是平台公司，包括内部供應鍊平台，生産平台，研發平台，也包括工業物聯網平台，工業網際網路平台等。
第五個次元是上司力的變革。我們看到我們所做的數字化轉型成功的項目，基本上都是一把手項目，這需要CEO和管理層有一個擁抱數字的心态。
中國制造業需要什麼樣的未來工廠？
工廠的發展分為三個階段：
第一個階段是自動密集型工廠。在流水線能看到網際網路技術，機器人技術，AGV小車等，其核心的目的是盡量減少人為的幹預，通過生産的自動化，把人解放出來，讓人去做一些更為複雜的工作。
第二個階段是資料密集型工廠。這個階段所有的業務、生産流程都要軟體化，所有資料都要雲化。核心是為了加速企業的決策。因為一個産品的80%都是在等待。因為資訊的不對稱，效率大打折扣。比如說汽車的生産過程隻要一天，但是接到下單，到傳遞到使用者手裡，會需要一周的時間，這就是因為資料沒有實時的流轉。在這個階段我們可以通過資料的流轉，加快物流和資金流的流轉。
第三個階段是智能密集型工廠。未來工廠的核心資産不會是裝置，也不是數字技術，而是算法工程師，還有就是工藝師傅。他們能把資料抽象成知識，再把知識，沉澱到軟體和裝置中。
阿裡雲工業大腦
阿裡雲工業大腦，簡單來講就是包括四個拼圖：超強的計算能力、雲資料、算法和模型、工業知識。工業大腦是需要企業的工程師來進行賦能的。
下面分享幾個成功案例：
- 天和光能是全球最大的光伏元件供應商，他們請阿裡雲的大資料團隊去幫助他們實作對良率的提升。我們在他們産線的核心工序中，收集了一千個不同次元的參數，然後做關鍵參數的識别，就是去看哪些參數會對品質影響最大。通過機器學習搭模組化型，去找30個關鍵參數之間的最優關系。最後得到一個藥方——參數的組合。當企業用了這個藥方之後，良率提升了7%。
- 中策橡膠，是中國最大的輪胎制造企業，每年生産5050萬套輪胎。其輪胎的制作過程中需要使用不同産地的膠進行混煉，但是具體不同膠之間的比例，都是憑老師傅的經驗。這樣做并不能實作精确化。通過機器學習，我們使他們的A品率提升了5%。
- 盾安集團，是中國民營風力發電領軍企業，其風機每故障一次都需要幾十萬。我們在風機上面布滿了溫度傳感器，來實時采集資料，做溫度曲線的模型。可以做到提前14天預測故障，使大修變為小修，使單次故障成本減少20-40萬。
-
恒逸石化，全球領先的石油化工綜合服務商。化工行業是高耗能行業，每年光燒煤就需要4億噸。我們通過算法，動态的調整鍋爐的參數，可以提升燃煤效率4%，為公司節省上千萬成本。接下來，我們會改善他們整個工藝流程。
無論是流程行業還是離散行業，都離不開圖像識别。如果去工廠就會發現，相當一部分人是在做質檢。比如發動機廠的20個生産工序中都需要質檢。一個紡織廠的3000人裡面有20%是在做質檢，是以每年光質檢的費用就達到幾千萬，還有人會是走神的。如果通過圖像識别技術，在秒級拍照，分析，預警，制定一套标準，能節省很大的成本。
工業大腦應用場景的三個尋找原則：
第一個是資料壓強最強的地方。資料越多，可發揮的空間就越大。。
第二個是資料采集強的環節。模組化的成功率就越高
第三個是價值密度，找到你們的痛點，能給企業帶來價值。
基于這三個原則，企業可以做一下嘗試。
工業大腦發展路徑——單點、複制、擴充、優化
第一個階段是頭腦風暴。老工藝師傅，資料團隊和專家，集思廣益。
第二個階段是做減法。看哪個環境，能産生最大價值，實作單點的突破。
第三個階段是資料采集、資料清理、模組化。當我們在單點取得效益之後，要線上上去做延展、複制。
第四個階段是擴充這個産線，工業大腦全局的擴充。
第五個階段是朝着平台化發展。
針對工廠智能化發展的三個階段，我們可以從上到下倒逼進行。當企業看到資料能産生價值，能加速它們變革的決心，加速它們對智能化的投入。
通過做了那麼多的工業化的項目總結出，工業大腦有四個超能力：
暴力破解。基于資料，再加上老工藝師傅，可以把資料變化為知識。
跨行業複用。比如說我們在光伏行業做的工業大腦，也可以應用在光伏行業的上遊和下遊，做到産業化，也可以複制到做橡膠行業和鋼鐵行業等。
微創技術。我們沒有改動産線，隻是改動資料，風險是可控的。
知識沉澱。積累的知識一定是封裝在子產品或APP裡面的，可以賦能所有的中小企業。
場景的微粒化
我們看到行業的不同，或是細分行業的不同。相同細分行業，企業的不同，轉型的優先級是不一樣的。
圖中深色是帶來價值比較高的，淺色的是比較低的。做服裝對的對C2M感興趣；食品和制藥行業對品質要求比較高；電商對倉儲比較關注；交通和機械行業關注3D模組化、虛拟仿真；機械行業還關注協同工藝鍊；鋼鐵，電力，石化等行業是流程化的，要花很多錢在裝置上，對裝置的預測性維護很關心；鋼鐵、石化等行業有很多的參數變化，希望利用算法來優化生産。可以看出不同行業的轉型場景一定是不同的。建議想轉型的企業要跟行業的專業人士聊聊，一起把把脈，設計一個有針對性的轉型路徑。
在轉型過程中，需要思考我是誰，要有一個明确的變革目标。轉型的戰略一定要和企業核心的業務戰略融合在一起。要打造自己的數字化轉型的夢之隊；打造适合自己的轉型路徑。随着轉型的深入，傳統的KPI已經失效，要打造針對數字化轉型的KPI。最後給大家一個建議，要單點突破，從小做起，小步快跑，迅速疊代。