天澤智雲無憂機床系統聚焦機加工領域，通過結合領域知識與機器學習算法，提供關鍵元件健康評估、故障預診與壽命預測等功能，一方面幫助企業實作降本增效，另一方面幫助發掘新的增值點，突破制造附加值較低的瓶頸，服務機床廠商和加工廠向智能化更新，甚至促進他們未來服務模式的轉型。機加工是一個非常典型的裝備制造産業，把産業上下遊企業服務好，其他行業便可以借鑒其有效經驗，進而加速整個中國制造業的更新。類似機加工産業的案例說明，中國的豐沛工業資料資源或許可以幫助中國制造業在工業大資料中創知和創值，成為世界可以參考的成功标杆。
2019 年工博會的一場演講結束後，晉文靜博士在一陣熱烈掌聲中走下台。不久，她就被一些聽衆圍住，走出會場時，随身攜帶的名片已所剩無幾。
上面印着她頭銜：天澤智雲首席資料科學家。這家堅持走工業智能技術路線的公司一直與中國傳統制造企業合作，幫助他們落地工業智能，探索更新與轉型。
天澤智雲首席資料科學家晉文靜博士。
晉文靜在演講中講述了公司與富士康深圳某工廠合作的無憂機床項目。經過半年多的努力，他們成功證明傳感器+系統的方式可以為 CNC（數控機床）提供刀具壽命預測以及主軸的線上監控與預測。
接下來的一串數字越發引起台下觀衆關注：
降低了 60% 的意外停機，品質缺陷率從 6‰降至 3‰，節約 16% 的成本。
最大機床市場告别「前半生」
随着中國成為全球制造中心，中國也成為全球最大機床工具的生産國和消費國。 Gardner Research World Machine Tool Survey 資料顯示，2017 年，中國大陸地區機床消費金額達到 299.7 億美元，同比增長 7.5%，占全球機床消費額比重的 36.1%；中國大陸地區機床産值達到 245.2 億美元，同比增長 5.1%，占全球機床産值比重的 28.1%。
由于中國不僅是最大汽車制造國，也是最大機械、3C 電子産品制造國，是以，從機床下遊行業來看，汽車行業占比超過 40%、機械行業占比約 20%，3C 電子産品行業占比約 15%。軍工行業因其戰略意義重大，對于機床的性能、種類和需求量要求極高，占比約 15%。
資料來源：Gardner Research。
九年前，晉文靜前往辛辛那提大學美國智能維護系統中心攻讀博士學位，師從李傑教授時，正值中國機床工業黃金十年的高光時刻。沈機集團登頂世界機床行業營收第一。2011 年，中國金屬加工機床市場規模達到創紀錄的 390.9 億美元，為曆年最高。（根據國家統計局關于中國機床工具行業經濟運作情況資料）
2012 中國機床行業告别長達十年的黃金周期，整個行業開始下行。行業内的大小機床企業盈利快速下滑至虧損，且至今未能緩過勁來。
目前，傳統中低端機床市場萎縮已成行業共識，相比于傳統機床行業，「失守」的數控高端精密機床市場已進入高速發展時代。 以手機制造為例。當 2012 年庫克舉起 iPhone 5 的時候，鋁合金一體化機身成為當時消費品金屬加工的極緻。由于強度更高的金屬材料處理起來比傳統的金屬外殼更難，CNC 加工所需要時間更長，其他手機廠商跟進導緻市場對 CNC 産能有更大的需求。 随着 5G 時代手機後蓋去金屬化程序接近尾聲，中高端機型後蓋材質變成了玻璃、陶瓷，對精密化部件的要求又給上遊機床廠商的生産和服務提出更高要求。 這幾年，新能源汽車抓住風口，也讓汽車零件數控 CNC 加工産業受益不淺。以新能源汽車為代表的車身結構輕量化、高強度需求逐漸成為主流的同時，也倒逼機床走向智能化和高精度化。 事實上，沈陽機床可以在過去十年間賣出近七十萬台機床，是因為吃到了中國迅速成長為制造業大國的紅利。當時，單靠國外高檔數控機床，根本滿足不了市場需求，國内勞動力素質也無法與之比對。再加上勞動力成本較低，國産機床可以通過價格和服務占領中低端市場。
但是，現在不行了。某中部城市一位機床制造從業者曾坦言，對于持續低迷的中國機床行業來說，曆經數控化的洗禮後，以工業網際網路引領機床行業再出發，已經成為一個趨勢。 機床産業的利潤空間已被大大壓縮，中國機床工具工業協會當值理事長龍興元曾對媒體表示，2017 年中國機床全行業虧損企業占比仍達 33.8%，「如果廠商想實作裝備制造業的價值鍊延伸，服務轉型、提供智能化解決方案幾乎是一個必然方向。」一位業内人士告訴我們。
此前，機床廠商做的是一次性買賣，如今，在産品差異不是特别大的情況下，以機床為載體的增值服務開始成為制勝關鍵。對于他們來說，像晉文靜這樣的資料科學家，就像是券商行業中金牌分析師一樣的人物。
範式轉換：從可見到不可見
從國外經驗來看，近幾十年來，得益于硬體（各種傳感器、GPU 等）成本降低、無線連接配接、資料分析等技術的不斷進步，預測性維護已經成為智能制造最為重要的落地應用之一。 李傑從事智能制造和工業大資料産學研工作已經幾十年，不僅是該領域的權威，目前也是富士康工業人工智能總顧問和天澤智雲首席顧問。對于預測性維護，他在《從大資料到智能制造》當中進一步解釋道，制造系統中的問題也有「可見」和「不可見」之分，我們對待這些問題的方式以前大多是在問題發生後去解決，而未來能夠在問題發生前去避免才是競争力的核心。 生産系統中存在的「不可見」問題包括裝置性能的衰退、精度的缺失、易耗件的磨損和資源的浪費等，可見的問題往往是這些不可見因素積累到一定程度所引起的，比如裝置的衰退最終導緻停機、精度的缺失最終導緻品質偏差等。通過大資料對「不可見」問題獲得深刻的洞察，是實作無憂制造環境的基礎，也是智能制造的本質。 事實上，機床制造廠商已經在嘗試相關落地應用。日本 MAZAK 公司的 Smooth Technology(流暢技術) 展現了智能機床的最新發展，可以通過開放的系統結構設計，借助智能手機、平闆電腦等外部終端對裝置的運轉狀況進行監控。
FANUC 公司開發了智能自适應控制、智能負載表、智能主軸加減速、智能熱控制等智能機床控制技術。Heidenhain 公司的 TNC640 數控系統具有高速輪廓銑削、動态監測、動态高精等智能化功能。
李傑（Jay Lee）,2016，《從大資料到智能制造》。
在晉文靜看來，中國制造業有着最全場景，大量的機床産生大量資料，把握住了這些資料，就等于握住解決問題的源頭。新技術可以幫助擁有大量機床的中國制造企業預知裝置加工狀态，進而減少意外當機、提高産品良率、降低刀具成本。但問題在于，中國機床行業單靠自身力量實作智能化轉型，極為乏力，這也是在為曾經的曆史支付代價。
早期的機床行業基于專業分工思路，誕生了當時的「十八羅漢」（十八家機床廠），一家隻能做一種機床。當時，全行業有八綜合性研究院所，形成「七所一院」的綜合性專業技術研發機構，也是解決機床廠共性技術問題重要支撐。另外，還有三十七個專業研究所與企業設計部門，形成機床工具行業的科研開發體系的第二道護城牆。
然而，1999 年一刀切的院所轉制，國家計委二百多個院所随之下放，最後導緻機床企業一旦遇到工藝問題，無處可去。當這些企業銷售額不漲、利潤不漲，想辦法創新降本增效時，卻變得失措無依。
這也是為什麼目前從供給側來看，機床工具行業自動化産品市場一直保持增長态勢的原因。除了技術交流和新産品推廣，市場第三方供應商也非常願意将先進的數字化解決方案導入到機床工具企業，幫助他們進行智能化更新改造。除了上遊機床廠商，這些市場第三方服務對象也包括下遊的加工制造企業。
2018 年底，富士康基于無憂機床系統搭建的精密工具智能制造工廠成功入選全球「燈塔工廠」，成為代表新一輪工業革命轉折點的工廠之一。
三十五歲肖敏（化名）正是該制造商某模具工廠中的房間課長。十八歲那年，他進入這家位于深圳的大型制造商，成為一名模具廠勞工。
肖敏有些驕傲地告訴我，如今，他們已經将模具加工的幾個基本工序流程打通，其所在工廠中的房間基本實作全程自動化。物流、上下料實作自動化後，他們卻發現，最為擔憂的是機加工中那些看不見的東西。比如，刀具和軸承的失效。
在銑削加工過程中，刀具磨耗程度是影響模具成品品質的關鍵因素，據相關統計，由于刀具失效引起數控機床停機的時間總數占故障停機時間的 20%-30%。
然而十幾年來，這些老師傅們并沒有一套行之有效的辦法，準确預測刀具和軸主軸狀态。
我們主要是靠聽來判斷刀具狀态，肖敏舉例說，加工中機床振動很大，發出「嗡嗡」的聲音時，可以确定刀具達到了急劇磨損狀态，需要更換刀具。也有類似冒無規則火星這樣肉眼可見的異常。有時，他們甚至會用手觸摸機器，通過溫度感受異常。
但是，經驗再豐富也對付不了層出不窮的各種加工狀态。「不同加工要求，切削遇到拐角、位置不一樣，力也不一樣，對刀的磨損也不一樣，僅憑經驗和人為判斷，很難抓到每一把刀的真實狀态。」肖敏說。
「有時斷刀了，機器會繼續跑，你都不知道。」
為了盡可能避免這些情況發生，這些對加工精度要求很高的工廠大都采取更為保守的措施。比如，在刀具運作到預先設定好的時間或距離後，立刻更換，往往這些刀具壽命僅用到 80% 甚至更少。這又會帶來生産成本的升高。
這就是我們這個行業的痛點，一家東莞 3C 制造商坦言，且不說再豐富的經驗積累也趕不上機器更新換代的速度，再則，現在的年輕人都不願進到制造行業，老師傅們也有退休的那一天，将來制造産線的從業者越來越少，有經驗的老師傅就更少。
無憂機床的落地
既然通過工業大資料，能使原本不可見的裝置衰退、品質風險、資源浪費等問題變得可見，并加以避免，天澤智雲決定選擇這樣一個項目作為工業智能在制造和機床行業的突破點，帶出一套可快速複制化的産品，幫助行業實作無憂生産環境。 晉文靜當年求學的美國智能維護系統中心（IMS）正處在智能制造最前沿。19 年間，中心與全球 100 多個企業合作工業智能與工業大資料研發與應用，大量的一線工業項目實踐機會，也讓她積累甚豐，特别是機加工。
「我從讀博就一直專注在機床和刀具，要找一個切點深耕下去，因為這個領域實在是太深了。」晉文靜說。
無憂機床的模型建構從源頭開始。天澤智雲定義的「源頭」是業務痛點，而非資料。工業智能落地，不界定清楚具體問題，資料無從搜集。
「裝置故障診斷與壽命預測的難點不在于選什麼樣的模型」晉文靜強調道，「而在于場景化分析，對工業場景的了解，對資料的準備，找到最恰當的特征，能夠正确反應機理性能的特征，才是關鍵。」為此，天澤智雲還自行研發 GenProTM 模組化平台，用于規範資料和模組化流程，并提供行業模闆來提升資料分析和模組化的效率。
GenProTM 模組化平台。
先決定采集哪些資料。答案往往不是顯而易見，需要比較深的行業 know-how。
建構一個刀具剩餘壽命預測模型，除了振動資料還要采集機床産生的資料，比如主軸負載、伺服電機電流、主軸轉速、進給率等。因為，振動傳感器所采集到的振動并非僅僅來源于刀具磨損，加工狀态（或者叫「工況」）的變化也會幹擾采集到的振幅，是以，預測模型還需要其他資料來更精準地辨識磨損狀态、預測刀具的剩餘使用壽命。
缺失或錯誤的資料可能會扭曲結果，掩蓋故障。
布置傳感器的最佳數量和位置也必須決定好。放得太少，預測就會不夠準确；太多又是備援。
資料的采集頻率也很關鍵。如果頻率太低，會漏掉在高頻振動範圍的故障資訊；頻率過高，會導緻資料傳輸瓶頸，使得工廠網絡不堪重負。
邊緣計算的性能要求更高。機器需要具有脊椎反射式的能力，就像人類面臨某種異常或危險，身體做出條件反射一樣。
EdgeProTM，一款支援快速實作工業資料采集和邊緣計算的工業物聯網與邊緣智能系統。
比如，采集到的振動信号，有些需要就地取用，以便實時識别工況。在發生撞擊事故、斷刀等突發性重大故障時，以 ms 級反向回報給機床及控制。通常，這個反應速度相當于雲上進行同等監控回報的百倍至千倍以上。
資料安全需要得到保障。将涉及到生産工藝、訂單資訊、裝置運作等資料，在生産現場進行計算，生成降維後的、加密的特征資訊，再輸入到雲端支撐應用運算，從機端直接杜絕敏感資料的洩露。
模組化要求跨學科知識和技術融合。晉文靜特别強調了這一過程中，機理（先驗領域知識）和資料的深度融合，這也是目前工業中最常用的方法。
比如，機床的主軸軸承監測。軸承的振動分析已經被學者研究得非常透徹，給定軸承的實體參數，有明确的理論指出，不同的失效階段在哪些頻段上會出現什麼樣的響應。
模組化的時候，可以直接内嵌這個機理模型，輔助特征選擇和健康狀态的判斷。較之泛泛地去做特征提取選擇模組化，這種做法可以獲得更高的準确性和魯棒性。 最終，團隊不僅收獲了一連串讓客戶滿意的 ROI，比如降低 60% 的意外停機，産品良品率由 99.4% 提升至 99.7%，節約 16% 綜合成本，幫助實作了真正的無憂生産，也帶出了一套可快速推開的産品。 而且，有了刀知識具庫，日積月累，通過對比不同種類刀具的孿生，使用者将清楚知道每種刀具在切割不同形狀、不同材料工件時的性能，進而在采購時能夠更經濟地管理供應商，進一步降低成本。
刀具壽命預測。
刀具性能評估。
主軸健康評估。
采訪過程中，晉文靜還分享了一家自動焊接機企業的案例。
和過去機床行業的打法一樣，這家企業依靠價格占領市場。但問題在于過了維保期，賣家和買家都要承擔極大的停機損失與維護成本。 「焊接制造對時間、成本要求很高，如果一個月壞幾次，如何才能保住訂單？」晉文靜說，「如果是國外維保，經濟損失就更高了。」
在預測性維護系統幫助下，這家自動焊接機廠可以對裝置進行遠端監測，一旦系統預警，立刻将配件快遞給買家，不僅降低了維護成本，對方也不會因為突然停機而遭受損失。 除了服務下遊制造商，對于上遊機床廠商來說，這套無憂機床系統也很有意義。 系統不僅能為機床研發部門實時提供裝置核心參數，以利于其開發出數字化、內建化、子產品化和智能化産品，同時，也有利于其從裝置全生命周期的角度做這門生意，提高附加值，向服務型制造轉型。 甚至對于刀具這樣的重要部件供應商來說，他們也可以通過諸如刀具衰退曲線，建立洞察，改進刀具的性能，減少實驗成本，提高自己産品的競争力。 講到這裡，可能會引發業内人士的一些顧慮，上遊廠商能夠拿到下遊廠商的資料，那麼企業之間的隐私和競争核心機密豈不是消失殆盡？關于這個問題，同為李傑教授的學生，也是晉文靜博士的學弟史喆，曾經在一次技術沙龍當中有過清晰的解讀。
在過去幾年從「網際網路+」到「智能+」的發展過程中，國家的思路也趨于更加清晰，當下推行工業網際網路最終目标是想把智能化的方法用在工業裡。歐美很多企業提出「工業互聯+網」，這是更為前沿的一個方向——企業與企業之間，打破技術壁壘，合作完成一個項目，并共同占領未來的市場。
舉個例子，2019 年 6 月在法國的巴黎航展中，歐洲、美國幾家航空發動機公司聯合起來發表聲明稱要整合核心技術一起研究下一代發動機。原本他們之間是有很強的壁壘，很難合作，導緻各家投入不少研發經費，最終各家發動機都有各自的特點，在解決不同問題上有各自優勢。現在他們把技術整合，研究下一代發動機，這樣更容易壟斷市場，研發經費也可以大幅度下降。
他們為什麼現在有信心和需求這樣做？因為有一張網可以幫他們監控發動機運作的實際狀況，在出現問題時可以明确認定責任和各自的服務邊界，營運管理層面的困難被打破了。這也是從另一個側面給未來的工業發展提供了新的思路和方向——朝着資源最優化的方向去發展。
賦能機床，改變中國制造
「關燈工廠不是無人工廠，是無憂工廠，是把工作放到前端，到前面去做決策；同時，改變人力結構，從傳統的以人為中心，變成以資料為中心的管理，這才是關燈工廠的意義。」李傑在接受《證券日報》記者采訪時如此表示。 到 2022 年，我國數控機床行業的市場規模将突破 5000 億元，然而，國産機床行情一再告急。當年機床行業「十八羅漢」之首被裁定破産重整，隻是國内老牌機床企業未能完成轉型更新而走向沒落的殘酷現實的一個縮影，也是整個中國機床行業的一個縮影。 機床，工業之母，國之重器，不可不救。當德美日等透過将 ICT 及先進制造技術融入現有制造體系，推動智慧制造應用，提振制造業競争力時，智能化也成為中國機床行業轉型更新的重要抓手。 在天澤智雲的征途上，屹立着 10 年 100 個無憂工業場景的目标，機床是一個非常典型的裝備制造行業，從機床内部機理入手，更深入的挖掘資料價值成為天澤智雲幫助機床行業轉身的突破口。通過實作加工過程中刀具磨損狀态、主軸健康狀态透明化，公司不僅幫助富士康從「無人工廠」轉型為「無憂工廠」，還快速度形成了一套可快速複制化的産品，從服務标杆客戶進入到複制規模化階段，進而賦能整個機床行業。
資料是中國人自己的，擁有的技術也是最先進的，順應智能制造和工業網際網路的發展趨勢，所有契機促成了天澤智雲來到世界前沿。雖然傳統的市場在适應新技術時慣性依然很大，但對于未來，天澤智雲充滿信心和耐心：
把機床産業上下遊企業服務好，借鑒其有效經驗，服務中國更廣的傳統制造業，将會為中國工業帶來巨大改變。