<b>摘要：</b>在雲栖techday24期上，阿裡雲資料挖掘專家光鹽分享阿裡雲數加平台如何通過工業大資料和雲計算的結合應用；來有效提升良品率，降低生産成本，幫助傳統制造業企業快速進入工業4.0；該解決方案将适用于裝置運維、生産工藝調優、能源管理、環保、行業監管等應用場景。
下圖主要介紹從工業1.0到工業4.0的相關概念。從工業網際網路的直接應用到工業上下遊，阿裡雲都在提供解決方案。阿裡雲的使命是讓雲計算技術普惠各行各業，實作馬雲老師提出的“新智能新制造”。
阿裡雲在工業方面所做的嘗試主要集中在四個方向：智能裝置運維、智能生産工藝、新能源管理、以及智能監管，接下來按照具體的執行個體進行分享。
第一個案例是阿裡雲在制造業提供的方案，阿裡雲的客戶協鑫是中國最大的新能源、光伏切片制造商，阿裡雲在6月份開始與協鑫進行合作，合作的主要目标是提升協鑫的良品率。協鑫的業務流程，主要是把像豆腐一樣的多金矽的矽錠切成矽片。這個過程主要依靠切片機，而且會涉及到各種各樣的異常和工藝，這些異常和工藝都決定了最後切出來的矽片産品品質。但是産品品質往往難以把關控制，比如說切出來的矽片有沒有線痕，是不是厚薄不均，是不是有碎片，都難以控制。一塊較好的矽片，應該是厚薄均勻，又無線痕的，這樣的就可以稱為良品，是以這裡面有良品率的概念。我們的目标是讓一次切割過程中産生的良品矽片盡可能多，也就是提升矽片切割的良品率。協鑫自己内部有工業技術部，有資料分析團隊，也有裝置運維人員，其實他們也做了很多年的嘗試，但是在經過這麼多年的嘗試之後，他們發現對良品率的提升已經到了瓶頸。
而對于阿裡雲來說，我們是網際網路公司，還是基于阿裡集團這個大背景創立的一個公司，有自己的雲計算平台，也有比較專業的資料挖掘，算法團隊。我們針對協鑫的良品率問題，與跟他們進行了多次的業務交流，将問題進行抽象。把協鑫目前生産線的資料上到雲計算平台上來，針對協鑫的業務問題進行了具體的分析，得出了目前影響它産品品質的關鍵因素是什麼。同時我們在做工藝方面，也分析了協鑫的工藝參數，分析出哪些工藝參數可能影響最後産品的良品率。這裡面比較有意思的一點是我們發現協鑫的機器的備件在使用過程中會存在勞損的現象，這塊我們做了備件勞損的預測，也做了故障的預測。阿裡雲提供的方案基于對于大資料的分析，系統故障預測，監控預警系統還有工藝調優，最後的預期提升了1.2%的良品率。
下一個案例是新能源方面的。這個方案是阿裡雲提供給新能源行業的制造風力發電機的客戶的，風力發電機的設計運維成本是客戶的主要成本。是以對于他們而言，盡可能減少風力發電機的故障率，減少風力發電機的維修成本，是迫切的需要。對于這樣的需求，阿裡雲為客戶做了兩個事情，第一個是進行故障的預測，通過預測可以提前發現故障發生之前的一些異常現象，裝置運維提前的介入可以避免故障的産生；另外一個就是提供了對于風力發電機組的壽命預測，通過提前準備風力發電機組的備件，來避免維修更換時的時間差，大大的減少客戶企業運維的成本。
第三個分享阿裡雲在環保領域的一個案例。這個案例是與反欺詐相關的。先介紹一下背景，江蘇省環保廳希望監控工業企業上傳的一些實時傳感器資料，通過線上監管這些資料來對工業企業進行監督，但是很多企業為了逃避監管，對傳感器資料進行了篡改造假。阿裡雲給環保廳提供了僞造資料的識别方案。對于這些資料而言，人為的痕迹會比較顯著。資料僞造識别方案基本上也是通過機器學習算法實作的，根據一些已有的資料或者通過一些是人為舉報資料進行資料分析，資料達标之後再去找相似的案例，把更多的欺詐企業識别出來。
下面這個案例是阿裡雲為浙江省交通廳提供的方案。這個方案是關于兩客一危監管的，國家規定所有的兩客一危運輸車輛的gps資訊需要實時上傳到省級甚至是國家級資訊中心的。因為對于兩客一危車輛而言，一旦發生事故，影響将會很大。縣級以上的班車和包車，因為承載的人比較多，一旦出事故的話，往往人數傷亡會比較慘重；而對于危險品運輸車而言，一旦出事故，對環境以及車輛和附近的人員安全也會産生很大的影響。
對于這些車輛，政府是非常重視的，雖然這些車輛的資料會實時上傳到政府的資訊中心，但是這些資料的品質卻是一個很大的問題。可以想象一下，當危險品車出事故時，政府可能就開始追責了，調取這輛車的gps監控資料時，發現不是沒有資料，就是資料的位置不對。針對這些問題，阿裡雲與政府合作，做了gps品質的監控評價系統，把幾萬輛的兩客一危車輛資料實時上傳上來，同時對資料進行全方位的品質評價，還把資料品質不好的原因也告知營運商，讓它及時去整改。
通過這個評價整改的回報機制，最後提升了整個浙江省的兩客一危車輛gps的資料品質。在這塊資料品質提升了之後，可以更進一步進行實時的監控預警，包括違規營運的研判、回放等等。
下一個案例是阿裡雲在航天航空領域做一個應用。針對于白雲機場，因為機場會存在停機位排程的問題，比如說具體某輛飛機什麼時候降落，停在哪個停機位，什麼時候起飛等等。以前白雲機場通過人工排程處理這個問題，但是人工排程出現的問題會比較多，比如說不能保證旅客行走距離。這裡面有幾個目标，像旅客行走的距離，飛機的滑行的距離，人工排程是很難去保證取到最優解的。阿裡雲通過排程算法去取得最優解，在滿足一定限制條件下去求最優解，這是運籌學裡面最常見的優化問題。舉個例子，比如說每輛飛機少滑行3米，白雲機場每年就可以節省20億。
除了剛才提到的跟工業比較相關的案例，阿裡雲在工業的上下遊這部分也提供了很多的解決方案。
下面這個案例屬于工業鍊管理方面的，通過銷量預測來優化庫存，通過對庫存的分析來合理計劃生産。這是阿裡雲給天貓家電企業提供的方案，阿裡雲對企業也提供了幾方面的主要方案，包括企業畫像，企業關系網絡以及風險洞察。舉個例子，比如在企業的風險洞察方面，企業肯定也會非常關注競争對手是什麼樣子的，也非常關注某些産品是不是出現了負面的評價等，像阿裡雲提供的解決方案，其實就可以解決這方面的問題。
下面一部分是jit生産排程方面的，其實也是一個優化問題，通過限制供貨，以及車輛資訊，最後實作供應商組裝工廠供貨。
最後的這個案例可能比直覺一點，比如“餓了嗎”的訂單智能排程，其實在大家每天訂完外賣時，都會涉及到一個定單配置設定的問題。在智能排程方面，阿裡雲的方案是比較好的。通過合理地去優化定單的排程，最後讓“餓了嗎”平均每一單節省了八分鐘時間，對于使用者體驗的提升還是很顯著的。
以上分享了阿裡雲為工業網際網路提供的很多解決方案的案例，希望能對大家有所幫助。