各位早上好，我來自TCL。

　　TCL和其他的制造企業一樣，我們也孵化了專注做工業互聯網解決方案的提供商格創東智。我們和海爾、樹根這些非常優秀的先行的工業互聯網企業有一樣的地方，有兩個不一樣的地方，第一，我們TCL有非常全的不同的制造業態和模式，我們在全球有23個制造中心，40幾個工廠，從1.0到4.0，不同類型的制造工廠我們都有，讓我們把經驗凝聚和對外輸出時有不同場景的理解和不同模式的孵化。第二，我們相信推動整個中國工業互聯網的發展需要一個融合的力量，需要融合的資源，需要開放心態，我們對整個工業互聯網平臺理解上有自己不一樣的理念，我們叫制造×AI，這個是工業互聯網非常核心的內容。

　　先談一談2019年，這句話所有人都在談，說2019年是過去十年最差的一年，也是未來十年最好的一年。對于制造業從業人員來講確實是，我們現在面臨更多的原材料、土地、人工成本的壓力，整個市場的前景，特別對于代工企業和一些利潤非常薄的低端制造業來講，未來十年確實壓力巨大。

　　但是我實際上比較樂觀，如果說從制造業我們核心的制造中心和工程師能夠充分擁抱新技術帶來的機會，2019年對于未來十年來講是一個新的非常精彩的十年的開始，這個取決于不是在供應側熱，而是要在需求側熱起來，這個需求側我認為不是傳統制造業的信息化的IT部門，而是在于我們傳統的制造中心的OT團隊，如果這個團隊能夠激發釋放出創造潛能，那未來十年對于中國制造業來講是非常精彩的十年。

　　昨天和今天的很多嘉賓已經分享了很多高屋建瓴的對工業互聯網的理解、新的架構、新的思路，我今天跟大家分享一下格創在過去一兩年一些很微觀的實踐。從一個廠長的角度去談，在TCL我們有位于中國企業塔尖的企業華星光電，今天分享一下我們作為中國塔尖企業智能化水平的時候，從一個廠長的角度看到的，中國99%制造業在做信息化、數字化、智能化轉型時面臨的機會和挑戰將會是什么向德狀況。

　　對于這個塔尖企業，作為廠長，當我看我的工廠時，從某種程度上我是非常滿意我的良率水平達到97%，在中國絕對遙遙領先，全球也能排上前3名，車間2萬臺設備，200萬的設備參數，但是當我看到2019年時，我的壓力巨大，外部市場競爭激烈，供給側遠遠超過需求，我必須進一步提升我產品的品質，提升我的良率，降低我的成本。但是這個對于我來講，依靠過去傳統的IT團隊，遠遠不能滿足我的要求。

　　過去幾年我已經在整個信息化上投入非常大的資金，我有中國最頂尖的IT團隊，我也建成了一百多套系統，因為我的每個科室在過去不管是研發、制程、生產、品質管理都用了國際一流的軟件套件，我在國內的IT水平上已經非常一線了。

　　但是怎么樣提高良率，我覺得挑戰很大，第一，我有一百多套系統，在過去不需要打通，現在對我來講這是個非常大的問題，比如當我從產品的品質出問題之后，分析設備的參數對于整個品質有什么影響，需要把設備的參數提取出來后輸入設備管理系統，但是我的工程師都是工藝工程出身，主要是靠生產經驗和傳統的經濟學和統計學做分析，不能做實時分析，而且大批數據量的時候很難拿到更加有價值的結果。而且我的這個數據基本上都是結果型數據，大批的生產過程數據、設備制程參數、環境參數，這些數據都沒有。可是如果讓我進一步能夠挖掘出提高良率的關鍵所在，我需要更多的因素，而我的工程師遠遠不能勝任。

　　可是IT部門他們只能做非常標準化的數據分析和系統建設，所以對于我的最大挑戰是我的OT團隊只能依靠人工經驗和傳統的統計學去做分析，如果要做更精準的分析，外部的供應商滿足不了我的要求，我現有的IT團隊跟OT團隊必須要更加通力合作，這是我看到我在做智能制造提升時非常巨大的挑戰。

　　跟大家分享我們格創做的第一個項目，FDC平臺，缺陷識別和分類，這個不是特別獨特的系統，設備參數的收集。這里面有兩個點，我從一個工廠的角度來看的實施起來對我來講最大的挑戰，第一，我需要的是全面的設備參數，我需要我的工程師能夠更靈活的實時的從海量的數據、設備參數里迅速找到影響品質的設備參數。這個對于外部的供應商來講是巨大的挑戰，這里面對于模型的要求必須非常靈活，而且簡單，需要我的OT的工程師能夠自己調試模型，這個在我眼里，外部的供應商難以滿足。

　　格創把IT和OT的人結合在一塊，我們對整個模型放在以FDC為核心，怎么樣開發出一個小型靈活多樣的模型，能夠讓我生產的OT工程師能夠自己操作，能夠在20分鐘內迅速挖掘出影響品質的設備及參數，這是FDC平臺項目成功的關鍵所在。在FDC平臺成功上線之后，我發現很多非智能設備還有一些耗材的參數我們是抓不到的，環境的參數抓不到，但是要進一步能夠找到一些品質的根源，我們需要這些參數。

　　對于我來講，我要求我們團隊要上我們的工業物聯網平臺。對于我來講，我不在乎這個平臺是什么系統、什么架構，關鍵點有幾點，第一，要能承載非常海量的高頻次數據的采集，采集頻率20HZ，累計數據量巨大，250TB。第二，對于這些數據的應用作為我生產來講是最關鍵的，如果沒有花大量時間做業務場景的定義和業務場景的重構，如果沒有花大量的時間對模型進行調試，非常匆忙的上整個系統和平臺，從生產來看沒價值。

　　在一開始的時候，我們在評估國際一流的物聯網平臺，我發現非常標準化和缺乏對業務模式理解的這些解決方案來講，遠遠不能滿足我的要求。我們在過去這一年里成功和格創團隊把工業互聯網平臺根據華星的特點我們做了自己的建設，比如我們自己開發了微秒級電壓采集卡，我們可以做到非常實時的高頻數據的抓取和分析，整個數據量不用沖垮我的平臺，可以把原有的數據量的需求減少到1/30。半年里，我需要我的OT工程師和格創團隊能實時合作，對模型進行不斷的修正和調整，最重要的是能夠對我業務的場景做業務場景的重構，做業務場景價值的定義，做應用的開發，這樣這個平臺的投資從生產來講才有價值。

　　物聯網平臺上線的同時，我們在尋找新的辦法來提高生產的品質，格創做了虛擬量測的系統。虛擬量測解決的問題是什么，我們在生產過程中需要進行抽樣，能夠及時對設備對制程進行調整，但有一些參數，有一些抽樣的工序，比如模后，它是很難在生產實時進行抽取，因為一些設備和工藝設計的原因。

　　對于這樣一些抽檢任務，如果進行事后抽測，對于整個生產來講損失巨大，整個工程師用傳統的統計學方法事后建模，難以發現怎么樣實時對整個工序進行調整。我們需要一個預測性的量測，我們需要對生產參數進行特征值的預測，這樣才能保證我在生產過程中實時做預測。這個問題的關鍵在什么地方，是需要我們IT的人員和OT的工程師能夠一起對多因子整個的分析要共同去完成，能力保證找到所有的關鍵因子，同時在模型的動態調整過程中能夠找到最佳的數據參數。虛擬量測上線之后對于工廠來講是每年千萬級的經濟效益的提升，但是這個問題的關鍵其實是個算法，這個算法的應用關鍵是在于怎么樣IT和OT的人員在項目的很早期能夠對業務場景和對算法模型進行預先的調整和做取樣，保證我在后續模型開發過程中不用去從頭再來。

　　另外一個案例，我們在過去開發ADC缺陷智能識別，這也是人工智能在生產的應用。這個案例的場景不在于怎么樣識別缺陷，更重要的是識別缺陷之后怎么樣能夠迅速判斷出問題出在哪個工序。我們過去華星是50個人對一個站點要花7×24小時分班做缺陷判定，這是事后的。我們和格創合作，建立了ADC模型，對模型改造之后，可以進行缺陷的識別，更重要的是對缺陷進行分類，而且找到根源，這樣我們的響應時間能夠達到50毫秒，準確率90%。

　　格創在過去一兩年的體會來講，對于推工業互聯網的成功非常重要的一點在OT和IT的融合。三點體會，第一，怎么能夠讓我們的團隊對OT業務的邏輯進行量化和標準化，這是個非常難的過程，對于產生的生產工程師來講，他描述缺陷，他會說這個面板上有一點點的灰色，這叫缺陷，這個對于IT人員難以理解，但是我們怎么樣把這些業務場景進行量化，這是一個難點。第二，數據的完整和全面性體現，更重要在于工業現場，怎么把OT的數據轉化成IT的信息。格創建了一個非常強的團隊我們在做工業現場，我們怎么樣能夠把OT的我們收集到的數據轉化成IT信息，這樣我們在建模過程中能夠對于生產出現的異常數據做出迅速處理。第三，對于整個智能制造的改造，如何轉變工程師的思維方式和改變他的技能。昨天一個嘉賓提到說培養跨界人才非常難，我非常同意，在工業互聯網實施過程中需要跨界人才，但是培養一個跨界人才非常難，這里關鍵的是融合人才，我們要把工業自動化人才、運營技術人才、信息人才三方面人才進行融合，融合過程中關鍵在不在于IT團隊的培養，關鍵點在于我們需要去賦能今天OT的工程師，這個是未來中國制造業做改造升級的關鍵，也就是說我們需要把我們的OT部隊現代化、智能化，給他們賦能，而不是另起爐灶，建一個輕騎兵，或者配備一個新的團隊去推動制造業的升級改造，這個路徑是非常難的，這里的關鍵是我們需要一個新型的模式去改造今天的OT工程師。

　　對于格創來講，我們的理念是三點，第一，從客戶價值出發，這個客戶加值不再是傳統企業里的IT團隊，你一定要理解這里客戶的價值是在于生產一線OT工程師的痛點難點，這是我們所有作為供應商和外部的解決方案提供商需要理解誰是客戶。第二，我們需要去敬畏工業現場，需要從OT出發，建立釋放整個制造業創新的能力。第三，一個非常重要的格創體會，我們需要把傳統做一個項目實施的二三五甚至是一三七變成五三二，50%的時間我們需要對整個團隊來講要花在整個業務場景的梳理，花在業務場景的重構，30%的時間花在模型的調試、模型的修正、因子的重整，20%的時間花在系統的開發，有別于傳統的IT項目，傳統的IT項目是倒置過來，關鍵點是五三二。從格創來講，我們的籌備是兩年前以TCL智慧工業作為基礎對外，這三點是格創對外希望有差別化的價值，第一，我們是從OT出發，我們希望能夠從場景化解決方案來推動整個平臺在制造業的落地。第二，我們認為工業互聯網的系統或者平臺的核心是制造×AI。第三，對于制造業今天的能力來講，我們需要提供一個制造業的管理IT服務，幫助提供制造業OT人員的升級和轉型。

0