我們一直在分析生產(chǎn)過程、制造結果，分析人機料法環(huán)5要素，但是靠傳統(tǒng)經(jīng)驗性的積累，靠人工分析，數(shù)據(jù)的關聯(lián)性或分析得準確與否，更多的靠工程師的經(jīng)驗和累計，能做得太少了，做不到大數(shù)據(jù)量級的分析。但阿里在云計算、云存儲方面有很強大的能力。阿里和協(xié)鑫制造這兩年的合作也是很湊巧，去年的2月份，我跟阿里云的同行見面，那次，我談起了我的苦衷，作為一個制造業(yè)從業(yè)人員的痛點：我有很多數(shù)據(jù)，機臺每天都有海量傳輸數(shù)據(jù)，但卻不知道效果好壞的原因是有什么？不知道良率波動的原因是什么？阿里那邊人說，或許阿里能夠幫你解決、分析這個問題。這么兩分鐘的交流造就了這次的合作。
大數(shù)據(jù)上云
去年5月份，我們的項目開始實施，去年12月份，一期項目上線，我跟大家匯報一下目前達成的情況。首先是做不間斷的數(shù)據(jù)上傳，但并不是把所有不關聯(lián)的數(shù)據(jù)都上傳，而是人腦和機腦相結合，通過分析，人腦對人機料法環(huán)5個要素的關系有概念，將工程師的經(jīng)驗和阿里強大運算能力的機腦結合，通過運算方式，進行上傳和同時對數(shù)據(jù)的提煉，這是一個艱苦的工作。盡管協(xié)鑫的制造中有智能化裝備，我們和阿里花了很長時間才理順數(shù)據(jù)的傳輸模式。制造業(yè)同行實現(xiàn)智能運算過程中或許面臨同樣的問題，但前提是，首先要練好自己的內(nèi)功。
智能分析
首先是讓躲在背后的黑箱子數(shù)據(jù)透明化，第二步是通過智能分析，實現(xiàn)生產(chǎn)過程中的數(shù)據(jù)關聯(lián)，將人機料法環(huán)5個因素實現(xiàn)關聯(lián)，我們的成果有三方面：
一是核心零件劣化監(jiān)控，通過裝備或零部件更換實現(xiàn)智對生產(chǎn)成果的智能預測。通過阿里云運算，大體能分析出生產(chǎn)過程中導致不良率的因素或哪些成本可以節(jié)約等，這對于我們是很重要的參考。
二是工藝參數(shù)推薦，通過分析能夠提供這樣的借鑒：通過怎樣的數(shù)據(jù)改造或參數(shù)調(diào)整，裝備能達到比較好的效果。
三是多變量分析，技術人員可以從質(zhì)量指標和個人經(jīng)驗兩個角度，分別篩選正反樣本和分析結果維度，系統(tǒng)自動出具多變量相關性結果。
