生态对话:To B技术如何既“快”又“省”赋能传统制造业
2021 06/07

近日,由联想创投与创业邦100联手打造的“2021未来产业之旅”专题峰会在上海正式拉开帷幕,峰会邀请到了智能制造与智慧城市相关领域的创新企业、嘉宾以及联想重要的合作方,共同探讨To B技术如何赋能传统制造业,瞄准客户痛点,帮助企业真正实现降本增效。联想创投充分发挥CVC 2.0优势,创新生态,双向赋能,为联想客户及联想生态企业之间搭建起沟通的桥梁。

在峰会“智能制造篇”圆桌论坛上,联想生态企业分别分享了在新能源汽车、机器人、数字孪生、工业产线智能化等领域的实践。多位嘉宾表示,大型制造业智能化转型复杂指数很高,也需要很大的投入,同时要兼顾社会责任实现节能减排,这并非一家创业公司能够解决,而是需要借助生态和平台的力量协作共赢。

以下为“智能制造篇”圆桌论坛现场对话实录:

王光熙:非常感谢我们的大客户以及联想生态伙伴都派出了业务大将一起参与今天的讨论,大家都在数字化赋能方面具有丰富的经验,对行业都有深入思考,首先有请大家介绍一下各自的企业和背景。

王之伟:黑湖科技专注打造利用数据驱动生产效率提升的制造协同SaaS软件,通过高效的数据聚合、精准的数据分发、实时的数据协同,打破生产管理和供应链协作中的“信息孤岛”,帮助传统制造业实现快速、低成本的信息化转型。

蔡嵩林:艾利特机器人创始团队来自于北航机器人所,在整个机器人赛道有将近二十年的控制、算法以及硬件的积累。目前我们专注做协作型机器人产品,而且是国产机器人中核心技术积累最多的企业,我们所有核心软硬件都是属于自己。目前我们在工作制造、零售、特种行业都有布局。

孙利:联想懂的通信致力于成为全球领先的智能物联网服务提供商,依托于连接和设备两大管理平台,聚焦智能车联网和工业互联网。我们拥有丰富的连接资源、云平台资源、以及大数据和人工智能资源等,能够提供“云管端、软硬一体”的端到端解决方案。

李广:涛思数据是专注于物联网大数据处理的公司,我们开发了拥有自主知识产权、自主可控的高性能、可伸缩、高可靠、零管理的物联网大数据平台TDengine,可广泛运用于物联网、车联网、工业互联网、IT运维等领域。

卢云飞:鹰厂长是一家智能制造SaaS领域,集开发与运营为一体的高科技企业,致力于为国内中小制造企业提供用得起、用得好的先进生产管理系统,帮助他们降本增效,打造数字工厂、智慧工厂。

丁昊:崧智智能的核心业务是通过打造下一代的智能控制系统——工业大脑, 用“控制+人工智能”技术,提升工业设备的易用性、协同性和数字化水平,把下一代的控制系统做到更高端、更高级,尤其是赋能高端制造行业,比如说3C、半导体等。

田日辉:联想新视界是以数字孪生为依托的智慧城市、智慧工业解决方案提供商,包括从数据采集、数据治理、数据分析、可视化到平台的快速应用开发,最终服务于智慧城市,智能制造、智慧农业及其他行业智慧化。

张靖:联合利华是全球最大的日用消费品公司之一,公司的使命是让可持续生活成为常态。今天很荣幸到这里来分享一下联合利华作为品牌方和应用方,在智能制造和产业数字化进程中的一些分析。

杭瑜峰:爱驰汽车是中国新能源汽车全球化先行者,我们做的是纯电平台的新能源汽车企业,可以说是整车厂。此外,我们也是国内新能源平台当中第一个在欧盟范围内销售超过1000台车的车企,已经出口到包括德国、法国、比利时、瑞士、丹麦等国。

宋涛:联想企业科技集团聚焦于更广泛的行业基础架构和解决方案,以服务驱动为导向、全面加速从“数据中心硬件”到“基础设施及方案”的战略与使命的升级。目前已覆盖了各种生态和场景下所需的计算力需求,从高性能计算、云计算、大数据计算、边缘计算到矿机计算等。

企业数字化转型

聚焦“多、快、好、省”

王光熙:谢谢各位嘉宾,今天阵容非常齐全,也有利于大家讨论当下新技术变革赋能智能制造转型的问题。先让我们听听客户在整个智能制造转型过程当中的痛点和需求。

杭瑜峰:总的来说,汽车行业向两大智能化体系转型:一是致力于打造智慧化的产品,包括智能座舱、自动驾驶等;另一个是更多围绕运营效能提升和业务创新,比如解决新能源汽车用电问题,创新租赁出行方式等。这两大智能化体系都需要数字化平台的承载,行业对数字化转型的考虑,可以用“多、快、好、省”四个面向概括。

作为新能源造车企业,我们希望能基于技术创新和行业合作,把“快”和“省”两个字抓到。首先是“快”,新能源造车是很烧钱的生意,在争取融资的过程中,资本会比对行业速度来衡量我们业务的健康度。怎么用数字化给技术加速就尤为重要,甚至是生死攸关。另外就是“省”,我们也深入智能制造的大范畴,尝试使用更多国产替代品以及互联网技术,用更少的钱甚至用自主研发的模式来推动数字化改造。

王光熙:请问宋总您怎么从联想业务或者生态企业合作的角度出发,满足这类客户“多、快、好、省”的需求?

宋涛:现在新科技迭代非常快,对制造型企业来说,快速迭代更是刚需。

联想有一整套帮客户快速建立数据能力的方案体系。比如,新能源造车需要建立模拟仿真系统做汽车的碰撞,通过融合HPC和AI,我们能为研发人员提供人工智能、大数据、设计、仿真四合一的平台,让科技型制造企业在研发阶段形成战斗力;在生产领域,我们也有很多场景方案。可以说,在数字化领域联想有更多的实践经验和能力,能给转型期企业或者未来科技型企业提供一些数字化支撑。

我们的被投企业,也可能会作为联想计算力在某一场景、某一应用下的合作伙伴,成为联想系方案的一部分,给制造业赋能。

 

王光熙:我们也想问和汽车行业有很深渊源的联想懂的通信,怎样帮新势力造车企业提升竞争力呢?

孙利:在整个制造业的智能化过程中,我们将以往具备的自动化、信息化、智能化的能力响应碳中和、碳达峰的国家战略。全球有40%排放来自工业领域,有70%是源自于动力能源系统。在涉及千行万业的过程中,我们联想懂的工业和智能聚焦于工信化程度较高的动力能源系统,基于在IT、OT、CT、DT的经验积累不断优化我们的AI算法,形成了高效的动力能源自控模型。

将我们的核心算法用在自动控制过程中对系统设备的精准调控上,能使整个系统设备的运营处于最佳的状态,将使用寿命和能源的效率发挥到最优,用智能化的降本增效,助力碳自由。一个月以后碳交易就会上线,这意味着智能化给企业提供的降本空间,会从水电费扩展到大量的碳成本。

 

王光熙:艾利特这边怎么看待行业中的新技术赋能?

蔡嵩林:杭总提到的无快不破。在我看来,“快”一方面要求企业对市场快速响应,另一方面对企业新陈代谢的能力提出要求。艾利特是做机器人的,我从机器人的角度来谈一谈柔性化生产和性价比上的思考。

从科技发展史来看,机器人自诞生之日起就是为了适应柔性化趋势。基于中国智造和产业结构调整的要求,我们对柔性化的需求越来越迫切;随着AI智能终端的成熟和数据融合算法的进步,我们的机械臂也具备了智能载体。

我们作为机械臂厂商能做的,第一,是将我们最新的交互技术和安全技术安装在机械臂本体上,方便客户快速部署。为此,我们可以利用数字孪生的技术、仿真技术在产线部署阶段,形成完整的设计,并结合历史数据和AI算法预先对设计的实用性做一些诊断。第二,致力于协同柔性化和智能交互的落地,向工业5.0时代的人机共存迈进。

人工智能这几年非常火,但是人工智能在工业场景的落地相对来说比较有限,这里的原因就是柔性化、智能化。目前还没有一款产品可以替代人类的手,人的手除了有自由度以外还有感知、触觉、温度以及形状、纹理,这些共同构成了人手复杂的系统,因此未来的产线或者说我们整个未来工业5.0一定是人机共存的,那么交互过程当中如何在确保安全的基础之上让机器跟人更好地交互,而不是像以前一样通过一条条指令告诉机械臂做什么。

未来结合新的传感器以及新的软件算法,可以实现通过云去控制它,或者人经过简单的动作就可以下发指令,这样整个产线的柔性就会提高。作为艾利特而言,我们把机械臂里的技术,包括安全、算法以及未来跟3D视觉、AI结合的部分做好,满足爱驰、联合利华等企业柔性产线的需求,去赋能合作伙伴。

数字孪生:

充分利用数据

打造业务闭环

王光熙:数字孪生是新一代机器人技术在行业中应用时很大的区别点。下面听联想新视界的田总来讲讲数字孪生。

田日辉:我在大约七八年以前,开始推动联想本身数字化的转型,我们也积累了大数据、物联网等人工智能平台产品去赋能外部企业。在这个实践的过程中我们感到,数据智能要真正在智能制造领域对企业产生价值,有两点需要特别关注:第一,数据的全程全域获取和治理;第二,数据的充分利用。在数据采集治理方面,我们的物联网和大数据平台,能够很好满足企业构建数据湖、数据中台、业务中台等系统的需求。但是另外一个方面,怎么样更好地让一线的用户和管理者理解和应用数据呢?

数字孪生应运而生,它能将物理世界的所有状态、发展映射到数字世界,让使用者非常直观理解数据本身。例如,我们定义了一套自己的数字孪生模型语言,一线的工人及管理者能通过屏幕在现场或者远程了解到设备全面的实时工况以及优化目标。我们也可以通过数字孪生模型将算法优化,进行预测性维护、产线能耗优化等创新的应用。

这种模式最大的价值是实现业务闭环。数字孪生操作系统,可以把把数据的采集、治理、融合以及数字孪生建模整合在低代码的操作环境中,让一线工人都可以通过“脱拉拽”进行优化。我们认为这是工业互联网智能制造发展的重要方向,真正让业务闭环,才能让所有的一线管理者直接体验到数字孪生和数字化转型的价值所在。

王光熙:数字孪生延展开来,就是要用数据做好管理优化和智能维护的各个方面,本质上也是一套管理理念。请鹰厂长的卢总讲一讲,你们有打造的低成本高效率的数字工厂经验,您怎么看通盘管理的机会?

卢云飞:在回答问题前,我想先谈谈对智能制造这个概念的理解。美国强调智能制造要在自动化设备上“秀肌肉”,德国则关注产品从市场、设计、生产到售后服务整个生命周期的自动化。就中国本土而言,我把智能化定义为新一代的信息化技术,侧重设计、生产及销售服务方面。第一,信息的深度自感知;第二,智能优化自决策;第三,精确控制自执行:这才是中国定义的智能制造。

定义概念之后,我个人会用分级的方法看待国内制造企业的转型:最初级就是没有;第一级意味着至少能用Excel进行生产管理,这可以比作初中生;第二级可能是引入了ARP、MAS,这是信息化阶段,可以比作高中生;第三级加上大数据和可视化呈现,这是可视化的管理,可以比作大学生;第四级能打通上下游进行协同生产,对订单进度和生产过程进行定位追踪,这就是硕士生;第五级是孪生工厂,这个跟田总提到的数字孪生类似,整个工厂的生产细节都能用可视化的方式呈现出来,便于即时优化,这可以说是到了博士;最高级别第六级是产业大脑,能结合产业链、市场需求、材料等多种角度自行分析安排生产,可以说是博士后了。

我之前参加过不少类似智能制造的研讨会,大家讨论的话题都是物联网、云计算、大数据、数字工厂、数字孪生等高端名词,但其实中小制造企业根本搞不懂这些东西。他们想要的是能解决问题的技术和系统,比如产品质量、生产进度、供应链、员工管理等等这些实际问题怎么解决?再比如VR眼镜如何跟生产结合起来,5G如何让工作更加高效。所以一切科技都可以用于服务于中小制造企业,帮他们把生产制造水平提升起来。但中小制造企业却往往比较容易被忽视。

制造业转型复杂

上下游协作共赢

王光熙:这些点您讲的非常对,贴近客户真实的痛点。我们再问问联合利华作为老牌的公司,在日化消费领域面临什么新的需求和挑战?

张靖:听了卢总之前的分析,我感觉我们是智能制造的“大学生”,也就是可视化阶段,离硕士和博士还很遥远。联合利华作为全球大师级的供应链,我认为仍然存在三个痛点:

第一,日化行业的痛点,作为留存型的生产制造企业,大的特点就是SKU非常多,下游的客户订单是百万级的,上游订单数量也是几十万级的。作为综合型制造企业和大型供应链,处理的复杂度是指数级的,端到端的数字化转型还是非常遥远。

第二,相比于初创型企业的“从0到1”来说,我们是“从1到100”。厂房、供应链以及上下游合作伙伴做了很大的投资,大型传统企业的惯性也会更大,大家对于数字化转型的优先级也会有不一样的理解。

第三,孙总提到可持续发展、节能减排和碳中和,这是智能制造和工业4.0之后必须达到的使命。促成碳中和,有效提高产量并推动上下游协同,也是挑战。

王光熙:非常有意思,提的点都很不一样,想问问涛思数据的李总,在做数字转型这个过程中咱们企业能提供什么样的助力?

李广:在我们看来,数据是数字化转型、人工智能、大屏可视化的核心。4G和5G网络打通后,现在整个产业端的大数据是井喷的,数据量都以亿计,面临着存储和计算的问题。现在很多大数据平台就是综合四到五个开源组件,由一个庞大的大数据团队来运营,一个系统上架需要半年时间,并且可能不适应数据量高并发场景。

我们针对这个小赛道做基础性的大数据软件,其核心逻辑就是致力于数字化转型和思维方式的转型。通过这两年在传统制造以及车联网场景的实践,我们发现能够逐步满足“快”和“省”的需求。后续我们也会在新能源造车和车联网等方面做不同的探索,希望能探讨出类似“几兆软件+快速上线”这样更好的系统解决方案。

 

王光熙:丁总从原来做工业控制出身,到现在跻身大消费领域,未来您觉得有什么机会窗口帮到他们?也为你们开拓新的行业机会?

丁昊:先说制造,制造就是传统制造化行业想办法把东西做出来,刚才说了“多、快、好、省”,也就是对产量、调试时间、良率和成本的要求。针对于消费品类的制造业公司,我们能提供的帮助包括:第一,深入行业肌理后,提供有效数据;第二,在非自动化工序和人工数据采集方面,做到高质量换人。在做制造业转型过程中,我们既然知道做完自动化升级以后下一步肯定就是制造业的升级,为什么不提前把数字化的口子打开呢?所以客户在提供一些产品以后,我们就提出这里往后可以直接跟数字化平台进行对接了。

王光熙:请问田总在数字化中看到了什么趋势?从国内企业的角度有什么非常值得借鉴的经验?

田日辉:我认为有两点。第一,要对制造业本身保持尊重和敬畏之心。中国有非常多的机会做很多的事情,但是其实真正在高端制造业里,大家比拼的就是后面有几个九,类似精度可以达到0.99,这种情况下还是需要时间沉淀的。在一些热门领域,特别要注意不让资金的突然涌入扰乱制造业本身的节奏。

第二,我觉得要合作共赢。比如说高端制造,可能我们还没有把别人打趴下之前先把自己打趴下了,在沉下心把这件事情做好之前就发现变成了红海。所以我觉得联想这样的平台提供了一种合作共赢的方式。

王光熙:最后我们问问黑湖智能,你们在整个消费这一块非常资深了,有很多的标杆案例,您讲一讲从产线的角度怎么看这一块的机会。

王之伟:关于供应链这一块黑湖是比较有发言权的,我们不止聚焦单个工厂客户,还深入整个供应链的协同和管控。麦当劳全球玩具工厂是我们的客户,在全球有二十多家生产厂商。当今消费者的需求日新月异,比如想定点投放上海小朋友的动漫IP,我们能借助数据,帮麦当劳做很多上层的运算,给出综合最优的结果,告诉他哪几家工厂生产总成本最低。

我还想再聊一下杭总提的“快”和“省”的问题。一般而言,传统生产企业购买SAP的生产过程管理系统,保守估计需要一年以上的部署周期,而依托先进的项目服务和实施流程,黑湖今年可以帮助两千家中大型企业节省四到六周时间。我们的价格也能做到SAP的十分之一。此外,在“拖拉拽”方面,黑湖也致力于用更简单的移动终端交互方式,让更多一线工人受惠。

欢迎扫码报名

加入联想未来Club,生态联动未来

© 2016-2019 Lenovo Capital & Incubator Group All rights reserved. 京ICP备11035381 | 京公网安备110108007970号