0
歷史的車輪滾滾向前，時代潮流浩浩蕩蕩。眼下，第四次工業革命正在發生，數據的力量已逐漸凸顯。
自動化、大數據和人工智能浪潮，正越來越深入地影響著一切。人們通過挖掘數據的潛在價值，為生產制造、零售、醫療、環保等眾多行業注入鮮活力量，用數據的力量重塑人類世界。
隨著智能制造、智慧工廠、工業互聯網等進階版概念進一步發酵，制造業的邊緣功能重心由接入數據向用好數據演進，數據模型的沉淀與管理成平臺工業賦能的核心能力。一座座傳統工廠的進化之路已然展開。
比如工廠中各個節點的物料準備以及物料進出倉庫的情況是怎樣的？
比如產線中設備機臺的運作狀況是否良好？是否有異常情況發生？
比如每個工位上工人的生產效率、工作狀態是否正常？
比如生產制造工序完成后，良品率、庫存以及能源消耗情況如何？
... ...
這些分布在工廠各處的數據，在傳統工廠中是依靠人工方式進行記錄并制作生產報表，從而導致數據的誤差較大且不夠及時，讓生產管理者難以全面仔細地掌握設備、產線的運轉狀況。
因此，數據驅動的智慧工廠成為傳統工廠轉型升級的主流方向。然而，要想成功地對工廠進行智能化改造，這里首先要讓隱藏在生產制造各個層面的數據被“發掘”。
研華成立于1983年，其總部在臺灣，提供以 邊 緣 智 能 和WISE-PaaS工業物聯網云平臺為核心的物聯網軟、硬件解決方案，產品包括嵌入式電腦、智能通訊、工業自動化、智能系統等。
雷鋒網了解到，研華位于臺灣林口的智慧工廠，其土地面積為35000平方米，是于2011年2月開工，2014年初落成。作為研華全球布局中重要的制造基地，這個智慧工廠設置了系統廠、板卡廠和CTOS廠（Configure To Order Service，快速定制化組裝生產）三個廠區。此外，研華為了防止地震等自然災害對臺灣系統廠正常出貨造成影響，還在臺北的另一處專門設置了單獨的系統廠。
12月初，研華在臺灣舉辦工業物聯網全球伙伴會議期間，雷鋒網在臺灣臺北制造中心MPM經理劉厚民的引導下參觀了林口的這個智慧工廠，了解了“戰情室”的工作情況，學習了系統廠的數字化、智能化的升級改造。
富士康在打造關燈工廠，海爾在探索互聯工廠，還有一些制造廠商在量身打造數字化工廠，或者獨辟蹊徑地提出綠色智能制造的概念。那么，研華未來的工廠將是怎樣的？
自1983年研華建立以來，早期臺灣的工廠較為傳統一些，2014年后整體遷移到位于林口的這個智慧工廠；另外，研華在中國昆山還設置有板卡廠、機箱廠、系統廠和CTOS廠這四個廠區。
同時給這么多工廠做升級改造，這絕對不是一件容易的事情。如此龐雜的工作不僅需要專業人士全面統籌，也需要更多配套的、先進的技術做支撐，為此，研華誕生了一個與工廠平行的單位——先進制程中心。
劉厚民表示，先進制程中心的工作人員就像學校里的教授一樣，這些成員不斷去探尋業界最前沿的尖端技術，然后把這些技術再導入到工廠里進行應用。工廠里的管理人員每天執行工作會特別忙，因此我們需要有一個獨立單位來探索新技術，然后不斷地教育訓練這里面的工程師。
比如清點物料，最早需要將料卷拉出來量長度，然后套用長度公式計算最終的顆粒數。而現在，直接用X光一照就能得到精確的物料顆粒數。
另外，RFID標簽會將數據傳輸到云端，管制系統就會告知工作人員這個工站需要做的事情，需要相關的操作技術是什么。
比如定制化生產，哪怕客戶下訂單只要一臺，研華也會生產。曾經在7條SMT產線，一個月換線次數達到了1750次，平均每天在生產在線的換線次數達到60次，而每一條線要換接近10次。
諸如此類，一些生產制造過程中遇到的難題以及相應的改造方案，先進制程中心會就產線、制造工程等著手進行研究，為研華智慧工廠量身打造最佳、最適合的解決辦法，以數據驅動的方式，最大化地賦能自身的智慧工廠。
分布在工廠各處的數據，將匯聚到哪里去？又將如何統一化管理以及發揮作用呢？
在研華位于臺灣林口的這個智慧工廠，這里特別設置了一個神秘的房間——“戰情室”，高階主管從董事長乃至工廠廠長都可以在這個房間中調閱所有的生產運營數據，技術人員通過將數據進行透明和可視化的呈現，使得生產管理者能輕松讀懂數據，抽絲剝繭找出問題的癥結，快速地修正問題并導入對策。
劉厚民透露，如果研華的廠區有任何緊急事件，必要情況下，廠區相關人員會通過“戰情室”調閱關鍵數據，馬上制定相應的措施，并通過這里的電話設備對外進行聯系。
雷鋒網了解到，“戰情室”中的三大塊電子顯示屏能實時呈現研華所有廠區的現場實況，包括各個產線、工位的生產效率，產出工時等數據，機臺設備的實時狀況，廠房車間內的溫濕度、環境指數等參數，并與研華昆山智慧工廠的“戰情室”實現聯動。
在電子類工廠中，溫濕度管理是很重要的。有些產品必須要在72小時之內完成生產，環境過于潮濕或過于干燥（干燥會產生靜電）都會對產品不利，而在“戰情室”，我們能看到工廠中對應位置溫濕度的詳細數據。
對二氧化碳濃度的調控。比如早上的森林中，二氧化碳濃度大約為432PPM，這是最干凈的空氣，會讓人感到舒適。而在研華智慧工廠中，早上的二氧化碳濃度大約是500PPM，到了下午 ，在人員聚集的區域這個濃度會接近900PPM，這樣的二氧化碳濃度會讓人感到困意，從而導致工人作業的出錯率較高。針對此等情況，研華智慧工廠專門對廠房中二氧化碳濃度進行了監測和調控。
遍布在各處的傳感器。研華智慧工廠中，安裝的攝像頭總共不超過10個，那么，在人員狀態管理方面如何管控？據了解，研華出于萃取信息“需要性”，更多地采用了傳感器的方式去收集人員狀態數據。
在研華智慧工廠中，除了采用大量物聯網傳感器、定位、PLM、ERP、SCADA、MES等軟硬件設施，還采用了SFIS（Shop Floor Information System），也就是廠區監控系統等，對智慧工廠進行了全面的升級，而所有這些關鍵的細節數據，在“戰情室”都能很清楚地調閱。
在雷鋒網此次重點參觀的系統廠中，一般來講，系統廠的生產流程，從產品材料投入開始，要經過組裝、燒機、 測試、包裝等一系列步驟。早期，從材料開始生產到出貨往往需要5天時間，以往也都不太清楚瓶頸是在哪個環節，很多時候憑經驗來調整；而現在生產數據的透明化起了很大的作用。
通過重整測試程序和流程，把測試時間縮短。現在通過數據透明的優化以及人機協調生產，工廠從投入產出的時間縮短到了3~4天以內，效果十分明顯。數據的透明化可以讓管理人員快速抓到整個生產過程中的瓶頸，通過數字找到一個平衡點，快速調整優化產線，而不再像以往那樣全憑經驗來判斷。
AOI（Automatic Optical Inspection），也叫作自動光學檢測，是基于光學原理來自動檢測PCB板上各種不同帖裝錯誤及焊接缺陷，而研華智慧工廠的SMT產線也用上了類似這樣的技術。
走進廠區后，雷鋒網在產線上看到了用視覺辨識技術去檢查PCB板的螺絲是否鎖好，據了解，這是研華智慧工廠近一年新導入的技術。
這道工序，先前是通過4、5個工作人員以肉眼的方式一一去甄別；而現在，只要保證工位上方有一個工業攝像頭，機器就能自動檢查電路板有無鎖好螺絲。人力方面，從先前的4、5個人縮減到1人，而出錯率大大降低，同時效率提升不少。
“PCB產業是一個很高科技的產業，但是它的系統組裝環節可能并不是這樣。”劉厚民表示，研華的系統廠之所以要做這樣的改進是因為希望各個環節的質量管理都能保證高水平。當工位上的工人將電路板放入指定位置后，機器會自動去尋找定位點，并進行判別。現如今，采用視覺辨識的這個工位可以檢查大約100種電路板鎖螺絲的情況。
現如今，很多公司都在談All in AI，作為一個現代化的智慧工廠，研華在AI方面的探索也沒落下。然而，不同的是，相比其他公司All in AI，研華的AI之路似乎更加低調、內斂，卻不失酷炫感。
2014年研華推出了WISE-PaaS工業物聯網云平臺，更多地專注在工業領域邊緣計算能力、人工智能技術的開發復用，將其以可靠和低成本的方式帶到工業世界。再加上，研華本身是工業電腦的提供商，因此，將WISE-PaaS、AI技術、自家工業電腦進行了組合，用于檢測電路板的焊接情況。
無數據，不AI。由于數據方面的一些原因，剛開始用“WISE-PaaS+AI+研華工業電腦”這個組合去檢測電路板的焊點時會發現并不順利。
雷鋒網了解到，前期要有一個數據積累的階段，然后是模型訓練，其中，最困難的點是數據收集。為了讓AI判斷準確，前期技術人員需要跟工廠的人溝通，請工程師在電路板的照片上進行標注，表明哪些有空焊、錫漏這些問題，分辨出大概6種以上不同的瑕疵，為此，研華大概用了一萬多片主板去做模型訓練。
因為到達這個環節的電路板已經是成品了，所以AI要看過很多不同的瑕疵才有辦法做判斷，而怎樣讓模型導入到這個機臺里面，怎樣讓他進行學習、學會快速檢測才是重點。假設我今天有一個瑕疵漏報了，明明是瑕疵卻沒有標注，這個我們都會在后期的工作中進行補充和完善。
工作人員把照片漏報的地方標注出來，然后自己上傳到WISE-PaaS平臺上，重新做模型訓練；訓練完之后，會在云平臺那邊將模型部署重新更新，再部署到研華的工業電腦。那么，下一次再有相同的不良現象就不會漏報。
另外，在導入數據模型的時候，研華曾經經歷過一次大的調整，主要原因是最初的數據模型的反應時間較長，而后幾乎都只是微調一些參數，比如敏銳度。現如今，這個數據模型在做預測的時候，幾乎都是30秒內完成。
一個PCB板，上面可能有幾十、上百種的不同規格、不同封裝的物料，隨著產品種類、功能復雜度的增加，所需的物料種類就更多了，如何進行精確化的管理呢？
一般情況下，很多工廠更多依賴人工去清點料盤，這樣不僅占用很多人力成本，而且數據誤差較大。早期，研華清點物料也是如此，后來獨創了用X光清點物料，使得工廠中物料相關的數據變得十分精準，同時效率大大提升。
在劉厚民的指引下，雷鋒網特地去參觀了這個研華原創的技術。相比眾多科技感十足、外型炫酷的設備，研華這個用X光清點物料的設備就接地氣多了。他的外觀是用透明玻璃框起來的，站在近旁的人能很清楚地看到里面的構造以及工作情況。
首先，當我們需要清點物料時，只需將物料放在指定的位置，然后用探針感知料件并進行相關操作；接著，機械手臂會將料盤逐個放到指定位置照射一個X光，照完之后，系統就知道料盤上物料的精確數據；然后，打印機會生成一個紙質標識，對料盤原本的標識進行一個覆蓋。
在這里，雷鋒網了解到，這個清點物料的原創技術大約兩年前就在研華的智慧工廠正式投入使用了，在外圍的玻璃框上，我們能清楚地看到很多使用的痕跡。現如今，這個設備能清點的物料尺寸規格最小可以達到0.5mm。
除了清點物料的環節，在上物料的環節，也處處體現了研華智慧工廠對于物料的相關數據掌握得很細致和精確。比如SMT倉庫備料進度，在倉庫一旁的電子顯示屏上，我們能清楚看到每一天備料的進展情況，此外，工單號碼、機種、工單數量、上線時間、料件總項次和未備料項次等參數都能清楚地呈現。
生產制造領域的升級改造是復雜的，沒有一個廠家能夠覆蓋所有的應用場景。因此，在打造智慧工廠時，這些廠商自身不僅要具備一定的開創能力，根據自身的特殊需求量身定制一些解決方案，必要時也需要大膽引進合作伙伴的先進技術。
在研華智慧工廠中，有這樣一套被圍起來的設備，他就是機械手臂鎖螺絲的設備。據了解，該設備買進來快一年了，在此期間，工廠曾陸陸續續進行了試用，并發現會有一些限制，因此一直未大范圍投入使用。
劉厚民表示，首先，工作人員在鎖螺絲時，如果螺絲歪斜了，工作人員憑借手感就能判斷出來，但是機器只能依靠程序；此外，使用機械手臂鎖螺絲最好能達到長期連續生產不換線、并能大量生產。而如何達成人機協作、兼具人員安全與生產效率，這些環節都還需要技術人員繼續去探索解決的辦法。
關于為什么要導入機械手臂？據了解，有時候不僅僅是出于提升效率的考慮，也可能是出于降低作業危險性的考量。
數據帶來的智能力量正在重新定義行業的邊界，并重構整個產業鏈和供應鏈關系。
怎樣的智慧工廠，才是最成功的？是關燈工廠、互聯工廠，還是類似研華這樣低調、內斂的智慧工廠？
不管何種形式、何種元素，智慧工廠的煉成絕不是一蹴而就，都需要一個探索式前進的過程。就研華智慧工廠而言，不僅需要專門的機構——先進制程中心來考慮這件事，還需要工廠人員、工程師、管理者等一起協調智慧工廠各個環節的升級改造。
在雷鋒網參觀研華位于臺灣的這個智慧工廠時，最為神秘的部分就要算“戰情室”了。在這個小小的房間中，可以了解到研華所有工廠廠區的現場實況，包括各個產線、工位的生產效率、產出工時等數據，以及機臺設備的實時狀況，廠房車間內的溫濕度、環境指數等詳細數據。
工業場景的賦能，是深度定制化的。沒有一個廠家，能夠覆蓋所有的工業各細分行業及應用場景。研華的智慧工廠能做到如此細致的智慧化，除了需要自研黑科技，當然也離不開合作伙伴的技術支持。
作為工業互聯網領域的玩家，研華自2014年推出了WISE-PaaS工業物聯網云平臺，更多地專注在工業領域邊緣計算能力、人工智能技術的開發復用，將其以可靠和低成本的方式帶到工業世界。在今年12月上旬臺灣林口舉行的研華工業物聯網全球伙伴會議上，研華正式提出：在面對工業物聯網極為碎片化的應用困境，研華以發展行業應用的工業APP破解現有挑戰，并通過對WISE-PaaS平臺進行「解耦」再「重構」更好地賦能眾多行業。
雷鋒網了解到，現階段研華主要是在工業、環境與能源、交通、零售、醫療、物流等領域進行賦能，作為“智能地球的推手”，研華未來將以數據的力量作為驅動，更深遠地結合多個垂直行業，而眼下的這個智慧工廠，僅僅是研華的賦能道路上一個小小的起點。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
