挑戰，企業快速發展的隱憂

坐落在中山市小欖鎮的木林森是一家集led封裝與led應用產品為一體的綜合性高新技術企業，在自主創新和資本并購雙重發展機遇下，已躍居成為全球白光器件排名第三、全球led封裝排名第四的企業。

但快速發展中的木林森并不是沒有煩惱。

2017年，木林森完成對德國百年老店歐司朗旗下照明品牌朗德萬斯的收購，朗德萬斯年營業額超過20億歐元，約為木林森的兩倍。這樁小魚吃大魚的并購之后，木林森獲得了朗德萬斯覆蓋全球的銷售渠道，同時也必須迎接更加復雜和更具規模產品研制的挑戰。

另一方面，隨著智慧照明的普及和發展，木林森需要實現產品組合的多樣化，來滿足市場需求。在這一趨勢下木林森除了提供高質量光源之外，還投入了電子零組件的生產，如用于智慧照明的led驅動器和控制器等等。公司的產品品類共有多少種？木林森市場總監孫少峰向筆者透露有數千種之多。

過去，大規模生產在采購端給木林森帶來了穩定的供應商合作關系和較低的采購成本，在生產端還能有效減少產品分攤的單位人工成本及制造費用。但隨著木林森產品組合的多樣化發展，企業逐漸從少品種大批量向多品種大批量的方式轉變，對柔性生產提出了更高的要求。

木林森的雄心是顯而易見的。在物聯網時代實現智慧照明，以多樣化的led產品替代傳統照明將是大勢所趨，并購德國的百年品牌也彰顯了木林森全球化布局的決心。但企業快速擴張與柔性化生產制造之間的矛盾，成為木林森數字化轉型進程中的巨大挑戰。

困境，離散制造如何挖掘數據價值？

經過前些年的積累，木林森的信息化戰略已取得一定成效。在業務層面，圍繞進銷存、hr、財務等業務實現過程數據化，實現業務過程在線上運行、線上傳遞、線上追蹤；在管理層面，讓每一層級的各種信息和數據及時地匯集，依靠數據驅動業務，依據數據做預測與決策。

譬如在采購端，木林森的erp系統與阿里1688、京東直接完全打通，采購人員在erp系統中就可以直接下物品采購訂單，向1688發布詢價單，系統會自動生成電商平臺訂單。

這些積累讓木林森不斷享受到數字化轉型帶來的紅利，也支撐起2017年82億的營業收入和近50%的增速。

特別是從2016年開始，木林森加強了信息化與自動化的融合，可以采集上萬臺生產設備的數據。“但采集的只有數據，這些海量數據背后意味著什么？我們也在學習和實踐。”孫少峰坦言。

木林森是典型的離散制造業，縱觀離散制造業探索數據價值的歷程：在商業智能（bi）時代，應用場景大多是將crm/scm/erp等業務系統的數據以報表的形式呈現作為企業決策依據；在大數據（big data）時代，應用場景則多是預防性維修維護、供應鏈優化、協作采購、物流線路規劃、遠程異地監控、社交營銷等等。

上述的這些應用場景，似乎都與產品的生產制造過程無關。

過去兩年，我們經常看到諸如協鑫光伏、中策橡膠、天合光能等流程制造業在生產線上安裝傳感器，通過探測溫度、壓力、熱能、振動和噪聲等各類數據，繼而進行設備診斷、能耗分析、質量事故分析、提高良品率等，而鮮有離散制造業利用生產制造過程數據做文章的案例。

這也是木林森一直在思索的問題。

事實上過去很多年，企業所推崇的制造業信息化，都在追求以erp/plm/mes等系統為主的所有內部信息化系統的全打通，推動企業的研發、生產、經營、管理等實現數字化。在一場場熱鬧而激烈的信息化競賽中，企業的研發設計、經營管理、市場營銷等業務能力不斷提升，卻往往忽略了最核心、也是我國制造業相對薄弱的環節——生產制造過程本身。

如何從生產制造過程的數據中挖掘價值？困擾著木林森。

契機，構建車間級神經網絡

目前，木林森有上萬臺生產設備，隨著企業不斷并購設備數量還在增加，提升設備利用效率成為最緊迫的任務；在每一個生產單元中，當從生產a產品切換到生產b產品時，往往需要人工切換制程工藝，木林森亟需實現制程工藝的自動切換以提升生產效率；目前木林森的產線設備每月生產超過億顆led，盡管良品率已經達到97%，但如果能繼續提升百分之一二，效益依然可觀。

2017年底，阿里云在廣東建設其工業互聯網云平臺，在廣州成立全國工業云總部，依據企業需求和場景打造et工業大腦，這一契機下木林森決定攜手阿里云實踐基于數據的設備綜合效率、生產良品率提升的大數據項目。

在木林森智能制造負責人劉總監看來，通過這一項目，阿里云可以幫助木林森構建云計算和大數據能力平臺，在這一基礎上借助人工智能技術提升軟實力。軟實力體現在算法和模型上，譬如基于生產制造過程中的某個業務形態，通過歷史數據樣本推算出相關業務形態的趨勢。

“通俗理解的智能制造，首先要解決車間設備的數據采集，實現自動化；其次要實現設備的互聯化，形成神經網絡；第三階段是車間的智能化，基于神經網絡對生產過程進行分析、優化和控制。現階段木林森正在探索和實踐設備的互聯化，構建車間的神經網絡。”劉總監介紹。

隨著項目的推進，依托阿里云的云計算能力和“數加”大數據計算平臺，整合人工智能技術及類腦認知解析技術，木林森開始嘗試解決生產制造過程中的各類棘手的業務問題。通過采集、同步、上云以及打通木林森線下的相關數據，構建企業的統一數據資產，并從實際業務需求與痛點出發，利用數據挖掘、機器學習等技術，綜合et工業大腦的多維感知、全局洞察、實時決策以及持續進化等能力，提供基于人工智能的解決方案，在設備利用率、智能生產、工藝優化，能源管理等方面助力木林森加速數字化轉型。

價值，產品良率和庫存管理雙重提升

在項目的推進過程中，木林森主要可以實現三個方面的提升。

首先，優化制程工藝。通常情況下，離散制造業每臺設備、每道工序有很多參數需要設置，基于大數據平臺的數據采集和分析，可以對工程制程的參數進行優化；另外可以在產線上實現新產品和原有產品的對標，通過工程制程的自動化，快速將新產品導入到產線中進行試產。木林森每個車間有300-700臺設備，每個車間就是一個獨立生產單元，如此一來可以將優化后的標準化制程工藝從一個車間快速復制到另外一個車間。

其次，生產過程的質量可追溯。過去，木林森的產品質量沒法追溯到每一個工藝、每一個制程，在生產過程中發現問題往往得不到及時的解決。通過構建車間級的神經網絡，每臺設備都進行了聯網，就可以追溯到每一個芯片是在哪一個機臺上生產的、由哪一個操作員生產、在哪一個制程上出的問題等等；

第三，提升生產效率。對制造企業而言，人機匹配度最高的時候生產效率最高。木林森分別從人和機兩個方面著手提升生產效率：一是借助系統實現操作人員的防呆防錯管理；二是提升設備利用率，對于每天下線20億顆led元器件的木林森來說，任何一臺產線設備的效率對整體產能都有關鍵性的影響。利用et工業大腦的關鍵因素識別算法、故障預測算法以及工業大腦的平臺能力，為木林森提供基于大數據的全局設備效率(oee)分析平臺，提高整體設備效率。

通過這三個方面的提升，木林森進一步釋放產品良率和庫存管理的價值。

木林森以led封裝流程的實時以及歷史產線點位數據為基礎，定制開發led封裝生產工藝的穩定性優化模塊，為led封裝流程中的特定數據閉環找出關鍵生產因素之間的最優參數策略。木林森工程師與阿里云數據科學家多次探索后，在固晶、焊線、點膠、烘烤、分光、編帶等一系列工藝流程中，在分光點測環節發現膠水溢出最容易引起alarm警報，如果不是通過數據的洞察，在人工觀測不到的微觀世界中，這一因素幾乎無法識別。

另一方面，隨著客戶定制化越來越多，木林森對柔性化生產要求越來越高。同一車間經常需要從生產a產品切換到生產b產品，原來需要人工識別和干預，在構建車間級神經網絡之后可以實現制程工藝的自動切換。過去經常需要人工補料，現在物料的領取越來越精準，大大降低了物料的補領率，提升了庫存的管理效率。

以上是網絡信息轉載，信息真實性自行斟酌。