我在企业36年，我当教授之前都在美国汽车做自动化、生产线，做制造项目主管，到联合科技做普惠发动机的设计等。我当教授时候说一定要做一个东西，我们结合了几个学校的教授，我们让每个公司给我们钱成立协同创新平台，而他可以用我们所有的软件。近零故障要预算出来，这要有很多工具和方法，我们做之前是不存在的。
去年提出了一个零故障技术，为什么16年前不敢提，因为软件还没有形成。如果所有东西都可以联网和传感器切入，那时候你应该做什么？你回到16年前手机不能上网，如果有一天手机可以上网你该做什么？
这就是我们的定位！我们要把产品的健康值算出来，汽车重要的并不是传感器好不好，而是过去会不会发生意外。我们要建立一个近零故障模型，没有意外的汽车，不是无人驾驶的，没有意外的那才是最了不起的，人死了自动驾驶也没有用。
我们来看制造，制造有制造文化、制造创新和制造转型。文化是每个人流的血液里面的东西，你血液里面流什么东西代表着文化，创新转型代表着技术。转型代表很多种方向，因此在中国转型来讲很大的是传承，中国要竞争必须传承，二三十年跳过这个基础要传承必须往回走，走到原点，为什么机器人进来这个样子，减速器为什么这样设计？轴承高铁为什么是这样。
一般来说，问题是经过二十年之后，问题产生经验跟知识，但中国有最大的数据市场，拥有全世界最大的技术装备，取代人的传统经验。如果医生死了没有了，中医所有的穴道就没有了，因为它逻辑存在了，所以你才能够到今天大家才可以享受它。
所以因此我们要在回到，怎么看问题，日本人怎么做？
日本人把这个数据当作人，我训练人，所以日本话叫“精益制造”。德国人怎么做？把经验做成机器，要收割就机器给你，要铺路机器，要盖铁路机器，等他们人退休了也有问题，所以现在120万难民进来，人口不够了，光土耳其的工人在德国就500万人。
对中国来讲很大的问题是数据怎么从经验转变到客户价值创造，帮助顾客创造价值。我们看到“互联网 ”的消费的数据，我告诉各位数据绝没有制造数据大。制造的数据全世界最大的，而且都没有被挖掘的那是最大的金矿，我现在是麦肯锡的全球顾问，我们会有一份报告出来，专门讲述制造里边有哪些金矿没有被挖掘，太多了这个金矿基本上就是未来需要。
制造有三个定性。
一个是来源，哪边来的。你可以传统数据、历史数据、人的经验、传感器、控制器。
第二，关系怎么建立？我这个关系跟别人的有什么不一样？速度变化影响会出来，它的原因在哪里。
第三，我找出原因可以得到什么效率。卖轮胎不值钱，卖汽车不值钱，要有这个观念。美国成立的大数据联盟，就是把数据存在里边，很多数据存起来了，轴承数据、电池数据、风电数据、半导体数据、机床数据各方面都在上面。2008年成立工业大数据竞赛，每年一次让大家竞赛，给你很多数据让你预测，大概连续五次拿第一。这些东西都不是免费的，你不可能用嘴巴讲或者说用努力，努力没有用，你必须要开发软件的工具。
所以我们来看，这个工具是什么东西？
工具开始有很多种，但是逻辑要懂，你数据不是问题，数据是来源，还要分类、分割、分解、分析，最后是分享。数据拿来就分享是没有用的，你看不懂，因此要把特征提出来。
特征的改变代表对零部件的影响，人有很多零部件，汽车零部件，传播零部件，要预测零部件什么时候衰退，什么时候维修，什么时候做预防，这个时候才扩展到顾客端的省油等等各方面，20%的油钱都在人的开支习惯上耗掉，很多人都不知道。
我们今天做这些工具之后你可以看到，这些图可以让你看得到每个装备的健康信息，你可以做预防。比如有一个特征图，你机床主轴振动跟耗电量，两个关系出来之后，当有一个方向性，再过一段时间你可能就要换主轴，这种预测就很稳，主轴振动，轴承振动，你搞不懂到底是什么振动，所以你要分类，飞机起飞、落地过程的耗油我知道了，那就知道了。分类、分割、分解、分析、分享，你不能拿数据给你马上做。
数据量不重要，价值大最重要，大数据的代表是价值大而不是数据量大。背景不清楚的数据完全不能用，国内厂商90%的数据不能用，没有记录背景资料拿来也不能用，因此你要改进，因此我们就CPS来解释它，数据动的时候背景要知道，比如天气是冬天、夏天、春天，我知道背景，所以我数据来源不一样。
如果告诉你背景，就是一个摄像给你，你不知道怎么比较，所以背景要知道，实体的东西跟网络的东西我们两个怎么对称。比如说一个风电在动，那这个风电是风速在变，每秒钟每分钟在变，每变一次我看它的衰退和发电量，每分钟、每小时我来看。最后看哪个风电最差，那就是它了，我就可以做比较。我没有必要收集所有的数据，也不可能，即使收集了你也破产了，因为你没有时间分析它。
我们看几个案例，我们先谈谈机器人。
机器人国内现在很火很红，当初我们在田纳西厂日产机器人有800台，监控它不可能，每天每个机器人早上做5分钟运动，20个焊接点，我把焊接点记录下来，只要早上5分钟就够了，生产线根据某个特性做比，我这样可以很快知道哪个机器人不一样，然后预测出来快衰退。
但日产不相信，结果三个星期之后机器人坏掉，那时开始日产变成真实的追求者。今天我们800台机器人分割分解分析，每天比较很快就抓住了，根本不用存数据，很快就知道哪个不好，电梯一样，飞机发动机一样，都是一样的。
为什么要存数据？
因此我就可以建立一个CPS模型，左边是真的机器人，右边是对称的健康模型，两个对称之后，一开始焊接，对每个轴的耗电量，看哪个耗电量更大。比如每天做一样的动作，哪个腰疼你就知道了，脖子酸你就知道了，你没有必要每天监控自己。
这里案例，轮胎前面的生产完全没有资料，后面只有调整有资料，这里上百台机器可以操作，但是路径走过的不知道，所以我只能往回走，我从这过程中找出路径成本哪边走的，怎么样提早做比较，让你做维修，避免不必要的质量。以前完全不行，以前要检查之后才能分类，因为这些机器没有传感器。
后来我们就又开始用比较方式，比较分类分割分解分析，然后找到变异最大的，如果三次都是这样的路径，然后找出最差的机器，找出核心零部件，分解一步步来做，然后知道哪个机器需要做检查。轮胎厂最新的工程师建模，做设计轮胎，但是你制造搞不懂。
为什么搞不懂？没有传感器，没有传感器就不能做事情，答案是对吗？不对。谁说没有数据不能做事情？找出来啊，如果不能找出来那我要你干什么。
大家都用Iphone手机，Iphone复杂性太高，PC板300多个步骤，不同的机器要做不目的全部监控，我们找出核心的步骤，然后把它提升提升，结果我们将近一年半不到，去年11月帮富士康省掉一个月54小时不必要的故障，如果出现1小时故障的成本是20万美金，我们就不谈其他的厂。
大数据的目的是从数据端现有与过去找出隐形的操作问题及未知的变异，及时地做预防管理，避免故障并创造价值。对中国来讲数据是最大的资本，必须要顶天立地的使命。我今天对中国人讲，因为很多的快速的转型跳跃了原来需要该做的事情，机床买的，机械买的，发动机买的，好了。
但是如果你有数据，找出来哪边有的，哪边不好然后自己设计脱离依赖。立地，到工厂找怎么效率不高，把原因找到，并且完全避免。污染的原因也要找到，所以因此你可以顶天立地，只有顶天立地了任何一个国家才能叫做强国。
我们跟中船合作，我们说海跟船是一个系统，我们就应该把智能化跟海洋和海互动，要做智能价值，船在动，海浪你不知道，但是我根据海浪运货走的路向和海流，我知道海流的变化，北斗可以量出船的长度，间接根据扭力算出阻力，然后我切线走，可以省掉6升不必要的耗油，这什么意思？代表7-10年你可以买一条新船。未来的高铁也可以完全不用数据，直接用CPS找出哪个轴承不好和门不好，完全不需要数据。
联系客服
