智能制造是时下最热门的一大话题。自德国宣布工业4.0以后，中国也把“中国制造2025”提到了强国战略的高度。在这样的大背景下，据市场研究机构BBC Research估计，全球智能制造市场预计将从2015年的1590亿美元增长到2020年的3920亿美元，达三倍之多。其中，北美市场年复合增长率（CAGR）达19%，亚太地区达20.7%，世界其他地区为19.8%。
智能制造机会巨大，然而，它究竟涉及到哪些层面，具体应该怎么实现，可能很难有人能够说清楚。日前，专注于为制造业提供自适应智能（AI）的韩国软件公司BISTel在接受EDN专访时，为我们好好理了理传统制造业跨向智能制造必经的三个阶段，以及不同行业细分又存在哪些共性。
BISTel公司全球销售与营销/企业营销总监Jason Kim先生告诉笔者，BISTel成立之初主要关注半导体和显示器两大制造业。2015年，该公司在发现其解决方案应用于其他行业的优势后，把业务扩大到电子装配、汽车、钢铁、能源和医疗电子等各个行业。
BISTel为制造业提供的三个功能：数据收集和管理、实时监控，以及分析。“首先，我们从工厂中的传感器、PLC、机器等IoT设备实时收集数据，并对这些数据进行高速预处理，即对其进行管理。我们对数据进行上下文分析，我们通过数据搜索进行整合，并给出每个数据的意义。对数据收集后，我们对其进行实时监控。例如，我们在监控实时数据流时，我们发现仪器数据有缺陷，我们会向工程师发出警告。如果这时发现有情况发生，我们在大数据的背景下进行高级分析（数据挖掘、根源分析、相关性等），找出事情发生的原因。”Kim先生说。
在智能制造领域，该公司试图推进这三个功能，并结合AI，为制造业提供更高级的自动化功能。“我们提供的关键优势是，试图降低找到问题的时间。例如，现在许多公司仍然首先收集数据，然后试图找到为什么会有处理问题发生。但是这通常需要花费一周甚至一个月才能找到问题。但采用我们的解决方案，则可以大幅缩短寻找问题的时间，可能三四个小时就能找到。”他表示。
下面是该公司的三个主要解决方案。
1. 设备工程系统。它从自动化机器收集数据和做实时监测。例如，其包含一个叫FDC（错误检测和分类）的应用。它能发现有什么问题发生，并对其按不同的模式（pattern）进行分类。
2. eDatalyzer。然后，如果检测到有问题发生，就可以用eDatalyzer平台对其进行分析。这个平台用来做数据挖掘和根源分析。据透露，这个制造平台除了图上所列，今年上半年还会有不同应用推出。
3. 自适应智能（AI）平台。
目前，该公司在全世界有160多家客户，包括该公司传统的半导体和显示器制造客户，都是些大厂，比如日韩的几个大厂（名字不方便透露，反正是很大的，大家自己去猜）以及国内的几大显示面板厂商。
下面列出了BISTel的几个竞争对手。“这些厂商并不是我们在半导体和显示器制造行业的竞争对手，而是在一般制造业中的竞争对手。”Kim指出，例如，sas公司提供大数据分析，GE和西门子是其在制造平台方面的竞争对手。“我们相比他们的优势在于，我们仅在制造业方面拥有专长。”Kim补充，“我们不做市场分析和成本分析（例如sas所做），而是只关心制造数据，这是我们的专长。”
“GE和西门子只关心他们自己的硬件和机器，而我们关心工厂内的整个生态系统。我们试图整合车间内所有的、来自不同公司（比如前述竞争对手和其他厂商）的机器和传感器。这就是整个工厂内的数据收集和管理的概念。”他谈道。
在整个工厂的环境下，所有的数据都需要实现连接，所以我们需要有完整的数据可追溯性。这样，如果有问题发生，才能够追溯到问题的每个根源。
那IBM等云服务公司也提供数据分析，和你们又有什么区别呢？当问到这个问题时，Kim表示，所有的云平台提供商也收集数据，但仅是收集。“例如，有A、B、C三个工艺，他们只是收集数据而没有利用数据，这对生产没有什么帮助。而我们收集这三个工艺的数据，会做实时分析，给出它们之间的关系，这就是我刚才说的上下文分析。例如，如果A工艺有问题发生，它对C也会产生影响。你要从C追溯到A，就需要建立起它们之间的关系，这样才能追根溯源。而如果你不建立起这种关系，那就没有用处。”他举例说。
如果你知道事情发生的原因，那你就可以对其进行优化和改进，降低成本，提高生产力。
BISTel已经在半导体和显示器制造领域打下坚实根基，但该公司也注意到，其在智能制造业中也拥有很大机会，所以现在也在向汽车、能源、医疗、钢铁等行业进军。
在传统的制造环境，大多数公司的工厂都采用结构化布局，即设备层、控制层和应用层等。它们通过编程实现具体操作。这并不够智能。通信是单向的，从应用层到设备层，告诉设备如何操作。因此，传统制造业中涉及到很多人工操作，是人员密集型的。转向智能制造后，这些层与层之间就能够实现彼此沟通。如果某个层足够智能，还能够自我优化操作和自我分析，并彼此给出反馈。“这就是智能制造。我们试图为整个工厂生态系统的每个层、每个对象提供智能。”他表示。
BIStel相信智能制造是所有制造商的必由之路。而这条路也必然是阶段性，而不是一蹴而就的——第一步是应用级智能，第二步是系统级智能，第三步是企业级智能。
1. 应用级智能。在这一级，BIStel为客户提供应用，为设备提供数据分析，为处理器和生产系统提供反馈。这样，每个应用能为每个具体对象提供智能。例如该公司今年第一季度推出的动态故障检测（DFD）应用，这是一个实时监测解决方案。“传统上，在做实时监测的时候，你要建模，设置上下限，来看数据流。如果你手上有数据规范，那就可以找到问题。而对于DFD，我们不需要设置任何限值，而是去看数据模式（pattern）走势，是有上升趋势还是下降趋势。这样甚至在问题发生前，我们就可以检测出来。”Kim谈道。
此外，它具有高级机器学习功能。DFD能够通过查看历史模式自我学习。这个概念也适用于预测性维护，即从机器获得所有传感器数据，查看整个历史数据模式，并与实时数据模式对比，提早预测故障，就能够确保生产期间的无间断操作。
2. 系统级智能。对于应用级智能，所有应用都被编程来实现不同任务。而对于系统级智能，则是希望所有系统都能够彼此通信，从而实现更进一步增强和优化。由于它们能够共享信息，就能够实现自主控制。这样就能够实现AI制造。
3. 企业级智能。对于企业级智能，希望实现的是不同系统的互联。系统级智能是在应用级之间的，而企业级智能是在系统之间的。“BIStel的应用可以和MIS、ERP、CRM等不同的生产系统通信，这是智能工厂的基础。如果一个工厂可以和另一个国家的另一个工厂通信，那就是更进一步强化。”
下面是AI能够提供的关键功能。它让处理器、机器和系统能够自我学习，自动检测并自动改变模式。此外，自我学习能力还使其具有预测能力，并能够自我优化，从而实现自适应自我修复。
有了这三项功能，企业就可以实现持续优化，在整个生产周期内无后顾之忧。
从下图看，企业工厂中的各个层级（IoT/传感器、PLC/SCADA/HMI、设备/机器/机器人等）产生各种数据。“企业会收集这些数据查看是否有缺陷。如果存在缺陷，他们需要知道是发生在哪个层级。我们要做的就是帮助他们从所有这些不同层级收集数据，对其整合，并存储到云平台中。这样，如果由问题发生，我们就可以追溯到根源。”Kim说。
那怎么确保安全？Kim表示，有些企业的数据敏感，比如半导体行业，它们会将数据存到自己的私有云而不是公有云。我们帮助它们收集数据并存储到自己的云，而不会拿走这些数据。而能源类企业的数据要上公有云，比如每户人家用了多少能源。但他们也会和自己的私有云（存发电厂、炼油厂等的生产数据）整合，中间加防火墙进行隔离。
此外，BIStel还有一个更远的愿景是，打通各个不同行业之间的数据。比如汽车业的车身和底座会用到钢铁，如果和钢铁业打通的话，这方面出问题就可以追溯到钢铁生产。“这才是真正的智能制造。当然，这是个长远的计划，至少要等上5年。”他指出。
最前沿的电子设计资讯
