十四五規劃中，有三次提到工業互聯網。無論是各地政府的產業政策利好頻出，還是風險投資的活躍重視程度，都能感受到這個領域在蓬勃發展，工業互聯網已是推動我國工業領域數字經濟高質量發展的重要引擎。

截至2020年6月的不完全統計，中國國內的工業互聯網平臺有600余個，具備行業、區域影響力的超過70個，各家平臺百舸爭流，在初步完成了市場的粗放建設期后，真正考驗這些平臺的是應用和內容。但普遍存在的產業現象是平臺同質化嚴重且缺乏有價值的應用支撐，而以物聯呈現、圖像識別、聲音識別、視頻識別或數字駕駛艙（往往以大屏幕顯示）最為典型。

怎樣才能令一個工業互聯網平臺脫穎而出體現差異化價值？對垂直細分場景的理解和相應業務問題的解決能力將是一個重要的方向，因為機理模型一直是各個工業互聯網平臺爭相合作的稀缺資源。

掌握工藝機理，揭開制造本質

機理模型廣泛地存在于生產制造之中。以等離子噴涂為例，汽車、飛機、3C及黑白家電企業制造過程中都離不開它。這是產品外殼噴涂金屬的典型工藝，通常以流水線連續生產模式為主。雖然當前自動化程度已經很高，但這種工藝依然還會在噴涂凝結成形或出廠后，出現起云起斑、粉化等質量現象。導致產品輕則需要進行修補，重則要批量召回。

該如何理解這些質量問題的成因呢？

噴涂質量好不好，關鍵取決于金屬漆在被噴涂并附著于產品表面后所形成涂層所對應的兩個結果指標：孔隙率和殘余應力。

然而，這只是一種結果。等離子噴涂工藝是一種子成形過程相互依賴、多個工藝參數相互關聯的復雜過程。電流、送粉速度、熔射距離、掃描間距和掃描速度等，都是參與到成形過程中的關鍵控制因素并直接影響最終結果，具有明確的根因關系和可解釋性。

這樣的機理模型能夠很好的構建根因關系，幫助工廠快速形成數字化工藝畫像，從而快速定位引起噴涂質量問題的根源。它的沉淀過程成本高昂，需要來自大量實驗和一線工程經驗反復融合的結果，是工藝經驗的寶貴傳承。在現實生產過程的低樣本環境下，不太可能通過大數據學習訓練而完成。

焊接工藝是另外一種重要基礎工藝，廣泛應用于船舶、汽車、軌道交通、重工機械、航空航天、家電等。焊接過程是一個瞬時動態非平衡過程，焊縫成形質量受各種因素動態影響，使得質量控制變得極為復雜。這對焊工的操作其實提出了很高要求，很多過程的控制完全超出了人的敏感度。

由于焊接過程中火花四濺，業界普遍使用紅外圖像等昂貴設備進行熔池觀察以對缺陷特征有所發現，而且質量問題（斷焊、虛焊、漏焊等）更多的時候還需要等待材質在最終冷卻凝結后，使用探傷設備進行深層次質量的發現，可是這些傳統手段，依然只是發現了問題和挑揀出了次品，卻無法解釋質量問題的成因。

以氣保焊機理模型就可以一探端倪，在焊槍與金屬材質發生加工作用的一瞬間，邊界條件和過程動態影響因素，最多可以達到20種以上。

圖1 氣保焊的影響機理

只有有效梳理后的機理模型，才能在焊接過程中，直接捕捉到焊縫質量問題，而不是事后再進行檢測。要實現在線檢測質量，就需要這種稀缺性、高技術價值的機理模型。

工業互聯網一根針戳破天

最近幾年，制造業對人工智能技術多有排斥，因為人工智能的不可解釋性讓人頗為頭疼。幾乎所有的人工智能都是利用大數據和數據標注的方法來讓系統學會處理相關信息。但如果過分依賴AI，就意味著有可能出現AI系統無法控制或者不知道該采取什么行為的問題，讓工業現場的生產落入不可預測性的控制恐慌。

機理模型的可解釋性，正是制造業企業愿意傾聽的故事。但機理模型的表達往往很難快速找到一個明確的公式或函數。如果可以通過AI工具找到表達規律的形式，兩者的結合就可以使得工藝智能從后臺走向前臺，有效地應用于傳統制造。

在大型船舶發動機領域，傳統的情形是：焊接占據日常生產工作的70%，大量使用外包工人，人員能力參差不齊。工廠通過制造執行系統MES下發工單到焊接工位對相應構件進行焊接，工人在接受訂單之后啟動機器干活。隨后，由于工人操作的規范性、加工設備的微觀工藝進程以及各類擾動情況的出現，現場開始與信息化系統失去了聯系。最重要的過程環節變成了一個黑箱。在質檢環節中，需要將各個構件吊裝至專門的質檢車間。采用各類無損檢測設備，剔除和修復質量不合格的構件，以防被裝配的成品導致運行隱患。然而，當發現深層次的焊接質量問題時，與焊接行為本身通常已經脫鉤了3至15天左右。這種次品很難追溯原因，更不要說如何改進。最后，往往就會導致2至3個月的交貨延誤，形成較大的損失。而且，下一個批次的發動機生產可能又是舊故事再次循環。

工藝智能的引入，讓這一切得到了有效解決。利用工業互聯網的各類融合技術，以不低于1000hz的頻率進行各類工藝參數的高頻采集。然后基于實時數據庫進行快速存儲，根據材質特性，以極高的頻率快速調用后端封裝好的具體機理算法進行分析。這樣，就可以實時對焊縫按質檢標準給出風險分類和缺陷位置定位，從而使得質量問題在焊接單元之中即刻解決。

可以看到，工藝智能可以讓事后質量檢測走向實時在線的監測和預測。這是一種質量管理模式的根本性變化，從而可以用很低的成本，更早發現問題，減少材料浪費消耗等。

對于已經實現了高度穩定自動化的批量制造的汽車產線，工藝智能同樣有著很高的價值。

焊接和噴涂均是汽車制造的四大核心制造工藝，一條產線上集成了眾多數量的機器人，少則十幾臺，多則數十臺。機器的健康程度，是在逐漸發生細微的變化。當某個機器人的行為姿態以及信號輸出導致了公差，在多臺機器人的協作情況下，有可能形成更大的公差累計，導致生產出來的產品具有很大的質量隱患，而這種隱患往往無法立刻能肉眼發現。現在普遍的產品質量檢測，是以產線末端的人工抽檢為主，如想實現更高的檢測率，需要投入更多的人力成本。一條穩定生產的產線也許一年發生不了幾次質量事故。但哪怕發生一次，都意味著重要的批次性質量事故或召回事件，損失慘重。

工藝智能，以超高的頻率開始登場了。如果是電阻電焊，采樣頻率甚至需要提高到每秒1.5萬次以上。它通過高速數據采集和成形監測，快速發現問題并干預，讓損失減少至一個最小生產批次內。

再說說產線的換線問題，產線會因生產不同的車型而適應性調整。如果是一條白車身的焊裝線，焊點高達6000個，每個焊點都在生產車型變化時由人工進行最佳工藝參數的調試。調試的越快，意味著產線可以越早投入新的生產，產生價值。但過去的工藝調試，往往依賴于人的經驗，調試效率因人而異。而通過工藝智能，則可以基于有效成形機理，在調試過程中參照并快速逼近最佳成形所需的工藝參數集，縮短調試時間就是重要的產能價值。

類似上述這樣的工藝質量的拿手好戲，開始零星上演。相比于傳統工業軟件大多偏信息管理性質，工藝智能更加靠近設備執行現狀，直面制造業所需要的降本、增效和提質的核心需要。

小記：喚醒沉睡的設備軍團

再次以金屬加工設備為例，看看將有多少沉睡中的設備軍團有待于被喚醒。

焊割技術作為裝備制造業核心技術之一，只要用到金屬材料加工的工業領域，就需要焊接與切割設備。

根據中國機器人產業聯盟、國際機器人聯合會、中國焊接協會等相關公開數據推算，截止2019年底，僅中國市場上已存在的焊接機器人約為30萬臺，半自動和全自動焊機年市場存量穩定在1200萬臺左右。

我國已經發展成為全球焊接設備生產大國。根據我國電氣工業協會電焊機分會年報數據，僅2018年各類電焊機總銷售量（56家協會成員企業）374萬臺。

這些裝備，都是工藝智能大有用武之地的戰場。

在工業互聯網百花齊放的混沌期和興奮期過后，只有具有深厚工業知識積累，厚積薄發，才能在傳統工業領域一一喚醒那些沉睡的機器。
編輯：lyn