摘要：在云栖TechDay24期上，阿里云数据挖掘专家光盐分享阿里云数加平台如何通过工业大数据和云计算的结合应用；来有效提升良品率，降低生产成本，帮助传统制造业企业快速进入工业4.0；该解决方案将适用于设备运维、生产工艺调优、能源管理、环保、行业监管等应用场景。
下图主要介绍从工业1.0到工业4.0的相关概念。从工业互联网的直接应用到工业上下游，阿里云都在提供解决方案。阿里云的使命是让云计算技术普惠各行各业，实现马云老师提出的“新智能新制造”。
阿里云在工业方面所做的尝试主要集中在四个方向：智能设备运维、智能生产工艺、新能源管理、以及智能监管，接下来按照具体的实例进行分享。
第一个案例是阿里云在制造业提供的方案，阿里云的客户协鑫是中国最大的新能源、光伏切片制造商，阿里云在6月份开始与协鑫进行合作，合作的主要目标是提升协鑫的良品率。协鑫的业务流程，主要是把像豆腐一样的多金硅的硅锭切成硅片。这个过程主要依靠切片机，而且会涉及到各种各样的异常和工艺，这些异常和工艺都决定了最后切出来的硅片产品质量。但是产品质量往往难以把关控制，比如说切出来的硅片有没有线痕，是不是厚薄不均，是不是有碎片，都难以控制。一块较好的硅片，应该是厚薄均匀，又无线痕的，这样的就可以称为良品，所以这里面有良品率的概念。我们的目标是让一次切割过程中产生的良品硅片尽可能多，也就是提升硅片切割的良品率。协鑫自己内部有工业技术部，有数据分析团队，也有设备运维人员，其实他们也做了很多年的尝试，但是在经过这么多年的尝试之后，他们发现对良品率的提升已经到了瓶颈。
而对于阿里云来说，我们是互联网公司，还是基于阿里集团这个大背景创立的一个公司，有自己的云计算平台，也有比较专业的数据挖掘，算法团队。我们针对协鑫的良品率问题，与跟他们进行了多次的业务交流，将问题进行抽象。把协鑫目前生产线的数据上到云计算平台上来，针对协鑫的业务问题进行了具体的分析，得出了当前影响它产品质量的关键因素是什么。同时我们在做工艺方面，也分析了协鑫的工艺参数，分析出哪些工艺参数可能影响最后产品的良品率。这里面比较有意思的一点是我们发现协鑫的机器的备件在使用过程中会存在劳损的现象，这块我们做了备件劳损的预测，也做了故障的预测。阿里云提供的方案基于对于大数据的分析，系统故障预测，监控预警系统还有工艺调优，最后的预期提升了1.2%的良品率。
下一个案例是新能源方面的。这个方案是阿里云提供给新能源行业的制造风力发电机的客户的，风力发电机的设计运维成本是客户的主要成本。所以对于他们而言，尽可能减少风力发电机的故障率，减少风力发电机的维修成本，是迫切的需要。对于这样的需求，阿里云为客户做了两个事情，第一个是进行故障的预测，通过预测可以提前发现故障发生之前的一些异常现象，设备运维提前的介入可以避免故障的产生；另外一个就是提供了对于风力发电机组的寿命预测，通过提前准备风力发电机组的备件，来避免维修更换时的时间差，大大的减少客户企业运维的成本。
第三个分享阿里云在环保领域的一个案例。这个案例是与反欺诈相关的。先介绍一下背景，江苏省环保厅希望监控工业企业上传的一些实时传感器数据，通过在线监管这些数据来对工业企业进行监督，但是很多企业为了逃避监管，对传感器数据进行了篡改造假。阿里云给环保厅提供了伪造数据的识别方案。对于这些数据而言，人为的痕迹会比较显著。数据伪造识别方案基本上也是通过机器学习算法实现的，根据一些已有的数据或者通过一些是人为举报数据进行数据分析，数据达标之后再去找相似的案例，把更多的欺诈企业识别出来。
下面这个案例是阿里云为浙江省交通厅提供的方案。这个方案是关于两客一危监管的，国家规定所有的两客一危运输车辆的GPS信息需要实时上传到省级甚至是*信息中心的。因为对于两客一危车辆而言，一旦发生事故，影响将会很大。县级以上的班车和包车，因为承载的人比较多，一旦出事故的话，往往人数伤亡会比较惨重；而对于危险品运输车而言，一旦出事故，对环境以及车辆和附近的人员安全也会产生很大的影响。
对于这些车辆，*是非常重视的，虽然这些车辆的数据会实时上传到*的信息中心，但是这些数据的质量却是一个很大的问题。可以想象一下，当危险品车出事故时，*可能就开始追责了，调取这辆车的GPS监控数据时，发现不是没有数据，就是数据的位置不对。针对这些问题，阿里云与*合作，做了GPS质量的监控评价系统，把几万辆的两客一危车辆数据实时上传上来，同时对数据进行全方位的质量评价，还把数据质量不好的原因也告知运营商，让它及时去整改。
通过这个评价整改的反馈机制，最后提升了整个浙江省的两客一危车辆GPS的数据质量。在这块数据质量提升了之后，可以更进一步进行实时的监控预警，包括违规运营的研判、回放等等。
下一个案例是阿里云在航天航空领域做一个应用。针对于白云机场，因为机场会存在停机位调度的问题，比如说具体某辆飞机什么时候降落，停在哪个停机位，什么时候起飞等等。以前白云机场通过人工调度处理这个问题，但是人工调度出现的问题会比较多，比如说不能保证旅客行走距离。这里面有几个目标，像旅客行走的距离，飞机的滑行的距离，人工调度是很难去保证取到最优解的。阿里云通过调度算法去取得最优解，在满足一定约束条件下去求最优解，这是运筹学里面最常见的优化问题。举个例子，比如说每辆飞机少滑行3米，白云机场每年就可以节省20亿。
除了刚才提到的跟工业比较相关的案例，阿里云在工业的上下游这部分也提供了很多的解决方案。
下面这个案例属于工业链管理方面的，通过销量预测来优化库存，通过对库存的分析来合理计划生产。这是阿里云给天猫家电企业提供的方案，阿里云对企业也提供了几方面的主要方案，包括企业画像，企业关系网络以及风险洞察。举个例子，比如在企业的风险洞察方面，企业肯定也会非常关注竞争对手是什么样子的，也非常关注某些产品是不是出现了负面的评价等，像阿里云提供的解决方案，其实就可以解决这方面的问题。
下面一部分是JIT生产调度方面的，其实也是一个优化问题，通过约束供货，以及车辆信息，最后实现供应商组装工厂供货。
最后的这个案例可能比直观一点，比如“饿了吗”的订单智能调度，其实在大家每天订完外卖时，都会涉及到一个定单分配的问题。在智能调度方面，阿里云的方案是比较好的。通过合理地去优化定单的调度，最后让“饿了吗”平均每一单节省了八分钟时间，对于用户体验的提升还是很显著的。
以上分享了阿里云为工业互联网提供的很多解决方案的案例，希望能对大家有所帮助。