賽迪觀點賽迪徐靖工業互聯網平臺賦能垂直行業數字化轉型之路九電子信息行業

電子信息行業是國民經濟的戰略性和基礎性行業，具有產品種類多、技術含量高、產品質量要求高、生產周期要求短、技術更新速度快的行業特征，面臨設備治理精度不夠、不同產品間的生產排產切換慢、生產治理效率低、產品質量管控不夠等行業痛點，亟需加快基于工業互聯網平臺的數字化轉型步伐，全面提升設備治理、生產研發生產治理、產品質量治理、供給鏈治理等環節的數字化水平。富士康、華為、新華三、華星光電、騰暉光伏等企業以產品質量檢測、生產治理優化為切入點，加速推動電子行業向“研發—生產—治理—運維”的全環節智能化方向加速轉型?；诖耍覀儗﹄娮有畔⑿袠I基于工業互聯網平臺進行數字化轉型解決方案進行了專題研究，深入剖析了電子信息行業數字化轉型趨勢、平臺應用場景以及業務落地解決方案。 一、電子行業數字化轉型趨勢分析 (一)設備治理從粗放治理向精密管控轉變 傳統電子信息制造業的流水線方式需要依靠于大量的生產設備，因設備治理不善導致生產停機、珍貴設備提前報廢、產品質量隱患等問題將對企業造成巨大損失。尤其是對產品一致性和可靠性要求高的電子元器件領域、對加工精度要求高的精密零組件和精密模具領域，生產設備的微小偏差都會造成產品質量的大幅下滑。隨著新一代信息技術的應用發展，基于傳感器、自適應感知、正確控制與執行等數據采集技術，使得覆蓋設備全生命周期的實時態勢感知、遠程故障診斷和猜測性維護成為可能，有效降低設備運維成本，提高產品質量和生產可靠性。 (二)制造生產從手工組裝向人機協同轉變 我國是電子信息產品制造第一大國，但是從國際產業價值鏈分工來看，我國仍處于全球價值鏈中的中低端，以生產組裝為主。雖然我國電子信息制造業自動化水平比較高,但是組裝環節仍需要大量人力。以富士康為例，作為蘋果手機、平板的主要代工制造商，其在　有超過20萬名生產制造員工。在工業互聯網平臺上，人的知識和經驗以機理模型的形式被共享、復制、傳播，賦予機器人類的聰明，有利于推動人的認知性、靈活性等特點與機器的高精準、高效率有效結合起來，提升人與機器的協同合作水平，降低人力成本，提高生產效率。 (三)質量檢測從人工檢測向智能檢測轉變 隨著電子信息技術的飛速發展，電子產品加速向小型化、精密化、集成化演進，對電子制造工藝的速度、精度、可靠性提出了更高的要求。提出了高速率、高精度、高可靠的要求。傳統人工檢測方法存在主觀性強、正確度低等問題，基于機器視覺、深度學習等技術，對產品開展智能質量檢測，不僅可以排除主觀因素干擾，還能夠對這些指標進行定量描述,減小了檢測分級誤差，提高了生產率和分級精度。 二、電子行業工業互聯網平臺典型應用場景及實踐 (一)設備智能管控 一是設備狀態監測?；诠I互聯網平臺采集溫度、電壓、電流等數據，直觀展示設備實時狀態，實現設備全面、實時、正確的狀態感知。二是設備故障診斷。利用大數據分析技術，對設備工作日志、歷史故障、運行軌跡、實時位置等海量數據進行挖掘分析，基于專家庫和自學習機制建立故障智能診斷模型，實現設備故障精準定位。三是猜測性維護?；诠I互聯網平臺分析猜測設備要害部件變化趨勢、產品壽命和潛在風險，提前預判設備零部件的損壞時間，主動提前進行維護服務。 例如，富士康基于BEACON工業互聯網平臺實時采集精密刀具狀態數據，結合智能調機深度學習算法，實現了刀具的自感知、自診斷、自修復、自優化、自適應，使刀具壽命延長15%，減少刀具成本15%，刀具崩刃壞刃猜測的正確率達93%，產品良率提升超過90%，稼動率提升超過90%。 (二)研發生產治理優化 一是研發設計?；诋a品的幾何、工藝、功能、質量、檢測、運行環境等參數，構建產品的數字孿生模型，開發者不需要實際試驗測試，即可驗證產品在真實環境中的性能。基于數字孿生“零成本試錯”的研發創新可以有力促進我國電子信息產業的研發創新，目前我國在該領域仍處于探索應用階段。二是智能排產。在新產品實際投入生產之前，利用數字孿生預先對生產計劃排程、訂單治理、質量治理、物料治理和設備治理進行建模測試，找出很優方案，可幫助企業縮短新產品導入周期，提高產品交付速度。三是精益治理。通過對企業的人、機、料、法、環的數字化、模型化、代碼化，實時監控企業運行情況，發現不合理和低效的治理流程，提出改進方案，提高組織治理效率。 例如，騰暉光伏基于自建的工業互聯網平臺，打通企業內部設備、產線、生產、運營的數據鏈，結合光伏行業工業經驗知識模型，對數據實時匯聚和分析挖掘，實現生產全流程優化，企業整體運營成本降低18%，單位產值能耗降低5%，采購成本降低5%，產品良率提高5%，生產效率提高19%，產品設計周期縮短20%。 (三)產品質量檢測 一是產品質量檢測。在產品生產過程中，實時采集質量檢測點的檢測數據，利用機器視覺、人工智能技術，結合產品質量分析模型，及時發現潛在質量問題，消除質量治理環節漏洞，實現異常品快速響應。二是產品質量全流程追溯?；诠I互聯網平臺，打通原料供給、元器件生產、零部件生產、組裝加工、集成銷售、運維等產品全生命周期的質量數據，結合質量追溯模型，實現產品全生命周期的質量跟蹤，提升產品質量控制精度。 例如，華為基于FusionPlant工業互聯網平臺，實時采集檢測點的手機電芯、電池、單板的數據，結合華為云EI服務的視覺檢測模型實現柔性質檢，使成品率提升到99.55%，員工重復勞作降低48%。華星光電基于騰訊云，運用深度學習、缺陷分類和知識圖譜技術，構建面板檢測模型并使用實際生產數據優化模型，使質量缺陷識別速度提升10倍，縮短生產周期40%，縮減人力50%。 (四)供給鏈協同 一是企業內部供給鏈協同。基于工業互聯網平臺，實時采集企業內的設備、工具、物料、人力等數據，實時跟蹤現場物料消耗，結合庫存情況安排供給商進行精準配貨，實現生產、庫存的動態調整優化，有效降低庫存成本。二是企業間供給鏈協同。以工業互聯網平臺為連接樞紐，實時采集供給鏈上下游企業的排產、生產、庫存、質量、物流方面的運行數據，結合供給鏈協同模型，優化全供給鏈資源配置，實現供給鏈動態、精準協同。 例如，新華三基于UNIPower紫光工業互聯網平臺，整合供給鏈上下游的設備、加工、質量、工藝、物流等數據，結合供給鏈協同排產模型、庫存優化模型、質量檢測模型，實現跨區域、跨企業、跨部門的供給鏈協同。駐外包制造工廠的現場治理人員和工程師減少了20%，外包工廠的生產操作類質量問題數則減少了40%以上。 三、推進應用場景落地的著力點 (一)聚焦邊緣數據，打造高效邊云協同體系 一是在邊緣數據采集方面，安裝智能傳感器、攝像頭、三維掃描儀等數據采集工具，利用泛在感知技術，采集研發、生產、銷售環節的多源設備、異構系統、運營環境、人員等數據，實現對企業運行狀態的全面感知。二是邊緣數據分析方面，將云端機器學習和深度學習算法，部署在生產設備端，在邊緣控制器上集成分析引擎，實現設備的自動調整和優化，在模型、數據、服務三方面實現邊云協同。 (二)聚焦模型開發，強化機理模型供給能力 一是圍繞設備治理，開發電子行業設備狀態監測、設備故障分析、設備自主維護、設備自主控制等模型，提高設備智能管控水平。二是圍繞企業生產全環節，開發電子行業研發設計、預先排產、生產過程優化、精益治理等模型，優化企業研發生產治理各環節提質增效。三是圍繞產品質量治理，開發電子行業產品質量檢測、產品全生命周期質量追溯等模型，提高產品質量管控精度。四是圍繞供給鏈協同，開發企業內和企業間供給鏈協同模型，優化資源配置。五是構建知識圖譜，開發模型治理引擎，實現模型標簽化治理、智能化搜索和精準化調用。 (三)聚焦應用場景，深化解決方案應用推廣 一是圍繞設備治理，基于平臺的數據沉淀和模型應用，研發設備狀態監測、故障診斷、猜測性維護、自主控制等解決方案，提高設備智能管控水平。二是圍繞企業生產治理，面向電子行業自主研發能力弱、不同產品間的生產排產切換慢、生產治理效率低的痛點，按需調用機理模型，打造研發創新、預先排產、精益治理等解決方案，優化企業生產治理。三是圍繞產品質量治理，面向電子產品質量要求高、質量檢測效率低的矛盾，打造產品質量檢測、產品全生命周期質量追溯等解決方案，提高產品質量管控精度。四是圍繞供給鏈治理，面向電子行業在供給鏈上下游的信息流通堵點和供需錯配問題，打造企業內和企業間的供給鏈協同解決方案，提高供給鏈整體的資源配置效率。