赛迪观点赛迪徐靖工业互联网平台赋能垂直行业数字化转型之路九电子信息行业

电子信息行业是国民经济的战略性和基础性行业，具有产品种类多、技术含量高、产品质量要求高、生产周期要求短、技术更新速度快的行业特征，面临设备治理精度不够、不同产品间的生产排产切换慢、生产治理效率低、产品质量管控不够等行业痛点，亟需加快基于工业互联网平台的数字化转型步伐，全面提升设备治理、生产研发生产治理、产品质量治理、供给链治理等环节的数字化水平。富士康、华为、新华三、华星光电、腾晖光伏等企业以产品质量检测、生产治理优化为切入点，加速推动电子行业向“研发—生产—治理—运维”的全环节智能化方向加速转型。基于此，我们对电子信息行业基于工业互联网平台进行数字化转型解决方案进行了专题研究，深入剖析了电子信息行业数字化转型趋势、平台应用场景以及业务落地解决方案。 一、电子行业数字化转型趋势分析 (一)设备治理从粗放治理向精密管控转变 传统电子信息制造业的流水线方式需要依靠于大量的生产设备，因设备治理不善导致生产停机、珍贵设备提前报废、产品质量隐患等问题将对企业造成巨大损失。尤其是对产品一致性和可靠性要求高的电子元器件领域、对加工精度要求高的精密零组件和精密模具领域，生产设备的微小偏差都会造成产品质量的大幅下滑。随着新一代信息技术的应用发展，基于传感器、自适应感知、正确控制与执行等数据采集技术，使得覆盖设备全生命周期的实时态势感知、远程故障诊断和猜测性维护成为可能，有效降低设备运维成本，提高产品质量和生产可靠性。 (二)制造生产从手工组装向人机协同转变 我国是电子信息产品制造第一大国，但是从国际产业价值链分工来看，我国仍处于全球价值链中的中低端，以生产组装为主。虽然我国电子信息制造业自动化水平比较高,但是组装环节仍需要大量人力。以富士康为例，作为苹果手机、平板的主要代工制造商，其在　有超过20万名生产制造员工。在工业互联网平台上，人的知识和经验以机理模型的形式被共享、复制、传播，赋予机器人类的聪明，有利于推动人的认知性、灵活性等特点与机器的高精准、高效率有效结合起来，提升人与机器的协同合作水平，降低人力成本，提高生产效率。 (三)质量检测从人工检测向智能检测转变 随着电子信息技术的飞速发展，电子产品加速向小型化、精密化、集成化演进，对电子制造工艺的速度、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。传统人工检测方法存在主观性强、正确度低等问题，基于机器视觉、深度学习等技术，对产品开展智能质量检测，不仅可以排除主观因素干扰，还能够对这些指标进行定量描述,减小了检测分级误差，提高了生产率和分级精度。 二、电子行业工业互联网平台典型应用场景及实践 (一)设备智能管控 一是设备状态监测。基于工业互联网平台采集温度、电压、电流等数据，直观展示设备实时状态，实现设备全面、实时、正确的状态感知。二是设备故障诊断。利用大数据分析技术，对设备工作日志、历史故障、运行轨迹、实时位置等海量数据进行挖掘分析，基于专家库和自学习机制建立故障智能诊断模型，实现设备故障精准定位。三是猜测性维护。基于工业互联网平台分析猜测设备要害部件变化趋势、产品寿命和潜在风险，提前预判设备零部件的损坏时间，主动提前进行维护服务。 例如，富士康基于BEACON工业互联网平台实时采集精密刀具状态数据，结合智能调机深度学习算法，实现了刀具的自感知、自诊断、自修复、自优化、自适应，使刀具寿命延长15%，减少刀具成本15%，刀具崩刃坏刃猜测的正确率达93%，产品良率提升超过90%，稼动率提升超过90%。 (二)研发生产治理优化 一是研发设计。基于产品的几何、工艺、功能、质量、检测、运行环境等参数，构建产品的数字孪生模型，开发者不需要实际试验测试，即可验证产品在真实环境中的性能。基于数字孪生“零成本试错”的研发创新可以有力促进我国电子信息产业的研发创新，目前我国在该领域仍处于探索应用阶段。二是智能排产。在新产品实际投入生产之前，利用数字孪生预先对生产计划排程、订单治理、质量治理、物料治理和设备治理进行建模测试，找出很优方案，可帮助企业缩短新产品导入周期，提高产品交付速度。三是精益治理。通过对企业的人、机、料、法、环的数字化、模型化、代码化，实时监控企业运行情况，发现不合理和低效的治理流程，提出改进方案，提高组织治理效率。 例如，腾晖光伏基于自建的工业互联网平台，打通企业内部设备、产线、生产、运营的数据链，结合光伏行业工业经验知识模型，对数据实时汇聚和分析挖掘，实现生产全流程优化，企业整体运营成本降低18%，单位产值能耗降低5%，采购成本降低5%，产品良率提高5%，生产效率提高19%，产品设计周期缩短20%。 (三)产品质量检测 一是产品质量检测。在产品生产过程中，实时采集质量检测点的检测数据，利用机器视觉、人工智能技术，结合产品质量分析模型，及时发现潜在质量问题，消除质量治理环节漏洞，实现异常品快速响应。二是产品质量全流程追溯。基于工业互联网平台，打通原料供给、元器件生产、零部件生产、组装加工、集成销售、运维等产品全生命周期的质量数据，结合质量追溯模型，实现产品全生命周期的质量跟踪，提升产品质量控制精度。 例如，华为基于FusionPlant工业互联网平台，实时采集检测点的手机电芯、电池、单板的数据，结合华为云EI服务的视觉检测模型实现柔性质检，使成品率提升到99.55%，员工重复劳作降低48%。华星光电基于腾讯云，运用深度学习、缺陷分类和知识图谱技术，构建面板检测模型并使用实际生产数据优化模型，使质量缺陷识别速度提升10倍，缩短生产周期40%，缩减人力50%。 (四)供给链协同 一是企业内部供给链协同。基于工业互联网平台，实时采集企业内的设备、工具、物料、人力等数据，实时跟踪现场物料消耗，结合库存情况安排供给商进行精准配货，实现生产、库存的动态调整优化，有效降低库存成本。二是企业间供给链协同。以工业互联网平台为连接枢纽，实时采集供给链上下游企业的排产、生产、库存、质量、物流方面的运行数据，结合供给链协同模型，优化全供给链资源配置，实现供给链动态、精准协同。 例如，新华三基于UNIPower紫光工业互联网平台，整合供给链上下游的设备、加工、质量、工艺、物流等数据，结合供给链协同排产模型、库存优化模型、质量检测模型，实现跨区域、跨企业、跨部门的供给链协同。驻外包制造工厂的现场治理人员和工程师减少了20%，外包工厂的生产操作类质量问题数则减少了40%以上。 三、推进应用场景落地的着力点 (一)聚焦边缘数据，打造高效边云协同体系 一是在边缘数据采集方面，安装智能传感器、摄像头、三维扫描仪等数据采集工具，利用泛在感知技术，采集研发、生产、销售环节的多源设备、异构系统、运营环境、人员等数据，实现对企业运行状态的全面感知。二是边缘数据分析方面，将云端机器学习和深度学习算法，部署在生产设备端，在边缘控制器上集成分析引擎，实现设备的自动调整和优化，在模型、数据、服务三方面实现边云协同。 (二)聚焦模型开发，强化机理模型供给能力 一是围绕设备治理，开发电子行业设备状态监测、设备故障分析、设备自主维护、设备自主控制等模型，提高设备智能管控水平。二是围绕企业生产全环节，开发电子行业研发设计、预先排产、生产过程优化、精益治理等模型，优化企业研发生产治理各环节提质增效。三是围绕产品质量治理，开发电子行业产品质量检测、产品全生命周期质量追溯等模型，提高产品质量管控精度。四是围绕供给链协同，开发企业内和企业间供给链协同模型，优化资源配置。五是构建知识图谱，开发模型治理引擎，实现模型标签化治理、智能化搜索和精准化调用。 (三)聚焦应用场景，深化解决方案应用推广 一是围绕设备治理，基于平台的数据沉淀和模型应用，研发设备状态监测、故障诊断、猜测性维护、自主控制等解决方案，提高设备智能管控水平。二是围绕企业生产治理，面向电子行业自主研发能力弱、不同产品间的生产排产切换慢、生产治理效率低的痛点，按需调用机理模型，打造研发创新、预先排产、精益治理等解决方案，优化企业生产治理。三是围绕产品质量治理，面向电子产品质量要求高、质量检测效率低的矛盾，打造产品质量检测、产品全生命周期质量追溯等解决方案，提高产品质量管控精度。四是围绕供给链治理，面向电子行业在供给链上下游的信息流通堵点和供需错配问题，打造企业内和企业间的供给链协同解决方案，提高供给链整体的资源配置效率。