分类：行业新闻

很难想象工厂自动化系统中没有线性机器人的身影。线性机器人的应用涉及产品生产、组装或包装过程中的来料搬运，无论是作为拾取和放置单元集成到单台机器，还是集成到半自动化或全自动生产线中。但多轴系统的设计、配置、调试和编程一直被认为是一个复杂、耗时的过程，且需要大量不同的接口。同时，始终存在的竞争压力以及降低成本和节省时间的需求加大了其应用难度。幸运的是，当前的数字化趋势也促进智能子系统的快速发展。

博世力士乐积极迎接挑战并开发出新的解决方案，使多轴系统的选择和产线集成变得更加简单易行：利用现代、直观的电子工具，我们可以帮助技术和施工专家在短短几分钟内找到一款适用的笛卡尔机器人。在数十年的应用过程中，我们获得了广泛的知识并加以运用。用户现在只需输入其应用数据，在此基础上便可获得关于适用的多轴系统的建议方案，包括电机、连接元件和能源供应等方面。然后可以通过3D实时预览方式在所连接的在线配置器中添加更多详细规格。力士乐多轴系统同时也可以作为带有预装软件的智能线性机器人提供给客户。

向导程序可直观地引导用户完成调试过程，驱动控制器在连接后可自动完成参数设置。搬运流程本身不再需要费力地进行编程，而可以通过拖放操作，与合适的功能模块相结合进行。此过程无需输入复杂的代码也无需专家帮助即可完成。

我们为此次取得的进展感到十分自豪。通过将一流的组件与创新功能相结合，线性机器人现已成为适用于众多应用的一种更具吸引力的前置装置。它们可以减少工程工作量并将生产力提高到了一个新的水平，因而在流程优化方面发挥着关键作用。

在基于高效的未来工厂愿景持续开发搬运解决方案的同时，我们在传感器系统领域的开发工作也在不断推进。我们新开发的传感器补偿模块 Smart Flex Effector也会使搬运系统更加智能。这种安装于机械手上的解决方案融合了机器人的精度和手的灵敏度，为机器人和笛卡尔系统开辟了新的应用领域。

只需点击几下，未来工厂即触手可及。

作为全球领先的传动与控制技术供应商之一，博世力士乐致力于为各类机械和系统设备提供高效、强大、安全的智能运动解决方案。公司在行走机械应用、机械应用与工程及工厂自动化等领域拥有丰富的项目经验，并且凭借其智能元件、定制化解决方案及服务，为实现互联工业创造完美的应用环境。同时，博世力士乐还为客户提供各种液压、电子传动与控制、齿轮、线性传动及组装技术，软件及物联网的接口。公司业务遍及全球80多个国家与地区，拥有超过31,000名专业员工，2021年全球销售额近62亿欧元。

自1978年进入中国市场以来，博世力士乐已在北京、武进和西安建立了生产基地，截止至2021年12月，拥有约2,800名员工。

博世集团是世界领先的技术及服务供应商。根据初步数据，博世集团约401,300名员工（截至2021年12月31日）在2021财政年度创造了约788亿欧元的销售业绩。博世业务划分为4个业务领域，涵盖汽车与智能交通技术、工业技术、消费品以及能源与建筑技术领域。作为全球领先的物联网企业，博世为智能家居、智慧城市、互联交通和互联工业提供创新的解决方案。博世运用其在传感器技术、软件和服务领域的专知，以及自身的云平台，为客户提供整合式跨领域的互联解决方案。通过其产品和服务，博世为人们提供创新有益的解决方案，从而提高他们的生活质量，打造互联生活。凭借其创新科技，博世在世界范围内践行“科技成就生活之美”的承诺。集团包括罗伯特 • 博世有限公司及其遍布约60个国家的440家分公司和区域性公司。如果将其销售和服务伙伴计算在内，博世的业务几乎遍及全世界每一个国家。这一全球性的生产、工程和销售网络为其进一步发展奠定了基础。博世的长远健康发展建立在不断创新的基础上。博世的研发网络拥有76,300名研发人员，遍布全球近128个国家和地区,其中软件工程师约有38,000名。

长期以来，养殖业界的投资力度较为薄弱，管理粗放、效率低下、成本较高、环境污染、信息化、智能化程度低等问题突出。对于AI、大数据、物联网等新一代信息技术，养殖业似乎更是难登大雅之堂。

近些年来，随着国家对养殖业政策扶持力度加大，早在“十三五”规划期间，我国对农业发展规划就提出在畜禽养殖上，精准饲喂、发情监测、自动挤奶等在规模养殖场实现广泛应用；“十四五”更是强调了提高养殖智慧化水平的建议；2020年国务院办公厅印发《关于促进畜牧业高质量发展的意见》要求到2025年畜禽养殖规模化率和畜禽粪污综合利用率分别达到70%以上和80%以上，提出构建现代化养殖体系，加强大数据、人工智能、云计算、物联网等技术在畜牧业的应用。

养殖业的转型在政策的加持，技术的支撑下不断推进，智慧养殖在人们视野中逐渐活跃起来，不少创新的企业正通过科技来开辟养殖新路径。例如，近期，内蒙古蒙牛乳业（集团）股份有限公司新增投资企业为海南云养牛科技有限公司，其经营范围包括人工智能应用软件开发；互联网销售；地理遥感信息服务；农业机械租赁；环境保护监测；兽医专用器械销售；畜牧专业及辅助性活动等。

10f94ae9113c015dc2c40c89b0d212ef.jpg

1、智慧养殖赛道火热

资本看到广阔的市场前景，对智慧养殖的关注力度持续提升，智慧养殖应用在畜牧、水产、家禽等多领域，其中智慧养猪是热门赛道。例如，百度、京东、阿里、网易等互联网巨头纷纷进军智慧养养猪业。

早在2009年，网易就开始投入养猪业务，采用全自动液态粮饲喂系统；百度提供了一套可利用“电子围栏”实时监测猪棚活动的方案；2018年，阿里推出了利用ET农业大闹，利用视频图像分析、人脸识别、语音识别、物流算法等实现智能养猪；紧接着，京东发布了“神农大脑”，整套智能养殖计划包括AI、IoT、SaaS三大板块，其中猪脸识别技术饱受关注；2020年，华为也推出了“南泥湾”养猪计划，实现智慧管养等，之后华为又推出“智慧养猪解决方案”，用AI赋能养猪业。

说起智慧养殖，跨界合作的案例比比皆是。除此之外，工业界更是不乏布局者。例如，西门子与新希望集团合作，为其提供10万余台自动化设备服务于新希望旗下的养殖场，双方还将开展数字化农牧业试点项目；施耐德电气ATV310变频器在智慧养猪场大展拳脚。（关于智慧养猪，可以点击阅读前文“养猪厂也开始内卷了，正在和大厂抢夺985毕业生”）随着养殖企业对自动化、智能化的投入，工业自动化企业在智慧养殖的广阔市场中将大有可为。

2、智慧养殖有多智慧？

随着科学技术的进步，农牧业的发展模式也产生了变革，信息化、数字化、智能化技术加持下，养殖业变得更加高效便捷。

智慧养殖是指利用各种传感技术、信息化环境监测技术、养殖环境控制技术、RFID无线电子标签标识技术、局域无线通讯技术等自动控制技术，集成对生物个体识别、环境信息智能感知、数据采集与转换、数据有线或无线传输、数据的智能分析与处理，以及对生产行为的智能干预和精确、精细饲养于一体的养殖模式，是物联网、移动互联网、云计算、边缘技术、大数据等现代信息技术发展到一定阶段的产物。

213e67f891b65f2a82e8f461809833c7.jpg

物联网传感技术

通过物联网设备，可采集空气温湿度、二氧化碳浓度、甲烷浓度、光照度等多种环境参数并及时上传研判。

管理者也可通过远程控制现场设施设备，包括供暖、通风、光照等设备，提高管理效率。

RFID技术

通过RFID技术，可为每只动物建立电子档案，基于物联网技术建立疫病智能监测、预警和诊断系统，通过针对个体的远程传感、图像和视频监测系统，实时监测牲畜的生长状况，及时发现疫病，给出预警信息和诊断方案，保障牲畜健康。

大数据

通过智慧养殖大数据平台，集成牧场全方位信息，无论是数量、分布、育肥存栏、疫情监测还是市场信息等多种数据，均可通过大数据平台一目了然，辅助管理者科学化监管，提供决策依据。

AI

近些年AI技术在智慧养殖业的渗透度越来越高，通过AI识别技术监测动物的情况。近期，中国移动（成都）产业研究院在邛崃市建设了智慧养猪示范场。以AI算法为牵引，依托于中国移动自研智慧养猪管理系统——对猪只生命周期的管理，结合视频监控系统、智能饲喂器等物联网设备及AI视频图像分析技术，实现盘点猪只数量和智能测量猪只体重的功能，节省了猪场人力，提高养殖生产效率。

3、颠覆与革新

科学技术的应用，对传统养殖业是一场巨大的颠覆与革新。（关于传统养殖行业的智慧化建设，此前我们专门针对奶牛养殖业进行了深度解析，可以点击阅读前文：深度解析|传统行业智能化建设调查-奶牛场篇）智慧养殖可谓彻底打破传统养殖“差不多”的思维弊端，传统养殖有着太多不可控的因素，只能依靠差不多的评估和判断，而智慧养殖借助新兴技术可以做到精确、精准、高效的发展。

智慧养殖必定是养殖行业未来发展的大方向，未来的养殖行业将由分散经营转变为集约化、规模化经营，成为技术密集的行业。

有人说，养殖业跟制造业没多大区别，都是转型的过程，养殖业的发展也可借鉴制造业现代化发展的经验，一步步做起。的确，智慧养殖如同智能工厂，是一门多学科、技术融合应用的产物，除了软件系统外，配套的硬件设施，需要丰富的现场操作知识，尤其是对特定应用场景的深刻了解。只有积累了丰富的现场生产知识，与技术相结合，才能打造出成熟完善的解决方案。

智慧养殖的市场虽大，不过也存在一定的阻力，相关软硬件受限于行业知识的积累和应用场景的深入。可以说智慧养殖目前也尚处于摸索期，业内也统一的标准和方向，例如在数据的收集层面，考虑到设备的兼容性或开放性问题，数据采集的接口标准必须要统一，而现在很多设备接口并不统一。

如同制造业的数字化转型升级一般，大多数养殖行业目前只经历了机械化到自动化的升级，在信息化、数字化、智能化层面的探索还有较长一段路要走。同时，对于中小养殖户来说要想生存下来，就要积极拥抱变化，转变思维。

企业级SaaS市场有望破千亿

服务商的产品却走得有点慢

艾瑞咨询《中国企业级SaaS行业发展报告》显示，截至2021年底，我国SaaS厂商数量达到4500家，SaaS用户数915万家。2022年，SaaS预计的市场规模将会超过1000亿元。同样，SaaS的火爆也体现在资本市场。据不完全统计，刚刚过去的2月份，SaaS收获12起融资，平均不到三天就会宣布一个融资。

比较数据市场的“喜讯连连”，SaaS实际运用市场却面临重重问题。整体来看，厂商的交付能力显著弱于用户的认知，譬如企用SaaS最大的云ERP版块，不少客户反馈仍在采用短板筛选的方式做选择。也正因如此，企业SaaS整体服务满意率不高。“麻烦”和“不适用”正逐渐取代“人才匮乏”成为企业客户发展SaaS的困扰。

SaaS：

美好的框架，续费的重压

续费是SaaS产品的生命线。在这样的服务关系下，一方面软件的技术提升成为厂商的“职责”，从客户角度看，较之买断型软件的效益立竿见影;一方面，服务商也可广泛抓取客户的共性需求，快速完善产品。

但当SaaS产品做大的过程中我们会发现：客户的需求多种多样，这些需求站在客户的业务特性上都是合理的，可完全实现的话，又会影响产品的标准化。

所以针对企业客户的诉求，服务商必须有所取舍。然而现实中，服务商对小型客户需求充耳不闻，对KA客户缺乏合理的沟通立场，并不少见。当服务的天平进一步失衡，这些占比74%的中小、成长型企业的客户会集团失声、循环流失，反过来使服务商变成了服务几家大客户的“IT部”。这并不是一个良性的趋势。

KA客户：

串联“数据孤岛”，

自研、中台再上日程

同时，站在大型集团的发展角度，一旦企业拥有自建数字化的能力，往往基于安全性和适配性的考虑，回归自研道路。例如在酒店行业，锦江的Wehotel、华住的“易”系列数字化矩阵、首旅如家的首客首享平台……而根据IDC数据，全球SaaS的市场规模已达到2000亿美元，而中国的SaaS市场仅占全球的7%，SaaS行业覆盖率接近90%。冲刺猛攻业内的龙头、大客户，不是服务商们的诗和远方。

服务商：

深度垂直+PaaS+阶段兑付

或成破局利剑

| 进击的“垂直玩家”：越专业越具发展潜力

首先，SaaS服务商需与实际业务有更强联系。SaaS企业的价值核心不在于软件兑付，而在把握技术业务化方向，这是其实一道“文科题”。比如，从自助化、管理端切入数字化转型往往更易实现更受客户欢迎，但这样的数字化转型是否匹配所有的客户?如何解决用户体感不清晰、收效评估困难的问题?垂直化的服务商，能调动更多资源从目的、周期、实现力给予用户建议。

| PaaS的“降维打击”：供需矛盾的另一种解

其二，SaaS服务商需更好理解客户的需求，提升业务高度。比如，一家订单来自全球各地，酒店遍布各个城市的集团酒店，如果要满足业务需求，需要定制几十种计算模型、结算比例，并且数据要和PMS、OTA、CRM打通。这样依托开发运维人力太过恐怖，那是否可以评估模块工具化的问题，让客户自己来实现?这也是目前所说的PaaS。

| 只谈“干货”：现实问题解决能力受重视

第三，服务商应为客户之间的“信任关系”付出更多规划。商业角度的信任，一方面来自于行业以往的成功价值案例，一方面来自于短期的收益兑付能力。服务商将业务技术系统长期的实现，拆解成一个个可视的节点目标，同样是对客户负责的行为。

多向奔赴，驶向未来

SaaS服务，其实可以看作是针对企业的“共享经济”。企业化SaaS的发展，也离不开服务商与客户间的双向奔赴。利用这部单车“灵活”、“快捷”、“好掉头”的优势，淡化公司的“结构性迟钝”，提速企业发展，或许是比业务更重要的议题。

据央视财经报道，3月1日，日本丰田汽车公司因零部件供应商受到“勒索软件”攻击，决定停止日本全国所有工厂运行。丰田虽已发布消息称3月2日将恢复生产，但此次停工影响了14家工厂的28条生产线、涉及约1.3万辆汽车的正常生产计划。

就在此次攻击后不久，丰田旗下子公司-日本电装株式会社遭遇疑似勒索软件攻击，大量内部资料被黑客获取，如果这一事件的性质属实，也意味着这是丰田供应链在短短两周内连续遭遇网络安全攻击。

除了此次电装被勒索，仅2019~2022年期间，丰田公司至少曾遭受过四次网络攻击。工业网络环境日益复杂，与丰田类似的事件并不是第一次发生。2021年网络安全评级机构Black Kite发布的一份报告曾显示，其调查的100家汽车制造商中，50%的汽车制造商和17%以上的汽车供应商面临勒索软件攻击的高风险。

信息安全面临诸多挑战

随着全球各行业加快数字化转型，数据的价值进一步凸显，数据的窃取成为网络攻击的主要目的，工业领域面临的网络安全环境也愈发复杂。

据国家工业信息安全发展研究中心发布的《2021年工业信息安全态势报告》（以下简称“报告”）显示：2021年，全国工业信息安全指数为53.7，处于“中危”水平，工业信息安全态势总体平稳，未发生重大安全事件。全国工业信息安全指数连续4个季度小幅上升，整体增幅达7.5%。

报告指出，境外对我国的攻击威胁持续加剧。2021年国家工信安全中心完成全国工业控制系统威胁诱捕网络部署工程，全年共捕获来自境外105个国家和地区对我国实施的扫描探测、信息读取等恶意行为超过600万次。

我国工控安全漏洞形势依旧严峻，2021年CICSVD新收录工业信息安全漏洞1504个，其中通用型漏洞1464个、事件型漏洞40个，高危漏洞保持高位。

2021年新收录的漏洞中，高危及以上漏洞共计964个，其中超危漏洞210个、高危漏洞754个，合计占比高达64.1%。

2021年新收录的漏洞涉及220个工控品牌产品，较2020年增长35%。从受影响产品类型来看，共涉及10个大类64个小类，其中工业软件、SCADA、组态软件排名前三。

在高利润和高回报率的影响下，勒索病毒、APT攻击、数据泄露等传统网络威胁持续向工业领域蔓延，勒索攻击等新型攻击模式不断涌现，严重影响工业企业的生产和业务运营。甚至有一些企业更是因此不希望将设备与外网连接，就是因为单位网络安全会影响到正常生产。

业界“知名”的“WannaCry”勒索病毒就曾致国际知名汽车企业停产，WannaCry波及范围超过150个国家和地区，造成经济损失80多亿美元，中招电脑超过23万台，受影响用户超过30万名。

还有专门攻击电力工控系统的恶意软件“Industroyer”。黑客曾在2016年利用Industroyer恶意软件攻击乌克兰一所变电站，导致基辅等地区电力供应短暂中断，对电网等基础设施的安全运行构成严重威胁。

近年来，网络安全事件层出不穷，一系列新型攻击手段愈发成熟，冶金、能源、电力、天然气、通信、交通、制药等众多工业领域不断遭受安全攻击。

在今年3月10日，“匿名者”声称入侵了俄罗斯能源巨头-俄罗斯石油公司位于德国的分公司，并从中窃取了 20 TB 的数据。3月17日，由俄罗斯国家控制的石油管道巨头Transneft表示也遭受黑客攻击，导致79GB数据泄露。

一旦发生安全事件，不仅会造成设备故障、系统瘫痪、生产停滞，甚至还会引发安全事故，造成不可预估的影响。

工业网络安全需求快速增长

种种趋势表明，勒索手段呈现复杂化、专业化，高级别专业力量正在入场，大型企业成为网络攻击的重要目标。因此，在合规与刚需的双重驱动下，全球工业互联网安全市场发展迅猛。

相关数据显示，全球制造行业客户在安全方面的支出占网络安全总体支出市场的16.5%，仅次于金融行业。

网络安全需求呈指数级增长的原因：

一方面，工业企业上云成为主要趋势，传统行业迎来数字化转型升级高潮，工业互联网打破了传统工控系统的封闭格局，智能设备、工业应用、生产数据、系统运维都要与外网联通，增加了企业联网设备的数量，也加剧了对网络安全的需求。

另一方面，信息安全监管越来越严格，相关法律法规密集出台，诸如网安法、数据安全法、网络安全审查等，在相关法律法规加强引导下，迫切需要相关产品保驾护航。

工业信息安全涉及工业领域各个环节，在OT与IT融合过程中，带来了产业结构和体系建设的巨变，如何有效防御网络攻击减少损失，成为工业企业迫切需要解决的难题。

目前，我们使用的很多自动化的技术以及设备都主要是来自国外，部分企业存在安全意识不够强、防护措施不到位、技术产业支撑能力不足等问题，工业信息安全产业发展尚未形成良性发展。

当工业企业变成勒索攻击的头号目标，再通过支付赎金解决问题，就会产生恶性循环。很多企业更是只有在遭受病毒攻击后才会真正的加以重视，而在建设时却过多的强调解决目前阶段紧迫性问题，缺少系统性顶层规划设计，安全建设不能着眼于全局，缺乏必要的前瞻性和开拓性。

随着数字化的越来越普及，未来的网络安全环境将更加复杂，网络安全建设首先应从建设初期就同步介入，树立基本和正确的信息安全观。不能先做好数字化转型，转过头来再考虑信息安全。数字化转型和数字经济与信息安全密不可分，要共同考虑。其次，应用先进的技术与最新的攻击技术对抗，因以开放合作的心态，与高校、监管机构、规则制定者、研究单位、客户等开展广泛的合作和联系。

互联网时代下,线上线下相融合成为现今最为普遍的商业模式。随着最近的元宇宙概念大热,许多企业也在关注着元宇宙能为企业带来什么样的效益。同现实中土地一样,在元宇宙中,也存在属于虚拟世界的数据空间,元宇宙将成为企业获客的第二个世界,但元宇宙中数据非常庞大,每个企业需要的数据都有所差别,只有选对了数据,才能到事半功倍的效果。从客户数据管理到微信朋友圈、社群等的私域流量运营,智能营销趋势在市场上广受欢迎。但是随着信息更加的碎片化,面对庞大复杂的客户数据,企业好多时候也陷入迷茫的境地,只能在营销推广上盲目加大投入,而所获得的的回报常常也是不确定的。

数据对于任何一家企业来说都是至关重要的。智能营销的核心便是将数据价值最大化,帮助企业降低成本,提升企业智能获客能力。在各行各业,已经通过智能大数据营销不断扩展业务。如房地产行业,与房产相关的网站通过大数据建模实时精准抓取客户资源数据、访客时长、访客活跃度等分析,为新房、二手房等抓取到可发展用户上千的客量。大数据精准营销渗透到地产、汽车、教育等各领域。

显然,数字经济浪潮下促进了企业服务的发展。市场上出现了许多帮助企业解决获客痛点的营销平台。当企业下定决心数字化转型后,就需要一个高效率低成本的智能获客平台去很好地连接消费者。

“2019年,在国家积极发展数字贸易等政策号召下,广东鸿威国际会展集团有限公司在会展服务领域推出了自主研发的数字孪生精准获客平台—云展动力,成功将线上与线下会展双线运营,推动会展服务与制造业融合发展的新格局,借助云展动力平台,许多传统制造企业释放了活力。”鸿威会展集团董事长王照云说道。

据了解,云展动力已经形成覆盖全产业链的平行世界数字孪生服务系统,从产业生态搭建到丰富应用场景,能够帮助企业实现获客、留存、转化、客户管理的数字营销闭环,赋能企业数字化转型升级,高效解决获客难题。云展动力整合1.32亿全球客户数据,其中覆盖了932个垂直细分行业,9000万个专业采购商、4000万家供应展商,企业在云数据中可以搜索目标行业客户,个性化筛选标签,轻松获取目标客户,打造专属客户库,企业选取客户数据就可以在线邀约,信息精准触达目标客户。元宇宙时代下,在云展动力实现精准营销才是制胜法则。

系统将从十大维度记录、分析、描绘用户画像,实时全面捕捉用户行为,全方位洞察客户需求,比如,在云展动力平台中,用户浏览了企业相关的动态、3D内容、产品、直播等,系统会实时推送商机给企业,帮助企业精准定向潜在客户,实时掌握营销效果。这不仅大大节省了企业查找客户的时间,同时帮企业筛选一些精准的客户数据,根据用户的需求,智能匹配商机。

除此之外,云展动力是企业实现员工营销管理的不二选择,系统实时汇总分析企业员工营销数据和排名,实时同步员工的客户资源,无需再担心因员工离职而导致客户数据流失的情况出现,员工销售业绩随时监控,帮助企业实现内部管理数字化、智能化。

市场的狂风暴雨中,对海外企业和国内企业来说都是严峻的考验。面对消费群体的多元化、个性化,智能精准营销是必不可少的。只有精准定位客群,才能最大限度的发挥企业生产的作用。

强大的信息控制可以提高自动化水平，帮助制造商做出更好的决策

在自动化过程中注入人工智能（AI）和机器学习（ML)，以开发闭环控制，可以释放更多价值

机器视觉还可以帮助制造商发现生产过程中的瑕疵或缺陷

工业自动化和信息化正在以飞快的速度发展。无论是协作机器人、自主移动机器人（AMR），还是高速生产线，全球的工厂都在需要提高效率、优化工作流程、增加安全性和提高生产率。

然而，在工厂中，自动化有一个常常被忽视的好处 —— 信息。如果使用得当，那么在产品生产过程中获得的数据可以帮助工程师做出深思熟虑、更明智的决策。

问题是，许多工厂没有适当的自动化或控制机制，将产品从步骤 A转移到步骤 Z。这常常减少了在产品生命周期中收集到的信息。

更好的自动化意味着更好的流程、更多的制造信息

如果在工厂生产线上没有利用自动化技术，收集到的数据只能与当前的人工的过程相同。一步步地收集信息意味着失去了对产品在其过程中实时演变的可视性。生产团队几乎很难甚至不可能理解潜在的挑战或缺陷，因为他们只关注客户的要求。

这种遗留过程或全面质量管理，能够确保生产团队得到以下问题的基本答案：

在这个步骤中，你做了什么？

产品是如何满足规格的？

我们遵守要求了吗？

虽然满足客户的要求是优先考虑的，但如果没有自动化，生产团队就会错失可以帮助提高产量、减少不必要的工作、减少停机时间和浪费的大量数据流。

制造应用中的数据流

帮助提供生产线洞察的数据往往以不同的数据包、大小和形状出现。收集到的第一组数据与制造阶段的质量和产品性能相匹配，其他超出了产品属性的信息，能帮助回答以下重要问题：

制造产品花了多长时间？

在这个特定的项目上花了多少小时？

是否使用了正确的工具？

制造产品的正确组件和材料清单是什么？

这一层信息来自于整个控制线，有助于生产团队坚持标准操作程序，并确保根据基于周期时间及其他领先标准的规范生产产品。

同时，全自动生产线也能使工程师获得比人工或半自动生产线更多的性能反馈。这是因为信息控制通过自动化的工具，传递产品生产过程中的数据，这些数据可以在监视器上被捕捉并看到。例如，生产团队可以在产品紧固件上看到扭矩值等步骤，以确保在组装过程中（而不是之后）满足要求。

全自动生产线还可以更轻松地将关键信息传递给客户。例如，对于医疗器械来说，自动化数据收集能够让生产团队以准确、及时、高效的方式记录并向客户交付防水、测试、密封及其他关键因素的信息。对于汽车等其他有严格要求的行业同样如此。

让工厂生产线达到这样的自动化和数据收集水平需要时间、规划及专业知识的支持。

为自动化成功设置生产线

对于机器和设备的自动化控制，有两种选择。

第一种是可编程逻辑控制器（PLC)，可用于同步生产线控制，包括速度，物料进出之间的相互作用，以及其他方面的控制。借助PLC，操作员可以坐在装有机器视觉摄像头的传送带前。当产品被放置在传送带上时，摄像头会看到并进入下一个周期。尽管PLC能正确地执行控制反馈，但在这个过程中没有数据收集——只是被动、半自动的进行控制。

为了充分地利用自动化和相关数据的优势，工厂应该考虑将工业PCs (IPCs)与高速自动化和传感器相结合。这些系统为PLC的逻辑编程提供了先进的计算能力和信息控制。这种设置也可以由边缘网关来支持，以帮助管理数据流。

获取实时分析数据的三个步骤

企业在获取最终实时分析数据之前需要采取的步骤包括：

更好地理解投入——产出机制

使用合适的传感器来收集数据

通过低代码/无代码应用启用闭合循环控制程序

该智能系统有助于在整个产品生命周期中进行数据收集，从而获得诸多文章上述的优势。这些数据还可以被传输到云端进行大数据分析，或者在边缘（也就是接近机器的位置）进行实时处理。在此基础上，通过将人工智能（AI）和机器学习（ML）注入自动化过程，以开发闭环控制，可以释放更多的价值。

利用 AI和 ML释放价值的五种方法

ML可以从闭环控制中获取大量数据，并将其合成可操作的信息，以便驱动更好的流程和更明智的决策。ML帮助生产团队将信息用于控制，这些控制可以实时调整生产线上的参数，而无需停止生产。ML还可以用于识别和消除工作中的非增值方面，例如在一段时间后对产品的测试。

AI和 ML价值的另一个驱动因素是视觉。例如，从工业 PC的闭环系统中获取数据，机器可以检测出划痕等产品上的瑕疵或其他缺陷。这种异常检测功能允许系统映射导致这些问题的热点，并能够标记出要检查的潜在问题区域。

然而，为了最大程度地利用这些解决方案，考虑以下问题很重要：

1. 由你来构建 AI/ML，还是通过第三方购买？

2. 跨生产线的可扩展性如何？

3. 谁来创建算法和教学模型？

4.是否有足够的数据科学家来支持该项目？

5.是否有正确的系统和员工来理解和解释数据？

当自动化发挥其最大能力时，它可以执行生产过程中的战略原则。自动化是一种受控机制，它让机器对机器（M2M）接口以正确的步骤顺序驱动产品，从原材料到转化后的成品。产品性能、质量、周期时间的信息流和管理进出工位的材料流也是通过自动化同步完成的。当自动化与AI或ML相结合，便能够带来无限的可能。

近年来，随着5G、人工智能、物联网等新技术的快速普及应用，数据量呈现几何级增长，数据存储、计算、传输、应用的需求大幅提升，带动了数据中心等新型基础设施建设进度。

数据中心对配电产品的要求标准极高。目前在国内数据中心中低压供配电市场，尤其是在标杆客户的机房供配电系统方面，外资品牌仍是主流。但随着国际形势的变化发展，为构筑起更为牢固的信息安全“屏障”，越来越多的数据中心在关键技术、设备国产化等方面正积极推动良性化生态构建。

因此，诺雅克积极探索勇于实践，为互联网数据中心打造系列解决方案，严格保障电力供应连续性并提高电能利用效率。凭借其创新研发、柔性制造、完全自主可控等专业优势，成为阿里巴巴基地型项目中首个非外资品牌的低压断路器合作商，成功落地上海金山。该项目总投资约220亿元，是上海市级重大产业项目。拟建6幢5层数据中心、2幢8层数据中心、1幢4层运维管理中心及部分附属设施。

精准把握，技术为先

诺雅克此次通过参与投标盘柜厂的摸排，运用更灵活的模块化设计，打造更智能、更节能的配电系统方案。其中采用诺雅克方案的6家盘柜厂通过激烈角逐在全国参与竞标的厂家中脱颖而出。

此次合作涉及的主要是诺雅克自行研发生产的Ex9系列低压元器件。其高性能、小型化的特性，既帮助客户节省了箱体空间和成本，同时也是诺雅克顺应行业发展趋势，洞悉客户需求，持续创新研发的成果体现。

自主研发 柔性制造

诺雅克极为注重对研发体系的投入，近三年研发投入超7000万元，研发人员占比超10%。目前累计申请知识产权169项，并积极参与制定国家及行业标准20多项。 该项目上所运用到的产品均诞生于诺雅克高端电器智能工厂，创新研发、柔性设计制造，完全自主可控。全制程由MES系统监控，各工序单元按照预定程序进行自动测试，产品研制周期缩短22%以上，下线合格率达到100%，并实现了全部产品可追溯。从管理到生产，从效率到质量，无不体现出诺雅克展作为一个成熟的配电企业所具有的雄厚实力和完善服务。

一枝独秀不是春，百花齐放才争艳！该项目是诺雅克在“破局”之路上的重要里程碑，更多的项目和挑战正等待着诺雅克来逐一落实。我们将以此为激励，持续创新研发，为数据中心行业提供全方位的电力保障，助力绿色数字经济建设。

阿里巴巴

阿里巴巴集团控股有限公司创立于1999年，集团的业务和关联公司的业务包括：淘宝网、天猫、聚划算、全球速卖通、阿里巴巴国际交易市场、1688、阿里妈妈、阿里云、蚂蚁金服、菜鸟网络等。

20多年来，阿里巴巴已由一家电子商务公司彻底蜕变为以技术驱动，包含数字商业、金融科技、智慧物流、云计算、人地关系文化娱乐等场景的平台，服务数以亿计的消费者和数千万的中小企业。阿里巴巴致力于让天下没有难做的生意，开拓数字经济时代的商业基础设施， 助力消费市场繁荣，推动各行各业走向数字化、智能化。

当下，碳达峰、碳中和已成为全球的共识。在2021年全国两会上，我国明确提出了“2030年前实现碳达峰、2060年前实现碳中和”的发展目标，并首次写入政府工作报告。作为工业生产大国，中国要实现碳中和，必须推动整个制造业全面升级，不断地进行技术变革和产业变革，才能真正做到节能减排，促进可持续社会的实现。

电装以2035年为目标，通过造物（生产制造）、移动出行产品、能源回收利用三个领域努力实现碳中和。其中，作为所有生产活动基础的造物无疑是重中之重。

电装的产品覆盖行驶、转弯、制动的硬件产品以及安全、环保相关的软件，需要将机械类、电子传感器类、控制类等多种多样的要素、技术进行融合。汽车零部件产品关乎承载生命行驶的汽车，必须确保高信赖性和高耐久性，同时，为了向世界各地的客户提供快速、舒适的产品服务，更需要高灵活性、高效率的生产。作为成立于1949年，拥有70多年制造经验的电装，从单体生产设备的研发开始，到生产线，再到自动生产线的制作，然后把生产线以工厂为单位进行展开，推广到全球各地的工厂生产中。

电装所定义的精益生产工厂着眼于未来工厂要素，通过日复一日的生产改善，整体提升水平，向着更高等级的技术水平推进，并不断反映到产品制造的革新中。产品制造革新的代表活动主要指1/N活动，就是以产品加工所需的最低需求为出发点，将原来的大型设备变为原有投入“N分之一”的设备。不但可以降低生产成本，还能提高生产效率，并减少CO2的排放。

此外，以往的生产方式是在各个工厂进行零部件加工，然后统一运输到一起进行总成组装，如此工厂之间就会产生物流运输环节从而增加成本和时间。而1/N设备的导入不仅将生产占地面积与空间大大缩小，同时还大大提高了设备之间的信息化传输，有效提升了整个工厂的运营效率。不仅能减少物流成本和库存空间,节约能源同时还可以缩减工期。

拥有了如此丰富的造物经验的电装又是如何在生产过程中实现碳中和的呢？首先，彻底实施工厂的节能减排活动，排除浪费。其次，确保可再生能源，达成外部采购能源的碳中和。简而言之，就是减少使用的能源和创造绿色的能源。

首先，介绍一下减少使用的能源的活动。

①生产损耗・浪费趋零化，即通过生产设备的联动停止化，在非生产时间段自动停止，进行节能。

②超节能设备开发，即通过设备小型化，彻底排除材料・体积・搬运・在库浪费。

③省能源工艺方法开发，即从产品设计阶段开始考量，到材料・工艺方法・推进各个方面的根本性变革。

通过以上的减少使用能源活动，长久以来电装中国集团每年以5%以上幅度减少碳排放，同时电装积极把先进的生产模式和经验向客户和供应商进行推广，致力于全产业链的节能减排。

另外，创造绿色的能源也必不可少。

①导入太阳能发电

太阳能具有清洁、可再生的优点，电装中国多家工厂正在积极探讨铺设太阳能板以利用可再生能源。

②开发创能技术

2021年,电装总部在日本安城制作所建设了回收二氧化碳并进行循环利用的CO2循环设施。可以回收从使用煤气的机器里所排放出的二氧化碳,和从利用电力再生能源所生成的氢气合成甲烷并作为能量源进行再利用。CO2循环设备不仅可以导入到电装的生产设备当中，还可以为全球多种制造工业实现碳中和做出贡献

今后，电装会继续努力减少生产当中排放出的CO2，并通过普及移动产品和对大气中CO2的回收和再利用，为中国双碳目标的落地，以及可持续发展社会的实现做出贡献。

电装公司介绍

电装是世界先进的汽车零部件生产厂家之一。在美国《财富》杂志发布的2021年世界500强企业中排名第244名。如今，电装在全球30多个国家和地区拥有约200家关联公司，集团员工数约17万人。作为电装在中国的统括公司——电装（中国）投资有限公司，成立于2003年，目前在国内设有生产公司、销售公司以及软件开发公司等共计30多家关联企业，员工约17000人，建立了完善的销售、售后服务和生产供应体制。

良率在工业生产中占据非常重要的地位，在某些高端制造行业，良率管理能力甚至可以被认为是企业核心竞争力。比如在面板生产中，如果面板良率偏低，将会影响终端设备如苹果手机的出货量。产品良率也成为了是否能入围龙头企业供应链的关键指标。

以往，产线上产生异常，工程师需要凭经验从多个系统中捞取数据查找导致异常的原因，这通常需要耗费好数小时、数天甚至更久，而引入数之联智能品质分析平台（YMES）后，半小时内就可以锁定异常。

智能品质分析平台，利用AI+大数据技术帮助面板行业某龙头企业实现了生产过程的故障诊断及优化，极有效地减少了风险批的产生，降低生产成本。

数据分散 传统良率分析难上加难

除了生产成本，良率也影响到生产资源的利用率，如何提高良率也是厂商头疼的问题。

一块液晶面板的生产过程大约会经历300余道工序，全程自动化。高自动化特点使面板行业具备海量数据基础，并且数据格式在不同工厂、甚至不同机台都会有区别。高速的数据流转、分散的数据孤岛、多样化的数据类型往往使工程师需要花费大量时间来对这些数据进行预处理与清洗。以该企业为例，在这个阶段，工程师需要花费80%的时间来对数据进行预处理，真正用于分析上的时间大概只有20%。

由于缺乏分析工具，依靠传统方式进行的良率分析耗时长，不良根因查找难，风险批没有得到及时控制，无法快速做出相应的生产调整和安排来规避不良带来的影响。

AI赋能 分钟级完成根因分析定位

为了帮助该面板企业解决良率管理难题，数之联搭建了智能品质分析平台（YMES），帮助工厂全方位的监控、管理和分析良率，及时发现异常来源，保障产线的正常生产。

以前不同系统间关联复杂，现在该面板厂通过智能品质分析平台整合了原MES、EDA、ADC、DFS、FDC等系统中孤立存在的人、机、料、法、环、测等不同维度的数据，统一了数据标准，建立数据库集成平台，大大缩短工程师清洗、处理数据的时间。

针对工艺履历、工艺路径、工艺参数、工艺时间等，数之联建立了专属AI分析模型，支持从多维度进行一键分析，能迅速定位不良根因，以前按天级的异常反馈现在可以降低至分钟级。并具体到工厂、站点、机台、参数等，帮助工程师及时调整。

Cum Yield、Defect、AOI、SPC等常规良率统计，也可以在系统中直接查询，操作简单方便。

工程师还可以设置良率报警规则，周期性监控良率波动，同时预设分析流程，及时发现良率问题和症结。让工程师能将更多时间和精力花费在真正提升良率的更有价值的工作上。

工厂上线智能品质分析平台后，对良率的管理过程实现了全方位的优化，极大的提升了分析效率，减少了不良带来的影响，并间接提升了工厂的生产效率和产品质量。

“ADC(图像自动缺陷检测与分类)在我们工厂跑不起来,某全球最大的信息技术和业务解决方案公司的驻场团队太慢了,你们来试试。”

2018年,成都数之联科技股份有限公司(下称“数之联”)接到了厦门某电子集团的电话,让他们迅速准备一套ADC工业质检项目方案,进行工业瑕疵检测,解决工业质检问题。这是数之联与国际头部公司的首次正面碰撞,结果以数之联成功执行落幕。

成都数之联科技股份有限公司logo

后来居上:从数据发端工业AI质检

工业AI质检是关乎生产良率的“命门”,但这道命门长期掌握在外国厂商手中。

据数之联创始人兼董事长傅彦介绍,在图像缺陷检测软件市场,国外厂商的市场占有率达到了60%以上;在大数据分析软件方面,四家国际龙头企业更是占据了80%的市场。巨头大多成立时间久、研发投入高,垄断建立在抢占早期地位上,传统视觉检测V软件背后的公司已经成立40年, 另一巨头德国M公司也成立了25年。

海外企业服务的价格高、服务慢,让很多中国企业用起来极为痛苦。其次是传统视觉检测已经不足以应对行业日新月异的检测要求。但国外企业长久研发积累的软硬件技术优势仍然明显,国内机器视觉市场由国际巨头占据大量市场份额。随着国产品牌逐渐在自动化领域深耕,2019年国产品牌销售占比已到达 48.7%,未来有望凭借更低的价格、更优质的服务、更快速的市场响应进一步提升国产化率,为数之联杀入市场提供了机会。

寻求工业检测行业的国产替代品,亦成为各大企业的当务之急。

“第一次接触工业检测是一家企业打电话问我们,分析数据这么厉害,能不能帮他们分析一下缺陷数据。”智慧工业事业部总经理方育柯回忆道:“我们一边驻点一边完成系统搭建,后来他们还挺满意,我们就接着做了三期服务。”

2018年,数之联打败了某全球最大的信息技术和业务解决方案公司等竞争对手,为京东方和天马提供面板检测服务。“京东方的面板检测涉及了PCB板、IC线路检测等内容,加之新能源、移动互联网的发展,我们都意识到泛半导体检测的兴起将是未来之势。”方育柯回忆说。

数之联ADC的服务行业

随后,数之联开始发力图像处理分析,其软件产品ADC(图像自动缺陷检测与分类系统)推向市场。各家研发同时在这个增长行业里起跑,削弱了时间带来的经验主义,让数之联的优势得以凸显。目前,数之联服务过面板制造、PCB、封测、PCBA、新能源、汽车制造等行业,在细分领域已是国内最大的ADC产品与解决方案提供商,市场对他们的高认可度反映在月均10%的订单增长率上。

由软件向硬件:构建机器视觉的骨骼

尽管国产图像分析异军突起,但不可否认的是,海外企业仍然处于强势地位。国外高端制造业及自动化进程均早于我国,其中软件和硬件的双向发展缺一不可。以工业检测的机器视觉为例,软件算法是其血肉,决定了与具体场景的适配,而自动化硬件设备则是其骨骼,包含了对具体行业的理解。

在数之联的硬件总监宋安兴看来,视觉检测设备搭载AI算法迭代升级的机会已经到来。加入数之联之前,他拥有多年的半导体设备开发经验,加入后,他更是深刻认识到了AI+ADC的工业优势。“过去的视觉检测以传统算法为主,卷积神经网络为辅;而随着深度学习框架的飞跃,AI快速解决问题和兼容产品快速换型方面的优势逐渐凸显,与此对应的设备供应商局面肯定也将重新改写。”

根据36氪的市场调研,这也是AI+工业检测最好的时代。自2018年开始,工业检测的市场在不断扩大。2020年,全球机器视觉市场规模为125亿美元,国内则占据200亿元人民币(约31.6亿美元),复合增长率超过12%。同时,国产工业检测企业也在不断崛起,天准科技、矩子科技、华兴源创、精测电子等上市企业,均实现了上亿元年营收。

数之联聚焦泛半导体行业的AI+工业检测

泛半导体检测设备成为了一个巨大的历史机遇。这是数之联AI算法搭载硬件,切入硬件化的最好时机。

而硬件的高技术、高专利和高利润,都建立在高研发和高成本之上,这是所有硬件工业进行规模化研发和生产要跨过的一道门槛,也是美国研发实力领跑全球的一大原因。

据欧盟委员会的《2020年欧盟工业研发投入记分牌》数据,全球企业研发入榜单围公司数2500家中,美国有775家企业入围,研发支出金额共为3477亿欧元;其次是欧洲,有542家企业入围,研发支出金额共为2209亿欧元;再者是中国,有536家企业入围,研发支出金额共为118.8亿欧元,单家企业平均数仅为美国的0.49%。

数之联要发展硬件设备,绕不开重工研发道路。为此,宋安兴在数之联力推自建硬件检测的AOI(自动光学检测设备),力争将硬件科研思维引入了这家软件公司。

10年的硬件设备开发经验,推动着宋安兴不断地向同事解释硬件思路:“第一次推AOI的时候,98%的员工都不知道AOI是什么。就像自己不了解AI算法一样,光机电的技术要点让大数据精英们摸不着头脑,硬件的物料成本看来太过昂贵。更不要说设备还有加工、采购、组装、调试等等环节,所有的供应链和方式方法都得从零开始。前期的投入和成本高昂,但是量产之后的规模效益会带来很高的价值。数之联的AI算法国内首屈一指,而高价值的AOI一定是用AI算法做质检的终极赛道。”

他花了很长时间和智慧工业部的同事解释,做硬件的不同之处在哪里:“在大数据架构和工业设备的架构问题上,工业设备一般通过C做底层,C#做上层搭建。数之联作为软件公司,习惯了中心端架构方式。但现在我们需要适应设备行业的技术规范,才能快速兼容更多硬件模组,把推理部署在设备端,才能保证响应和复制性,进而做到更低的成本。同时,传统的图像采集算法需要通过拼接、切割或者其他手段处理图片,之后才能做AI识别,而ADC是直接拿AOI检出的图片做分析,这是完全不一样的做法,提高了AOI的系统难度。但是新老算法之间的协同必须解决,否则无法保证深度算法之前的图像精度。”

经过几个月的讨论,数之联准备让宋安兴搭建一个光学实验室作为初步试水。这间办公室改造的实验室,成为了数之联AOI检测硬件的发源地。

补齐硬件,打开标品大门

基于数之联在ADC软件开发时期的良好口碑,他们在开发AOI硬件的过程中就接到不少联络电话,同时泛半导体行业的蓝海特征也显露了出来。经过数次实验和沟通,数之联先与一家外企进行了DEMO样机测验,结束后随即接到青岛某新能源电池企业的邀请,定制一款针对该厂新能源汽车电池的检测软硬件系统。

新能源汽车行业的飞速发展,导致这家电池企业急于寻找检测解决方案,要求提供的检测设备能在高动态的生产线上快速检测出电池缺陷,精度需达到0.05毫米以下,检测速率要毫秒级,他们始终未能在市面上找到现成的服务商。最终,数之联用三个月时间完成这个定制方案的设计、样机制造和组装、算法调试和参数调整、建模,目前产品已上线。

数之联在汽车行业的检测应用

这次硬件的成功应用,打开了数之联的AOI标品大河的一条涓流。随后,数之联一边在多个项目上支持和改造产品,一边积累经验,优化硬件,搭建标品框架。在几十个需求方案中,数之联逐渐完成了新能源电池、汽车零部件、电路板等方面的积累。

2021年8月,数之联交付了完全自研的第一台产品化AOI,能够解决PCBA组装后的缺陷问题,实现了从开发、设计、加工、组装到调试的所有工作,而且一次性达到客户要求。2022年1月26日,数之联聚焦PCBA(电子印刷电路板)领域,正式推出一款基于深度学习的创新型硬件产品——追光AI-AOI,解决传统AOI过检、误检高、产品换型慢的问题,也相应节省了企业的人力。

数之联的各项实测数据也展示了他们对工业检测的全方位提升。

与其他AOI解决方案对比,数之联追光AI-AOI搭载着数之联深度学习神经网络模型,该模型是数之联集合了在泛半导体行业多个成功落地经验及海量缺陷数据,训练出的可兼容焊点形态变化、高泛化模型,能切实解决传统AOI在编程/调试时间过长、误判过高、因人而异的操作结果等核心痛点。在考虑低成本的同时,数之联追光AI-AOI提供了同规格系列产品中,行业最快的运动速度(A4尺寸板,450片/h)和最大的检测尺寸(50*50到510*510mm),以及兼容不同高度的产线(725-975mm)。与普通的AOI对比,数之联追光AI-AOI通过AI模型,自动识别焊点位置,一个检测框即可覆盖各类缺陷的检测,将之前1-2小时的产品换型时间缩短为10分钟。

追光AI-AOI:自动识别焊点位置

此外,基于深度学习的焊点识别,可精准定位缺陷位置,对多种形态各异的焊点做出准确的判断,解决传统算法仅对缺陷进行OK/NG粗分类问题。

缺陷类型

经市场和客户验证,追光AI-AOI检出率可达到99.99%,误判率低于0.3%。其中,PCBA-DIP 炉后AOI已实现核心指标行业领先,有效提升了工厂工艺品质。

结语:自主、专精仍是工业核心

当前来看,机器视觉主要玩家仍是美、日、德等巨头企业,不过近年来我国对于高端装备制造业越来越重视。整体产业需要摆脱进口依赖、发展高端制造,机器视觉技术必不可少,其对精准度的严格要求也必须从机器智能技术层面识别来实现。

方育柯和宋安兴作为主推数之联进军AOI的负责人,认为“追光AI-AOI”已经达成了数之联工业硬件的第一步。“但未来还有很长的路要走。”宋安兴表示,“工业检测硬件产业也分上中下游,越上游越高精尖。现在我们打磨了2年,打造出了追光AI-AOI,能够满足下游的PCBA检测,未来我们也会保持研发,快速拓展到PCB、封测等工业领域。”

对于这是不是数之联「未来要做国内最大的工业数据企业」的重要一步,方育柯笑称,“希望这是数之联为中国制造2025作出贡献的一小步。”