工业互联网领域同质化顽疾
十四五规划中，有三次提到工业互联网。无论是各地政府的产业政策利好频出，还是风险投资的活跃重视程度，都能感受到这个领域在蓬勃发展，工业互联网已是推动我国工业领域数字经济高质量发展的重要引擎。
截至2020年6月的不完全统计，中国国内的工业互联网平台有600余个，具备行业、区域影响力的超过70个，各家平台百舸争流，在初步完成了市场的粗放建设期后，真正考验这些平台的是应用和内容。但普遍存在的产业现象是平台同质化严重且缺乏有价值的应用支撑，而以物联呈现、图像识别、声音识别、视频识别或数字驾驶舱（往往以大屏幕显示）最为典型。
怎样才能令一个工业互联网平台脱颖而出体现差异化价值？对垂直细分场景的理解和相应业务问题的解决能力将是一个重要的方向，因为机理模型一直是各个工业互联网平台争相合作的稀缺资源。
掌握工艺机理，揭开制造本质
机理模型广泛地存在于生产制造之中。以等离子喷涂为例，汽车、飞机、3C及黑白家电企业制造过程中都离不开它。这是产品外壳喷涂金属的典型工艺，通常以流水线连续生产模式为主。虽然当前自动化程度已经很高，但这种工艺依然还会在喷涂凝结成形或出厂后，出现起云起斑、粉化等质量现象。导致产品轻则需要进行修补，重则要批量召回。
该如何理解这些质量问题的成因呢？
喷涂质量好不好，关键取决于金属漆在被喷涂并附着于产品表面后所形成涂层所对应的两个结果指标：孔隙率和残余应力。
然而，这只是一种结果。等离子喷涂工艺是一种子成形过程相互依赖、多个工艺参数相互关联的复杂过程。电流、送粉速度、熔射距离、扫描间距和扫描速度等，都是参与到成形过程中的关键控制因素并直接影响最终结果，具有明确的根因关系和可解释性。
这样的机理模型能够很好的构建根因关系，帮助工厂快速形成数字化工艺画像，从而快速定位引起喷涂质量问题的根源。它的沉淀过程成本高昂，需要来自大量实验和一线工程经验反复融合的结果，是工艺经验的宝贵传承。在现实生产过程的低样本环境下，不太可能通过大数据学习训练而完成。
焊接工艺是另外一种重要基础工艺，广泛应用于船舶、汽车、轨道交通、重工机械、航空航天、家电等。焊接过程是一个瞬时动态非平衡过程，焊缝成形质量受各种因素动态影响，使得质量控制变得极为复杂。这对焊工的操作其实提出了很高要求，很多过程的控制完全超出了人的敏感度。
由于焊接过程中火花四溅，业界普遍使用红外图像等昂贵设备进行熔池观察以对缺陷特征有所发现，而且质量问题（断焊、虚焊、漏焊等）更多的时候还需要等待材质在最终冷却凝结后，使用探伤设备进行深层次质量的发现，可是这些传统手段，依然只是发现了问题和挑拣出了次品，却无法解释质量问题的成因。
以气保焊机理模型就可以一探端倪，在焊枪与金属材质发生加工作用的一瞬间，边界条件和过程动态影响因素，最多可以达到20种以上。
图1气保焊的影响机理
只有有效梳理后的机理模型，才能在焊接过程中，直接捕捉到焊缝质量问题，而不是事后再进行检测。要实现在线检测质量，就需要这种稀缺性、高技术价值的机理模型。
工艺智能一根针戳破天
最近几年，制造业对人工智能技术多有排斥，因为人工智能的不可解释性让人颇为头疼。几乎所有的人工智能都是利用大数据和数据标注的方法来让系统学会处理相关信息。但如果过分依赖AI，就意味着有可能出现AI系统无法控制或者不知道该采取什么行为的问题，让工业现场的生产落入不可预测性的控制恐慌。
机理模型的可解释性，正是制造业企业愿意倾听的故事。但机理模型的表达往往很难快速找到一个明确的公式或函数。如果可以通过AI工具找到表达规律的形式，两者的结合就可以使得工艺智能从后台走向前台，有效地应用于传统制造。
在大型船舶发动机领域，传统的情形是：焊接占据日常生产工作的70%，大量使用外包工人，人员能力参差不齐。工厂通过制造执行系统MES下发工单到焊接工位对相应构件进行焊接，工人在接受订单之后启动机器干活。随后，由于工人操作的规范性、加工设备的微观工艺进程以及各类扰动情况的出现，现场开始与信息化系统失去了联系。最重要的过程环节变成了一个黑箱。在质检环节中，需要将各个构件吊装至专门的质检车间。采用各类无损检测设备，剔除和修复质量不合格的构件，以防被装配的成品导致运行隐患。然而，当发现深层次的焊接质量问题时，与焊接行为本身通常已经脱钩了3至15天左右。这种次品很难追溯原因，更不要说如何改进。最后，往往就会导致2至3个月的交货延误，形成较大的损失。而且，下一个批次的发动机生产可能又是旧故事再次循环。
工艺智能的引入，让这一切得到了有效解决。利用工业互联网的各类融合技术，以不低于1000hz的频率进行各类工艺参数的高频采集.然后基于实时数据库进行快速存储，根据材质特性，以极高的频率快速调用后端封装好的具体机理算法进行分析。这样，就可以实时对焊缝按质检标准给出风险分类和缺陷位置定位，从而使得质量问题在焊接单元之中即刻解决。
可以看到，工艺智能可以让事后质量检测走向实时在线的监测和预测。这是一种质量管理模式的根本性变化，从而可以用很低的成本，更早发现问题，减少材料浪费消耗等。
对于已经实现了高度稳定自动化的批量制造的汽车产线，工艺智能同样有着很高的价值。
焊接和喷涂均是汽车制造的四大核心制造工艺，一条产线上集成了众多数量的机器人，少则十几台，多则数十台。机器的健康程度，是在逐渐发生细微的变化。当某个机器人的行为姿态以及信号输出导致了公差，在多台机器人的协作情况下，有可能形成更大的公差累计，导致生产出来的产品具有很大的质量隐患，而这种隐患往往无法立刻能肉眼发现。现在普遍的产品质量检测，是以产线末端的人工抽检为主，如想实现更高的检测率，需要投入更多的人力成本。一条稳定生产的产线也许一年发生不了几次质量事故。但哪怕发生一次，都意味着重要的批次性质量事故或召回事件，损失惨重。
工艺智能，以超高的频率开始登场了。如果是电阻电焊，采样频率甚至需要提高到每秒1.5万次以上。它通过高速数据采集和成形监测，快速发现问题并干预，让损失减少至一个最小生产批次内。
再说说产线的换线问题，产线会因生产不同的车型而适应性调整。如果是一条白车身的焊装线，焊点高达6000个，每个焊点都在生产车型变化时由人工进行最佳工艺参数的调试。调试的越快，意味着产线可以越早投入新的生产，产生价值。但过去的工艺调试，往往依赖于人的经验，调试效率因人而异。而通过工艺智能，则可以基于有效成形机理，在调试过程中参照并快速逼近最佳成形所需的工艺参数集，缩短调试时间就是重要的产能价值。
类似上述这样的工艺质量的拿手好戏，开始零星上演。相比于传统工业软件大多偏信息管理性质，工艺智能更加靠近设备执行现状，直面制造业所需要的降本、增效和提质的核心需要。
小记：唤醒沉睡的设备军团
再次以金属加工设备为例，看看将有多少沉睡中的设备军团有待于被唤醒。
焊割技术作为装备制造业核心技术之一，只要用到金属材料加工的工业领域，就需要焊接与切割设备。
根据中国机器人产业联盟、国际机器人联合会、中国焊接协会等相关公开数据推算，截止2019年底，仅中国市场上已存在的焊接机器人约为30万台，半自动和全自动焊机年市场存量稳定在1200万台左右。
我国已经发展成为全球焊接设备生产大国。根据我国电气工业协会电焊机分会年报数据，仅2018年各类电焊机总销售量（56家协会成员企业）374万台。
这些装备，都是工艺智能大有用武之地的战场。
在工业互联网百花齐放的混沌期和兴奋期过后，只有具有深厚工业知识积累，厚积薄发，才能在传统工业领域一一唤醒那些沉睡的机器。
作者
崔斌：蕴硕物联技术（上海）有限公司创始人，中国数字经济推进方阵专家
夏卫生：蕴硕物联首席工艺机理科学家，华中科技大学材料学院副教授，长期研究材料工程
