李華:用工業大數據手段 打通生產和產品質量|V課堂第43期
10月27日，江蘇省企業信息化協會總群迎來第43期“智造+V課堂”。本期“智造+V”課堂邀請了陜西彩虹電子玻璃IT負責人李華為大家帶來主題為《用工業大數據手段 打通生產和產品質量》的精彩分享。
演講主題
《用工業大數據 打通生產和產品質量》
演講大綱
1.工業信息化介紹
2.智能制造成果(工業數據采集系統、生產數據采集系統)
3.互聯網+“N"(助力企業轉型及提高核心競爭力和迭代能力)
4.結語
嘉賓簡介
李華(陜西彩虹電子玻璃IT總管)
嘉賓簡介：
1.陜西彩虹電子玻璃有限公司 IT 主管
2.陜西省工業云、云智囊 專家組成員
3.陜西省小圈子 數據專家組成員
4.錦囊專家互聯網資訊平臺 認證專家
5.《CIO新思維Ⅲ》 編委組會員
原文實錄
李總：大家好，江蘇的信息化的同仁們，今天晚上很高興跟大家一塊兒進行交流跟分享。我分享的題目是《用工業大數據手段打通生產質量與產品質量》，如果有不對的地方請大家海涵，請大家一起交流。
大家看到的這張圖就是我們目前公司的一個生產線的機器人的截圖，這個主題是在寧夏中衛(音)的全國CIO大會上分享過的，當時這是一個視頻，回頭我可以把視頻分享給大家。
我們今天主要是通過四點來進行闡述：
第一點什么是工業信息化?
第二點我們在智能制造方面做的一些工作，跟我們的一些想法;
第三個是我們所理解的互聯網+N。
第四個是我們所理解的智能制造的四個最基本的要素。第一個要素是可視，第二個要素是可控，第三個要素是可預知，第四個要素是可智造的總結。
我們都在說智能制造，真正的制造是什么?從智能跟制造這兩件事情的表面上我們就可以看到，其實應該是用信息化手段打通我們制造工業的數據，使它變成全生態、全鏈路的可視，可控，可預知。這樣才可以達到我們可智造的目的。 我們也知道，這兩樣加在一塊兒的時候，我們可以把它定義為“工業信息化”。 工業信息化最重要的一個方面就是讓制造系統更加的透明，使原來不可見的設備衰退，質量風險，資源浪費等問題變得可見，從而通過預測性的手段，加以避免或者規避，實現無憂的生產環境。這樣子總結起來其實就是剛才已經說過的那四點。這個時候我們就要去考慮一下我們的信息化，什么是信息化?什么是工業化?
我們可以從這張圖上可以看到，我們傳統的工業化一般是以PLC等可編程控制器，來作為我們的命令，發布，執行的單元。工業網一般是以工控機，PLC、伺服器、傳動軸，包括我們生產線上一些智能開關、人工測量設備等，這類的工具或設備來進行結合以后，來實現我們生產目的。它的優點是什么呢?它的優點是數據命令有效、高速、準確、實時，網絡結構一般以令牌環網(同軸電纜網)和高速以太網為主。缺點主要是單一、封閉、無法進行大量的數據的分析、評估，數據保存周期很短，無法進行有效的回溯。而我們現在看看傳統的信息化。
我們傳統的信息化是以PC為運算的控制器，以應用程序進行流程化的運算、發布、控制，可靈活編輯的應用平臺，具備圖形、圖像，報表等分析能力和大數據的存儲、報警、圖形化顯示，然后數據可以追溯。其實我們可以看到，它們倆之間都是由流程組成的結構。在我們傳統的行業里面，我們一般來說這是兩個獨立的個體，然后我們一般所謂的打通最多就只是一些通過一些數據報表的流轉來進行關聯。這是我們一般的原來的信息化與工業化。
工業信息化是什么樣呢?我們這樣認為的，將傳統的工業化與信息化通過一定的手段相結合，達到真正的兩化融合，然后實現工業信息化的互通互聯。大家可以看一下，就傳統的工業化跟信息化的層級，我們可以看到，工業化的層級跟信息化的層級我們認為一個是正向的，一個是反向的，它們兩個也可以相互是正向跟反向。我們傳統的工業化的層級是以我們在生產線上有大量的數據，然后通過我們執行的單一的命令或者有效的指令來進行分析以后，進行設備的操作跟生產線的運行，達到唯一的目的，制造。
我們看一下我們信息化的這種層級，我們往往是通過單一的PC或者服務器對多點端的數據源進行采集跟匯總以后，把數據進行有效的分析，按我們的目的或者根據指令來實現我們相應的目的，最后呈現一個最終的結果。所以說我們說它一個是正向，一個是反向的，信息層級是數據信號執行到制造。信息化的層級是從數據源、知識管理，按照相應的流程達到智能，就我們的所謂的BI呈現包括我們的報表或數據結果的呈現。在傳統的工業化與信息化割裂的情況下，企業往往只能通過產品的質量進行倒推生產質量。這就是我們所說的典型的“僵尸還魂術”，因為你已經有大量的生產成本投入了，最后你才發現了問題，這個中間就已經對企業本身造成了不可逆的成本損失。
看一下兩者融合了以后是什么樣子的，我們把兩個三角都放在一塊兒的時候，我們就可以看到，他們數據的層級在不發生任何改變的情況下，它的頂端就是我們原來信息化的最尖端出結果的地方，就是我們把它定義為智能。然后在我們工業化的層級里頭，我們可以看到我們最終的這種出產品的制造這個地方，他倆是可以重合的，他倆重合在一塊兒的時候，我們就會看到，它其實就是我們一直在說的四個字，智能制造。簡單的來說，就是生產線上包括設備上的所有的狀態，通過信號轉換來完成制造，制造的結果，包括將生產線上的數據源給到信息化，由信息化進行分析，再按照有效的指令傳給應用軟件，軟件最后指示傳遞給設備，要求設備做正確的動作。達到最終有效的制造。這樣就做到了將工業化信息化了，將信息化工業化，這兩者合在一塊兒就是我們所定義的工業信息化。
大家都是這個行業里頭的專家，而且都是在企業里頭從事信息化工作，那我們已經做過了很多的軟件，比如說PRM，MES，CRM，包括BOM，排產，然后MIS這些所有的東西。你看我們想一下，原來都是軟件廠商來告訴我們說：我們的軟件能達到這樣那樣的目的，能幫你解決這樣那樣的問題。那我們定義了四點，這個是工業信息化的必要性，如果任何一個乙方來告訴你，不管是廠家也好，還是任何一個專家來告訴你，我們的軟件能對你的企業有什么樣的幫助的話，沒有這四點的話我們都認為這個軟件就是一個不落地的軟件。是一個耍流氓的。因為我們首先一點可以看到，工業信息化的這四點要素，也是我們作為智能制造基礎的四個要素：一、對企業的生產數據進行全方位的監控。二、對企業生產車間、設備進行全方位的監控。三、對企業生產數據進行有效的分析和呈現。四、對企業生產全局進行可追溯，可評價，有效實施的管理。這也就是現在提到的精益生產跟精益管理。說了這么多，那我們看一看我們是怎么樣去做的，還有我們做的一些東西。
我們做的時候，可以發現在所有的生產線上有從生產到管理有很多的黑管，那我們智能制造的第一步是可視，那我們可視的目的是什么?就是要盡可能打通所有一切存在的黑管，讓所有的數據變成可視化，讓所有的管理跟生產的流程或者生產節拍，包括乃至結果變成由數據來說話。因為我們知道，不管是未來還是從現在開始，數據是唯一的王道，流程是我們遵守的規則。那我們第一件事情的話，做得也跟一般的企業做得一樣很傳統的，就是我們對生產線進行了相應的數據采集。
我們采集的方法跟以前的采集方法略有不同的是沒有使用傳統腳本的方式，把數據抓回來，然后存到庫里頭。你從遠端的PLC或者設備上把數據抓來的時候，那你的設備的數據到底是什么樣?你是不可視，也不可控的。這往往就造成了我們經常可以在我們的信息化軟件運行在生產線上的時候，有時候會造成數據不對等的原因。 就是因為我們對端真正的數據是不可視、不可見的。那大家可以通過這樣張圖可以看到，我們旁邊有個藍色的表，上面有很多的地址，地址框。
我們是這樣的，我們把所有的設備采集項，包括設備的傳輸，在工業網里頭我們做了一次匯聚，我們管這個匯聚叫master PLC，我們在master PLC上定義了很多的地址表，包含了我們這條生產線我們所有數據，乃至設備跟我們所要的數據，一句話來說：就是信息化需要的東西跟工業化需要的東西的所有的地址數據都是匯聚在這里。然后我們通過軟件實現，把它做成一種映射的方式，我們這個可以直接看到目前存在設備上的數據是什么樣的一個數據。我們用的方法跟大家很多的方法都是一樣的，我們只是通過了簡單的處理，按照時間采集地址，包括我們的采集數據值，記錄的方式保存到我們的ODBC的用戶端，然后再分發到數據庫里頭。
其中這一點就有一個最大的特點就是一個是配置靈活，通過配置文件可以直接配置到PLC的存儲區的有效起始地址。PLC的有效的數據長度跟對端的數據，這是我們可以對遠端設備進行控制的。第二個是ODBC這個源的配置和數據庫還有數據表的參數的配置，都是靈活多變的。因為畢竟已經用很多年ODBC的這種方法，我相信大家已經很熟悉了。可以提高程序對用戶系統軟硬件環境的兼容。就是我們其實在做這個采集的時候，我們不需要有太多的硬件的成本投入。把數據采回來要干什么呢?我們采回來的話，我們一般其中有一部分數據是我們傳統的生產數據的一些管理。比如說我們從數據庫里面調用讀取，從設備上實時采來的數據以后，進行分析跟整理，然后向我們的生產部門跟領導和各個的管理口提供統計的數據。包括指定的數據，包括要呈現的結果和一些簡單的復合運算。剛才我說了，我們剛才那張地址表影射的時候是可以抓到我們的所有的設備的實時的狀態，我們對設備進行了實時的監控。然后進行一些日常的生產管理跟統計的工作，包括查詢，最后我會講一下我們的一些不同的查詢方式。
生產信息進行的錄入和系統一些配置，這是我們底下的一些，這是我們的一個界面，然后它具備的一些特點是，就說它配置比較靈活，然后我們可以通過我們的管理員很簡單的就對我們的一些數據，比如說設備的一個地址發生了變化，我們就可以我們的地址位上直接進行更改，然后同步到我們的PLC上，然后進行更改。或者是由PLC進行更改以后，或設備端更改以后，我們自動同步到我們的數據庫。
然后這個表單可以看到，我們通過大量的數據采集，然后我們可以生成我們的所有的數據推移圖，包括波形圖這些東西。然后按我們的配置量統一配置，我們把信息化所有的配置都跟設備的配置相呼應。這個是我們做的產線用的生產數據管理系統的一個流程模板，就是我們在一次性取數，然后一秒鐘之內讀完所有的數據，因為我們的生產節拍是18秒，必須要達到實時有效，因為車間的這種使用狀態是需要一種工業級的那種實時庫，然后我們在一層采集完了以后，然后我們通過自己設定的一個龐大的數據字典來進行定義。隨時可以增加和減少有用的數據，配置完了之 后，基本上我們可以達到兩分鐘之內就可以起效。還有一個定時計算，產生的技術數據報表，用報表工具呈現數據。數據的計算是單條0.1秒以內全部計算，結果是一秒之內實現。及時顯示的設備當前狀態，設備的歷史狀態可以查詢，所有的設備的歷史故障包括運行上線時間，包括也生成可以按周期進行它的歷史狀態的推移。這些數據我會后頭來講這些數據有什么用呢。
然后采用一般的就是我們傳統的數據處理流程，然后我們把數據分成了三層。第一個是采集，就是原數據，第二個是整理，就是我們所謂的一般的報表的，就是按照我們數據的分類項，然后進行數據的整理。最后就是呈現我們的分析，就是我們所謂的BI。大家在旁邊這個流程可以看到我們的設備基礎實時數據是從哪里來的，其實就是我們剛才前頭說的那個工業化具備的特點。就是設備上本身就具有大量的數據，這些數據它包含了很多的特性，比如說你的生產狀態，設備狀態，包括你現在的報警狀態，包括你現在的流程的執行狀態，包括你現在加工的生產節拍數，都是在設備上存在的。其實產線上很多的數據都在那里面，不管你用不用它，但這些數據都是存在的。然后我們通過原數據以后進行整理，按照各部門需求及工藝、生產流程、設備數據屬性等來設定我們的基礎數據，并進行計算跟分析，最后呈現為產線報表。其中你可以看到兩個最大的關鍵要素，一個是我們的字典表，字典表就是我們整理的唯一的參照物跟制定整理的規則。第二個是基礎數據，這個基礎數據我們就跟我們的產線上的很多的數據都進行了分類，比如說有生產技術，比如說有設備狀態的信息，有這個生產不良的狀態，包括我們后頭的質量分析對某單一產品上所有的缺陷、不良等狀態的記錄。
傳統的日報報表跟一般的MES稍微有點兒不同的就是，我們可以在數據分析里頭可以看到，在這一個月里頭某一項參數在某日某個時段的波形或者突發或異常。這就是把生產已經做了數據分析，這些的波形圖我們可以導出到本地，也會歸到庫里，以便于我們的生產工藝，工藝設計，包括產線設計人員進行產線的跟蹤與分析。
其中我們在這個表單看起來很簡單，因為我們沒有把太多的成本投到美工跟美化上。這是我們系統里頭的一個表叫設備實時監控。這個設備實時監控是我們在生產線上所有的工序設備，所有的機器人，因為我們的生產線總歸下來要有16個機器人，跨越了12個工位環節，這里頭就是每個機器人的狀態還有傳輸的狀態，包括無人小車的運行狀態，我們做了相關的設備地圖。
傳統的MES上針對設備一般都會有圖上方的這四個點，就是四個設備狀態其中分別是正確狀態，故障狀態，在線狀態和離線狀態，一般MES里面也具備設備工業地圖，而在這點上我們做了一個環節，為什么我們說是實時監控呢?是因為我們這幾個燈，如果說某一個設備發生異常的時候，我們會在這個設備界面上彈出來一個告警，圖形的顏色也會發生變化，變到有故障狀態的時候就變成橘黃色。然后會彈出一個提示框，告訴你這個設備的哪一個關鍵部件或者是哪一個驅動部，或者是因為前后的設備造成了它的報警跟它目前狀態的不良等，都會直接顯示出來。
這樣我們就可以抓到實時的問題原因，就可以發現設備表面運行狀態上沒有體現，而我們看不出來的一些隱性的故障，與這張圖這樣展示的一樣，你可以看到我們在這一個告警狀態的時候，上面有一個故障編碼，用故障代號提醒是一般在工業領域設備本身具備的，一般自動化工程師或者說一些設備管理工程師他們能看到的。傳統的MES也是這樣的。一般是設備出現問題以后，他們會聯到這個設備上，然后去看這個設備的日志，比如說它有一個什么什么，就多少多少的一個報警，然后他們再去翻這個設備的設備手冊里頭的這個報警是意味著什么，是什么意思。但是在我們這個軟件里的時候，我們已經把所有的設備進行了全局的翻譯，我們可以直接告訴設備工程師這個設備的故障位置是哪里。
這樣的話我們的設備工程師就可以在我們的可視化工廠之外，在他的辦公室里頭只需要打開軟件就可以看到當前所有的這個設備運行的狀態，我們做完這個的時候，有幾個主要的高層領導他們就說了，打開這個報表我們就可以看到我們的目前的生產狀態，就是及時的實實在在的生產狀態，設備運行情況，包括我的生產執行情況是什么樣的。我就知道我的工廠目前的狀態是如何的。 上面這些就是我們做到的設備從最底層上的第一個可視。
剛才前頭一直說的是關于生產，就是我們剛才前頭所有的東西，包括我們的生產的狀態，包括我們的設備，然而這些都是屬于我們的生產質量的范疇里頭。為什么我們要把生產質量跟產品質量進行分開來定義呢?是因為生產的主體是什么?也就是說你工廠的主體跟最重要的目的是把設計好的產品在你的生產線上用最優的方式把它生產出來!那我們為什么要用大量的成本和人力協同生產技術跟設備技術，在產線設備上去下力氣去做這個東西呢?是因為我們一直認為所有制造業跟工業的主體，包括你的數據的承載的主體，其實就是你的生產制造工具，就是你的設備。然后我想可能大家就會開始有疑問，你們會有一些想法，因為大家有一些人可能說，其他有些企業是零散型制造業，你們是流程型制造業，那你們做這些東西就比較容易，很簡單。那我們零散型制造業跟你們還是有區別的。我們有我們的特殊性跟多樣性。那我就想在這里把前頭兩個東西，就是一個是生產質量，一個是產品質量給大家稍微的講一下。因為這個沒做圖，我只是拿話說一下。
前兩天我參加了一個研討會，與國家標準組的一些專家一起聊，也聊到了相應的問題，就是如何讓零散型企業跟流程制造型企業一樣，讓他們達到一樣的目的，去實現可視?那我說可視的方法其實很簡單，因為不管是流程型企業，還是零散型企業，你們的所有的企業的目的是加工跟制造。那你的加工工藝跟你的產品的制造執行的流程是不是可逆的呢?不管是流程型企業，還是零散型企業，你所有的制造，就是加工工藝跟生產流程，這兩個東西都是不可逆的。不可逆的情況就說明了我們其實可以把流程型企業理解成我們把所有的加工中心是匯聚在一個房間里頭，我們快速的進行傳遞。通過自動化的手段進行傳遞。那我們零散型的企業我們就可以把它想成一條生產線，然后只是我們把我們的生產環節放在了不同的廠房里，或者辦公室里。你所有的產品依然還是按照流程在進行流轉的。這就是我們能找到其中的一個共一性。很多的零散型企業說我們的這些有多樣性，我們是手工業者，我們是作坊類的，那OK了，你不管是手工業者，還是作坊類的，還是你是機加工的，那你生產一個產品，你總是從它的第一步一直到最后一步，你是按著節拍來進行的。那我們想，我們要打通中間的黑管的時候，我們可以說對每一個零散型的這個廠房，這個加工車間不管你是車橋廠，還是做燈泡的廠，那你的這個進出口的數據我想你是可以拿到的吧?那我們先拿到你的進出口數據的時候，我們就可以知道你目前的生產的，就是你的生產結果是什么樣的。
那我們在內部再進行數據的梳理跟優化的時候，我們就可以發現，其實我們很多的東西是依然是可以按照流程去把數據抓取回來的。為什么我們先把生產質量要放到前頭呢?是因為生產質量是產品質量的先決條件，如果沒有良好的生產質量就無法確保證產品質量，如果你產業的生產架動力是多少你不知道，你生產線上的目前某一個加工環節的生產狀態是什么你不知道。那樣你生產出來的產品本身就是不可靠的，如果再拿一個不可靠的產品最終的內在的產品質量來倒推你的生產環節及工藝的話，我想這種方法往往會達不到目的。因為問題你會發現問題會多元化，因為你沒有辦法精準的去發現你的問題，你的故障，問題原因的結點。那個時候你就會將大量的人力、物力、包括財力都造成了浪費。這個對于我們目前的這種工業來說是不允許的。
剛才說了，把所有的數據抓完了之后，我們把前頭的生產質量做完了以后，那我們肯定要做我們的產品質量的跟蹤跟分析。我們從產線的檢驗設備上是直接抓取，也是通過我們采集的方式直接把數據抓取回來，然后通過數據庫優化再進行分析。我們所有的生產，因為我們每個產品的單一的生產節拍，我們生產節拍是18秒，產品在通過產線檢驗設備的時候，這個產品上就具備了大量的數據。這些數據就擁有了幾個功能，比如說我們單件產品質量的情況的查詢，統計，圖像展示。質量缺陷的疊加分析，這些分析原來都是數據拿回來以后，檢驗部門他們手工來做的。要耗費有大量的人力去做這個東西，我們現在已經把它實現成自動來轉換。第三點是產品質量的一個波動圖，你可以看到你當前產品質量的狀態，這個可以給工藝跟質量部門一個大概的預警和一個狀態的展示，可以進行數據有效的分析。第四個是產品質量數據的自動定時的抓取跟整理。基本上一張板子在狀態不太好的時候，它可能包含了不良數量能達到上千個，幾千個不良信息點，然后再加上它自己的本身的屬性，光這一個板子可能要具備就是有千級的數據量。第五個是產品缺陷的數據的自動導入和整理。可以將我們產品的這些數據直接對應我們的生產報表，直接傳輸給我們生產報表，告訴我們在這個產線的某一個時間段里頭，這個產品是良品還是不良。這些都是在線就可以進行檢測并完成。
其中我們剛才說到了數據量的大小，就是這里我們就基于了一些大數據的技術，我們現在能滿足每個月的話是兩百萬條以上的數據處理要求。然后我們能從其他的數據庫里面，因為對端設備是第三方的數據庫，從第三方的數據庫里面按我們的一個節拍量進行定時的數據的整理，然后把數據的整理拿回來以后進行分析。也可以獲取其他的一些報表，其他設備上生成導出的一些EXCELL的表單等數據，比如說測厚，稱重等等，這些設備輸出來的就是一些EXCELL數據源，我們就要把這些數據源及時的抓取以后，進行把它再轉換成實時的數據，然后回饋給生產系統里頭。
我們在這上面也采用了大數據的一些技術，其中我們就有一個叫異構的系統集成。比如說我們設備的數據，在unix系統底下，用了PostgreSQL，生產數據庫采用的是SQL，是基于window系統的，我們的設備的遠端很多是基于單片機的。還有基于SQLINTE系統的。所以在設計里也做了多系統的融合跟整合。
系統里自動按要求產生我們的報表數據，以便于查詢跟分析。系統能按時間分析產品的整體的質量情況，按照時間的大小、位置分析產品的缺陷的分布情況，這個是一般我們原來的傳統的技術質量軟件是不具備的。以前我們一般用的都是BS，或者是CS的這種結構的軟件系統。它數據量一大的話有時候就會造成一些比如說內存的溢出，然后報表工具的崩潰。我們采用了大數據分析技術，把所有的數據都進行了小細量的一些規劃，然后跟分類。重新設計了我們的數據模型跟數據流向。現在已經完成實現了自動疊圖這種質量分析的方法。可以達到的是單條缺陷數據基本上是在100毫秒以內就可以實現。單品的整體的分析，一般我們是在一秒之內，剛才說了，一條單品的話可能要具備上千個或者好幾千個數據，基本上單品整體的分析是在一秒鐘之內。我們基本上已經滿足了現在18秒的生產節拍。我們未來的話，如果說優化產業的話，可能會達到10秒鐘的生產節拍。那我們現在已經滿足了我們未來的升級的一些需要。如只按生產節拍的話，現在實施歷史數據的分析或查詢都是已經能滿足了。
聽我說得這么好聽，然后我們就是把我們的一些實際的系統的界面給大家展現一下。大家可以看到，在這個界面上，可以選擇所有的分類，包括時間點，然后可以看到比如說一個線體，可以選擇某生產線的線體，包括要生成的這個疊圖的區間，這可以任意一個批次，比如這個批次可能要疊兩百張或者三百張，也可以選擇十張，或者20張，或者也可以選擇某個班次上千張的這個數據，然后進行整體的一個數據分析和統計。包括所有的不良有多少個，板子的缺陷是什么，它的這個缺陷的各占的全部的百分比是多少，邊的尺寸的大小，包括它的平均值，也進行平均值的計算，會呈現單板含量的一個最高值的柱狀圖，還有其中把產品的不良進行分類了以后，可以生成比對圖。
比如說這張板子上什么樣的不良是占得最多的。這是一個缺陷疊圖，因為我們是做基板跟面板的，因為是玻璃它有時候就會有一些結石，顆粒物，包括一些表面附著物，包括一些劃傷，包括一些原材料有可能會造成一些材料學上的一些缺陷。那你們可以看到，這一個批次我們用數十張板子最后疊出來的這個圖。能夠告訴你這一個批次的不良的走向是什么樣的。就可以知道，你目前的生產工藝包括你的生產狀態是什么樣。就是可以便于我們的前端通過DCS進行設備的一些調整或工藝的監控，通過后端數據向生產前端進行反饋以后，生產前端就可以進行相應的控制。
這是動態提供的產品不良推移圖，實時的來提供24小時之內當天、當班所有的不良的及一些缺陷的推移。比如說你這個某一個缺陷事故突發了，它是在上漲的階段呢?還是進行有效的調整后下降?這個圖對整個生產的分析，包括在線的控制，在線的調整，具備了非常重要的意義。
講了生產，講了生產質量，講了產品質量，作為制造企業，就要做成閉環，做成閉環的話，人機料法環。其中最后的結果就用戶的異常反饋。我們自建了我們自己的客戶異常信息反饋系統，通過這個用戶信息反饋平臺形成有序的用戶反饋問題的處理閉環。將平臺做到可追溯，可管控，清晰有效的幫助生產線提高質量。對異常可及時的追蹤。結果通過網頁或者通過郵件發送給用戶。這是我們的一個流程。一般是由我們的用戶服務組，或者我們的銷售把用戶的異常信息反饋過來的，將反饋過來的問題，包括對策結果評價，然后及時進行上網。對相關的責任進行有效的分析，實時的反饋給當前的工序。這個表就是售后部門提出的基本流程，先是反饋，然后再是各部分進行查閱跟簽閱以后，進行分析跟對策。然后再反饋給我們相關的部門，然后通過我們技術質量部及公司的領導進行審核以后，進行認可，再答復給，再評價它是不是解決了用戶所提到的一些異常信息。然后我們再反饋給用戶，然后用戶進行認可以后，然后再反饋給我們相關的這個用戶信息反饋，然后我們再把這個用戶信息反饋歸檔，然后進行分類，然后以備于我們以后出現問題的時候，處理的一些參照。也是為我們明年后年想將這個系統升級做到我們的2.0來打下基礎，我們的工業大數據分析2.0 其中就想要做到智能學習。包括我們的專家系統，然后通過這個學習，實現真正有效的可預知。
下面我給大家看一下我們的做的這種異常反饋的流程。大家可以看到，我們的流程剛才我說了，通過這個售后服務組，反饋給我們的工藝技術質量辦公室，然后在質量辦公室通過分析以后，找到相關的制造工藝部門，進行相應的反饋。我們會在我們的表單里面做一些時效性的這種監督。你必須什么時候處理完，因為用戶反饋給我們的時候，會給我們一些時效，我們會把時效進行壓縮以后分配給底下的這些生產線上。由直屬的各個生產線的部門再把這些問題發送給底下的工程師進行實際的有效的對策。這個是我們做的客戶異常信息反饋單，這是我們自己設計跟自己開發的一個東西。
可以填報一些比如說用戶的一些異常反饋這些報告，包括一些圖片，包括一些東西，可以從網盤，可以從用戶的郵件里頭直接調用的。各部門的審核，發布，相關部門的分析結果的描述，包括他自己的相關的附件，處理結果。再反饋給我們的監督部門，我們的技術質量部相當于在這個全流程及工藝里頭是做到分析、監督跟評價。其中售后人員就這個結果是不認可還是持續改進，會打回去，直接從流程里面再流轉。
這里面我給了一張圖出來，這個是我剛才，包含前面講的所有的東西，這是以一個基本的思維導圖方式來呈現的。包括生產的流轉，設備數據的流轉。藍顏色的是我們一般原來傳統企業信息化來實現的。紅顏色這一條一般是我們在工業化里頭實現的。那我們通過自己技術的采集跟結合，我們就可以看到，我們把所有的數據做到閉環，我們把工業跟信息融為一體，然后進行實際的閉環。然后充分的完成人、機、料、法、環的閉環。
給大家講了半天，這就是我們基于工業大數據技術的工業信息化。是將生產質量跟產品質量進行打通了以后的一個匯報。當然這中間也用到了互聯網的一些新的技術。但我們認為的互聯網+是什么樣的呢?就我個人一直認為互聯網+這個是四個字，每個字有自己的單獨的獨特的含義。然后它每個字都具備了自己的一個獨特的唯一性。
互，我認為是協同、互通，打通技術與研發，研發與生產的一致性和獨立性。這是打通原來生產跟管理，生產跟工藝，生產跟設備，眾多的因素的兩張皮。聯，就是聯合生產或者供應鏈上下游資源和技術。打通上下游跟各部門之間各環節之間的壁障。網，就是將工業網與信息網進行有效的整合，打通生產供應技術等方面的上下游鏈路的信息和壁障。+ 就是將通過前頭的這三個字，然后加什么呢?就是加企業本身的核心競爭力和技術迭代能力。然后實現，通過互聯網+N再使用工業大數據的方式，使我們的企業得到在智能制造方面有效的轉型。
在最后給大家分享一下我們關于企業發展戰略跟企業IT戰略的一些認知。我們認為首先一點，制定企業的發展戰略一定要問自己的企業四個問題，一是我們有什么，二我們能做什么，三，我想做什么，四我要怎么做。然后這樣才能制定出來落地的企業發展戰略。否則假、大、空的發展戰略反而會成為抑制企業發展的罪魁禍首。
出于我們自己都是信息化的人，所以說我們每年都會做企業的IT戰略。我們認為企業的IT戰略應該是成為企業的助力，如果不認真的分析自己企業的流程，生產模式，包括生產部門的需求點及痛點，那你的制定出來的IT戰略就是懸空的。你的IT戰略的制定應該是與工藝、制造、設備、營銷等部門進行共同的分析，找出滿足企業升級轉型、產品迭代等需求的企業助力。這就是我給大家分享的，各位見笑了，謝謝大家。
