導讀：2023年10月28日，由中國自動化學會主辦的2023國家工業(yè)軟件大會在浙江湖州盛大開幕。大會以“工業(yè)軟件·智造未來”為主題，匯聚了25位國內外院士，1500余位代表，共同探討工業(yè)軟件領域前沿理論和技術創(chuàng)新應用問題，共同謀劃我國工業(yè)軟件未來發(fā)展之道。
上海科致電氣自動化股份有限公司鐘瑾總經理受邀在2023國家工業(yè)軟件大會中作題為“工業(yè)軟件MOM的破局之路淺見”的專題報告。工業(yè)軟件MOM遇到商品化難、模型復雜、見效慢、效益差的困境，全球MOM的市場規(guī)模不到ERP的10%，但是MOM又是生產必須品。MOM的困境顯而易見，如何破局，如何讓MOM成為真正推動生產的利器。產品商品化的要素為市場需求、成本、質量，MOM能解決成本和質量，工藝化、模塊化、質量要素點是今后MOM的破局利器
工業(yè)軟件MOM的破局之路淺見
上海科致電氣自動化股份有限公司于2004年成立，總部位于上海閔行漕河涇高科技園區(qū)，作為上海電氣的子公司，致力于裝備制造領域。公司客戶主要集中在汽車和化工行業(yè)，涵蓋了約10%的行業(yè)領先客戶。值得一提的是，2023年科致榮獲國家專精特新小巨人的稱號，同時在2018年至2021年連續(xù)四年獲得上海經信委推舉的工業(yè)軟件轉型服務商資格。公司早期獲得了高新技術企業(yè)地位和CMR認證，數字檁云產品獲得國家級成果認定。主要產品系列涵蓋數字檁云、鉑舜和皓禹，應用于制造業(yè)執(zhí)行運營、供應鏈管理和售后服務系統(tǒng)。
MOM（制造運營管理）并非新概念，自1970年計算機發(fā)展以來，直到2016年MES（制造執(zhí)行系統(tǒng)）升級為MOM之后，隨著大力推廣，人們開始更加熟悉MOM，它已成為工廠不可或缺的核心要素，如圖1所示。當前工業(yè)軟件行業(yè)每年增長約為15%，而截至2023年，MOM市場規(guī)模已達到384億，這對于中國企業(yè)而言是一個相當龐大的市場。同時，在過去的五年里，大多數企業(yè)逐漸熟悉了MOM。因為MOM解決了生產透明化和質量問題，所以其極好地滿足了制造商的雙重需求。
圖1 MOM應用領域
近年來，MES和MOM領域涌現出許多企業(yè)，它們共同面臨一個問題：盈利困難、規(guī)模較小。不論是西門子還是中國的企業(yè)，在MOM軟件產品領域沒有一家獨大。以西門子為例，其在全球工業(yè)軟件市場中MOM的占比僅為0.1%。然而，整個MOM市場非常龐大，年市值達到384億，規(guī)模并不小。
軟件產品必須向工具化方向發(fā)展，擺脫定制化的困境，才能實現規(guī)模擴大。如果仍然局限于定制化軟件，軟件產品難以擴大規(guī)模。MOM與ERP有所不同，因為每家企業(yè)都有各自的特點和需求。MOM是一個行業(yè)興起的趨勢，要使MOM突破困局、成為標準化的商品，關鍵在于如何量化、工具化，并使其行業(yè)化，真正地滿足客戶不同的需求并帶來改變。
金蝶作為財務軟件在當今社會廣泛應用，因為它解決了財務和客戶問題。對于MOM來說，是否能夠解決客戶的痛點是一個關鍵問題。海外一些廠商開始采取一些策略，推出了行業(yè)包，將軟件輕量化、標準化。這是因為當前社會普遍存在一個問題，無論是客戶、供應商還是員工，都對軟件的需求要求是能夠快速修改、迅速滿足需求，同時不影響生產。這對MOM原有體系提出了重大挑戰(zhàn)和改變。當然，隨著信息技術行業(yè)的飛速發(fā)展，國家對工業(yè)軟件的支持也在不斷增強，工業(yè)軟件的市場規(guī)模在不斷擴大。
傳統(tǒng)的MES和MOM采用面向服務的SOA架構，如圖2所示，盡管這種架構穩(wěn)定，卻帶來了交付周期長和定制化復雜等問題。通常情況下，采用SOA的項目無論是定制化還是交付時間都較長，八個月或一年是常見情況。當MOM項目規(guī)模超過一千萬時，即便是僅涉及授權服務而不包含硬件成本，交付時間也可能延長至一年半或兩年，這表明沿用SOA架構存在底層架構問題。科致自2004年開始采用SOA架構開發(fā)MOM，但在2015年進行了架構重構變成微服務架構
圖2 SOA服務
二、科致數智檁云工業(yè)軟件MOM破局之道
借助靈活解耦的微服務集群，即快速響應和快速修改，我們在數字孿生MOM的首要步驟是對架構進行重構。重構架構的首要步驟將原先的面向服務的SOA架構轉變?yōu)槲⒎占軜嫛Ｇ皫啄臧⒗锿瞥隽藬祿信_的概念，這在某種程度上是有道理的。但對于我們而言，MOM是各種軟件集成的核心，特別是對于生產環(huán)節(jié)。因此，我們建立了一個數據平臺，將來自各個接口、不同廠家和系統(tǒng)的數據整合到一個數據庫中，實現了數據共享，如圖3所示。這樣做使得微服務的各個插件底層無需重構。事實上，MOM、供應鏈系統(tǒng)和DPS都運行在同一架構上，這確保了整個生產、運營和售后的數據至少是一致的。另外，第二個舉措是進行了深度學習算法的研究。因為要讓軟件產生效益，需要降低定制化程度、提高程序和模型的標準化。這樣可以在短時間內，在同一行業(yè)的同一廠家之間傳遞工藝要求，并且可以將工作量降低一半。這樣的軟件需要逐步迭代更新，才能真正成為優(yōu)秀的商品軟件。
圖3 靈活解耦的微服務集群
客戶通常會認為，將傳統(tǒng)的紙質流程轉換為電子化并不能帶來實質性改變，然而，對于我們所涉及的汽車、汽車零部件和重工業(yè)等行業(yè)，MOM的重要性在于降低生產成本和提升產品質量。不同廠家、不同制造商都有各自特點，在相似的裝備和工藝基礎上，我們著手改進了裝備工藝和壓裝技術，打破了國外軟硬件結合的局面，實現了質量數據和質量曲線的監(jiān)測和預測。與其他公司相比客戶，我們更深刻地理解客戶的行業(yè)特點，將客戶的工藝設備與工藝設備進行結合，為提供MOM解決了他們在質量方面的痛點。
MOM作為一種解決方案，并非通用產品，而具有強烈行業(yè)屬性。受益于上海電氣多元化的品種和品類，目前我們的行業(yè)包主要針對汽車產業(yè)。通過與上海電氣內部印包集團、輸配電集團、環(huán)保集團合作，更深入地了解了該行業(yè)的需求和特點。因此，科致推出了覆蓋輸配電、環(huán)保等領域的行業(yè)包，如圖4所示。基于軟件的特性和行業(yè)的特點，我們提供了相應的行業(yè)解決方案，以更貼合客戶需求，更有效地解決客戶的問題。
圖4 數據湖倉與深度學習算法行業(yè)包
經過這樣的努力，我們發(fā)現自身擁有顯著的優(yōu)勢和優(yōu)點。首先，通過深度學習和質量、產品曲線的測試，我們的軟件變得更具競爭力。我們提供的不再是普通的軟件，而是專注于解決客戶產品痛點的行業(yè)解決方案。同時，我們與內部其他企業(yè)合作，實現了軟硬件的有機結合。因為軟件與自動化密不可分，自動化需要軟件來實現解決方案的落地。因此，通過軟件和自動化的結合，不僅僅為客戶提供軟件產品，還解決了質量檢測問題。
微服務架構是極為優(yōu)秀的架構，它能夠立即提供整體流程服務，并且具備便捷的迭代更新方式。相比于停機迭代或全面底層重構，微服務架構的修改只需對應部分，這使得更新變得更為簡便。對客戶而言，軟件的發(fā)展是一個漸進的過程，每年都需要不斷進行迭代更新，持續(xù)解決客戶面臨的問題。這種迭代更新的方式，若能提高工作效率和速度。因此，選擇微服務架構主要是其有三大優(yōu)勢：第一，可控性高；第二，能夠實際解決問題；第三，能夠提高員工的工作效率和降低成本。
MOM工業(yè)軟件必須具備硬核技術，缺少這方面的技術會讓客戶不滿意。因此，我們從質量出發(fā)，為客戶提供的質量測試不僅僅包括軟件本身的曲線和預測，同時還引入了客戶自身的軟件測試產品。在MOM的應用中，手動操作員工的質量問題難以進行檢測，因此通過6S、5S等管理手段，使用人工智能分析來解決這一痛點。我們不僅推出了延伸產品，還將其整合到MOM的質量模塊中，讓產品比其他同類產品更具競爭力。
軟件開發(fā)中常涉及定制開發(fā)，我們致力于將商品軟件的定制化開發(fā)控制在15%至20%之間。同時，提供SDK軟件以滿足個性化需求，讓客戶自行使用第三方軟件低代碼進行開發(fā)。優(yōu)質軟件的迭代更新意味著不斷引入新產品和新技術。工業(yè)軟件也是如此，也需要將當前先進成熟的產品引入自己的產品作為一個模塊。
在MOM方面，進一步關注的焦點是數據。以國內領先的汽車集團為例，其汽車零部件——變速箱在上海進行熱處理。過去存在一個問題，如圖5所示，熱處理所需時間最少為4.3天，加工時間為2.5天，而總成裝配時間僅為0.13天，鍛造時間也很短。然而，在此之前每年需要大約10萬人次的質檢來確定熱處理的質量。因此，每年質檢成本高達基本的480萬，是一個巨大的浪費。由于是抽檢，導致不合格產品的追溯以及數據流程不透明，這增加了零部件相對于主機廠的弱勢。在傳統(tǒng)的汽車生產中，如果生產100萬輛汽車，通常會備貨120萬個變速箱，這是因為對響應時間有要求，所以需要較高的存貨資金。
圖5 數字化工廠案例
總的來說，該汽車零部件制造公司面臨著熱處理效率低下、高昂的質檢成本和數據流程不透明等挑戰(zhàn)。然而，他們擁有五條真空產線、大量傳感器和海量數據存儲，同時在自動化設備普及率高的環(huán)境中，員工素質和對數據的理解也相當出色。在這個基礎上，公司提出了ABC三個解決方案來優(yōu)化工藝裝架、上線、清洗、預熱、加碳和淬火等流程，如圖6所示。利用歷史數據進行質量預測，智能排查問題，結合AGB技術實現了無人化工廠。
圖6 數字化工廠案例
這家公司在確保質量的前提下，利用其工藝設備、加熱、表處理和化學成分等數據，包括傳感器和產線所提供的數據，運用了K-近鄰算法、決策樹隨機森林算法以及支持向量機算法。通過這些算法，他們能夠對產品的表面硬度、表層硬度以及內部硬度進行預測。這種預測能夠在不進行破壞性實驗的前提下，達到了質量預測的準確率高達百分之九十幾。這一舉措大幅提高了產品的整體質量水平。以前，從冷卻到測試完成需要6小時，而使用他們的模型只需15分鐘，這節(jié)省了大量的時間和成本。
在工藝方面，盡管原來的燒爐溫度有PID控制，但仍然依賴于老師傅的經驗，而老師傅即將面臨退休問題。為此，可以利用機器學習模塊建立了一個專家?guī)臁＜規(guī)焓占藢＜业亩糠治龊徒涷炛R，將這些重要的技巧和經驗值量化并保存在專家?guī)熘校詫崿F對知識的傳承，同時作為質量分析的基礎，如圖7所示。為了解決線上庫存過多、資金壓力過大的問題，公司進行了全面的排產優(yōu)化。通過排產模型和優(yōu)化算法，結合人工調整生產順序，實現了更好地滿足實際需求和優(yōu)化生產的智慧排產。在這個過程中，智慧排產與質量分析、MES系統(tǒng)和WIP調度相結合，使整個系統(tǒng)更加高效，產生了顯著的效益。此外，在物流方面，公司廣泛采用AGV技術，實現了人力成本的降低和需求的更有效管理。
圖7 專家系統(tǒng)
圖8是該案例的實施效果，在空間利用率方面其提高了2.5倍，在質檢成本上降低了16%，人員成本下降了26%，設備利用率提高了4.5%。這些成果表明了MOM的重要性和必要性。首先，MOM需要與行業(yè)密切結合；其次，它需要擁有強大的核心技術，能夠幫助客戶解決行業(yè)問題；第三，快速響應也是至關重要的。當前，軟件的迭代更新速度越來越快，客戶對更新的需求也越來越迫切。市場變化也變得更加迅速，這也是MOM軟件面臨的挑戰(zhàn)之一。
圖8 數字化工廠實施效果
*本文根據作者在2023國家工業(yè)軟件大會上所作報告速記整理而成
