摘要：?“數據驅動測試優化，突破自動測試邊界，賦能智慧測試新模式。”——京信智能制造副總經理葛鑫 “進入車間，映入眼簾的是一條長約20 米的 O 型生產線，產線前三名工人和幾個機器人正協同工作，將各種元器件的印刷線路板（PCBA 板）與產品殼體組裝起來。

“數據驅動測試優化，突破自動測試邊界，賦能智慧測試新模式。”——京信智能制造副總經理葛鑫

?

“進入車間，映入眼簾的是一條長約20 米的 O 型生產線，產線前三名工人和幾個機器人正協同工作，將各種元器件的印刷線路板（PCBA 板）與產品殼體組裝起來。這條生產線覆蓋了產品的裝配和測試工序，可支持 12 款主流產品的實時混線生產。產品在線上被自動掃碼識別，車間的管理系統會直接根據產品的型號實時向機器人下發指令，產品完成裝配， AGV無人車忙碌的搬運著各種物料…”

眼前的景象是京信通信位于廣州的一家工廠， 成立于1997年的京信通信是全球領先的無線通信與信息解決方案和服務提供商， 2003年于香港聯交所主板上市，公司為全球80多個國家和地區提供移動網絡及行業應用整體解決方案。

一．智能制造升級之路

京信通信集團副總裁陳遂陽先生表示，20年一路走來，京信通信發展并非一番風順 - 行業競爭激烈，企業議價能力弱；產品更新換代快，小批量、多品種產品需求需要更強的柔性生產能力；招工難，勞動力成本與原材料成本不斷攀升…

面對外部市場環境挑戰，早在2006年，京信通信就開始積極布局工廠的自動化與信息化改造，并在新技術引入上做了大膽的嘗試，以實現工廠的降本增效。自動化端，京信通信從關鍵崗位的自動化升級，到產線的自動化與柔性化改造，再到人、機、料、法、環 （環境）的互聯互通、以及智能物流、數字仿真與模塊化設計上的投入，如今的工廠已經具備了良好的混線生產能力。同時，信息化端，企業在2006年就開始花大力氣部署ERP、PLM、RDM、OA等應用。2013年，信息化重點升級到系統間集成，并同時補足了生產執行、訂單管理、倉儲管理等系統。

然而，2017年之前，京信通信自動化與信息化建設像火車的雙軌，雖然離得很近，實則并沒有產生交集。陳總意識到，IT/OT集成是實現生產智能化、網絡化與數字化繞不過的坎。于是，2017年，公司果斷開發了SCADA系統，實現了生產設備互聯，同時工廠端部署了大量傳感器，以此作為連通數字與物理環境的橋梁。設備數據首次可以在各業務間流轉，幫助優化企業銷售、計劃、采購、排產等決策。 得益于自動化、信息化建設以及新技術的部署，2013年到2017年間，生產工人數量減少了50%, 產能增加了10%。

?

二．工業大腦之旅起航

利用工業大數據優化產線并不是突發奇想， 早在京信通信啟動智能制造項目以來，大數據就被列為項目規劃的重要組成部分。過去十年來，企業在自動化、信息化以及IT/OT融合上持續投入為工業大數據/工業智能的能力施展做了很好的鋪墊 - 設備數字化與網聯化，以及與MES、ERP等工業系統的互聯互通為工業大腦的實施打下了足夠扎實的數據基礎。

哪里最痛，就從哪里入手

工業大數據的場景聚焦是很多制造企業最為頭疼的地方，而京信通信卻沒有這方面的擔憂。在與阿里云的合作過程中，阿里云大數據專家鄧超對京信的評價是“最清晰地知道生產數據如何使用的企業”。公司早期就明確了工業大數據的方向與定位，即利用大數據提升生產過程中調試環節效率。產品調試是通信生產過程中最為重要的環節。調試環節的成本占總生產成本比重高達30-40%， 且耗時耗力。單以某多模產品為例，調試與測試項目多達300項，且很多指標之間存在相互關聯，調試與測試周期長，單個產品平均耗時超過1個小時，嚴重影響產品生產進度。

?

京信智能制造副總經理葛鑫表示：“在生產測試環節，企業已經觸碰到天花板，能想的辦法都想了。這個時候我們就在設想，能不能再從數據中深挖一些價值”。于是，去年11月份，京信通信智能制造團隊與阿里云工業大數據專家接觸，并定下了目標 -?以阿里云的云計算能力和“Dataworks”大數據計算平臺為基礎，通過數據上云以及工業大腦的部署，在云端匯總打通生產關鍵環節的數據，以測試/檢測數據為主體，利用算法模型進行制程能力的綜合分析與評估優化，提升測試效率。當明確了工業大腦的突破場景與目標，京信通信很快就成立了工業大腦項目團隊，智能制造部為牽頭部門，產品事業部、 IT部、生產部門與阿里云大數據專家團隊作為核心成員。 項目分為四個步驟：

1. 多維數據收集?– 大腦團隊從一款信號拉遠設備數據采集入手。該產品需要的調試、測試項目分別都有80個左右，而每個項目都有9個數據維度。通過京信通信自研的數據采集系統進行產品的多維度數據采集，最終收集上來的調試測試數據維度多達1500個。

2. 全鏈路打通?- 數據上傳到MaxCompute大數據平臺，通過將調試測試數據在產品-模塊-通道-調試/測試項目多個層級的數據關聯，形成每一個產品在生產過程中調試工序和測試工序全鏈路的數據打通。

3. 尋優算法?– 基于機器學習平臺PAI，利用大數據人工智能算法，對調測關系做數據挖掘。通過對歷史已生產產品樣本進行決策分類，針對測試項目分成不同目標水平的樣本，根據調試項目內容聚類，計算每種類別的CPK（生產制成能力）水平，由此沉淀基于調測關系的檢測規則。

4. 實時檢測優化-基于上一階段沉淀的檢測規則，構建實時產品檢測策略優化模型。對產線上已調試的產品（待測產品），基于調測關系的檢測規則，推薦抽檢頻率，選擇合適的抽檢策略。舉個例子，比如當增益定標（信號放大指標）的調試值大于-0.25, CPK處于較高水平，系統會自動提高產品檢測的抽免檢比例，而如果值小于-0.25, 則需要進行全檢。

基于參數優化的模擬結果超過預期，檢測指標項從平均300個點位降到200個，調試子項目的耗時減少超過35%，產品整體調試效率優化10-20%。

車間的技術人員可從阿里云平臺隨時調用算法API，動態優化調試、測試過程。

?

三．新起點、新征程

工業大腦的能力在成品檢測環節得到了印證， 極大增強了公司管理層的信心，于是開始著手工業大腦下一階段布局。

階段一 全生產鏈測試優化

目前工業大腦的應用還僅是在整機的測試環節，京信通信希望能夠將測試的控制點前移，提前到前端各組件環節，包括器件、PCBA、模塊等，由此減少產品返修，大幅提高最終整機通過率。此外，通過對調試與測試過程參數的分析，優化BOM成本，為研發設計提供指導。

階段二 行業測試云平臺

無線通訊行業中小企業眾多，測試儀表設備貴重， 需要優化儀表的利用效率，同時通信產品的測試認證復雜，很多企業沒有能力搭建自動化測試系統。京信通信希望能夠打造行業測試云平臺，通過提供AI SaaS與APP應用，滿足廣大中小企業生產過程中的自動化、智能化測試需求。

?

四．工業大腦的三點啟示

首先，離散制造業加工任務的分散并不意味著工業大數據價值的發揮會大打折扣，而關鍵在于對數據的理解以及場景的深挖。外部數據專家的引入有助企業跳出傳統思維框架，站在新的視角，喚醒數據潛能；

其次，京信通信工業大腦項目的成功絕非偶然。如果把工業大腦比做劍宗，靈動，見效快，那么IT/OT融合則是氣宗，需要扎實的基本功。工廠多年在IT與OT上的投入以及數據的積累為大腦的發揮上打下了扎實的基礎，而工業大腦的應用則有助發現IT/OT融合上的盲點，倒逼工廠的信息化與自動化升級。

最后，天下武功，唯快不破。工業大腦的實施無需一口吃成個胖子，可以單點突破，從生產環境中的某個痛點下手，關鍵是要加快試錯與迭代的節奏，隨后快速復制，擴展到其他生產場景，最終形成工廠的全局智能。

原文鏈接

本文為云棲社區原創內容，未經允許不得轉載。

?

總結

以上是生活随笔為你收集整理的京信通信：数据智能为生产调试“增效瘦身”的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。