10月27日，江苏省企业信息化协会总群迎来第43期“智造+V课堂”。本期“智造+V”课堂邀请了陕西彩虹电子玻璃IT负责人李华为大家带来主题为《用工业大数据手段 打通生产和产品质量》的精彩分享。
演讲主题
《用工业大数据 打通生产和产品质量》
演讲大纲
1.工业信息化介绍
2.智能制造成果(工业数据采集系统、生产数据采集系统)
3.互联网+“N"(助力企业转型及提高核心竞争力和迭代能力)
4.结语
嘉宾简介
李华(陕西彩虹电子玻璃IT总管)
嘉宾简介：
1.陕西彩虹电子玻璃有限公司 IT 主管
2.陕西省工业云、云智囊 专家组成员
3.陕西省小圈子 数据专家组成员
4.锦囊专家互联网资讯平台 认证专家
5.《CIO新思维Ⅲ》 编委组会员
原文实录
李总：大家好，江苏的信息化的同仁们，今天晚上很高兴跟大家一块儿进行交流跟分享。我分享的题目是《用工业大数据手段打通生产质量与产品质量》，如果有不对的地方请大家海涵，请大家一起交流。
大家看到的这张图就是我们目前公司的一个生产线的机器人的截图，这个主题是在宁夏中卫(音)的全国CIO大会上分享过的，当时这是一个视频，回头我可以把视频分享给大家。
我们今天主要是通过四点来进行阐述：
第一点什么是工业信息化?
第二点我们在智能制造方面做的一些工作，跟我们的一些想法;
第三个是我们所理解的互联网+N。
第四个是我们所理解的智能制造的四个最基本的要素。第一个要素是可视，第二个要素是可控，第三个要素是可预知，第四个要素是可智造的总结。
我们都在说智能制造，真正的制造是什么?从智能跟制造这两件事情的表面上我们就可以看到，其实应该是用信息化手段打通我们制造工业的数据，使它变成全生态、全链路的可视，可控，可预知。这样才可以达到我们可智造的目的。 我们也知道，这两样加在一块儿的时候，我们可以把它定义为“工业信息化”。 工业信息化最重要的一个方面就是让制造系统更加的透明，使原来不可见的设备衰退，质量风险，资源浪费等问题变得可见，从而通过预测性的手段，加以避免或者规避，实现无忧的生产环境。这样子总结起来其实就是刚才已经说过的那四点。这个时候我们就要去考虑一下我们的信息化，什么是信息化?什么是工业化?
我们可以从这张图上可以看到，我们传统的工业化一般是以PLC等可编程控制器，来作为我们的命令，发布，执行的单元。工业网一般是以工控机，PLC、伺服器、传动轴，包括我们生产线上一些智能开关、人工测量设备等，这类的工具或设备来进行结合以后，来实现我们生产目的。它的优点是什么呢?它的优点是数据命令有效、高速、准确、实时，网络结构一般以令牌环网(同轴电缆网)和高速以太网为主。缺点主要是单一、封闭、无法进行大量的数据的分析、评估，数据保存周期很短，无法进行有效的回溯。而我们现在看看传统的信息化。
我们传统的信息化是以PC为运算的控制器，以应用程序进行流程化的运算、发布、控制，可灵活编辑的应用平台，具备图形、图像，报表等分析能力和大数据的存储、报警、图形化显示，然后数据可以追溯。其实我们可以看到，它们俩之间都是由流程组成的结构。在我们传统的行业里面，我们一般来说这是两个独立的个体，然后我们一般所谓的打通最多就只是一些通过一些数据报表的流转来进行关联。这是我们一般的原来的信息化与工业化。
工业信息化是什么样呢?我们这样认为的，将传统的工业化与信息化通过一定的手段相结合，达到真正的两化融合，然后实现工业信息化的互通互联。大家可以看一下，就传统的工业化跟信息化的层级，我们可以看到，工业化的层级跟信息化的层级我们认为一个是正向的，一个是反向的，它们两个也可以相互是正向跟反向。我们传统的工业化的层级是以我们在生产线上有大量的数据，然后通过我们执行的单一的命令或者有效的指令来进行分析以后，进行设备的操作跟生产线的运行，达到唯一的目的，制造。
我们看一下我们信息化的这种层级，我们往往是通过单一的PC或者服务器对多点端的数据源进行采集跟汇总以后，把数据进行有效的分析，按我们的目的或者根据指令来实现我们相应的目的，最后呈现一个最终的结果。所以说我们说它一个是正向，一个是反向的，信息层级是数据信号执行到制造。信息化的层级是从数据源、知识管理，按照相应的流程达到智能，就我们的所谓的BI呈现包括我们的报表或数据结果的呈现。在传统的工业化与信息化割裂的情况下，企业往往只能通过产品的质量进行倒推生产质量。这就是我们所说的典型的“僵尸还魂术”，因为你已经有大量的生产成本投入了，最后你才发现了问题，这个中间就已经对企业本身造成了不可逆的成本损失。
看一下两者融合了以后是什么样子的，我们把两个三角都放在一块儿的时候，我们就可以看到，他们数据的层级在不发生任何改变的情况下，它的顶端就是我们原来信息化的最尖端出结果的地方，就是我们把它定义为智能。然后在我们工业化的层级里头，我们可以看到我们最终的这种出产品的制造这个地方，他俩是可以重合的，他俩重合在一块儿的时候，我们就会看到，它其实就是我们一直在说的四个字，智能制造。简单的来说，就是生产线上包括设备上的所有的状态，通过信号转换来完成制造，制造的结果，包括将生产线上的数据源给到信息化，由信息化进行分析，再按照有效的指令传给应用软件，软件最后指示传递给设备，要求设备做正确的动作。达到最终有效的制造。这样就做到了将工业化信息化了，将信息化工业化，这两者合在一块儿就是我们所定义的工业信息化。
大家都是这个行业里头的专家，而且都是在企业里头从事信息化工作，那我们已经做过了很多的软件，比如说PRM，MES，CRM，包括BOM，排产，然后MIS这些所有的东西。你看我们想一下，原来都是软件厂商來告诉我们说：我们的软件能达到这样那样的目的，能帮你解决这样那样的问题。那我们定义了四点，这个是工业信息化的必要性，如果任何一个乙方来告诉你，不管是厂家也好，还是任何一个专家来告诉你，我们的软件能对你的企业有什么样的帮助的话，没有这四点的话我们都认为这个软件就是一个不落地的软件。是一个耍流氓的。因为我们首先一点可以看到，工业信息化的这四点要素，也是我们作为智能制造基础的四个要素：一、对企业的生产数据进行全方位的监控。二、对企业生产车间、设备进行全方位的监控。三、对企业生产数据进行有效的分析和呈现。四、对企业生产全局进行可追溯，可评价，有效实施的管理。这也就是现在提到的精益生产跟精益管理。说了这么多，那我们看一看我们是怎么样去做的，还有我们做的一些东西。
我们做的时候，可以发现在所有的生产线上有从生产到管理有很多的黑管，那我们智能制造的第一步是可视，那我们可视的目的是什么?就是要尽可能打通所有一切存在的黑管，让所有的数据变成可视化，让所有的管理跟生产的流程或者生产节拍，包括乃至结果变成由数据来说话。因为我们知道，不管是未来还是从现在开始，数据是唯一的王道，流程是我们遵守的规则。那我们第一件事情的话，做得也跟一般的企业做得一样很传统的，就是我们对生产线进行了相应的数据采集。
我们采集的方法跟以前的采集方法略有不同的是没有使用传统脚本的方式，把数据抓回来，然后存到库里头。你从远端的PLC或者设备上把数据抓来的时候，那你的设备的数据到底是什么样?你是不可视，也不可控的。这往往就造成了我们经常可以在我们的信息化软件运行在生产线上的时候，有时候会造成数据不对等的原因。 就是因为我们对端真正的数据是不可视、不可见的。那大家可以通过这样张图可以看到，我们旁边有个蓝色的表，上面有很多的地址，地址框。
我们是这样的，我们把所有的设备采集项，包括设备的传输，在工业网里头我们做了一次汇聚，我们管这个汇聚叫master PLC，我们在master PLC上定义了很多的地址表，包含了我们这条生产线我们所有数据，乃至设备跟我们所要的数据，一句话来说：就是信息化需要的东西跟工业化需要的东西的所有的地址数据都是汇聚在这里。然后我们通过软件实现，把它做成一种映射的方式，我们这个可以直接看到目前存在设备上的数据是什么样的一个数据。我们用的方法跟大家很多的方法都是一样的，我们只是通过了简单的处理，按照时间采集地址，包括我们的采集数据值，记录的方式保存到我们的ODBC的用户端，然后再分发到数据库里头。
其中这一点就有一个最大的特点就是一个是配置灵活，通过配置文件可以直接配置到PLC的存储区的有效起始地址。PLC的有效的数据长度跟对端的数据，这是我们可以对远端设备进行控制的。第二个是ODBC这个源的配置和数据库还有数据表的参数的配置，都是灵活多变的。因为毕竟已经用很多年ODBC的这种方法，我相信大家已经很熟悉了。可以提高程序对用户系统软硬件环境的兼容。就是我们其实在做这个采集的时候，我们不需要有太多的硬件的成本投入。把数据采回来要干什么呢?我们采回来的话，我们一般其中有一部分数据是我们传统的生产数据的一些管理。比如说我们从数据库里面调用读取，从设备上实时采来的数据以后，进行分析跟整理，然后向我们的生产部门跟领导和各个的管理口提供统计的数据。包括指定的数据，包括要呈现的结果和一些简单的复合运算。刚才我说了，我们刚才那张地址表影射的时候是可以抓到我们的所有的设备的实时的状态，我们对设备进行了实时的监控。然后进行一些日常的生产管理跟统计的工作，包括查询，最后我会讲一下我们的一些不同的查询方式。
生产信息进行的录入和系统一些配置，这是我们底下的一些，这是我们的一个界面，然后它具备的一些特点是，就说它配置比较灵活，然后我们可以通过我们的管理员很简单的就对我们的一些数据，比如说设备的一个地址发生了变化，我们就可以我们的地址位上直接进行更改，然后同步到我们的PLC上，然后进行更改。或者是由PLC进行更改以后，或设备端更改以后，我们自动同步到我们的数据库。
然后这个表单可以看到，我们通过大量的数据采集，然后我们可以生成我们的所有的数据推移图，包括波形图这些东西。然后按我们的配置量统一配置，我们把信息化所有的配置都跟设备的配置相呼应。这个是我们做的产线用的生产数据管理系统的一个流程模板，就是我们在一次性取数，然后一秒钟之内读完所有的数据，因为我们的生产节拍是18秒，必须要达到实时有效，因为车间的这种使用状态是需要一种工业级的那种实时库，然后我们在一层采集完了以后，然后我们通过自己设定的一个庞大的数据字典来进行定义。随时可以增加和减少有用的数据，配置完了之 后，基本上我们可以达到两分钟之内就可以起效。还有一个定时计算，产生的技术数据报表，用报表工具呈现数据。数据的计算是单条0.1秒以内全部计算，结果是一秒之内实现。及时显示的设备当前状态，设备的历史状态可以查询，所有的设备的历史故障包括运行上线时间，包括也生成可以按周期进行它的历史状态的推移。这些数据我会后头来讲这些数据有什么用呢。
然后采用一般的就是我们传统的数据处理流程，然后我们把数据分成了三层。第一个是采集，就是原数据，第二个是整理，就是我们所谓的一般的报表的，就是按照我们数据的分类项，然后进行数据的整理。最后就是呈现我们的分析，就是我们所谓的BI。大家在旁边这个流程可以看到我们的设备基础实时数据是从哪里来的，其实就是我们刚才前头说的那个工业化具备的特点。就是设备上本身就具有大量的数据，这些数据它包含了很多的特性，比如说你的生产状态，设备状态，包括你现在的报警状态，包括你现在的流程的执行状态，包括你现在加工的生产节拍数，都是在设备上存在的。其实产线上很多的数据都在那里面，不管你用不用它，但这些数据都是存在的。然后我们通过原数据以后进行整理，按照各部门需求及工艺、生产流程、设备数据属性等来设定我们的基础数据，并进行计算跟分析，最后呈现为产线报表。其中你可以看到两个最大的关键要素，一个是我们的字典表，字典表就是我们整理的唯一的参照物跟制定整理的规则。第二个是基础数据，这个基础数据我们就跟我们的产线上的很多的数据都进行了分类，比如说有生产技术，比如说有设备状态的信息，有这个生产不良的状态，包括我们后头的质量分析对某单一产品上所有的缺陷、不良等状态的记录。
传统的日报报表跟一般的MES稍微有点儿不同的就是，我们可以在数据分析里头可以看到，在这一个月里头某一项参数在某日某个时段的波形或者突发或异常。这就是把生产已经做了数据分析，这些的波形图我们可以导出到本地，也会归到库里，以便于我们的生产工艺，工艺设计，包括产线设计人员进行产线的跟踪与分析。
其中我们在这个表单看起来很简单，因为我们没有把太多的成本投到美工跟美化上。这是我们系统里头的一个表叫设备实时监控。这个设备实时监控是我们在生产线上所有的工序设备，所有的机器人，因为我们的生产线总归下来要有16个机器人，跨越了12个工位环节，这里头就是每个机器人的状态还有传输的状态，包括无人小车的运行状态，我们做了相关的设备地图。
传统的MES上针对设备一般都会有图上方的这四个点，就是四个设备状态其中分别是正确状态，故障状态，在线状态和离线状态，一般MES里面也具备设备工业地图，而在这点上我们做了一个环节，为什么我们说是实时监控呢?是因为我们这几个灯，如果说某一个设备发生异常的时候，我们会在这个设备界面上弹出来一个告警，图形的颜色也会发生变化，变到有故障状态的时候就变成橘黄色。然后会弹出一个提示框，告诉你这个设备的哪一个关键部件或者是哪一个驱动部，或者是因为前后的设备造成了它的报警跟它目前状态的不良等，都会直接显示出来。
这样我们就可以抓到实时的问题原因，就可以发现设备表面运行状态上没有体现，而我们看不出来的一些隐性的故障，与这张图这样展示的一样，你可以看到我们在这一个告警状态的时候，上面有一个故障编码，用故障代号提醒是一般在工业领域设备本身具备的，一般自动化工程师或者说一些设备管理工程师他们能看到的。传统的MES也是这样的。一般是设备出现问题以后，他们会联到这个设备上，然后去看这个设备的日志，比如说它有一个什么什么，就多少多少的一个报警，然后他们再去翻这个设备的设备手册里头的这个报警是意味着什么，是什么意思。但是在我们这个软件里的时候，我们已经把所有的设备进行了全局的翻译，我们可以直接告诉设备工程师这个设备的故障位置是哪里。
这样的话我们的设备工程师就可以在我们的可视化工厂之外，在他的办公室里头只需要打开软件就可以看到当前所有的这个设备运行的状态，我们做完这个的时候，有几个主要的高层领导他们就说了，打开这个报表我们就可以看到我们的目前的生产状态，就是及时的实实在在的生产状态，设备运行情况，包括我的生产执行情况是什么样的。我就知道我的工厂目前的状态是如何的。 上面这些就是我们做到的设备从最底层上的第一个可视。
刚才前头一直说的是关于生产，就是我们刚才前头所有的东西，包括我们的生产的状态，包括我们的设备，然而这些都是属于我们的生产质量的范畴里头。为什么我们要把生产质量跟产品质量进行分开来定义呢?是因为生产的主体是什么?也就是说你工厂的主体跟最重要的目的是把设计好的产品在你的生产线上用最优的方式把它生产出来!那我们为什么要用大量的成本和人力协同生产技术跟设备技术，在产线设备上去下力气去做这个东西呢?是因为我们一直认为所有制造业跟工业的主体，包括你的数据的承载的主体，其实就是你的生产制造工具，就是你的设备。然后我想可能大家就会开始有疑问，你们会有一些想法，因为大家有一些人可能说，其他有些企业是零散型制造业，你们是流程型制造业，那你们做这些东西就比较容易，很简单。那我们零散型制造业跟你们还是有区别的。我们有我们的特殊性跟多样性。那我就想在这里把前头两个东西，就是一个是生产质量，一个是产品质量给大家稍微的讲一下。因为这个没做图，我只是拿话说一下。
前两天我参加了一个研讨会，与国家标准组的一些专家一起聊，也聊到了相应的问题，就是如何让零散型企业跟流程制造型企业一样，让他们达到一样的目的，去实现可视?那我说可视的方法其实很简单，因为不管是流程型企业，还是零散型企业，你们的所有的企业的目的是加工跟制造。那你的加工工艺跟你的产品的制造执行的流程是不是可逆的呢?不管是流程型企业，还是零散型企业，你所有的制造，就是加工工艺跟生产流程，这两个东西都是不可逆的。不可逆的情况就说明了我们其实可以把流程型企业理解成我们把所有的加工中心是汇聚在一个房间里头，我们快速的进行传递。通过自动化的手段进行传递。那我们零散型的企业我们就可以把它想成一条生产线，然后只是我们把我们的生产环节放在了不同的厂房里，或者办公室里。你所有的产品依然还是按照流程在进行流转的。这就是我们能找到其中的一个共一性。很多的零散型企业说我们的这些有多样性，我们是手工业者，我们是作坊类的，那OK了，你不管是手工业者，还是作坊类的，还是你是机加工的，那你生产一个产品，你总是从它的第一步一直到最后一步，你是按着节拍来进行的。那我们想，我们要打通中间的黑管的时候，我们可以说对每一个零散型的这个厂房，这个加工车间不管你是车桥厂，还是做灯泡的厂，那你的这个进出口的数据我想你是可以拿到的吧?那我们先拿到你的进出口数据的时候，我们就可以知道你目前的生产的，就是你的生产结果是什么样的。
那我们在内部再进行数据的梳理跟优化的时候，我们就可以发现，其实我们很多的东西是依然是可以按照流程去把数据抓取回来的。为什么我们先把生产质量要放到前头呢?是因为生产质量是产品质量的先决条件，如果没有良好的生产质量就无法确保证产品质量，如果你产业的生产架动力是多少你不知道，你生产线上的目前某一个加工环节的生产状态是什么你不知道。那样你生产出来的产品本身就是不可靠的，如果再拿一个不可靠的产品最终的内在的产品质量来倒推你的生产环节及工艺的话，我想这种方法往往会达不到目的。因为问题你会发现问题会多元化，因为你没有办法精准的去发现你的问题，你的故障，问题原因的结点。那个时候你就会将大量的人力、物力、包括财力都造成了浪费。这个对于我们目前的这种工业来说是不允许的。
刚才说了，把所有的数据抓完了之后，我们把前头的生产质量做完了以后，那我们肯定要做我们的产品质量的跟踪跟分析。我们从产线的检验设备上是直接抓取，也是通过我们采集的方式直接把数据抓取回来，然后通过数据库优化再进行分析。我们所有的生产，因为我们每个产品的单一的生产节拍，我们生产节拍是18秒，产品在通过产线检验设备的时候，这个产品上就具备了大量的数据。这些数据就拥有了几个功能，比如说我们单件产品质量的情况的查询，统计，图像展示。质量缺陷的叠加分析，这些分析原来都是数据拿回来以后，检验部门他们手工来做的。要耗费有大量的人力去做这个东西，我们现在已经把它实现成自动来转换。第三点是产品质量的一个波动图，你可以看到你当前产品质量的状态，这个可以给工艺跟质量部门一个大概的预警和一个状态的展示，可以进行数据有效的分析。第四个是产品质量数据的自动定时的抓取跟整理。基本上一张板子在状态不太好的时候，它可能包含了不良数量能达到上千个，几千个不良信息点，然后再加上它自己的本身的属性，光这一个板子可能要具备就是有千级的数据量。第五个是产品缺陷的数据的自动导入和整理。可以将我们产品的这些数据直接对应我们的生产报表，直接传输给我们生产报表，告诉我们在这个产线的某一个时间段里头，这个产品是良品还是不良。这些都是在线就可以进行检测并完成。
其中我们刚才说到了数据量的大小，就是这里我们就基于了一些大数据的技术，我们现在能满足每个月的话是两百万条以上的数据处理要求。然后我们能从其他的数据库里面，因为对端设备是第三方的数据库，从第三方的数据库里面按我们的一个节拍量进行定时的数据的整理，然后把数据的整理拿回来以后进行分析。也可以获取其他的一些报表，其他设备上生成导出的一些EXCELL的表单等数据，比如说测厚，称重等等，这些设备输出来的就是一些EXCELL数据源，我们就要把这些数据源及时的抓取以后，进行把它再转换成实时的数据，然后回馈给生产系统里头。
我们在这上面也采用了大数据的一些技术，其中我们就有一个叫异构的系统集成。比如说我们设备的数据，在unix系统底下，用了PostgreSQL，生产数据库采用的是SQL，是基于window系统的，我们的设备的远端很多是基于单片机的。还有基于SQLINTE系统的。所以在设计里也做了多系统的融合跟整合。
系统里自动按要求产生我们的报表数据，以便于查询跟分析。系统能按时间分析产品的整体的质量情况，按照时间的大小、位置分析产品的缺陷的分布情况，这个是一般我们原来的传统的技术质量软件是不具备的。以前我们一般用的都是BS，或者是CS的这种结构的软件系统。它数据量一大的话有时候就会造成一些比如说内存的溢出，然后报表工具的崩溃。我们采用了大数据分析技术，把所有的数据都进行了小细量的一些规划，然后跟分类。重新设计了我们的数据模型跟数据流向。现在已经完成实现了自动叠图这种质量分析的方法。可以达到的是单条缺陷数据基本上是在100毫秒以内就可以实现。单品的整体的分析，一般我们是在一秒之内，刚才说了，一条单品的话可能要具备上千个或者好几千个数据，基本上单品整体的分析是在一秒钟之内。我们基本上已经满足了现在18秒的生产节拍。我们未来的话，如果说优化产业的话，可能会达到10秒钟的生产节拍。那我们现在已经满足了我们未来的升级的一些需要。如只按生产节拍的话，现在实施历史数据的分析或查询都是已经能满足了。
听我说得这么好听，然后我们就是把我们的一些实际的系统的界面给大家展现一下。大家可以看到，在这个界面上，可以选择所有的分类，包括时间点，然后可以看到比如说一个线体，可以选择某生产线的线体，包括要生成的这个叠图的区间，这可以任意一个批次，比如这个批次可能要叠两百张或者三百张，也可以选择十张，或者20张，或者也可以选择某个班次上千张的这个数据，然后进行整体的一个数据分析和统计。包括所有的不良有多少个，板子的缺陷是什么，它的这个缺陷的各占的全部的百分比是多少，边的尺寸的大小，包括它的平均值，也进行平均值的计算，会呈现单板含量的一个最高值的柱状图，还有其中把产品的不良进行分类了以后，可以生成比对图。
比如说这张板子上什么样的不良是占得最多的。这是一个缺陷叠图，因为我们是做基板跟面板的，因为是玻璃它有时候就会有一些结石，颗粒物，包括一些表面附着物，包括一些划伤，包括一些原材料有可能会造成一些材料学上的一些缺陷。那你们可以看到，这一个批次我们用数十张板子最后叠出来的这个图。能够告诉你这一个批次的不良的走向是什么样的。就可以知道，你目前的生产工艺包括你的生产状态是什么样。就是可以便于我们的前端通过DCS进行设备的一些调整或工艺的监控，通过后端数据向生产前端进行反馈以后，生产前端就可以进行相应的控制。
这是动态提供的产品不良推移图，实时的来提供24小时之内当天、当班所有的不良的及一些缺陷的推移。比如说你这个某一个缺陷事故突发了，它是在上涨的阶段呢?还是进行有效的调整后下降?这个图对整个生产的分析，包括在线的控制，在线的调整，具备了非常重要的意义。
讲了生产，讲了生产质量，讲了产品质量，作为制造企业，就要做成闭环，做成闭环的话，人机料法环。其中最后的结果就用户的异常反馈。我们自建了我们自己的客户异常信息反馈系统，通过这个用户信息反馈平台形成有序的用户反馈问题的处理闭环。将平台做到可追溯，可管控，清晰有效的帮助生产线提高质量。对异常可及时的追踪。结果通过网页或者通过邮件发送给用户。这是我们的一个流程。一般是由我们的用户服务组，或者我们的销售把用户的异常信息反馈过来的，将反馈过来的问题，包括对策结果评价，然后及时进行上网。对相关的责任进行有效的分析，实时的反馈给当前的工序。这个表就是售后部门提出的基本流程，先是反馈，然后再是各部分进行查阅跟签阅以后，进行分析跟对策。然后再反馈给我们相关的部门，然后通过我们技术质量部及公司的领导进行审核以后，进行认可，再答复给，再评价它是不是解决了用户所提到的一些异常信息。然后我们再反馈给用户，然后用户进行认可以后，然后再反馈给我们相关的这个用户信息反馈，然后我们再把这个用户信息反馈归档，然后进行分类，然后以备于我们以后出现问题的时候，处理的一些参照。也是为我们明年后年想将这个系统升级做到我们的2.0来打下基础，我们的工业大数据分析2.0 其中就想要做到智能学习。包括我们的专家系统，然后通过这个学习，实现真正有效的可预知。
下面我给大家看一下我们的做的这种异常反馈的流程。大家可以看到，我们的流程刚才我说了，通过这个售后服务组，反馈给我们的工艺技术质量办公室，然后在质量办公室通过分析以后，找到相关的制造工艺部门，进行相应的反馈。我们会在我们的表单里面做一些时效性的这种监督。你必须什么时候处理完，因为用户反馈给我们的时候，会给我们一些时效，我们会把时效进行压缩以后分配给底下的这些生产线上。由直属的各个生产线的部门再把这些问题发送给底下的工程师进行实际的有效的对策。这个是我们做的客户异常信息反馈单，这是我们自己设计跟自己开发的一个东西。
可以填报一些比如说用户的一些异常反馈这些报告，包括一些图片，包括一些东西，可以从网盘，可以从用户的邮件里头直接调用的。各部门的审核，发布，相关部门的分析结果的描述，包括他自己的相关的附件，处理结果。再反馈给我们的监督部门，我们的技术质量部相当于在这个全流程及工艺里头是做到分析、监督跟评价。其中售后人员就这个结果是不认可还是持续改进，会打回去，直接从流程里面再流转。
这里面我给了一张图出来，这个是我刚才，包含前面讲的所有的东西，这是以一个基本的思维导图方式来呈现的。包括生产的流转，设备数据的流转。蓝颜色的是我们一般原来传统企业信息化来实现的。红颜色这一条一般是我们在工业化里头实现的。那我们通过自己技术的采集跟结合，我们就可以看到，我们把所有的数据做到闭环，我们把工业跟信息融为一体，然后进行实际的闭环。然后充分的完成人、机、料、法、环的闭环。
给大家讲了半天，这就是我们基于工业大数据技术的工业信息化。是将生产质量跟产品质量进行打通了以后的一个汇报。当然这中间也用到了互联网的一些新的技术。但我们认为的互联网+是什么样的呢?就我个人一直认为互联网+这个是四个字，每个字有自己的单独的独特的含义。然后它每个字都具备了自己的一个独特的唯一性。
互，我认为是协同、互通，打通技术与研发，研发与生产的一致性和独立性。这是打通原来生产跟管理，生产跟工艺，生产跟设备，众多的因素的两张皮。联，就是联合生产或者供应链上下游资源和技术。打通上下游跟各部门之间各环节之间的壁障。网，就是将工业网与信息网进行有效的整合，打通生产供应技术等方面的上下游链路的信息和壁障。+ 就是将通过前头的这三个字，然后加什么呢?就是加企业本身的核心竞争力和技术迭代能力。然后实现，通过互联网+N再使用工业大数据的方式，使我们的企业得到在智能制造方面有效的转型。
在最后给大家分享一下我们关于企业发展战略跟企业IT战略的一些认知。我们认为首先一点，制定企业的发展战略一定要问自己的企业四个问题，一是我们有什么，二我们能做什么，三，我想做什么，四我要怎么做。然后这样才能制定出来落地的企业发展战略。否则假、大、空的发展战略反而会成为抑制企业发展的罪魁祸首。
出于我们自己都是信息化的人，所以说我们每年都会做企业的IT战略。我们认为企业的IT战略应该是成为企业的助力，如果不认真的分析自己企业的流程，生产模式，包括生产部门的需求点及痛点，那你的制定出来的IT战略就是悬空的。你的IT战略的制定应该是与工艺、制造、设备、营销等部门进行共同的分析，找出满足企业升级转型、产品迭代等需求的企业助力。这就是我给大家分享的，各位见笑了，谢谢大家。
