机床也要健康监测？AI博士回国创业成为机器设备“保健员”

系列报道④

机器专业科班出身的海归博士冯建设在告别前东家工业富联之后，参与了信润富联的筹建工作，聚焦后道工业质检无法在生产过程中及时发现异常的痛点，运用博士就读期间机械设备故障诊断、健康管理和运筹优化等专业知识，并在百度飞桨深度学习平台开源时序建模算法库 PaddleTS的加持下，推出了汽车零部件制造场景的精密制造在线异常监测系统 MachineProphet，及时发现生产过程中的机器设备异常，缩短40%计划外的停机时间，避免95%以上的生产批量异常并及时对异常原因追根溯源。

与此同时，对于人工智能为代表的新兴技术的快速发展，冯建设并不感到担忧反而大胆拥抱新技术，希望新的技术工具能够赋能智能制造，进一步提高工业制造的生产效率与质量水平。

填补行业空白，成为机器设备“保健员”

“就如同人会去医院，通过医生的望闻问切以及各种化验检测来得知自身健康状况一样，我们也瞄准机械设备故障诊断和健康管理上的空白，关注机械设备生产运作时的健康状况，通过各种数据检测和算法优化，预测出机器何时会坏？坏在哪里？要怎么去修？什么时候修最好？”在谈及自己工作性质与内容时，信润富联CTO冯建设表示，“我们的工作就好似在给机器设备做‘保健’。”

实验室研发传感器。

据了解，信润富联由中信集团、华润集团、工业富联三家行业巨头联手出资创立。2019 年，信润富联帮助全球最大的铝制底盘零件供应商中信戴卡打造了中国汽车铝制品加工行业的第一座灯塔工厂，树立了中国汽车制造行业的新标杆。信润富联打造的冲压过程智能监控系统、冲压设备集群智能管控系统等系列产品已在上汽恺博、美的集团等企业完成商业交付落地，其“金属精密加工工业互联网平台”更是入选工信部《2022 年新一代信息技术与制造业融合发展试点示范名单》。

冯建设与智能制造的缘分源于其求学路上知识架构的不断蜕变。冯建设曾先后取得同济大学机械工程学士学位、浙江大学机械电子工程硕士学位以及美国辛辛那提大学机械工程博士学位。

其中，本科阶段的参赛和实验室经历让冯建设明白“现代制造将是机器设备、计算机信息技术的有机融合”并将其视为往后的研究方向。在研究生阶段，冯建设对上述方向有了更深刻的认识，其专业方向也微调成机械电子工程，开始将数学统计、自动控制，传感器、计算机软件编程等不同领域的专业技术与机器制造融会贯通，这也与冯建设就读博士期间的机械设备故障诊断、健康管理和运筹优化的专业研究方向不谋而合，也就此开始探索如何通过数字化技术提升智能制造的整体水平。

随着对工业制造领域认识的不断深入，冯建设愈加认识到智能制造的重要性。他举例表示，在汽车制造业，上汽大众生产线基本一分钟就可以下线一辆汽车，生产零部件速度更快，钣金零部件冲压每分钟可以生产成百上千件，一旦制造设备出现故障，5分钟将会生产出5000件废品，如果无法及时发现异常将会损坏机器设备，影响工厂生产成本与生产节奏。如果有在线异常监测系统，系统则会对上述生产流程进行监控与预警，及时发现早期生产异常，保证所交付的产品质量，避免类似情况的发生。

2020年10月，综合所学与所闻，加之当时老东家工业富联有意跳出与中信、华润等企业甲方乙方的传统合作模式，更好地发挥智能制造的赋能作用，冯建设决定参与信润富联筹建工作，聚焦于打造代表制造业最高水平的灯塔工厂及赋能行业数字化转型的工业智能解决方案。

克服技术转化难题，“机器先知”问世

不过，从实验室到制造工厂，冯建设及其团队的技术落地转化之路并非一帆风顺。

“制造业本身是业务驱动，是客户价值导向的，很多时候技术手段解决特定问题不是客户的第一关切，如何降本增效、提高生产质量才是关键，因为制造业是要算账的，是要时刻清楚投资产出的ROI数据的。”冯建设表示，除了认知水平外，生产环境恶劣、产业数据获取、产品耐用性测试以及产品落地成本等因素也是一大挑战。

以信润富联耗时八个多月研发，面向汽车零部件制造场景的精密制造在线异常监测系统 MachineProphet为例，其主要分为偏硬件的高精度传感器、偏软件的多模态信号融合以及软硬件集成三大部分。

MachineProphet工业现场运行示意图。

其中，如何在嘈杂、闷热的生产车间有效捕捉弱异常信号成为冯建设团队面临的一大挑战，也是团队需要耗费一半时间去攻克的难题。同时，由于工厂留给团队架设设备的时间十分有限，加之MachineProphet涉及人工智能算法，其推理需要较高的算力资源，如何把众多设备集成到较小的硬件盒子里，并以较轻便的方式把产品布置在工厂内，也是一大挑战。

“我们通过做降噪、自适应滤波、时频分析等大量的高阶信号处理操作来实现信号特征增强。”冯建设还透露，百度飞桨时序建模算法库PaddleTS 的应用，其涵盖时序预测和时序异常检测两大核心场景模型，赋予了MachineProphet对设备识别与检测更为精准的能力。

冯建设表示，在研发团队没有应用飞桨 PaddleTS 之前，信润富联的技术专家拿到数据后，会做一些基础性时序特征分析，进行异常检测尝试，并将其画成工程图，这部分的工作量非常大，但放在 PaddleTS 里后，就能进行流水线式的设计和执行，这样大大节省了人力，提高了开发效率。

MachineProphet并非简单的产品质检系统，其不同之处也如其“机器先知”的翻译，在于“事中”预测监测，能在加工生产过程中及时发现早期的微弱异常，从而避免异常带来的产品质量、用料成本、设备故障等问题。

对此，冯建设则是用“魏文王与扁鹊三兄弟”的典故来说明其中的区别。他认为MachineProphet的作用就如扁鹊中兄“治病于病情初起时”，并不断朝着扁鹊大兄“治病于病情发作之前”的方向努力，通过数字化技术提高生产制造水平。

基于弱异常的精准感知与捕捉、场景化的故障特征增强技术以及人工智能算法的建模分析，MachineProphet在汽车制造领域大显身手。其中，MachineProphet能够及时发现设备异常，缩短40%计划外的停机时间，避免95%以上的生产批量异常和及时对异常原因追根溯源。

积极拥抱新技术，拓展业务新方向

“我从来都没想过这个问题，因为工业制造领域非常喜欢接纳新技术工具，新技术工具的出现对于工业制造而言更多是生产效率或者标准化能力的提升。人工智能技术的出现与应用只是工业制造的许多关键环节中的一环而已。”在面对“人工智能等新技术发展是否对你带来危机感”的灵魂拷问时，冯建设坦言，工业制造领域是一个庞大、完整的生态系统，以MachineProphet为例，其涉及传感器、物联网、云计算、软件工程化等诸多技术，更多会考虑如何能更好地利用新的技术工具提高生产效率。

与此同时，人工智能与工业制造的结合仍有障碍需要扫清。工业制造和人工智能结合的中间需要类似于“翻译员”的角色，需要准确地把工业制造的问题翻译成人工智能可以解决的模型问题，同时还要把人工智能产出的结果，与生产现场的执行流程和软件系统相结合。

冯建设表示，随着生产在线监控、设备预测性维护等单点智能的场景化落地，越发证明机器学习、深度学习等 AI 技术对智能制造能力提升具有巨大价值。这些单点智能如同预实验在各个场景下的开花结果，会进一步驱动智慧工厂逐步从单机深度智能走向群集广度智能，实现智能运维、生产、质量等环节的深度结合。

未来，MachineProphet模型有望应用到其他行业。在冯建设看来，精密制造在线异常检测平台本质上是解决精密制造如何在过程中提升生产能力、提高产品质量的现实性问题，而该问题具备普适性。除了冲压工艺之外，注塑，焊接、挤压、半导体封装等其他精密加工场景中均存在类似的精准控制与动态调优的诉求。基于飞桨 PaddleTS 开发的系统异常检测能力，不仅能在汽车制造行业大显身手，也能应用到风电设备运行、母线负荷预测系统、风功率预测、设备状态检测和故障预警、水质监测等其他众多工业场景中。

采写：南都记者 陈培均