數(shù)據(jù)應(yīng)該從制造業(yè)中來(lái) 也應(yīng)該回到制造業(yè)中去

文：中國(guó)工程院院士楊華勇

做制造的人都叫“智能制造”，做IT的人都叫“工業(yè)互聯(lián)網(wǎng)”，目前中國(guó)制造在推進(jìn)六大工程，最熱的是智能制造，最冷的是強(qiáng)基工程，最藍(lán)的是創(chuàng)新工程，當(dāng)然還包括高端裝備、綠色制造和后來(lái)加上的品牌工程。

我們都知道現(xiàn)在中國(guó)的智能制造非常熱，在全球也非常熱，主要從兩個(gè)方面思考智能制造：一是智能制造的內(nèi)涵，智能制造包括五個(gè)方面，網(wǎng)絡(luò)制造、智能技術(shù)，3D打印、機(jī)器人技術(shù)還有智能裝備。二是從產(chǎn)品的層面考慮，現(xiàn)在聊的最多的機(jī)器換人只是智能制造的一部分，也就是我們說(shuō)的生產(chǎn)過(guò)程的智能化。產(chǎn)品要走向高端，應(yīng)該是產(chǎn)品的智能化。還有整個(gè)產(chǎn)品的全生命周期使用過(guò)程的智能化。

過(guò)去十年中國(guó)社會(huì)財(cái)富增長(zhǎng)最快的還是IT行業(yè)，科技投入最大的也是IT，現(xiàn)在A、B、C、D、I都成為了熱門(mén)的詞，AI、BlockChain、Cloud、Data，還有IoT，現(xiàn)在40%的GDP來(lái)自制造，40%中一半是流程工業(yè)、一半是離散工業(yè)。

所以，在浙大，流程工業(yè)比較多的是控制學(xué)院，是孫院士帶領(lǐng)的團(tuán)隊(duì)，我們主要是做離散工業(yè)。我們都在講產(chǎn)業(yè)的升級(jí)和產(chǎn)品的升級(jí)。

我們都知道互聯(lián)網(wǎng)把全球的消費(fèi)者連接在一起，互聯(lián)網(wǎng)倒逼服務(wù)，在互聯(lián)網(wǎng)經(jīng)濟(jì)、數(shù)字經(jīng)濟(jì)下都講究用戶體驗(yàn)，這就倒逼服務(wù)升級(jí)，服務(wù)升級(jí)倒逼制造升級(jí)，所以整個(gè)供應(yīng)鏈都在講智能化的問(wèn)題。

技術(shù)上說(shuō)的IT業(yè)的AI、大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等等，實(shí)際上要如何轉(zhuǎn)化為企業(yè)側(cè)，企業(yè)的需求就是成本、質(zhì)量效率，還有新的方案、新的生態(tài)，中間的連接就是工業(yè)互聯(lián)網(wǎng)，工業(yè)互聯(lián)網(wǎng)也是IT業(yè)所說(shuō)的互聯(lián)網(wǎng)下半場(chǎng)，它最重要的戰(zhàn)場(chǎng)是在工業(yè)。

工業(yè)互聯(lián)網(wǎng)架構(gòu)

現(xiàn)在總是說(shuō)工業(yè)互聯(lián)網(wǎng)，互聯(lián)網(wǎng)的數(shù)據(jù)市場(chǎng)從全球看主要是三大市場(chǎng)，領(lǐng)先的是美國(guó)，歐洲是德國(guó)。亞太是中國(guó)，目前預(yù)測(cè)都慢于實(shí)際，之后增長(zhǎng)速度非?？?。

具體來(lái)看這個(gè)數(shù)據(jù)市場(chǎng)主要是在這一塊，最大的還是設(shè)備管理。產(chǎn)品的售后服務(wù)占了38%，還有生產(chǎn)過(guò)程中的管控，包括監(jiān)控、能耗、質(zhì)量管理，整個(gè)生產(chǎn)過(guò)程的優(yōu)化占了28%，企業(yè)的運(yùn)營(yíng)管理占了28%，運(yùn)營(yíng)管理是18%，資源配置13%。

我們說(shuō)的很多產(chǎn)品設(shè)計(jì)和工藝管理，事實(shí)上大部分是秘密，不在數(shù)據(jù)市場(chǎng)中。

目前需求很大，需要做的就是數(shù)據(jù)建模、數(shù)據(jù)分析，就是設(shè)備的健康管理、產(chǎn)品的售后服務(wù)、生產(chǎn)的管理優(yōu)化、能耗與質(zhì)量管理，還有客戶關(guān)系管理、財(cái)務(wù)、生產(chǎn)過(guò)程監(jiān)控與安全管理。

再下來(lái)就是全流程的數(shù)據(jù)能力、金融服務(wù)，真正的仿真設(shè)計(jì)與工藝只有3%。所以如何打造工業(yè)互聯(lián)網(wǎng)的架構(gòu)，事實(shí)上需要各種方面的人。

我們都知道阿里云下有個(gè)工業(yè)云，工業(yè)云有做IT算法和工業(yè)的部門(mén)，但真正要在制造業(yè)應(yīng)用需要懂制造，工業(yè)知識(shí)也是不可顛覆和替代的，需要一起打造一個(gè)系統(tǒng)。

最近一年多，我們?cè)谟懻撊绾巫龉I(yè)數(shù)據(jù)的開(kāi)發(fā)與管理，還有工業(yè)數(shù)據(jù)的智能應(yīng)用開(kāi)發(fā)以及工業(yè)流程內(nèi)部各個(gè)工位之間復(fù)雜的關(guān)系，如何把它做上平臺(tái)，然后用IoT和5G把它連起來(lái)，再推到各個(gè)行業(yè)。

總得來(lái)說(shuō)，工業(yè)行業(yè)有49個(gè)，小的行業(yè)有400多個(gè)，實(shí)際上每個(gè)行業(yè)的龍頭企業(yè)需求、專(zhuān)精企業(yè)的需求和中小企業(yè)的需求完全不一樣，這就需要做很多事。

從數(shù)據(jù)管理的角度來(lái)看，它需要把整個(gè)產(chǎn)業(yè)鏈從供應(yīng)商和物流把人、財(cái)、物全部管理起來(lái)，現(xiàn)在用戶的體驗(yàn)、運(yùn)行也需要管理。

具體到企業(yè)內(nèi)部就是物料、工裝、人員、設(shè)備、供應(yīng)、訂單、供應(yīng)商的管理。

而平臺(tái)一旦打造起來(lái)，它是大數(shù)據(jù)的多元融合，計(jì)算的應(yīng)用、可視以及業(yè)務(wù)的智能，需要整合各種數(shù)據(jù)，最主要的目的是產(chǎn)品質(zhì)量溯源，現(xiàn)在要高端產(chǎn)品質(zhì)量的溯源，裝配工藝建模方面的分析和資源的排查和整個(gè)物流系統(tǒng)如何做優(yōu)化。

再往下看，真的要讓企業(yè)各種人員和外部能夠運(yùn)用起來(lái)，就要開(kāi)發(fā)算法與組件，還有面向各種業(yè)務(wù)人員，也就是windows化和圖形化比較方便，一線的操作人員都要應(yīng)用起來(lái)。

現(xiàn)在企業(yè)內(nèi)部有很多數(shù)據(jù)，大家都知道數(shù)據(jù)是寶貝，但沒(méi)有真正利用起來(lái)。我們調(diào)查過(guò)真正的商業(yè)數(shù)據(jù)不到4%，所以怎么統(tǒng)一、規(guī)范，讓它易用，工業(yè)機(jī)理如何沉淀下來(lái)變成知識(shí)，不要變成人盯著數(shù)據(jù)，現(xiàn)在的數(shù)據(jù)用量很小。如何讓機(jī)器變成智能，讓機(jī)器智盯數(shù)據(jù)。所以，做流程、做看板可能是一個(gè)途徑。

工業(yè)典型案例

我舉幾個(gè)案例：

案例1：質(zhì)量管理。

大家都知道浙江春風(fēng)動(dòng)力股份有限公司的摩托車(chē)生產(chǎn)，摩托車(chē)是傳統(tǒng)的制造，春風(fēng)是后起之秀，每年銷(xiāo)售額50億左右。

這家企業(yè)非常有競(jìng)爭(zhēng)力，這是一個(gè)國(guó)賓車(chē)隊(duì)的摩托，這個(gè)車(chē)輛和傳統(tǒng)車(chē)輛相比有100多項(xiàng)評(píng)比，它要求高、質(zhì)量好，而且政府采購(gòu)價(jià)格不高，企業(yè)還不想虧損。工信部審核，春風(fēng)動(dòng)力做自動(dòng)化，同時(shí)降低一線員工的操作工人。

因?yàn)楝F(xiàn)在到加工車(chē)間看加工非常傳統(tǒng)，有30臺(tái)各種型號(hào)、不同年份、不同國(guó)家的機(jī)床，一般一個(gè)機(jī)床都有一個(gè)操作工，所以車(chē)間里3-5個(gè)維修工，30個(gè)操作工，就是做數(shù)據(jù)的指揮中心、做看板。

不到一年下來(lái)，30個(gè)機(jī)加工車(chē)間，現(xiàn)在操作工只有4-5個(gè)人左右，大幅度減人，這就有了效益。

他們嘗到了甜頭，競(jìng)爭(zhēng)力很大，小批量也可以成本優(yōu)化，所以它做摩托車(chē)、沙灘車(chē)，并且開(kāi)始出口。他們做了二期，現(xiàn)在還要做。摩托車(chē)行業(yè)主要的還是發(fā)動(dòng)機(jī)，發(fā)動(dòng)機(jī)最頭疼的還是裝配線。

如果用比較簡(jiǎn)單的方法改造裝配線，具體就定位到成本低，不要大幅度改造裝配線，能夠快速響應(yīng)，用數(shù)字化的手段改造。

最后找一個(gè)答案做工位，就像擰螺絲釘，擰過(guò)或者擰不到位都有問(wèn)題，后期改造成本大而且影響品牌。

現(xiàn)在如何把裝配軌跡跟蹤和軌跡標(biāo)注變成數(shù)據(jù)，通過(guò)數(shù)據(jù)及時(shí)報(bào)警、預(yù)警，馬上改正，可以實(shí)時(shí)的做。現(xiàn)在就是一個(gè)一個(gè)工位做下去，做二期，再把算法更新。

案例2：溴冷機(jī)智能遠(yuǎn)程運(yùn)維。

空調(diào)有兩個(gè)核心，一個(gè)是電機(jī)，一個(gè)是制冷，看看雙良。傳統(tǒng)的做法是做個(gè)閾值，如何超過(guò)閾值，它就報(bào)警，真的超過(guò)閾值的時(shí)候已經(jīng)出現(xiàn)了故障，現(xiàn)在是如何根據(jù)歷史的數(shù)據(jù)建模型，可不可以提前預(yù)警，也就是要把數(shù)據(jù)打通、硬件打通，把傳輸打通，把數(shù)據(jù)放到云端建模。

它可以把歷史的數(shù)據(jù)放進(jìn)去，收集專(zhuān)家數(shù)據(jù)，數(shù)據(jù)足夠大的時(shí)候可以讓機(jī)器學(xué)習(xí)，根據(jù)歷史數(shù)據(jù)預(yù)測(cè)，看分布，實(shí)現(xiàn)提前的報(bào)警。

這邊就是一個(gè)案例。去年八月份專(zhuān)家判斷27日有問(wèn)題，數(shù)據(jù)報(bào)警預(yù)計(jì)是27日11點(diǎn)，大概相差3個(gè)小時(shí)，但發(fā)生故障是2天以后，就是29日發(fā)生故障。

所以，它有一天多的時(shí)間提前維修，很容易排除故障。設(shè)備故障率降低了30%，這就是根據(jù)機(jī)器提前預(yù)測(cè)故障，提前預(yù)警。

案例3：盾構(gòu)機(jī)掘進(jìn)輔助駕駛。

我們07年做了第一臺(tái)樣機(jī)，等了1年用起來(lái)，最近11年我們已經(jīng)占領(lǐng)了很大的市場(chǎng)。

我們的技術(shù)已經(jīng)和國(guó)外并跑，但還沒(méi)有形成引領(lǐng)，現(xiàn)在中國(guó)盾構(gòu)掘進(jìn)機(jī)占了全球用量的55%-60%，出口到21個(gè)國(guó)家，現(xiàn)在很多隧道施工都有問(wèn)題，現(xiàn)在從2米到16米的隧道，真正施工下只有12個(gè)人，有6個(gè)做管片拼裝，還有1個(gè)司機(jī)，司機(jī)是關(guān)鍵崗，現(xiàn)在發(fā)展太快，司機(jī)培訓(xùn)不夠。

地面支持經(jīng)常是半夜出現(xiàn)問(wèn)題，該出的都出事了。如何智能做事，我們和兩家央企中國(guó)龍頭企業(yè)和世界龍頭企業(yè)做這個(gè)事。

舉個(gè)例子就是設(shè)備的分類(lèi)，掘進(jìn)延時(shí)的分類(lèi)，現(xiàn)在巖土力學(xué)可以分，現(xiàn)在是根據(jù)圖像對(duì)巖土進(jìn)行分類(lèi)。

分類(lèi)以后關(guān)鍵是控制巖土分類(lèi)的大小，下來(lái)石塊的大小，太大了會(huì)把傳輸系統(tǒng)的皮帶損壞，太小了的話，主要的能量都用于碎石了。

現(xiàn)在煤礦業(yè)也有這個(gè)問(wèn)題，下面采礦，皮帶機(jī)出來(lái)也是石頭大小，目前是靠工人拿根棍子，大了把它捅下來(lái)，是不舒服的工作崗位。

現(xiàn)在可以通過(guò)圖像、數(shù)據(jù)和工具進(jìn)行篩選下來(lái)。這個(gè)案例就是以數(shù)據(jù)圖像判斷石塊下來(lái)的尺寸，可以提高掘進(jìn)機(jī)的效率和設(shè)備的壽命。

案例4：智能汽車(chē)渦輪增壓器葉輪瑕疵識(shí)別。

葉輪是很大的問(wèn)題，不管是航空發(fā)動(dòng)機(jī)還是汽車(chē)都是這樣的問(wèn)題，現(xiàn)有的各種缺陷是靠質(zhì)檢員巡檢，質(zhì)檢員永遠(yuǎn)存在漏檢的問(wèn)題，所以能不能把這些制造的缺陷、產(chǎn)品的缺陷建立數(shù)據(jù)庫(kù)，建立數(shù)據(jù)庫(kù)以后，對(duì)葉片層有哪些劃傷，把計(jì)算和算法收集起來(lái)，進(jìn)行提煉，知道哪些要召回、哪些要做改進(jìn)。

我們不影響整條生產(chǎn)線，搭建一個(gè)檢控站，通過(guò)機(jī)械手對(duì)產(chǎn)品進(jìn)行全方位的檢測(cè)，把各種劃傷、瑕疵通過(guò)凸現(xiàn)、模型做訓(xùn)練，精準(zhǔn)率可以做到85%，召回率提高，平均度也會(huì)提高，而且簡(jiǎn)單易行。

大幅度降低了對(duì)人工的依賴，而且降低了成本。準(zhǔn)確性可以逐漸迭代上升，現(xiàn)在可以做到90%。

案例5：生產(chǎn)監(jiān)控分析。

還有一個(gè)案例就是在蕭山做兆豐機(jī)電。兆豐也是全省智能制造示范點(diǎn)，最早機(jī)器換人加了很多機(jī)械手，逐漸降低人工，現(xiàn)在數(shù)據(jù)大量起來(lái)，數(shù)據(jù)如何整合，他們提出了緊迫的需求就是建工廠的大腦，要把現(xiàn)在的生產(chǎn)數(shù)據(jù)、設(shè)計(jì)的數(shù)據(jù)、用戶數(shù)據(jù)全部打通，運(yùn)作起來(lái)。

這個(gè)行業(yè)最主要是生產(chǎn)節(jié)拍的問(wèn)題，軸承材料中磨削占了很大的時(shí)間，以前都是靠人員來(lái)做，實(shí)際上它有很多可以改善的地方。只有把東西打開(kāi)才知道哪些方面可以提高。

因?yàn)檫@個(gè)行業(yè)的生產(chǎn)節(jié)拍做到20秒就很好了，再降低1秒都非常困難，現(xiàn)在用數(shù)據(jù)來(lái)做。

原來(lái)是18秒，現(xiàn)在可以做到15秒，交貨期縮短7天，質(zhì)量上升，能耗降低，所以很明顯勞動(dòng)生產(chǎn)率現(xiàn)在是行業(yè)最高，人均從85萬(wàn)到280萬(wàn)，“身體”好了就開(kāi)始搶其他的地盤(pán)，原來(lái)主要是汽車(chē)，現(xiàn)在到其他市場(chǎng)，也開(kāi)始做航空軸承。所以智能制造的改變，這家企業(yè)嘗到了甜頭。

商飛大飛機(jī)制造工廠大腦

說(shuō)到制造不得不說(shuō)航空，柯老師帶了4個(gè)教授、不到20個(gè)博士生、不到30個(gè)工程師，過(guò)去八年交了13億以上的數(shù)字化裝配生產(chǎn)線，覆蓋了航空全行業(yè)?，F(xiàn)在商飛下有個(gè)制造商叫上飛，在浦東，C919還在做試航，但量產(chǎn)以后，數(shù)據(jù)的問(wèn)題很大。

所以它提出要求，航空業(yè)的數(shù)據(jù)很多，也在不停的做數(shù)據(jù)優(yōu)化，但很難全局優(yōu)化，都是局部。

現(xiàn)在有機(jī)加車(chē)間和部裝車(chē)間，現(xiàn)在新加的是復(fù)合材料車(chē)間，就是一群人在查缺陷。前面說(shuō)的虎符、算盤(pán)能不能打通考慮，也就是做虛擬工廠。現(xiàn)在速度要快，5G進(jìn)去，所以現(xiàn)在去上飛參觀全部是華為的5G。

舉一個(gè)例子說(shuō)明挑戰(zhàn)有多大，飛機(jī)的裝配有6000個(gè)節(jié)點(diǎn)，它叫OA，每個(gè)節(jié)點(diǎn)設(shè)計(jì)30道工序，每個(gè)工序一出問(wèn)題引起連鎖反應(yīng)，所以要搞清楚這之間的關(guān)系，原來(lái)做計(jì)劃就是工藝員，有幾十上百個(gè)工藝員，做很多計(jì)劃。

但執(zhí)行的準(zhǔn)確率很低，做到極限是60%，現(xiàn)在數(shù)據(jù)打通以后，才不到3個(gè)月，開(kāi)始共享來(lái)做，提高很明顯。就是把這些關(guān)系找出來(lái)，把資源的約束、人力、算法打通聯(lián)系在一起，可以隨時(shí)調(diào)用數(shù)據(jù)，可以看到任何場(chǎng)景。計(jì)劃的執(zhí)行率提高了20%，相信隨著AR件的量產(chǎn)以及C919上來(lái)，執(zhí)行率和準(zhǔn)確率還可以大幅度提高。

也就是說(shuō)，和前面做發(fā)動(dòng)機(jī)葉片一樣，前期要定義好，前期的工作比較慢，一旦做起來(lái)上線就可以做很多事。

現(xiàn)在5G的使用都很興奮，都說(shuō)5G下載電影1秒鐘就可以完成，5G有這個(gè)功能，但大家應(yīng)該關(guān)注它更大的功能是工業(yè)的場(chǎng)景，就是復(fù)合材料，復(fù)合材料有缺陷、有孔隙，怎么辦？就是掃描。

掃描過(guò)去，拍張照片，500萬(wàn)的像素，一秒鐘十幾幀，圖像數(shù)據(jù)需要700-800M，華為主要是下載，現(xiàn)在大量的車(chē)間需要上傳數(shù)據(jù)，而且上傳量非常大，根本上傳不了，帶來(lái)的問(wèn)題就是如何上傳數(shù)據(jù)。

而且他們號(hào)稱(chēng)5G要做到每秒鐘1個(gè)G，現(xiàn)在我們?cè)谧鰯?shù)據(jù)的處理、關(guān)鍵數(shù)據(jù)的上傳，還有一個(gè)就是華為在做，所以也派人在做。因?yàn)榭紫?、位置、面積還是挺復(fù)雜的，而且要做成機(jī)器的智能，讓機(jī)器盯著缺陷，有很多好處。

現(xiàn)在賀董事長(zhǎng)說(shuō)商飛能不能做，如果商飛的數(shù)據(jù)要上來(lái)更困難了，現(xiàn)在都說(shuō)飛機(jī)的整體化設(shè)計(jì)，現(xiàn)在飛機(jī)的設(shè)計(jì)和應(yīng)用、維修、培訓(xùn)數(shù)據(jù)都非常大，目前飛機(jī)的方案正在做，還沒(méi)有實(shí)施，不知道商飛之后智能制造打通會(huì)帶來(lái)哪些變化。

這個(gè)方案的意義就是排程優(yōu)化，提升裝配效率，最終實(shí)現(xiàn)智能制造提升。

基于工業(yè)互聯(lián)網(wǎng)2.0時(shí)代

現(xiàn)在POC、以太網(wǎng)不爭(zhēng)論了，主要是5G用好，以前是局部?jī)?yōu)化，現(xiàn)在是實(shí)現(xiàn)全局優(yōu)化。發(fā)現(xiàn)問(wèn)題，發(fā)現(xiàn)規(guī)律，發(fā)現(xiàn)問(wèn)題以后數(shù)據(jù)沉淀為知識(shí)，知識(shí)成為智能，讓機(jī)器盯著數(shù)據(jù)的變化。

現(xiàn)在協(xié)同制造是產(chǎn)業(yè)鏈，從用戶到供應(yīng)鏈的管理，個(gè)性化的設(shè)計(jì)需要數(shù)據(jù)的互聯(lián)互通，跨界融合。場(chǎng)內(nèi)、區(qū)域網(wǎng)，以后還有行業(yè)網(wǎng)，國(guó)內(nèi)外、境內(nèi)外都需要打通。

所以，從工廠的角度協(xié)同制造、采購(gòu)、物流、產(chǎn)學(xué)研人才、內(nèi)部企業(yè)端到公共云，現(xiàn)在企業(yè)也在討論公有云、私有云，還是干脆不用云，用邊緣計(jì)算，這需要企業(yè)真正實(shí)施頂層設(shè)計(jì)。

商業(yè)數(shù)據(jù)、工業(yè)數(shù)據(jù)需要打通，需要一個(gè)平臺(tái)，把生產(chǎn)的計(jì)劃，訂單的信息、市場(chǎng)的變化都變成數(shù)據(jù)、變成算法，融合在一起，包括企業(yè)內(nèi)外生產(chǎn)以及能源的調(diào)度，都要貫穿工業(yè)的全部過(guò)程。

我們認(rèn)為企業(yè)實(shí)施智能制造、工業(yè)互聯(lián)網(wǎng)應(yīng)該有四個(gè)階段?，F(xiàn)在工信部在推“百萬(wàn)企業(yè)上云”，浙江推“十萬(wàn)企業(yè)上云”，這只是第一個(gè)階段，第二階段做中間件和中臺(tái)戰(zhàn)略，第三階段是實(shí)現(xiàn)數(shù)據(jù)治理，最后實(shí)現(xiàn)全局智能，也就是工廠大腦、協(xié)同制造、智能制造，設(shè)備的制造靠機(jī)器的智能。

現(xiàn)階段在工業(yè)化發(fā)達(dá)國(guó)家，需要人才，需要產(chǎn)業(yè)布局、人才培養(yǎng)和組織模式，傳統(tǒng)的工業(yè)部門(mén)有話語(yǔ)權(quán)和決定權(quán)，數(shù)據(jù)不輕易給人，給了以后也要做得好，所以真的要做企業(yè)的頂層設(shè)計(jì)，需要真正的整體戰(zhàn)略。

我們認(rèn)為，頂層設(shè)計(jì)很重要，剛才和張?jiān)菏窟€在說(shuō)有了頂層設(shè)計(jì)就是快速迭代，現(xiàn)在中國(guó)人口紅利，工程師紅利還沒(méi)有出現(xiàn)，在外部華為等IT算法的人，大家如何配合起來(lái)做人腦和機(jī)器混合腦的問(wèn)題，就是在數(shù)字經(jīng)濟(jì)下，倒逼制造再升級(jí)會(huì)有問(wèn)題。原來(lái)企業(yè)是大魚(yú)吃小魚(yú)，以后就是快魚(yú)吃慢魚(yú)。

總體來(lái)看數(shù)據(jù)不應(yīng)該取代人，也不是機(jī)器取代人，應(yīng)該是機(jī)器智能解放人的智慧，不要人盯著數(shù)據(jù)，所以數(shù)據(jù)應(yīng)該從制造業(yè)中來(lái)，也應(yīng)該回到制造業(yè)中去。

文章內(nèi)容來(lái)源于網(wǎng)絡(luò)，轉(zhuǎn)載自《蘭光創(chuàng)新》

原文標(biāo)題：工程院院士楊華勇：數(shù)據(jù)應(yīng)從制造業(yè)中來(lái)，也應(yīng)該回到制造業(yè)中去

文章出處：【微信公眾號(hào)：工業(yè)4俱樂(lè)部】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。