专注工艺机理，有望造就工业互联网“隐形冠军”

工业机理模型是工业互联网平台的重要构成要素，其汇集了工业生产过程中的原理、定理、定律等专业知识，并结合实际工业生产经验，形成机理并最终构建而来。它对工业经验知识进行提炼和封装，也是行业知识经验沉淀的结晶。机理模型是肉眼可做X光的医师，可以将对应的生产环节的正在发生的动作和原因完整呈现。

工信部于2021年印发的《工业互联网创新发展行动计划（2021-2023年）》中提出，要提升平台技术供给质量，推动基础工艺、控制方法、运行机理等工业知识的软件化、模型化，加快工业机理模型知识图谱建设等。这直接推动实验室和工厂之间的理论和实践双向投射，换言之这是“公式”和“经验公式”得以融合和验证的机会。这也是崔斌在2019年蕴硕物联创立之初就领悟到的行业趋势。

经历两化融合、工业4.0和中国制造2025之后，彼时的国家重大专项“下一代工业机器人智能云平台”让崔斌开始思考“机器人+AI”在工业领域带来的可能性。这种模式应用在工业制造环节无疑会通过丰富的传感器采集到更多数控信号，对于以事后检验为主的制造业，或许是改变其本质的途径。

以刻画完整的机器人行为画像为目的，崔斌找到了“机器人+AI”与工艺结合的入口——材料的成型机理。材料拥有特定的变形特性，而其最终形成质量又与过程控制逻辑和加工原理息息相关。如果将材料变形原理和影响因素锁定，由此采集特定的产线加工过程关键数据，则可将事后检验的步骤变为实时判断，这对视成本和时间为生命线的制造业而言无疑是一场变革。

蕴硕物联研究的第一个机理模型——气保焊成形机理模型就是从国家重点实验室走到产线的成果，结合现场调试对焊接角度、焊丝直径、焊嘴高度、焊接电流、弧长、导电嘴与母材间距等多个焊接影响因素形成“立体经验公式”后，便可将传感器采集到的信号实时带入模型中加以验证，完成实时焊接质量判断。

不低于1000Hz的高频传感器和机理模型共同将产线的黑箱环节变为透明可视，实时判断对于根因关系定位大有裨益。通常事后判断需要等待焊接材料冷却成型后才可用红外线探伤或水浸方式查找漏点，在离散制造场景中，往往意味着此时成品已经离开产线3天以上，低效不仅体现在时间层面，更重要的是焊接问题无法追根溯源。在批量连续制造场景下，产线内的错误环节往往会相互影响、逐步放大，实时判断可以及时调整错误根源，避免一错一批的材料浪费。

机理模型具备的可解释性正是低样本的工业制造领域所渴望的，这也是基于大数据学习的AI模型所不具备的最显著优势。 目前，蕴硕物联在焊接和喷涂等方面已构建多种机理模型并落地应用，包括气保焊碳钢AI模型、电阻点焊碳钢AI模型、电阻点焊碳钢质量判定模型、TIG焊铝合金AI模型、激光复合焊机理模型以及搅拌摩擦焊（FSW）等，在船舶、轨道交通、汽车等多个领域得到价值验证，客户包括中国船柴、中国中车等。按照既有客户的前期应用实际效果，在对蕴硕物联的模型投入使用后，客户的焊缝质量终检合格率已由90%提升至99%。

聚焦材料机理切入市场，让蕴硕物联开拓出了一片前无古人的蓝海市场，蕴硕物联给出了年均2000亿的市场空间。

低代码促使平台回归工业本质

机理模型对于工程而言是相对完美的解答，但是在赋予具体场景的过程中必须经历适配过程，这是比较痛苦的过程。

蕴硕物联的第一个模型经历了两年多的调试，为了排除影响结果判断的干扰项，需要对不同的生产线细致入微的考察并验证，如果说九成时间用来铸造机理模型的“镰刀”，那么“磨刀”的适配过程就要占据一成精力，最终才能在生产线“切瓜砍菜”。

可以看出来，机理模型是为行业提供通用型解决方案的技术抓手，一旦形成复用性极高。但模型来之不易，前期实验室研究耗时耗力，对高质量数据同样有硬性需求，而材料种类多如繁星，加工手段同理，且机理模型落地最后一公里的调试也是唯有人力可攻坚的苦差事。单个团队所能做到的终究是冰山一角。

工业互联网自诞生之初就承载着流动和交互的基因，这点在蕴硕物联为上述难题寻找的新型可视化工具中得以体会：以焊接工艺低代码可视化分析平台联动行业专家在全产业散点落地，这也是蕴硕物联在SaaS服务的一大重要进展，也很可能是行业的一大历史性进步。

焊接工艺低代码可视化分析助手操作界面

焊接工艺低代码可视化分析平台首先以数字孪生的方式将焊接过程中溶滴的形状、周期等数据以电信号形式传输到系统端，最终以图形化、曲线化的表达方式呈现。目前包括：溶滴过渡周期分析模块、概率密度分析模块、时频分析模块和U-I相位图分析模块等模块，并有推出更多可视化工具的计划，为工艺专家的判断和研究过程提供更直观的依据，并可依据这项工具调整工艺参数，定制自身质量标准。具体而言：

• 溶滴过渡周期分析模块：基于参数曲线所反应的短路和燃弧特征，判断能量波动、溶滴一致性，进而判断是否出现颈缩或不连续等质量缺陷，是否存在断弧异常。
• 概率密度分析模块：通过驼峰数量、样貌和溶滴短路过渡形式判断电弧稳定性。
• 时频域分析模块：通过电弧参数曲线分布样貌、溶滴过渡快慢、整体变化趋势以及细节判断是否有气孔或颈缩风险。
• U-I相位图分析模块：通过U-I相位图轨迹围成四边形情况分析焊缝质量及过程稳定性。

从产品抽象到工具层，将“交钥匙”的交付过程变为联合实现技术落地，让客户端从事工艺研发的人员在过程中更具自主性 ，这也加速了产业一线企业的研发效率。目前，蕴硕物联已和包括汽车行业在内的领军企业达成创新共识，将会以此探索新材料的焊接模型。

焊接工艺低代码可视化分析助手操作界面

综上，蕴硕物联推出低代码平台是水到渠成之举。综合工业互联网联盟、德国工程师协会、《工业互联网平台白皮书（2017）》、Guth等对工业互联网结构的研究，SaaS层为用户提供App应用软件和解决方案，根据特定场景提供个性化方案。工业互联网的核心技术层也即PaaS层包含三大模块，其中工业数据建模和分析模块主要解决企业海量数据的建模和应用，一方面将行业知识、生产工艺、技术原理、经验等数据进行数字化建模，形成工业机理，另一方面对数据之间的相关性进行数字化建模，实现大量数据分析建模。而PaaS的核心内容在于对工业生产过程的可视化描述，辅助企业进行预测、决策分析等判断，是工业数据价值高低的核心体现。

虽然目前是焊接方向的SaaS服务，但从工业互联网应用的角度来看，蕴硕物联的可视化分析软件已经很大程度上脱离了项目制的陈疾，在产品构成阶段对客户让渡一部分权利后，提供的产品却向平台性质迈进了。这也是以机理模型切入的公司在产品思路的开放上更前瞻的体现。

设备商与集成商背后的隐形冠军

回到“数据+模型=服务”的公式，工业领域的模型可分为两种，我们上文重点介绍了以蕴硕物联为代表的机理模型的形成过程和行业价值，另一个模型是数据模型，它由机器深度学习海量数据，以神经网络算法构建模型。数据模型同样可以达到提升良品率降本提质增效的目的。从工业整体发展而言，两者适用于不同领域和不同场景，但均有重要价值。

前不久，我国市场监管总局等16部门发布关于印发贯彻实施《国家标准化发展纲要》行动计划的通知，明确提到加强工业互联网等新型基础设施规划、设计、建设、运营、升级等方面标准研制。

目前，我国工业互联网平台正面对融通标准化问题，应用层、数据层和资源层都缺乏标准支撑。 同时，基于行业知识沉淀的新型工业软件供给不足，打通新领域和新行业的周期较长，形成可复制的应用则周期更为漫长。

机理模型需要的是高质量、有针对性的、聪明的筛选数据，这可以大大节省人力和材料。但对于行业标准的形成来说，这项数据采集没有捷径可走，唯一的方法就是与现有的各类厂商直接对接数据。这也是目前工业互联网领域缺位的重要一环，构建工业互联网统一信息平台、工业大数据服务等。

从蕴硕物联的低代码平台服务思路可以看出，它的路径与数据模型的形成相向而行，诞生于实验室的模型将在各家企业自发性的进行二次适配，也可能是更多次的适应性进化，这也是行业专家将自身实践经验融入模型的重要依托。

蕴硕物联构建从单机智能、边缘计算到AI能力云化的开放之路

此外，蕴硕物联的低代码平台部署在云端，方便企业部署和使用，相关协议完善之后，蕴硕物联可以将数据作为新模型研究的养料，也可以以此为契机开展数据服务，对客户进行诊断、指引等综合性行业指导，这将是形成行业水平考察的重要参考数据；当使用企业量级提升到一个层级后，这些图形化、可视化的图表将会成为行业标准的新型表达方式，对行业标准的制定和更新具有重要价值。这也正是蕴硕物联向标准产品进发的终极目的——以被集成的开放状态，做设备商和集成商背后的隐形冠军。

写在最后

低代码将是拉动工业互联网形成开源生态的有力手段，更低的使用门槛是招纳更多生态伙伴的利器。低代码元年已过去一年，工业互联网与低代码融合应用的推广恰逢其时。