非常荣幸今天有机会跟大家分享我们如何在传统制造中运用并行技术思维来做智能制造。 事实上，纺织服装行业是非常传统的。 我公司一直致力于纺织行业智能制造，由原来的针织行业发展而来。 服装延伸至针织鞋类。 这个行业一般被认为是一个很低级的行业。 但如果从另一个角度看这件事，鞋服行业从业人员数量特别多，是我国传统基础产业之一。 事实上，这个行业特别需要。 智能制造，因为现在有一个非常大的趋势，几乎所有欧美生产服装的企业都转移到了亚太地区，主要是中国，现在又从中国转移到了东南亚国家比如柬埔寨和印度尼西亚。 这对中国来说是相当不公平的。 打击很大，因为这个行业的经济总量还是很大的。 我们在这方面做了很多努力。 我们连续20多年致力于智能针织设备的研发，研究如何在这个行业实施机器换人来提高效率和降低成本，因为这个行业本身的毛利率不高，而且劳动力成本正在迅速上升。 如何解决这个问题呢？

近年来，我们还将智能制造技术拓展到一般行业。 除了纺织、鞋服之外，我们还扩展到3C、汽车配件等行业，研究如何通过生产流程的自动化来提高生产效率。 慈星是一家在深圳证券交易所上市的公司。 我们始终不遗余力地致力于新产品开发和技术创新。 从1988年初开始，我们开始生产手动横机。 后来又研制出电脑横机，达到了世界先进水平。 通过不断创新提升产品竞争力。 在智能针织方面，我们是全球领先的公司。 电脑横机占据全球30%的市场份额。 大家穿的针织衫几乎十分之三、四件都是用我们的设备生产的。 现在还有飞织鞋一类，很多鞋面都是用我们的设备生产的。 最初我们只是一家针织设备制造商，但通过这几年的努力，我们正在服务于制造业。 所谓服务，是指我们为客户提供的不仅仅是简单的设备或者单一的生产设备。 现在我们可以提供整个自动化工厂和一整套智能生产解决方案，从用户需求的发现到数字化设计，再到智能生产、物流、销售。 我们提供一整套智能化解决方案。 在此基础上，我们还有一个更高层次的想法。 其实我们四年前就已经有了这样的规划，那就是云制造。 当时还没有现在的智能制造2025这个术语，也没有工业4.0这个概念，但是我想现在回头看这件事情​​，当时的想法和飞跃先生的并行技术特别吻合。 我们将线下物理制造流程虚拟化，将所有信息从客户需求信息的收集到整个制造流程的建模，在云端构建虚拟化制造工厂，并将其映射到实际的生产流程。 。 通过这样一个平行世界，我们可以通过云数据的分析和研究来指导生产、指导决策。 在传统的生产模式中，各个工序都是相对离散的。 现在通过联网，我们将生产数据实时发送到云端后端，并在此基础上进行数据分析和挖掘，这样我们就可以用智能来指导我们的生产，甚至可以用来提高前端的水平客户关系管理。

我们已经为这个项目工作了四年多。 其实是相当困难的。 当我们刚提出这个想法的时候，很多业内人士都说这个想法很好，但是基本上实现不了。 直到2017年下半年我们才终于完成了整个平台。 建设，实现生产管理信息化。 同时，我们在后续的智能制造过程中做了很多新技术的开发，每个子项目都由集团不同的研发团队主导。 除国内的宁波、北京、深圳等地外，我们还在瑞士、意大利设有专业的研发中心。 不同的软件和硬件由不同的研发中心开发。 有了这些资源，我们就有能力搭建一个新的智能制造平台，将产品生产过程中的所有信息上传到云端，最终构建一个并行制造系统。

在消费品制造领域，基于工业互联网的C2M是未来的发展趋势。 在刚刚结束的世界互联网大会上，百度、腾讯、阿里巴巴、华为都谈到了此事。 工业互联网未来发展的重点一定是工业互联网，就是传统制造业+互联网。 在制造层面，目标是C2M，用终端客户的实际需求来驱动生产工厂的实际运营，最终实现对市场需求的快速响应。 对于消费品来说，流行趋势的变化与以前不同，现在变化非常快。 过去我们的服装生产模式是怎样的？ 让我解释。 比如现在季节性的工厂应该已经在生产明年秋季的服装款式了，至少提前了半年。 我们的设计师提前预测了明年的流行趋势，但是现在流行趋势变得越来越难以预测，比如一个网红的衣服突然流行起来。 没有办法预测这种趋势。 因此，六个月前生产的产品在六个月后可能不会特别受欢迎。 所以，按照传统的库存生产模式，那些今年生产的款式，明年卖的时候，会突然发现已经不好卖了。 到时候，一年赚到的钱，很大一部分可能就只能以库存的形式存在了。

但如果采用C2M模式进行生产，则可以实现快速响应。 在实施生产之前，首先实时细化客户的需求，然后利用我们的智能设备快速生产。 由于生产过程中大量使用物联网和机器人技术，使得生产能够快速响应需求。 我们甚至可以等到拿到订单后再安排生产，实现去库存。 例如，过去我们可能需要库存50万件，但现在我们只需要库存5万件。 ，以后可以补单。 通过这个“云制造/并行制造”平台，我们可以实现全球分布式生产。 我给大家举一个更生动的例子。 通过这样一个平台，纽约的设计师设计了一款新衣服，放到我们的平台上进行推广。 这位设计师的设计其实只是一段代码。 如果米兰的客户后来看中了这件衣服，想要在衣服上添加自己的个性化元素，比如图案、颜色、色块组合等，她可以直接添加到我们的个性化定制上该平台。 这样设计师的源代码+客户的个性化数据最终就成为了我们最终购买的个性化设计的衣服对应的一段代码。 我们的后台收到这个订单信息后会自动分析处理，生成一个电脑文件。 该文件有点类似于打印机驱动程序生成的文件。 将这个文件发送到我们的设备后，如果衣服是单色的，我们可以将一根纱线在最快45分钟内变成一件完整的衣服。 这也是世界上最先进的服装技术之一。 当然，这项技术只能用于针织品类，然后系统会自动将生产文件发送到离客户最近的有资质的工厂进行生产。 因此，虽然这件衣服的设计来自纽约的设计师，但由于客户来自米兰，所以这件衣服的生产很可能是在离米兰最近的工厂里进行的。 佛罗伦萨普拉多代工厂已经完工，米兰的顾客可能只需要等待3-5天就可以拿到这件定制礼服。 这是我们基于并行制造技术打造的大规模个性化云定制平台。

并行制造的核心是什么？ 首先是信息化。 把所有数据都放在云端，否则各个环节之间就无法顺畅沟通。 第二件事也非常关键，那就是制造过程需要智能化。 如果还是人做的，就需要人来砍。 ，它需要人来缝制，这是不可靠的。 劳动生产效率太低，生产成本太高。 从以上案例我们可以看出，要实现并行制造，需要实现研发数字化、生产智能化、管理信息化、决策数字化。 在我们的“云制造”平台上，流行趋势的预测、如何安排订单、采购原材料等都是基于大数据的，因为我们云端已经有相关数据，通过对这些数据进行分析处理来指导生产并提高工厂效率。

大家可以看到，这是我们“云制造”平台的简单示意图。 用户可以通过我们开发的3D扫描仪自动收集身体尺寸。 只需5秒，即可完成全身60多项关键数据的采集。 然后用户可以参与设计并在电视或手机上虚拟试穿。 事实上，这件衣服的 3D 模型是在云端实时生成的。 这种可自由扩展的模型具有照片般逼真的效果。 这个3D模型还可以利用AR和VR系统，结合虚拟现实技术，你可以身临其境地看到衣服穿上后的样子。 如果您满意，可以直接在“云制造”平台下订单。 系统后台的智能处理模块就像打印机驱动程序一样，自动生成与我们生产设备兼容的数据文件。 然后系统会根据客户信息找到距离客户最近的签约工厂，无论工厂是在墨西哥、南美还是孟加拉国。 只要我们提供的设备符合平台的数据格式和规格，达卡或者中国山东就可以生产这款衣服。

此PPT页面展示了我们的虚拟商店试衣间。 虽然现在的VR头盔效果不是很好，戴久了会头晕，但相信未来VR/AR技术会成熟，用户体验会很好。 届时，用户将不再需要去商店，而是可以在家中进行。 如果您有兴趣，可以来我们公司体验一下这种未来的购物模式。

事实上，正如我刚才所说，纺织、制鞋是劳动生产率极其密集的行业。 到目前为止，大多数制鞋厂都是这样。 两天前我在一家工厂。 我看到了亚太地区最大的国际品牌代表。 工厂的员工数量还是非常多的。 昨天我参加了他们的全球供应链创新会议。 我受邀探讨如何将工业机器人和人工智能技术应用到制鞋行业。 现场观众特别感兴趣。 为什么？ 刚才讲了运动鞋的品类。 事实证明，运动鞋鞋面的加工是非常复杂的。 将多块原材料冲压后，工人们用缝纫机将它们缝在一起。 现在使用我们最新的技术，鞋面可以一次性成型，并且像3D打印一样，整个鞋像袜子一样三维编织。 我们与许多全球一线品牌开展了深度合作，共同研究如何将这项技术应用到他们在全球的代工厂中。

我这里所说的是并行制造。 事实上，无论是客户需求信息还是生产设备信息的网络化采集，本质上都是在映射实体制造工厂和云虚拟工厂两个世界，用大数据指导实体生产提高效率。 正如你所看到的，这是一台鞋面机。 无论原料是棉、毛，甚至是化纤，只要是纱线的形式，都可以制作这样的鞋面。 图片中的已经是我们以前的一些了。 它是第一代产品。 最新的鞋面是一步成型的，与鞋底搭配后就成了一双鞋。 大家可以看到，左边的照片是传统鞋厂的工作场景，右边的照片是引进我们的智能设备后的生产车间。 基本上，它看起来就像这个研讨会。 上层生产工序每十台设备由一人管理。 而一台设备相当于原来5-6人的产能，所以生产效率实际上提高了几十倍。

这是用我刚才讲的设备生产的。 左边的鞋子是一次性成型的。 用户可以直接参与设计，实现个性化。 设计完成后，即可生成计算机文件。 通过我们的设备，直接编织出了三维鞋面。 我们还开发了非常先进的自动化制鞋涂胶线。 鞋面制作完成后，鞋面和鞋底都要涂胶水。 最初，这个过程是由工人拿着刷子完成的。 现在这样的工业机器人是通过自动化装配线来完成的。 不少国际一线运动鞋品牌的主要代工工厂均引进了此类生产线。 未来，很多人人都会穿的顶级品牌运动鞋很可能是用我们的自动化设备生产的。 采用这种生产方式，工人可以减少三分的工人数量。 两个。 这是我们对上面介绍的生产线的进一步升级，将机器视觉特别是3D视觉技术引入到工业生产中。 机器人本身只是一个工具。 事实上，这是相当愚蠢的，需要人们来编程。 鉴于未来个性化、小批量生产的新趋势，需要持续编程和示教，这将是一个很大的瓶颈。 目前，机器人主要大量应用于汽车生产等相对刚性的环节，产量相对较大，行业成熟度也相对较高。 在纺织、鞋服等产品变化大、频繁、加工对象特别灵活的行业，机器人的大规模应用还存在很多瓶颈，但我们已经找到了一些可能的解决方案。 例如，我们向应用程序添加了机器。 我们认为这是一个非常有前途的发展趋势，利用视觉和力反馈来闭环各种传感器和机器人运动控制。 去年11月底，我去日本东京的机器人展看了。 该展会每两年举办一次。 今年给我留下最大的印象就是机器视觉尤其是3D视觉在生产制造中得到了广泛的应用。 而且现在深度学习技术不断成熟，通过一定数量的样本训练，机器人可以自己学习一些东西。 在某些应用场景中甚至不需要提前编程即可做出最优路径规划。

在机器人的应用中，编程和示教是非常麻烦的。 例如，一只鞋有左脚和右脚，每只鞋至少有8个代码。 因此，按照传统模型，每只鞋需要编程16次。 每节教学需要3-6个小时，所以当我们第一次将机器人应用到制鞋行业时，我们面临着很多困难。 后来我们引入了3D视觉技术。 鞋底3D扫描后，系统自动生成位姿信息，实时传输至工作站的机器人，基本上6-7秒即可完成鞋底的扫描和涂胶。 整个生产过程一次完成，从而省去了编程工作，实现了“傻瓜式”生产。未来的智能制造很大程度上将由机器人+环境传感器，特别是视觉组成。研究表明，60%以上的智能制造人类获取的外部信息都是来自我们的眼睛，所以我认为在机器人的世界里，要真正实现柔性化、智能化制造，对工作环境的感知非常重要。

这是机器视觉+机器人的一个应用案例。 该智能鞋底涂胶工作站已在某国际一线鞋业品牌的生产工厂使用。 工人只需要把鞋底放到流水线上，机器人就可以自动开始生产。 不需要人类干预。 如果前端上料也实现自动化，那么整个生产过程就不需要工人了。 要知道，在全球大多数鞋厂里，工人们仍然排成一排，用刷子涂胶水。

这是基于工业机器人的毛衣自动缝合系统。 眼缝是针织毛衣生产过程中最难找的一道工​​序，需要很多熟练工人。 用机器人来替代需要长期经验积累的工种是非常有必要的。 过去，像这样的技术工人离职，几乎不可能找到可以立即替代的人。 即使能找到，价格也非常昂贵。 使用该设备很方便。 虽然机器人不能完全取代这个人的工作，但是系统对人的要求已经大大降低了。 新手经过短期培训即可上岗，工作强度大大降低。 这也是智能制造带来的好处。 这是我们公司展厅内的毛衫智能制造研发车间。 被工信部列为“智能制造试点示范项目”。 大家可以来宁波到我们公司总部看看，感受一下我们是如何在做大家认为比较“低”的行业，用智能制造来提高劳动生产率的。

对于我们的客户来说，他们并不关心你的技术有多先进以及看起来有多酷。 他们真正关心的是购买这个设备能多赚多少钱，什么时候能收回钱，投资回报率是多少？ 如果周期超过三年，他们可能就不再感兴趣了，这是很现实的。

另外，我再给大家举一个例子。 这是我们经过三年多时间开发的产品。 它是一个基于机器人的 3D 缝纫系统。 简单来说，机器人手持缝纫机，在三维空间中进行缝纫。 这个系统看起来很简单，似乎没有什么技术含量，但是我可以告诉大家，目前世界上只有两家公司可以做这个应用，德国的一家公司和我们。 为什么这么难？ 一般工业缝纫机在X和Y方向上形成一个平面。 现在多了一个Z轴，缝纫机针上下移动速度非常快。 在机针快速运动的过程中，缝纫机本身的三维位置仍在发生变化。 在座很多专家都知道，如此复杂的工况下，对外轴同步的实时性要求非常高。 传统的数据通信方式已经不够了，需要机器人控制器底层的系统级同步。 从实际应用性能来看，我们现在已经超越了这家德国公司的水平，计划2018年开始商业输出。这样的机器人3D缝纫系统要多少钱？ 这款机器人的负载为60公斤，售价为2万至30万元。 缝纫机的材料成本仅数万元。 然而，这家德国公司三年前就以1000多元的价格向国内某大型航空工业集团出售了两套。 一万元一套，很多事情看似简单，但实施起来却非常困难，需要大量的研发投入和技术积累。 除了航空领域之外，我们现在也在汽车行业中使用它来缝制汽车仪表板的蒙皮。 以前只有高档车才有这样的缝线，而且对缝线的美观度要求很高。 可以看到两针中间有一条拼缝。 拼布两侧的针迹必须高度对称，在允许的公差范围内。 它非常小。 并不是说工匠大师缝得不好。 这样的工人非常昂贵。 因为工件是弯曲的，所以一定是技艺非常精湛的工匠大师。 现在有了像我们这样的技术，机器人可以轻松完成这项工作。 。

由于时间有限，我就不详细介绍这些PPT页面了。 我们特别看好机器视觉。 在智能制造中，无论是缺陷检测、工件定位，还是产品尺寸测量，都非常有价值。 这是我们为某一线手机品牌做的一个项目。 我们为他们的手机生产线提供了产品完整性检测系统。 检测现在流行的手机曲面屏的面板玻璃缺陷是一件非常复杂的事情。 关于如何利用3D视觉+深度学习来快速且相对低成本地解决这个问题，我们也做了很多研究。

机器视觉确实是个好东西。 只要应用成本足够低，对于提升我们传统制造业会有很大的帮助。 这就是我们如何使用机器视觉来检测布料表面的缺陷。 过去我们靠的是人，因为布料的品种非常多，颜色、质地、厚度等物理化学性能差异很大。 做一些看起来简单又实用的事情是很有可能的。 幸运的是，有了深度学习，事情就变得容易处理多了。 过去，人们需要把所有可能的缺陷都列出来。 工作量太大，无法真正大规模应用。 但现在我们只需要收集和分析验布员的实际工作记录，形成样本数据集来训练云端机器人。 只要样本数量足够多就可以达到很好的效果。 我们已经在国内一些大型纺织服装企业引入了这样的系统，效果非常好。 例如，这是一家牛仔布工厂的客户。 我们利用深度学习完成面料疵点数据库的建立。 另外，我们在3C、汽车零部件行业的智能制造方面也做得很好。 适用于复杂曲面工件的精密抛光和磨削。 我们采用六维力传感器实现机器人闭环控制，大大简化了编程和显示。 教学工作。

在并行技术理论的指导下，我们从生产过程中提取大量数据，在云端形成知识库，然后指导工作现场的机器工作。 正如您所看到的，这些是我们已经完成的一些项目。 实施自动化改造前，车间里的工人排成一排坐着。 改造完成后，车间里几乎没有人。 在一些车间，我们可以实现黑光生产，而且都是机器人在干活。 当然，机器人本身还是需要管理的。 他们还不能自我管理，但是工人数量可以大大减少。 如果你去过传统的3C行业，比如手机外壳的生产车间，你一定会感到震惊。 密密麻麻的工人们下班时整齐地排队。 非常壮观。 现在自动化改造后，有些路段几乎没人了。 下班后，机器人正在干活。

这是一个经过数字化改造的注塑机和数控机床车间。 实现了高度的自动化、网络化，部分部件也实现了智能化。 目前已处于并行制造的初级阶段。 我们把所有环节数字化，相关数据放在云端，建立完整的虚拟工厂模型，实现虚实交互。 我们以前专注于纺织行业智能解决方案的研究和实施，现在已经成功扩展到制鞋、3C、汽车零部件行业。 关于机器视觉和物联网技术如何与传统制造业融合，我们也做了很多研究。 如果您对集成研究感兴趣，非常欢迎您来我公司指导。 谢谢你们！