| 李继庚博士 广州博依特智能信息科技有限公司 联合创始人&CEO |
声明：下文转载自博依特科技
专题统筹：石善伟
广州日报全媒体文字记者 龙锟
广州日报全媒体记者 苏韵桦
广州日报全媒体编辑 赵小满
数字经济英雄会，广州创新英雄：李继庚团队探索工业互联网行业解决方案，通过数据化运营为工业生产提供最优解。
创新感言
广州建设人工智能与数字经济试验区将会带来广阔的发展机遇。因为试验区的建设会带来针对性更加强的政策，也会孵化更多的企业。大家可以强强联合用新一代信息技术、人工智能服务推动传统行业的转型升级。
数字经济需要以实体经济为依托，广州乃至广州周边都拥有雄厚的制造业基础。广州建设人工智能与数字经济试验区，实际上是承担着促进信息技术与产业深度结合的任务。
——李继庚
数字经济英雄会，广州创新英雄
在机器手密布的流水线上，工件和机床、机器人之间不断通信，实现满足个性化需求的柔性制造……这是人们普遍对工业4.0时代生产图景的认知。但需要留意的是，这些场景大都属于离散工业。离散工业主要是通过对原材料物理形状的改变、组装，将不同的现成元部件及子系统装配加工成较大型系统最终成为产品。
相比离散工业，流程工业显得传统厚重，它们是以天然资源和可回收资源为主，并通过物理变化和化学反应的连续化生产，为制造业提供原材料和能源的基础工业。比如钢铁、有色金属、水泥等行业。
面对不同工业类别，数字化赋能制造业远不止一个方向。离散工业注重设备的协作，流程工业则注重工艺的精进。因为流程工业原料变化频繁，生产过程涉及物理和化学的变化，机理也更加复杂。
2014年，他作为联合创始人之一创办了广州博依特智能信息科技有限公司。他们深度挖掘大工业数据的价值，不断帮助企业改进工艺，提高产品质量并降低能耗。而博依特科技自主研发的“工业互联网微服务架构下的基础材料行业生产数据化运营解决方案”被评为2019年工业互联网试点示范项目（平台方向）。
行业态势：广州市正建设成为具有全球影响力的工业互联网生态枢纽
2018年底广州印发了深化“互联网＋先进制造业”发展工业互联网行动计划。按照计划，广州力争用3年左右时间，培育1—2家达到国际水准的跨行业跨领域工业互联网平台，以及一批具备国际竞争力的行业性、功能性工业互联网平台，基本建立较为完备可靠的工业互联网安全保障体系，加快汇聚工业互联网信息流、技术流、人才流、资金流，将广州市建设成为国内领先和具有全球影响力的工业互联网生态枢纽。
记者了解到，广州要初步建成低时延、高可靠、广覆盖的工业互联网网络基础设施。广州也要引进和壮大一批具有全球影响力的龙头企业，培育形成5家左右具备较强实力、国内领先的工业互联网平台服务商，50家以上技术和模式领先的工业互联网解决方案服务商，推动2000家以上工业企业运用工业互联网新技术、新模式实施数字化、网络化、智能化升级，带动4万家以上企业“上云上平台”，提升企业信息化能力。
在广东省工业互联网产业生态供给资源池中，全市128家供应商入选其中，数量位居全省第一。目前广州正支持华凌制冷、视源电子、白云电器等龙头企业打造互联工厂和全透明数字车间，支持4百多家企业运用工业互联网“上云上平台”实现降本增效。
在服装、化妆品、皮具、珠宝、食品饮料等五大传统特色行业上，广州也组建了5个“1+2+N供应商联合体（即面向每个集群，形成行业解决方案服务商、跨行业跨领域平台等两方紧密合作的建设主体，协同N个数字化转型合作伙伴），搭建行业数字化转型平台。
放弃留校任教机会 投身企业亲自操刀
2003年，师从华南理工大学教授、俄罗斯工程院外籍院士刘焕彬的李继庚获得工学博士。 他本已获得留校任教的资格，最后却赔了2000元去德国西门子公司工作。
“我做工业领域的应用研究，当时觉得一定要有上场动手、亲自操刀的经历，所以宁愿赔钱也没留校。”李继庚说。
在工业3.0时代，自动化是大趋势。李继庚毕业时，中国正在工业3.0时代的道路上一路狂奔。但代替中国工人双手的机器人却大都来自国外。这是因为德国、日本自动化工业的不断成熟，让企业家能够负担更加便宜的自动化技术和设备。
在西门子，李继庚也经历了项目经理、销售、研发等多个岗位，直到成为西门子中国制浆造纸事业部的总工程师。
他告诉记者，因为中国工业自动化的强烈需求，2008年西门子在中国的项目量到达顶峰，他认为这种峰值是不可延续的。“并且比起给外国人做业务，我更想给中国的工业研发自主技术。”他说。
带着在西门子沉淀的实践经验，李继庚在2008年回到华南理工大学，并从事工业大数据算法与模型的研究。“我们一直在思考，在工业自动化阶段完成后，工业数据如何变成更有价值，我们一直在做数据建模的研究。”李继庚告诉记者。
2014年，李继庚察觉到信息技术已经成熟，足以唤醒传统制造业的潜能。他便与导师刘焕彬、华南理工大学博士洪蒙纳一起创办了博依特。
工业插上“数字翅膀 算法替代传统经验
博依特主要服务的是流程工业，如造纸、化工、水泥、钢铁、食品饮料等。这些工业常被认为是 “去产能”的对象，似乎很难焕发新的生命力。
“流程工业的工艺有近百年历史，体量庞大。但看起来并不新鲜，所以没有受到太多关注。”李继庚说。
根据2019年7月发布的《流程型智能制造白皮书》，流程工业占全国规模以上工业总产值的47%左右。而中国钢铁、有色、电力、水泥、造纸等行业产能均居世界第一。
如果让庞大的流程工业插上数字化的翅膀，效益依然而非常可观，但这个过程难度更大。
相比于离散工业，流程工业的原料变化频繁，生产过程同时面临物理和化学两种机理变化，这意味着对原料成分、设备状态、工艺参数和产品质量等数据挖掘和分析有更高要求。
“流程工业的原料是天然资源，每一车沙子的含硅量是不同的，每一车木头的纤维也不一样。但这些原料要做出标准化、性能均一的产品。这是基础材料行业面对的共同挑战。”李继庚告诉记者，中国是一个大国，原料来源更多元，这给标准化生产带来更多的挑战。此外资源紧缺、能耗大目前也极大制约了流程工业的发展。
博依特通过在生产设备上布局传感器，采集生产数据。同时他们根据工业企业的诉求建设运行数学模型，为企业寻找最佳的工艺设定值。
在工业4.0时代，最佳工艺设定值是数据产生价值的一种形式。比如在工业3.0时代，某一道工序依靠工人多年的经验，最佳作业温度被设定为38℃。产线的控制单元也会根据外部温度的变化不断调整，将作业温度恒定在38℃。
“为什么一定是38℃，如果算法确定是37.5℃更好，就可优化这一生产工艺。”李继庚说，博依特就是将老道工人的经验转化为数据和算法，更加精确的指导生产。
数据指导人工操作 单个基地年省500万
目前博依特科技自主研发了“工业互联网微服务架构下的基础材料行业生产数据化运营解决方案”，其关键在于利用自研算法与模型对生产流程及工艺进行持续优化。该方案已于2020年2月正式入选为工信部2019年工业互联网试点示范项目，并成功应用在维达纸业、理文纸业、马可波罗陶瓷、简一陶瓷、东鹏陶瓷、蒙娜丽莎陶瓷、海螺水泥、信义玻璃、南玻集团、可口可乐、百事可乐等大型制造业企业。
在维达纸业，博依特进行了生产间隙性设备的优化调度。造纸过程是连续的，制浆过程是间歇的，如洗衣机一般开开停停。所以企业需要充分利用好峰电和谷电的电价差，才能实现效益的最大化。
“博依特通过运作数学模型获得数据，并指导操作工人掌握开停碎浆机的频率。”李继庚告诉记者，在一人同时管两条产线的情况下，一个生产基地一年可以达到节省500万元的效益。
南玻集团此前一直苦恼玻璃产品的合格率低于日本厂家。其中最重要的原因是硅砂、高磷土等原料来源过于多元化，企业面临均化材料的难题。博依特为南玻集团提供了一套算法，确定了原料的混合比例。在均化度提高了25%后，该企业的产品合格率也大幅提高。
作为一家工业互联网企业，博依特充分利用新一代信息技术来为现代工业服务，这也契合了国家战略。今年6月30日，中央全面深化改革委员会第十四次会议审议通过了《关于深化新一代信息技术与制造业融合发展的指导意见》，强调加快推进新一代信息技术和制造业融合发展，提升制造业数字化、网络化、智能化发展水平。
李继庚认为，当年提出两化融合，中国工业还在追求量的规模，还未在意质的提升，所以信息化的作用有限。此外当时设备连接与数据传输技术远远不如今天成熟，导致企业在部署信息化的过程中成本过高。“如今的5G提供了更便宜、更快捷的通讯技术，如今我们也有算法来支撑数据的应用。”他说。
李继庚也指出，在掌握工业互联网等技术之外，深刻了解企业生产过程的痛点同样重要。在华南理工大学的院系设置中，工业数据建模的团队集中在化学与化工学院、轻工科学与工程学院等，而并非在自动化或计算机等相关院系。所以作为华工孵化的企业，博依特的数据模型能更加贴近工业需求。
“我们就是工业人，根本不用去找企业的痛点，我们天然就知道痛点在哪。”李继庚说道。
科技解码
博依特科技自主研发了“工业互联网微服务架构下的基础材料行业生产数据化运营解决方案”，其关键在于利用自研算法与模型对生产流程及工艺进行持续优化。
优化生产实践
基于企业生产过程长期沉淀的数据，根据企业生产订单、设备状态、原料质量和外界环境等因素进行分析，结合机理建模和机器学习建模，进而预测影响产品质量主要性能指标的变化趋势，计算优化原料的最佳配比与关键设备运行工艺的最优参数设定值。POI-BAT将从生产大数据提取的优秀生产操作经验，分享给更多的操作人员。生产现场操作人员可以根据POI-BAT的优化设定值操作生产设备，达到减少贵重原料投加量、降低生产能耗和提高产品合格率的目的。
设备管理
通过设备台账管理、点检、检修、故障维修、设备效率指标分析、备件管理等功能，对设备全生命周期进行管理，有效解决因工厂设备繁杂而导致的难以集中管理、维修不及时、异常停机频繁、维修成本高等问题，达到提高设备可靠性、提高设备运行效率，降低库存成本、降低设备运维成本的目的。
生产管理
通过对制造企业的计划排产、生产过程、物料、能源、设备、质量、库存等方面进行数据化统计，再经过生产全链数据的统计与分析，精准定位如期稳定运行所遇到的瓶颈问题，进而提高生产要素协作效率，实现供应链优化、生产安全、质量稳定和产量达标的目的。
能源管理
通过监控实时数据、能效分析和大数据建模预测，帮助企业在稳定生产的基础上，提升能源利用效率，实现能源管控的自动化、信息化和智能化，达到提高能效和降低成本的目的。
质量管理
通过质量数据的导入和生产数据的采集，运用质量统计分析和生产大数据挖掘的方法，对生产全过程质量进行预测监控，分析产品质量缺陷，发现质量影响因素，提高企业对产品品质的控制能力，达到提升产品合格率的目的。
