★卡奧斯物聯(lián)科技股份有限公司盛國軍，魯效平

★卡奧斯工業(yè)智能研究院（青島）有限公司陳錄城，秦承剛

★卡奧斯物聯(lián)科技股份有限公司高亞瓊，王超，王朋靜

1　背景

大規模個(gè)性化定制是一種集企業(yè)、客戶(hù)、供應商、員工和環(huán)境于一體，在系統思想指導下，用整體優(yōu)化的觀(guān)點(diǎn)，充分利用企業(yè)已有的各種資源，在標準技術(shù)、現代設計方法、信息技術(shù)和先進(jìn)制造技術(shù)的支持下，根據客戶(hù)的個(gè)性化需求，以大批量生產(chǎn)的成本、質(zhì)量和效率提供定制產(chǎn)品和服務(wù)的生產(chǎn)方式^[1]，能夠顯著(zhù)提升企業(yè)的核心競爭力^[2]，已經(jīng)成為目前制造業(yè)數字化轉型的主要趨勢之一。但大部分企業(yè)在實(shí)施大規模個(gè)性化定制過(guò)程中，普遍面臨著(zhù)戰略規劃不明確、數字化基礎薄弱、落地實(shí)施成本高等問(wèn)題^[3]。

針對以上痛點(diǎn)，海爾集團基于自身近40年的制造經(jīng)驗，推出了全球首家用戶(hù)全流程參與體驗的工業(yè)互聯(lián)網(wǎng)平臺COSMOPlat。該平臺根植于以用戶(hù)為中心的大規模個(gè)性化定制模式，構建了跨行業(yè)、跨領(lǐng)域、跨區域的立體化賦能新范式，能夠為多個(gè)行業(yè)提供大規模個(gè)性化定制轉型解決方案，目前已經(jīng)在家電、服裝、汽車(chē)等多個(gè)行業(yè)大規模應用，助力了企業(yè)數字化轉型。

2　大規模個(gè)性化定制整體解決方案

2.1　大規模個(gè)性化定制平臺架構

通過(guò)創(chuàng )新BaaS數字工業(yè)操作系統、BaaS工業(yè)大腦及大規模個(gè)性化定制套件，卡奧斯COSMOPlat構建起ONE-COSMO“三駕馬車(chē)”平臺架構，如圖1所示。這一架構實(shí)現了工業(yè)全要素從物聯(lián)到智聯(lián)的突破，以及數據要素從“散”到“融”到“智”的突破，為企業(yè)從大規模制造到大規模個(gè)性化定制模式轉型提供了全方位支持。

圖1 大規模個(gè)性化定制工業(yè)互聯(lián)網(wǎng)平臺架構

平臺架構自下而上介紹如下：

（1）物聯(lián)設備層，通過(guò)物聯(lián)網(wǎng)關(guān)、協(xié)議解析、邊緣智能、規則引擎等支持百萬(wàn)級先進(jìn)設備連接，兼容450多種協(xié)議，支持多源異構工業(yè)組件群和海量數據融合以及第三方開(kāi)發(fā)者的泛在接入，能夠集成處理全生命周期多源異構數據。在物聯(lián)設備層還設計了反向控制功能，將虛擬世界的信號和操作反饋到真實(shí)生產(chǎn)現場(chǎng)，優(yōu)化了現場(chǎng)的參數和邏輯，可以實(shí)現最佳運行效果。

（2）BaaS數字工業(yè)操作系統包含容器云管平臺，操作系統組件服務(wù)開(kāi)放，能夠支持多種方式全面連接工業(yè)設備及企業(yè)數據源，打通了工業(yè)互聯(lián)網(wǎng)“最后一公里”。建設面向工業(yè)的現代物聯(lián)棧，通過(guò)嵌入式實(shí)時(shí)操作系統與數據主線(xiàn)技術(shù)，全面連接超過(guò)53種的工業(yè)設備及企業(yè)數據源，能夠滿(mǎn)足工業(yè)設備全量接入、云邊協(xié)同、數據實(shí)時(shí)采集等工業(yè)企業(yè)客戶(hù)需求，使用戶(hù)享有操作系統不斷增強的性能、可靠性和安全性。

（3）BaaS工業(yè)大腦包括工業(yè)大腦總控平臺，以及開(kāi)放和開(kāi)源的能力市場(chǎng)。目前已沉淀超過(guò)5000多個(gè)工業(yè)機理模型與算法，廣泛應用于工業(yè)設計與研發(fā)、機理仿真與數字孿生，具備高度的可遷移和可復制性。在生產(chǎn)過(guò)程中，平臺上的應用可以任意調用卡奧斯BaaS工業(yè)大腦能力網(wǎng)格的能力，同時(shí)支持訓練和推理，為用戶(hù)提供一站式AI開(kāi)發(fā)能力，助力工業(yè)生產(chǎn)自感知、自學(xué)習、自決策、自適應、自診斷。

（4）大規模個(gè)性化定制套件具有平臺化設計、智能化制造、個(gè)性化定制、網(wǎng)絡(luò )化協(xié)同、服務(wù)化延伸、數字化管理等六種能力，已開(kāi)發(fā)25個(gè)云端套件、10個(gè)邊+端套件，構筑了以用戶(hù)為中心的智能產(chǎn)品、智能生產(chǎn)、智能服務(wù)等系統。與一般服務(wù)商提供的單一化系統或軟件不同，該套件具備獨特性，能夠提供類(lèi)似樂(lè )高的工業(yè)服務(wù)，所有的產(chǎn)品可以像積木一樣拆解并根據企業(yè)需求重新組合，形成適合不同場(chǎng)景的解決方案，極大地提升了開(kāi)發(fā)和應用的效率。

（5）解決方案層，面向中小企業(yè)、腰部企業(yè)、大型企業(yè)、園區、政府等用戶(hù)，根據用戶(hù)需求，提供覆蓋交互定制、開(kāi)放設計、精準營(yíng)銷(xiāo)、模塊采購、智能生產(chǎn)、智慧物流、智慧服務(wù)等全業(yè)務(wù)流程的大規模個(gè)性化定制解決方案，目前已在全球20多個(gè)國家和地區的家電、服裝、汽車(chē)等10多個(gè)行業(yè)開(kāi)展了大規模應用。

2.2　大規模個(gè)性化定制套件介紹

在業(yè)務(wù)流程上，平臺通過(guò)工業(yè)大腦和工業(yè)OS提供軟件產(chǎn)品連接與數據匯聚能力，一方面通過(guò)交互定制和智慧服務(wù)節點(diǎn)與用戶(hù)連接，另一方面通過(guò)物聯(lián)設備層與制造企業(yè)儀器儀表、工業(yè)設備、工控系統、上位機等連接，經(jīng)過(guò)協(xié)議轉換功能統一以MQTT協(xié)議將數據上傳到云端，供交互定制、開(kāi)放設計、精準營(yíng)銷(xiāo)、模塊采購、智能生產(chǎn)、智慧物流、智慧服務(wù)等七大類(lèi)業(yè)務(wù)流程調用，如圖2所示。這種方式構建了大規模個(gè)性化定制套件系統，提升了企業(yè)的智能制造水平。

圖2 大規模個(gè)性化定制套件

大規模個(gè)性化定制套件已覆蓋24項業(yè)務(wù)支撐系統，實(shí)現了全流程各節點(diǎn)系統橫向集成和協(xié)同設計與制造，讓用戶(hù)全流程參與其中。

（1）交互定制：利用社群交互系統收集用戶(hù)碎片化、個(gè)性化需求，并聯(lián)全球研發(fā)網(wǎng)絡(luò )資源整合成需求方案，將用戶(hù)不確定的小需求變成確定性的大數據，幫助用戶(hù)實(shí)現創(chuàng )意到產(chǎn)品轉化。

（2）開(kāi)放設計：利用PLM系統協(xié)同設計，通過(guò)PDM系統數據共享，利用CAX系統執行設計，在工藝管理與優(yōu)化系統進(jìn)行資源交互，支撐設計師與用戶(hù)實(shí)時(shí)交互。同時(shí)，利用虛擬仿真不斷修正產(chǎn)品設計，形成符合用戶(hù)需求的產(chǎn)品。用戶(hù)信息和訂單需求通過(guò)前端定制體驗平臺等端口直達工廠(chǎng)。

（3）精準營(yíng)銷(xiāo)：通過(guò)SCRM會(huì )員管理，結合電商系統進(jìn)行用戶(hù)交互，實(shí)現產(chǎn)品的預約預售，解決產(chǎn)品生產(chǎn)出來(lái)賣(mài)不出去的問(wèn)題。同時(shí)，通過(guò)大數據研究形成用戶(hù)畫(huà)像和標簽管理，實(shí)現千人千面的精準營(yíng)銷(xiāo)。最后，將用戶(hù)畫(huà)像升級為用戶(hù)場(chǎng)景定制，創(chuàng )造用戶(hù)體驗價(jià)值，提高用戶(hù)滿(mǎn)意度和忠誠度。

（4）模塊采購：通過(guò)SCM系統協(xié)同供應鏈，在SRM進(jìn)行采購管理，實(shí)現供應鏈高效運作。以用戶(hù)為中心，并整合全球一流模塊商資源，積極參與到用戶(hù)交互及前端設計中，通過(guò)用戶(hù)評價(jià)實(shí)現自?xún)?yōu)化，讓用戶(hù)自由選擇最優(yōu)、最合理的解決方案。

（5）智能生產(chǎn)：基于工廠(chǎng)聯(lián)全要素、聯(lián)網(wǎng)器、聯(lián)全流程，通過(guò)COSMOPlatAPS處理訂單，在MES、EAM、SCADA、EMS、SPC、QMS等信息系統進(jìn)行生產(chǎn)排程、生產(chǎn)執行、物料管控等柔性制造，實(shí)現生產(chǎn)進(jìn)展及過(guò)程透明可視，真正做到以用戶(hù)訂單驅動(dòng)智能生產(chǎn)。

（6）智慧物流：融合營(yíng)銷(xiāo)網(wǎng)、物流網(wǎng)、服務(wù)網(wǎng)、信息網(wǎng)等，通過(guò)COSMOPlatWMS、WCS、TMS等系統進(jìn)行調度、配送、監控等，構建了智能多級云倉方案、干線(xiàn)集配方案、區域可視化配送方案和領(lǐng)先1KM送裝方案等，實(shí)現了用戶(hù)訂單完成后直達用戶(hù)，有效提高了產(chǎn)品不入庫率，降低了物流成本。

（7）智慧服務(wù)：將事后服務(wù)轉型到事先服務(wù)，通過(guò)工單系統、用戶(hù)服務(wù)中心、產(chǎn)品服務(wù)系統等為用戶(hù)提供差異化的產(chǎn)品服務(wù)。同時(shí)，通過(guò)企業(yè)運營(yíng)管理平臺、產(chǎn)品分析系統等為企業(yè)管理提供決策支持。

海爾集團創(chuàng )新性地將自身工廠(chǎng)實(shí)踐經(jīng)驗模式化為大規模個(gè)性化定制套件，將交互定制、開(kāi)放設計、精準營(yíng)銷(xiāo)、模塊采購、智能生產(chǎn)、智慧物流、智慧服務(wù)等7大節點(diǎn)進(jìn)行數字化迭代，軟化為可以復制的SaaS軟件應用^[4]。這種方法有效解決了傳統制造業(yè)升級過(guò)程中面臨的路徑、技術(shù)和成本等方面的難題。依托COSMOPlat平臺，海爾卡奧斯能夠為不同企業(yè)提供端到端的大規模個(gè)性化定制解決方案。

3　案例實(shí)施與效果

3.1　家電行業(yè)應用案例

以青島某家電工廠(chǎng)為例，工廠(chǎng)面臨著(zhù)用戶(hù)需求更加個(gè)性化、產(chǎn)線(xiàn)柔性化能力不足、生產(chǎn)過(guò)程數字化水平較低、系統數據孤島等問(wèn)題。針對這些問(wèn)題，基于卡奧斯工業(yè)互聯(lián)網(wǎng)平臺搭建了家電行業(yè)大規模個(gè)性化定制解決方案，工廠(chǎng)實(shí)現了模塊定制、眾創(chuàng )定制和場(chǎng)景生態(tài)定制三種定制模式，實(shí)現100%定制、100%網(wǎng)器、100%終身用戶(hù)。在模塊定制方面，采用不變模塊+可選功能模塊的組合定制方式組合落地了162種產(chǎn)品，讓用戶(hù)擁有了專(zhuān)屬定制；在眾創(chuàng )定制方面，通過(guò)眾創(chuàng )定制抓取用戶(hù)需求，將用戶(hù)小需求匯聚成生產(chǎn)大需求并轉化輸出創(chuàng )意方案，眾創(chuàng )出來(lái)的產(chǎn)品上市15種新品類(lèi)空調，單品類(lèi)帶動(dòng)產(chǎn)業(yè)30%銷(xiāo)量提升，同時(shí)節能46%、減排30%；在場(chǎng)景生態(tài)定制方面，聚合400+資源生態(tài)，共建空氣生態(tài)平臺，共創(chuàng )9大家庭全空間6類(lèi)人群1000多全場(chǎng)景定制解決方案，賦能空調從產(chǎn)品創(chuàng )新到健康空氣生態(tài)創(chuàng )新，實(shí)現了空氣方案和睡眠方案的定制。

3.2　服裝行業(yè)應用案例

以青島某服裝公司為例，公司面臨著(zhù)庫存高、產(chǎn)銷(xiāo)不匹配、定制化訂單效率低等行業(yè)痛點(diǎn)，雖然市場(chǎng)上存有大量的多品種、小批量、定制化訂單需求，但是工廠(chǎng)習慣了大規模批量化生產(chǎn)，沒(méi)有承接能力?；诳▕W斯工業(yè)互聯(lián)網(wǎng)平臺，結合服裝公司行業(yè)知識，公司搭建了服裝行業(yè)大規模個(gè)性化定制解決方案，涵蓋基礎模塊、定制模塊、設計定制、虛擬試衣、生產(chǎn)管理、訂單管理、結算管理、在線(xiàn)幫助、評價(jià)系統等功能，為用戶(hù)提供從量體、設計、制造到物流的軟硬件解決方案。通過(guò)服裝個(gè)性化定制業(yè)務(wù)模式，消費者可以自由DIY設計服裝，實(shí)現了服裝“一人一版”，服裝定制更加智能化，在網(wǎng)絡(luò )平臺上實(shí)現真正的“量體裁衣”。該平臺對傳統庫存式生產(chǎn)和銷(xiāo)售模式，尤其是對傳統服裝經(jīng)營(yíng)店進(jìn)行了顛覆性大規模個(gè)性化定制變革。通過(guò)應用解決方案，服裝公司的定制訂單增加了30%，產(chǎn)品開(kāi)發(fā)周期縮短70%，訂單響應周期縮短50%，不入庫率達到65%，成衣生產(chǎn)周期縮短36.6%，產(chǎn)能提升50%。

4　進(jìn)一步討論的問(wèn)題

人工智能、大數據、物聯(lián)網(wǎng)等技術(shù)的快速發(fā)展和廣泛應用已經(jīng)極大地提升了當前的生產(chǎn)力^[5]。面向未來(lái)，如何利用新一代信息技術(shù)和智能技術(shù)進(jìn)一步提升工業(yè)互聯(lián)網(wǎng)平臺的能力、降低企業(yè)數字化轉型成本是需要進(jìn)一步討論的問(wèn)題：

（1）設備連接的穩定性和可靠性：工業(yè)互聯(lián)網(wǎng)平臺讓制造服務(wù)資源泛在連接成為可能^[6]。在工業(yè)過(guò)程中，工業(yè)設備實(shí)現互聯(lián)后，設備的連接穩定性、可靠性對于數據和模型的準確性至關(guān)重要，也直接影響到工業(yè)互聯(lián)網(wǎng)平臺能力的提升。如何確保設備在各種環(huán)境條件下都能夠保持穩定的連接，數據能夠實(shí)時(shí)可靠傳輸，是需要進(jìn)一步考慮的問(wèn)題。

（2）數據的質(zhì)量和完整性：工業(yè)數據是工業(yè)互聯(lián)網(wǎng)廣泛應用、實(shí)現智能制造的基礎^[7]，其質(zhì)量和完整性直接影響到模型的準確性和預測能力。如何有效地處理和分析數據，以確保其質(zhì)量和完整性，是另一個(gè)需要深入研究的問(wèn)題。

（3）模型的優(yōu)化和適應性：工業(yè)大模型是企業(yè)數字化轉型的重要工具，需要不斷地優(yōu)化和適應不同的工業(yè)場(chǎng)景。如何根據不同的工業(yè)場(chǎng)景和需求對模型進(jìn)行優(yōu)化和調整，以提高其準確性和適應性、降低企業(yè)數字化轉型成本，也是需要考慮的問(wèn)題。

5　結論

海爾集團基于自身數字化轉型實(shí)踐，提出了ONECOSMO“三駕馬車(chē)”平臺架構，創(chuàng )新性推出BaaS數字工業(yè)操作系統、BaaS工業(yè)大腦和大規模個(gè)性化定制套件三大核心能力，為企業(yè)數字化轉型提供了大規模個(gè)性化定制解決方案。該方案涵蓋交互定制、開(kāi)放設計、精準營(yíng)銷(xiāo)、模塊采購、智能生產(chǎn)、智慧物流、智慧服務(wù)等七大類(lèi)業(yè)務(wù)流程，通過(guò)工業(yè)APP的排列組合，可以為企業(yè)定制數字化轉型的個(gè)性化方案，實(shí)現客戶(hù)價(jià)值最大化。該方案已經(jīng)在家電、服裝、汽車(chē)等行業(yè)大規模應用，有效提升了企業(yè)的市場(chǎng)競爭力，未來(lái)將面向更多行業(yè)推廣，以支撐我國制造業(yè)的高質(zhì)量發(fā)展和提高我國制造業(yè)的國際競爭力。

作者簡(jiǎn)介：

盛國軍（1970-），男，浙江紹興人，工程師，現就職于卡奧斯物聯(lián)科技股份有限公司，研究方向為工業(yè)互聯(lián)網(wǎng)、智能制造關(guān)鍵技術(shù)等。

魯效平（1981-），男，山東泰安人，教授級高工，現就職于卡奧斯物聯(lián)科技股份有限公司，研究方向為工業(yè)互聯(lián)網(wǎng)、智能制造關(guān)鍵技術(shù)等。

參考文獻：

[1] 陳錄城, 馮泰文. 大規模網(wǎng)絡(luò )協(xié)同定制: 價(jià)值創(chuàng )造機理與驅動(dòng)因素[M]. 北京: 經(jīng)濟管理出版社, 2021.

[2] SVENSSON C, BARFOD A. Limits and opportunities in mass customization for "build to order"SMES[J]. Computer in Industry, 2002, 49 (1) : 77 - 89.

[3] Gupta A M, George J F. Toward the development of a big data analytics capability[J]. Information & Management, 2016, 53 (8) : 1049 - 1064.

[4] 劉玉平, 孫新濤, 牟堂峰, 等. 大規模個(gè)性化定制模式探索與實(shí)踐[J]. 中國儀器儀表, 2020(02) : 29 - 33.

[5] 霍鵬, 李遠. AI對工業(yè)自動(dòng)化的影響研究[J]. 自動(dòng)化博覽, 2023, 40 (05) : 44 - 47.

[6] 李心雨, 等. 基于Self-X認知制造網(wǎng)絡(luò )實(shí)現認知大規模個(gè)性化定制-一種工業(yè)知識圖譜及圖嵌入技術(shù)使能的途徑(英文) [J]. Engineering, 2023, 22 (03) : 14 - 19.

[7] 王宏志, 梁志宇, 李建中, 等. 工業(yè)大數據分析綜述: 模型與算法[J]. 大數據, 2018, 4 (05) : 62 - 79.

摘自《自動(dòng)化博覽》2023年9月