工业大数据可视化的难点有哪些

随着工业互联网的不断深化，必然会造成MOM/MES、ERP等传统工业应用和系统的形态发生天翻地覆的改变。而制造业分析、生产分析正在成为发达国家争相进入的一个热门领域，当然，这里的“分析”是完全不同于传统工业场景下的“统计分析”、“故障分析”等，这是一种结合了物联网、大数据和人工智能等先进技术的新型的“大数据分析”。（内容转载自寄云科技）工业大数据分析应用的独特之处如果细究其实是很多的，通过提供更具针对性和可 *** 作性的见解，数据分析可以简化制造运营，从而帮助企业持续优化生产线。以下是在制造业中使用数据分析的六种场景，它们可以显著改善整个运营！一、从被动式到主动式维修制造系统往往在超负荷状态下运行，任何工作中断都可能导致螺旋式上升的损失。即便如此，大部分公司采用的解决停机问题的最佳方案只不过是等故障发生后再解决的方式。到目前为止，这种反应性系统还在被采用，是因为显然缺少更好的替代方案。通过整合大数据分析，企业可以开发能够持续衡量自身维修需求的制造系统。这种特性赋予了制造系统在许多情况下进行自我修复的能力，并为不太容易解决的情况提供早期警报。更重要的是，数据分析可以洞悉哪些组件最常发生故障，从而帮您从被动式维修提升为主动式维修。二、提高机器利用率和有效性制造商遇到的最大问题之一是进入低效运转的境况。虽然主观上他们希望构建高效的制造链，但由于安装不当、使用不当或仅缺乏停机时间协调，各种不同的因素都可能会成为降低生产线整体效率中的关键。通过将现有的物联网系统与强大的制造业预测分析相结合，企业可以实时洞察其生产线在微观和宏观上的运行状况。追踪单台机器的停机时间如何影响整个制造链，或者探索不同的配置如何提高整体效率，这不是“痴人说梦”，而是必须要做到的。生成可 *** 作的数据以使企业在整个制造过程中实现真正的改进，是将分析应用于制造业的主要优势。三、更好地产品需求预测每个制造商都知道他们不仅在为当前已有的订单生产产品，而且还在为不久的将来可能出现的需求订单生产产品。需求预测很重要，因为它们能够指导生产链，如果预测失误，可能产生“一边是强劲的销售量”，而“另一边却是工厂缺乏大量的相应配件库存，无法满足需求”。对于大多数公司而言，预测是基于前几年的历史数据价值，而不是基于更具可行性的前瞻性数据。但是，制造商可以将现有数据与预测分析相结合，以更精确地预测购买趋势。这些预测性见解不仅基于先前的销售，还基于流程以及生产线的运行状况，从而可以更明智地进行风险管理并减少生产浪费。四质量预测提高良率质检是对已经生产出来的产品的质量检测，一方面可以保障企业能够对外提供合格产品，另一方面也能通过质检反映生产过程的疏漏。质检出的残次品无论多少对企业都是损失，如果能够在产品产出之前就通过产线状态及相关生产数据分析预测出产品质量，并将生产流程调整为最佳产出状态以避免残次品，这就是质量预测。质量预测的场景在半导体等高端制造领域是刚需，属于虚拟量测的范畴。虚拟量测依赖于完善的物联网系统及强大的数据接入、存储和分析等能力，以往囿于技术水平虚拟量测只能基于有限的统计分析手段，而现在有了大数据、物联网等先进技术的支持，基于大数据分析的虚拟量测已经成为现实。五、全面掌控制造供应链采购是大多数公司供应链的标准组成部分，但同时它也是一个很容易被忽略的地方，尤其当企业忙于改善其他方面时。从一个有问题的供应商或者每个配件贵几分钱的供应商开始检查，当然一个配件几分钱的差额可能看起来无足轻重，但是，如果企业每天生产数千种产品，那么这里或那里的一分钱可能在总账簿上积少成多会变成数千元。数据分析可以帮助制造企业了解生产生命周期中每个组件的成本和效率，甚至可以追溯到企业供应商的运输车辆。通过可视化各种因素如何影响最终结果，高级分析可以帮助企业做出更好的决策。如果某些配件经常出现故障，或者没有完全满足生产需求，那么在这些不起眼的问题酿成严重后果之前，制造数据分析将能够帮助企业发现它们。六、更好地物流仓储管理制造过程中另一个经常被忽视的方面是仓储。一旦产品准备好运输后，必须先放入仓库，然后再出发前往目的地。在这一阶段，可谓是分秒必争。尤其是在这个日益接受“刚刚好”和零库存模型的世界中。 管理仓库可不是简单地为等待运输的产品寻找空间。建立有效的仓储结构，更好的产品流程管理和最有效的补货程序可以改善运营效率实现盈利。先进的分析功能可以让企业更容易领会改善库存的方法进而更好地管理仓库。生产分析软件的本质是收集和处理海量数据，并从中发现可用的见解。其通过自动化的手段对制造企业内外部各类数据进行采集、处理，同时，它的分析结果、可视化产出也是可以跨越多种企业架构，为上至公司首席执行官、下至车间经理提供符合各自权限的服务。而亿信华辰的数据分析软件ABI正好可以完美解决各种数据分析问题。

上个世纪90年代，在半导体产业高标准过程管理需求下，催生了高度行业化以及定制化的MES制造执行系统，并演化成可集成模式的I-MES制造执行系统套件。

作为改革开放排头兵，我国第一个引进MES的企业是宝钢，20世纪80年代宝钢预见性的引进了MES管理系统，但是经过几年发展，我国MES系统相较于国外仍然处于劣势。

2015年，中国制造业MES迎来了重大战略机遇。为了对标德国的“工业4.0”以及美国的“工业互联网”战略， 中国推出了“中国制造2025”的战略 ，并制定了一系列的技术标准以及从产业政策上进行了大量的引导，MES系统也由单一的生产记录型系统，进化为全方位的企业级执行协同系统。

这三十年的发展，对于国产软件来说，可谓“凛冬”，但 伴随着国产替代和政策扶持浪潮越来越大，国产半导体MES的“破冰号角”即将吹响。

这个时期，国内MES的从业者将迎来巨大发展机会，一批技术储备雄厚的企业实现跨越式发展。同时，云化、低代码的新企业也开始入局， 使得赛道异常火热，竞争更为激烈 。

#赛道火热

半导体MES系统起初是由设备供应商提供的，作为最早一批提供半导体MES的供应商，consilium和Promis利用低廉的价格在当时展开了水深火热的竞争。

但是，后来两家企业均被本身做半导体设备商的应用材料收购。在收购了Consilium和brooks software之后，也让 应用材料成为全球当之无愧的半导体MES霸主 。

进入21世纪后，专门的MES系统提供商开始出现，比如IBM提供了SIView的解决方案。 SIView是目前唯一可以与应用材料一较高下的半导体MES系统 。

而目前，在半导体MES领域，绝大部分12英寸晶圆厂系统几乎被国外厂商所垄断，其中IBM和应用材料两大行业巨头“霸占”了国内80%的市场。

国产半导体MES系统能否从中突围，分获一杯羹，打破IBM和应用材料两大巨头的垄断，无疑对国产芯片制造有着重要的意义。

据了解，半导体制造端的软件主要是CIM软件，而在整个CIM系统中，MES又是核心系统。但是 技术壁垒高、验证时间长是半导体MES系统的特性 ，和半导体设备不同，半导体MES系统在晶圆厂的全产线上是不能有任何偏差，这也造成了半导体MES行业市场份额极为集中，且行业壁垒极高，新玩家很难进入这一市场。

随着晶圆尺寸从4英寸变为6英寸、8英寸、12英寸，芯片性能和制造要求在不断提升，晶圆厂的自动化水平也在不断提升，从人工产线变为半自动产线、自动产线， MES系统对晶圆厂生产越来越重要 。

值得一提的是，今年以来，国内半导体MES企业异军突起，获得资本和市场的高度关注，融资赛道异常火热。

2021年，各半导体MES/CIM领域的国产厂商凭借其专业人才、技术实力获得资本青睐，相继完成大额度融资，实现国产软件自主化。

# 凭实力竞争

上扬软件

成立于2001年的上扬软件，是国内首批专门为半导体、光伏、LED等高 科技 制造业提供MES、CIM等软件产品和解决方案的供应商。目前已拥有4、5、6、8、12寸半导体MES整体解决方案。除了myCIM（MES）以外，上扬软件还提供包括EAP、RMS、APC、FDC、RCM、MDM在内的子系统。

2021年5月，上扬软件完成C1轮融资，获得哈勃资本、兴橙资本、红土善利的投资。此前，上扬软件在2017年就获得了深创投的A轮融资，启动进入半导体高端市场；2019年获得北京屹唐华创、上海物联网的B轮融资，进入8/12寸MES的产品研发。 10月份，上扬软件又完成了由大基金二期领投，中芯聚源、浦东科投等跟投的新一轮数亿元融资。在资金的大力支持下，上扬软件拿下了国内CMOS晶圆代工厂商长光圆辰和存储厂商杭州驰拓的12英寸产线 。

芯享 科技

芯享 科技 成立于2018年，是国内领先的半导体晶圆制造、先进封装厂生产自动化CIM系统解决方案服务商，也是目前国内少数可以为8寸、12寸晶圆制造FAB提供整体自动化咨询与建设的高新技术企业，在半导体封测领域的数个技术方向上也打破了国际CIM厂商垄断，达到了世界先进水平。

芯享 科技 以MES生产执行为核心，通过生产计划等链入企业管理系统，为客户服务员。目前已拥有9家晶圆厂商客户，MES客户包括SK海力士和华虹等。 今年3月，芯享 科技 获得红杉中国、高瓴资本、华登国际联合领投的近亿元A轮融资 。

赛美特

2020年并购成立的赛美特，成功合并了具有多年半导体行业经验积累的“上海特劢丝”“固耀SEMI Integration“和“深圳微迅”三家公司。成立以来，致力于填补国内集成电路制造工业软件领域空白。

赛美特自主研发打造的国产CIM解决方案，涵盖1800多个满足8/12寸晶圆制造厂所需的功能，能够打破国外厂商垄断，是目前国内唯一可支持12寸晶圆全自动化生产的智能制造软件服务商。

2021年5月，赛美特获得5000万元A轮融资。 据了解，目前赛美特在上海成立了专门的MES事业部，其产品目前已用于50余座工厂，客户包括SK海力士、三星、紫光等。

哥瑞利

成立于2007年的哥瑞利，一直专注于打造中国自有的高端半导体智能制造CIM软件，目前已为半导体、面板、光伏、PCB、PCBA、半导体设备等多行业提供了全栈产品线及解决方案。研发服务团队超过300人，拥有21项专利和111项软件著作权（含申请中）。在半导体前道领域，其客户有中芯国际等。 11月12日哥瑞利获得由招商资本、国新风投深圳领投的3亿元新一轮融资 。

值得注意的是，2021年哥瑞利实现了全国产自研的MES在半导体12寸前道晶圆制造全自动化工厂的首次应用，预计在明年交付量产。

除了上述企业，国内其他软件企业也研发了半导体MES产品，比如华磊迅拓、乾元坤和等。但这些企业普遍以第三方开发服务起家，在与专业的半导体MES大厂比较时仍然有行业适配上的差距。

因此， “菜鸡互啄”的时代已经过去，留下来的都是专业选手的竞赛 。

#写在最后

“种一棵树，最好的时候是十年前，其次是现在”。在半导体行业也有一个说法，做半导体要么是20年前，要么是今天。

如今，在大基金、中芯聚源、华登国际、高瓴资本等各类资金的支持下，上扬软件等老牌玩家获得了更大的支持，芯享 科技 等新兴玩家也开始浮现， 国产半导体MES行业发展正步入快车道 。

而如何抓住当前行业快速发展的窗口，在行业增速放缓时，做好研发投入和营收的平衡，将会是国产半导体MES厂商需要面对的挑战。

1969年，第一片CCD图像传感器在美国贝尔实验室诞生，它为数字影像产业的发展打开了一扇新的大门。从此，人们的日常生活、生产都与影像、视觉相联系。

机器视觉的世界也在萌芽，从黑白到彩色，从低分辨率到高分辨率，从静态到动态。而现在，我们要让机器去了解真实的3D世界，让3D的影像出现在我们的面前，这就是所谓的“第四次视觉革命”。第四次视觉变革的核心是3D传感器产业的迅速发展。

机器视觉从之前的2D平面进化到3D立体“视界”，我们常见的刷脸支付、Face ID、VR、无人便利店、智能机器人等产品技术，背后关键的 科技 便是3D视觉技术。而第四次的视觉革命与工业互联网的结合，也让实体经济与技术价值最大化，开始逐步向真实的产业场景、生产效率与产业可行性进发。

用一个词来形容3D机器视觉与工业网络之间的联系，最恰当的形容就是：“未来的工业网络将会建立在3D机器视觉的基础上，以及人工智能的认知系统。机器视觉技术在工业界的运用，早已不是新鲜事，经过三十多年的发展，在产业中的作用也逐渐显现出来。

在工业视觉技术中，2 D是最早应用于自动制造领域的技术，但是2 D技术一般仅用于处理平面的问题，而对具有高信息量的对象，例如曲面、弧度等，二维视觉很难实现，从而推动了三维视觉的发展。与二维图像相比，3D图像对周围光线的影响不大，具有更高的准确度和可靠性，能够实现对高速运动物体的形状、色彩对比度、空间坐标等的实时监测。三维可视化技术能够很好地解决目前2 D技术不能解决的许多工业领域的问题，同时也是2 D技术的一个重要补充。近年来，随着消费电子、 汽车 、半导体等精密加工领域的需求越来越大，高精度3D视觉技术也逐渐成为了一个热门话题。

工业三维可视化的研究方向包括三大领域：尺寸和缺陷检测、智能制造和自主导航。近两年来，工业3D视觉技术的应用发生了巨大的转变，从单一的产品质量检验到了全产品的制造。

在生产线上，在此以前，工业3D可视化仅限于单个场景，例如最常用的质量检验。比如，在智能手机的制造过程中，主要包括主板、零部件组装、包装和出货三个方面。所以，工业3D视觉质量的质量检验也是在这三个环节中进行的。而如今，由于三维视觉技术的融合，使得从原材料到包装检验的各个环节，都能实现多个领域的应用。例如，在流水线上的下料、零件的焊接、喷涂、装配等，都可以在三维视觉中使用。

当然，2 D视觉技术在工业生产中的应用还没有被彻底抛弃。3D视觉技术将会是二维技术的一个重要补充，它将被应用到元件的测试中，比如对 SIM卡的插槽，电池模块，摄像头模块的尺寸，以及摄像头模块的安装，大部分厂家都会提供二维/三维的组合。

不论是单个场景的运用，或是多个工艺方案的组合，3D机器视觉在工业生产中都扮演着举足轻重的角色。但在高精密探测系统中，关键部件的研制，与国外相比技术的差距还是较大，短时间内难以超越。

事实上，3D视觉技术在世界范围内的发展，也是在2014年左右。在中国持续向国外转移和更新产业链的同时，国内的研究人员也在逐步增加3D视觉技术的投资。但在产业上，因为产业的多样性、技术壁垒、场景等因素，大多数企业都会选择在一个垂直的方向发展。3D可视化的硬件技术水平是有限的，随着 AI技术的发展，能够满足部分高精度的探测要求，在某种程度上弥补了硬件方面的缺陷。

1．技术与产品需要持续升级。工业3D 机器视觉成像技术不断发展，但在底层的视觉硬件设备中绕不开的卡脖子技术就是芯片和光学镜头，这部分仍然是国外厂商的主场。而集成的3D机器视觉目前依然没有具备抗环境光干扰能力强、测距精度高、分辨高和成本低等优点于一身的 3D 传感器。目前 3D 视觉的应用还是依据具体的使用场景和预算来选择相机，然后根据相机成像结果来进行算法定制开发。这种成本高、周期久的应用模式严重限制了 3D 视觉在实际场景中的使用。

2.市场与供应链的不成熟、不完善。对于一些需要采购3D视觉的产品的厂商来说，前期的产品量需求较少，在这种情况下，工业3D视觉厂商无法通过规模化的手段分摊产品成本，而市场中有很大的一部分潜在用户都是对价格以及供应链敏感的用户，处于早期发展阶段的工业3D视觉产品撬动市场较困难。

4.生产线的适配与周期长。千行百业的产线定制化需求使得设备具备非标性，通用性差，对于工厂来说不同的业务场景、生产环节，甚至不同工厂之间的需求都不尽相同，制造过程中的多品种、小批量影响企业的改造难度。设备交付之后还需要经过一段时间的调试，最终与产线适配才可以，存在一定的周期影响着企业的自动化改造积极性。

这种需求制约着三维视觉技术在实际应用中的应用。目前，3D视觉技术还处在起步阶段，还没有形成大规模的商用场景，而且还没有形成统一的生产模式，整个市场都是分散的，碎片化的，3D视觉技术还得在各个领域中 探索 ，找到自己的优势，完善自己的产品，提高自己的服务水平，为产业的升级做贡献。

---