契机，构建车间级神经网络
目前，木林森有上万台生产设备，随着企业不断并购设备数量还在增加，提升设备利用效率成为最紧迫的任务；在每一个生产单元中，当从生产A产品切换到生产B产品时，往往需要人工切换制程工艺，木林森亟需实现制程工艺的自动切换以提升生产效率；目前木林森的产线设备每月生产超过500亿颗LED，尽管良品率已经达到97%，但如果能继续提升百分之一二，效益依然可观。
2017年底，阿里云在广东建设其工业互联网云平台，在广州成立全国工业云总部，依据企业需求和场景打造ET工业大脑，这一契机下木林森决定携手阿里云实践基于数据的设备综合效率、生产良品率提升的大数据项目。
在木林森智能制造负责人刘总监看来，通过这一项目，阿里云可以帮助木林森构建云计算和大数据能力平台，在这一基础上借助人工智能技术提升软实力。软实力体现在算法和模型上，譬如基于生产制造过程中的某个业务形态，通过历史数据样本推算出相关业务形态的趋势。
“通俗理解的智能制造，首先要解决车间设备的数据采集，实现自动化；其次要实现设备的互联化，形成神经网络；第三阶段是车间的智能化，基于神经网络对生产过程进行分析、优化和控制。现阶段木林森正在探索和实践设备的互联化，构建车间的神经网络。”刘总监介绍。
随着项目的推进，依托阿里云的云计算能力和“数加”大数据计算平台，整合人工智能技术及类脑认知解析技术，木林森开始尝试解决生产制造过程中的各类棘手的业务问题。通过采集、同步、上云以及打通木林森线下的相关数据，构建企业的统一数据资产，并从实际业务需求与痛点出发，利用数据挖掘、机器学习等技术，综合ET工业大脑的多维感知、全局洞察、实时决策以及持续进化等能力，提供基于人工智能的解决方案，在设备利用率、智能生产、工艺优化，能源管理等方面助力木林森加速数字化转型。
价值，产品良率和库存管理双重提升
在项目的推进过程中，木林森主要可以实现三个方面的提升。
首先，优化制程工艺。通常情况下，离散制造业每台设备、每道工序有很多参数需要设置，基于大数据平台的数据采集和分析，可以对工程制程的参数进行优化；另外可以在产线上实现新产品和原有产品的对标，通过工程制程的自动化，快速将新产品导入到产线中进行试产。木林森每个车间有300-700台设备，每个车间就是一个独立生产单元，如此一来可以将优化后的标准化制程工艺从一个车间快速复制到另外一个车间。
其次，生产过程的质量可追溯。过去，木林森的产品质量没法追溯到每一个工艺、每一个制程，在生产过程中发现问题往往得不到及时的解决。通过构建车间级的神经网络，每台设备都进行了联网，就可以追溯到每一个芯片是在哪一个机台上生产的、由哪一个操作员生产、在哪一个制程上出的问题等等；
第三，提升生产效率。对制造企业而言，人机匹配度最高的时候生产效率最高。木林森分别从人和机两个方面着手提升生产效率：一是借助系统实现操作人员的防呆防错管理；二是提升设备利用率，对于每天下线20亿颗LED元器件的木林森来说，任何一台产线设备的效率对整体产能都有关键性的影响。利用ET工业大脑的关键因素识别算法、故障预测算法以及工业大脑的平台能力，为木林森提供基于大数据的全局设备效率(OEE)分析平台，提高整体设备效率。
通过这三个方面的提升，木林森进一步释放产品良率和库存管理的价值。
木林森以LED封装流程的实时以及历史产线点位数据为基础，定制开发LED封装生产工艺的稳定性优化模块，为LED封装流程中的特定数据闭环找出关键生产因素之间的最优参数策略。木林森工程师与阿里云数据科学家多次探索后，在固晶、焊线、点胶、烘烤、分光、编带等一系列工艺流程中，在分光点测环节发现胶水溢出最容易引起alarm警报，如果不是通过数据的洞察，在人工观测不到的微观世界中，这一因素几乎无法识别。
另一方面，随着客户定制化越来越多，木林森对柔性化生产要求越来越高。同一车间经常需要从生产A产品切换到生产B产品，原来需要人工识别和干预，在构建车间级神经网络之后可以实现制程工艺的自动切换。过去经常需要人工补料，现在物料的领取越来越精准，大大降低了物料的补领率，提升了库存的管理效率。
