经过与阿里云ET工业大脑协作，天合光能4条试点产线上的电池片A品率进步7%，营收增值逾两千万，这次成功协作的背面，有一位女程序员的劳绩。

(资料图片仅供参考)

文｜蒋菲

艾思从所谓的精英圈子中解放了出来，离别陆家嘴金融圈，她穿上厚重的防尘服，在常州一家光伏企业的车间内找到了自己。作为阿里云高档算法工程师，她用数据和算法模型来晋级传统制造，为企业找到新的赢利增长点，与此同时，她也在这份作业中找回久别的归属感和成就感。

转行

“王先生最近很着急，眼看婚期将至，买房还差几万首付……他经过购买银行现金分期产品，贷到几万元，一解当务之急……”眼睛刚扫到这条软文，艾思就合上了笔记本盖，屋里憋久了，她要出去逛逛。

艾思是中山大学数学系硕士，上任于陆家嘴一家闻名银行，担任现金分期的信用卡的信贷产品，经过大数据剖析找到一个好出售经营策略，一年为银行添加数亿的赢利。

艾思日子照

绩效越来越好，收入高到令人惊羡，可不知从何开端，艾思打心底抵抗这份作业，她不知道自己支付许多尽力，究竟为社会发明了什么价值，她没有成就感，“信贷部分便是赚利息差，这源于职业特色，尽管我做的模型很有作用，但感觉它并没有发明出真实的价值。”

早晨8点多，艾思穿戴正装钻出陆家嘴地铁站，穿过东方明珠塔前乌泱泱的外地游客，踩着点走进银行大楼。下午5点半下班，在家看个电影，或许逛个街，偶然去个酒吧，这些消遣却无法添补作业中缺失的含义和人生价值。

阿里云为艾思敞开了人生的另一种或许。一篇标题是《我在车间写代码，为企业省一亿》的文章启发了她，文章里，阿里云工程师光盐在堆满白色纱布的纺织车间里，穿戴黑色T恤牛仔裤，背着双肩包，边向老师傅问询工艺技巧，边捧着笔记本电脑写代码。

“比较金融，工业场景数据智能用得较少，未来是片蓝海，我觉得它能发生真实的价值。”艾思一会儿就被压服了，“现在许多工业操作靠阅历累积，没有那么有据可循，我想去改动它。”

爸爸妈妈不理解，女儿本来的作业安稳且面子，她的那些同学，哪个不是在银行、券商或是金融机构上班？好好的为什么要去当码农，当码农就算了，为什么还要下车间？

车间

来不及压服爸爸妈妈，艾思就过上了杭州、常州两地跑的双城日子。上一年10月，她接手的第一个项目在天合光能有限公司（下称“天合光能”）。

身穿防尘服的艾思下到天合光能的车间

ET工业大脑的使命是，结合天合光能实践出产的数据，凭借人工智能技术进步电池片的A品率（以光电转化率为规范，电池片可分为A、B、C三个品类，其间转化率在18.8%以上的为A类）。

第一次下车间，艾思被眼前的场景震慑，耳边设备轰鸣，隔着厚厚的口罩，还能闻到工业原材料冲鼻的滋味，车间里百来号工人，都穿戴防尘服，戴着口罩手套，只要背标上的姓名模糊可辨，走出车间，工人们仍以高八度的喉咙交流着……

项目初启，艾思需求向各车间的管理层论述自己的作业内容。会议室里，她正在展现一个模型的运作，刚讲到“这样做功率会更高点，但是数据不太全，成果不必定精确，需求你们给一些阅历……”时，丝印刷工艺主管赵主任忽然动身离去。

车间的主管们真实太忙了，艾思心里有点冤枉，大老远跑到常州，进程却不怎样顺畅。

每到一家企业先要与当地车间的老师傅交流

艾思只好自己下车间去探索，但是工人们也相同繁忙，一个车间十来条产线，每个环节都有质量实时监测，工艺测验仪一旦检测到质量下降，工人们就需求排查原因——质料有没有问题、设备有没有反常、处理环节是否妥当？每个人处理手头的事都来不及，可以协作艾思的时刻屈指可数。

数据

一片光伏电池的出产，需求阅历外表制绒、分散制结、腐蚀、清洗、镀膜、丝印刷、测验分选等多道环节，有数千类维度的数据影响着电池片的成型，那么，与出产质量最相关的要害参数在哪个环节？

在把握了车间设备、人员、工艺、质量等海量数据后，艾思终究确定了丝印刷。丝印刷是制造光伏电池电极最遍及的出产工艺，在前序环节后，电池片现已可以在光照下发生电流，为了将电流导出，就需求经过丝印刷在电池外表制造正负南北极。

为难之处在于，担任丝印刷工艺的主管，刚好便是解说会上不辞而别的赵主任。艾思企图和赵主任有更多互动，但除了作业上偶然告知几句，几乎没有更多交集。

建模用的数据，车间里每10秒发生一条，一天要用到8千多条数据。很快，艾思发现车间供给的数据跟数据工程师需求的数据有差错。以温度为例，昨日26摄氏度，今日27摄氏度，工人会觉得没不同。

丝印刷机印刷时，刮刀是一个中心部件，它的视点直接影响着印刷质量的好坏，但此前没有一个目标，能显现刮刀是A型、B型仍是C型（不同类型代表不同视点），许多相似这样的要害数据都没有记载下来。

数据禁绝、数据不全，就像一块烙铁的双面，重复折磨着艾思。她能做的，便是泡在车间，调查工人们在出产中怎样调整，为什么调整，寻觅并记载要害参数，不断更新数据库。

试验

经过不断堆集、剖析、总结，艾思找出七八十个影响电池片光电转化率的参数，中心参数为温度、压力、距离、高度、速度这五项。

依据艾思的想象，对实时数据进行深度学习剖析，构建算法模型，调试出最适合的参数，就可以出产出更多光电转化率高的电池片。不过，她的这套理论在老师傅们眼里，便是虚有其表的坐而论道。

比较数据，老师傅们更信任自己的眼睛。在车间，工人们经过调查电池片栅线的线高线宽判别等级，一般，线宽越窄，线高越高，导电性就越好，光电转化率越高。

可艾思以为，老师傅的阅历，必定不如数据来得牢靠，为了验证自己的想象，改变那些老师傅的成见，她需求一次成功的试验。

第一次上设备调参数，艾思心里忐忑。一块电池片本钱大约是10块钱，一次试验一般要用掉几百片，艾思忧虑，假如自己调到灵敏参数，导致压力过重或印刷过快，都会导致电池片碎裂，就算试验答应呈现必定的损耗，但假如损耗过多，会进一步不坚定我们对ET工业大脑的决心。

试验的第一个环节是分片，艾思将一千块电池片搬运到操作台面上，均匀分布，发动功率测验仪监测，发生的数据实时上传到天合光能内“人之合创团”报表体系，一个小时左右，试验完结，艾思在体系上加上字段，标明这段时刻内的操作片段是试验片段，跟正常作业的片段差异开来。

终究，当艾思捡出2片碎片时，心里的大石这才放下。

认可

这次试验后，艾思发现，赵主任也热心起来了。一次，艾思正在车间做记载，赵主任走过来拍拍她的膀子说，“你们做的事确实有作用。”艾思还没反响过来，对方现已走远。

后来，艾思才知道赵主任看了她的试验成果，试验组的良品率曲线上升到正常组的上方，证明设置的参数确实有用，赵主任乃至把艾思的试验成果剖分出关键，发邮件给车间的人学习。

天合光能电池车间的ET工业大脑电子看板

赵主任也会找艾思共享阅历，比方他觉得艾思的模型数据中，丝距离数据禁绝，为了验证自己的观念，他冒着受伤的危险，钻到正在工作的设备底下，用肉眼检查丝距离。在他的协助下，艾思发现设备发生的数据公然存在误差，由于测量仪用了五年以上，存在机械老化。

一向奉机器与数据为威望的艾思茅塞顿开，本来设备发生的数据也不能迷信。

赵主任还指出，有时候参数好，A品率上去，但加重了设备磨损，反而因小失大，他从技艺的视点给出主张，协助艾思设置安全有用的参数。

老师傅和工程师相处得越来越和谐，还常常约请艾思一同下食堂。从小有点洁癖的艾思，就算手上还沾着车间里的油垢，也能开心肠大嚼食堂的饭菜，和师傅们聊着车间里的趣事，我们浑然一体。

有时，赵主任也会感叹“你们做这么好，我是不是要下岗了？”艾思安慰他，ET工业大脑供给的是东西和才能，机械仍是要由工人自己主导，究竟现场这么杂乱的出产状况，程序员没有办法彻底感知和处理。

2017年12月7日，天合光能宣告，经过与阿里云ET工业大脑协作，其4条试点产线上的电池片A品率已进步7%，营收增值已逾两千万。

艾思常说，一个能做好模型的人需求天资，练习好一个模型，就像做面包模具相同，模型就等于模具，面块面团其实便是数据，把它压下去，把数据和模型套在一同，输出一个需求的成果。她正尽力让更多的钢铁躯体像人相同去考虑，具有智能大脑。