随后在进行工厂漫游的情境之下，我们又添加了一些新功能，比如说我们漫游到某一处的时候可以点击某一个设备看到它的运行状态、生产图纸，也可以走到某一个工序边上进行双击可以看到它的工序步骤。换句话说，北京四度科技也希望通过这样一个工厂漫游实现的不仅仅是一个展示，更多的是对于整个规划人员、操作人员、维修人员，真正可以用的全方位的设备的监控。在监控完成之后我们又涉及到了另外一个事情，就是很多在座的生产的人都知道，我们现在生产的数据99%都是无用的数据。所以我们数字工厂在今年4月份的时候，在诺挪威那边跟一家友商达成了一系列框架协议，我们使用了工业大数据这样一个平台。当然整个吉利的工业大数据不仅仅体现在某一个合作伙伴上。
截至目前为止我们已经包括跟西门子、阿里、百度、英特尔都建立了联系，在整个工业大数据上进行探索。当然谈到工业大数据，我们想把它展开。工业大数据对于整个汽车甚至于整个吉利的生产制造它的作用在哪里？我们之前有过调研，我在两个半月以前，我们跟亚马逊（美国）通了电话，随后亚马逊的一个产品经理用了将近一个小时试图说服我他们的数据是如何庞大、如何好，如何使用他们的大数据。结果我们在做内部评审时，我问了团队里这样？我们为什么要大数据？大数据能为我们带来什么样的好处？当很多的人都在关注数据如何安全、数据传递如何实时化的时候，作为生产制造，我们是不是更应该关注到那些数据能给我们带来什么价值？我们能获取哪些数据？所以整个团队换了一种思路。
北京四度科技从整个生产实时数据来进行获取，我们自己来定义哪些数据是需要获取的、哪些数据是可以抛弃的。我们跟一家合作伙伴经过了两个多月的部署实施，我们发现数据里面99.9%的数据都是无用数据、都是可以被丢弃的数据。那么剩下的0.1%的数据可以说真正的会给我们吉利汽车生产制造、提升、预防维护是至关重要的。那么最后我们需要对数据进行挖掘得到最佳的参数。最终我们的生产与能源耦合系统也会介入其中。这个图是我在某个基地里面实施了两个月的数据监控。其实在这张表中大家可以看到整个数据前面相对来说是比较平稳的，到后面发生了一些裂变。我为什么拿这张图说明？吉利当初在做大数据的时候，其实也不是抱有太大的信心。我觉得可能需要一年两年三年才能有成果。
但是当我拿到这份报告时的确震惊到我，因为就通过两个月的监控，随后那家供应商就花了16个小时整个数据的挖掘进行改善，最终改造前跟改造后，我们的节拍可以提升4秒钟。所以基于这样的值，我们在明年整个数字化工厂会把大数据作为一个重点目标来进行推进。我们再回顾一下数字化工厂。其实前面讲了那么多，整个数字化工厂所做的就是对于仿真进行验证、对于数字化双胞胎进行部署实施，当然我们已经有两个基地采取到了数字双胞胎技术。明年我们会对所有新生产线全部使用数字化双胞胎理念。最终我们在明年会启动智慧工厂项目，除了之前谈到的ERP等系统之外，我们会把整个包括AI、AR/VR技术以及类似于工厂漫游的技术，都融入到智慧工厂里面。
最终在这样的基础上来实现整个数字化工厂。数字化双胞胎场景的应用，会有几个关键点。首先就是仿真数据跟现场数据它们的误差只有13毫米。第二个值就是所有的CT节拍所有的误差控制在了0.5秒。第三个是所有机器人在仿真里面的数据跟现场是完全一样的。我们可以在这样一个控制室，我们在控制室里面可以控制现场任何一台机器人的启动、停止，可以调动现场任意一个程序。当然现场所有的信号、程序都可以实时反馈到监控室里面，让监控室实时同步的对生产现场环境进行模拟监控。我们的第二个实验室就是人机工程实验室。在左下角可以看到通过整个人机工程实验室可以把很多人机工程上的问题，通过可穿戴设备进行模拟验证。这有点像拍电影，其实灵感来源于哪里呢？
三年前在我离开前一家公司的时候，我带着全家去了美国，当时在拍电影。拍电影，尤其是拍科幻电影很简单，就在单色的背景前面一些人穿着可穿戴设备、传感器做所有动作，那些动作被输到电脑里进行合成。所以数字工厂，我们就在想能不能进行跨行业结合。所以我们借鉴了电影技术，也购买了拍电影的穿戴设备。原来我们进行的都是静态的验证，但是到现场我们突然发现，现场操作工因为地域差别、启停差异等，仿真还是有很大差别的。但是我们应用一套可穿戴设备，把真实功能所有动作通过仿真可以100%的做出来，用红色、黄色、绿色来识别某一个关节某一个动作的差异。当然通过这样一套传感器技术，我们除了对于人体大的74个环节进行模拟之外，甚至可以拆分到具体动作。比如手指关节动作、头部运动动作，都可以进行自定义。
