智能制造要夯实“数据”“互联”基础

本篇文章1748字，读完约4分钟

目前，智能制造已经成为中国制造业强国战略的主要方向，中国已经出现了一批智能制造的“示范企业”。

智能制造的本质是什么？第四次工业革命似乎特别强调数字世界和物理世界的融合。智能制造是制造业领域第四次工业革命的主要体现，那么数字世界和物理世界的融合是智能制造的本质吗？不，整合只是一种现象。

在第二次和第三次工业革命之后，人们对工程中确定性问题的理解和控制已经成熟。制造业有很多不确定性，无论是效率、质量、成本、绿色、服务等等。此外，制造业中还有许多非模型问题，如工厂或车间的节能问题，无法用数学模型来描述，也没有固定的模型。对于那些试图清楚理解甚至控制制造过程的人来说，非模型化和不确定性是最大的问题。系统中有多少因素是相互关联的，它们在多大程度上相互影响？

幸运的是，大数据、人工智能和其他技术为人类进一步理解和控制客观世界的非模型性和不确定性打开了大门。因此，智能制造的本质和真正含义是使用先进技术(如数字化、网络化、大数据、人工智能等)。)识别和控制制造系统中的不确定性问题，以实现更高的目标。日本早期智能制造计划没有取得明显成效的原因，恐怕与当时缺乏处理此类问题的技术(如大数据和人工智能)有关。

有两种不确定性问题。一是客观不确定性，如加工过程中质量的不确定性，产品性能的不确定性。第二，主观不确定性，或称认知不确定性，主要是指制造系统中原有的确定性问题，它导致人们理解的不确定性，如企业中各种活动和过程的安排，这本来就是确定性的，但由于涉及的人太多和发生的时间不同，如果没有特殊的手段，人们的理解是混乱的。这是人的主观不确定性或认知不确定性。为什么主观不确定性也应被视为制造系统的不确定性？因为制造系统也应该包括相关人员。

企业实施智能制造的关键是什么？自然，有许多关键问题。在这里，我们只提请人们注意尚未引起广泛关注的最基本的问题——数据和互联。

无论是客观不确定性还是主观不确定性，有了相应的数据，就有了理解不确定性的基础。通过分析加工过程各方面的数据，可以清楚地找出影响加工质量的因素，这些因素以前没有认识到；掌握企业各种活动的相关数据可以减少认知的不确定性，使新的活动更加有序，相应的决策更加合理。对于非模式场景，需要进行数据分析。

获取数据需要互联。互联首先是指在制造过程中收集物理量(如在设备上安装传感器)。通过分析这些数据，我们可以对它的不确定性有更深的理解，并且有可能在一些看似不相关的物理量之间找到一些相关性。互联自然应该包括由人决定的各种活动之间的相关数据连接，前提是相关活动必须数字化。

互连的概念不能局限于企业内部。要有“企业生态系统”的意识，也就是说，“系统”的概念不能局限在企业内部。供应商、客户等。构成一个企业生态系统，而企业生态系统的成员应该有一些数据的互连和共享。现在有了“数字供应链”的概念，即企业之间不仅有物料的供需，还有数据的供需。一个好的企业生态系统应该包括一个“数字生态系统”，或者一个企业生态系统应该强调数据互连。

对互联的认识甚至促使企业家和工程师重新定义行业的界限和产品的功能界限。例如，制造智能灯具的企业需要考虑灯光和娱乐设备之间的数据连接，汽车行业需要考虑汽车和智能城市之间的数据互联。

人机智能的时代即将到来。智能制造的未来发展是什么？目前，相对容易推测“知识工程”将发挥越来越重要的作用，工程师的大部分脑力劳动可能被智能系统所取代；虚拟空和真实空之间的界限将变得越来越模糊，增强现实(ar)和混合现实(mr)技术将应用于更多场景。当制造系统变得越来越“智能”时，很难猜测人们的角色将如何定位和扮演。对此，我们只能随着时间的推移在实践中探索答案。

智能制造的最佳途径是什么？这是政府、企业家和R&D人员应该特别关注和思考的问题。目前，正在如火如荼地进行的“机器替代”、“数百万工业企业走向云端、实施数百万工业应用”都在这方面进行探索和实践。最终的答案是什么？还不知道，但有一点是肯定的。智能制造必须依赖许多基础智能技术和工具，如传感器、物联网、智能数控系统、大数据分析工具、智能软件等。在这些领域取得重大突破，占据制高点，是建设智能制造强国的前提。我们应该始终清醒地意识到这一点。

(作者是中国工程院院士、华中科技大学原校长)

来源：搜狐微门户