江蘇鳳谷節(jié)能科技有限公司  最近幾個月，我一直考慮智能制造如何落地的問題。下面的文章，是對幾個月思考的一個總結。文章的前半部分，整理了一下智能制造的邏輯;后半部分則談到落地的問題。落地的要求是：針對現(xiàn)實問題、有可操作性、有經(jīng)濟價值?，F(xiàn)在看來，操作起來的難度是蠻大的。

智能制造是以數(shù)字化、網(wǎng)絡化為特征的生產(chǎn)體系。

特別應該提醒的是：這一定義，與傳統(tǒng)上理解的“人工智能”是有差距的(3D打印被劃歸智能制造技術，就是這個原因：其實，本輪智能制造強調(diào)的是Smart 而不是Intelligent)。

廣義的智能制造體系包括智能的產(chǎn)品以及企業(yè)的各種業(yè)務流程，如智能的生產(chǎn)制造、智能供應鏈、智能的研發(fā)和服務。手機、機器人、智能家居等智能產(chǎn)品，能夠在使用過程中體現(xiàn)“智能”;但這并不是智能產(chǎn)品的全部。

在筆者看來，智能產(chǎn)品之所以重要，一個重要的原因是需要靠智能產(chǎn)品與智能生產(chǎn)制造、智能供應鏈、智能研發(fā)和服務配套，通過信息交互(如通報產(chǎn)品和零件的位置與狀態(tài))體現(xiàn)相關過程的智能。否則，離開智能產(chǎn)品，這些過程的智能化是“一個巴掌拍不響”。在此，CAD、PLM等技術是形成、管理智能產(chǎn)品(其實是數(shù)字化產(chǎn)品)的支撐工具;ERP、MES則是將產(chǎn)品與智能生產(chǎn)過程融合在一起的技術。

狹義的智能制造過程即生產(chǎn)制造過程，包括智能的設備、車間、產(chǎn)線、工廠等相關技術。在理想的情況下(設備狀態(tài)良好、足以保證產(chǎn)品質(zhì)量的穩(wěn)定)，離散制造業(yè)的智能生產(chǎn)過程完成的信息交換包括：(智能)產(chǎn)品相關部件的位置和加工狀態(tài)、設備的加工進程(忙碌程度)。這兩類信息的作用是支持個性化定制的生產(chǎn)組織和能源調(diào)度。RFID技術成為熱點，大概是因為這個原因。

理想狀態(tài)很簡單，但現(xiàn)實卻往往要復雜得多。現(xiàn)實中，不僅需要知識產(chǎn)品或部件的位置信息，還可能遇到各種麻煩：產(chǎn)品質(zhì)量問題、設備健康問題以及各種干擾。也就是說，設備可能并不能完全處于正常的工作狀態(tài)、產(chǎn)品質(zhì)量也會出現(xiàn)各種問題。這些問題如何解決?顯然，要解決這些問題，就不僅靠RFID就不夠了。于是，物聯(lián)網(wǎng)的含義開始拓展到智能設備等方面了。

對于這種問題，可能有兩類場景：一類主要靠人工的巡檢、另外一類是無人工廠——在我看來，前面一類是工業(yè)4.0的低端，后面一類則是工業(yè)4.0的高端。顯然，后者的難度要大得多。現(xiàn)在炒作的很多技術，應該主要是針對后者的，如工業(yè)大數(shù)據(jù)平臺、設備監(jiān)測與自診斷技術。當然，在這兩類場景之間，可能還會有許多中間狀態(tài)：有人監(jiān)控，但卻是集中監(jiān)控、靠移動通信監(jiān)控等等。我們區(qū)分這些狀態(tài)，是因為困難的程度不一樣，面臨的問題也不一樣。

如前所述，這些知識是從人腦中來的——不能倚重于從數(shù)據(jù)中提煉知識：

其實，數(shù)據(jù)的作用是驗證、矯正、精細化人的知識，是知識系統(tǒng)的必要補充，而不是主體。這時，可能會遇到一個瓶頸：擁有知識的技術人員，不知道怎么把自己的知識沉淀到機器當中。要解決這個問題，恐怕需要做兩件事：第一件事是建立知識沉淀的標準，便于領域技術人員標準化的描述自己的知識;第二件事是組建專職的部門，負責知識的沉淀。這樣，在未來的企業(yè)中，就要有兩類“知識工作者”：負責產(chǎn)生知識和沉淀知識——沉淀成計算機能夠懂的知識。這種做法，很可能需要企業(yè)進行組織結構的改造：原來的部分研發(fā)、服務和現(xiàn)場技術人員，主要用來解決具體問題，現(xiàn)在則專職從事“知識生產(chǎn)”。這樣的組織設計，既解決了人的知識如何向計算機沉淀的問題，又解決了人的主動性問題。事實上，如果一個企業(yè)的很多人員都是從事這類工作的，這個企業(yè)就自然完成了向“研發(fā)”和“服務”的轉型。

這樣做，很可能會增加人力資源的投入。其實，這是一個必然的選擇。我們不妨設想：如果10，000人的企業(yè)，只有幾十個人從事“知識生產(chǎn)”，能叫做“完成轉型”嗎?

華為被稱為研發(fā)型企業(yè)，因為華為的十多萬員工中，有8萬多人從事與研發(fā)相關的工作。當然，能否做到這一點，關鍵是看企業(yè)創(chuàng)造知識的價值有多大。這應該與行業(yè)的特點有關。

過去人們也談到知識管理。但這些知識主要是給人看的。對智能制造過程，知識是給計算機用的、計算機必須懂得這些知識。人們經(jīng)常問：計算機怎么能懂呢?其實，“計算機懂得”是個擬人化的說法，說的專業(yè)一點，就是：這些知識是軟件化的模型。這樣，計算機自然就會懂了。模型需要輸入變量，這些變量就是前面所說的“信息”。也就是說，信息是根據(jù)模型的需求來取得、規(guī)范的，而不是先有了信息再考慮怎么去用。獲得相關信息的過程，可以理解為工業(yè)4.0所說的“信息集成”：注意，這個集成是有針對性的，是為模型服務的，而不是信息的隨意堆砌。而信息和模型，應該就是工業(yè)4.0所反復強調(diào)的、CPS中“CYBER”的重要組成部分。

在獲取信息的過程中，我們很可能還會遇到一個問題：用戶的信息怎么獲得?用戶憑什么給你他的信息?用戶怎么知道該告訴你什么?這兩個問題其實蠻關鍵的。要解決第一個問題，需要有商業(yè)模式的設計和創(chuàng)新：用戶把信息告訴你，需要獲得利益——或者說，需要我們將獲利適度地分給用戶。也就是說，獲取用戶的信息是要有成本的。其次，用戶其實并不知道該告訴你什么，需要我們?nèi)ヒ龑в脩籼岢鰡栴}——如何引導用戶，這也是需要認真考慮的問題。

另外，這個體系如果能夠正常運行，可能會沉淀成千上萬條知識。這些知識可能會有沖突、可能會包含不合適、過時的知識。同時，如果商業(yè)模式設計不合理，企業(yè)不僅不會賺錢，還會虧錢。如何解決這些問題呢?筆者認為，或許應該采用“知識自動化”的思路。顯然，我這里說的知識制動化，和傳統(tǒng)的提法不同：不是自動地獲得知識，而是自動地管理知識。這或許是個工作量非常大的工作。

為什么要智能地管理知識和信息呢?道理是：信息社會其實不缺少知識和信息，但是：信息和知識太多，人的關注能力卻有限;信息和知識之間互相矛盾，難以取舍。這個問題不解決，就很難把知識用在流程中。例如：筆者搞過多年的數(shù)據(jù)建模，遇到的困難就是：很多結果似是而非、模型和公式很多但應用范圍模糊。從某種意義上說，“知識”和“信息”的質(zhì)量很差，就難以大規(guī)模、自動化、系統(tǒng)性地用到智能化的過程中。

過去，生產(chǎn)車間的工人以操作工為主。未來的車間可能以產(chǎn)品的檢驗、設備的維修維護為主。當然，其前提是企業(yè)生產(chǎn)高質(zhì)量的產(chǎn)品。有人說，精益生產(chǎn)是工業(yè)4.0不可逾越的階段。大體就是這個意思。

一般來說，產(chǎn)品質(zhì)量問題越多、設備問題越多，走向智能化的難度一定就會越大。有些行業(yè)(如鋼鐵行業(yè))的特性決定了，其產(chǎn)品質(zhì)量幾乎無法達到理想的6sigema水平。這個時候應該怎么辦?現(xiàn)在看來，即便工業(yè)4.0的白皮書也沒有深入研究這個問題，需要我們自己來考慮。

要解決這些問題，加強對設備和產(chǎn)品質(zhì)量的自動檢測是肯定的。但除此之外，還要盡量采取其他的手段。包括：通過產(chǎn)品設計(如大規(guī)模定制)，從源頭上減少缺陷產(chǎn)品產(chǎn)生的數(shù)量;通過生產(chǎn)環(huán)節(jié)和參數(shù)的重新設定，減少不合格產(chǎn)品的產(chǎn)生;通過產(chǎn)品與用戶的合理匹配，減少質(zhì)量損失。目前，要做到這三點，缺少的是必要的知識和信息。

所謂信息，包括用戶的使用信息、設備的狀態(tài)信息和產(chǎn)品的質(zhì)量信息;所謂知識，包括用戶需求對質(zhì)量的要求;設備狀態(tài)和工藝參數(shù)對質(zhì)量的影響這兩個方面。由于各種原因，我國企業(yè)對這些知識的積累不夠、信息了解不全。而這些問題，應該通過智能制造來推進。

事實上，人們在口頭上一直重視知識積累和信息互聯(lián)。但行動中卻是兩碼事了。究其原因，一個重要因素是缺乏動力：知識積累與創(chuàng)造價值之間存在一條鴻溝;知識積累與個人評價不能結合起來。也就是說，本質(zhì)上是缺乏動力的。然而，“智能制造”為解決這些問題提供了動力。

從工廠的層面來看，上述問題的智能是通過這樣的邏輯來實現(xiàn)的：(用戶、設備、產(chǎn)品、成本)信息驅動知識(也就是模型)，在決策中體現(xiàn)智慧。某種意義上說，這是一種新的智能，我稱之為“見多識廣”的智能——與傳統(tǒng)的“符合學派”、“聯(lián)接學派”不同的智能，但可以看成“行為學派”的發(fā)展與延伸。

這種智能并不體現(xiàn)在多步驟的深入推理、也不體現(xiàn)在知識的學習：事實上，體系中的知識，是從人的認識中提煉出來的，或者是通過實驗研究獲得的。雖然知識的推理不深刻，但知識量很多，能夠靈活應對各種外部變化，故而顯示出智能的特征。

這種智能的本質(zhì)，是把人腦總碎片化的知識放在計算機中，讓計算機成為一個“超級專家”，讓個人的知識變成企業(yè)的知識。由于這種知識是直接用來解決具體問題的，所以能夠直接產(chǎn)生價值。故而，企業(yè)進行知識管理的動力將會大大增加。要實現(xiàn)這種智能，關鍵是要解決信息和知識的來源和管理問題。

那么，如何做知識自動化呢?

在我看來，知識自動化首先要將知識標準化：這就像安卓系統(tǒng)上要做APP STORE。這些APP必須具有一定的“自治”性，自己知道什么時候啟動自己;這些APP還要“守規(guī)矩”，不要互相打架，要符合系統(tǒng)的要求;當然，系統(tǒng)不僅要訂規(guī)矩，還要有“監(jiān)察”，要剔除那些可能產(chǎn)生問題的知識：特別地，要在知識運行之前剔除，盡量避免在運行過程出現(xiàn)問題。當然，事先避免是比較難的，故而需要對知識的運行過程加以監(jiān)控、評價。如果運行中一旦出現(xiàn)問題，要交給人類專家進行“仲裁”........

鳳谷工業(yè)爐集設計研發(fā),生產(chǎn)銷售,培訓指導,售后服務一體化,專利節(jié)能技術應用,每年為企業(yè)節(jié)省40%-70%的能源成本,主要產(chǎn)品加熱爐,工業(yè)爐,節(jié)能爐,蓄熱式爐,垃圾氣化處理設備，歡迎致電咨詢:0510-88818999