中國錯過了前三次工業(yè)革命，又一輪工業(yè)革命到來之際，中國要走什么樣的道路？

第四次科技革命的到來為各個國家提供了發(fā)展和轉型的機遇，智能制造無疑將成為世界各國競爭的新戰(zhàn)場。無論是德國提出的“工業(yè)4.0國家戰(zhàn)略”，還是美國的“國家制造業(yè)創(chuàng)新網(wǎng)絡計劃”，抑或是日本的“工業(yè)價值鏈計劃”，無不圍繞著制造業(yè)這個核心。中國如何實現(xiàn)智能制造？

“工業(yè)智能化，美國靠軟件、德國靠機器、日本靠人、中國靠數(shù)據(jù)。中國最大的數(shù)據(jù)量來自工業(yè)，遠超阿里巴巴和谷歌。大量的數(shù)據(jù)都在中國匯集，這無疑給了中國制造最好的資源優(yōu)勢。利用好這一資源，才能彌補中國在裝備制造和核心零部件等方面的弱勢與短板?！泵绹列聊翘岽髮W特聘講座講授、美國國家科學基金會智能維護系統(tǒng)研究中心（IMS）主任李杰教授對中國制造給出了許多有益建議，并接受了澎湃新聞的專訪。

在制造系統(tǒng)和商業(yè)環(huán)境變得日益復雜的今天，利用大數(shù)據(jù)去解決問題和積累知識或許是更加高效和便捷的方式?！按髷?shù)據(jù)的目的并不是追求數(shù)據(jù)量大，而是通過系統(tǒng)式的數(shù)據(jù)收集和分析手段，實現(xiàn)價值的最大化。所以推動智能制造的并不是大數(shù)據(jù)本身，而是大數(shù)據(jù)的分析技術，”李杰在采訪中再三強調(diào)，數(shù)據(jù)本身不會說話，也不會直接創(chuàng)造價值，真正為企業(yè)帶來價值的是數(shù)據(jù)經(jīng)過實時分析后及時地流向決策鏈的各個環(huán)節(jié)，或是成為面向客戶創(chuàng)造價值服務的內(nèi)容和依據(jù)。

大數(shù)據(jù)如何具體推動智能制造？

李杰告訴澎湃新聞記者，可以從三個方向看這一問題。“第一個方向是利用大數(shù)據(jù)分析，從解決問題到避免問題?！?/p>

20世紀80年代，美國制造受到了德國和日本的巨大沖擊，尤其是在汽車制造行業(yè)，德國和日本的汽車以更優(yōu)的質量和更好的舒適度迅速占領了美國市場。令美國廠商百思不得其解的是，美國在生產(chǎn)技術、裝備、設計和工藝方面并不比德國和日本差，在汽車制造領域積累的時間甚至超過他們，但是為什么美國汽車的質量和精度就是趕不上人家？

在那個時候，質量管理已經(jīng)在汽車制造領域十分普及了。光學測量被應用在產(chǎn)品線上以后，在零部件生產(chǎn)和車身裝配的各個工序已積累大量的測量數(shù)據(jù)。但問題是，即便測量十分精準，在各個工序和零部件生產(chǎn)、車身裝配都進行嚴格的質量控制，可在組裝完畢后依然有較大的誤差。于是美國的汽車廠商不得不花大量時間反復修改和匹配工藝參數(shù)，最終的質量卻依然不穩(wěn)定，時常出現(xiàn)每一個工序都在質量控制范圍內(nèi)，但最終的產(chǎn)品質量依然不能達標。

李杰告訴澎湃新聞記者，針對這一難題，上世紀90年代他們與美國密歇根大學吳賢銘教授一起發(fā)起了“2mm”工程來解決這一問題。什么是“2mm”工程？李杰解釋：“就是利用統(tǒng)計科學對這些龐大的測量數(shù)據(jù)進行分析，對質量誤差的積累過程進行分析和建模，從而解釋誤差的來源并進行控制，使車身波動降低到所有關鍵尺寸質量的6-sigma值必須小于2mm，2mm是當時理論上的精度控制極限值?！?/p>

在引入上述數(shù)據(jù)分析對質量進行管理和控制的方法后，產(chǎn)品的設計周期和成本得以大幅降低，并且產(chǎn)品質量的精密度和穩(wěn)定性也得以明顯提升。1992年12月，一個位于美國密歇根州底特律市的裝配工程陳宮實現(xiàn)了2mm變化級，并第一次將2mm工程成功市場化。李杰表示，這一方法并不需要大量的硬件投入和生產(chǎn)線的改變，實施的成本非常低廉，但產(chǎn)生的效果顯著，因而被廣泛推廣到飛機制造、發(fā)動機制造和能源裝備等各類制造領域，對美國制造精度的提升起到了重要的推動作用。

大數(shù)據(jù)推動智能制造的第二個方向，是利用大數(shù)據(jù)預測隱性問題，在問題成為顯性前就進行解決。

如果將露出海面的冰山比作可見問題，那么硬性問題就是隱藏在冰山下的惡魔。李杰用冰山模型向澎湃新聞記者介紹了制造系統(tǒng)中可見與不可見的問題。

“生產(chǎn)系統(tǒng)中存在著不可見因素的影響，比如設備性能的衰退、精度的缺失、易耗件的磨損和資源的浪費等。而可見的影響因素往往是不可見因素積累到一定程度所引起的，比如設備的衰退最終導致停機、精度的缺失最終導致質量偏差等。”李杰表示，對這些不可見因素進行預測和管理是避免可見因素影響的關鍵。“可以從數(shù)據(jù)當中抽象提取出的、與判斷某一事物的狀態(tài)或屬性有較強關聯(lián)的、可被量化的指標。常用的特征包括時域信號的統(tǒng)計特征、波形信號的頻域特征、能量譜特征、特定工況下的信號讀數(shù)等。在一個坐標系中這些特征的分布就劃分了若干區(qū)域，這其中既有健康狀態(tài)的分布區(qū)域，也有不同故障模式下的分布區(qū)域。”

“當我們將這些區(qū)域分別建模時，在制造系統(tǒng)的運行過程中這個分布可能會慢慢偏移，這時與正常狀態(tài)和某一類異常狀態(tài)可能有所重疊，那么其與正常狀態(tài)的相似程度就代表它的健康值，與故障狀態(tài)的相似程度就代表了其故障風險，我們可以將這個相似程度進行量化。隨著時間的推移，這個分布可能會有慢慢向某一個狀態(tài)發(fā)展的趨勢，我們所量化的結果就形成了一個時間序列，這個時間序列代表的就是衰退的軌跡，進而對這個趨勢的未來發(fā)展進行預測，就可以推斷出在未來的什么時間會發(fā)生什么問題或故障，”李杰介紹。

因此美國辛辛那提大學NSF產(chǎn)學研合作智能維護研究中心提出并發(fā)展了針對預診斷與健康管理的工具箱，將廣泛使用的智能分析算法整合在一起，并且評估每一個算法在不用情況下的優(yōu)勢和劣勢，采用一種系統(tǒng)化的方法把每個算法的適用度進行優(yōu)先級排序，從而減少了實際應用開發(fā)中反復試驗的次數(shù)。

“第三個方向，就是利用反向工程，從結果中找到原因”，李杰總結。李杰依然以航空發(fā)動機為例：“事實上航空發(fā)動機真正的科技與挑戰(zhàn)都是隱藏在‘看不見的世界’中，其中的‘隱性科技/殺手’就存在于包括航空發(fā)動機、半導體制造和精密元器件等領域里最尖端并且最富挑戰(zhàn)的核心和關鍵技術。因為人們不了解它存在的原因和激活的條件，它們都隱藏在不穩(wěn)定、非線性、瞬態(tài)和隨機的工況與過程之中?！?/p>

譬如，在同樣一張圖紙上所定義的厚度及其分配曲線是明確的、清楚的。但是不同的厚度及分配對部件的性能、安全性、可靠性及持久性是隱形的科技。“如何去找出一個最優(yōu)化的厚度分配，其本身就是一個非常具有挑戰(zhàn)性的題目。所謂先進科技就是如何挖掘這些隱性殺手，然后控制住所有可激活的條件。大數(shù)據(jù)可以幫助我們達成這個目標。”

1989年7月19日，一架從丹佛起飛計劃飛往芝加哥奧黑爾國際機場的道格拉斯三引擎客機DC-10，在飛到愛荷華的玉米田上空時二號引擎空中爆炸，導致了機上296人中的111人不幸遇難。調(diào)查人員發(fā)現(xiàn)，是由于引擎中的風扇盤破裂，導致了事故的發(fā)生。

針對疲勞裂紋產(chǎn)生的區(qū)域進行更深入的分析后發(fā)現(xiàn)，導致風扇盤損壞的罪魁禍首是鈦合金葉盤中混入的少量氮元素與氧元素。這些雜質如果出現(xiàn)在鈦合金的部件之內(nèi)就會增加它的脆性，使其容易在受力的情況下產(chǎn)生裂紋。即使引擎部件裂紋的檢測包含在引擎的例行檢查項目之中，但該風扇盤的裂紋產(chǎn)生的地方極難察覺，導致了事故的發(fā)生。

“風扇盤制造過程產(chǎn)生的缺陷或許才應該是事故發(fā)生的必要因素，但又不構成充分的條件。因為在老化的過程中，許多隱形特性（疲勞與應力特性）的加入，導致了最后事故的發(fā)生?！?/p>

李杰在《從大數(shù)據(jù)到智能制造》中詳細分享了多例案例?！昂娇瞻l(fā)動機的安全、可靠及持久性很大程度上建立在偶然率之上。為了更好認識和控制那些‘隱形的特性’，不僅需要提升設計、材料、制造、維護以及測試的技術水平，更需要主動地對它進行監(jiān)控與預測，獲取部件實際的運行特性曲線，進而預測其故障發(fā)生的可能性?！崩罱芴岢?，工業(yè)互聯(lián)網(wǎng)與大數(shù)據(jù)為這種基于不確定性與概率的特性評估提供了技術基礎。

李杰告訴澎湃新聞記者，大數(shù)據(jù)在智能制造中的典型應用場景還包括加速產(chǎn)品創(chuàng)新、生產(chǎn)系統(tǒng)質量的預測性管理、產(chǎn)品健康管理及預測性維護、能量管理、環(huán)保與安全、工業(yè)企業(yè)供應鏈優(yōu)化、產(chǎn)品精確營銷、智能裝備和生產(chǎn)系統(tǒng)的自省性與自重構能力等。

中國制造業(yè)轉型的方向在哪里？

李杰給出了三個方向分別適用的幾種情況?！啊畯慕鉀Q問題到避免問題’這一方向適合在某一個領域已經(jīng)做了很久，有了一定的積累，但是卻不知道為什么做得好或是不好。比如中國的離散制造、精密加工、汽車制造、裝配制造等領域；第二個方向預測隱性問題，適用于在解決了可見的問題之后，仍然存在一些不可見問題對制造系統(tǒng)造成的影響，希望能夠了解不可見因素的變化過程和相互的關聯(lián)性，積累更加深入的領域知識；而在制造基礎非常薄弱的領域，并沒有形成太多有效的數(shù)據(jù)，但是從國外聘請了非常有經(jīng)驗和知識的人，則可以實施反向智能制造。”

最近，“提升供給側質量”成為中國政府在重整制造業(yè)中的重要改革舉措。李杰認為，用“制造競爭力=產(chǎn)品質量/成本”這個簡單的公式可以衡量供給側的質量。

“提升產(chǎn)品質量的方式有很多種，但是我認為中國制造目前最需要提升的是標準化、規(guī)范化和合理化，至于是應該使用自動化、信息化、機器換人，還是工匠精神等方式，應該視具體的行業(yè)和企業(yè)的情況而定?！?/p>

李杰特意指出，工匠精神未必一定是好的，比如最注重工匠精神的日本，很多企業(yè)由于過于嚴苛地追求性能指標的極致而投入了大量不必要的成本，使性能比其他產(chǎn)品高出1倍，但其代價可能是導致商品的價格高出了3-5倍，這樣的產(chǎn)品顯然也是不具備競爭力的?！霸诓粚Τ杀炯右韵拗频那闆r下任何一個企業(yè)都能夠做出質量和性能很高的產(chǎn)品，但是物美的同時做到價廉就很難了，這是一個復雜的系統(tǒng)工程，需要對生產(chǎn)系統(tǒng)的各個方面進行優(yōu)化。

除此之外，中國制造業(yè)的供給側質量改革，李杰建議可以從兩個方向進行嘗試：“一是從以往的依靠投資拉動需求，轉變?yōu)橐灾骺厥絼?chuàng)新的思維挖掘市場潛在的需求；二是將資源要素向價值鏈上游轉移，增加基礎科學研究領域的投入，研究與產(chǎn)品開發(fā)均衡發(fā)展，在生產(chǎn)系統(tǒng)上游的要素中取得更多的話語權，逐漸從價值鏈的較低端向高端環(huán)節(jié)轉移?！?/p>

“我們相信中國會成為新制造革命的中心，因為大數(shù)據(jù)將成為中國繼人口紅利之后的又一大競爭優(yōu)勢，中國應該利用好使用數(shù)據(jù)的資源，才能彌補中國在裝備制造和核心零部件等方面的弱勢，做到讓世界向中國學習在制造系統(tǒng)中創(chuàng)智和創(chuàng)值的經(jīng)驗?！崩罱苷f。