制造业的变革一直在发生。从2012年3月美国政府提出国家制造创新网络(NNMI)计划,到2014年4月德国提出“工业4.0国家战略”,再到日本的“工业价值链计划(IVI)”以及“中国制造2025”,第四次科技革命已经呼啸而来,而智能制造也成为世界革命竞争的新战场。
智能制造体系(Intelligent Manufacturing System, IMS)是建构在制造技术与通讯信息技术深度融合基础上的集感知、分析、决策和执行于一体的智能化制造体系,力图解决以往工业化进程中人类脑力劳动自动化效率低的难题。根据李杰等在《从大数据到智能制造》一书中的观点,制造系统的核心要素可以用5个M来表示,即材料(material)、装备(machine)、工艺(methods)、测量(measurement)和维护(maintenance),过去三次工业革命都是围绕着这5个要素进行的技术升级。
然而,无论是设备的精度还是自动化水平的提升,这些活动依然是围绕人的经验开展的,人依然是驾驭着5个要素的核心。生产系统在技术上无论如何进步,运行逻辑始终保持不变。
在新一代信息技术和工业融合发展的趋势下,智能制造日益成为未来制造业发展的核心内容。然而,如何才能实现智能制造? 包括哈佛商学院、宾夕法尼亚大学沃顿商学院等在内的众多世界级专家学者,有一个普遍的共识,即数字化转型是智能制造实现的重要途径。这一共识是基于众多信息技术发展的融合趋势,如物联网、信息物理系统技术( C P S)、工业物联网、移动技术、人工智能、云计算、虚拟/增强现实(VR/AR)、大数据分析等。但是,拥有了这些技术,并不意味着我们就会加速进入制造业的“黄金时期”。
数字化转型不仅仅意味着企业简单的数字化,而是把数字作为智能制造的核心驱动力,需要利用数据去整合产业链和价值链。同时,要实现智能制造的关键还在于,对生产系统全过程的5M要素,利用建模进行透明化、深入和对称性的管理,实现从问题中产生数据,从数据中获取知识,再利用知识形成避免问题的闭环过程。
随着工业4.0概念的引入,工业产业进入了新一轮的全球性革命,新型工业体系最核心的特征就是互联网、大数据与工业的融合应用。工业大数据是工业4.0的核心支撑之一,将带来工业生产与管理环节的极大的升级和优化,其价值已经得到了全球的认可和追捧,但是反观我国的工业发展现状,工业数据采集体系薄弱,工业大数据挖掘释放价值极其有限,如何采集、应用、管理工业大数据,快速跟进工业4.0的步伐,对于传统的工业企业而言是非常大的挑战。
大数据推动智能制造的三个方向:第一个方向是把问题变成数据,利用数据对问题的产生和解决进行建模,来了解和解决可见的问题;第二个方向是把数据变成知识,利用数据来分析和预测不可见的问题,从仅仅明白解决问题的“know-know”,进一步理解产生问题的原因,从而避免可见的问题;第三个方向则是把知识再变成数据,从数据中挖掘新的知识,利用知识去重新定义问题,从根本上去解决和避免问题。