從大數(shù)據(jù)到智能制造

\h從大數(shù)據(jù)到智能制造目錄\h導(dǎo)引篇\h1.1智能制造，是制造還是思維\h1.2何謂智能制造的核心\h1.3從大數(shù)據(jù)到智能制造\h1.4大數(shù)據(jù)推動(dòng)智能制造的三個(gè)方向\h1.5智能制造在發(fā)達(dá)國家的轉(zhuǎn)型\h1.6未來智慧工廠的無憂慮制造\h1.7從產(chǎn)品制造到全生命周期價(jià)值創(chuàng)造———給“蛋黃”配“蛋白”\h1.8工業(yè)大數(shù)據(jù)的機(jī)遇與挑戰(zhàn)\h案例分析篇\h2.1利用大數(shù)據(jù)分析，實(shí)現(xiàn)從解決問題到避免問題\h2.2利用大數(shù)據(jù)預(yù)測隱性問題，實(shí)現(xiàn)生產(chǎn)系統(tǒng)的自省性\h2.3利用知識(shí)產(chǎn)生可執(zhí)行的設(shè)計(jì)和制造數(shù)據(jù)的反向工程\h2.4基于大數(shù)據(jù)產(chǎn)品服務(wù)系統(tǒng)解決方案\h專家訪談篇\h李杰教授采訪著名經(jīng)濟(jì)學(xué)家馬光遠(yuǎn)\h李杰教授采訪航空發(fā)動(dòng)機(jī)專家王安正\h《福布斯》（中文版）總編康健采訪李杰教授\h李杰教授采訪三一集團(tuán)高級(jí)副總裁賀東東\h李杰教授采訪NI行業(yè)市場經(jīng)理崔鵬導(dǎo)引篇1.1智能制造，是制造還是思維2013年，德國在漢諾威工業(yè)博覽會(huì)上推出“工業(yè)4.0國家戰(zhàn)略”，這被認(rèn)為是人類第四次工業(yè)革命的開端，也開啟了各個(gè)國家在新一輪產(chǎn)業(yè)革命中競爭的序幕。世界各主要經(jīng)濟(jì)體紛紛從自身的現(xiàn)狀與優(yōu)勢(shì)出發(fā)，制定了應(yīng)對(duì)新一輪制造業(yè)革命的國家戰(zhàn)略。美國在2012年3月提出了“國家制造業(yè)創(chuàng)新網(wǎng)絡(luò)（NNMI）計(jì)劃”，在制造業(yè)的4個(gè)重點(diǎn)領(lǐng)域列出了9個(gè)創(chuàng)新中樞項(xiàng)目；日本在2015年6月公布了《2015年版制造業(yè)白皮書》，將3D打印、人工智能和智能ICT作為轉(zhuǎn)型升級(jí)的軸心；韓國提出了《制造業(yè)創(chuàng)新3.0戰(zhàn)略行動(dòng)方案》，在3D打印、大數(shù)據(jù)、物聯(lián)網(wǎng)、ICT服務(wù)等8項(xiàng)核心智能制造技術(shù)中發(fā)力；法國提出了《工業(yè)新法國2.0》，將智慧物流、新能源開發(fā)、智慧城市、未來交通等9個(gè)重點(diǎn)領(lǐng)域作為改革的重心。中國也在2015年3月正式出臺(tái)了《中國制造2025》，作為新一輪工業(yè)革命的指導(dǎo)綱要，將工業(yè)化與信息化“兩化”深度融合發(fā)展作為主線，力爭在10個(gè)重點(diǎn)領(lǐng)域?qū)崿F(xiàn)突破性發(fā)展。在過去三年中，關(guān)于工業(yè)4.0的定義和對(duì)世界各國戰(zhàn)略的解讀已有很多，也有許多專家學(xué)者和政府機(jī)構(gòu)提出了一系列的實(shí)施路徑和方案，我們看到政府相繼提出了機(jī)器換人、智慧工廠、大數(shù)據(jù)、互聯(lián)網(wǎng)＋和工匠精神等一系列改革舉措。然而，有不少人都表達(dá)過這樣一種感受：我們?cè)缴钊敕治龈鱾€(gè)國家的政策，越是去嘗試不同的轉(zhuǎn)型路徑，反而愈發(fā)地感覺迷茫和浮躁。我認(rèn)為之所以會(huì)有這樣的感受，是因?yàn)榇蠹野阎悄苤圃飚?dāng)成了一個(gè)技術(shù)問題來看待，因此在分析其他國家行動(dòng)的時(shí)候也只是停留在表面的方法和技術(shù)上，卻忽略了這些行動(dòng)背后的思維和邏輯。于是當(dāng)?shù)聡小肮I(yè)4.0”，我們就有了“中國制造2025”；美國提出“工業(yè)互聯(lián)網(wǎng)”，我們也提出了“互聯(lián)網(wǎng)＋”；日本精益制造做得好，我們就要大力提倡工匠精神。事實(shí)上，智能制造并不僅僅是一個(gè)技術(shù)體系或文化，更重要的是背后對(duì)智慧的理解、解決問題的邏輯和重新定義制造的思維。1.2何謂智能制造的核心制造系統(tǒng)的核心要素可以用5個(gè)M來表述，即材料（material）、裝備（machine）、工藝（methods）、測量（measurement）和維護(hù)（maintenance），過去的三次工業(yè)革命都是圍繞著這5個(gè)要素進(jìn)行的技術(shù)升級(jí)。然而，無論是設(shè)備的精度和自動(dòng)化水平提升，或是使用統(tǒng)計(jì)科學(xué)進(jìn)行質(zhì)量管理，或是狀態(tài)監(jiān)測帶來的設(shè)備可用率改善，又或是精益制造體系帶來的工藝和生產(chǎn)效率的進(jìn)步等，這些活動(dòng)依然是圍繞著人的經(jīng)驗(yàn)開展的，人依然是駕馭這5個(gè)要素的核心。生產(chǎn)系統(tǒng)在技術(shù)上無論如何進(jìn)步，運(yùn)行邏輯始終是：發(fā)生問題→人根據(jù)經(jīng)驗(yàn)分析問題→人根據(jù)經(jīng)驗(yàn)調(diào)整5個(gè)要素→解決問題→人積累經(jīng)驗(yàn)。而智能制造系統(tǒng)區(qū)別于傳統(tǒng)制造系統(tǒng)最重要的要素在于第六個(gè)M，即建模（modeling），并且正是通過這第六個(gè)M來驅(qū)動(dòng)其他5個(gè)要素，從而解決和避免制造系統(tǒng)的問題。因此智能制造系統(tǒng)運(yùn)行的邏輯是：發(fā)生問題→模型（或在人的幫助下）分析問題→模型調(diào)整5個(gè)要素→解決問題→模型積累經(jīng)驗(yàn)，并分析問題的根源→模型調(diào)整5個(gè)要素→避免問題。因此，一個(gè)制造系統(tǒng)是否能夠被稱為智能，主要判斷其是否具備以下兩個(gè)特征：（1）是否能夠?qū)W習(xí)人的經(jīng)驗(yàn)，從而替代人來分析問題和形成決策。（2）能否從新的問題中積累經(jīng)驗(yàn)，從而避免問題的再次發(fā)生。我們不難看出，無論是機(jī)器換人、物聯(lián)網(wǎng)，或是互聯(lián)網(wǎng)＋，解決的只是5M要素的調(diào)整方式和途徑，只是在執(zhí)行端更加高效和自動(dòng)化，并沒有解決智能化的核心問題。所以說，智能制造所要解決的核心問題是，如何對(duì)制造系統(tǒng)中的5M要素的活動(dòng)進(jìn)行建模，并通過模型（第六個(gè)M）驅(qū)動(dòng)5M要素。智能制造所要解決的核心問題是知識(shí)的產(chǎn)生與傳承過程。從傳統(tǒng)制造向智能制造轉(zhuǎn)型的基礎(chǔ)和內(nèi)在動(dòng)因是什么？要回答這個(gè)問題，我們需要從制造業(yè)的競爭力和代表技術(shù)的發(fā)展進(jìn)行分析。現(xiàn)代制造業(yè)的價(jià)值邏輯從20世紀(jì)70年代至今主要經(jīng)歷了4個(gè)階段：以質(zhì)量為核心、以流程改善為核心、以產(chǎn)品全生命周期為核心和以客戶價(jià)值創(chuàng)造為核心。這個(gè)發(fā)展過程也是人們積累制造經(jīng)驗(yàn)的過程，從解決“可見的問題”向解決“不可見的問題”延伸，同時(shí)在發(fā)現(xiàn)和解決新問題的過程中產(chǎn)生新的知識(shí)，并以不同的科技形式將其運(yùn)用到5M要素中的過程。第一階段：在人的知識(shí)積累過程中提升質(zhì)量和生產(chǎn)效率從20世紀(jì)70年代至90年代，大到國家之間的制造業(yè)競爭，小到各個(gè)行業(yè)中企業(yè)間的競爭，無疑不圍繞著“質(zhì)量”這一核心展開。20世紀(jì)70年代，日本意識(shí)到其制造的產(chǎn)品在質(zhì)量上與歐美存在著巨大差距，為了擺脫其產(chǎn)品在國際市場上無人問津的窘境，提出了以“全生產(chǎn)系統(tǒng)維護(hù)（TPM）”為核心的生產(chǎn)管理體系。TPM的核心思想可以用“三全”來概括：全效率、全系統(tǒng)和全員參與；目標(biāo)可以用4個(gè)零來概括：零停機(jī)、零廢品、零事故和零效率損失。實(shí)現(xiàn)方式主要包括3個(gè)方面的改善：提高工作技能、改進(jìn)團(tuán)隊(duì)精神和改善工作環(huán)境。因此我們不難看出，在這個(gè)階段，制造系統(tǒng)的進(jìn)步主要依靠的并不是技術(shù)的升級(jí)，而是管理哲學(xué)和制度的創(chuàng)新，其核心是以組織為中心的實(shí)踐與文化建設(shè)。然而不可否認(rèn)的是，這一階段的改革奠定了日本制造的精神內(nèi)核，也使日本制造在短時(shí)間內(nèi)險(xiǎn)些使美國喪失世界第一制造大國的地位。受到日本制造沖擊的美國和歐洲也紛紛效仿日本，建立了先進(jìn)的生產(chǎn)管理制度，并完善了質(zhì)量管理體系。這個(gè)階段為制造系統(tǒng)的進(jìn)步所帶來的影響可以總結(jié)為：將解決生產(chǎn)過程中問題的經(jīng)驗(yàn)，利用先進(jìn)的管理制度和組織文化，轉(zhuǎn)變成為人的知識(shí)。第二階段：利用數(shù)據(jù)對(duì)問題的發(fā)生過程進(jìn)行建模，使知識(shí)積累的速度迅速提升從20世紀(jì)90年代開始，企業(yè)開始發(fā)現(xiàn)以關(guān)注生產(chǎn)現(xiàn)場為主的TPM模式所發(fā)揮出來的潛能越來越少，于是開始了向庫存控制、生產(chǎn)計(jì)劃管理、流程再造、成本管理、人才培養(yǎng)、供應(yīng)鏈協(xié)同優(yōu)化、設(shè)備資源和市場開發(fā)等整個(gè)生產(chǎn)系統(tǒng)的各個(gè)環(huán)節(jié)進(jìn)行延伸。在這個(gè)階段，以豐田（Toyota）為代表的日本企業(yè)主要采用了精益生產(chǎn)（leanmanufacturing）技術(shù)體系，而以通用電器公司（GE）為代表的西方企業(yè)則主要采用6-sigma企業(yè)流程管理體系。兩者的主要區(qū)別在于，精益生產(chǎn)仍然是以組織管理為中心的實(shí)踐和流程優(yōu)化為主要手段，而6-sigma則更多地使用分析與管理工具（如SPC、DMAIC、DFSS、QFD）。然而在大多數(shù)企業(yè)的實(shí)踐中，兩者并沒有明確的界限，而是將兩個(gè)體系中適合自己的部分加以應(yīng)用。與以TPM為核心的管理方式相比，精益生產(chǎn)技術(shù)體系和6-sigma的進(jìn)步主要體現(xiàn)在以下幾點(diǎn)：①從僅僅關(guān)注生產(chǎn)現(xiàn)場，延伸到整個(gè)產(chǎn)業(yè)鏈的各個(gè)要素；②開始以客戶為中心，以滿足客戶需求為導(dǎo)向，以為客戶提供優(yōu)質(zhì)服務(wù)為目標(biāo)；③生產(chǎn)系統(tǒng)中的大量數(shù)據(jù)被采集和分析，開始從以往的經(jīng)驗(yàn)導(dǎo)向轉(zhuǎn)變?yōu)閿?shù)據(jù)和事實(shí)導(dǎo)向。在這個(gè)過程中，以美國汽車制造業(yè)為代表的企業(yè)開始意識(shí)到利用數(shù)據(jù)將生產(chǎn)過程中的問題和差異化進(jìn)行建模的重要性，于是大量的先進(jìn)統(tǒng)計(jì)工具和建模方法被引入設(shè)計(jì)和制造的過程中，美國制造的質(zhì)量得以大幅提升。1990～2000年這個(gè)階段對(duì)制造系統(tǒng)的影響是：大量的問題得以依靠數(shù)據(jù)被分析和保留下來，人獲取知識(shí)的能力在許多分析工具的幫助下得以提升，同時(shí)知識(shí)以軟件或嵌入式智能的形式得以分享、使用和傳承。第三階段：制造的價(jià)值鏈向使用端延伸，利用預(yù)測分析技術(shù)發(fā)現(xiàn)隱性問題進(jìn)入2000年，企業(yè)的競爭焦點(diǎn)開始轉(zhuǎn)移到產(chǎn)品的全生命周期管理與服務(wù)（PLM）方面，這標(biāo)志著制造業(yè)的注意力從以往的以生產(chǎn)系統(tǒng)為核心，向以滿足用戶需求為導(dǎo)向的產(chǎn)品與服務(wù)轉(zhuǎn)移。PLM是一種對(duì)所有與產(chǎn)品相關(guān)的數(shù)據(jù)、在整個(gè)生命周期內(nèi)進(jìn)行管理的技術(shù)，管理的核心對(duì)象是產(chǎn)品的數(shù)據(jù)。在企業(yè)內(nèi)部，與PLM相關(guān)的主要軟件工具包括客戶關(guān)系管理系統(tǒng)（CRM）、計(jì)算機(jī)輔助設(shè)計(jì)（CAD）、產(chǎn)品數(shù)據(jù)管理系統(tǒng)（PDM）、計(jì)算機(jī)輔助工藝編制（CAPP）、制造執(zhí)行系統(tǒng)（MES）、供應(yīng)鏈管理系統(tǒng)（SCM）和企業(yè)資源計(jì)劃系統(tǒng)（ERP）等，分別對(duì)需求分析、概念定義、產(chǎn)品設(shè)計(jì)、生產(chǎn)制造、產(chǎn)品銷售、產(chǎn)品服務(wù)等環(huán)節(jié)的數(shù)據(jù)進(jìn)行管理與分析，是企業(yè)實(shí)現(xiàn)全面信息化的過程。與此同時(shí)，以預(yù)診與健康管理（PHM）為核心的預(yù)測分析技術(shù)被用于分析產(chǎn)品使用過程中的數(shù)據(jù)，通過對(duì)遠(yuǎn)程監(jiān)控系統(tǒng)所采集的數(shù)據(jù)進(jìn)行分析，實(shí)現(xiàn)對(duì)產(chǎn)品使用過程中的衰退和未知變異的透明化管理，通過及時(shí)避免產(chǎn)品故障為客戶創(chuàng)造價(jià)值。代表產(chǎn)品包括小松機(jī)械（Komatsu）在2005年推出的康查士（KomtraxTM）系統(tǒng)、JohnDeere的精智農(nóng)業(yè)管理系統(tǒng)（FarmSightTM），以及GE航空（GEAviation）的On-wingSupportTM服務(wù)。這時(shí)的產(chǎn)品開始有了代表產(chǎn)品自身性能的“蛋黃”和代表以產(chǎn)品為載體的增值服務(wù)的“蛋白”區(qū)分，且“蛋白”所占的價(jià)值比重越來越大，各個(gè)公司都在思考如何以產(chǎn)品為載體為用戶提供服務(wù)。商業(yè)模式也因此發(fā)生了轉(zhuǎn)變，因?yàn)槠髽I(yè)發(fā)現(xiàn)賣設(shè)備能夠賺到的錢已經(jīng)很少了，倒不如把設(shè)備租給用戶從而賺取服務(wù)費(fèi)用，于是就產(chǎn)生了產(chǎn)品的租賃體系和長期服務(wù)合同，其代表是GE所提出的“PowerbytheHour（時(shí)間×能力）”的盈利模式，企業(yè)賣的不再是產(chǎn)品，而是為客戶提供產(chǎn)品使用的能力。隨著產(chǎn)品大量全生命周期數(shù)據(jù)的獲取，尤其是產(chǎn)品使用過程中數(shù)據(jù)的收集，以及機(jī)器學(xué)習(xí)和仿真建模等先進(jìn)分析技術(shù)的發(fā)展，使得人們能夠從數(shù)據(jù)中獲取以往不可見的知識(shí)，并利用這些知識(shí)去管理和解決以往不可見的問題。更確切地講，制造業(yè)的發(fā)展過程，其核心是制造哲學(xué)的進(jìn)步過程，經(jīng)歷了標(biāo)準(zhǔn)化、合理化＋規(guī)范化、自動(dòng)化＋集成化、網(wǎng)絡(luò)化＋信息化4個(gè)階段，如圖1-1所示。這背后的制造哲學(xué)可以概括為，以低成本生產(chǎn)高質(zhì)量的產(chǎn)品；通過全流程改善降低浪費(fèi)、次品和事故；通過產(chǎn)品全生命周期的數(shù)據(jù)管理，為用戶提供所需要的能力和服務(wù)。在以上幾個(gè)階段的基礎(chǔ)上，現(xiàn)在的制造系統(tǒng)正處在向智能化＋客制化邁進(jìn)的階段，目標(biāo)是實(shí)現(xiàn)在“無憂慮”的生產(chǎn)系統(tǒng)中，以低成本快速實(shí)現(xiàn)用戶的客制化需求。而實(shí)現(xiàn)“無憂慮”的關(guān)鍵在于，對(duì)生產(chǎn)系統(tǒng)全過程中的5M要素，利用建模（modeling）進(jìn)行透明化、深入和對(duì)稱性的管理，實(shí)現(xiàn)從問題中產(chǎn)生數(shù)據(jù)，從數(shù)據(jù)中獲取知識(shí)，再利用知識(shí)避免問題的閉環(huán)過程。圖1-1制造業(yè)哲學(xué)的進(jìn)步過程1.3從大數(shù)據(jù)到智能制造我在《工業(yè)大數(shù)據(jù)》這本書中曾表達(dá)過一個(gè)觀點(diǎn)：大數(shù)據(jù)并不是目的，而是一個(gè)現(xiàn)象，或是看待問題的一種途徑和解決問題的一種手段。通過分析數(shù)據(jù)，從而預(yù)測需求、預(yù)測制造、解決和避免不可見問題的風(fēng)險(xiǎn)，和利用數(shù)據(jù)去整合產(chǎn)業(yè)鏈和價(jià)值鏈，這才是大數(shù)據(jù)的核心目的。大數(shù)據(jù)與制造之間的關(guān)系可以用圖1-2表示，這里面有3個(gè)重要的元素：圖1-2大數(shù)據(jù)與智能制造的關(guān)系（1）問題：制造系統(tǒng)中顯性或隱性的問題，比如質(zhì)量缺陷、精度缺失、設(shè)備故障、加工失效、性能下降、成本較高、效率低下等。（2）數(shù)據(jù)：從制造系統(tǒng)的5M要素中獲得的，能夠反映問題發(fā)生的過程和原因的數(shù)據(jù)。也就是說數(shù)據(jù)的獲取應(yīng)該是以問題為導(dǎo)向，目的是去了解、解決和避免問題。（3）知識(shí)：制造系統(tǒng)的核心，也就是我們平時(shí)所說的knowhow，包括制程、工藝、設(shè)計(jì)、流程和診斷等。知識(shí)來源于解決制造系統(tǒng)問題的過程，而大數(shù)據(jù)分析可以理解為迅速獲取和積累知識(shí)的一種手段。因此大數(shù)據(jù)與智能制造之間的關(guān)系可以總結(jié)為：制造系統(tǒng)中問題的發(fā)生和解決的過程中會(huì)產(chǎn)生大量的數(shù)據(jù)，通過對(duì)大數(shù)據(jù)的分析和挖掘可以了解問題產(chǎn)生的過程、造成的影響和解決的方式；當(dāng)這些信息被抽象化建模后轉(zhuǎn)化成知識(shí)，再利用知識(shí)去認(rèn)識(shí)、解決和避免問題。當(dāng)這個(gè)過程能夠自發(fā)自動(dòng)地循環(huán)進(jìn)行時(shí)，即我們所說的智能制造。從這個(gè)關(guān)系中不難看出，問題和知識(shí)是目的，而數(shù)據(jù)則是一種手段。在圖1-2的要素中，當(dāng)把“數(shù)據(jù)”換成“人”之后就是“工匠精神”，換成“自動(dòng)化生產(chǎn)線和裝備”之后就是德國的“工業(yè)4.0”，換成“互聯(lián)網(wǎng)”之后就變成了“互聯(lián)網(wǎng)＋”。今天我們來談利用大數(shù)據(jù)實(shí)現(xiàn)智能制造，是因?yàn)榇髷?shù)據(jù)的研究已經(jīng)成為一個(gè)日益受到關(guān)注的行為，而在制造系統(tǒng)和商業(yè)環(huán)境變得日益復(fù)雜的今天，利用大數(shù)據(jù)去推動(dòng)智能制造，解決問題和積累知識(shí)或許是更加高效和便捷的方式。利用大數(shù)據(jù)推動(dòng)智能制造主要有以下3個(gè)方向：（1）把問題變成數(shù)據(jù)，利用數(shù)據(jù)對(duì)問題的產(chǎn)生和解決進(jìn)行建模，把經(jīng)驗(yàn)變成可持續(xù)的價(jià)值。（2）把數(shù)據(jù)變成知識(shí)，從“可見解決問題”延伸到“不可見問題”，不僅要明白“how”，還要去理解“why”。（3）把知識(shí)再變成數(shù)據(jù)，這里的數(shù)據(jù)指的是生產(chǎn)中的指令、工藝參數(shù)和可執(zhí)行的決策，從根本上去解決和避免問題。在第一個(gè)方向上最成功的應(yīng)用案例應(yīng)該是美國在20世紀(jì)90年代開展的“2mm計(jì)劃”，利用統(tǒng)計(jì)科學(xué)對(duì)汽車的設(shè)計(jì)和生產(chǎn)過程中的質(zhì)量問題進(jìn)行建模和管理，隨后推廣到了飛機(jī)制造等其他先進(jìn)制造領(lǐng)域，對(duì)美國制造精度的提升起了重要的推動(dòng)作用。在第二個(gè)方向上的典型應(yīng)用是制造系統(tǒng)中的數(shù)據(jù)預(yù)測性分析，包括虛擬量測、健康管理、衰退預(yù)測等。核心是通過先進(jìn)的分析算法對(duì)數(shù)據(jù)中的隱性知識(shí)進(jìn)行挖掘和建模，并在制造過程中預(yù)測和避免問題。第三個(gè)方向上的典型應(yīng)用是反向工程，即從問題的結(jié)果出發(fā)，利用知識(shí)反向推出問題發(fā)生的原因和過程；或是從產(chǎn)品最終的結(jié)果出發(fā)，反向推出產(chǎn)品的設(shè)計(jì)和制造過程，以及這樣去設(shè)計(jì)和制造的原因。這不僅需要知識(shí)，還需要了解知識(shí)之間的相關(guān)性和邏輯關(guān)系。在接下來的一節(jié)里將著重分析每一個(gè)方向上的實(shí)施路徑。1.4大數(shù)據(jù)推動(dòng)智能制造的三個(gè)方向制造系統(tǒng)中的問題可分為“可見的問題”和“不可見的問題”，我們對(duì)待問題的方式是既可以在問題發(fā)生后去解決，也可以在問題發(fā)生前去避免。我們所心向往之的智能制造是建立在對(duì)“可見”及“不可見”問題全面了解基礎(chǔ)上的避免，實(shí)現(xiàn)無憂慮的制造環(huán)境。但是在這之前，我們還有3個(gè)必須要完成的方向（見圖1-3）。第一個(gè)是在解決可見問題的過程中積累經(jīng)驗(yàn)和知識(shí)，從而去避免這些問題。這個(gè)過程中美國、日本、德國都用各自的方式完成了積累，其中美國積累的主要載體是數(shù)據(jù)，日本的載體是人，德國的載體是裝備，形成了各自制造系統(tǒng)的特色和優(yōu)勢(shì)，之后我會(huì)在下一個(gè)章節(jié)里詳細(xì)分析。第二個(gè)方向則需要依靠數(shù)據(jù)去分析問題產(chǎn)生的隱性線索（evidence）、關(guān)聯(lián)性和根本原因等，利用預(yù)測分析將不可見問題顯性化，從而實(shí)現(xiàn)解決不可見問題的目的。完成這個(gè)過程后制造系統(tǒng)將不再有“surprise（意外）”，能對(duì)不可見問題發(fā)展過程進(jìn)行有效預(yù)測，使得所有不可見問題在變成可見問題和產(chǎn)生影響之前都提前解決掉。第三個(gè)方向是通過對(duì)知識(shí)的深度挖掘，建立知識(shí)和問題之間的相關(guān)性，從舊知識(shí)中產(chǎn)生新知識(shí)，并能夠利用新知識(shí)對(duì)實(shí)體進(jìn)行精確的建模，產(chǎn)生能夠指導(dǎo)制造系統(tǒng)實(shí)體活動(dòng)的鏡像模型，從設(shè)計(jì)和制造流程的設(shè)計(jì)端避免可見及不可見問題的發(fā)生。這三個(gè)方向都可以通過大數(shù)據(jù)的路徑實(shí)現(xiàn)，接下來我們就來介紹一下大數(shù)據(jù)在這三個(gè)方向上所起的作用。圖1-3智能制造的3個(gè)方向第一個(gè)方向：將問題的產(chǎn)生過程利用數(shù)據(jù)進(jìn)行分析、建模和管理，從解決可見的問題到避免可見的問題在20世紀(jì)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(zhì)量和要好的舒適度迅速占領(lǐng)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(shù)、裝備、設(shè)計(jì)和工藝方面并不比德國和日本差，在汽車制造領(lǐng)域積累的時(shí)間甚至超過他們，但是為什么美國汽車的質(zhì)量和精度就是趕不上人家？在那個(gè)時(shí)候，質(zhì)量管理已經(jīng)在汽車制造領(lǐng)域十分普及了。光學(xué)測量被應(yīng)用在產(chǎn)品線上以后，在零部件生產(chǎn)和車身裝配的各個(gè)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(zhǔn)，在各個(gè)工序和零部件生產(chǎn)和車身裝配都進(jìn)行嚴(yán)格的質(zhì)量控制，但是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(shí)間反復(fù)修改和匹配工藝參數(shù)，最終的質(zhì)量卻依然不穩(wěn)定，時(shí)常出現(xiàn)每一個(gè)工序都在質(zhì)量控制范圍內(nèi)，但最終的產(chǎn)品質(zhì)量依然不能達(dá)標(biāo)。于是在20世紀(jì)90年代初，我們與美國密西根大學(xué)吳賢銘教授一起發(fā)起和推動(dòng)了“2mm”工程，目的是利用統(tǒng)計(jì)科學(xué)對(duì)這些龐大的測量數(shù)據(jù)進(jìn)行分析，對(duì)質(zhì)量誤差的積累過程進(jìn)行分析和建模，從而解釋誤差的來源并進(jìn)行控制，使車身波動(dòng)降低到所有關(guān)鍵尺寸質(zhì)量的6-sigma值必須小于2mm（2mm是當(dāng)時(shí)理論上的精度控制極限值）?！?mm工程”用到的主要技術(shù)是誤差流分析（streamofvariation，SoV）在多級(jí)制造過程中的應(yīng)用，通過對(duì)復(fù)雜產(chǎn)品流所產(chǎn)生的數(shù)據(jù)流進(jìn)行建模，分析多級(jí)制造過程中的質(zhì)量波動(dòng)和誤差傳遞的相關(guān)性。許多工作站組成裝配組件，許多裝配組件又組成車身裝配過程的裝配線，每一個(gè)工作站在每個(gè)裝配組件中有一個(gè)尺寸波動(dòng)，每個(gè)裝配組件轉(zhuǎn)移到下一個(gè)工作站來裝配更多的部件時(shí)造成的誤差傳遞關(guān)系就是需要通過測量數(shù)據(jù)進(jìn)行分析的對(duì)象。一個(gè)工作流所產(chǎn)生的數(shù)據(jù)流之中包含著3個(gè)維度的相關(guān)性：①質(zhì)量屬性與生產(chǎn)線不同階段的相關(guān)性；②同一個(gè)生產(chǎn)階段中質(zhì)量屬性的相互影響關(guān)系；③質(zhì)量屬性隨時(shí)間變化的關(guān)系（由設(shè)備隨時(shí)間的衰退產(chǎn)生）。在這3個(gè)維度的基礎(chǔ)上，建立關(guān)鍵控制特征（keycontrolcharacteristics，KCC）與關(guān)鍵產(chǎn)品質(zhì)量特征（keyproductqualitycharacteristics，KPC）之間的關(guān)系，并有針對(duì)性地通過控制KCC來改進(jìn)和控制質(zhì)量的波動(dòng)。在引入數(shù)據(jù)分析對(duì)質(zhì)量進(jìn)行管理和控制的方法后，產(chǎn)品的設(shè)計(jì)周期和成本得以大幅降低，并且產(chǎn)品質(zhì)量的精密度和穩(wěn)定性也得以明顯提升。如圖1-4所示，在達(dá)到相同精度要求（5mm）的情況下，產(chǎn)品投入市場所用的時(shí)間減少到原來的1/3，產(chǎn)品質(zhì)量提高了2.5倍。這個(gè)方法并不需要大量的硬件投入和生產(chǎn)線的改變，實(shí)施的成本非常低廉，且產(chǎn)生的效果十分顯著，因而被廣泛推廣到飛機(jī)制造、發(fā)動(dòng)機(jī)制造和能源裝備等各類制造領(lǐng)域。圖1-4采用SoV算法前后的6-sigma值對(duì)比圖[1]除了利用數(shù)據(jù)分析對(duì)質(zhì)量問題進(jìn)行管控，相似的分析方法還被運(yùn)用到了產(chǎn)線的彈性設(shè)計(jì)、維護(hù)排程優(yōu)化和生產(chǎn)系統(tǒng)的協(xié)同優(yōu)化等方面。在案例分析篇中我們會(huì)用案例的形式對(duì)其在解決各類問題的應(yīng)用上進(jìn)行詳細(xì)介紹和分析。第二個(gè)方向：從數(shù)據(jù)中挖掘隱性問題的線索，通過對(duì)隱性問題的預(yù)測分析，在其發(fā)展成為顯性問題之前進(jìn)行解決生產(chǎn)系統(tǒng)中存在著不可見因素的影響，比如設(shè)備性能的衰退、精度的缺失、易耗件的磨損和資源的浪費(fèi)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(shè)備的衰退最終導(dǎo)致停機(jī)、精度的缺失最終導(dǎo)致質(zhì)量偏差等。就如同冰山一樣，可見的問題僅僅是冰山一角，而隱性的問題則是隱藏在冰山下面的惡魔（見圖1-5）。因此對(duì)這些不可見因素進(jìn)行預(yù)測和管理是避免可見因素影響的關(guān)鍵。對(duì)生產(chǎn)系統(tǒng)隱患的預(yù)測性分析需要在預(yù)測設(shè)備性能趨勢(shì)的基礎(chǔ)上預(yù)判出設(shè)備可能存在的隱患類型，也即隨著設(shè)備性能未來的進(jìn)一步衰退所造成的對(duì)質(zhì)量的影響、對(duì)成本的增加、最終導(dǎo)致的故障模式和對(duì)整個(gè)生產(chǎn)線整體效率（overallequipmentefficiency，OEE）和協(xié)同性的影響。一般來講，設(shè)備或者工藝中存在的故障類型是多種多樣的，每一個(gè)故障類型都能對(duì)應(yīng)特定的衰退模式以及應(yīng)對(duì)策略。有些故障可能會(huì)影響設(shè)備正常運(yùn)行和生產(chǎn)安全，需要停機(jī)維護(hù)；而有的故障可能對(duì)設(shè)備運(yùn)行不構(gòu)成影響，則可等待下次定期檢修時(shí)一起解決，這就為我們的決策提供了優(yōu)化的空間。如果生產(chǎn)系統(tǒng)的運(yùn)行人員能夠確知未來將要發(fā)生的隱患，則可對(duì)情況產(chǎn)生預(yù)判從而更為快速有效地進(jìn)行修復(fù)。圖1-5用冰山模型解釋制造系統(tǒng)中可見與不可見的問題預(yù)測制造系統(tǒng)的核心技術(shù)是一個(gè)包含智能軟件來進(jìn)行預(yù)測建模功能的智能計(jì)算工具。對(duì)設(shè)備性能的預(yù)測分析和對(duì)故障時(shí)間的估算，將減少這些不確定性的影響，并為用戶提供了預(yù)先緩和措施和解決對(duì)策，以防止生產(chǎn)運(yùn)營中生產(chǎn)力/效率的損失。利用大數(shù)據(jù)對(duì)制造系統(tǒng)中隱性問題的發(fā)生過程進(jìn)行建模和預(yù)測，實(shí)際上是選擇了數(shù)據(jù)驅(qū)動(dòng)（data-driven）的手段，其他的方式還包括物理建模、可靠性模型和混合模型等。接下來我們將利用數(shù)據(jù)驅(qū)動(dòng)方法的原理從比較淺顯易懂的角度進(jìn)行闡述。在闡述之前，我們首先要對(duì)“特征”這個(gè)重要概念進(jìn)行解釋。特征：從數(shù)據(jù)當(dāng)中抽象提取出的、與判斷某一事物的狀態(tài)或?qū)傩杂休^強(qiáng)關(guān)聯(lián)的、可被量化的指標(biāo)。例如在人臉識(shí)別的過程中，首先要提取出臉部主要器官的位置、形狀等相對(duì)具體的特征，再對(duì)這些特征進(jìn)行匹配，從而實(shí)現(xiàn)身份的識(shí)別。在生產(chǎn)系統(tǒng)隱性問題的預(yù)測方面，提取有效的健康特征也是至關(guān)重要的。常用的特征包括時(shí)域信號(hào)的統(tǒng)計(jì)特征、波形信號(hào)的頻域特征、能量譜特征、特定工況下的信號(hào)讀數(shù)等。然而僅僅依靠幾個(gè)特征是不夠的，即便是同一個(gè)信號(hào)，依然可以提取出多個(gè)特征，就好像在醫(yī)院體檢時(shí)抽一管血再分析里面的不同成分指標(biāo)，就可以判斷存在各種病情的隱患。這些特征之間存在著一定的相關(guān)性，其變化情況也有若干種不同的組合，將這些組合背后所代表的意義用先進(jìn)的數(shù)據(jù)分析方法破解出來，就是我們進(jìn)行建模和預(yù)測的過程。如圖1-6所示，橫軸與縱軸分別代表兩個(gè)不同的特征，在一個(gè)坐標(biāo)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(dāng)我們將這些區(qū)域分別建模時(shí)，在制造系統(tǒng)的運(yùn)行過程中這個(gè)分布可能會(huì)慢慢偏移，這時(shí)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(fēng)險(xiǎn)，我們可以將這個(gè)相似程度進(jìn)行量化（比如0～1）。隨著時(shí)間的推移，這個(gè)分布可能會(huì)有慢慢向某一個(gè)狀態(tài)發(fā)展的趨勢(shì)，我們所量化的結(jié)果就形成了一個(gè)時(shí)間序列，這個(gè)時(shí)間序列代表的就是衰退的軌跡，進(jìn)而對(duì)這個(gè)趨勢(shì)的未來發(fā)展進(jìn)行預(yù)測，就可以推斷出在未來的什么時(shí)間會(huì)發(fā)生什么問題或故障。如果故障模式不止有一種，這些特征的組合就會(huì)形成代表不同故障模式的區(qū)域，稱之為特征地圖，如圖1-7所示，可以用來判斷設(shè)備當(dāng)前所處的狀態(tài)。圖1-6利用數(shù)據(jù)驅(qū)動(dòng)分析制造系統(tǒng)隱性問題的原理圖1-7對(duì)軸承的高維特征信息進(jìn)行主成分分析（PCA）分解后，不同故障模式的分布區(qū)域從分析的實(shí)施流程來說，數(shù)據(jù)驅(qū)動(dòng)的智能分析系統(tǒng)采用了如圖1-8所示的分析框架，包括5個(gè)主要步驟：數(shù)據(jù)采集、特征提取、性能評(píng)估、性能預(yù)測和性能可視化以及性能診斷?？捎脭?shù)據(jù)包括了傳感器信號(hào)、狀態(tài)監(jiān)控?cái)?shù)據(jù)、維護(hù)歷史記錄等。這些數(shù)據(jù)可以用特征提取的方法進(jìn)行處理，從而得到衰退性的特征?；谛阅芴卣鳎a(chǎn)系統(tǒng)的運(yùn)行狀況可以通過健康置信值（confidencevalue）來評(píng)估和量化。另外，可以在時(shí)域內(nèi)預(yù)測特征在將來的值，從而可以預(yù)測性能的衰退趨勢(shì)和問題發(fā)生的剩余時(shí)間。最后，診斷方法可以用來分析問題產(chǎn)生的根本原因和問題診斷。這個(gè)智能分析系統(tǒng)的范例已經(jīng)被廣泛地應(yīng)用，尤其是在生產(chǎn)系統(tǒng)中設(shè)備的預(yù)測性維護(hù)和健康關(guān)系方面，從簡單的機(jī)械元件（如軸承）到復(fù)雜的工程系統(tǒng)（如發(fā)動(dòng)機(jī)），從機(jī)械設(shè)備到結(jié)構(gòu)，從單個(gè)機(jī)器到生產(chǎn)線，從制造產(chǎn)業(yè)到半導(dǎo)體產(chǎn)業(yè)等，都有非常成功的應(yīng)用。不論各個(gè)應(yīng)用區(qū)別如何，它們都有一個(gè)共同的特征，就是通過算法或技術(shù)在關(guān)鍵步驟上獲取信息并傳輸信息。即使對(duì)于同一個(gè)應(yīng)用領(lǐng)域，也要根據(jù)不同應(yīng)用的實(shí)際情況（如穩(wěn)態(tài)或瞬態(tài)信號(hào)、數(shù)據(jù)維度、有無足夠樣本等）來選擇算法工具。因此，美國辛辛那提大學(xué)NSF產(chǎn)學(xué)研合作智能維護(hù)研究中心（IMS）提出并發(fā)展了針對(duì)預(yù)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(píng)估每一個(gè)算法在不用情況下的優(yōu)勢(shì)和劣勢(shì)，采用一種系統(tǒng)化的方法把每個(gè)算法的適用度進(jìn)行優(yōu)先級(jí)排序，從而減少了實(shí)際應(yīng)用開發(fā)中反復(fù)試驗(yàn)的次數(shù)。圖1-8以設(shè)備預(yù)診與健康管理（PHM）技術(shù)為核心的工程數(shù)據(jù)分析流程第三個(gè)方向：利用反向工程，利用知識(shí)對(duì)整個(gè)生產(chǎn)流程進(jìn)行剖析和精細(xì)建模，從產(chǎn)品設(shè)計(jì)和制造系統(tǒng)設(shè)計(jì)端避免問題與前文所描述的兩個(gè)方向不同的是，反向工程既不是從問題，也不是從數(shù)據(jù)端來分析問題，而是從結(jié)果或知識(shí)端去反推問題。其核心是找到隱性問題的顯性根源，簡單地說就是從結(jié)果里找原因，再從原因中開發(fā)及制定關(guān)鍵技術(shù)和優(yōu)化6-sigma的控制流程。如果說前文所提到的兩個(gè)方向是講隱性的問題顯性化，再把顯性的問題抽象化，從而固化成知識(shí)被保存和傳承下去的過程，那么這里要介紹的就是如何將這些知識(shí)再具象化，從而形成能夠被執(zhí)行和用來解決問題的“ABC（簡單易行的操作流程）”的過程。從一個(gè)工程師的角度來看反向工程，他可能會(huì)問這幾個(gè)問題：反向工程可以做些什么？反向工程不可能做到的是什么？如何利用反向工程來輔助現(xiàn)階段研發(fā)和改善的過程？我們可以在圖1-9中找到前兩個(gè)問題的答案。這是一張風(fēng)扇葉片圖，它展示了葉片的設(shè)計(jì)參數(shù)。利用反向工程，我們可以得到這些參數(shù)的數(shù)值，卻不會(huì)知曉隱藏在這些參數(shù)（如葉片形狀或厚度分布等）之后的秘密。這張圖傳遞的最重要的信息就是，反向工程可以告訴我們某一個(gè)部件的外形是什么樣的，卻不能告訴我們，它為什么是這個(gè)樣子的。但是反向工程與大數(shù)據(jù)分析相配合，或許能夠解決這個(gè)問題，也可以回答如何利用反向工程來輔助研發(fā)和改進(jìn)的過程。圖1-9反向工程能夠?qū)崿F(xiàn)的———測量部件外形參數(shù)我們依然以航空發(fā)動(dòng)機(jī)為例，事實(shí)上航空發(fā)動(dòng)機(jī)真正的科技與挑戰(zhàn)都是隱藏在“看不見的世界”當(dāng)中，這里存在著兩種科技，一種稱為顯性科技（explicittechnology），也就是可以明確和清楚地定義的科技。譬如所有在制造藍(lán)圖上定義的規(guī)格，如何建模，如何定義邊界條件，輸入和輸出的數(shù)據(jù)，以及結(jié)果的分析等。另外一種是隱性科技（implicittechnology），也就是無法像顯性科技一樣清楚定義的，必須經(jīng)由不同的方法與嘗試，最終總結(jié)和歸納出的某種特性。這種特性可能隨程序、隨時(shí)間、隨客觀環(huán)境，或者隨另一種特性而改變。這就是存在于包括航空發(fā)動(dòng)機(jī)、半導(dǎo)體制造和精密元器件等領(lǐng)域里最尖端并且最富挑戰(zhàn)的核心和關(guān)鍵技術(shù)。之所以稱之為“隱形科技”或“隱形殺手”是因?yàn)槿藗儾涣私馑嬖诘脑蚝图せ畹臈l件，它們都隱藏在不穩(wěn)定、非線性、瞬態(tài)和隨機(jī)的工況與過程之中。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(duì)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(gè)最優(yōu)化的厚度分配，其本身就是一個(gè)非常具有挑戰(zhàn)性的題目。所以隱形科技可以存在于“看得見的世界”里。同樣，顯性科技可以從“看不見的世界”當(dāng)中挖掘出來，科技的成熟度可以定義為把隱形科技顯性化的程度。所謂先進(jìn)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，這也就是反向過程控制程序所期望達(dá)成的目標(biāo)。利用大數(shù)據(jù)輔助反向工程的進(jìn)行取決于兩個(gè)重要的因素：（1）數(shù)據(jù)的數(shù)量與涵蓋面，也就是廣度和深度。只要和研究主題有關(guān)，不論領(lǐng)域、時(shí)間、來源，這些數(shù)據(jù)都在我們收集的范圍之內(nèi)。圖1-10是航空發(fā)動(dòng)機(jī)大數(shù)據(jù)構(gòu)架，它包括設(shè)計(jì)、材料、制造、分析、測試、驗(yàn)證、運(yùn)行到維護(hù)在全生命周期內(nèi)產(chǎn)生的所有數(shù)據(jù)。（2）反向運(yùn)作的程序。這是一個(gè)從如何收集數(shù)據(jù)、如何過濾、如何分類、如何整合、如何分析、如何比較到如何驗(yàn)證的整個(gè)流程。圖1-11是一個(gè)典型的航空發(fā)動(dòng)機(jī)反向運(yùn)作流程，它的起點(diǎn)就是大數(shù)據(jù)的搜集。圖1-10航空發(fā)動(dòng)機(jī)大數(shù)據(jù)構(gòu)架圖1-11反向運(yùn)作流程由于航空發(fā)動(dòng)機(jī)的設(shè)計(jì)與制造中的內(nèi)容范圍太廣，涵蓋的整個(gè)生命周期太長，本節(jié)將不討論先進(jìn)航空發(fā)動(dòng)機(jī)反向科技的具體過程。不過，我們可以跟隨反向科技的思路，一起來探討航空發(fā)動(dòng)機(jī)的智能制造。有一個(gè)很好的例子可以當(dāng)作參考，那就是CFM引擎系列。它的原始設(shè)計(jì)起始20世紀(jì)70年代，在過去的三十多年里，在CFM引擎的全生命周期過程中，工程師們不時(shí)地運(yùn)用了大數(shù)據(jù)與反向工程，去優(yōu)化它的設(shè)計(jì)、材料和制造。我們看不到任何革命性與突破性的技術(shù)引入到最新型的CFM引擎系列。但迄今為止，它仍然是世界上最受歡迎也是最暢銷的引擎，它成功的秘密依然是許多與航空發(fā)動(dòng)機(jī)產(chǎn)業(yè)相關(guān)的廠家想要知道的。在案例分析篇中我們將通過一個(gè)案例分析來詳細(xì)闡述從結(jié)果出發(fā)利用反向工程實(shí)現(xiàn)發(fā)動(dòng)機(jī)設(shè)計(jì)改進(jìn)和性能提升的過程。1.5智能制造在發(fā)達(dá)國家的轉(zhuǎn)型仔細(xì)觀察第四次工業(yè)革命的進(jìn)行過程，我們不難發(fā)現(xiàn)，與之前幾次工業(yè)革命具有典型的技術(shù)不同，這次工業(yè)革命中每個(gè)國家所選擇的路徑和側(cè)重點(diǎn)有非常明顯的不同，這一方面取決于各個(gè)國家的制造業(yè)基礎(chǔ)和國情，另一方面，更重要的是各個(gè)國家在制造文化和哲學(xué)方面的差異。在過去近200年的工業(yè)積累中，美國、日本、德國等工業(yè)強(qiáng)國都形成了非常鮮明的制造哲學(xué)，其根源是對(duì)知識(shí)的理解、積累和傳承方式的差異。同時(shí)，各個(gè)國家在整個(gè)制造業(yè)的上、下游中也形成了非常明顯的競爭力差異，在產(chǎn)業(yè)鏈的不同位置都有各自的相對(duì)優(yōu)勢(shì)。本節(jié)將主要從主要工業(yè)強(qiáng)國的制造哲學(xué)和競爭力的差異方面，分析各個(gè)國家制造轉(zhuǎn)型戰(zhàn)略差異的原因，并給中國制造的轉(zhuǎn)型方向提供建議。第一，對(duì)知識(shí)的理解、積累和傳承方式的差異決定了制造哲學(xué)和文化繼續(xù)回到1.3節(jié)智能制造中的問題、數(shù)據(jù)和知識(shí)三者的關(guān)系（見圖1-2）。從不斷解決和理解新問題的過程中獲取經(jīng)驗(yàn)，再把經(jīng)驗(yàn)抽象化的這個(gè)過程即為制造中獲取知識(shí)的過程。解決問題的手段和方法決定了所獲得知識(shí)的形式，而將知識(shí)抽象化加以運(yùn)用的過程和形式則決定了知識(shí)傳承的形式。這個(gè)過程可以通過人來完成、數(shù)據(jù)來完成、設(shè)備來完成，或是系統(tǒng)來完成，這也是決定一個(gè)國家制造哲學(xué)的最根本原因。日本：通過組織文化和人的訓(xùn)練不斷改善，在知識(shí)的承載和傳承上非常依賴人日本獨(dú)特的克忍、服從和集體觀念文化也深深地影響了日本的制造文化，其最主要的特征就是通過組織的不斷優(yōu)化、文化建設(shè)和人的訓(xùn)練來解決生產(chǎn)系統(tǒng)中的問題。這一點(diǎn)相信國內(nèi)許多制造企業(yè)都感同身受，因?yàn)榇蠹以诮邮芫媾嘤?xùn)的時(shí)候被反復(fù)強(qiáng)調(diào)的3個(gè)方面就是“公司文化”“三級(jí)組織”和“人才訓(xùn)練”。最典型的體現(xiàn)就是日本在20世紀(jì)70年代提出的以“全生產(chǎn)系統(tǒng)維護(hù)（TPM）”為核心的生產(chǎn)管理體系。其核心思想可以用“三全”來概括：全效率、全系統(tǒng)和全員參與。實(shí)現(xiàn)方式主要包括在3個(gè)方面的改善：提高工作技能、改進(jìn)團(tuán)隊(duì)精神和改善工作環(huán)境。以致在20世紀(jì)90年代以后日本選擇“精益制造”作為其轉(zhuǎn)型方向，而非6-sigma質(zhì)量管理體系。日本企業(yè)在人才的培養(yǎng)方面也是不遺余力的，尤其是雇員終身制文化，將雇員與企業(yè)的命運(yùn)緊密聯(lián)系在一起，使得人的經(jīng)驗(yàn)和知識(shí)能夠在企業(yè)內(nèi)部積累、運(yùn)用和傳承。日本企業(yè)解決問題的方式通常是：發(fā)生問題→人員迅速到現(xiàn)場、確認(rèn)現(xiàn)物、探究現(xiàn)實(shí)（三現(xiàn)），并解決問題→分析問題產(chǎn)生的原因，通過改善來避免問題。最終的知識(shí)落在了人的身上，人的技能提升之后，解決和避免問題的能力也就上升了（見圖1-12）。除了企業(yè)內(nèi)部以外，日本還有獨(dú)特的“企業(yè)金字塔梯隊(duì)”文化，即以一個(gè)巨型企業(yè)（通常是產(chǎn)業(yè)鏈最下游，直接面對(duì)最終客戶），如豐田、三菱等為核心，形成一個(gè)完整產(chǎn)業(yè)鏈上的企業(yè)集群，企業(yè)之間保持長期的合作，并且互相幫助對(duì)方進(jìn)行改善和提升。這樣能夠保證知識(shí)在一個(gè)更大的體系中不斷地積累、流通和傳承。圖1-12日本的制造哲學(xué)因此對(duì)于日本企業(yè)而言，員工是最重要的價(jià)值，對(duì)人的信任遠(yuǎn)遠(yuǎn)勝于對(duì)設(shè)備、數(shù)據(jù)和系統(tǒng)的信任，所有的自動(dòng)化或是信息化建設(shè)也都是圍繞著幫助人去工作為目的，所以日本企業(yè)從來不會(huì)談機(jī)器換人或是無人工廠。如果中國想要學(xué)習(xí)工匠精神，那么最應(yīng)該借鑒的是日本孕育工匠的組織文化和制度。但是這樣的文化在近幾年遇到了一個(gè)十分巨大的挑戰(zhàn)，就是日本的老齡化和制造業(yè)年輕一代大量短缺的問題，使得沒有人能夠去傳承這些知識(shí)。日本也意識(shí)到了自己在數(shù)據(jù)和信息系統(tǒng)方面的缺失，開始在這些方面發(fā)力。這一點(diǎn)在日本的工業(yè)價(jià)值鏈（IndustrialValueChainInitiative，IVI）產(chǎn)業(yè)聯(lián)盟的構(gòu)架和目標(biāo)上能夠清晰地看到。該聯(lián)盟提出的19條工作項(xiàng)目中有7條與大數(shù)據(jù)直接相關(guān)，分別是：①遠(yuǎn)程工廠的操作監(jiān)控和管理；②設(shè)備生命周期管理；③生產(chǎn)線實(shí)時(shí)數(shù)據(jù)的動(dòng)態(tài)管理；④設(shè)備集成的實(shí)時(shí)維護(hù)；⑤實(shí)時(shí)數(shù)據(jù)分析和預(yù)測維護(hù)；⑥云共享和維護(hù)數(shù)據(jù)的策劃實(shí)施檢查改進(jìn)（plan-do-checkactioncycle）；⑦通過制造執(zhí)行系統(tǒng)（MES）將自動(dòng)化生產(chǎn)線、運(yùn)輸和人工檢測進(jìn)行集成；⑧自主的制造執(zhí)行系統(tǒng)在公司外工作；⑨能處理意外情況的制造執(zhí)行系統(tǒng)；瑏瑠達(dá)到從實(shí)時(shí)數(shù)據(jù)獲取制造知識(shí)；瑏瑡以智能數(shù)據(jù)作為質(zhì)量保證（故障的早期發(fā)現(xiàn)和阻止）；瑏瑢中小型企業(yè)制造系統(tǒng)使用機(jī)器人；瑏瑣制造技術(shù)與管理的無縫集成；瑏瑤設(shè)計(jì)和制造的物料清單與可追溯管理的集成；瑏瑥人與機(jī)器合作的工作方式的工廠的標(biāo)準(zhǔn)化；瑏瑦連接中小企業(yè)；瑏瑧信息物理生產(chǎn)和物理一體化；瑏瑨遠(yuǎn)程站點(diǎn)的B2B收貨服務(wù)；瑏瑩面向用戶的大規(guī)模定制。具體的實(shí)施構(gòu)架如圖1-13所示，其中包括4個(gè)主要模塊：①數(shù)據(jù)采集與執(zhí)行（設(shè)備端接口）；②標(biāo)準(zhǔn)化的數(shù)據(jù)平臺(tái)；③先進(jìn)的數(shù)據(jù)分析算法；④專家系統(tǒng)為核心的決策支持工具。圖1-13日本“工業(yè)4.1J”架構(gòu)可以說日本的轉(zhuǎn)型戰(zhàn)略是應(yīng)對(duì)其人口結(jié)構(gòu)問題和社會(huì)矛盾的無奈之舉，核心是要解決替代人的知識(shí)獲取和傳承方式。日本在轉(zhuǎn)型過程中同樣面臨著許多挑戰(zhàn)，首先是數(shù)據(jù)積累的缺失，使得知識(shí)和經(jīng)驗(yàn)從人轉(zhuǎn)移到信息化體系和制造系統(tǒng)的過程中缺少了依據(jù)和判斷標(biāo)準(zhǔn)。其次是日本工業(yè)企業(yè)保守的文化造成軟件和IT技術(shù)人才的缺失，正如日本經(jīng)產(chǎn)省公布的《2015年制造白皮書》中所表達(dá)的憂慮：“相對(duì)于在德國和美國正在加快的制造業(yè)變革，現(xiàn)在還沒有（日本）企業(yè)表現(xiàn)出重視軟件的姿態(tài)?！钡聡和ㄟ^設(shè)備和生產(chǎn)系統(tǒng)的不斷升級(jí)，將知識(shí)固化在設(shè)備上德國的先進(jìn)設(shè)備和自動(dòng)化的生產(chǎn)線是舉世聞名的，可以說在裝備制造業(yè)的實(shí)力上有著傲視群雄的資格。同時(shí)德國人嚴(yán)謹(jǐn)?shù)娘L(fēng)格，以及其獨(dú)特的“學(xué)徒制”（co-op）高等教育模式，使得德國制造業(yè)的風(fēng)格非常務(wù)實(shí)，理論研究與工業(yè)應(yīng)用的結(jié)合也最緊密。然而德國也很早就面臨勞動(dòng)力短缺的問題，在2015年各國競爭力指數(shù)的報(bào)告中，勞動(dòng)力是德國唯一弱于創(chuàng)新驅(qū)動(dòng)型國家平均水平的一項(xiàng)。因此，德國不得不通過研發(fā)更先進(jìn)的裝備和高度集成自動(dòng)的生產(chǎn)線來彌補(bǔ)這個(gè)不足。德國的制造業(yè)解決問題的邏輯是：發(fā)生問題→人（或裝備）解決問題→將解決問題的知識(shí)和流程固化到裝備和生產(chǎn)線中→對(duì)相似問題自動(dòng)解決或避免（見圖1-14）。舉個(gè)比較直觀的例子來比較日本和德國解決問題方式的不同：如果產(chǎn)線上經(jīng)常發(fā)生物料分揀出錯(cuò)的現(xiàn)象，那么日本的解決方式很有可能是改善物料辨識(shí)度（顏色等）、員工訓(xùn)練，以及設(shè)置復(fù)查制度。而德國則很可能會(huì)設(shè)計(jì)一個(gè)射頻識(shí)別（RFID）掃碼自動(dòng)分揀系統(tǒng)，或是利用圖像識(shí)別＋機(jī)械手臂自動(dòng)進(jìn)行分揀。又比如，德國很早就將誤差補(bǔ)償、刀具壽命預(yù)測、多軸同步性算法、主軸震顫補(bǔ)償?shù)冉鉀Q方式以功能包的形式固化到了機(jī)床中，因此即便是對(duì)制造工藝和操作并不熟練的工人也能夠生產(chǎn)出可靠的產(chǎn)品。也正是這個(gè)原因成就了德國世界第一的裝備制造業(yè)大國地位。除了在生產(chǎn)現(xiàn)場追求問題的自動(dòng)解決之外，在企業(yè)的管理和經(jīng)營方面也能夠看到其盡力減少人為影響因素的努力。比如最好的企業(yè)資源管理（ERP）、生產(chǎn)執(zhí)行系統(tǒng)（MES）、自動(dòng)排程系統(tǒng)（APS）等軟件供應(yīng)商都來自德國，大量的信息錄入和計(jì)劃的生成及追溯通過軟件自動(dòng)完成，盡量減少人為因素帶來的不確定性。然而德國同樣對(duì)數(shù)據(jù)的采集缺少積累，因?yàn)樵诘聡闹圃煜到y(tǒng)中對(duì)故障和缺陷采用零容忍的態(tài)度，出現(xiàn)了問題就通過裝備端的改進(jìn)一勞永逸地解決，在德國人的意識(shí)中不允許出現(xiàn)問題，也就自然不會(huì)由問題產(chǎn)生數(shù)據(jù)，最直接的表現(xiàn)就是找遍德國的高校和企業(yè)幾乎沒有人在做設(shè)備預(yù)診與健康管理（PHM）和虛擬測量等質(zhì)量預(yù)測性分析。另外由于德國生產(chǎn)線的高度自動(dòng)化和集成化，使得其整體設(shè)備效率（OEE）非常穩(wěn)定，利用數(shù)據(jù)進(jìn)行優(yōu)化的空間也較小。德國依靠裝備和工業(yè)產(chǎn)品的出口獲得了巨大的經(jīng)濟(jì)回報(bào)，因?yàn)楫a(chǎn)品優(yōu)秀的質(zhì)量和可靠性，使得德國制造擁有非常好的品牌口碑。然而德國近年來也發(fā)現(xiàn)了一個(gè)問題，那就是大多數(shù)工業(yè)產(chǎn)品本身只能夠賣一次，所以賣給一個(gè)客戶之后也就少了一個(gè)客戶。同時(shí)，隨著一些發(fā)展中國家的裝備制造和工業(yè)能力的崛起，德國的市場也在不斷被擠壓。因此，在2008—2012年的5年時(shí)間里德國工業(yè)出口幾乎沒有增長。由此，德國開始意識(shí)到賣裝備不如賣整套的解決方案，甚至同時(shí)如果還能夠賣服務(wù)就更好了。于是德國提出的工業(yè)4.0計(jì)劃，其背后是德國在制造系統(tǒng)中所積累的知識(shí)體系集成后所產(chǎn)生的系統(tǒng)產(chǎn)品，同時(shí)將德國制造的知識(shí)以軟件或是工具包的形式提供給客戶作為增值服務(wù)，從而實(shí)現(xiàn)在客戶身上的可持續(xù)的盈利能力。這一點(diǎn)從德國的工業(yè)4.0設(shè)計(jì)框架中能夠十分明顯地看到，整個(gè)框架中的核心要素就是“整合”，包括縱向的整合、橫向的整合和端到端的整合等，這簡直太像德國制造體系的風(fēng)格了，既是德國所擅長的，也為其提供增值服務(wù)提供了途徑。所以第四次工業(yè)革命中德國的主要目的是利用知識(shí)進(jìn)一步提升其工業(yè)產(chǎn)品出口的競爭力，并產(chǎn)生直接的經(jīng)濟(jì)回報(bào)。圖1-14德國的制造哲學(xué)美國：從數(shù)據(jù)和移民中獲得新的知識(shí)，并擅長顛覆和重新定義問題與日本和德國相比，美國在解決問題的方式中最注重?cái)?shù)據(jù)的作用，無論是客戶的需求分析、客戶關(guān)系管理、生產(chǎn)過程中的質(zhì)量管理、設(shè)備的健康管理、供應(yīng)鏈管理、產(chǎn)品的服役期管理和服務(wù)等方面都大量地依靠數(shù)據(jù)進(jìn)行，如圖1-15所示。這也造成了20世紀(jì)90年代后美國與日本選擇了兩種不同的制造系統(tǒng)改善方式，美國企業(yè)普遍選擇了非常依賴數(shù)據(jù)的6-sigma體系，而日本選擇了非常依賴人和制度的精益管理體系。中國的制造企業(yè)在2000年以后的質(zhì)量和管理改革大多選擇了精益體系這條道路，一方面因?yàn)橹袊c日本文化的相似性，更多的還是因?yàn)橹袊髽I(yè)普遍缺乏數(shù)據(jù)的積累和信息化基礎(chǔ)，這個(gè)問題到現(xiàn)在也依然沒有解決。除了從生產(chǎn)系統(tǒng)中獲取數(shù)據(jù)以外，美國還在21世紀(jì)初提出了“產(chǎn)品全生命周期管理（PLM）”的概念，核心是對(duì)所有與產(chǎn)品相關(guān)的數(shù)據(jù)在整個(gè)生命周期內(nèi)進(jìn)行管理，管理的對(duì)象即為產(chǎn)品的數(shù)據(jù)，目的是全生命周期的增值服務(wù)和實(shí)現(xiàn)到設(shè)計(jì)端的數(shù)據(jù)閉環(huán)（closed-loopdesign）。圖1-15美國制造業(yè)創(chuàng)新的哲學(xué)數(shù)據(jù)也是美國獲取知識(shí)的最重要途徑，不僅僅是對(duì)數(shù)據(jù)積累的重視，更重要的是對(duì)數(shù)據(jù)分析的重視，以及企業(yè)決策從數(shù)據(jù)所反映出來的事實(shí)出發(fā)的管理文化。從數(shù)據(jù)中挖掘出的不同因素之間的關(guān)聯(lián)性、事物之間的因果關(guān)系，對(duì)一個(gè)現(xiàn)象定性和定量的描述和某一個(gè)問題發(fā)生的過程等，都可以通過分析數(shù)據(jù)后建立的模型來描述，這也是知識(shí)形成和傳承的過程。除了利用知識(shí)去解決問題以外，美國也非常擅長利用知識(shí)進(jìn)行顛覆式創(chuàng)新，從而對(duì)問題進(jìn)行重新定義。例如美國的航空發(fā)動(dòng)機(jī)制造業(yè)，降低發(fā)動(dòng)機(jī)的油耗是需要解決的重要問題。大多數(shù)企業(yè)會(huì)從設(shè)計(jì)、材料、工藝、控制優(yōu)化等角度去解決這個(gè)問題，然而通用電氣公司（GE）發(fā)現(xiàn)飛機(jī)的油耗與飛行員的駕駛習(xí)慣以及發(fā)動(dòng)機(jī)的保養(yǎng)情況非常相關(guān)，于是就從制造端跳出來轉(zhuǎn)向運(yùn)維端去解決這個(gè)問題，收到的效果比從制造端的改善還要明顯。這也就是GE在推廣工業(yè)互聯(lián)網(wǎng)時(shí)所提出的“1％的力量（Powerof1％）”的依據(jù)和信心來源，其實(shí)與制造并沒有太大的關(guān)系。所以美國在智能制造革命中的關(guān)鍵詞依然是“顛覆”，這一點(diǎn)從其新的戰(zhàn)略布局中可以清楚地看到，利用工業(yè)互聯(lián)網(wǎng)顛覆制造業(yè)的價(jià)值體系，利用數(shù)字化、新材料和新的生產(chǎn)方式（3D打印等）去顛覆制造業(yè)的生產(chǎn)方式。第二，制造中價(jià)值鏈的位置是競爭力的決定性因素之前我們從日本、德國和美國三者間文化差異性方面分析了三個(gè)國家對(duì)智能制造革命的理解、側(cè)重點(diǎn)和目的的不同。除此以外，這些國家的競爭力差異也是造成其戰(zhàn)略方向差異的關(guān)鍵因素，其中各國在制造價(jià)值鏈的分布和未來布局的不同起了決定性的作用。如圖1-16所示，生產(chǎn)活動(dòng)中的價(jià)值要素分布從上游到下游依次是：想法創(chuàng)新與需求創(chuàng)造、原材料與基礎(chǔ)使能技術(shù)、關(guān)鍵裝備與核心零部件、生產(chǎn)過程與生產(chǎn)系統(tǒng)、產(chǎn)品和服務(wù)。在整個(gè)價(jià)值要素的分布中，中國在生產(chǎn)過程與生產(chǎn)系統(tǒng)這個(gè)環(huán)節(jié)具有優(yōu)勢(shì)（主要體現(xiàn)在勞動(dòng)成本和生產(chǎn)能力方面），但是在其他各個(gè)環(huán)節(jié)中處于劣勢(shì)。圖1-16生產(chǎn)活動(dòng)中的價(jià)值要素分布那么，如果進(jìn)行橫向比較，世界各主要國家在生產(chǎn)活動(dòng)中的價(jià)值要素的地位，以及未來改革的布局是怎樣的？美國：牢牢占據(jù)生產(chǎn)要素的上游，努力向下游延伸美國在生產(chǎn)活動(dòng)要素的分布中，在想法創(chuàng)新和需求創(chuàng)造、原材料和使能技術(shù)，以及產(chǎn)品增值服務(wù)端具有明顯優(yōu)勢(shì)。美國工業(yè)系統(tǒng)的核心競爭力主要來源于‘6S’的生態(tài)體系：（1）航天航空（space/aerospace）：為美國制造業(yè)積累了大量技術(shù)紅利，成為美國工業(yè)系統(tǒng)中基礎(chǔ)使能技術(shù)的最主要來源。（2）半導(dǎo)體（semiconductor）：近年來在低耗能半導(dǎo)體材料的研發(fā)方面投入巨大，在未來智能化技術(shù)的核心，低耗能高性能芯片技術(shù)上具有明顯優(yōu)勢(shì)。（3）頁巖氣（shalegas）：布局未來新能源和清潔能源領(lǐng)域，已成為美國最主要的替代能源。（4）智能化服務(wù)創(chuàng)值經(jīng)濟(jì)（smartICTservice）：借助美國在計(jì)算機(jī)和信息化技術(shù)領(lǐng)域的優(yōu)勢(shì)，在利潤最高的制造業(yè)服務(wù)端進(jìn)行布局。（5）硅谷為代表的創(chuàng)新精神（SiliconValleysprit）：通過不斷創(chuàng)新挖掘用戶的潛在需求，從而不斷獲得新的市場和商業(yè)機(jī)會(huì)的藍(lán)海。（6）可持續(xù)人才資源（sustainabletalentpool）。在第四次工業(yè)革命的戰(zhàn)略布局方面，美國白宮在2012年3月提出了國家制造創(chuàng)新網(wǎng)絡(luò)計(jì)劃（NNMI），在制造業(yè)的4大領(lǐng)域建立9個(gè)研究創(chuàng)新中樞，如表1-1所示。表1-1美國制造創(chuàng)新網(wǎng)絡(luò)計(jì)劃布局的4大領(lǐng)域和9個(gè)創(chuàng)新項(xiàng)目分析美國‘6S’生態(tài)系統(tǒng)和制造業(yè)發(fā)展戰(zhàn)略布局，我們不難發(fā)現(xiàn)，美國力圖在生產(chǎn)系統(tǒng)最基礎(chǔ)的原料端（能源和材料）、工業(yè)產(chǎn)品的使用服務(wù)端（互聯(lián)網(wǎng)技術(shù)和ICT服務(wù)），以及不斷由創(chuàng)新驅(qū)動(dòng)的商業(yè)模式端，牢牢掌握住工業(yè)價(jià)值鏈當(dāng)中價(jià)值含量最高的幾部分，這樣即便德國的制造設(shè)備再先進(jìn)、中國的制造系統(tǒng)再高效，都可以從源頭和價(jià)值的投放端確保其競爭力的核心優(yōu)勢(shì)。德國：充分發(fā)揮在關(guān)鍵裝備與零部件、生產(chǎn)過程與生產(chǎn)系統(tǒng)領(lǐng)域的技術(shù)優(yōu)勢(shì)，通過服務(wù)增強(qiáng)盈利能力與競爭力德國在關(guān)鍵裝備與核心零部件，以及生產(chǎn)過程與生產(chǎn)系統(tǒng)兩個(gè)環(huán)節(jié)上具有十分明顯的技術(shù)優(yōu)勢(shì)，這主要得益于以中小企業(yè)為核心的隱形冠軍企業(yè)，以及德國務(wù)實(shí)的學(xué)徒制雙元教育，這兩者為德國工業(yè)提供了扎實(shí)的基礎(chǔ)，是德國制造難以被撼動(dòng)的地基。德國的隱形冠軍企業(yè)幾乎不被外界所關(guān)注，它們規(guī)模都不大，但卻在其領(lǐng)域占領(lǐng)著很高的市場份額，在全球位列前三。這些中小企業(yè)占據(jù)了德國出口總量的70％，它們的銷售回報(bào)率平均超過德國普通企業(yè)的兩倍，擁有著高水平的研發(fā)能力與技術(shù)創(chuàng)新能力，注重產(chǎn)品價(jià)值與客戶的貼合、高質(zhì)量高效率的制造能力和精益化、柔性化的全球化高效運(yùn)營體系，它們很大一部分已經(jīng)傳承了百年。高素質(zhì)的技術(shù)工人和工程技術(shù)專業(yè)人才歷來被看作是德國經(jīng)濟(jì)發(fā)展的支柱，是“德國制造”產(chǎn)品的質(zhì)量保障。旨在培養(yǎng)專業(yè)技術(shù)工人的職業(yè)教育在德國社會(huì)發(fā)展中承擔(dān)著重要的角色，并形成了一套相對(duì)完備而且不斷調(diào)整的法規(guī)體系，保障了以雙元制為主要特征的職業(yè)教育長期穩(wěn)定的發(fā)展。學(xué)徒不僅要在生產(chǎn)車間里跟隨師傅學(xué)習(xí)實(shí)用技術(shù)，還要到學(xué)校里學(xué)習(xí)必要的理論知識(shí)。在德國，每年約計(jì)60萬年輕人開始接受雙元制職業(yè)教育，約占同齡人數(shù)的三分之二。德國是一個(gè)工業(yè)產(chǎn)品外向型的國家，由于國內(nèi)市場較小和自身需求的薄弱，其工業(yè)產(chǎn)品幾乎全部用于出口，也因此成就了德國制造業(yè)設(shè)備出口第一大國的地位。然而，由于以“金磚四國”為代表的新興經(jīng)濟(jì)體已基本完成了工業(yè)化，東南亞和非洲國家的新一輪增長引擎還沒有完全開啟，導(dǎo)致了德國的工業(yè)裝備產(chǎn)品需求停滯不前。從這幾年德國的工業(yè)出口總值上來看，其幾乎沒有任何的增長，這也從一定程度上影響了德國的經(jīng)濟(jì)發(fā)展。由此可見，德國提出工業(yè)4.0的核心目的主要有兩方面：①增強(qiáng)德國制造的競爭力，為德國的工業(yè)設(shè)備出口開拓新的市場；②轉(zhuǎn)變以往只賣設(shè)備而服務(wù)性收入比重較小的狀態(tài)，將重心從產(chǎn)品端向服務(wù)端轉(zhuǎn)移，增強(qiáng)德國工業(yè)產(chǎn)品的持續(xù)盈利能力。日本：雖然在產(chǎn)品這個(gè)環(huán)節(jié)中丟失大量市場，但產(chǎn)業(yè)競爭力在向上游轉(zhuǎn)移以往日本制造的核心競爭力主要在于生產(chǎn)過程與生產(chǎn)系統(tǒng)、產(chǎn)品以及服務(wù)端。近兩年來，日本兩個(gè)最強(qiáng)勢(shì)的傳統(tǒng)產(chǎn)業(yè)，汽車制造和消費(fèi)電子產(chǎn)業(yè)中的市場份額不斷被韓國、美國和中國占據(jù)，看似在產(chǎn)品端的優(yōu)勢(shì)已經(jīng)喪失殆盡。然而在《2015年全球創(chuàng)新創(chuàng)業(yè)百強(qiáng)》榜單中，日本以40家入圍企業(yè)成為全球最具創(chuàng)新力的國家。同時(shí)，在2015年的《全球制造力競爭指數(shù)》報(bào)告中，日本也由前一年的第10位上升至第4位。其實(shí)，日本在消費(fèi)電子領(lǐng)域的衰退背后是日本創(chuàng)新方向的轉(zhuǎn)變，日本開始在上游的原材料及使能技術(shù)和關(guān)鍵裝備及關(guān)鍵零部件領(lǐng)域擁有更多的話語權(quán)。例如松下在失去電氣行業(yè)的優(yōu)勢(shì)后，在汽車電子、住宅能源和商務(wù)解決方案等領(lǐng)域找到了新的發(fā)展機(jī)會(huì)，同時(shí)也成為世界上最先進(jìn)的電池生產(chǎn)商，特斯拉電動(dòng)車使用的就是松下18650電池。索尼在喪失消費(fèi)電子領(lǐng)域老大的地位后，在醫(yī)療領(lǐng)域取得突破，已經(jīng)占據(jù)了醫(yī)療內(nèi)窺鏡全球80％以上的份額。夏普也將核心業(yè)務(wù)轉(zhuǎn)向智慧醫(yī)療、智能住宅、食品、水、空氣安全以及教育產(chǎn)業(yè)。在日本發(fā)布的《2015年制造業(yè)白皮書》中，將人工智能和機(jī)器人領(lǐng)域作為重點(diǎn)發(fā)展方向，同時(shí)也將加強(qiáng)在材料、醫(yī)療、能源和關(guān)鍵零部件領(lǐng)域的投入。第三，給中國制造業(yè)轉(zhuǎn)型方向和目標(biāo)的建議我們?cè)?.4節(jié)詳細(xì)介紹了大數(shù)據(jù)在實(shí)現(xiàn)智能制造方面的三個(gè)方向上的應(yīng)用，這三個(gè)方向可以概括為：①解決可見問題的過程中積累經(jīng)驗(yàn)和知識(shí)，從而去避免這些問題；②依靠數(shù)據(jù)去分析問題產(chǎn)生的隱性線索（evidence）、關(guān)聯(lián)性和根本原因等，利用預(yù)測分析將不可見問題顯性化，從而實(shí)現(xiàn)解決不可見問題的目的；③通過對(duì)知識(shí)的深度挖掘，建立知識(shí)和問題之間的相關(guān)性，從知識(shí)中產(chǎn)生新的知識(shí)，并能夠利用知識(shí)對(duì)實(shí)體進(jìn)行精確的建模，產(chǎn)生能夠指導(dǎo)制造系統(tǒng)實(shí)體活動(dòng)的鏡像模型，從設(shè)計(jì)和制造流程的設(shè)計(jì)端避免可見及不可見問題的發(fā)生。這三個(gè)方向?qū)χ袊圃於挤浅＞哂薪梃b意義，但是需要對(duì)不同的情況適用不同的方向。總的來概況，這三個(gè)方向分別適用于以下幾類情況中問題的解決：（1）第一個(gè)方向：適合在某一個(gè)領(lǐng)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(lǐng)域。（2）第二個(gè)方向：在解決了可見的問題之后，仍然存在一些不可見問題對(duì)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(guān)聯(lián)性，積累更加深入的領(lǐng)域知識(shí)。（3）第三個(gè)方向：在制造基礎(chǔ)非常薄弱的領(lǐng)域，并沒有形成太多有效的數(shù)據(jù)，但是從國外聘請(qǐng)了非常有經(jīng)驗(yàn)和知識(shí)的人，則可以實(shí)施反向智能制造。從制造系統(tǒng)的價(jià)值鏈方面，本書也給中國制造提出以下幾方面的建議：中國的制造轉(zhuǎn)型中，要著重填補(bǔ)中國工業(yè)基礎(chǔ)技術(shù)的缺口，改變核心零部件和先進(jìn)材料過度依賴進(jìn)口的現(xiàn)狀；努力提高生產(chǎn)效率，從粗放式的生產(chǎn)模式向精益模式轉(zhuǎn)變；重視工藝和制造過程的研究和生產(chǎn)過程的管理，不斷提升產(chǎn)品質(zhì)量；努力研發(fā)核心生產(chǎn)設(shè)備和智能設(shè)備，并對(duì)設(shè)備的使用進(jìn)行精細(xì)化和信息化管理。同時(shí)，要注重原始想法的創(chuàng)新，提升產(chǎn)品的服務(wù)能力和可持續(xù)盈利能力，以顧客端的價(jià)值缺口為導(dǎo)向創(chuàng)造新的市場機(jī)會(huì)，利用增值服務(wù)提升中國工業(yè)產(chǎn)品的核心競爭力。最近，“提升供給側(cè)質(zhì)量”成為中國政府在重整制造業(yè)中的重要改革舉措。那么如何來衡量供給側(cè)的質(zhì)量？能不能找到一個(gè)合適的可以量化的指標(biāo)？本書認(rèn)為可以用以下這個(gè)簡單的公式來衡量：制造競爭力＝產(chǎn)品質(zhì)量÷成本提升產(chǎn)品質(zhì)量的方式有很多種，但是我認(rèn)為中國制造目前最需要提升的是標(biāo)準(zhǔn)化、規(guī)范化和合理化，至于是應(yīng)該使用自動(dòng)化、信息化、機(jī)器換人，還是工匠精神等方式，應(yīng)該視具體的行業(yè)和企業(yè)的情況而定。舉一個(gè)例子，工匠精神就一定都是好的嗎？比如最注重工匠精神的日本，很多企業(yè)由于過于嚴(yán)苛地追求性能指標(biāo)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(jià)可能是導(dǎo)致商品的價(jià)格高出了3～5倍，這樣的產(chǎn)品顯然也是不具備競爭力的。過于注重產(chǎn)品本身而忽略了客戶的實(shí)際需求，即便再有工匠精神也很難維持。把質(zhì)量做好真的很難嗎？在不對(duì)成本加以限制的情況下任何一個(gè)企業(yè)都能夠做出質(zhì)量和性能很高的產(chǎn)品，但是物美的同時(shí)做到價(jià)廉就很難了，這是一個(gè)復(fù)雜的系統(tǒng)工程，需要對(duì)生產(chǎn)系統(tǒng)的各個(gè)方面進(jìn)行優(yōu)化。除此以外，中國制造業(yè)的供給側(cè)質(zhì)量方面，還可從以下兩個(gè)方面進(jìn)行嘗試：①從以往的依靠投資拉動(dòng)需求，轉(zhuǎn)變?yōu)橐灾骺厥絼?chuàng)新的思維挖掘市場潛在的需求，以創(chuàng)新作為創(chuàng)造需求的核心動(dòng)力；②將資源要素向價(jià)值鏈上游轉(zhuǎn)移，增加基礎(chǔ)科學(xué)研究領(lǐng)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(quán)，逐漸從價(jià)值鏈的較低端向高端環(huán)節(jié)轉(zhuǎn)移。1.6未來智慧工廠的無憂慮制造評(píng)價(jià)生產(chǎn)系統(tǒng)性能的關(guān)鍵指標(biāo)是產(chǎn)量（throughput）、質(zhì)量、成本和零部件的精度，利用數(shù)據(jù)去分析和了解生產(chǎn)系統(tǒng)影響上述關(guān)鍵指標(biāo)的因素，并對(duì)可能出現(xiàn)的風(fēng)險(xiǎn)進(jìn)行預(yù)測和管控，是能否實(shí)現(xiàn)預(yù)測型制造的關(guān)鍵因素。今天大多數(shù)工廠的生產(chǎn)系統(tǒng)較為普遍地運(yùn)用商業(yè)化的管理軟件輔助工廠管理者去獲取整體設(shè)備效率（OEE）等信息，這是對(duì)生產(chǎn)系統(tǒng)中可見的影響因素和產(chǎn)生的結(jié)果進(jìn)行及時(shí)的掌握和應(yīng)對(duì)。然而生產(chǎn)系統(tǒng)中更多的是不可見因素的影響，因此對(duì)這些不可見因素進(jìn)行預(yù)測和管理是避免可見因素影響的關(guān)鍵。零部件及裝備層面的智能化———實(shí)現(xiàn)自省性、自預(yù)測性和自比較性對(duì)于智能裝備的CPS應(yīng)用設(shè)計(jì)，我們可以通過網(wǎng)絡(luò)層面的機(jī)器網(wǎng)絡(luò)接口（CPI）進(jìn)行網(wǎng)絡(luò)健康分析的交互連接，這個(gè)從概念上類似于社交網(wǎng)絡(luò)。一旦網(wǎng)絡(luò)級(jí)基礎(chǔ)設(shè)施到位，機(jī)器可以注冊(cè)到網(wǎng)絡(luò)，通過網(wǎng)絡(luò)接口交換信息。在這一點(diǎn)上，可以通過已經(jīng)建立的一套算法跟蹤機(jī)器狀態(tài)的變化，從歷史信息推斷額外知識(shí)，應(yīng)用對(duì)等比較，并將輸出傳遞到下一層。這樣，就必須制定新的方法來執(zhí)行這些操作并產(chǎn)生相應(yīng)的結(jié)果。這里引入“時(shí)間機(jī)器”的設(shè)計(jì)在網(wǎng)絡(luò)層面執(zhí)行分析，通過三個(gè)步驟實(shí)現(xiàn)一個(gè)智能裝備的應(yīng)用設(shè)計(jì)：（1）數(shù)據(jù)切片管理：如圖1-17所示，信息不斷地從機(jī)器中壓入網(wǎng)絡(luò)空間?？煺帐占娜蝿?wù)就是以有效的方式管理收入數(shù)據(jù)，存儲(chǔ)信息。一旦監(jiān)測機(jī)器的狀態(tài)發(fā)生重要變化，這些快照才出現(xiàn)。這些變化可以定義為機(jī)器健康值的偶然變化，維護(hù)行為或者工作制度的改變。在機(jī)器的整個(gè)生命周期里，這些快照將被收集并用于構(gòu)造特定優(yōu)點(diǎn)的時(shí)間機(jī)器的歷史。這個(gè)當(dāng)前的時(shí)間機(jī)器記錄將被用來進(jìn)行優(yōu)點(diǎn)之間的對(duì)等比較。一旦這個(gè)優(yōu)點(diǎn)失效或者被替代，其相關(guān)的時(shí)間機(jī)器記錄將改變狀態(tài)從當(dāng)前變?yōu)闅v史，并將用作相似性的識(shí)別和合成的參考。（2）相似識(shí)別：在網(wǎng)絡(luò)層面，對(duì)設(shè)備自身（以及相同設(shè)備）在不同運(yùn)行模式和健康模式下的歷史數(shù)據(jù)進(jìn)行特征提取和建模，再利用該模型與當(dāng)前狀態(tài)產(chǎn)生的數(shù)據(jù)進(jìn)行比較，就可以自動(dòng)識(shí)別設(shè)備當(dāng)前的健康狀態(tài)，進(jìn)而對(duì)設(shè)備進(jìn)行風(fēng)險(xiǎn)評(píng)估和故障診斷。除此之外，單個(gè)設(shè)備還可以與設(shè)備集群中的同類設(shè)備進(jìn)行比較，自動(dòng)識(shí)別與自己工況模式相似的其他設(shè)備并進(jìn)行聚類，在工況模式相同的條件下比較自身的性能與其他設(shè)備的差異性，這種自比較和自省性的能力是以往“設(shè)備對(duì)設(shè)備（machine-tomachine）”概念中所沒有的。通過對(duì)當(dāng)前運(yùn)行的模式匹配以及健康模式隨時(shí)間的變化軌跡，就能夠更加準(zhǔn)確地預(yù)測設(shè)備未來狀態(tài)的變化，實(shí)現(xiàn)設(shè)備自預(yù)測性的能力。圖1-17以數(shù)控機(jī)床為例的智能裝備快照收集過程示意圖[2]（3）執(zhí)行決策的優(yōu)化：當(dāng)設(shè)備具備了自省性、自比較性和自預(yù)測性的能力后，就可以對(duì)自己當(dāng)前和未來的性能進(jìn)行預(yù)測。單個(gè)設(shè)備作為復(fù)雜工業(yè)系統(tǒng)中的一份子，承擔(dān)著該系統(tǒng)某個(gè)環(huán)節(jié)的任務(wù)要求。智能設(shè)備能夠結(jié)合當(dāng)前自身的性能與任務(wù)要求，自動(dòng)預(yù)測自身性能與任務(wù)需求在當(dāng)前和未來的匹配性，并制定最優(yōu)化的執(zhí)行策略。執(zhí)行策略優(yōu)化的表現(xiàn)是，在滿足任務(wù)要求的前提下，使用資源最少、對(duì)自身的健康損害最小，以及在最優(yōu)的維護(hù)時(shí)機(jī)進(jìn)行狀態(tài)恢復(fù)。執(zhí)行決策的優(yōu)化需要設(shè)備對(duì)自己在整個(gè)系統(tǒng)中的角色有較為清晰的認(rèn)知，并能夠預(yù)測自身的活動(dòng)對(duì)系統(tǒng)整體表現(xiàn)的影響，是設(shè)備從自省性到自認(rèn)知能力的進(jìn)一步智能化。全生產(chǎn)系統(tǒng)層面的智能化———無憂慮的生產(chǎn)環(huán)境在工業(yè)4.0的工廠中，自我意識(shí)（self-aware）和自我預(yù)測（self-predict）的功能成為監(jiān)測和控制系統(tǒng)的新功能，這些新功能可以幫助用戶去了解機(jī)器的健康退化、剩余可用時(shí)間、精度的缺失以及各類因素對(duì)質(zhì)量和成本的影響。此外，機(jī)器的健康還可以通過零部件健康狀況的融合和同類機(jī)器的對(duì)比（peer-to-peer）來預(yù)測。這種預(yù)測能力使得工廠可以采取及時(shí)的維護(hù)措施從而提高管理效率，并最終優(yōu)化機(jī)器的正常運(yùn)行時(shí)間。最后，歷史健康信息也可以反饋到機(jī)器設(shè)備設(shè)計(jì)部門，從而形成閉環(huán)的生命周期更新設(shè)計(jì)，最終實(shí)現(xiàn)無憂慮生產(chǎn)（worry-freeproductivity）。自我預(yù)測分析方法可以將產(chǎn)品和制造系統(tǒng)都轉(zhuǎn)化為自我意識(shí)和自我維護(hù)的智能信息。產(chǎn)品預(yù)測服務(wù)系統(tǒng)可以使得產(chǎn)品在其退化過程中產(chǎn)生主動(dòng)觸發(fā)的服務(wù)請(qǐng)求并進(jìn)一步預(yù)測和預(yù)防潛在的故障。“預(yù)測＋制造”融合了來自生產(chǎn)制造系統(tǒng)的信息和來自供應(yīng)鏈系統(tǒng)的信息。傳統(tǒng)意義上，制造商通過供應(yīng)鏈系統(tǒng)做出決策，這種方法利用物流、同步化供給與需求以及全球化性能測試來實(shí)現(xiàn)優(yōu)化成本的目標(biāo)。工業(yè)4.0所需要的就是可以提供具有透明度的工具和技術(shù)，這些工具和技術(shù)具有拆解和量化不確定性的能力，從而可以客觀地估計(jì)其制造能力和可用性。之前描述的制造策略假定了設(shè)備的連續(xù)可用性以及它在每一個(gè)使用過程中保持最佳性能，但這樣的假設(shè)在一個(gè)真正的工廠中是不成立的。為了實(shí)現(xiàn)工廠透明化，制造業(yè)需要大量投入以實(shí)現(xiàn)預(yù)測性生產(chǎn)。這種革新需要使用先進(jìn)的預(yù)測工具和方法，實(shí)現(xiàn)系統(tǒng)地將工廠不斷產(chǎn)生的數(shù)據(jù)加工成有用信息。這些信息可以幫助解釋不確定性，從而使得資產(chǎn)管理者和過程監(jiān)管者可以做出更“知情”的決策，傳統(tǒng)工廠與未來工業(yè)4.0工廠的對(duì)比如圖1-18所示。圖1-18傳統(tǒng)工廠與未來工業(yè)4.0工廠的對(duì)比圖[2]在制造業(yè)中積極采用“物聯(lián)網(wǎng)”的思想可幫助預(yù)測制造業(yè)奠定其智能傳感網(wǎng)絡(luò)和智能機(jī)器的基礎(chǔ)。預(yù)測制造系統(tǒng)的核心技術(shù)是一個(gè)使用智能軟件來進(jìn)行預(yù)測建模功能的智能計(jì)算工具。對(duì)設(shè)備性能的預(yù)測分析和對(duì)故障時(shí)間的估算，將減少這些不確定性的影響，并為用戶提供預(yù)先緩和措施和解決對(duì)策，以防止生產(chǎn)運(yùn)營中生產(chǎn)力/效率的損失。隨著制造系統(tǒng)對(duì)不可見問題的認(rèn)識(shí)和控制能力不斷加深，工廠管理以準(zhǔn)確的信息為基礎(chǔ)，從而將工廠范圍內(nèi)整體設(shè)備效率（OEE）提升，最終實(shí)現(xiàn)零意外和零停機(jī)的狀態(tài)。由于對(duì)設(shè)備具有可預(yù)測能力，可以實(shí)現(xiàn)有效管理維護(hù)從而降低管理成本。最后，歷史健康信息也可以反饋到機(jī)器設(shè)備設(shè)計(jì)部門從而形成閉環(huán)的生命周期更新設(shè)計(jì)，最終形成一個(gè)無憂慮的生產(chǎn)環(huán)境。1.7從產(chǎn)品制造到全生命周期價(jià)值創(chuàng)造———給“蛋黃”配“蛋白”我在《工業(yè)大數(shù)據(jù)》這本書中曾經(jīng)提出用“煎蛋模型”來解釋產(chǎn)品與服務(wù)之間的關(guān)系，這也是一種以創(chuàng)造價(jià)值為產(chǎn)品設(shè)計(jì)導(dǎo)向的思維。一個(gè)核心的產(chǎn)品不僅是產(chǎn)品這個(gè)實(shí)體本身（蛋黃：產(chǎn)品本身），還有很多以這個(gè)產(chǎn)品為載體的增值服務(wù)（蛋白：服務(wù)衍生的價(jià)值），如圖1-19所示。這如同煎熟的蛋，每顆蛋黃其實(shí)都差不多，比如普通電視機(jī)去掉品牌logo就很難判斷是三星的還是索尼的，但是打開電視看到有點(diǎn)播、回放、存儲(chǔ)和社交等功能的很可能就是樂視的電視，這就是蛋白的大異其趣；也就是說，在產(chǎn)品差異不大的情況下，配套服務(wù)的差異才是制勝的關(guān)鍵?！吨袊圃?025》中也明確提出，將制造與服務(wù)協(xié)同發(fā)展作為轉(zhuǎn)型的重要方向，加快生產(chǎn)型制造向服務(wù)型制造轉(zhuǎn)變的步伐。那么我們要如何給“蛋黃”配上“蛋白”？大數(shù)據(jù)在這個(gè)過程中又會(huì)起到什么作用？圖1-19煎蛋模型“服務(wù)型制造業(yè)”這個(gè)概念我在2005年以前就開始在工業(yè)界推動(dòng)，許多學(xué)習(xí)過我的“主控式創(chuàng)新”課程的朋友們對(duì)這個(gè)詞應(yīng)該早已不陌生。制造業(yè)向服務(wù)端轉(zhuǎn)移的趨勢(shì)早在十年前就已經(jīng)在進(jìn)行了，當(dāng)時(shí)一些明顯的環(huán)境和產(chǎn)業(yè)的變化使得制造業(yè)的服務(wù)化成為一種世界范圍的趨勢(shì)。這些變化主要表現(xiàn)在3個(gè)層面：①消費(fèi)行為的轉(zhuǎn)變。終端顧客由傳統(tǒng)的對(duì)于產(chǎn)品功能的追求轉(zhuǎn)變?yōu)榛诋a(chǎn)品的更為個(gè)性化的消費(fèi)體驗(yàn)和心理滿足的追求。這使得在制造環(huán)節(jié)應(yīng)更加地貼近客戶的需求和心理滿足，最終表現(xiàn)為對(duì)客戶服務(wù)價(jià)值實(shí)現(xiàn)的追求。②企業(yè)間合作和服務(wù)的趨勢(shì)。由傳統(tǒng)的單個(gè)核心企業(yè)轉(zhuǎn)變?yōu)槠髽I(yè)間密切的合作聯(lián)系，企業(yè)間通過密切的交互行為，充分配置資源，形成密集而動(dòng)態(tài)的企業(yè)服務(wù)網(wǎng)絡(luò)。③企業(yè)模式轉(zhuǎn)變。世界典型的大型制造企業(yè)紛紛由傳統(tǒng)的產(chǎn)品生產(chǎn)商轉(zhuǎn)變?yōu)榛诋a(chǎn)品組合加全生命周期服務(wù)的方案解決商（如GE、IBM等）。根據(jù)德勤的調(diào)研，許多世界大型制造企業(yè)早在2005年就開始了轉(zhuǎn)型，其一半以上的收入來自企業(yè)的服務(wù)行為。那么如何來定義服務(wù)型制造？服務(wù)與制造應(yīng)該怎么融合？一方面，制造企業(yè)通過相互提供工藝流程級(jí)的制造過程服務(wù)，合作完成產(chǎn)品的制造過程；另一方面，生產(chǎn)性服務(wù)企業(yè)通過為制造企業(yè)和顧客提供覆蓋產(chǎn)品全生命周期的業(yè)務(wù)流程級(jí)服務(wù)，共同為顧客提供產(chǎn)品服務(wù)系統(tǒng)。這種更深入的制造與服務(wù)的融合模式，被稱為“服務(wù)型制造”。它是基于制造的服務(wù)，也是為了服務(wù)的制造，是制造與服務(wù)相融合的新產(chǎn)業(yè)形態(tài)、新的生產(chǎn)模式。這就將最初的“制造”概念進(jìn)行了擴(kuò)展，產(chǎn)品的全生命周期都被看作是制造的過程，制造不僅僅是關(guān)注產(chǎn)品的生產(chǎn)過程，更應(yīng)該注重客戶使用周期的價(jià)值創(chuàng)造過程。這也產(chǎn)生了兩個(gè)新的制造模式———“產(chǎn)品服務(wù)系統(tǒng)”和“整體解決方案”。這兩種模式向客戶提供覆蓋從需求調(diào)研、產(chǎn)品設(shè)計(jì)、工程、制造、交付、售后服務(wù)、產(chǎn)品回收及再制造等產(chǎn)品服務(wù)系統(tǒng)全生命周期的價(jià)值增值活動(dòng)；制造網(wǎng)絡(luò)中的合作企業(yè)基于工藝流程級(jí)的分工，相互提供面向服務(wù)的制造活動(dòng)，以實(shí)現(xiàn)低成本、高效率的產(chǎn)品制造，為顧客提供基于制造的服務(wù)。服務(wù)型制造模式希望通過生產(chǎn)性服務(wù)、制造服務(wù)和顧客參與的高效協(xié)作，融合技術(shù)驅(qū)動(dòng)型創(chuàng)新和用戶驅(qū)動(dòng)型創(chuàng)新，實(shí)現(xiàn)分散化服務(wù)制造資源的整合和價(jià)值鏈各環(huán)節(jié)的增值。作為一種新的商業(yè)模式和生產(chǎn)組織方式，服務(wù)型制造的運(yùn)作模式也不同于以往的制造模式：①在運(yùn)作模式上，服務(wù)型制造更關(guān)注客戶價(jià)值的實(shí)現(xiàn)，通過滿足顧客的效用需求，實(shí)現(xiàn)企業(yè)價(jià)值和客戶價(jià)值的雙贏。②產(chǎn)品服務(wù)系統(tǒng)的引入也要求建立新的運(yùn)作模式。服務(wù)的無形性、生產(chǎn)過程和消費(fèi)過程的不可分割性，使得傳統(tǒng)的以庫存管理為基礎(chǔ)的制造運(yùn)作管理理論不再適用，需要建立基于能力管理（能力×使用時(shí)間，powerbythehour）的服務(wù)型制造系統(tǒng)的運(yùn)作模式。發(fā)展不同類型的制造及服務(wù)能力，建立制造及服務(wù)能力知識(shí)庫，開發(fā)規(guī)范化的制造及服務(wù)能力協(xié)作接口，形成不同模塊即插即用的能力，以根據(jù)客戶的需求實(shí)現(xiàn)能力模塊的快速發(fā)現(xiàn)、配置、運(yùn)作和重構(gòu)，是服務(wù)型制造系統(tǒng)運(yùn)作管理的根本特點(diǎn)。③知識(shí)成為服務(wù)型制造系統(tǒng)運(yùn)作的基礎(chǔ)。在服務(wù)型制造系統(tǒng)的運(yùn)作中，主要包括技術(shù)知識(shí)、生產(chǎn)過程知識(shí)和顧客知識(shí)，知識(shí)的獲取和運(yùn)用能力將成為企業(yè)的核心競爭力，數(shù)據(jù)作為產(chǎn)生知識(shí)的主要途徑將成為企業(yè)的核心資產(chǎn)，知識(shí)交易（不是數(shù)據(jù)交易）將成為企業(yè)之間協(xié)同和增值服務(wù)的主要方式。市場的開放使得大多數(shù)資源都可以通過市場交易獲得，基于流程的分工也使得每個(gè)流程的復(fù)雜性大大降低，熱數(shù)據(jù)和知識(shí)的交易與共享促進(jìn)實(shí)現(xiàn)產(chǎn)業(yè)鏈的協(xié)同優(yōu)化。因此，企業(yè)只有構(gòu)筑基于產(chǎn)品設(shè)計(jì)知識(shí)、制造過程知識(shí)，或者顧客需求知識(shí)的隱性知識(shí)壁壘，開發(fā)動(dòng)態(tài)制造及服務(wù)能力，在不同流程內(nèi)部隱性知識(shí)封裝的基礎(chǔ)上，相互之間基于開放的知識(shí)接口，實(shí)現(xiàn)不同流程的協(xié)作。利用大數(shù)據(jù)建立產(chǎn)品服務(wù)系統(tǒng)產(chǎn)品與服務(wù)緊密結(jié)合的產(chǎn)品/服務(wù)組合是一個(gè)集成系統(tǒng)，人們稱之為產(chǎn)品服務(wù)系統(tǒng)（productservicesystem，PSS）。在服務(wù)型制造模式中，無論是面向企業(yè)的服務(wù)還是面向顧客的服務(wù)，在微觀企業(yè)層面，其主要的企業(yè)內(nèi)行為表現(xiàn)是產(chǎn)品服務(wù)系統(tǒng)下產(chǎn)品/服務(wù)組合。產(chǎn)品服務(wù)系統(tǒng)的創(chuàng)新模式既不是傳統(tǒng)的產(chǎn)品創(chuàng)新（推出新款式、新功能的產(chǎn)品），也不是傳統(tǒng)的服務(wù)創(chuàng)新（開發(fā)設(shè)計(jì)、生產(chǎn)運(yùn)作和營銷過程的技術(shù)創(chuàng)新），而是從顧客需求的缺口（gap）出發(fā)的主控式創(chuàng)新模式。關(guān)于主控式創(chuàng)新模式的介紹，如何進(jìn)行主控式創(chuàng)新，以及主控式創(chuàng)新的工具等介紹可以參照我的《工業(yè)大數(shù)據(jù)》一書，這里我們還是將話題的重心放到如何利用大數(shù)據(jù)建立產(chǎn)品服務(wù)系統(tǒng)上。大數(shù)據(jù)在建立產(chǎn)品服務(wù)系統(tǒng)上有兩方面非常重要的作用：①利用數(shù)據(jù)發(fā)現(xiàn)用戶需求的缺口，進(jìn)而重新定義問題和服務(wù)；②以數(shù)據(jù)作為服務(wù)用戶和連接用戶的載體，從廣泛用戶的數(shù)據(jù)中獲取隱性的知識(shí)，再利用知識(shí)為用戶提供客制化的服務(wù)。數(shù)據(jù)作為提供服務(wù)的基礎(chǔ)并不難理解，比如位置數(shù)據(jù)是打車軟件為用戶提供服務(wù)的基礎(chǔ)，否則乘客與司機(jī)之間的匹配就無從談起。反過來說，服務(wù)也是用戶愿意把數(shù)據(jù)開放給企業(yè)的基礎(chǔ)，很多企業(yè)抱怨說自己的客戶不愿意把數(shù)據(jù)提供給自己，最主要的原因還是沒有想好自己要這些數(shù)據(jù)干什么，能給客戶提供怎樣的服務(wù)。用戶為什么愿意將數(shù)據(jù)分享給企業(yè)？除了服務(wù)提供途徑的要求之外，還有一個(gè)很重要的動(dòng)機(jī)是，一個(gè)人的數(shù)據(jù)很難產(chǎn)生有效的知識(shí)，但是許多人的數(shù)據(jù)進(jìn)行挖掘之后會(huì)產(chǎn)生許多意想不到的知識(shí)和新的看待問題的角度，進(jìn)而用戶可以利用所產(chǎn)生的知識(shí)獲得服務(wù)和價(jià)值，其創(chuàng)值模式如圖1-20所示。舉個(gè)例子，在設(shè)備的預(yù)測性維護(hù)模型建立過程中，單個(gè)用戶所產(chǎn)生的數(shù)據(jù)樣本并不足以分析所有的失效模式和發(fā)生的過程，但是成百上千的用戶的數(shù)據(jù)匯集起來就可以形成一個(gè)完整的樣本庫，這些數(shù)據(jù)通過先進(jìn)的預(yù)測分析算法固化成一個(gè)預(yù)測模型，那么接下來用戶就可以將實(shí)時(shí)數(shù)據(jù)輸入到這個(gè)模型中去預(yù)測當(dāng)下的運(yùn)行風(fēng)險(xiǎn)。在使用這個(gè)模型的過程中，用戶也從別人分享的數(shù)據(jù)中獲得了價(jià)值。圖1-20大數(shù)據(jù)的創(chuàng)值模式數(shù)據(jù)的分享是一種知識(shí)的眾籌模式，而企業(yè)扮演了知識(shí)的挖掘者、分享者和服務(wù)匹配者的角色，這個(gè)過程的實(shí)現(xiàn)就是產(chǎn)品服務(wù)系統(tǒng)產(chǎn)生的過程。在接下來的案例分析篇中，我們也會(huì)通過一些案例給大家提供更加生動(dòng)的參考。1.8工業(yè)大數(shù)據(jù)的機(jī)遇與挑戰(zhàn)麥肯錫的報(bào)告顯示，就大數(shù)據(jù)的數(shù)量而言，制造業(yè)遠(yuǎn)遠(yuǎn)超過其他行業(yè)的數(shù)據(jù)產(chǎn)生數(shù)量，且可被接入的設(shè)備數(shù)量也遠(yuǎn)超移動(dòng)互聯(lián)網(wǎng)。然而工業(yè)大數(shù)據(jù)的應(yīng)用卻遠(yuǎn)沒有在社交網(wǎng)絡(luò)、醫(yī)療和商務(wù)等方面普遍和深入，其中的價(jià)值還有待人們?nèi)コ浞滞诰?，因此擁有巨大的機(jī)會(huì)潛力。智能制造的實(shí)現(xiàn)過程需要將傳統(tǒng)的依靠人的經(jīng)驗(yàn)，通過大數(shù)據(jù)的智能分析，轉(zhuǎn)變成為依靠Evidence的管理模式，最終實(shí)現(xiàn)預(yù)測型制造系統(tǒng)。數(shù)據(jù)從設(shè)備上的產(chǎn)生到形成可以帶來價(jià)值的決策，需要將數(shù)據(jù)進(jìn)行分割、分解、分析和分享。然而目前的工業(yè)大數(shù)據(jù)分析有一個(gè)重要的缺口，那就是中間的分析過程還比較薄弱，尤其是基于模型的預(yù)測性分析?，F(xiàn)在大家提到制造系統(tǒng)的智能化和大數(shù)據(jù)，首先想到的是“端到端”的連接，但是僅僅實(shí)現(xiàn)數(shù)據(jù)從設(shè)備到辦公室的縱向集成就足夠了嗎？如果僅僅是數(shù)據(jù)的傳輸、集成和可視化，那么數(shù)據(jù)被利用和挖掘的價(jià)值很小，還有很大一部分價(jià)值需要通過對(duì)數(shù)據(jù)的深度挖掘和分析來獲得。除此以外，工業(yè)大數(shù)據(jù)的分析除了先進(jìn)的算法工具以外，更重要的是要結(jié)合工業(yè)場景和應(yīng)用原理的領(lǐng)域知識(shí)，也就是說數(shù)據(jù)的分析者不僅要對(duì)智能算法非常了解，還要對(duì)生產(chǎn)系統(tǒng)十分了解。這也導(dǎo)致了兩個(gè)非常重要的挑戰(zhàn)：首先是人才的嚴(yán)重缺失，對(duì)工業(yè)大數(shù)據(jù)分析人才的培養(yǎng)更加困難。其次，即使對(duì)同一類問題也很難有普適性的方法和模型，數(shù)據(jù)分析工具＋領(lǐng)域知識(shí)這樣的模式?jīng)Q定了工業(yè)大數(shù)據(jù)的分析模型一定是應(yīng)用定制化的，因此很難有一個(gè)通用的平臺(tái)能夠解決所有問題。這也是GE的數(shù)據(jù)平臺(tái)Predix所要面臨的挑戰(zhàn)。案例分析篇大數(shù)據(jù)在智能制造的使用場景及案例分析上一篇我們分析了大數(shù)據(jù)與智能制造之間的關(guān)系，以及大數(shù)據(jù)在推動(dòng)智能制造中的作用和典型的三個(gè)方向。除此之外，大數(shù)據(jù)在智能制造中的典型應(yīng)用場景還包括加速產(chǎn)品創(chuàng)新、生產(chǎn)系統(tǒng)質(zhì)量的預(yù)測性管理、產(chǎn)品健康管理及預(yù)測性維護(hù)、能量管理、環(huán)保與安全、工業(yè)企業(yè)供應(yīng)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(gòu)能力等。本篇章將結(jié)合導(dǎo)引篇所介紹的思維方式和理論基礎(chǔ)，針對(duì)大數(shù)據(jù)在制造企業(yè)中的應(yīng)用場景進(jìn)行梳理，并結(jié)合案例分析提供實(shí)施路徑的參考。2.1利用大數(shù)據(jù)分析，實(shí)現(xiàn)從解決問題到避免問題制造系統(tǒng)中的可見問題包括產(chǎn)品質(zhì)量缺陷、精度缺失、設(shè)備故障、整體運(yùn)轉(zhuǎn)效率損失等，這些問題都可以利用統(tǒng)計(jì)科學(xué)、規(guī)劃建模、差異分析、協(xié)同優(yōu)化等方式進(jìn)行解決和避免。這一節(jié)我們將通過案例，對(duì)數(shù)據(jù)分析在質(zhì)量管理、維修排程、生產(chǎn)協(xié)同優(yōu)化和生產(chǎn)線彈性設(shè)計(jì)方面的作用進(jìn)行詳細(xì)的闡述。案例一：2mm工程———基于統(tǒng)計(jì)科學(xué)的質(zhì)量管理體系白車身（Body-In-White，BIW）的質(zhì)量主要反映空間尺寸的波動(dòng)，其被認(rèn)為是美國20世紀(jì)80年代汽車工業(yè)競爭力的最重要影響因素之一。一個(gè)典型的BIW大概有100～150個(gè)薄壁金屬部件，并有80～120個(gè)裝配站。一個(gè)BIW裝配線正常有1500～2000個(gè)定位夾具和4000個(gè)焊接點(diǎn)。圖2-1顯示了一個(gè)BIW的裝配過程。如果定位器、焊接點(diǎn)或者零部件有誤差值，這個(gè)誤差值會(huì)傳遞給裝配站，最后累積于BIW中。圖2-1BIW裝配20世紀(jì)80年代后期，內(nèi)嵌式光學(xué)測量機(jī)（opticalcoordinationmeasurementmachine，OCMM）被應(yīng)用于汽車車身裝配車間中。OCMM安裝于裝配線的末端，并用激光傳感器來測量BIW的關(guān)鍵特征，提供相關(guān)車身尺寸。