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(zhuǎn)型的機(jī)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(luò)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(shí)現(xiàn)智能制造？

“工業(yè)智能化，美國靠軟件、德國靠機(jī)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(yuǎn)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(bǔ)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(xué)特聘講座講授、美國國家科學(xué)基金會智能維護(hù)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(fù)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。“大數(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(shí)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(shù)，”李杰在采訪中再三強(qiáng)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(shí)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(wù)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?！暗谝粋€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(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)量和更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？

在那個時候，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)，在各個工序和零部件生產(chǎn)、車身裝配都進(jìn)行嚴(yán)格的質(zhì)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(fù)修改和匹配工藝參數(shù)，最終的質(zhì)量卻依然不穩(wěn)定，時常出現(xiàn)每一個工序都在質(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)。

李杰告訴澎湃新聞記者，針對這一難題，上世紀(jì)90年代他們與美國密歇根大學(xué)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(xué)對這些龐大的測量數(shù)據(jù)進(jìn)行分析，對質(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(zhì)量進(jìn)行管理和控制的方法后，產(chǎn)品的設(shè)計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。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(shí)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(shí)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(jī)制造、發(fā)動機(jī)制造和能源裝備等各類制造領(lǐng)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(yù)測隱性問題，在問題成為顯性前就進(jìn)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(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。”李杰表示，對這些不可見因素進(jìn)行預(yù)測和管理是避免可見因素影響的關(guān)鍵?！翱梢詮臄?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)。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(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，在制造系統(tǒng)的運(yùn)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(fēng)險，我們可以將這個相似程度進(jìn)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(jié)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(jìn)而對這個趨勢的未來發(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(xué)NSF產(chǎn)學(xué)研合作智能維護(hù)研究中心提出并發(fā)展了針對預(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(jìn)行優(yōu)先級排序，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)。

“第三個方向，就是利用反向工程，從結(jié)果中找到原因”，李杰總結(jié)。李杰依然以航空發(fā)動機(jī)為例：“事實(shí)上航空發(fā)動機(jī)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(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)。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?！?/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(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。大數(shù)據(jù)可以幫助我們達(dá)成這個目標(biāo)?！?/p>

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(jī)場的道格拉斯三引擎客機(jī)DC-10，在飛到愛荷華的玉米田上空時二號引擎空中爆炸，導(dǎo)致了機(jī)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(fēng)扇盤破裂，導(dǎo)致了事故的發(fā)生。

針對疲勞裂紋產(chǎn)生的區(qū)域進(jìn)行更深入的分析后發(fā)現(xiàn)，導(dǎo)致風(fēng)扇盤損壞的罪魁禍?zhǔn)资氢伜辖鹑~盤中混入的少量氮元素與氧元素。這些雜質(zhì)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(xiàng)目之中，但該風(fēng)扇盤的裂紋產(chǎn)生的地方極難察覺，導(dǎo)致了事故的發(fā)生。

“風(fēng)扇盤制造過程產(chǎn)生的缺陷或許才應(yīng)該是事故發(fā)生的必要因素，但又不構(gòu)成充分的條件。因?yàn)樵诶匣倪^程中，許多隱形特性（疲勞與應(yīng)力特性）的加入，導(dǎo)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(xì)分享了多例案例?！昂娇瞻l(fā)動機(jī)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(rèn)識和控制那些‘隱形的特性’，不僅需要提升設(shè)計、材料、制造、維護(hù)以及測試的技術(shù)水平，更需要主動地對它進(jìn)行監(jiān)控與預(yù)測，獲取部件實(shí)際的運(yùn)行特性曲線，進(jìn)而預(yù)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(shù)基礎(chǔ)。

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(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。

中國制造業(yè)轉(zhuǎn)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。“‘從解決問題到避免問題’這一方向適合在某一個領(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；第二個方向預(yù)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(guān)聯(lián)性，積累更加深入的領(lǐng)域知識；而在制造基礎(chǔ)非常薄弱的領(lǐng)域，并沒有形成太多有效的數(shù)據(jù)，但是從國外聘請了非常有經(jīng)驗(yàn)和知識的人，則可以實(shí)施反向智能制造?！?/p>

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。李杰認(rèn)為，用“制造競爭力=產(chǎn)品質(zhì)量/成本”這個簡單的公式可以衡量供給側(cè)的質(zhì)量。

“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?！?/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(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，但其代價可能是導(dǎo)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(zhì)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(fù)雜的系統(tǒng)工程，需要對生產(chǎn)系統(tǒng)的各個方面進(jìn)行優(yōu)化。

除此之外，中國制造業(yè)的供給側(cè)質(zhì)量改革，李杰建議可以從兩個方向進(jìn)行嘗試：“一是從以往的依靠投資拉動需求，轉(zhuǎn)變?yōu)橐灾骺厥絼?chuàng)新的思維挖掘市場潛在的需求；二是將資源要素向價值鏈上游轉(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)，逐漸從價值鏈的較低端向高端環(huán)節(jié)轉(zhuǎn)移?！?/p>

“我們相信中國會成為新制造革命的中心，因?yàn)榇髷?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(yīng)該利用好使用數(shù)據(jù)的資源，才能彌補(bǔ)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(xué)習(xí)在制造系統(tǒng)中創(chuàng)智和創(chuàng)值的經(jīng)驗(yàn)?！崩罱苷f。