最新新闻
我要投稿
联系电话:027-87592219/20/21转188
投稿邮箱:tb@e-works.net.cn
您所在的位置:首页 > 智库 > 焦点话题

智能制造的三大支撑

发布时间:2016-11-20 作者:佚名  来源:互联网
作为智能制造的重要驱动要素,知识管理经常被忽略。知识或存在于人工经验,或存在于机理规律,或存在于数据模型。三者具有非常互补的关系。

  人工经验是在社会实践中产生的,是客观事物在人们头脑中的反映,是认识的开端。但经验有待于深化,有待上升到理论。而且,经验的传递非常复杂,企业的丰富的经验很容易丢失在员工变迁之中。

  机理也称白箱模型,指系统中各要素的内在工作方式以及要素间相互联系、相互作用的运行规则和原理;简单点说就是仿真建模,指人类已掌握的物理、化学、生物等规律,类似建模的工具有各种仿真软件等。机理模型的不足在于,万物过于复杂,人类掌握的规律是有限的,而且,经常是经过理想化的简化的,并不能完全和实物吻合,有时候甚至相差甚远。

  数据模型又叫黑箱模型,指基于数据的模型,相关的概念包括人工智能,数据挖掘,机器学习等。数据模型有几个不足,首先,得有大量的数据;其次,数据的分布必须合理;其三,分析方法得恰当,否则存在于数据之上的模型可能和事实并不吻合。数据建模的软件也很多,例如专业软件SAS,而Hadoop与Oracle也提供数据分析包,云计算服务商则提供物美价廉的计算服务,机器学习的研发人员可能还习惯用Python,R语言。还有很多计算工具,如Excel也是非常实用的工具,而Matlab提供非常丰富的机理仿真和数据分析工具。从人工经验,到数据分析,到机理规律,是对事物越来越理性的刻画。完美的建模过程,应该包括三个步骤。人工经验是模糊的,也是引发思考的;数据分析,已经在慢慢量化,初步揭示了事物之间的联系;深层次的机理规律才是真正揭示了事物因素间的必然联系。严谨的建模过程,最好是三者吻合,最起码是两者互相验证,互相补充,单纯依赖一种结果是可怕的。

  例如,传感器装再多,也不可能无处不在,因为传感器需要成本,而且需要有合适的安装位置。合适的机理模型,加上传感器数据的验证(或者通过传感器数据确定机理模型的参数等,专业术语叫辨识),就可以获得空间、时间维度更完整的信息。

  德国的优势在于人工经验和机理规律,弱势在于数据分析能力(德国人口少,信息技术和数据分析技术很难广泛频繁运用,所以数据分析技术并不发达)。所以德国的模型是基于机理规律的,是直观的(图1)。

德国的模型

图1 德国的模型(基于机理,直观的)

  日本的精益制造中,非常突出人工经验。而美国的优势在于数据分析和机理规律,弱势在于人工经验。美国NI公司的最新嵌入式控制器网络同步精度小于100ns(图2),体现了美国人对数据的孜孜不倦的追求。TS16949质量体系,也体现了美国人对数据的钟爱,是早期工业化与信息化融合的优秀范本。美国的建模是基于机理和基于数据的(图2)。

美国的模型

图2 美国的模型(基于机理,基于数据)

  中国在数据分析上有一定的优势,弱势在于人工经验和机理规律,也就是专业软件。长期起来,各类专业软件都是盗版的。加上中国产学研脱节比较严重,很多大学的研究成果是无法深究的。如果建立合适的产学研通道,学校的老师和博士还是有能力的。研究成果无法深究,很多时候不是能力问题,而是和社会沟通不够,从论文到论文,没有把理论应用到实践。如何将院所研究与企业实践做到完美的融合,是当下中国智能制造急需克服的成果转化的事情。

  综合起来,人工经验、机理规律和数据分析各有利弊。各个行业和公司,需要采用合适的建模方法,以最大程度提高公司和产品的核心竞争力。中国当下已经有非常低成本的获取工业数据的办法(得益于百度云、阿里云的飞速发展)。数据回来了,人工经验分析下曲线,也已经可以获得有意义的信息了;通过数据分析,即使是只用Excel,也可以解决很多问题。阿里云对于采集、存储与数据分析都非常低廉。建立统一的工业互联网也许痛苦,但子系统依靠仪表以及原有的控制系统,采集数据并不那么难。即使实在不行,还可以借鉴TS16949质量体系,采用表格,也可以回来有价值的数据。

  工业化与信息化融合是智能制造的必经之路,打磨和应用这三把利刃是最大的基本功。

本文来源于互联网,e-works本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供,并以尽力标明作者与出处,如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
相关资料推荐