李杰：智能制造本质是知识和传承的革命

    “智能制造或者工业4.0，它的本质并不是技术革命，而是知识的革命和传承的革命，是在制造大数据的基础上，将数据分析的能力变成知识创新的来源。”近日，美国辛辛那提大学特聘讲座教授李杰先生在接受中国机电一体化技术应用协会记者采访时，表达了上述观点。

    正如马斯洛对人类需求的五个层次的定义，在李杰教授看来，工业4.0也同样具备五个层次，基础层Physical needs，是设备、机器和人的基本需求；第二层Safety & Security needs，是对设备和人所在环境的控制、管理，保持恒温恒湿的稳定环境的需求；第三层Social needs，是机器对机器、机器对人、人对人之间的数据传输和交流的需求；第四层Esteem needs，是基于生产过程和设备使用的数据收集和分析；第五层Self-actualization needs，是基于对大量数据分析创造新的知识。只有达到第五层，才能真正实现智能工厂、智能制造。

    因此，数据分析能力是智能制造非常重要的能力。这种数据分析能力，推动智能制造的三个方向，第一个方向是利用数据来了解和解决可见的问题，第二个是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-how”，进一步理解问题产生的原因，从而避免不可见的问题。第三个，是从数据中挖掘新的知识，再利用知识去重新定义问题，使得可见或不可见的问题都可以在制造系统中避免。

    结合中国实际国情，李杰教授认为，在智能制造的“定义、定性、定位”三要素中，定位问题非常重要。

    中国怎么看未来智能制造的定位？所谓制造大国、强国，重点不是制造的东西多就叫强，重点在于能从制造里创造出新的价值，比如，对制造方法的开发、设计。举例来讲，焊接会热变形，如果开发一个不需要焊接的产品，采用一体成型技术，就可以避免这个问题。以前是通过自动化方案解决这些问题，现在是用更先进的设计来解决。自动化技术解决的是那些设计无法改变的问题。重新设计过的自动化是从解决问题到避免问题产生。

    定位是避免问题，不是解决问题。

    因此，定位是要从可见问题到不可见问题的延伸。这句话的意思是，自动化问题不是解决可以定义出来的问题，而是在还不了解为什么会发生质量问题的情况下，通过自动化的生产过程能够产生大量数据分析，让我们更了解怎么样去避免还没有发生的问题，或者解决以前无法解决的问题。

    所以定义，定性，定位，三个问题。中国要放在定性和定位方面，工业4.0对中国的定义，从性质上不太一样。德国是靠机器外销、靠工厂生存的国家。而美国则是喜欢建立新市场的国家，他本身没有工厂观念。在美国谈工厂谈的是未来怎么联合产业，不太谈工厂，谈的是新的市场。

    这两个观念对德国跟美国不太一样。而中国大量制造设备都依赖进口，因此智能制造不能只着眼于工厂，也不能谈空的工业4.0概念，要谈过去做的东西，怎么去找出知识的gap。知识唯一的来源就是数据。

    智能制造很基础的一个核心就是evidence based data ，用数据让这些事实变成可以传承的东西。以前是把人的经验传承，现在，是生产过程所有的问题和过程都可以数字化，数字化的目的就是为了作分析。

    数字化是要能够分类，分割，分解，分析。数字化的目的是为了进行更深度的学习，分析，知识的累积，然后人可以更灵活的更有智慧的去处理问题。以前人是靠经验累积，没有经验不能处理问题，别人走了你照样累积不下来。所以我们谈的智能制造，实际上是一个传承问题跟竞争力问题。

    中国作为制造大国，在过去的生产制造活动中，大量进口全球各种设备，因此恰恰在各种数据的收集和汇总上具有优势。而如何强化这些数据的分析能力，从而推动智能制造，这才是中国的工业4.0接下来需要考虑的问题。