【智能制造】深耕智能服务，实现无忧制造！

◎文丨e-works黄培 涂彬 

e-works数字化企业网总编黄培博士专访美国辛辛那提大学李杰教授，就智能服务、工业大数据、CPS等议题展开了深入的交流探讨。
2017年12月，由美国NSF智能维护系统中心（IMS）和北京天泽智云科技有限公司联合主办的2017未来工业智能峰会在北京召开，汇聚国内外前沿专家，共同探讨未来工业智能化的发展趋势。美国NSF智能维护系统中心（IMS）主任、智能服务领域的国际权威专家李杰教授出席了本次会议，并发表题为《中国工业的价值转型之路》的主题演讲。


▲李杰教授
李杰教授现任美国辛辛那提大学（University of Cincinnati）讲座教授，美国国家科学基金会（NSF）智能维护系统（IMS）产学合作中心主任，研究重点是以工业大数据分析为主的智能预测技术、产品及服务的主控式创新设计。李杰教授从2013年起担任美国白宫信息物理系统（CPS）专家组顾问。李杰教授自2000年起与全球100多家国际公司进行联合研发，包括GE航空、波音、丰田、西门子、阿尔斯通等世界500强公司。李杰教授研发的智能维护系统技术突破了传统机械设备故障预测理论、方法和技术，得到国际学术界高度评价。李杰教授是美国机械工程学会（ASME）及美国制造工程学会（SME）的Fellow（会士）。在会议期间，李杰教授接受了e-works数字化企业网总编黄培博士的专访，就智能服务、工业大数据、CPS等议题展开了深入的交流探讨。以下是访谈内容：
黄：当前智能制造在中国很热，但是对其定义，内涵、外延还缺乏统一认识。请您解读一下智能制造的内涵。
李：智能制造不仅仅是一个技术体系，更重要的是对智能的理解、解决问题的逻辑和重新定义制造的思维。智能制造所需要解决的核心问题是，如何对制造系统的5M（材料、装备、工艺、测量和维护）要素的活动进行建模，并通过模型（第六个M）驱动5M要素。智能制造所要解决的核心问题是知识的产生与传承过程。
同时，推进智能制造还应针对不同的行业领域采取不同的策略，因为领域不同，所以相关的特征也不同。例如在医疗领域中，推进智能制造的重点是追溯性，而不是生产制造，目的在于确认加工过程是否会影响最后的认证。而半导体行业则关注的是检测，因为频繁的检测可能需要耗费大量时间，同时检测装备的价格也很昂贵。如果可以用数据直接预测并验证，则可以为全过程节省三分之一的时间，也节约了购买检测设备的成本。

黄：如果要预测某一个设备的状况，比如经过相关算法预测得出该设备预计三个星期后可能轴承或齿轮会损坏。在您的实践经验中，有没有某些算法能使预测结果更为准确？
李：最初我们考虑的是从不同的算法中找出最好的一种，后来我们意识到可以通过多种算法并行来进行互相印证，以共性最高的结果作为参考。
如今大多数工厂普遍应用商品化的管理软件来获取整体设备效率(OEE)等信息，及时掌控对生产系统中可见的影响因素和导致的结果。然而，生产系统中更多的是不可见因素，比如设备性能衰退、精度丧失等。而可见的影响因素往往是不可见因素积累到一定程度所引起的，比如设备的衰退导致最终停机、精度丧失导致质量偏差等。因此，对这些不可见因素进行预测和管理是关键。
预测制造系统的核心技术包含用智能软件来进行预测建模功能的智能计算工具。对设备性能的预测分析和对故障时间的估算，将减少这些不确定因素的影响，并为用户提供预先缓和措施和解决对策，防止生产力和效率的损失。
在生产系统里隐形问题的预测方面，提取有效的健康特征至关重要。就像医院体检拿一管血做分析，每一滴血都可以做不同的测试，可以对胆固醇、肝指数、糖尿病、艾滋病等病症同时进行测试，通过不同成分的指标就可以判断出存在各种病情的隐患。这些特征之间存在一定的相关性，其变化情况也有若干种不同的组合，将这些组合背后所代表的意义用先进的数据分析方法破解出来，就是我们进行建模和预测的过程。
基于这些性能特征，生产系统的运行状况可以通过健康置信值来评估和量化。另外，可以在时间域内预测特征的未来值，从而可以预测性能的衰退趋势和问题发生的剩余时间。因此，在获取设备的工作数据之后，还需要通过分析来进行预测，这种预测并不是精确地提供设备损坏的时间节点，而是预测出机器将会出现不稳定性的时间区域，并提醒及时处理。
随着制造系统对不可见问题的认识和控制能力不断加深，工厂管理以准确的信息为基础，从而提高设备的运作效率，最终实现零意外和零停机的状态。并且，由于对设备具有自我意识和自我预测功能，可以实现有效管理维护，从而降低管理成本。历史健康信息也可以反馈到机器设备设计部门，从而形成闭环的生命周期设计，最终实现无忧制造。让企业的生产车间不再有意外发生！
本文由“135编辑器”提供技术支持黄：人工智能的深度学习算法如果没有任何引导，这种算法有实际意义吗？
李：深度学习是机器学习中的一种，它的先决条件是要制定限制条件。比如我看到一种花，这种花属于哪一类的？这类花还有哪些品种？这类花有什么颜色、叶型？意思就是说每一种植物都有一个种群。但如果仅仅只说这就是一种花，那么这种学习是不可能完成的。所以，深度学习首先要有逻辑支撑，其次要有数据支撑。因为所处的环境不一样，参数也会不一样，背景资料也会变化。另外，我提出深度学习中还要有宽度学习，宽度学习讲的是速度，深度学习讲的是精度，二者的目的性不同。其实这跟我们人类学习一样，宽度学习是通过外部资料去了解，深度学习是自己去研习。 本文由“135编辑器”提供技术支持黄：我看过一个案例，通过物联网平台可以预测某一台水泵会损坏的具体时间。您认为目前的预测性维护技术能够达到这样的准确度吗？
李：这是理想化的，因为水泵也包含水质和工况的变化。在预测里面有多工况情况，如果工况都没变，预测具有一定的合理性；如果工况发生变化，预测就不合理，而工况不变的情况在实际应用中很少见。 本文由“135编辑器”提供技术支持黄：设备健康管理（PHM）和智能维护之间的关系是什么？
李：设备健康管理（PHM）有很多种算法，是用于分析产品使用过程中的数据，通过对远程监控系统所采集的数据进行分析，实现对产品使用过程中性能衰退和未知变异的透明化管理，通过及时避免故障为客户创造价值。
一般来讲，设备或者工艺中存在的故障类型是多种多样的，每一个故障类型能对应特定的衰退模式以及应对策略。有些故障类型可能会影响设备正常运行和生产安全，而有些故障可能对设备运行不构成影响。
例如，设备内部有些部件损坏后并未对设备整体使用造成影响，也就是说这部分坏的没有价值。所以，我们并不仅要知道每个东西坏没坏，还要了解它的衰退速度对整体使用的影响，影响越大风险越高。如果生产系统的运行人员能够确知未来将要发生的隐患，就可以对情况产生预判，从而更为快速有效地进行修复，实现无忧制造，这才是智能维护的价值。
本文由“135编辑器”提供技术支持黄：现在很多人在研究设备管理，通过算法能够计算出具体的故障部位吗？
李：针对这种问题在做大数据分析时，要先找主分量分析，找到最重要的参数。例如有十二个参数来控制液压，实际上只有四个关键参数会具体影响到液压，那么从这四个里面再去做分类，成功率就会很高。如果十二个参数全部做，误差就会很高。所以在做大数据分析时，不需要用所有参数去计算，而是选择若干最关键、关联性最大的参数序列来计算。 本文由“135编辑器”提供技术支持黄：请您谈谈对CPS的理解。
李：CPS实质上是一种多维度的智能技术体系，以大数据、网络与海量计算为依托，通过核心的智能感知、分析、挖掘、评估、预测、优化、协同等手段，使计算、通信、控制实现有机融合，做到涉及对象机理、环境、群体的网络空间与实体空间的深度融合。如何用CPS的思维去创造新的智能化规划是非常关键的。 本文由“135编辑器”提供技术支持黄：您认为CPS对工业界的价值体现在哪里？
李：工业设备系统中存在“看得见的世界”和“看不见的世界”，而真正的科技与挑战都是隐藏在“看不见的世界”当中，所有显性问题都是隐性问题积累到一定成都后所触发的。所以，需要建立能够将隐性问题显性化的预测模型，进行精确的同步，形成相互指导、相互映射的关系，这样就可以挖掘出这些“隐形杀手”，然后控制住所有可激活设备故障的条件。 本文由“135编辑器”提供技术支持黄：请您列举一个实例来具体阐述一下，在工业界如何应用CPS来解决一些原来解决不了的问题？
李：例如在加工机器中，甲乙两个工人轮班作业，甲在完成加工之后，机器是甲的调试方法，而乙在完成加工后则是乙的调法，同样的一台机器，甲乙两个加工出来的产品质量不一样。为什么不一样呢？原因在于甲、乙在进行加工作业操作时的习惯不同。
CPS有一个回溯系统，比如在甲进行加工时甲进行了调试，加工完的参数测量出来之后，测量结果与调试的人建立关联。若甲调试后加工的产品质量更好，下次甲或乙再来调试时如果不一样系统就会进行提示，调试的人就能很快了解如何做才能将产品做得更好。
CPS就是先把好的关系建立起来，变成一个记忆之后，让下一个人开始做的时候有一个可以传承的知识，这个对制造业很有帮助，它也是一个智能化系统。企业对此也提出过两个方面的困惑，第一是不知道加工过程中是如何产生误差的；第二是因为每一个工序没有关联在一起，所以在检验系统时找不到影响质量好坏的原因。
本文由“135编辑器”提供技术支持黄：您认为DigitalTwin这个概念应当如何理解？
李：实际上我在1998已发表了Physical and Virtual Cyber model 文章 到了2003年我就在提出了Twin Model理念，每一个产品都有一个Twin，这是当时我们同空军方面合作得来的启发。Twin Model代表真正的健康模型与Condition模型两者是一个Twin。其观念就像照镜子一样（或称为阿凡达），因为实体的好坏都可以通过镜像反映出来，所以当Condition改变的时候健康模型就会跟着变化。在产品设计中，习惯称为DigitalTwin，因为设计Model可以用做后续的参考，但这仅仅适用于产品设计。而在产品实际使用过程中，因为没有Model，所以只能用数据来进行建模，即Twin。并且数据所产生的健康模型是作为实际操作模型的参考，这里面最主要是关系模型。
本文由“135编辑器”提供技术支持黄：您目前主要精力放在哪方面的工作？
李：工业大数据、人工智能、智能维护、CPS是智能预测领域的一条纵轴线，对我而言，该领域学无止境。当前，我的工作分为企业和学校两部分，扎根企业，与行业从业者的频繁互动，能更清楚了解这一领域的实践成果和最新出现的问题；立足学校，将自身所学毫无保留传授给学生，因此在学校工作的每一秒我几乎都和学生待在一起。终生投身于智能预测的研究，实现无忧制造，这是我的信仰。过去、现在和未来，我已经做的和将要做的，都是专注于这一领域，向更深更广处扩大它的影响。



▲李杰教授与黄培博士的合影


后记


智能服务是制造业推进智能制造的重要途径之一，可以帮助制造企业实现无忧制造。李杰教授的科研成果使这一领域解决问题的方法有了全新突破，势必会给制造业带来重大变革。李杰教授是这一领域的开拓者和实战家，让人由衷敬佩。祝愿李杰教授在自己所热爱的领域得偿所愿，获得更大的成就。

人工智能赛博物理操作系统AI-CPS OS“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？
AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：
创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：
超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。
如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。
产业智能官  AI-CPS用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。




长按上方二维码关注微信公众号： AI-CPS，更多信息回复：
新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能金融”、“智能零售”、[b]“智能驾驶”、“智能城市”[/b]；新模式：“财富空间”、[b]“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”[/b]。官方网站：AI-CPS.NET
本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！
版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com