【智慧製造】深耕智慧服務，實現無憂製造！

e-works數字化企業網總編黃培博士專訪美國辛辛那提大學李傑教授，就智慧服務、工業大資料、CPS等議題展開了深入的交流探討。

2017年12月，由美國NSF智慧維護系統中心（IMS）和北京天澤智雲科技有限公司聯合主辦的2017未來工業智慧峰會在北京召開，匯聚國內外前沿專家，共同探討未來工業智慧化的發展趨勢。美國NSF智慧維護系統中心（IMS）主任、智慧服務領域的國際權威專家李傑教授出席了本次會議，並發表題為《中國工業的價值轉型之路》的主題演講。

▲李傑教授

李傑教授現任美國辛辛那提大學（University of Cincinnati）講座教授，美國國家科學基金會（NSF）智慧維護系統（IMS）產學合作中心主任，研究重點是以工業大資料分析為主的智慧預測技術、產品及服務的主控式創新設計。李傑教授從2013年起擔任美國白宮資訊物理系統（CPS）專家組顧問。李傑教授自2000年起與全球100多家國際公司進行聯合研發，包括GE航空、波音、豐田、西門子、阿爾斯通等世界500強公司。李傑教授研發的智慧維護系統技術突破了傳統機械裝置故障預測理論、方法和技術，得到國際學術界高度評價。李傑教授是美國機械工程學會（ASME）及美國製造工程學會（SME）的Fellow（會士）。

在會議期間，李傑教授接受了e-works數字化企業網總編黃培博士的專訪，就智慧服務、工業大資料、CPS等議題展開了深入的交流探討。以下是訪談內容：

黃：當前智慧製造在中國很熱，但是對其定義，內涵、外延還缺乏統一認識。請您解讀一下智慧製造的內涵。

李：智慧製造不僅僅是一個技術體系，更重要的是對智慧的理解、解決問題的邏輯和重新定義製造的思維。智慧製造所需要解決的核心問題是，如何對製造系統的5M（材料、裝備、工藝、測量和維護）要素的活動進行建模，並通過模型（第六個M）驅動5M要素。智慧製造所要解決的核心問題是知識的產生與傳承過程。

同時，推進智慧製造還應針對不同的行業領域採取不同的策略，因為領域不同，所以相關的特徵也不同。例如在醫療領域中，推進智慧製造的重點是追溯性，而不是生產製造，目的在於確認加工過程是否會影響最後的認證。而半導體行業則關注的是檢測，因為頻繁的檢測可能需要耗費大量時間，同時檢測裝備的價格也很昂貴。如果可以用資料直接預測並驗證，則可以為全過程節省三分之一的時間，也節約了購買檢測裝置的成本。

黃：如果要預測某一個裝置的狀況，比如經過相關演算法預測得出該裝置預計三個星期後可能軸承或齒輪會損壞。在您的實踐經驗中，有沒有某些演算法能使預測結果更為準確？

李：最初我們考慮的是從不同的演算法中找出最好的一種，後來我們意識到可以通過多種演算法並行來進行互相印證，以共性最高的結果作為參考。

如今大多數工廠普遍應用商品化的管理軟體來獲取整體裝置效率(OEE)等資訊，及時掌控對生產系統中可見的影響因素和導致的結果。然而，生產系統中更多的是不可見因素，比如裝置效能衰退、精度喪失等。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，比如裝置的衰退導致最終停機、精度喪失導致質量偏差等。因此，對這些不可見因素進行預測和管理是關鍵。

預測製造系統的核心技術包含用智慧軟體來進行預測建模功能的智慧計算工具。對裝置效能的預測分析和對故障時間的估算，將減少這些不確定因素的影響，併為使用者提供預先緩和措施和解決對策，防止生產力和效率的損失。

在生產系統裡隱形問題的預測方面，提取有效的健康特徵至關重要。就像醫院體檢拿一管血做分析，每一滴血都可以做不同的測試，可以對膽固醇、肝指數、糖尿病、愛滋病等病症同時進行測試，通過不同成分的指標就可以判斷出存在各種病情的隱患。這些特徵之間存在一定的相關性，其變化情況也有若干種不同的組合，將這些組合背後所代表的意義用先進的資料分析方法破解出來，就是我們進行建模和預測的過程。

基於這些效能特徵，生產系統的執行狀況可以通過健康置信值來評估和量化。另外，可以在時間域內預測特徵的未來值，從而可以預測效能的衰退趨勢和問題發生的剩餘時間。因此，在獲取裝置的工作資料之後，還需要通過分析來進行預測，這種預測並不是精確地提供裝置損壞的時間節點，而是預測出機器將會出現不穩定性的時間區域，並提醒及時處理。

隨著製造系統對不可見問題的認識和控制能力不斷加深，工廠管理以準確的資訊為基礎，從而提高裝置的運作效率，最終實現零意外和零停機的狀態。並且，由於對裝置具有自我意識和自我預測功能，可以實現有效管理維護，從而降低管理成本。歷史健康資訊也可以反饋到機器裝置設計部門，從而形成閉環的生命週期設計，最終實現無憂製造。讓企業的生產車間不再有意外發生！

本文由“135編輯器”提供技術支援

黃：人工智慧的深度學習演算法如果沒有任何引導，這種演算法有實際意義嗎？

李：深度學習是機器學習中的一種，它的先決條件是要制定限制條件。比如我看到一種花，這種花屬於哪一類的？這類花還有哪些品種？這類花有什麼顏色、葉型？意思就是說每一種植物都有一個種群。但如果僅僅只說這就是一種花，那麼這種學習是不可能完成的。所以，深度學習首先要有邏輯支撐，其次要有資料支撐。因為所處的環境不一樣，引數也會不一樣，背景資料也會變化。另外，我提出深度學習中還要有寬度學習，寬度學習講的是速度，深度學習講的是精度，二者的目的性不同。其實這跟我們人類學習一樣，寬度學習是通過外部資料去了解，深度學習是自己去研習。

本文由“135編輯器”提供技術支援

黃：我看過一個案例，通過物聯網平臺可以預測某一臺水泵會損壞的具體時間。您認為目前的預測性維護技術能夠達到這樣的準確度嗎？

李：這是理想化的，因為水泵也包含水質和工況的變化。在預測裡面有多工況情況，如果工況都沒變，預測具有一定的合理性；如果工況發生變化，預測就不合理，而工況不變的情況在實際應用中很少見。

本文由“135編輯器”提供技術支援

黃：裝置健康管理（PHM）和智慧維護之間的關係是什麼？

李：裝置健康管理（PHM）有很多種演算法，是用於分析產品使用過程中的資料，通過對遠端監控系統所採集的資料進行分析，實現對產品使用過程中效能衰退和未知變異的透明化管理，通過及時避免故障為客戶創造價值。

一般來講，裝置或者工藝中存在的故障型別是多種多樣的，每一個故障型別能對應特定的衰退模式以及應對策略。有些故障型別可能會影響裝置正常執行和生產安全，而有些故障可能對裝置執行不構成影響。

例如，裝置內部有些部件損壞後並未對裝置整體使用造成影響，也就是說這部分壞的沒有價值。所以，我們並不僅要知道每個東西壞沒壞，還要了解它的衰退速度對整體使用的影響，影響越大風險越高。如果生產系統的執行人員能夠確知未來將要發生的隱患，就可以對情況產生預判，從而更為快速有效地進行修復，實現無憂製造，這才是智慧維護的價值。

本文由“135編輯器”提供技術支援

黃：現在很多人在研究裝置管理，通過演算法能夠計算出具體的故障部位嗎？

李：針對這種問題在做大資料分析時，要先找主分量分析，找到最重要的引數。例如有十二個引數來控制液壓，實際上只有四個關鍵引數會具體影響到液壓，那麼從這四個裡面再去做分類，成功率就會很高。如果十二個引數全部做，誤差就會很高。所以在做大資料分析時，不需要用所有引數去計算，而是選擇若干最關鍵、關聯性最大的引數序列來計算。

本文由“135編輯器”提供技術支援

黃：請您談談對CPS的理解。

李：CPS實質上是一種多維度的智慧技術體系，以大資料、網路與海量計算為依託，通過核心的智慧感知、分析、挖掘、評估、預測、優化、協同等手段，使計算、通訊、控制實現有機融合，做到涉及物件機理、環境、群體的網路空間與實體空間的深度融合。如何用CPS的思維去創造新的智慧化規劃是非常關鍵的。

本文由“135編輯器”提供技術支援

黃：您認為CPS對工業界的價值體現在哪裡？

李：工業裝置系統中存在“看得見的世界”和“看不見的世界”，而真正的科技與挑戰都是隱藏在“看不見的世界”當中，所有顯性問題都是隱性問題積累到一定成都後所觸發的。所以，需要建立能夠將隱性問題顯性化的預測模型，進行精確的同步，形成相互指導、相互對映的關係，這樣就可以挖掘出這些“隱形殺手”，然後控制住所有可啟用裝置故障的條件。

本文由“135編輯器”提供技術支援

黃：請您列舉一個例項來具體闡述一下，在工業界如何應用CPS來解決一些原來解決不了的問題？

李：例如在加工機器中，甲乙兩個工人輪班作業，甲在完成加工之後，機器是甲的除錯方法，而乙在完成加工後則是乙的調法，同樣的一臺機器，甲乙兩個加工出來的產品質量不一樣。為什麼不一樣呢？原因在於甲、乙在進行加工作業操作時的習慣不同。

CPS有一個回溯系統，比如在甲進行加工時甲進行了除錯，加工完的引數測量出來之後，測量結果與除錯的人建立關聯。若甲除錯後加工的產品質量更好，下次甲或乙再來除錯時如果不一樣系統就會進行提示，除錯的人就能很快了解如何做才能將產品做得更好。

CPS就是先把好的關係建立起來，變成一個記憶之後，讓下一個人開始做的時候有一個可以傳承的知識，這個對製造業很有幫助，它也是一個智慧化系統。企業對此也提出過兩個方面的困惑，第一是不知道加工過程中是如何產生誤差的；第二是因為每一個工序沒有關聯在一起，所以在檢驗系統時找不到影響質量好壞的原因。

本文由“135編輯器”提供技術支援

黃：您認為DigitalTwin這個概念應當如何理解？

李：實際上我在1998已發表了Physical and Virtual Cyber model 文章 到了2003年我就在提出了Twin Model理念，每一個產品都有一個Twin，這是當時我們同空軍方面合作得來的啟發。Twin Model代表真正的健康模型與Condition模型兩者是一個Twin。其觀念就像照鏡子一樣（或稱為阿凡達），因為實體的好壞都可以通過映象反映出來，所以當Condition改變的時候健康模型就會跟著變化。在產品設計中，習慣稱為DigitalTwin，因為設計Model可以用做後續的參考，但這僅僅適用於產品設計。而在產品實際使用過程中，因為沒有Model，所以只能用資料來進行建模，即Twin。並且資料所產生的健康模型是作為實際操作模型的參考，這裡面最主要是關係模型。

本文由“135編輯器”提供技術支援

黃：您目前主要精力放在哪方面的工作？

李：工業大資料、人工智慧、智慧維護、CPS是智慧預測領域的一條縱軸線，對我而言，該領域學無止境。當前，我的工作分為企業和學校兩部分，紮根企業，與行業從業者的頻繁互動，能更清楚瞭解這一領域的實踐成果和最新出現的問題；立足學校，將自身所學毫無保留傳授給學生，因此在學校工作的每一秒我幾乎都和學生待在一起。終生投身於智慧預測的研究，實現無憂製造，這是我的信仰。過去、現在和未來，我已經做的和將要做的，都是專注於這一領域，向更深更廣處擴大它的影響。

▲李傑教授與黃培博士的合影

智慧服務是製造業推進智慧製造的重要途徑之一，可以幫助製造企業實現無憂製造。李傑教授的科研成果使這一領域解決問題的方法有了全新突破，勢必會給製造業帶來重大變革。李傑教授是這一領域的開拓者和實戰家，讓人由衷敬佩。祝願李傑教授在自己所熱愛的領域得償所願，獲得更大的成就。

人工智慧賽博物理作業系統

AI-CPS OS

“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧）分支用來的今天，企業領導者必須瞭解如何將“技術”全面滲入整個公司、產品等“商業”場景中，利用AI-CPS OS形成數字化+智慧化力量，實現行業的重新佈局、企業的重新構建和自我的煥然新生。

AI-CPS OS的真正價值並不來自構成技術或功能，而是要以一種傳遞獨特競爭優勢的方式將自動化+資訊化、智造+產品+服務和資料+分析一體化，這種整合方式能夠釋放新的業務和運營模式。如果不能實現跨功能的更大規模融合，沒有顛覆現狀的意願，這些將不可能實現。

領導者無法依靠某種單一戰略方法來應對多維度的數字化變革。面對新一代技術+商業作業系統AI-CPS OS顛覆性的數字化+智慧化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位：

1. 重新行業佈局：你的世界觀要怎樣改變才算足夠？你必須對行業典範進行怎樣的反思？

2. 重新構建企業：你的企業需要做出什麼樣的變化？你準備如何重新定義你的公司？

3. 重新打造自己：你需要成為怎樣的人？要重塑自己並在數字化+智慧化時代保有領先地位，你必須如何去做？

AI-CPS OS是數字化智慧化創新平臺，設計思路是將大資料、物聯網、區塊鏈和人工智慧等無縫整合在雲端，可以幫助企業將創新成果融入自身業務體系，實現各個前沿技術在雲端的優勢協同。AI-CPS OS形成的數字化+智慧化力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數字化融入到領導者所在企業與領導方式的核心位置：

1. 精細：這種力量能夠使人在更加真實、細緻的層面觀察與感知現實世界和數字化世界正在發生的一切，進而理解和更加精細地進行產品個性化控制、微觀業務場景事件和結果控制。

2. 智慧：模型隨著時間（資料）的變化而變化，整個系統就具備了智慧（自學習）的能力。

3. 高效：企業需要建立實時或者準實時的資料採集傳輸、模型預測和響應決策能力，這樣智慧就從批量性、階段性的行為變成一個可以實時觸達的行為。

4. 不確定性：數字化變更顛覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了複合不確定性這種顛覆性力量。主要的不確定性蘊含於三個領域：技術、文化、制度。

5. 邊界模糊：數字世界與現實世界的不斷融合成CPS不僅讓人們所知行業的核心產品、經濟學定理和可能性都產生了變化，還模糊了不同行業間的界限。這種效應正在向生態系統、企業、客戶、產品快速蔓延。

AI-CPS OS形成的數字化+智慧化力量通過三個方式激發經濟增長：

1. 創造虛擬勞動力，承擔需要適應性和敏捷性的複雜任務，即“智慧自動化”，以區別於傳統的自動化解決方案；

2. 對現有勞動力和實物資產進行有利的補充和提升，提高資本效率；

3. 人工智慧的普及，將推動多行業的相關創新，開闢嶄新的經濟增長空間。

給決策制定者和商業領袖的建議：

1. 超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動態機器智慧，為企業創造新商機；

2. 迎接新一代資訊科技，迎接人工智慧：無縫整合人類智慧與機器智慧，重新

   評估未來的知識和技能型別；

3. 制定道德規範：切實為人工智慧生態系統制定道德準則，並在智慧機器的開

   發過程中確定更加明晰的標準和最佳實踐；

4. 重視再分配效應：對人工智慧可能帶來的衝擊做好準備，制定戰略幫助面臨

   較高失業風險的人群；

5. 開發數字化+智慧化企業所需新能力：員工團隊需要積極掌握判斷、溝通及想象力和創造力等人類所特有的重要能力。對於中國企業來說，創造兼具包容性和多樣性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《論語·子路》雲端計算、大資料、物聯網、區塊鏈和 人工智慧，像君子一般融合，一起體現科技就是生產力。

如果說上一次哥倫布地理大發現，擴充的是人類的物理空間。那麼這一次地理大發現，擴充的就是人們的數字空間。在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的財富空間。雲端計算，大資料、物聯網和區塊鏈，是進入這個數字空間的船，而人工智慧就是那船上的帆，哥倫布之帆！

新一代技術+商業的人工智慧賽博物理作業系統AI-CPS OS作為新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，並創造新的強大引擎。重構生產、分配、交換、消費等經濟活動各環節，形成從巨集觀到微觀各領域的智慧化新需求，催生新技術、新產品、新產業、新業態、新模式。引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。

產業智慧官  AI-CPS

用“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧），在場景中構建狀態感知-實時分析-自主決策-精準執行-學習提升的認知計算和機器智慧；實現產業轉型升級、DT驅動業務、價值創新創造的產業互聯生態鏈。

長按上方二維碼關注微信公眾號： AI-CPS，更多資訊回覆：

新技術：“雲端計算”、“大資料”、“物聯網”、“區塊鏈”、“人工智慧”；新產業：“智慧製造”、“智慧金融”、“智慧零售”、“智慧駕駛”、“智慧城市”；新模式：“財富空間”、“工業網際網路”、“資料科學家”、“賽博物理系統CPS”、“供應鏈金融”。

官方網站：AI-CPS.NET

本文系“產業智慧官”（公眾號ID：AI-CPS）收集整理，轉載請註明出處！

版權宣告：由產業智慧官（公眾號ID：AI-CPS）推薦的文章，除非確實無法確認，我們都會註明作者和來源。部分文章推送時未能與原作者取得聯絡。若涉及版權問題，煩請原作者聯絡我們，與您共同協商解決。聯絡、投稿郵箱：erp_vip@hotmail.com