智慧工厂ｍａｎ伯ｄ。ｒｙＮ ｏ ｖｅｍｂｅｒ２０１６●＇曩 ■ ＿ ■ 人工经验．．．机理规律和数据分析 上海海事大学副教授 董细霞 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。 （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。 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Ｎｌ公司的最新嵌入式控制器网络同步精 度小于１ ００ｎｓ，体现了美国人对数据的孜孜不倦的 追求。 ｒＳ１ ６９４９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。 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。 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 素问相互联系、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问的 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ＴＳＩ６９４９ 质量体系，采用表格，也可以回来有价值的数据。 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 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。
