冰與火之歌——盧秉恒院士談智能制造

冰與火之歌——盧秉恒院士談智能制造

世界工業領域與信息技術領域正發生著深刻變革，工業機器人、3D打印和大數據、云計算、社交網絡、移動互聯、人工智能等新興技術為制造業帶來了新一輪革命，特別是作為信息化與工業化高度融合產物的智能制造得到了長足發展。中國要想在“中國制造2025”這幅宏偉的藍圖中順利實現由制造大國向制造強國轉型的戰略目標，就必須搶占智能制造這一核心陣地和重要發展途徑。

智能制造包括三個應用層面：設備、車間、企業。這些都離不開大數據交融與共享，而未來的重點更是集中在基于大數據的智能制造應用。

一、設備、車間、企業層面的不同內涵

1.設備層面

從設備應用層面來看，智能制造必然要求裝備智能化，即要完成數控機床到智能機床的升級。數控機床只能按照預先設定程序運轉，并不能決定最后的加工成品形態質量，也不能實施工序過程中的監管與處理。而智能機床則能很好地配置傳感器及智能軟件從事全生產流程的智能監控，及時調整和處理過程問題，讓設備在運轉中保持最優工作目標和最高生產效率。

2.車間層面

從車間應用層面來看，智能制造更加講求高標準的制造柔性，要求眾多機床能夠在同一個生產車間共同執行不同品種、型號產品或者零部件的加工。即用一條智能生產線包容多條“產品、屬性、規格、數量”等指標內容迥異的傳統生產線，同時還要保證各項生產任務能夠保質、保量、按時完成。

盧院士曾經考察過美國福特汽車公司和深圳一家產量極大的手機外殼制造商。在對比了兩家企業的車間體制后他提出，要通過人工智能實現車間級智能制造的柔性：設計合理順暢的車間零庫存物流，完成工具的自動化供應和不同機床的智能調度，保證所有產品線都能夠實時響應和滿足不同交貨期需求，最終以低資金積壓率和高訂單響應率保證企業的科學管理效應。

3.企業層面

從企業應用層面來看，智能制造需要在設備、車間層面的智能制造基礎上，通過人工智能來保障企業的整個生產計劃執行、成本控制以及資金流通，提升制造企業的整體效益。這一層面的智能制造擁有非常大的挖掘和發展空間。盧院士專門對比了我國的CIMS計劃和德國工業4.0。我國的智能制造工程計劃從80年代就開始起步，并沒有丟失發展先機，比如CPS（物理信息系統）及接口標準、數據庫、數據模型等。但是德國工業4.0提出了一個新的核心拓展：務聯網。這是全球智能制造領域一個非常好的新發展，它的提出和實施，不僅實現了物流聯網，還實現了制造任務聯網。

盧院士認為，在企業層面的智能制造領域，中國企業尤其要學會以務聯網技術和手段去利用全社會的資源進行設計優化和任務指導，徹底解決國內企業長期普遍存在的生產能力過剩、研發能力不足的發展短板，要擅長依托網絡平臺實現社會資源的優化，用CPS實現機器設備、人和計算機的交互，打通制造信息孤島，讓社會化創新創業公司利用自身技術和信息優勢為制造業服務，保障制造以外的技術和服務環節，讓制造企業專注于發揮自身制造長項和競爭優勢，以最高的生產效率、最優的加工質量達到最好的發展效應，通過整個數據、信息、知識的流動創造更多的社會財富，較快的實現中國制造2025相關任務和目標。

盧秉恒，中國工程院院士，西安交通大學教授、博士生導師，機械制造與自動化領域著名科學家，多年從事快速成形制造、微納制造、生物制造、高速切削機床等方面的研究，對智能化制造有深入的見解，并先后主持20余項國家重點重大科技攻關項目。2015年曾受邀在國務院為總理專題開講“3D打印為中國先進制造拓思路”。

二、大數據制造及其重要性

盧院士認為，隨著時代技術的發展，在機械制造老三基（基礎材料、基礎工藝和基礎原器件）基礎上，發展出來了傳感器、軟件和大數據這新三基。他重點研究和設想了大數據在智能制造中的應用場景。

1.傳感器

傳感器是信息采集的來源，主要應用在智能設備層面，由于其品種多、規格復雜，很難量產，以前非常缺乏。但是現在的微電子技術、mems（微電子機械系統）技術已經能夠為全社會創造大量滿足各個種類、規格需求的廉價傳感器，這就使我們在生產過程中擁有了非常豐富的信息來源，具備了智能制造的基礎。

2.軟件

工業智能軟件是對制造工藝、生產過程的相關知識的累積固化產品，是智能設備的核心，能夠在智能制造中發揮非常大的作用。但長期以來，在工業化生產中，國內企業往往重視硬件價值，忽視軟件價值，實際上軟件的價值就是知識的價值，非常重要。

比如，西安一家軍工企業曾經進口一個加工機床，但實際生產效率卻只有國外同產品的三分之一，究其原因，該機床核心軟件是單獨銷售的，如果不另花35萬美金采購，機床就無法達到最高運轉效率，也就失去了進口意義。這個例子正好說明了軟件在智能制造中的價值所在。

2015年8月21日，盧秉恒院士受邀在國務院主講“先進制造與3D打印”專題講座。

2016年7月23日，盧秉恒院士參觀唐山工業職業技術學院實訓基地，作《智能制造與3D打印》專題報告”。

盧院士授課講解、示范技術原理。

2016年4月21日，盧秉恒院士在全國增材制造標準化技術委員會成立大會上代表技術委員會講話。

3.大數據

傳感器和智能軟件再進一步發展就是大數據。如前文所述，底層設備、車間乃至社會化資源的優化都要依靠大數據。

國外有大數據在智能設備層面的典型應用案例。一些智能機床，盧院士稱之為“標準式的intelligent machine tool”，它們的軟件包具備仿真、組織，生產和服務的全模塊，能夠通過構建一個虛擬供應鏈對整個服務步驟和各個環節進行規劃、仿真、發現和實時監控，將機床的狀態、信息等數據直接發送到操作者手機上，操作者根據這些信息及時進行監控和調整，保證生產的高效運行。比如，信息顯示機床的加工振動力加速度在0-3g之間，就認為是安全的，在3-7個G區間就會提醒關注，超過7g就報警，而且實施自動停機保護。此外，一些熱處理生產線、沖壓生產線都有類似的大數據智能控制模式。

三、大數據在未來智能制造中的作用

由此發端，盧院士歸納梳理大數據在未來智能制造中有如下幾大作用：

首先，大數據可以診斷設備的運行狀態，保證生產安全和質量。大數據能夠幫助人們發展遠程加工系統，實現制造現場智能化和無人化。比如，可應用在我國的西氣東送等戰略工程上，分段監控沿線所有的加壓站、鼓風機、壓縮機以及管道的輸送狀態等數據，一旦發現部件老化或者突發問題，可以進行預報、預警，以此保證整個系統的運行安全。

第二，大數據可以幫助完成對制造工藝過程的質量控制。比如，在汽車加工等制造生產中統計分析各環節質量、趨勢的狀態信息，預警提示刀具更換、機床冷卻、刀具補償等步驟信息，實時控制加工的質量。同時，大數據還能幫助進行工藝優化，通過搜集和匯總同行企業的相同機床數據、同類零件加工數據、生產數據等，實現各環節、各類制造數據和經驗的全面積累，就能規避差失，總結出工藝規律，然后優化加工工藝，以此為每一個操作步驟選擇正確參數和指標，提升制造效率，并通過上述大數據來評估裝備的優劣，提供機床改進設計的意見。

第三，大數據可以支撐產品的應用設計和優化。以前國內傳統的制造設備廠商因為不了解汽車、航空、航天等特種行業的加工工藝和大型工件特點，會先行開發通用化的機床產品，等推銷出去以后再根據客戶在實際應用中的反饋來優化完善自己的設計和產品。未來，新一代的國內智能裝備廠商可以在設計階段通過搜集大數據平臺中行業用戶的實際需求加工經驗、數據、規律等信息，來指導自己的裝備設計，發現設計薄弱點，確定需要強化點，改進和提升設計水平，保證智能裝備的制造質量，提高加工效率。

第四，大數據一旦建立標準接口，將能有力支撐“互聯網+”和3D打印對智能制造效率的提升。在這里，盧院士為我們舉例進行了闡述，比如，美國GE發動機公司采取飛機結構件先由創客設計、后用3D打印驗證的模式，發現一位19歲創客的設計方案，只用了1/6的重量達到了原來對強度、剛度的要求，說明了創客的創新價值；海爾公司已進入個性化定制時代，增材制造更能助力個性化定制及創客的創新。北京CASA公司在設計開發遙控兒童車的過程中， 3D打印在保證按期完成開發方面起到關鍵作用；美國亞馬遜公司網絡銷售3D打印服務，已產生數十億美元的收入等等。從這些生動而現實的市場案例，我們可以看出，“互聯網+”能充分發揮創客群體的創新力量，有效彌補中國制造業設計資源的不足，推動制造業從大批量生產模式轉向個性化生產模式，3D打印則可以比普通的加工手段更快速地驗證創客設計的合理性和可行性。一旦我們的智能制造大數據網絡建立了統一的接口或者標準，就能成功對接上述二者，發揮出平臺+平臺、資源+資源的疊加效應來提高和推進智能制造的效率和進步。

2007年9月14日，盧秉恒院士在蘭州大學作“微納制造”專題報告。

第五，大數據能夠幫助制造企業摸索行業規律。盧院士認為，大數據的特點是通過巨量的數據匯總和歸納找出一些規律，比如在奧運會期間超市把啤酒和尿不濕放在一起而使后者銷售量大增，在運動場上發現觀眾在特定狀態下的需求，這就是社會化大數據的體現。相比社會化大數據，工業大數據具有規律性更強、處理更方便、數據和信息利用價值更大等特點，如果企業愿意共享自身積累的數據和技術經歷，人們就可以通過預先的規劃設定來壓縮數據量，提升關鍵數據的可用度和有用信息的覆蓋度，逐步進行提取、凝練、萃取，從而發現能形象表現工業應用特點的規律性導向，然后按照這些規律進行設計采集、萃取、傳輸、存取、計算，或通過這些規律找出對智能制造的一些邏輯性比較強的表達和推理語句。

但是，這里同時存在一個搜集數據信息的難點問題，那就是絕大多數企業會因為擔心自己的知識產權利益受到侵犯而不愿意共享工業數據。這個行業難題目前國內外都沒有較好的解決方案，還有待今后的不斷探索。

2015年8月31日，盧秉恒院士主持中國工程院“制造業+互聯網”大數據發展方向研討會。

2015年9月12日，盧秉恒院士在西安交大為醫學新生作“3D打印與醫療”專題報告。

第六，大數據共享能實現智能制造的功效倍增。盧院士繼續從上面的信息搜集瓶頸問題引申說道，中國制造2025的實現和全社會的協同，必然包括信息、數據的協同，大數據將對智能制造的設計有較大促進作用，可以從社會需求來分析企業的產品定義，可以從海量的成功與不成功設計案例中分析找到改進依據，可以從無數專利中抽取數據找出能夠解決問題的方案，可以利用大數據來構建一個云服務平臺，那么就可以把我們國內的設備優化、組織起來，以此提高制造裝備的效率，降低成本。當然，這必須以企業自身數據的分享為前提。每一家企業的數據都是不完整和有缺陷的，只有實現“1+1+1＞N”的全行業數據共享，才能促進整個智能制造大數據平臺的成型，也才能滿足各家企業從大數據中各取所需。也就是說，從行業整體角度看，單獨的個體數據價值很少，不能應用，就毫無價值，而一旦與行業共享，必然能夠產生價值和效益。同時，盧院士特別指出，要解決數據共享的問題，可以依托協會，或者其他組織、公司建立某種商業機制，比如，新加入者向平臺提供一萬個數據分享，商業平臺則會在吸收這些數據基礎上回報給加入者10萬個、100萬個數據，并將凝練出來的制造規律與加入者共享，這種模式能夠持續且大量的獲得協助和共享，但其具體實施的可行性還有待研究論證。

四、存在的問題

盧院士指出，在智能制造和大數據的交融共享方面，還有一些亟待研究和解決的問題。

1.信息接口的格式統一與信息交互

以醫院為例，醫生等非工程人士和3D工程師之間要進行信息交換，因為用戶是出應用方案的，一般缺乏三維設計能力；工程師懂得設計，但無法給出醫療方案等解決措施，他們之間就需要信息交互。而統一標準的信息接口能使信息交互更快、更準確。例如，交互式CAD/CAM系統的設計數據、醫院的CT數據如何轉換成STL的格式實現3D打印？三維點云數據如何較快轉換成CAD模式？用戶的信息模型怎樣快速變成3D打印模型？

2.非結構化數據采集

大數據包含多方面的內容，并非我們通常理解的標準數據，一些非結構化的數據，比如論文、報道、企業的公告或者重大科技突破等內容，如何有效實現結構化，順利轉化成能夠利用的信息數據，也就是結構化和非結構化的數據共存。

3.大數據的標準制定

大數據的標準研究涉及前沿基礎問題、重大共性問題、系統集成問題等諸多領域，和CPS的接口標準同樣重要。其實質體現的是模型標準的制定，沒有模型標準則大數據很難開展進一步處理工作。

如果數據不符合標準，制造業就無法有效應用先進的智能技術和大量的先進軟件，就不能走向國際市場，競爭力會明顯減弱，甚至錯失戰略機遇、導致行業的停滯和萎縮。而這方面涉及到的是中國的國際法律權益，必須加快相關研究工作。

4.大數據網絡建模

如何利用大數據？如何在沒有模型的情況下通過大數據訓練來建立和得到正確的模型，從而優化工藝或者改進智能機床設計？

比如，如何在機床建模中，利用大數據網絡輸入機床屬性、機床型號、刀具規格等數據，傳輸實際操作中傳感器記錄共享的切削力、溫度、震動等信息，得到加工精度、粗糙度、表面完整性等數據，通過人工神經網絡來建立正確的模型，從而指導現實中的機床主軸、床身、立軸等的設計改進方案。用于訓練神經網絡的數據越多，模型越準確，改進設計的方案越能奏效。

上述問題如果能夠研究透徹，將會更好地促進大數據發展，提升智能制造的效果。