大數據驅動下的智能制造

秦 歌

（溫州大學甌江學院機電工程學院， 浙江 溫州 325035）

全球范圍考察，制造業在實現了從機械化到電力化，再到信息化的重要飛躍之后，正在跨入以智能制造為引領的工業4.0 時代。簡單而言，智能制造就是面向產品全生命周期的實現泛在感知條件下的信息化制造[1]。智能制造的特征是互聯、協同、共享和智能，核心是以大數據作為最主要的一種驅動力，利用大數據去建構、整合與優化價值鏈和產業鏈。智能制造是國際制造業博弈的新領域，促進傳統制造向智能制造的轉型升級成為許多國家共同的戰略選擇。從某種意義講，智能制造的競爭就是大數據實力和能力的競爭，搶占了大數據的制高點，就能為在競爭中贏得主動與優勢創造有利的條件。大數據時代，我國制造業既迎來了新的發展機遇，同時又面對著必須采取積極有效的措施予以應對的巨大挑戰。

1 制造大數據的定義和類型

2011年，世界著名的管理咨詢公司McKinsey在題為《大數據：下一個創新、競爭和生產力的前沿》的報告中率先預測了大數據時代的到來，其依據是數據量的驟長和數據復雜程度的增加造成了“摩爾定律”（Moore's Law）的失效，對國民經濟、社會發展產生了不可忽視的重要影響[2]?！皵祿笔鞘澜绲谋驹?，任何人都回避不了世間萬物、各行各業、不種角色已經或者必將被打上“大數據化”印跡的事實，作為大數據富集區的制造業當然概莫能外。

大數據是數量龐大、來源多元、種類繁雜、結構異化的“數據族群”，“制造大數據”（Manufacturing big data）是其中的一分子，屬于“業界大數據”的范疇（制造大數據的類型見表1）。迄今為止，無人考證“制造大數據”（Manufacturing big data）概念的最早出處，官方和重要部門的文件中也難覓其蹤跡，但這并不影學術界和制造業界從不同角度對其探討的熱情。有學者認為，制造大數據是一種看待問題和解決制造問題的途徑與手段[3]；還有學者指出，制造大數據是制造業通過網絡化、數據字化形成的海量異構的制造行業的數據匯聚[4]；另有學者強調，制造大數據就是一種典型的智能制造模式[5]；或者認為，制造大數據是制造領域的一種“數據資產”[6]，等等。歸納不同的觀點，制造大數據的概念有狹義和廣義之分。狹義的制造大數據僅是指制造產業鏈內的“大數據”，廣義的制造大數據則泛指與制造業有關的（包括直接關聯和間接關聯、緊密關聯與松馳關聯、縱向關聯和橫向關聯等）的無法用傳統數據思維研判和傳統數據管理工具捕捉、分析與利用的海量數據集合，這是絕大多數學者、學術組織和咨詢研究機構所持的普遍觀點。

與制造大數據聯系最緊密的概念是“工業大數據”（Industrial big data），最早于2012年由美國通用電氣公司（GE）在其發布的題為《工業大數據興起》的報告中提出，隨后許多官方機構、重要部門、學術組織都給出了明確的定義，盡管并不統一，比如我國工業和信息化部、國家標準化管理體制委員會發布的《大數據系列報告之一：工業大數據白皮書（2017版）》就對工業大數據有較為全面的定義。嚴格而言，“工業大數據”涵蓋“制造大數據”，后者是前者的組成部分，前者的泛指性較強，后者更具專指性。在理論研究和制造實踐中，通常把“工業大數據”和“制造大數據”互換使用。因為，刻意區分二者的內涵和外延并無實際價值。

對制造大數據可以從三個角度理解：其一，理論角度。“數據、信息、知識、智慧”（data、information、knowledge、wisdom，DIKW）理論認為：數據與智能具有內在的邏輯關系，其中數據之間的關聯形成信息，信息中的關聯蘊含知識，知識的綜合運用構成智慧，大數據應用于制造業就是對該理論的一種重要檢驗[7]。其二，技術角度。鑒于影響產品生命周期的因素具有復雜性、突變性、不確定性，需要更有效的方法來改進決策機制，而以大數據應用為軸心的“設計—制造—運維一體化協同技術”的功能正在于此。其三，實踐角度。大數據既是具有特殊價值的“流通貨幣”和制造資產，也是智能制造的實踐工具，掌握與利用大數據是觸發制造業轉型升級的關鍵變量，是推動智能制造不斷高級化的加速器。

2 大數據驅動智能制造的系統框架

大數據系統框架設計和大數據平臺建設是智能制造研究與實踐的重點。系統是由相互聯系、相互作用的要素（部分）組成的具有一定結構和功能的有機整體[8]。智能制造的大數據系統可以分成“大數據管理”和“大數據分析”兩大部分，前者包括數據采集、預處理、存儲模塊，后者主要涉及數據分析和應用模塊，不同的技術模塊相互銜接融合構成完整的閉環體系（見圖1）。

圖1 基于智能制造的大數據系統框架

1）通過物聯網中鑲嵌于數據源的傳感器、RFID、讀寫器、全球定位系統、機器對機器通信（machine to mathine，M2M）等信息感知設備把人、機、物、環境等結為一體，與大數據平臺互聯互通，對產品生命周期數據感知和采集。為了保證來自不同傳感設備的數據實現互操作，必須遵循統一的傳輸協議和接口標準，這是物聯網感知的基礎。傳感設備正向著智能化、微型化、復合化方向發展，將來不僅具有“感知”的能力，更具有“認識”和“感控”的功能，實現對數據的智能感知、研判、決策和自適應。

2）高維、海量、冗余、大噪聲、多尺度和多源異構的數據會導致不可靠的輸出[2]。所以，必須對采集到的數據預處理（data preprocessing），包括數據清洗、集成、轉換、歸約、降維，以及數據的特征化提取、標簽化操作等。數據預處理還要建立數據之間的連接，實現數據互補，以便對某個制造問題或者與制造有關現象的描述更加立體、細致和全面。

3）數據存儲已經發展到分布式存儲階段，典型的分布式文件系統有HDFS、GFS 等。對制造大云在儲是制造大數據的另一種存儲方式，即將數據存放在第三方托管的多臺虛擬服務器中隨時、隨地訪問和調用，既可以彈性地分配資源，又能夠降低存儲成本。今后，制造大數據存儲技術要進一步解決非結構化、半結構化大數據的存儲和移動共享、即時調用問題，以及安全和商業秘密保護等問題。

4）大數據應用于制造場景的前提是對數據建模，通過對不同來源、類型、關系的制造數據的并行計算，挖掘數據之間的耦合、相關特性，以及有價值的動向和趨勢。數據挖掘的方法包括關聯、分類、聚類等。目前，一些新的高性能計算框架得到應用，比如，Spark、Storm、Hadoop 等，其特征是適用于不同的分布策略，對復雜問題“分而治之”。另外，研究表明，深度學習技術由于在“端到端”的深度學習中引入注意力機制和外在記憶結構，使得系統能夠更廣泛地采集和利用數據，表現出優異的數據挖掘性能，受到制造業的關注。

5）數據可視化的作用是使數據的屬性得到多維表示，把隱藏的信息和規律顯性化，使制造決策者能夠從更寬的視野、更深入地發現、理解和利用數據。數據可視化技術不僅豐富多樣（包括文本可視化技術、網絡可視化技術、時空可視化技術、多維可視化技術等），而且呈現出多形式數據高分辨率展示與多視圖的聯動、交互、整合等發展趨勢?？梢暬皇菍祿嬎憬Y果的展示，還需要用人機交互技術開展分析，比如接觸交互技術、筆交互技術、自然交互技術等[9]。

6）大數據來源于實踐，必須回到研發、生產、銷售、服務、管理等具體的制造場景中去，輔助智能決策。大數據驅動智能制造既是一個循環往復、不斷提升的實踐活動，又是持續不斷的知識發現過程。所謂“知識發現”，是指從數據中鑒別出新的、可能有用的和最終可以理解的非平凡模式?；蛘哒f，知識發現就是從低層次數據中提煉出高層次知識[2]。發現知識，積累知識，用新的更高層次的知識而不是僅憑經驗解決復雜的問題，是智能制造與傳統制造最重要的區別之一。

智慧制造（Wisdom manufacturing，WM）是智能制造發展的重要趨勢，其特征是把信息系統、物理系統和社會系統結為一體，通過對制造社會化技術、制造智能化技術、制造務聯化技術、制造物聯化技術的集成，實現智能制造的預測化、主動化、社會化、泛在化、協同化、知識化、服務化，這將對制造大數據系統建設提出新的高標準要求。

3 促進大數據驅動智能制造的策略

3.1 實施國家制造大數據戰略

面向智能制造，許多國家制定了傳統制造業轉型升級戰略，實施了配套的國家層面的大數據戰略，比如美國的《聯邦大數據研發戰略計劃》、德國的《數字化戰略2025》、法國的《數字化路線圖》等。我國在落實《中國制造2025》的同時，頒布了《促進大數據發展行動綱要》（以下簡稱《綱要》），提出發展大數據的指導思想、主要任務和政策機制。由賽迪顧問與IBM 商業價值研究院聯合發布的《中國制造業走向2025》白皮書指出，智能制造的核心是以數據洞察為核心驅動力，實現跨界和全球化互聯互通的協同，形成集制造與服務為一體的全球化價值網絡[10]。建議我國有關部門以大數據思維為導向，按照《中國制造2025》和《綱要》的總體戰略布局，正確認識我國制造業的現狀，科學預測大數據競爭態勢，從國內制造業現狀和制造業演進的客觀規律出發，制定制造大數據戰略規劃，為制造大數據發展提供完整的路線圖、可操作依據和全方位保障。

3.2 建立健全制造大數據標準

標準化是保持行業領跑的先決條件，我國必須重視和加強對制造大數據標準的制定，建立開放、智能、安全和更加富有知識性、技術性、協調性、動態性、適應性的涉及大數據生命全周期、大數據系統互操作、大數據組織能力，以及大數據評價等內容的覆蓋全面的標準體系。其一，按照“先急后緩，通用先行，重點突破”的原則，搞好制造大數據標準頂層規劃，分步驟、分階段、分領域地建立標準，防止盲目性、無序性。其二，對現行國家標準進行梳理，鼓勵、扶持、引導制造企業、行業組織、學術團體制定標準，及時將達成普遍共識、共同遵循的標準升格為國家標準，條件成熟時積極申請國際標準。其三，加大標準的貫徹執行力度，開展典型示范，交流推廣經驗，做到標準應用的無死角，要注重對大數據標準的認證、評價、修訂等工作的銜接和管理，為標準的應用創造有利條件。其四，深化制造大數據標準建設的國際合作，推動國際標準的制定。

3.3 夯實制造大數據應用基礎

曾有專家提出，我國“不要在不具備數字化、網絡化基礎時搞智能化”，建議實現智能制造，必須先解決好制造技術與制造過程的數字化、網絡化問題[11]。與制造業先進國家比較，信息化基礎薄弱，數據、設計、制造、技術、服務、管理未能深度融合，制造全流程、全生命周期的數據鏈條沒有真正形成，大數據利用能力不強，對智能制造缺乏足夠支撐等問題，是我國制造業轉型升級的“痛點”。提高我國制造業的大數據競爭力，必須夯實相關的信息基礎設施條件。其一，政府應加大對信息基礎設施建設的投入，完善數據傳輸布局，升級互聯網和移動通訊網絡，實現制造大數據的互聯互通。其二，制造企業要把數據化、信息化、網絡化建設作為重要任務，積極創造條件，在設計、生產、銷售、管理中部署大數據智能設備，利用大數據組件搭建大數據平臺，逐步提升大數據采集、集成、存儲、分析、挖掘、應用和管理水平。

3.4 注重制造大數據開發利用

大數據的價值魅力在于不會隨著開發而縮水，反而會因為不斷的處理和分析持續增值[12]152。要廣辟路徑，使制造大數據物盡其用，而不能束之高閣。其一，國家應完善與大數據開發利用有關的財政、稅收、產權、市場準入等政策，要破除企業、產業之間的壁壘，推動大數據在制造行業的廣泛流通和共享。其二，打破傳統制造業體系的線性關系，強化企業、高等學校、研究機構之間的產學研結合，加快大數據成果向生產力的轉化。其三，政府和企業要注重制造大數據的積累，建立健全大數據質量評價管理體系，保證大數據有充足的來源和質量。其四，制造大數據具有企業資產和社會資產的雙重屬性，要采取措施使其最大限度地造福于全社會，而不是由某個企業或制造業獨享其紅利。一方面制造企業要積極延伸大數據觸角，構建社會化的大數據生態環境，積極開展制造大數據的跨界公益服務，另一方面企業要制定大數據經營戰略，采取多元化的商業模式，從事制造大數據增值性服務。