智能制造的中国实践和思考

近期关于智能制造的解读呈现出多样化的趋势。对于正处于转型升级关键时期的中国制造业而言，深入了解智能制造的内涵，明确当前所处的环境及所面临的机遇，并探索实现智能制造的路径，显得尤为重要。虽然很多人认为推动“中国制造2025”需要依赖大量新技术，如大数据、云计算和移动互联等，但这些并非中国工业系统升级的核心驱动力。面向“中国制造2025”，建立数字化和知识化为基础的中国工业生态系统，才是国家需要解决的核心问题。

那么，中国工业系统究竟缺少什么呢？

虽然德国在2013年提出的“工业4.0”概念被广泛关注，但这只是美国早在2006年提出的Cyber-Physical Systems（CPS）的翻版。实际上，CPS的概念是由中美学者共同倡议并明确的。中科院在2009年的《创新2050》报告中，描述了“人-机-物”一体化系统，即社会物理信息系统CPSS。显然，加入“人与社会”的因素更适合未来的制造产业。在德国工业4.0中，社会的因素被降低了一个层级，但在IBM等公司的眼中，这一因素与大数据同样重要。

对于CPS的翻译，作者认为“信息物理系统”并不够精确。其中的C不仅代表信息，更强调“网络控制”的相关含义，是双层含义的结合，强调了“具有控制性的网络和信息的结合”；P代表物理硬件层；System则是系统工程的层面。

美国的下一代工业升级版本主要以GE公司为代表，提出了“工业互联网”的概念，并在企业层面推动了系统间的集成和兼容。在这个层面上，美国具有绝对的优势。美国的顶层框架设计在过去几十年已经成为拉动行业标准的标准做法，军工和民品企业也积极参与其中。

在德国工业4.0的体系中，Cyber的双层含义中信息层较强，但互联网/物联网层较弱；物理硬件层面非常强，这是德国制造的优势所在；但在系统层面，德国制造业较弱。德国工业4.0的核心在于抢占IT技术/互联网/物联网/大数据分析等制高点。

对于中国制造业而言，面临的问题是：在Cyber的双层含义中，信息化有一定进展但不够彻底；物理硬件层面与全球同步但使用层面处于被动状态；顶层框架和系统工程几乎没有发展。“中国制造2025”需要补的课与德国工业4.0有所不同。中国工业体系源于苏联体系，需要审视和汲取其优点，并结合自身情况发展中国智造。

那么，中国工业生态系统与智能制造又有怎样的联系呢？

历史学家黄仁宇指出，基层数据的数目化和知识化管理是制造工厂最亟需解决的问题。在中国制造中，虽然使用了世界最先进的软件和设备，但产出效率却远不能与西方现代制造工厂相媲美。这也说明了在智能制造转型过程中，除了技术的引进和升级，更需要解决的是基层数据的管理和知识化问题。只有实现了基层数据的数目化和知识化管理，才能真正实现智能制造的转型和升级。中国的工业系统升级过程，无需盲目追求顶尖IT技术的先进性，也不必急于赶超德国的硬件制造能力。真正的进步在于深入制造业的根基，探寻能够支撑技术发展的数字化基因和知识化处理。基于中国制造业的实际情况和历史背景，构建一个具有中国特色的工业生态系统，使人、数据、知识、设备、产品等资源得以有效重新配置，这才是推动中国智能制造发展的根本所在。

智能制造的核心特征在于协同化、微制造和低成本。协同化意味着资源的配置和共享；微制造则倡导去中心化组织，实现小批量、小规模的专业生产；而全新的低成本生产模式则是支撑未来个性化生产需求的关键。

一、协同化

在新的工业升级体系下，制造模式由集中生产向网络化异地协同生产转变。络技术使得不同企业间可以实现信息共享，整合全球优势资源，在研发、制造、物流、售后服务等各环节实现全球分散化的协同作业。任何组织、设备或工位，只要资源配置得当，都能参与到网络化制造的任务节点中，实现复杂的任务协同。

二、微制造

微制造指的是小批量、小规模、专业化的生产。这需要建立一种新型的、去中心化的组织，以适应多品种、小批量生产的需求。在工业4.0时代，我们强调从集中式控制向分散式增强型控制模式的转变，以建立一个高度灵活、个性化和数字化的产品生产模式。

微制造包含两层含义：一是微小企业的制造；二是制造微小产品。微小企业能够参与全球化的云端资源配置，就像淘宝网让个体户能参与全球化销售一样。而制造微小产品则意味着企业可以专注于某一细分领域，更容易产生实质性创新，带动“大众创新、万众创业”的局面，甚至形成行业翘楚，助力实现“中国制造2025”的目标。

三、低成本

在未来制造时代，通过资源的优化配置，必须实现低成本的专业化和个性化服务。针对未来个性化需求的多样性问题，东京大学坂村健教授的“昆虫纲现象”提供了一个很好的视角。传统信息系统处理的物种有限，而工业4.0催生的新领域则如昆虫纲般多样。这要求所有资源和流程都被充分纳入系统优化中，以满足低成本的制造需求。

四、产品本体建设与智能制造

协同化、微制造、小批量和低成本生产模式的基础都源于对产品的一致化描述和管理。在信息化和数字化的推进过程中，数据的整合和知识经验的系统化是关键挑战。多年的信息化建设产生了大量数据裂缝和数据窟窿。智能制造要求所有产品都有单一数据来源，从设计到制造的各阶段都需要统一描述。只有产品自身具备了自定义属性和经验的继承，才能实现与设备之间的深度通讯和控制，真正迈向智能产品。

为了实现产品结构的单一数据源描述，我们需要打通产品各阶段的数据连接。以飞机制造为例，数百万的零部件需要被彻底数字化，并形成一个完整的记录体系。通过产品的自我身份化，每个创意或部件都被赋予独立的ID身份，进行自记录，并与所有其他相关部件进行互链接和交互识别。这样，被设计的产品本身就能具备独立的自我表达能力。在产品的全生命周期中，每一个环节都被精心记录，从创意到设计，从部件到制造，再到维修，直至终端用户的使用，所有的信息都被永久保存在产品的身份信息中。借助物联网技术、服务网技术、广域域名分配技术、大宽带网络等先进技术，产品被赋予了“生命感知”的特性。

每当一个零部件被嵌入另一个产品，每当一个产品被集成到一个新的系统中，它的身份都会随着其在网络中的位置变化而更新，并被精确记录。这种记录方式构建了一个高度回溯的系统，使得未来的故障查找和诊断具有高度的智能化和可回溯性。

产品的本体化表达是其数字化进程的关键一步。基于对应用领域中目标领域的明确描述和形式化表达，我们可以从产品的自我身份化开始，逐步构建产品本体。在这一过程中，我们需要借助制造业词表体系建设和领域模型的构建来实现知识本体、任务描述与物理逻辑的分离。只有这样，我们才能帮助产品实现智能化的跨越，完成产品本体的构建。这个过程是一个解耦合的过程，使得产品知识能够自由地流动和表达。

自体系自学习自优化的产品本体建设过程实质上就是知识的自动化。这一过程中会形成可执行的文档、可计算的知识体系和可执行的流程模板，从而形成大量的工程中间件。这些中间件可以显著提高无论是知识工作者还是制造与仿真工程师的工作效率。通过这一过程，人类积累的知识和经验模板可以有效地、重复性地加载到产品上，从而极大地提高设计与制造人员的工作效率。

早在2005年，美国提出的“聪明加工系统SMS”的核心问题就在于知识的沉淀和循环利用。在此基础上，美国工业互联网的概念和德国工业4.0的提出都强调了智能制造技术的核心在于工业产品的数字化知识化基因。德国工业4.0并非新技术革命，而是在德国工业既有优势的基础上构建的新体系建设。而美国的CPS系统则关注其在系统工程的先天性优势以及成熟的产品知识库的建设。对于中国的“中国制造2025”，我们应该立足实际，重构历史积淀，构建数字化知识化生态系统，推动中国智能制造的发展，从而实现超越。