工業4.0時代的制造新思維

工業4.0時代的制造新思維 ——美國辛辛那提大學特聘講座教授李杰訪談錄

　　□江世亮 李輝

　　幾周前，中國工程院“制造強國戰略研究”重大咨詢項目組特邀美國辛辛那提大學特聘講座教授李杰在中國工程院做了題為“智能機器和工業4.0制造系統的智能分析”的學術報告。此前，德國產業和學術界率先提出了工業4.0的概念，希望通過融入虛擬制造及智能制造，使傳統的制造業發生革命性改變，而德國人的幕后高參仍然是李杰教授。為使讀者了解即將到來的這次制造業革命的大致內容及其背景，筆者專訪了這位提出“從創新到創值”、“預測制造”等全新概念并一直在產業一線提供戰略咨詢的專家。

“工業4.0”也是預測型制造的時代

　　筆者：您在前不久發表的文章中說，現在是預測制造的時代，工業4.0和預測制造這兩者間有何關聯？

　　李杰：工業4.0的概念有三個支撐點：一是制造本身的價值化，不僅僅是做好一個產品，而且是把產品生產制造過程做到浪費最少、制造過程與設計者配合；二是制造過程中，根據加工產品的差異、加工狀況的改變能自動作出調整，達到具有所謂的“自省”能力，也就是整個系統，包括設備機器本身，在設計制造過程中能根據變化的情況，及時作出調整；三是在整個制造過程中達到零故障、零憂慮、零意外、零污染，至少要低憂慮、低污染，使制造過程達到最小憂慮化，這就是制造業的最高境界。

　　以工業制造業的基礎裝備機床來說，以物理形態存在的機床大家早已熟悉，但是工業4.0時代的機床和我們原先對機床的理解是有很大差異的。譬如它工作時和停機時是不一樣的，機床工作時其內置的傳感儀器將機床的狀態通過信號的形式發送出來并轉換成信息，這些信息可以用于對機床狀態的分析。

　　同樣，4.0時代的螺桿，可以提前顯示什么時候需要做潤滑保養。機床性能減退，造成精度失準，這是制造業需要竭力避免的事情，但是過去人們只是憑經驗推斷，很多時候其實是不知道所謂的機器性能衰退時間的。從這個意義上來講，工業4.0時代就是預測制造的時代，比如飛機的起落架，出廠前出廠后，我們會幫生產廠家做一個測試，然后就可以算出來，螺桿一旦處于使用狀態就會自動反饋機械運行信息，這樣企業就能實時了解這臺設備的健康情況如何。

　　以此類推，4.0時代的輪胎，那些一直在接貨送貨的輪胎，哪個輪胎變化特別大，哪個輪胎的健康在衰退，什么時候應該翻胎，都是可以分析預知的。

　　4.0時代的汽車，開到一個地方突然會接到提示說，前面50米處有一個坑，這是因為前面的車也有傳感器，而它經過后產生了感應信息，把這個信息分享給了相近的車輛。諸如此類的案例我們有100多個。

具有“自省”能力的預測制造系統

　　筆者：關于預測制造，好像還是一個很新的概念，能否請您再作一點具體描述？

　　李杰：如前面所說，在現代制造中，存在著許多無法被定量、無法被決策者掌握的不確定因素。這些不確定因素在制造業內外都始終存在。

　　解決制造過程中的不確定問題的第一步，是將其分為兩部分：可見的問題和不可見的問題。

　　可見的問題包括加工失效、產品缺陷、極低的循環壽命和整體設備效能下降等。這些可見的狀況和信息，通過事后分析大部分都可以找到原因。事實上在日常的工業生產中，可見的問題是容易看到并能夠得到解決的。

　　不可見問題通常表現為設備的加工性能下降、零部件磨損等。這些不可見的問題，恰恰是很多人所忽視的。人們通常想當然地認為，一臺正常的設備是能持續有效工作較長一段時間的。而這在真實的工廠生產中基本上是不可能的，而看不見但每時每刻在發生的設備損耗則是事實，但在很長的時間里，人們忽視了這一事實，當然那時即使知道了也沒有太多的辦法，一般只能是到了所謂的設備老化期就將設備報廢了事。

　　我們提出的思路是：提供透明化的工具和技術，將不可見環節中產生的問題復現出來，這才是解決問題的關鍵。所謂透明化就是闡釋并量化那些不確定性因素，以使生產組織者能客觀地估計自身制造的能力。

　　為了使設備真正透明化，制造業必須嘗試改變為可預測的制造。這樣的革新需要使用先進的預測性工具和方法，從而使得制造過程中不斷產生出來的數據可以被系統性地處理為信息。這樣的信息將有助于解釋不確定因素，從而使生產資源經理和過程主管掌握信息，然后有把握地做出決定。由此，我們提出了“預測性制造系統”（Predictive Manufacturing）的概念。預測性制造系統，可以使設備擁有“自省”能力，因而能提供給用戶透明化并且最終預防有關產能、效率和安全性的潛在問題。

　　預測性制造系統的核心技術是智能運算（SmartAnalytics）單元，它包含了對設備功能性進行預測建模的智能軟件。對設備性能的分析和失效時間的估計，能夠降低設備性能這一內在不確定因素的影響，使用戶得以緩解或者消除制造運行中產能或效率上的損失。

　　上面提到，工業4.0時代制造業追求的目標是實現“無憂慮的制造”。達到這一境界，有賴于運用自動化手段、使控制器的軟件能預測裝備、設備的衰退狀況，并加以及時調整。譬如一條生產線上有很多傳感器，但傳感器本身如果衰退（這是經常會發生的）了，設備只能在出了問題后才去處理；而“自省功能”就能讓員工知道哪個傳感器不穩了，這樣可提前更換，或是跳過這個傳感器。這就是一種所謂的自省式的智能化，而非單純的智能化，工業3.0時代的智能化就是控制系統、控制器加上計算機。而工業4.0是具有自省功能的智能化，是能根據生產環境和設備狀況隨之作出調整的預測制造系統。

從不可見問題入手提升創新價值

　　筆者：記得幾年前您曾經在我們報上提出創造出更高的價值是創新應有的涵義，包括您提出的“蛋黃蛋白理論”，這些思維在工業4.0時代如何體現？

　　李杰：首先我想再次強調，引導產品創新的，不是通過去找需求，而是去找GAP（空缺）。通常來說創新分三種：企業經常性地改進產品，把產品改得更受用戶喜歡，這是第一種連續性的產品創新；第二種是非連續性的產品創新，目前大部分產業研究院都在做這種事情。一種新技術用上后，可以引出多項發明，改變了整個產品。這個就是所謂的研發；第三種是我一直講的主控式創新（Dominant Innovation）。此種創新不直接面對消費者的需求，而是以情境模擬的方式，思考該賦予新產品哪些功能，并以突破性的創新研發技術完成該項新產品雛型，接著才將之推至消費市場。在情景模擬中發現產品的新功能，我稱之為“發現GAP”。

　　通過發現GAP來推動的創新跟其他幾種創新模式是不一樣的。這種方式不是以人（消費者）的需要為出發點的，也不是都聽顧客的。顧客一般都是追求更大的蛋黃，很少給你講潛在的、外圍的東西，很可能他們還沒有這種意識或根本就不知道。就比如買車子的人更關心的是耗油情況，但很少人知道司機開車的習慣可能影響20%的油錢。所以這里的GAP不是車子，而是司機的開車習慣。如果僅僅按照顧客的需求來做車，那制造商會努力生產更省油的汽車、更舒適的汽車，在過去的汽車技術上不斷精進。這是一種傳統工業時代的思維方式。而采用GAP式創新，則是通過數據來模擬情景，不斷發現顧客根本沒有注意到的產品新功能。我舉一個中國國內正在發生的案例，一家原先做家具設計銷售的企業“尚品宅配”。五六年前，這家企業的老總接受了我們有關創新創值的理念，企業逐漸從賣家具轉向更注重消費者的居家感受，買家只要提供房型及一些個性化的要求，這家企業就能幫客戶設計并定制適合的家具。宜家是它有什么你買什么，尚品是你想要什么，它提供什么，他們現在在制造方面只是作了一些模板，讓機器去配合，在選式樣、顏色、性狀方面已經實現了模組化。尚品不是從家具出發，而是從居家的生活感受出發，如再能和制造系統匹配起來，就接近工業4.0前期了。

　　通過分析數據，預測需求，預測制造，這就是我們希望倡導的工業4.0的思維。現在大家都在談大數據，但大數據本身不是一個問題，而是一個看問題的方式。大數據本身不重要，信息量和創造價值的過程才是真正重要的。大數據只是一個現象，只有真正分析利用了，才會有價值。

相關鏈接

　　德國的工業4.0與美國的CPS

　　德國在去年就提出了工業4.0的概念。他們認為，18世紀引入機械制造設備的工業是1.0時代，20世紀初的電氣化與自動化是2.0時代，20世紀70年代開始的信息化是3.0時代，現在正在進入工業4.0時代，即實體物理世界和虛擬網絡世界融合的時代。但是德國業界對工業4.0的響應者不多，原因之一是所謂虛擬網絡-實體物理系統（Cyber- Physical System,CPS）融合的主要思想，美國早在若干年前就提出來了。

　　2013年12月12日，美國白宮召開了第一次CPS成員會議。李杰教授作為專家組成員參加了會議。他們要討論的事情，與德國的工業4.0其實是一樣的內容。雖然德國先提出了概念，但他們剛剛起步、著手轉型，而美國一直在做以CPS為概念的先進制造。或許正是這方面的原因，德國也于2013年10月邀請李杰教授前往分享他們在美國的成功案例。

　　對于CPS的概念，李杰認為可以用日常生活中常見事物來解釋。正如人們在facebook里建立的各種關系，在物理世界里是不可見的，但卻可以得出這個人的生活社群、行為習慣、過往經歷等等。同樣，任何產品都有虛擬和實體兩個世界（譬如蘋果手機是實體，但是APPs是虛體），如何將虛擬世界里的關系透明化，正是工業4.0時代需要做的產品。未來產品例如機床、飛機、汽車等都應該會有實與虛的價值接合。這樣的道理，是德國人提出概念的依據，但是李杰團隊在美國已經自2001年開始積累大量和工業界合作建立成功案例。

　　需要強調的是，德國提出的工業4.0和美國的CPS，核心要義就是制造業能基于數據分析的轉型。

　　傳統制造的5M系統

　　傳統的制造可以描述為一個5M系統，它包含了材料（Material，特性和功能）、機器（Machine，精度和加工能力）、方法（Methods，效率和產能）、測量（Measurement，探測和改進）以及建模（Modeling，預測、優化和防范）。增量制造，通俗叫3D打印，也是運用集成的5M方法來生產產品的一個新范例，當然它的生產范圍現階段限于特定的低產量或者定制領域（比如國防或者醫療）的應用產品上。

　　為使制造商更具競爭力，將先進的計算和信息物理融合系統結合起來，以適應或者利用最近的大數據環境是今天的制造業所需要的。隨著智能傳感器技術，如RFID技術的發展，收集數據已經變得很簡單，但仍然存在的問題是，這些器件及數據是否在正確時間、為正確的目的、提供了正確的信息。除非數據被處理后可為需要者提供內容和意義，否則這些數據也是無用的。單純將傳感器連接到設備上或者將一臺設備與另一臺進行連接，是不會給用戶提供足以做出更好決策所需信息的。

　　制造信息系統的6C功能

　　制造信息系統的基本定義可以用6C功能來進一步強化說明，它包含連接（Connection，傳感器和網絡）、云（Cloud，任何時間及需求的數據）、虛擬網絡（Cyber,模式與記憶）、內容（Content，相關性和含義）、社群（Community，分享和交際）與客制化（customization，個性化服務與價值）。現有的制造系統需要對制造設備本身的以及制造過程中產生的數據進行更深入的分析。

　　現在講大數據的很多，但講工業大數據的很少。工業大數據是由一個產品制造流程或者一個工業體系帶出來的數據，健康管理、地震救治、銀行運營等都會帶來大數據，但是很少落地，不被人感覺到。工業4.0時代要做的產品，不光要有功能，還要有價值，而價值是通過處理數據得來的。有了這些，工業大數據就可以落地，產生實用價值。

馬航失聯事件給工業界的警示

　　從事工業信息化的人都很關心馬航失聯事件，因為它反映出在發動機的設計制造方面還有很大的改進空間。

　　馬航MH370使用的是羅羅公司（英國飛機發動機制造商羅爾斯羅伊斯公司）的發動機。一般來說，飛機起飛之后到穩定飛行，最后再到達目的地，它的方向是固定的。偏離航道，一定有各種信息反映出來，異常偏移甚至有目的偏離的信息，肯定是可以被感知并且被記錄和傳遞出來的。但是MH370并沒有這方面的數據。這也就提示，羅羅公司等發動機生產商提供的服務還是有很大的改進空間。

　　其實，近十年來很多航空公司都在轉型。比如GE（通用電氣）旗下的飛機發動機公司（GEAircraft Engine），在2005年將公司名稱改為“GE航空”（GEAviation）。改名代表著轉型。原來的發動機公司只做發動機，現在改為航空公司，就意味著他們還可以提供安全控件、航管控件、飛航信息等等服務，服務的空間更大了。有了這些服務之后，GE賣的已經不是或者不只是發動機，而是賣航空管理。由此可以認為，羅羅發動機在MH370這起事故中的表現，說明了它在數據處理方面可以做得更好。

　　發動機生產商從過去單純的發動裝置提供者轉變為航空信息管理服務提供者，這從一個側面反映了當今制造業轉型的趨勢。李杰教授常常會用蛋黃蛋白的形象比喻來試圖說明制造業和相關衍生服務業的關系，這個比喻也可以用在這里，如果說發動機是蛋黃的話，其他周邊的服務就是蛋白。只做發動機，就是只賺一個蛋黃的錢，而延伸出去的服務，包括維修信息、航管信息等服務附加上去，在方便用戶的同時就可以賺到更多的蛋白的錢。這種基于數據分析的延伸性服務，其實正是當前工業發展的大趨勢。

工業4.0考驗中國制造業轉型力

　　工業4.0概念提出后，中國很多人也在想怎么做。這次的工業轉型對中國產業界來說挑戰還是比較大的，因為工業4.0完全是要求有自己的東西，特別在軟件方面，這就要求對制造過程有更深入的了解，在此基礎上實現制造業裝備的設計、控制、智能化與信息技術的結合。所以有很大的挑戰。

　　李杰教授在交大這幾年也做了一些嘗試。以他們做過的智能電池為例。以前做電動車的電池，更強調技術指標是否達到要求。但李杰團隊的思路完全不一樣。他們的制造方法叫作ABCD。A：最少的電，B：剩下的電，C：使用的電，D：衰退的電。這里面“衰退的電”是不可見的，專門做電池的人一般不會考慮，但卻是李杰團隊考慮的重點。他們發現，司機開車的時候，他的駕車習慣，如喜歡加大油門開快車還是比較求穩，電池的消耗是不一樣的，電池用量跟踩剎車等開車習慣、路況等都很有關系。當然通常汽車廠是不會考慮司機開車習慣的。

　　李杰團隊的智能電池布局其實關注的是人，而不是電池。從監控電池出發，可以得出電池在維護、管理、狀態方面的信息，同時也就知道了哪種材料，哪個電路更好使用，在制造的時候知道該怎么做。反過來，通過電池的使用情況，也可以得知司機的開車習慣，因此反過來也可以給司機建議，比如稍微減慢速度，就能多跑多少公里。如果再結合了其他信息，我們還可以提供走什么路線最近，到最近的什么地方充電等一系列的后續服務。

　　基于這種思路，他們先開發出軟件，放在云端，然后讓iPhone、iPad設置進去，開車的時候只要連上這些智能終端，駕車者就能接收到自己車子電池使用狀況的信息了。然后到哪里充電，什么時候換電池，也都能在終端上推送了。

　　這就是李杰團隊電池專利布局的思路，而不是之前其他搞電池研發的那樣，就某種電池本身進行專利申請。全世界申請專利的電動車很多，但是做服務的，用云計算的很少。所有以后做電動車的人，如果要用云計算來指導他們的電池、充電站的管理，就涉及李杰團隊的專利了。

　　最近李杰團隊還與中國船舶工業集團公司（CSSC）合作，進行產業轉型的一些嘗試。他們想做的船和過去是不一樣的，被稱為5S工程。即以大數據為基礎，面向“Sea-海洋，Ship-船舶，System-系統，Smart-智能，Service-服務”的船舶運營智能服務體系。告訴船怎么走最省油，怎么可以獲知運行之外的物流與安全信息服務等。這是“智慧海洋”的一大實踐。中船現在已經發布了和李杰團隊共同制造工業4.0船舶的合作構想。

　　其實無論智慧電池，還是智能船舶，和上述飛機發動機案例都是一樣的，也就是說工業4.0時代已經從單純的圍繞產品的產銷，變為了一整套的基于數據的服務。它的本質是基于工業物聯網所提供的數據進行的分析，找出新的拓展空間和新的服務內容。

　　德國、美國現在都已經在這么做了，中國現在該怎么做？中國是制造大國，有很多產品在國際上已經有很大的份額，但都是紅海里面的產品。而在主要基于顧客價值的藍海里面，中國占有的份額很少。現在要轉型該怎么轉？

　　從現狀來看，德國稱得上是一個高端制造的大國。但他們賣的也都是蛋黃，都是產品。現在德國人在反思，為什么他們的產品只有功能的價值，沒有服務的價值。反思的結果他們提出用工業4.0來變革他們制造業的方向。其核心，就是預測性制造和主控式創新，都是在制造的不可見部分著力。

　　預測性制造，是要弄明白設備的運行狀況，通過設備的情況來做適時的維修和恰當的生產。主控式創新，就是為了找到拓展空間，找到用現有的數據可以創造的新服務。李杰團隊今年與新加坡成立了一個大數據制造中心，這個中心沒有制造，主要任務就是做數據分析。

　　工業4.0是德國提出的新的口號，也是全球制造業下一步的方向。中國的制造業要迎頭趕上的話，也是需要用主控式創新的思維方式，預測性制造的制造方式，來重新思考如何轉型。把做蛋黃的經驗轉移到做蛋白上，這樣，中國制造業就一定會有更好的未來。

　　李杰教授現任美國辛辛那提大學特聘講座教授，美國國家科學基金會(NSF)智能維護系統產學合作中心主任。

　　自2000年起，李杰教授和全球80家國際公司做聯合研發，研究重點包括以自主計算技術為主的智能預測技術、產品及服務，主控式創新創值設計。他曾于1998年至2000年擔任美國聯合技術研究中心(UTRC)產品開發與制造部總監，主持了Pratt&Whitney發動機、Sikorsky直升機、開利空調、奧的斯電梯等公司下一代產品中的自動化、材料、綠色工藝、制造技術方面的科研項目。