冰与火之歌——卢秉恒院士谈智能制造

冰与火之歌——卢秉恒院士谈智能制造

世界工业领域与信息技术领域正发生着深刻变革，工业机器人、3D打印和大数据、云计算、社交网络、移动互联、人工智能等新兴技术为制造业带来了新一轮革命，特别是作为信息化与工业化高度融合产物的智能制造得到了长足发展。中国要想在“中国制造2025”这幅宏伟的蓝图中顺利实现由制造大国向制造强国转型的战略目标，就必须抢占智能制造这一核心阵地和重要发展途径。

智能制造包括三个应用层面：设备、车间、企业。这些都离不开大数据交融与共享，而未来的重点更是集中在基于大数据的智能制造应用。

一、设备、车间、企业层面的不同内涵

1.设备层面

从设备应用层面来看，智能制造必然要求装备智能化，即要完成数控机床到智能机床的升级。数控机床只能按照预先设定程序运转，并不能决定最后的加工成品形态质量，也不能实施工序过程中的监管与处理。而智能机床则能很好地配置传感器及智能软件从事全生产流程的智能监控，及时调整和处理过程问题，让设备在运转中保持最优工作目标和最高生产效率。

2.车间层面

从车间应用层面来看，智能制造更加讲求高标准的制造柔性，要求众多机床能够在同一个生产车间共同执行不同品种、型号产品或者零部件的加工。即用一条智能生产线包容多条“产品、属性、规格、数量”等指标内容迥异的传统生产线，同时还要保证各项生产任务能够保质、保量、按时完成。

卢院士曾经考察过美国福特汽车公司和深圳一家产量极大的手机外壳制造商。在对比了两家企业的车间体制后他提出，要通过人工智能实现车间级智能制造的柔性：设计合理顺畅的车间零库存物流，完成工具的自动化供应和不同机床的智能调度，保证所有产品线都能够实时响应和满足不同交货期需求，最终以低资金积压率和高订单响应率保证企业的科学管理效应。

3.企业层面

从企业应用层面来看，智能制造需要在设备、车间层面的智能制造基础上，通过人工智能来保障企业的整个生产计划执行、成本控制以及资金流通，提升制造企业的整体效益。这一层面的智能制造拥有非常大的挖掘和发展空间。卢院士专门对比了我国的CIMS计划和德国工业4.0。我国的智能制造工程计划从80年代就开始起步，并没有丢失发展先机，比如CPS（物理信息系统）及接口标准、数据库、数据模型等。但是德国工业4.0提出了一个新的核心拓展：务联网。这是全球智能制造领域一个非常好的新发展，它的提出和实施，不仅实现了物流联网，还实现了制造任务联网。

卢院士认为，在企业层面的智能制造领域，中国企业尤其要学会以务联网技术和手段去利用全社会的资源进行设计优化和任务指导，彻底解决国内企业长期普遍存在的生产能力过剩、研发能力不足的发展短板，要擅长依托网络平台实现社会资源的优化，用CPS实现机器设备、人和计算机的交互，打通制造信息孤岛，让社会化创新创业公司利用自身技术和信息优势为制造业服务，保障制造以外的技术和服务环节，让制造企业专注于发挥自身制造长项和竞争优势，以最高的生产效率、最优的加工质量达到最好的发展效应，通过整个数据、信息、知识的流动创造更多的社会财富，较快的实现中国制造2025相关任务和目标。

卢秉恒，中国工程院院士，西安交通大学教授、博士生导师，机械制造与自动化领域著名科学家，多年从事快速成形制造、微纳制造、生物制造、高速切削机床等方面的研究，对智能化制造有深入的见解，并先后主持20余项国家重点重大科技攻关项目。2015年曾受邀在国务院为总理专题开讲“3D打印为中国先进制造拓思路”。

二、大数据制造及其重要性

卢院士认为，随着时代技术的发展，在机械制造老三基（基础材料、基础工艺和基础原器件）基础上，发展出来了传感器、软件和大数据这新三基。他重点研究和设想了大数据在智能制造中的应用场景。

1.传感器

传感器是信息采集的来源，主要应用在智能设备层面，由于其品种多、规格复杂，很难量产，以前非常缺乏。但是现在的微电子技术、mems（微电子机械系统）技术已经能够为全社会创造大量满足各个种类、规格需求的廉价传感器，这就使我们在生产过程中拥有了非常丰富的信息来源，具备了智能制造的基础。

2.软件

工业智能软件是对制造工艺、生产过程的相关知识的累积固化产品，是智能设备的核心，能够在智能制造中发挥非常大的作用。但长期以来，在工业化生产中，国内企业往往重视硬件价值，忽视软件价值，实际上软件的价值就是知识的价值，非常重要。

比如，西安一家军工企业曾经进口一个加工机床，但实际生产效率却只有国外同产品的三分之一，究其原因，该机床核心软件是单独销售的，如果不另花35万美金采购，机床就无法达到最高运转效率，也就失去了进口意义。这个例子正好说明了软件在智能制造中的价值所在。

2015年8月21日，卢秉恒院士受邀在国务院主讲“先进制造与3D打印”专题讲座。

2016年7月23日，卢秉恒院士参观唐山工业职业技术学院实训基地，作《智能制造与3D打印》专题报告”。

卢院士授课讲解、示范技术原理。

2016年4月21日，卢秉恒院士在全国增材制造标准化技术委员会成立大会上代表技术委员会讲话。

3.大数据

传感器和智能软件再进一步发展就是大数据。如前文所述，底层设备、车间乃至社会化资源的优化都要依靠大数据。

国外有大数据在智能设备层面的典型应用案例。一些智能机床，卢院士称之为“标准式的intelligent machine tool”，它们的软件包具备仿真、组织，生产和服务的全模块，能够通过构建一个虚拟供应链对整个服务步骤和各个环节进行规划、仿真、发现和实时监控，将机床的状态、信息等数据直接发送到操作者手机上，操作者根据这些信息及时进行监控和调整，保证生产的高效运行。比如，信息显示机床的加工振动力加速度在0-3g之间，就认为是安全的，在3-7个G区间就会提醒关注，超过7g就报警，而且实施自动停机保护。此外，一些热处理生产线、冲压生产线都有类似的大数据智能控制模式。

三、大数据在未来智能制造中的作用

由此发端，卢院士归纳梳理大数据在未来智能制造中有如下几大作用：

首先，大数据可以诊断设备的运行状态，保证生产安全和质量。大数据能够帮助人们发展远程加工系统，实现制造现场智能化和无人化。比如，可应用在我国的西气东送等战略工程上，分段监控沿线所有的加压站、鼓风机、压缩机以及管道的输送状态等数据，一旦发现部件老化或者突发问题，可以进行预报、预警，以此保证整个系统的运行安全。

第二，大数据可以帮助完成对制造工艺过程的质量控制。比如，在汽车加工等制造生产中统计分析各环节质量、趋势的状态信息，预警提示刀具更换、机床冷却、刀具补偿等步骤信息，实时控制加工的质量。同时，大数据还能帮助进行工艺优化，通过搜集和汇总同行企业的相同机床数据、同类零件加工数据、生产数据等，实现各环节、各类制造数据和经验的全面积累，就能规避差失，总结出工艺规律，然后优化加工工艺，以此为每一个操作步骤选择正确参数和指标，提升制造效率，并通过上述大数据来评估装备的优劣，提供机床改进设计的意见。

第三，大数据可以支撑产品的应用设计和优化。以前国内传统的制造设备厂商因为不了解汽车、航空、航天等特种行业的加工工艺和大型工件特点，会先行开发通用化的机床产品，等推销出去以后再根据客户在实际应用中的反馈来优化完善自己的设计和产品。未来，新一代的国内智能装备厂商可以在设计阶段通过搜集大数据平台中行业用户的实际需求加工经验、数据、规律等信息，来指导自己的装备设计，发现设计薄弱点，确定需要强化点，改进和提升设计水平，保证智能装备的制造质量，提高加工效率。

第四，大数据一旦建立标准接口，将能有力支撑“互联网+”和3D打印对智能制造效率的提升。在这里，卢院士为我们举例进行了阐述，比如，美国GE发动机公司采取飞机结构件先由创客设计、后用3D打印验证的模式，发现一位19岁创客的设计方案，只用了1/6的重量达到了原来对强度、刚度的要求，说明了创客的创新价值；海尔公司已进入个性化定制时代，增材制造更能助力个性化定制及创客的创新。北京CASA公司在设计开发遥控儿童车的过程中， 3D打印在保证按期完成开发方面起到关键作用；美国亚马逊公司网络销售3D打印服务，已产生数十亿美元的收入等等。从这些生动而现实的市场案例，我们可以看出，“互联网+”能充分发挥创客群体的创新力量，有效弥补中国制造业设计资源的不足，推动制造业从大批量生产模式转向个性化生产模式，3D打印则可以比普通的加工手段更快速地验证创客设计的合理性和可行性。一旦我们的智能制造大数据网络建立了统一的接口或者标准，就能成功对接上述二者，发挥出平台+平台、资源+资源的叠加效应来提高和推进智能制造的效率和进步。

2007年9月14日，卢秉恒院士在兰州大学作“微纳制造”专题报告。

第五，大数据能够帮助制造企业摸索行业规律。卢院士认为，大数据的特点是通过巨量的数据汇总和归纳找出一些规律，比如在奥运会期间超市把啤酒和尿不湿放在一起而使后者销售量大增，在运动场上发现观众在特定状态下的需求，这就是社会化大数据的体现。相比社会化大数据，工业大数据具有规律性更强、处理更方便、数据和信息利用价值更大等特点，如果企业愿意共享自身积累的数据和技术经历，人们就可以通过预先的规划设定来压缩数据量，提升关键数据的可用度和有用信息的覆盖度，逐步进行提取、凝练、萃取，从而发现能形象表现工业应用特点的规律性导向，然后按照这些规律进行设计采集、萃取、传输、存取、计算，或通过这些规律找出对智能制造的一些逻辑性比较强的表达和推理语句。

但是，这里同时存在一个搜集数据信息的难点问题，那就是绝大多数企业会因为担心自己的知识产权利益受到侵犯而不愿意共享工业数据。这个行业难题目前国内外都没有较好的解决方案，还有待今后的不断探索。

2015年8月31日，卢秉恒院士主持中国工程院“制造业+互联网”大数据发展方向研讨会。

2015年9月12日，卢秉恒院士在西安交大为医学新生作“3D打印与医疗”专题报告。

第六，大数据共享能实现智能制造的功效倍增。卢院士继续从上面的信息搜集瓶颈问题引申说道，中国制造2025的实现和全社会的协同，必然包括信息、数据的协同，大数据将对智能制造的设计有较大促进作用，可以从社会需求来分析企业的产品定义，可以从海量的成功与不成功设计案例中分析找到改进依据，可以从无数专利中抽取数据找出能够解决问题的方案，可以利用大数据来构建一个云服务平台，那么就可以把我们国内的设备优化、组织起来，以此提高制造装备的效率，降低成本。当然，这必须以企业自身数据的分享为前提。每一家企业的数据都是不完整和有缺陷的，只有实现“1+1+1＞N”的全行业数据共享，才能促进整个智能制造大数据平台的成型，也才能满足各家企业从大数据中各取所需。也就是说，从行业整体角度看，单独的个体数据价值很少，不能应用，就毫无价值，而一旦与行业共享，必然能够产生价值和效益。同时，卢院士特别指出，要解决数据共享的问题，可以依托协会，或者其他组织、公司建立某种商业机制，比如，新加入者向平台提供一万个数据分享，商业平台则会在吸收这些数据基础上回报给加入者10万个、100万个数据，并将凝练出来的制造规律与加入者共享，这种模式能够持续且大量的获得协助和共享，但其具体实施的可行性还有待研究论证。

四、存在的问题

卢院士指出，在智能制造和大数据的交融共享方面，还有一些亟待研究和解决的问题。

1.信息接口的格式统一与信息交互

以医院为例，医生等非工程人士和3D工程师之间要进行信息交换，因为用户是出应用方案的，一般缺乏三维设计能力；工程师懂得设计，但无法给出医疗方案等解决措施，他们之间就需要信息交互。而统一标准的信息接口能使信息交互更快、更准确。例如，交互式CAD/CAM系统的设计数据、医院的CT数据如何转换成STL的格式实现3D打印？三维点云数据如何较快转换成CAD模式？用户的信息模型怎样快速变成3D打印模型？

2.非结构化数据采集

大数据包含多方面的内容，并非我们通常理解的标准数据，一些非结构化的数据，比如论文、报道、企业的公告或者重大科技突破等内容，如何有效实现结构化，顺利转化成能够利用的信息数据，也就是结构化和非结构化的数据共存。

3.大数据的标准制定

大数据的标准研究涉及前沿基础问题、重大共性问题、系统集成问题等诸多领域，和CPS的接口标准同样重要。其实质体现的是模型标准的制定，没有模型标准则大数据很难开展进一步处理工作。

如果数据不符合标准，制造业就无法有效应用先进的智能技术和大量的先进软件，就不能走向国际市场，竞争力会明显减弱，甚至错失战略机遇、导致行业的停滞和萎缩。而这方面涉及到的是中国的国际法律权益，必须加快相关研究工作。

4.大数据网络建模

如何利用大数据？如何在没有模型的情况下通过大数据训练来建立和得到正确的模型，从而优化工艺或者改进智能机床设计？

比如，如何在机床建模中，利用大数据网络输入机床属性、机床型号、刀具规格等数据，传输实际操作中传感器记录共享的切削力、温度、震动等信息，得到加工精度、粗糙度、表面完整性等数据，通过人工神经网络来建立正确的模型，从而指导现实中的机床主轴、床身、立轴等的设计改进方案。用于训练神经网络的数据越多，模型越准确，改进设计的方案越能奏效。

上述问题如果能够研究透彻，将会更好地促进大数据发展，提升智能制造的效果。