李杰：大數(shù)據(jù)是中國(guó)搭上第四次科技革命快車的最大資本

中國(guó)錯(cuò)過(guò)了前三次工業(yè)革命，又一輪工業(yè)革命到來(lái)之際，中國(guó)要走什么樣的道路？

第四次科技革命的到來(lái)為各個(gè)國(guó)家提供了發(fā)展和轉(zhuǎn)型的機(jī)遇，智能制造無(wú)疑將成為世界各國(guó)競(jìng)爭(zhēng)的新戰(zhàn)場(chǎng)。無(wú)論是德國(guó)提出的“工業(yè)4.0國(guó)家戰(zhàn)略”，還是美國(guó)的“國(guó)家制造業(yè)創(chuàng)新網(wǎng)絡(luò)計(jì)劃”，抑或是日本的“工業(yè)價(jià)值鏈計(jì)劃”，無(wú)不圍繞著制造業(yè)這個(gè)核心。中國(guó)如何實(shí)現(xiàn)智能制造？

“工業(yè)智能化，美國(guó)靠軟件、德國(guó)靠機(jī)器、日本靠人、中國(guó)靠數(shù)據(jù)。中國(guó)最大的數(shù)據(jù)量來(lái)自工業(yè)，遠(yuǎn)超阿里巴巴和谷歌。大量的數(shù)據(jù)都在中國(guó)匯集，這無(wú)疑給了中國(guó)制造最好的資源優(yōu)勢(shì)。利用好這一資源，才能彌補(bǔ)中國(guó)在裝備制造和核心零部件等方面的弱勢(shì)與短板?！泵绹?guó)辛辛那提大學(xué)特聘講座講授、美國(guó)國(guó)家科學(xué)基金會(huì)智能維護(hù)系統(tǒng)研究中心（IMS）主任李杰教授對(duì)中國(guó)制造給出了許多有益建議，并接受了澎湃新聞的專訪。

在制造系統(tǒng)和商業(yè)環(huán)境變得日益復(fù)雜的今天，利用大數(shù)據(jù)去解決問(wèn)題和積累知識(shí)或許是更加高效和便捷的方式?！按髷?shù)據(jù)的目的并不是追求數(shù)據(jù)量大，而是通過(guò)系統(tǒng)式的數(shù)據(jù)收集和分析手段，實(shí)現(xiàn)價(jià)值的最大化。所以推動(dòng)智能制造的并不是大數(shù)據(jù)本身，而是大數(shù)據(jù)的分析技術(shù)，”李杰在采訪中再三強(qiáng)調(diào)，數(shù)據(jù)本身不會(huì)說(shuō)話，也不會(huì)直接創(chuàng)造價(jià)值，真正為企業(yè)帶來(lái)價(jià)值的是數(shù)據(jù)經(jīng)過(guò)實(shí)時(shí)分析后及時(shí)地流向決策鏈的各個(gè)環(huán)節(jié)，或是成為面向客戶創(chuàng)造價(jià)值服務(wù)的內(nèi)容和依據(jù)。

大數(shù)據(jù)如何具體推動(dòng)智能制造？

李杰告訴澎湃新聞?dòng)浾撸梢詮娜齻€(gè)方向看這一問(wèn)題?！暗谝粋€(gè)方向是利用大數(shù)據(jù)分析，從解決問(wèn)題到避免問(wèn)題。”

20世紀(jì)80年代，美國(guó)制造受到了德國(guó)和日本的巨大沖擊，尤其是在汽車制造行業(yè)，德國(guó)和日本的汽車以更優(yōu)的質(zhì)量和更好的舒適度迅速占領(lǐng)了美國(guó)市場(chǎng)。令美國(guó)廠商百思不得其解的是，美國(guó)在生產(chǎn)技術(shù)、裝備、設(shè)計(jì)和工藝方面并不比德國(guó)和日本差，在汽車制造領(lǐng)域積累的時(shí)間甚至超過(guò)他們，但是為什么美國(guó)汽車的質(zhì)量和精度就是趕不上人家？

在那個(gè)時(shí)候，質(zhì)量管理已經(jīng)在汽車制造領(lǐng)域十分普及了。光學(xué)測(cè)量被應(yīng)用在產(chǎn)品線上以后，在零部件生產(chǎn)和車身裝配的各個(gè)工序已積累大量的測(cè)量數(shù)據(jù)。但問(wèn)題是，即便測(cè)量十分精準(zhǔn)，在各個(gè)工序和零部件生產(chǎn)、車身裝配都進(jìn)行嚴(yán)格的質(zhì)量控制，可在組裝完畢后依然有較大的誤差。于是美國(guó)的汽車廠商不得不花大量時(shí)間反復(fù)修改和匹配工藝參數(shù)，最終的質(zhì)量卻依然不穩(wěn)定，時(shí)常出現(xiàn)每一個(gè)工序都在質(zhì)量控制范圍內(nèi)，但最終的產(chǎn)品質(zhì)量依然不能達(dá)標(biāo)。

李杰告訴澎湃新聞?dòng)浾?，針?duì)這一難題，上世紀(jì)90年代他們與美國(guó)密歇根大學(xué)吳賢銘教授一起發(fā)起了“2mm”工程來(lái)解決這一問(wèn)題。什么是“2mm”工程？李杰解釋：“就是利用統(tǒng)計(jì)科學(xué)對(duì)這些龐大的測(cè)量數(shù)據(jù)進(jìn)行分析，對(duì)質(zhì)量誤差的積累過(guò)程進(jìn)行分析和建模，從而解釋誤差的來(lái)源并進(jìn)行控制，使車身波動(dòng)降低到所有關(guān)鍵尺寸質(zhì)量的6-sigma值必須小于2mm，2mm是當(dāng)時(shí)理論上的精度控制極限值?！?/p>

在引入上述數(shù)據(jù)分析對(duì)質(zhì)量進(jìn)行管理和控制的方法后，產(chǎn)品的設(shè)計(jì)周期和成本得以大幅降低，并且產(chǎn)品質(zhì)量的精密度和穩(wěn)定性也得以明顯提升。1992年12月，一個(gè)位于美國(guó)密歇根州底特律市的裝配工程陳宮實(shí)現(xiàn)了2mm變化級(jí)，并第一次將2mm工程成功市場(chǎng)化。李杰表示，這一方法并不需要大量的硬件投入和生產(chǎn)線的改變，實(shí)施的成本非常低廉，但產(chǎn)生的效果顯著，因而被廣泛推廣到飛機(jī)制造、發(fā)動(dòng)機(jī)制造和能源裝備等各類制造領(lǐng)域，對(duì)美國(guó)制造精度的提升起到了重要的推動(dòng)作用。

大數(shù)據(jù)推動(dòng)智能制造的第二個(gè)方向，是利用大數(shù)據(jù)預(yù)測(cè)隱性問(wèn)題，在問(wèn)題成為顯性前就進(jìn)行解決。

如果將露出海面的冰山比作可見(jiàn)問(wèn)題，那么硬性問(wèn)題就是隱藏在冰山下的惡魔。李杰用冰山模型向澎湃新聞?dòng)浾呓榻B了制造系統(tǒng)中可見(jiàn)與不可見(jiàn)的問(wèn)題。

“生產(chǎn)系統(tǒng)中存在著不可見(jiàn)因素的影響，比如設(shè)備性能的衰退、精度的缺失、易耗件的磨損和資源的浪費(fèi)等。而可見(jiàn)的影響因素往往是不可見(jiàn)因素積累到一定程度所引起的，比如設(shè)備的衰退最終導(dǎo)致停機(jī)、精度的缺失最終導(dǎo)致質(zhì)量偏差等。”李杰表示，對(duì)這些不可見(jiàn)因素進(jìn)行預(yù)測(cè)和管理是避免可見(jiàn)因素影響的關(guān)鍵?！翱梢詮臄?shù)據(jù)當(dāng)中抽象提取出的、與判斷某一事物的狀態(tài)或?qū)傩杂休^強(qiáng)關(guān)聯(lián)的、可被量化的指標(biāo)。常用的特征包括時(shí)域信號(hào)的統(tǒng)計(jì)特征、波形信號(hào)的頻域特征、能量譜特征、特定工況下的信號(hào)讀數(shù)等。在一個(gè)坐標(biāo)系中這些特征的分布就劃分了若干區(qū)域，這其中既有健康狀態(tài)的分布區(qū)域，也有不同故障模式下的分布區(qū)域?！?/p>

“當(dāng)我們將這些區(qū)域分別建模時(shí)，在制造系統(tǒng)的運(yùn)行過(guò)程中這個(gè)分布可能會(huì)慢慢偏移，這時(shí)與正常狀態(tài)和某一類異常狀態(tài)可能有所重疊，那么其與正常狀態(tài)的相似程度就代表它的健康值，與故障狀態(tài)的相似程度就代表了其故障風(fēng)險(xiǎn)，我們可以將這個(gè)相似程度進(jìn)行量化。隨著時(shí)間的推移，這個(gè)分布可能會(huì)有慢慢向某一個(gè)狀態(tài)發(fā)展的趨勢(shì)，我們所量化的結(jié)果就形成了一個(gè)時(shí)間序列，這個(gè)時(shí)間序列代表的就是衰退的軌跡，進(jìn)而對(duì)這個(gè)趨勢(shì)的未來(lái)發(fā)展進(jìn)行預(yù)測(cè)，就可以推斷出在未來(lái)的什么時(shí)間會(huì)發(fā)生什么問(wèn)題或故障，”李杰介紹。

因此美國(guó)辛辛那提大學(xué)NSF產(chǎn)學(xué)研合作智能維護(hù)研究中心提出并發(fā)展了針對(duì)預(yù)診斷與健康管理的工具箱，將廣泛使用的智能分析算法整合在一起，并且評(píng)估每一個(gè)算法在不用情況下的優(yōu)勢(shì)和劣勢(shì)，采用一種系統(tǒng)化的方法把每個(gè)算法的適用度進(jìn)行優(yōu)先級(jí)排序，從而減少了實(shí)際應(yīng)用開發(fā)中反復(fù)試驗(yàn)的次數(shù)。

“第三個(gè)方向，就是利用反向工程，從結(jié)果中找到原因”，李杰總結(jié)。李杰依然以航空發(fā)動(dòng)機(jī)為例：“事實(shí)上航空發(fā)動(dòng)機(jī)真正的科技與挑戰(zhàn)都是隱藏在‘看不見(jiàn)的世界’中，其中的‘隱性科技/殺手’就存在于包括航空發(fā)動(dòng)機(jī)、半導(dǎo)體制造和精密元器件等領(lǐng)域里最尖端并且最富挑戰(zhàn)的核心和關(guān)鍵技術(shù)。因?yàn)槿藗儾涣私馑嬖诘脑蚝图せ畹臈l件，它們都隱藏在不穩(wěn)定、非線性、瞬態(tài)和隨機(jī)的工況與過(guò)程之中?！?/p>

譬如，在同樣一張圖紙上所定義的厚度及其分配曲線是明確的、清楚的。但是不同的厚度及分配對(duì)部件的性能、安全性、可靠性及持久性是隱形的科技。“如何去找出一個(gè)最優(yōu)化的厚度分配，其本身就是一個(gè)非常具有挑戰(zhàn)性的題目。所謂先進(jìn)科技就是如何挖掘這些隱性殺手，然后控制住所有可激活的條件。大數(shù)據(jù)可以幫助我們達(dá)成這個(gè)目標(biāo)?！?/p>

1989年7月19日，一架從丹佛起飛計(jì)劃飛往芝加哥奧黑爾國(guó)際機(jī)場(chǎng)的道格拉斯三引擎客機(jī)DC-10，在飛到愛(ài)荷華的玉米田上空時(shí)二號(hào)引擎空中爆炸，導(dǎo)致了機(jī)上296人中的111人不幸遇難。調(diào)查人員發(fā)現(xiàn)，是由于引擎中的風(fēng)扇盤破裂，導(dǎo)致了事故的發(fā)生。

針對(duì)疲勞裂紋產(chǎn)生的區(qū)域進(jìn)行更深入的分析后發(fā)現(xiàn)，導(dǎo)致風(fēng)扇盤損壞的罪魁禍?zhǔn)资氢伜辖鹑~盤中混入的少量氮元素與氧元素。這些雜質(zhì)如果出現(xiàn)在鈦合金的部件之內(nèi)就會(huì)增加它的脆性，使其容易在受力的情況下產(chǎn)生裂紋。即使引擎部件裂紋的檢測(cè)包含在引擎的例行檢查項(xiàng)目之中，但該風(fēng)扇盤的裂紋產(chǎn)生的地方極難察覺(jué)，導(dǎo)致了事故的發(fā)生。

“風(fēng)扇盤制造過(guò)程產(chǎn)生的缺陷或許才應(yīng)該是事故發(fā)生的必要因素，但又不構(gòu)成充分的條件。因?yàn)樵诶匣倪^(guò)程中，許多隱形特性（疲勞與應(yīng)力特性）的加入，導(dǎo)致了最后事故的發(fā)生。”

李杰在《從大數(shù)據(jù)到智能制造》中詳細(xì)分享了多例案例。“航空發(fā)動(dòng)機(jī)的安全、可靠及持久性很大程度上建立在偶然率之上。為了更好認(rèn)識(shí)和控制那些‘隱形的特性’，不僅需要提升設(shè)計(jì)、材料、制造、維護(hù)以及測(cè)試的技術(shù)水平，更需要主動(dòng)地對(duì)它進(jìn)行監(jiān)控與預(yù)測(cè)，獲取部件實(shí)際的運(yùn)行特性曲線，進(jìn)而預(yù)測(cè)其故障發(fā)生的可能性?！崩罱芴岢觯I(yè)互聯(lián)網(wǎng)與大數(shù)據(jù)為這種基于不確定性與概率的特性評(píng)估提供了技術(shù)基礎(chǔ)。

李杰告訴澎湃新聞?dòng)浾?，大?shù)據(jù)在智能制造中的典型應(yīng)用場(chǎng)景還包括加速產(chǎn)品創(chuàng)新、生產(chǎn)系統(tǒng)質(zhì)量的預(yù)測(cè)性管理、產(chǎn)品健康管理及預(yù)測(cè)性維護(hù)、能量管理、環(huán)保與安全、工業(yè)企業(yè)供應(yīng)鏈優(yōu)化、產(chǎn)品精確營(yíng)銷、智能裝備和生產(chǎn)系統(tǒng)的自省性與自重構(gòu)能力等。

中國(guó)制造業(yè)轉(zhuǎn)型的方向在哪里？

李杰給出了三個(gè)方向分別適用的幾種情況?！啊畯慕鉀Q問(wèn)題到避免問(wèn)題’這一方向適合在某一個(gè)領(lǐng)域已經(jīng)做了很久，有了一定的積累，但是卻不知道為什么做得好或是不好。比如中國(guó)的離散制造、精密加工、汽車制造、裝配制造等領(lǐng)域；第二個(gè)方向預(yù)測(cè)隱性問(wèn)題，適用于在解決了可見(jiàn)的問(wèn)題之后，仍然存在一些不可見(jiàn)問(wèn)題對(duì)制造系統(tǒng)造成的影響，希望能夠了解不可見(jiàn)因素的變化過(guò)程和相互的關(guān)聯(lián)性，積累更加深入的領(lǐng)域知識(shí)；而在制造基礎(chǔ)非常薄弱的領(lǐng)域，并沒(méi)有形成太多有效的數(shù)據(jù)，但是從國(guó)外聘請(qǐng)了非常有經(jīng)驗(yàn)和知識(shí)的人，則可以實(shí)施反向智能制造?！?/p>

最近，“提升供給側(cè)質(zhì)量”成為中國(guó)政府在重整制造業(yè)中的重要改革舉措。李杰認(rèn)為，用“制造競(jìng)爭(zhēng)力=產(chǎn)品質(zhì)量/成本”這個(gè)簡(jiǎn)單的公式可以衡量供給側(cè)的質(zhì)量。

“提升產(chǎn)品質(zhì)量的方式有很多種，但是我認(rèn)為中國(guó)制造目前最需要提升的是標(biāo)準(zhǔn)化、規(guī)范化和合理化，至于是應(yīng)該使用自動(dòng)化、信息化、機(jī)器換人，還是工匠精神等方式，應(yīng)該視具體的行業(yè)和企業(yè)的情況而定。”

李杰特意指出，工匠精神未必一定是好的，比如最注重工匠精神的日本，很多企業(yè)由于過(guò)于嚴(yán)苛地追求性能指標(biāo)的極致而投入了大量不必要的成本，使性能比其他產(chǎn)品高出1倍，但其代價(jià)可能是導(dǎo)致商品的價(jià)格高出了3-5倍，這樣的產(chǎn)品顯然也是不具備競(jìng)爭(zhēng)力的?！霸诓粚?duì)成本加以限制的情況下任何一個(gè)企業(yè)都能夠做出質(zhì)量和性能很高的產(chǎn)品，但是物美的同時(shí)做到價(jià)廉就很難了，這是一個(gè)復(fù)雜的系統(tǒng)工程，需要對(duì)生產(chǎn)系統(tǒng)的各個(gè)方面進(jìn)行優(yōu)化。

除此之外，中國(guó)制造業(yè)的供給側(cè)質(zhì)量改革，李杰建議可以從兩個(gè)方向進(jìn)行嘗試：“一是從以往的依靠投資拉動(dòng)需求，轉(zhuǎn)變?yōu)橐灾骺厥絼?chuàng)新的思維挖掘市場(chǎng)潛在的需求；二是將資源要素向價(jià)值鏈上游轉(zhuǎn)移，增加基礎(chǔ)科學(xué)研究領(lǐng)域的投入，研究與產(chǎn)品開發(fā)均衡發(fā)展，在生產(chǎn)系統(tǒng)上游的要素中取得更多的話語(yǔ)權(quán)，逐漸從價(jià)值鏈的較低端向高端環(huán)節(jié)轉(zhuǎn)移?！?/p>

“我們相信中國(guó)會(huì)成為新制造革命的中心，因?yàn)榇髷?shù)據(jù)將成為中國(guó)繼人口紅利之后的又一大競(jìng)爭(zhēng)優(yōu)勢(shì)，中國(guó)應(yīng)該利用好使用數(shù)據(jù)的資源，才能彌補(bǔ)中國(guó)在裝備制造和核心零部件等方面的弱勢(shì)，做到讓世界向中國(guó)學(xué)習(xí)在制造系統(tǒng)中創(chuàng)智和創(chuàng)值的經(jīng)驗(yàn)。”李杰說(shuō)。