智能制造的必经之路是什么?-电子发烧友网

关于智能制造，现在经常听到往往是“数字化、网络化、智能化”。粗听起来似乎很有道理，但这是一个在逻辑上略显含糊的说法。“数字化、网络化、智能化”到底是指实现智能制造的三个阶段，还是指每一步是实现后续步骤的先决条件？

如果说这“三化”是指三个“阶段”，是否意味着企业走到“网络化”阶段，再稍加努力就能顺利走到“智能化”？然而，从网络化到智能化的道路还很漫长，它们之间并没有自然而然的衔接关系。

而如果说是指每一步骤是实现后续步骤的先决条件，那么是否企业具备了“数字化、网络化”的条件，才能实现“智能化”？然而，现在少数企业已经实现了数字化和网络化，但是肯定还做不到智能化。

笔者认为，在智能化之前，一定还有一个阶段是不可跨越的。没有经历这个阶段，智能制造是难以落地的。这个阶段就是“知识化”。

一、智能的三个进化路径

在讨论实现智能制造的具体步骤之前，笔者先从一个更高的层面——人造系统如何走向智能来展开论述。在笔者参著的《三体智能革命》（以下简称“《三》”）书中提出了一个在物理实体、意识人体、数字虚体“三体智能模型”框架下，人造系统“智能化”的三个进化路径：

第一个进化路径是数字化移民，也就是在物理设备中嵌入数字化计算内核。嵌入式系统的发展，已经从早期非数字化式元器件嵌入，迅速发展到了数字化计算内核的嵌入。主要的实现方式是，从人的意识提炼知识，知识嵌入软件，软件嵌入硬件，形成计算内核，计算内核嵌入物理设备。由此而形成赛博系统，变身成为数字化移民。未来目标是数字化一切可以数字化的事物。

第二个进化路径是网络化联接，形成广域比特化数据通道。物质世界中的要素联接，正在所有的领域内和领域之间发生。其实现方式首先是物质（机械，如导线）联接，其次是能量（物理场，如传感器）联接，然后是信息（数字，如比特）联接，最终是意识（生物场，如思维）联接。各种赛博系统的互接互通才能发展成为赛博物理系统（CPS），才能打通比特化数据流通道，搭载数字化的数据、信息与知识，实现计算、控制和决策。未来目标是网联一切可以联接的事物。

第三进化路径是主体认知化，形成三体大知识交互能力。加速知识流动，知识泛在引发智能爆发。其实现方式是实体嵌入数体智能，建立智能认知引擎，吃进数据，挤出知识。未来目标是自动知识创新，模糊三体边界。

以上内容摘自《三》书，是作者融汇了在制造业、工业软件领域三十多年的从业经验，结合两化融合、知识工程、知识管理、TRIZ发明方法论等专业理论而系统归纳出来的进化路径。近年来，笔者一直在写文章和讲演中坚持自己的这个观点：无论是智能制造还是工业4.0，其落地路径应该经历这三个步骤：数字化，网络化，知识化。此“三化”的观点，就是对上述三个走向智能进化路径的简要表述。

对于前“两化”，业界基本上没有争议。事实上，所有的物理设备也是沿着这样的路径在逐步演变的。而对于第三化，则有较多不同观点。

二、知识的关键作用

按照《三》书观点，经典的知识发生学是典型的两体作用，即知识源于意识人体与物理实体的相互作用。千百万年来，“人创造和积累了无数的知识：人对自然界认知的意识活动的结果，形成了对自然信息的记录、描述、分析、判断和推理，逐渐建立了经典的DIKW（Data-Information-Knowledge-Wisdom）金字塔体系，来描述人的知识体系及其演化路径：数据→信息→知识→智慧。数据可以比较大小，3比2大，5比6小；信息体现了数据的含义，具有了时空意义；知识是模型化的、指导人做事的信息；智慧则是人的洞察力在意识上的体现，推断出未发生的事物之间的相关性，在既有知识的支持下产生创新知识。”

DIKW金字塔是以人为主体来作用与衡量的，“指导人做事”的意义在于，知识可以指导人来正确地、优化地做事。在今天，当知识进入了机器等人造系统并且可以在其中自动流动之后，知识不仅可以指导人正确做事，也可以指导机器正确做事，由此而快速响应和减少复杂系统的不确定性，实现资源的优化配置——这既是智能制造的内涵，也是知识作为制造过程中任何一个业务活动的关键“供给”要素的本质。

许多企业，购买了很多好软件，但是熟练使用软件的员工跳槽了，这些软件就没有人玩得转了，闲置在那里干不了活儿，领导急得跳脚也没有办法；或者是配置了最强的计算机、最新版的各类进口工业软件，但是就是干不出来国外同行最好的产品，掌握不了最关键的核心技术。

问题出在哪里？

企业购买的那么多的先进软件不能解决问题吗？还真不能。因为大部分软件都是通用软件，尽管软件中有不少通用知识，但是缺乏企业研发特定产品时真正需要的最适用的专业知识。这些专业知识是在长期的技术积累过程中形成的，要么由专业人士脑记忆携带，要么在资料室以纸介质保存。在知识“供给”中最容易产生的问题是：人跳槽则知识随之带走，锁在保险柜中的知识并不好用。

制造过程乃至整个制造业，说到底，是在物料和知识等要素的共同驱动下前进的，而前进的步伐，就是一个接一个的业务活动，以及支撑这些业务活动的一批接一批的知识“供给”。

知识这种“供给”要素，在制造过程中的任何一个使用场景中往往都是供给不足的。上面讲的两个缺知识的场景，是在人脑智力系统和软件工具系统中严重供给不足的实例。其实，在很多场景下，都迫切需要知识但是同时又隐含了知识的供给与支持作用，例如对工业大数据的分析就离不开知识，而分析的结果往往又以知识的形式呈现出来。而现在最常见的情形是，很多人都在谈大数据，很少有人谈真正玩转大数据所需要的知识。

三、崭新的知识发生学

一方面是知识供给严重不足，另一方面是知识发生学在悄然发生变化。

三百万年前，人类祖先智人开始了认识自然、学习自然、掌握改造自然的工具的伟大历史进程。在肯尼亚图尔卡纳湖岸边就曾经发现了人类祖先在330万年前制造的石器工具（切削器）。在这件工具上，凝结着当时人类制作石器工具的原始知识。

人类在创造劳动工具（人造系统）的同时，也创造、积累了各种知识，并用这些知识来指导自己更好地创新和优化各种人造系统。截止到第三次工业革命之前，这是一种持续了三百万年的两体作用的知识发生学。

伴随着电脑的诞生、数字虚体世界的崛起与发达，我们的世界快速进化成为由物理实体、意识人体和数字虚体“三体”交汇作用的世界，知识发生学被重新改写，即从过去的两体作用产生知识，发展到全新的三体作用产生知识

延续最古老的方式，由意识人体与物理实体相互作用而产生知识；

对进入数字虚体中的各种大数据进行处理与筛选，从大数据中发现和提炼有价值的知识；

由日趋智能的人造系统基于已经输入和不断学习到的知识来自动产生新知识。这些新知识是形式多样的，既可能是人类目前具有的，也可能是所不具有的。

当知识以这样三种方式综合产生时，知识发生的广度、频度和密度都会以惊人的速度增加，“大知识”时代就会真正来临。摆在人们面前的紧迫任务是，如何以新的视角认识知识的重要作用？如何辨识每项业务活动所需要的知识，并加强知识在业务活动中的供给？如何在新的知识发生学中理顺知识的“产生-供给-应用”的关系？

四、如何理解知识化

知识化，并不是让员工多学一些知识，也不是在本单位搞一点知识管理，更不是多建几个资料室和图书馆，这些活动都只是知识化的基础。

无论是过去还是现在，无论是在自动化、数字化、网络化阶段，知识都在企业的产品生命周期、工厂生命周期中等业务流程中起着非常重要的“使能”与供给作用。在知识密集型企业中，注重知识积累，开展知识工程，盘活知识存量，实施集中管理，从来都是一项极其重要、但是看似不新鲜、而且绝大多数企业领导普遍忽视的工作。但是，即使做好这些工作还达不到知识化。

本文所指的知识化，具有丰富的、多层面的含义，体现在六个转变维度上，如图1所示。

图1 知识化的六大转变维度

从评价体系来说，它指从传统的以设备、场地、人员多寡和先进与否为主的评价指标，转向以知识多寡和先进与否为主的评价指标；

从工业装备来说，它指从原来特别强调构建硬装备的工业设施，转向强调兼顾构建以知识、算法、数据、模型、软件为主的软装备；

从人员构成来说，它指从以物质化产品生产者为主的企业研发团队，转向以知识生产者为主的企业研发与服务团队；

从知识来源来说，它指从以人脑为主的知识来源，转向兼有以智能系统产生知识、从大数据分析产生知识等多元化的“大知识”来源；

从基础设施来说，它指从以水、电、燃气为主的基础设施，转向同时构建以网络泛在、知识泛在的基础设施，知识资源被高度共享与应用。

从社会形态来说，它指一个社会从以传统的物质、能量产生价值为主体的经济结构，转向以知识产生价值为主体的知识经济结构。

无处不在的知识，可以优化物料流、减少人员流，节省资金流。最终，人、机、物在知识的作用下发挥智能潜力，社会日趋达到和谐与智能的理想状态。

五、知识的数字化

前面提到了描述人的知识体系及其演化路径的DIKW金字塔体系，传统载体是人脑生物记忆和典型的纸介质记录方式，即脑记、笔录、打印各种数据、信息和知识。这些传统载体的数据、信息和知识，无法克服时空障碍，难以全生命周期、全息、高速、顺畅地远距离传递。

而在数字虚体中，这些原本记载于传统介质的数据、知识和信息，在比特的“数字化”作用下，变成了数字化数据、数字化信息和数字化知识。时空障碍被网络消除，数据可以自动流动，数字化的知识可以全生命周期、全息、高速、顺畅地远距离送达。

因此，“数字化一切可以数字化的事物”，就变得非常重要。企业的技术要数字化，专业知识要数字化，产品和设备要数字化，研发手段要数字化，工艺要数字化，管理流程要数字化，客户要数字化，服务要数字化……，等等。笔者在这里要特别强调的是“知识数字化”，因为只有数字化的知识，才可以在数字化设备和网络上任意流动。只有实现知识化，才能推动数据流动自动化，而数据流动自动化，又可以承载和提供更多更好的知识供给。知识数字化的小目标时：通畅数据流、承载知识流，优化物料流、减少人员流、节省资金流。

无论是隐藏在意识人体中的知识，固化在实体设备中的知识，流动在数字虚体中的知识，还是提炼于大数据中的知识，乃至由智能系统“自创”的知识，这些知识是实现系统智能的源头，是让各种企业活动在原有的基础上提升水平与增加价值的驱动力。

实现知识化，可以从以下三个方面着手：

1.知识系统化，注重企业知识资产的管理与应用，盘活存量，激发增量，用好总量。最重要的是，把以生物记忆、纸介质形式保存的知识，转化成数字化知识；

2.知识流动化，由软件建立规则，形成在网络上自动流动的比特数据流，把数字化知识输送到任何需要的地方，由此而以正确、泛在的知识指导机器或人，在系统内外部的不确定性、复杂的工作场景和给定的资源限制下，通过不断重复“状态感知、实时分析、自主决策、精准执行、学习提升”的智能过程，把正确的数据（所承载知识），以合适的版本，在恰当的时间，给到正确的人（和机器），因此而把事情一次做对，一次做优，甚至可以在下次做得更好。

3.知识软件化，软件是实现知识数字化、网络化的有效载体。具体有两个做法，一是在现有的通用软件中增加富含专业知识的小程序，二是把数字化的专业知识，进一步写成专业软件，并且将这些专业软件标准的接口形式集成到研发平台中。当软件系统具有更多的知识时，既意味着功能更强大，也意味着更加智能化。

不仅知识数字化容易封装在软件中，进而还可以把标准和规范等“经过严格验证的知识”嵌入到研发、管理或服务等数字化业务流程中，实现知识驱动的产品创新研发，让知识对人启智开慧，为产品增值赋能。

过去往往强调以知识武装人，而今天我们要强调以数字化的知识来同时武装人和各类人造系统（如软件系统和机器），让系统具有某种模仿或类似人的智能。知识化，可以让人造系统比较顺利地过渡到智能化。

六、智能制造几步走

实现智能制造，不可一蹴而就，必须分步走，这一点业界是有共识的。

如何从现有的自动化基础上逐步走向智能制造？这是几乎所有的企业都在询问的问题。如果读者理解了前面的内容，那么走向智能制造的方向和步骤就基本清晰了。至于分成几步走，其实并不是最关键的问题，关键是知识化的步骤不能漏掉。

北航刘强教授给出了在发展智能制造过程中“三个不要”的观点：

（1）不要在落后的工艺基础上搞自动化——工业2.0必须先解决的问题（需补标准化和自动化的课）；

（2）不要在落后的管理基础上搞信息化——工业3.0必须先解决的问题（需补建立在现代管理基础上的信息化的课）；

（3）不要在不具备数字化网络化基础时搞智能化——工业4.0必须先解决的问题（数字化网络化需要补课的太多了）。

“三个不要”观点明确了走向智能制造的基础与条件，即企业在起点上应该先固化、优化生产工艺，由此打好自动化基础，然后再提升管理水平，顺利过渡到信息化（本文使用近义词“数字化”），再往后需要夯实网络化基础，具备很多条件（补很多课），再进行智能化建设。

笔者赞同刘教授的观点，只是在网络化与智能化之间，应该还需要明确一个专门的阶段，那就是知识化。