几周前，中国工程院“制造强国战略研究”重大咨询项目组特邀美国辛辛那提大学特聘讲座教授李杰在中国工程院做了题为“智能机器和工业4.0制造系统的智能分析”的学术报告。此前，德国产业和学术界率先提出了工业4.0的概念，希望通过融入虚拟制造及智能制造，使传统的制造业发生革命性改变，而德国人的幕后高参仍然是李杰教授。为使读者了解即将到来的这次制造业革命的大致内容及其背景，笔者专访了这位提出“从创新到创值”、“预测制造”等全新概念并一直在产业一线提供战略咨询的专家。

　　

　　“工业4.0”也是预测型制造的时代

　　

　　笔者：您在前不久发表的文章中说，现在是预测制造的时代，工业4.0和预测制造这两者间有何关联?

　　

　　李杰：工业4.0的概念有三个支撑点：一是制造本身的价值化，不仅仅是做好一个产品，而且是把产品生产制造过程做到浪费最少、制造过程与设计者配合;二是制造过程中，根据加工产品的差异、加工状况的改变能自动作出调整，达到具有所谓的“自省”能力，也就是整个系统，包括设备机器本身，在设计制造过程中能根据变化的情况，及时作出调整;三是在整个制造过程中达到零故障、零忧虑、零意外、零污染，至少要低忧虑、低污染，使制造过程达到最小忧虑化，这就是制造业的最高境界。

　　

　　以工业制造业的基础装备机床来说，以物理形态存在的机床大家早已熟悉，但是工业4.0时代的机床和我们原先对机床的理解是有很大差异的。譬如它工作时和停机时是不一样的，机床工作时其内置的传感仪器将机床的状态通过信号的形式发送出来并转换成信息，这些信息可以用于对机床状态的分析。

　　

　　同样，4.0时代的螺杆，可以提前显示什么时候需要做润滑保养。机床性能减退，造成精度失准，这是制造业需要竭力避免的事情，但是过去人们只是凭经验推断，很多时候其实是不知道所谓的机器性能衰退时间的。从这个意义上来讲，工业4.0时代就是预测制造的时代，比如飞机的起落架，出厂前出厂后，我们会帮生产厂家做一个测试，然后就可以算出来，螺杆一旦处于使用状态就会自动反馈机械运行信息，这样企业就能实时了解这台设备的健康情况如何。

　　

　　以此类推，4.0时代的轮胎，那些一直在接货送货的轮胎，哪个轮胎变化特别大，哪个轮胎的健康在衰退，什么时候应该翻胎，都是可以分析预知的。

　　

　　4.0时代的汽车，开到一个地方突然会接到提示说，前面50米处有一个坑，这是因为前面的车也有传感器，而它经过后产生了感应信息，把这个信息分享给了相近的车辆。诸如此类的案例我们有100多个。

　　

　　具有“自省”能力的预测制造系统

　　

　　笔者：关于预测制造，好像还是一个很新的概念，能否请您再作一点具体描述?

　　

　　李杰：如前面所说，在现代制造中，存在着许多无法被定量、无法被决策者掌握的不确定因素。这些不确定因素在制造业内外都始终存在。

　　

　　解决制造过程中的不确定问题的第一步，是将其分为两部分：可见的问题和不可见的问题。

　　

　　可见的问题包括加工失效、产品缺陷、极低的循环寿命和整体设备效能下降等。这些可见的状况和信息，通过事后分析大部分都可以找到原因。事实上在日常的工业生产中，可见的问题是容易看到并能够得到解决的。

　　

　　不可见问题通常表现为设备的加工性能下降、零部件磨损等。这些不可见的问题，恰恰是很多人所忽视的。人们通常想当然地认为，一台正常的设备是能持续有效工作较长一段时间的。而这在真实的工厂生产中基本上是不可能的，而看不见但每时每刻在发生的设备损耗则是事实，但在很长的时间里，人们忽视了这一事实，当然那时即使知道了也没有太多的办法，一般只能是到了所谓的设备老化期就将设备报废了事。

　　

　　我们提出的思路是：提供透明化的工具和技术，将不可见环节中产生的问题复现出来，这才是解决问题的关键。所谓透明化就是阐释并量化那些不确定性因素，以使生产组织者能客观地估计自身制造的能力。

　　

　　为了使设备真正透明化，制造业必须尝试改变为可预测的制造。这样的革新需要使用先进的预测性工具和方法，从而使得制造过程中不断产生出来的数据可以被系统性地处理为信息。这样的信息将有助于解释不确定因素，从而使生产资源经理和过程主管掌握信息，然后有把握地做出决定。由此，我们提出了“预测性制造系统”(Predictive Manufacturing)的概念。预测性制造系统，可以使设备拥有“自省”能力，因而能提供给用户透明化并且最终预防有关产能、效率和安全性的潜在问题。

　　

　　预测性制造系统的核心技术是智能运算(SmartAnalytics)单元，它包含了对设备功能性进行预测建模的智能软件。对设备性能的分析和失效时间的估计，能够降低设备性能这一内在不确定因素的影响，使用户得以缓解或者消除制造运行中产能或效率上的损失。

　　

　　上面提到，工业4.0时代制造业追求的目标是实现“无忧虑的制造”。达到这一境界，有赖于运用自动化手段、使控制器的软件能预测装备、设备的衰退状况，并加以及时调整。譬如一条生产线上有很多传感器，但传感器本身如果衰退(这是经常会发生的)了，设备只能在出了问题后才去处理;而“自省功能”就能让员工知道哪个传感器不稳了，这样可提前更换，或是跳过这个传感器。这就是一种所谓的自省式的智能化，而非单纯的智能化，工业3.0时代的智能化就是控制系统、控制器加上计算机。而工业4.0是具有自省功能的智能化，是能根据生产环境和设备状况随之作出调整的预测制造系统。

　　

　　从不可见问题入手提升创新价值

　　

　　笔者：记得几年前您曾经在我们报上提出创造出更高的价值是创新应有的涵义，包括您提出的“蛋黄蛋白理论”，这些思维在工业4.0时代如何体现?

　　

　　李杰：首先我想再次强调，引导产品创新的，不是通过去找需求，而是去找GAP(空缺)。通常来说创新分三种：企业经常性地改进产品，把产品改得更受用户喜欢，这是第一种连续性的产品创新;第二种是非连续性的产品创新，目前大部分产业研究院都在做这种事情。一种新技术用上后，可以引出多项发明，改变了整个产品。这个就是所谓的研发;第三种是我一直讲的主控式创新(Dominant Innovation)。此种创新不直接面对消费者的需求，而是以情境模拟的方式，思考该赋予新产品哪些功能，并以突破性的创新研发技术完成该项新产品雏型，接着才将之推至消费市场。在情景模拟中发现产品的新功能，我称之为“发现GAP”。

　　

　　通过发现GAP来推动的创新跟其他几种创新模式是不一样的。这种方式不是以人(消费者)的需要为出发点的，也不是都听顾客的。顾客一般都是追求更大的蛋黄，很少给你讲潜在的、外围的东西，很可能他们还没有这种意识或根本就不知道。就比如买车子的人更关心的是耗油情况，但很少人知道司机开车的习惯可能影响20%的油钱。所以这里的GAP不是车子，而是司机的开车习惯。如果仅仅按照顾客的需求来做车，那制造商会努力生产更省油的汽车、更舒适的汽车，在过去的汽车技术上不断精进。这是一种传统工业时代的思维方式。而采用GAP式创新，则是通过数据来模拟情景，不断发现顾客根本没有注意到的产品新功能。我举一个中国国内正在发生的案例，一家原先做家具设计销售的企业“尚品宅配”。五六年前，这家企业的老总接受了我们有关创新创值的理念，企业逐渐从卖家具转向更注重消费者的居家感受，买家只要提供房型及一些个性化的要求，这家企业就能帮客户设计并定制适合的家具。宜家是它有什么你买什么，尚品是你想要什么，它提供什么，他们现在在制造方面只是作了一些模板，让机器去配合，在选式样、颜色、性状方面已经实现了模组化。尚品不是从家具出发，而是从居家的生活感受出发，如再能和制造系统匹配起来，就接近工业4.0前期了。

　　

　　通过分析数据，预测需求，预测制造，这就是我们希望倡导的工业4.0的思维。现在大家都在谈大数据，但大数据本身不是一个问题，而是一个看问题的方式。大数据本身不重要，信息量和创造价值的过程才是真正重要的。大数据只是一个现象，只有真正分析利用了，才会有价值。

　　

　　相关链接

　　

　　德国的工业4.0与美国的CPS

　　

　　德国在去年就提出了工业4.0的概念。他们认为，18世纪引入机械制造设备的工业是1.0时代，20世纪初的电气化与自动化是2.0时代，20世纪70年代开始的信息化是3.0时代，现在正在进入工业4.0时代，即实体物理世界和虚拟网络世界融合的时代。但是德国业界对工业4.0的响应者不多，原因之一是所谓虚拟网络-实体物理系统(Cyber- Physical System,CPS)融合的主要思想，美国早在若干年前就提出来了。

　　

　　2013年12月12日，美国白宫召开了第一次CPS成员会议。李杰教授作为专家组成员参加了会议。他们要讨论的事情，与德国的工业4.0其实是一样的内容。虽然德国先提出了概念，但他们刚刚起步、着手转型，而美国一直在做以CPS为概念的先进制造。或许正是这方面的原因，德国也于2013年10月邀请李杰教授前往分享他们在美国的成功案例。

　　

　　对于CPS的概念，李杰认为可以用日常生活中常见事物来解释。正如人们在facebook里建立的各种关系，在物理世界里是不可见的，但却可以得出这个人的生活社群、行为习惯、过往经历等等。同样，任何产品都有虚拟和实体两个世界(譬如苹果手机是实体，但是APPs是虚体)，如何将虚拟世界里的关系透明化，正是工业4.0时代需要做的产品。未来产品例如机床、飞机、汽车等都应该会有实与虚的价值接合。这样的道理，是德国人提出概念的依据，但是李杰团队在美国已经自2001年开始积累大量和工业界合作建立成功案例。

　　

　　需要强调的是，德国提出的工业4.0和美国的CPS，核心要义就是制造业能基于数据分析的转型。

　　

　　传统制造的5M系统

　　

　　传统的制造可以描述为一个5M系统，它包含了材料(Material，特性和功能)、机器(Machine，精度和加工能力)、方法(Methods，效率和产能)、测量(Measurement，探测和改进)以及建模(Modeling，预测、优化和防范)。增量制造，通俗叫3D打印，也是运用集成的5M方法来生产产品的一个新范例，当然它的生产范围现阶段限于特定的低产量或者定制领域(比如国防或者医疗)的应用产品上。

　　

　　为使制造商更具竞争力，将先进的计算和信息物理融合系统结合起来，以适应或者利用最近的大数据环境是今天的制造业所需要的。随着智能传感器技术，如RFID技术的发展，收集数据已经变得很简单，但仍然存在的问题是，这些器件及数据是否在正确时间、为正确的目的、提供了正确的信息。除非数据被处理后可为需要者提供内容和意义，否则这些数据也是无用的。单纯将传感器连接到设备上或者将一台设备与另一台进行连接，是不会给用户提供足以做出更好决策所需信息的。

　　

　　制造信息系统的6C功能

　　

　　制造信息系统的基本定义可以用6C功能来进一步强化说明，它包含连接(Connection，传感器和网络)、云(Cloud，任何时间及需求的数据)、虚拟网络(Cyber,模式与记忆)、内容(Content，相关性和含义)、社群(Community，分享和交际)与客制化(customization，个性化服务与价值)。现有的制造系统需要对制造设备本身的以及制造过程中产生的数据进行更深入的分析。

　　

　　现在讲大数据的很多，但讲工业大数据的很少。工业大数据是由一个产品制造流程或者一个工业体系带出来的数据，健康管理、地震救治、银行运营等都会带来大数据，但是很少落地，不被人感觉到。工业4.0时代要做的产品，不光要有功能，还要有价值，而价值是通过处理数据得来的。有了这些，工业大数据就可以落地，产生实用价值。

　　

　　马航失联事件给工业界的警示

　　

　　从事工业信息化的人都很关心马航失联事件，因为它反映出在发动机的设计制造方面还有很大的改进空间。

　　

　　马航MH370使用的是罗罗公司(英国飞机发动机制造商罗尔斯罗伊斯公司)的发动机。一般来说，飞机起飞之后到稳定飞行，最后再到达目的地，它的方向是固定的。偏离航道，一定有各种信息反映出来，异常偏移甚至有目的偏离的信息，肯定是可以被感知并且被记录和传递出来的。但是MH370并没有这方面的数据。这也就提示，罗罗公司等发动机生产商提供的服务还是有很大的改进空间。

　　

　　其实，近十年来很多航空公司都在转型。比如GE(通用电气)旗下的飞机发动机公司(GEAircraft Engine)，在2005年将公司名称改为“GE航空”(GEAviation)。改名代表着转型。原来的发动机公司只做发动机，现在改为航空公司，就意味着他们还可以提供安全控件、航管控件、飞航信息等等服务，服务的空间更大了。有了这些服务之后，GE卖的已经不是或者不只是发动机，而是卖航空管理。由此可以认为，罗罗发动机在MH370这起事故中的表现，说明了它在数据处理方面可以做得更好。

　　

　　发动机生产商从过去单纯的发动装置提供者转变为航空信息管理服务提供者，这从一个侧面反映了当今制造业转型的趋势。李杰教授常常会用蛋黄蛋白的形象比喻来试图说明制造业和相关衍生服务业的关系，这个比喻也可以用在这里，如果说发动机是蛋黄的话，其他周边的服务就是蛋白。只做发动机，就是只赚一个蛋黄的钱，而延伸出去的服务，包括维修信息、航管信息等服务附加上去，在方便用户的同时就可以赚到更多的蛋白的钱。这种基于数据分析的延伸性服务，其实正是当前工业发展的大趋势。

　　

　　工业4.0考验中国制造业转型力

　　

　　工业4.0概念提出后，中国很多人也在想怎么做。这次的工业转型对中国产业界来说挑战还是比较大的，因为工业4.0完全是要求有自己的东西，特别在软件方面，这就要求对制造过程有更深入的了解，在此基础上实现制造业装备的设计、控制、智能化与信息技术的结合。所以有很大的挑战。

　　

　　李杰教授在交大这几年也做了一些尝试。以他们做过的智能电池为例。以前做电动车的电池，更强调技术指标是否达到要求。但李杰团队的思路完全不一样。他们的制造方法叫作ABCD。A：最少的电，B：剩下的电，C：使用的电，D：衰退的电。这里面“衰退的电”是不可见的，专门做电池的人一般不会考虑，但却是李杰团队考虑的重点。他们发现，司机开车的时候，他的驾车习惯，如喜欢加大油门开快车还是比较求稳，电池的消耗是不一样的，电池用量跟踩刹车等开车习惯、路况等都很有关系。当然通常汽车厂是不会考虑司机开车习惯的。

　　

　　李杰团队的智能电池布局其实关注的是人，而不是电池。从监控电池出发，可以得出电池在维护、管理、状态方面的信息，同时也就知道了哪种材料，哪个电路更好使用，在制造的时候知道该怎么做。反过来，通过电池的使用情况，也可以得知司机的开车习惯，因此反过来也可以给司机建议，比如稍微减慢速度，就能多跑多少公里。如果再结合了其他信息，我们还可以提供走什么路线最近，到最近的什么地方充电等一系列的后续服务。

　　

　　基于这种思路，他们先开发出软件，放在云端，然后让iPhone、iPad设置进去，开车的时候只要连上这些智能终端，驾车者就能接收到自己车子电池使用状况的信息了。然后到哪里充电，什么时候换电池，也都能在终端上推送了。

　　

　　这就是李杰团队电池专利布局的思路，而不是之前其他搞电池研发的那样，就某种电池本身进行专利申请。全世界申请专利的电动车很多，但是做服务的，用云计算的很少。所有以后做电动车的人，如果要用云计算来指导他们的电池、充电站的管理，就涉及李杰团队的专利了。

　　

　　最近李杰团队还与中国船舶工业集团公司(CSSC)合作，进行产业转型的一些尝试。他们想做的船和过去是不一样的，被称为5S工程。即以大数据为基础，面向“Sea-海洋，Ship-船舶，System-系统，Smart-智能，Service-服务”的船舶运营智能服务体系。告诉船怎么走最省油，怎么可以获知运行之外的物流与安全信息服务等。这是“智慧海洋”的一大实践。中船现在已经发布了和李杰团队共同制造工业4.0船舶的合作构想。

　　

　　其实无论智慧电池，还是智能船舶，和上述飞机发动机案例都是一样的，也就是说工业4.0时代已经从单纯的围绕产品的产销，变为了一整套的基于数据的服务。它的本质是基于工业物联网所提供的数据进行的分析，找出新的拓展空间和新的服务内容。

　　

　　德国、美国现在都已经在这么做了，中国现在该怎么做?中国是制造大国，有很多产品在国际上已经有很大的份额，但都是红海里面的产品。而在主要基于顾客价值的蓝海里面，中国占有的份额很少。现在要转型该怎么转?

　　

　　从现状来看，德国称得上是一个高端制造的大国。但他们卖的也都是蛋黄，都是产品。现在德国人在反思，为什么他们的产品只有功能的价值，没有服务的价值。反思的结果他们提出用工业4.0来变革他们制造业的方向。其核心，就是预测性制造和主控式创新，都是在制造的不可见部分着力。

　　

　　预测性制造，是要弄明白设备的运行状况，通过设备的情况来做适时的维修和恰当的生产。主控式创新，就是为了找到拓展空间，找到用现有的数据可以创造的新服务。李杰团队今年与新加坡成立了一个大数据制造中心，这个中心没有制造，主要任务就是做数据分析。

　　

　　工业4.0是德国提出的新的口号，也是全球制造业下一步的方向。中国的制造业要迎头赶上的话，也是需要用主控式创新的思维方式，预测性制造的制造方式，来重新思考如何转型。把做蛋黄的经验转移到做蛋白上，这样，中国制造业就一定会有更好的未来。

　　

　　李杰教授现任美国辛辛那提大学特聘讲座教授，美国国家科学基金会(NSF)智能维护系统产学合作中心主任。

　　

　　自2000年起，李杰教授和全球80家国际公司做联合研发，研究重点包括以自主计算技术为主的智能预测技术、产品及服务，主控式创新创值设计。他曾于1998年至2000年担任美国联合技术研究中心(UTRC)产品开发与制造部总监，主持了Pratt&Whitney发动机、Sikorsky直升机、开利空调、奥的斯电梯等公司下一代产品中的自动化、材料、绿色工艺、制造技术方面的科研项目。

　　

　　文/江世亮 李辉