李杰：智能化是自动化的知识化，对不可见世界数据的收集与分析

——访李杰，美国国家科学基金会（NSF）智能维护系统研究中心（IMS）中心主任，美国辛辛那提大学特聘讲座教授，长江学者，中组部千人计划专家，工业大数据与智能制造专家

2017年07月28日

　　为什么德国人强调无人工厂，工业4.0提出以后德国企业都做了些什么?为什么日本还在强调人机结合的自动化，强调人的不可替代?IIOT是美国推出的吗?传感器融合技术为什么会在近期受到厂商们关注。智能化有着怎样的深刻含义?中国企业需要在智能化阶段做些什么?

　　工业大数据的作者李杰教授作为智能装备与智能制造领域的权威专家，近期携新书《CPS新一代工业智能》接受了采访，对于世界制造业智能化发展进行了深度分析。

李杰，美国国家科学基金会(NSF)智能维护系统研究中心(IMS)中心主任，美国辛辛那提大学特聘讲座教授

　　美日德制造业核心价值观深度比较

　　为什么德国会率先提出了4.0?

　　因为德国产业的核心或者说强项就是设备，所以德国的观念里一定会强调设备，工业4.0概念完全围绕在设备层，信息层仅作为辅助，德国本土的软件企业SAP虽然很出名，但其他的软件公司又能有多少被人们所熟知呢?

　　德国软件技术的核心是辅助加工设备的生产型软件。这就衍生出来一个问题，德国人对于软件的理解和定义——德国人认为软件是机器的一部分，并没有把软件作为独立的产品来看待。

　　德国长期强调生产自动化，因为这个过程更加依重设备本身。这就好理解为什么德国提出4.0，为什么研究生产系统，机器自动化，传感器，物联网对于德国企业有多理解，但是核心只有一个——通过信息化技术提升德国设备产品的附加值，推广德国产品。德国工业的特点可以归类为“器将精神”，用德国的优秀设备来获取市场的认可，这也揭示了德国提出工业4.0的根本目的，设备销售会随着市场保有量提高而放缓，需要用围绕设备的附加值服务，来促进设备的输出。

　　日本工业发展的模式可以被看作“工匠精神”。在日本，很少有人提及智能制造的概念，制造过程围绕以“人”为核心的日式工厂模式发展。日式的供应链经过了严格的优选，ERP系统在日本并不是很适用，这里举例来说如丰田全球产业链中只有两至三个供应商，传感器的山武，欧姆龙，机器人的安川，川崎，那智，这就让日本对于软件的认识局限于管理，日本讲求系统整合的团队精神，强调精益和改善，“改善”就必须以人为载体。

　　“制造的精华在于人的训练”——是日本对工厂和制造的集中概括。相比较德国对设备的依赖，日本更加注重对工厂整体运作的把控，日语里有个词叫做DANTOTSU，意思是将工厂管理到极致，所以可以看到全世界范围内，日本工厂随处可及，日本人执着于把全世界当成自己的装配基地，这也就导致了日本人对于概念不是很关心，更看重的是如何解决生产中遇到的问题。

　　“技将”，美国。最后出场的美国，是一个技术极客。美国企业一般不会关注具体产品，而是倾注大量时间谈技术，和革新的趋势。工业互/物联网也不是美国的口号，是GE一家的口号。美国对软件的定义非常广泛，在他们眼里，软件可以实现更多事情，可以让人和机器互动，软件不再是强调机器的工程软件也不是编程语言，在美国更强调的是软件的内容，是人与不可见世界的交流方式。

美国更强调技术力量为产业带来的提升，美国国家仪器(NI)认为IIOT涉及的工业领域

美国国家仪器(NI)总结出IIOT中存在的市场需求

　　在美国也很少说到智能化，所有眼下发生的变革，都属于数字化变革的范畴，都是将工业数字化。在美国人普遍认为国家的工业实力必须要靠技术来解决，所以从思维观念上就是依赖技术的国家。

　　美国获取市场认可的办法是推出新技术，强调技术的创新突破，用技术换市场，吸引客户，这也是为什么消费者总是看到革命性新技术往往诞生在美国的原因。

　　中国目前的优势在于做出了其他国家难以企及的空前全面的产业链，任何一个产业链都可以在中国找到，所以也就创造了其他国家所不能匹敌的购买需求。

　　中国的繁荣是事实，却没有美国，德国，日本那样的制造核心观念，大规模的扩张与生产固然能够承载发展，但沉静后整个民族需要挖掘出自己的内涵，迈向先进制造强国之路。

　　不可见数据的收集与分析

　　物联网应用很早就有。李教授回忆道，从92年美国安吉星OnStar最早实现远程控制，这也是全世界第一个物联网的原型。工业物联网聚焦的是机器与机器互联后交换的信息，这些信息是可以被分析的。工业大数据的来源非常的广泛,现在的数据收集李杰教授认为是可见的数据收集，未来更多的是走向的是不可见的数据的收集，现在无线设备总还是固定放置，但是未来是非固定放置，移动式，替代式，而且多采用自主系统的工作方式，人工干预也会降低。

可见世界与不可见世界的对比犹如冰山模型

　　不可见世界远比可见世界大得多，原有传感器主要应对的是物理的特征，但是未来会更加关注信息。测量不再是目的，设备更多工作是去做辨识，在这里相机没有辨识，背后的软件起到了关键的作用，辨识往往面对形象和声音的完全混合，这也就解释了为什么现在在工业信息化和ADAS领域出现了传感融合趋势。

　　这其实具备一个显著的智能化特点的技术，第一个就是可见世界和不可见世界的扩展，第二个就是固定式和移动式的扩展，从物理特性到信息特性。这三个就是传感器未来的转换模式，使用的频次会更高，更便宜也更快，但是融合技术的突破会比较慢。

　　中国的传感器市场大部分都还在购买，这是中国需要投身的地方，未来的IOT的智能化会进入的是更多不可见世界数据的集成。

　　而数据的分享，和分析，这个是工业大数据中更加强调的，这里面的诀窍在于数据的建模，统计方法，人工智能将这些数据分类分割分解分析。

发电机组的数据关乎于整个机组的寿命，也是不可见数据的收集

　　智能化是自动化的知识化!

　　人工智能的快速发展，会让很多未解之谜也被揭开，李教授认为，未来更多的分析是来自于不可见数据。

　　李教授在1981年开始在美国研究自动化和机器人。目的是用机器人取代人去做一些人能做但不想做的工作，或者能做但是做不好的工作如焊接，喷漆等，这时机器就来替代人，这两类工作最先被人取代。这两块是自动化的基础，自动化还有两个前提，合理化和标准化，自动化的前提需要标准化的形成，指导了传感器的制造和使用。而智能化的目的是解决人不能做的事情。如用眼睛去辨别产品的优劣，人可能容易辨别比较明显的部分，但如果产品的形状小幅改动，这时候人的经验变得不可靠。但是机器可以非常精确地输出数值，甚至原因都可以分析出来。半导体精元以及踏进5nm大关，这样细小的单位是人眼不可见的。眼睛不可见的地方只能用机器进行识别，所以需要依靠先进的电子束做检验，检验到的数据可以进行自动化的分析。