智造大咖——赵敏：深化智能制造与大数据融合

本期导读

研华物联网伙伴峰会中的大咖对谈、思想碰撞仍在继续。今天我们整理了走向智能研究院院长赵敏，关于深化智能制造与大数据融合的分享，赵敏院长深度解析了智能制造的五大基本特征。

赵敏院长是国内知名智能制造、两化融合及创新方法论专家，曾参与工信部CPS白皮书、工业互联网平台白皮书、工业互联网APP白皮书的研究与审定工作，参与工程院中国智能制造发展战略研究报告部分研究工作。国内知名智能制造、两化融合及创新方法论专家。

新工业革命风起云涌，以智能制造为主攻方向的工业转型已席卷全球，例如德国叫作工业4.0，中国叫作智能制造等。关于智能制造，也是定义颇多，各有出处。如果不能清晰认识新和准确把握工业革命/智能制造的基本特征，那么就难以真正有效地推动新工业革命的基本建设，难以让智能制造在企业落地。

智能制造的五大基本特征

因此，我提出了基于智能制造的五大基本特征：

01

“人智”转“机智”

知识发生学、知识载体发生质变，硅基知识/数字生产力大幅度增长。

所谓智能制造就是一个“人智变机智”的过程——即把人的智能（简称“人智”）从隐性知识提炼为显性知识，进行模型化、算法化处理，再把各种模型化（机理模型、数据分析模型等）的知识嵌入软件，软件嵌入芯片，芯片嵌入某个盒子/模块，再嵌入到物理设备中，由此而赋予机器一定的自主能力，让机器具有一定程度的“智能”（简称“机智”），我们将这个过程称之为“赋能”。

当软件算法越好，芯片算力越强，工业数据越多，“机智”程度就越高。当“机智”达到一定程度，就具备了部分或完全替代人脑的功能。机器在无人监管的情况下，仍然可以自主工作，甚至工作得更好。

02

传感器低价普及

传感器极大增强机器感知能力，物理空间信息加速数字化，数据量呈几何式上升。

近年来工业互联网/工业物联网的发展实践证明，高性能机器设备、低成本传感器、工业网络、因特网、工业大数据采集及分析技术的组合，可以有效提高现有产业的效率和效益，产生新技术、新模式和新业态。

正是因为传感器成本的不断降低，降到了可以大规模部署的成本线上，传感器的大规模应用成为企业的选择。安装了传感器的机器，具备了像人一样的感知能力，从过去对工业现场信息的无感状态，逐渐具有对工业现场的各种控制参数的的感知能力，并且将感知到的信息迅速转化为比特数据流，让工业电脑系统去计算分析。因此，现在的机器不仅能够看、能够听、能够闻，甚至能够说话、思考。这些传感器成为了工业物联网的神经末梢，使用在各种工业场景中，为软件平台提供海量数据，驱动工业设备智能运行。

03

软件定义数字产品形态

软件替代人脑的思考，算法算例急剧增加，定义材料、零件、系统的时空表现，数据量极大提升。

软件可以以数字样机的形式去定义复杂产品的形状、质地结构，以及设计细节、后期维护的可行性、便捷性验证等。现在的复杂产品如果没有工业软件的支持，实际上是没有办法进行研发的。另外软件还可以以仿真大数据的形式来定义产品的加工过程、工作过程、使用状态，甚至报废状态，让我们清晰地知道产品的发展演变规律。

04

软件定义物理设备运行

比特遇到原子，IT携手OT，赛博融合物理，数字指令可以跨时空精准操控物理设备。

今天的软件已经不仅仅满足于在显示屏上给出各种确定性的计算结果（图、文、表、卡等）数据，而是已经可以将根据计算结果而生成的控制指令数据，直接输入到机器的执行器上，来驱动机器设备的执行器做出各种精准的动作了。

05

在较大范围内优化制造资源

基于工业互联网和大数据，连接更多工业要素，实现较大范围的制造资源优化配置。

在过去20年，企业实施了很多数字化/信息化改造项目，上了很多的企业信息化系统，但是其作用范畴，往往是“一厂一所一车间”，对制造资源的优化配置局限在本地/本企业的小范围内。对于需要大范围配置优化的制造资源，受限于严重的时空限制，往往没有太好的解决方案。

工业互联网就是为了在“更大范围、更高效率、更加精准地优化生产和服务资源配置”而生的新型工业网络，是智能制造落地的关键基础设施。助力企业去打破那道亘横在物理世界与数字世界之间的看不见、摸不着、越不过的“墙”，突破了过去严重约束企业的时空限制。

研华工业物联网伙伴峰会落下帷幕，但是我们的话题分享和思想碰撞没有结束。后续我们还将整理更多业内专家、企业高管的精彩演讲与各位分享，敬请期待~