中国工程院院士李培根：数据是智能制造的核心基础
发布时间：2024-09-25
浏览次数：618
来源：中国信息化周报
为加快培育和发展新质生产力，推进人工智能与制造业深度融合，促进经济高质量发展，9月20日—23日，安徽省人民政府与国家制造强国建设战略咨询委员会等单位联合主办的“2024世界制造业大会”在合肥举行，并于同期的9月20日举办“2024国家制造强国建设论坛”。
国家智能制造专家委员会主任委员、中国工程院院士李培根出席论坛。他强调，数据是智能制造的核心基础。当前的人工智能和智能制造都高度依赖于数据的质量和多样性，通过智能传感和物联网技术，企业可以在车间和工厂中采集大量的时序数据，并通过分析这些数据来优化工厂的运行。
“软件定义世界，数据驱动未来。”李培根认为，数据是驱动智能制造的关键生产要素。
智能制造是新一轮工业革命的核心，也是推动经济社会发展的巨大力量。李培根指出，智能制造包含三个层次，分别是数字化制造、网络化制造和新一代智能制造。新一代智能制造代表了智能制造的最高层次，是即将到来的工业革命的高潮。
今天的数据越来越多样性。过去，数据都以关系型数据的形式存储在数据库、核心信息系统中，今天随时随地都在产生数据。数据已不只是发生在核心数据库、业务系统中，而是无时无刻不在身边产生（如社交平台、移动终端设备、互联网和协作网络、云端设备和各类联网智能设备），企业需要有从海量数据来源中获取有价值信息的能力。
李培根特别提到，现代智能制造不仅需要传统的关系型数据库，还需要时序数据库来记录和跟踪设备在特定时间点的状态变化，从而从历史数据中挖掘出有价值的见解。
李培根探讨了数据意识的重要性，特别是“暗数据”的概念，即那些缺失但关键的数据。
关于“暗知识”，他表示，知识是数据在时空中的关系。如果我们把时间和空间都看作是数据的部分属性，所有的知识实际上都是数据之间的关系。但是我们一般人只是对一阶的或者线性的关系比较容易掌握，假如说关系很复杂，“高维”的相关关系一般来讲是超越了人的感觉和理解能力之外的。
在制造过程中，很多数据和现象是动态变化的，需要从更广的系统和空间中提取洞见。例如，农业设备制造商迪尔公司通过收集大量关于土壤、作物和天气状态的数据，来优化其设备的性能。李培根还强调，企业在考虑成本问题时，往往忽略了很多微弱但重要的信号，这些微弱信号可能对企业的整体成本和性能有显著影响。
低代码平台在智能制造中也有重要价值。李培根表示，真正的数字技术和智能技术，未来在制造业的深化应用，低代码工具至关重要。有了低代码的工具，一些不太懂工业软件开发的人，也可以开发出相应的应用。
工业中很早就有数字样机，但与数字孪生并不相同。数字样机可以说是“单机”时代的产物，而数字孪生则是工业互联网时代的“原住民”。数字孪生真正的价值，在于对物理实体或装备的运行指导作用。“比如企业生产线在加工过程中产生了很多温度、湿度、酒精含量等信息，一个工段上面一千个数据采集点，每5毫秒采集一次然后分析，目的是始终让生产线运行在最佳的状态，从而保证质量。”李培根说，数字孪生体一定是和物理实体真正共生的、相互影响的。
李培根表示，未来数字化的企业一定有一个IT（信息技术）和OT（操作技术）之间融合的架构。智能制造不仅仅是IT的问题，还需要与底层的OT很好地融合。通过边缘计算和云计算，企业可以实现设备数据的采集、互联和高级数据分析。
例如，像FANUC和西门子这样的公司已经在这方面做出了很多努力，通过提供智能化工具和平台，帮助企业实现IT和OT的有效融合。
李培根总结道，下一代智能制造需要关注以下几个方面：首先，数据是基础，企业需要从历史数据中挖掘洞见；其次，要关注各种弱信号和“暗数据”；最后，IT和OT的融合是实现智能制造的关键。通过这些努力，企业可以在智能制造的道路上走得更远、更稳。
