“数字化”才是智能制造的基础!

640?wx_fmt=png

来源: 航空工业  

摘要:所谓的机器换人只是低端工作,高端工作的智能绝大部分决策管理还是靠人来完成。机器换人仍只是自动化的老路!


以下精彩内容为中国航空工业信息技术中心首席顾问宁振波在近日举办的“第九届航空航天信息化建设合作峰会”上的主题演讲,题为《三论智能制造的基础-数字化和人工智能》。


640?wx_fmt=jpeg


 以下为正文  


当我们一步步的把方法、知识和经验变成软件和模型的时候,是不是在一步步的走向智能?大家应该很清楚,在过去几年里,浮躁不是少数人的行为,特朗普让许多中国人头脑清醒了起来。2014年到2016年我们讲论智能制造,2017年和2018年讲再论智能制造,我们必须搞清楚智能制造是什么,智能制造是用软件来定义控制数据的自动流动,解决复杂产品的不确定性问题。


制造业大而不强

说到底是:研发不强


当然,不仅仅是生产,它既有研发工艺生产交付交付或者维护维修过程,以及整个的综合管理体系。我来说一个数据,真实的广东省经济的数据。广东省GDP中国第一大省,但是90%的企业单位没有自主研发能力,大家想一想是不是很可怕?换句话说,我们是代工厂或山寨工厂,是血汗工厂。


640?wx_fmt=png


主席多次讲过,中国制造大而不强在哪?是研发不强。我看了很多材料,我们工业互联网的优秀案例也好,评价也好,应该是把研发设计放在第一位,生产制造放在第二位,综合保障和服务大数据采集放在第三位,运营管理和物流放在第四位,但是在全国报上来的材料里,运营管理和物流的项目报的最多,其次是交付维维护,第三是智能制造过程,而最难的研发设计反而报的项目最少。


华为为什么牛?去年我在福州参加了华为全球大会,2018年的专利统计中,欧洲所有专业里,专利数量西门子第一,华为第二。为什么美国举全国之力来收拾华为?是不是美国人感到害怕?因此我们一定要清楚智能制造是要干什么,智能制造是全员的事,不是某几个人的事。


我们企业转型升级相当于做手术,一个人要做手术,首先要做诊断,除非是车祸紧急救援,普通情况下不把病情查清楚你敢下手么?一定是先诊断清楚才开始做,瞎做的结果一定会是投入大量资金后走到沟里去。同理,企业的能力和水平在哪个点上,每个企业的水平不一样,制造流程中,设计、工艺、制造、生产、设备维修、交付等环节,从哪开始做,先做哪个系统后做哪个,一定要搞清楚。


比如说,中国过去几十年里在ERP上吃了大亏,为啥?2003年到2005年,联想和华为先上了ERP系统,当时的生产情况挺好的,结果到了2005年,华为发现了输入包不完整的问题,华为马上就换了PLM系统,虚拟的模型包不完整了,吃了很多亏。什么意思呢?ERP和PLM系统紧密关联,它的MBOM一定来于PLM。很多系统是前面做不好,后面做了就推翻重来,这就是中国的企业大部分吃很多亏的原因。


最典型的案例就是西门子的安贝格城化工厂。他们原先生产PLC控制器,每天生产6万个,每个都不一样。首先个性化定制的结构不一样,接口标准不一样,总线不一样,通信协议不一样,软件不一样,印刷板不一样。原先是千分之五的不合格品率,转型升级之后,现在是百万分之五不合格品。


我也碰到很多企业问我,我们花了很多钱上的项目都没有得到什么效益,我说路线错了,选型错了一定不会见效。在第四次工业革命的转型过程中,一定会有一部分企业发展壮大,形成国家能力,也一定会有大量的企业走错路。


“云大移物智”


“云大移物智”不是单独存在的,它有关联关系的,要是只单独考虑某一个问题,一定会出大错误。


640?wx_fmt=jpeg


但是在过去几年里,好像在讲智能制造时不讲“云大移物智”,整个人就都傻了,是吧?我不知道大家有没有思考过这样一个问题,如果我们的集成电路芯片做好了,我们的工业基础软件做好了,“云大移物智”完全可以随便搭建。构成智能制造的基础是集成电路芯片和基础工业软件,必须先解决这两个关键问题,这两块如果没有,“云大移物智”全是空中楼阁!


当然,我不反对推进机器人无人工厂,但核心应该是经济性,合算不合算,不合算就晚点再上,一定要算好账。我到德国考察多年,发现德国二战后的工业发展是一步一个台阶的往上走。我们中国的工业在改革开放的四十年里取得了巨大的成就,但是我们要正确认识我们在哪?反过来说,如果没有西方国家几百年工业发展的道路,我们这四十年能走的这么快吗?跟着走容易,创新难。


640?wx_fmt=png


用管理简化技术问题


我们总是试图用技术来进行管理,很多领导说买ERP,我买了世界上最好的管理软件,为啥管理上不去?你买个软件就能解决管理问题了吗?这是两件事情。你为啥不向任正非学习呢,看看他们是怎么做的。


西方人思维是,利用管理来简化技术问题。比如说成飞公司流程检测项目,当时就是集团数码帮助做的,做的非常好。把整个生产流程和管理流程简化了,再做信息化不就简单了?当时咱们空军司令员许其亮在丰台空军招待所讲过,标准化的问题是把复杂问题简单化,简单问题流程化,流程问题信息化,用管理来解决很多技术问题。


所以智能化的意义在于从管理入手,实际上很多问题不用解决。实际上现在的工业已经不是传统工业,传统工业是基于实物的,质量管理体系只管实物。现在航空工业的质量体系,比如在一架飞机研制过程中,首先定义的是软件采用什么版本,同一个飞机几十家甚至上百家场所参与,用同一个软件同一个版本,送来的模型不仅有几何外形,还有材料数据,可以在计算机上算飞机的功能和性能,减少了大量的转换。这就是用管理来减少转换技术。


对人工智能的认识


实际上,对人工智能的认识,西方讲的是从数据到信息到知识再到智慧。数据是过去过程,通过信息知识关联,再到知识形成整体,最后进行系统整合。关于人工智能的建议,现有的所有科学方法和原理都解读不了人的大脑,对人的智能认识,我们现在是一片空白。


我们人类有1000亿个脑神经细胞,但是世界最领先的团队也只能模拟52个脑神经细胞的连接关系。大家可以思考一个关于大脑和电脑的问题,电脑有CPU,每个CPU有很多核,如果一个核相当于一个人脑细胞的话,有个最大的问题就是新陈代谢。


640?wx_fmt=png


人的一个脑细胞死亡了,可以自动从脑神经网络上剥离,通过静脉血液排出人体。人还有干上的脑细胞,干上的脑细胞不但可以制造新的脑细胞并自动连接上脑神经网络,还可以把原来脑细胞的知识自动传递到新的脑细胞中来。


再看集成电路,14nm的集成电路是目前最经济性最好的,可能有人会告诉我,现在美国已经推出7nm的集成电路了,它的经济性其实不好。集成度越高、内部线条越细,其内部的效应使集成电路到了天花板,当然还有耗能问题。AlphaGo耗能300kW,一千多颗CPU,170多个GPU。


我后来开玩笑说,我们输给AlphaGo,但我们一碗豆浆两根油条就能工作。所以仔细考虑之下,人工智能问题没有那么简单。中科院人工智能研究的几个顶尖专家告诉我,人工智能现在还达不到三岁的水平。


正确理解智能制造


接下来,我们要正确理解智能制造,一个复杂的组织体制应该怎么样?智能工厂的大脑在哪?它是在决策层还是管理层。五年前有个领导跟我说,我知道什么叫智能制造,我说那你说一下吧,他说机器换人就是智能制造,我就笑了,我说先用机器把你换掉,他傻了。


我是什么意思呢?意思是所谓的机器换人只是低端工作,高端工作的智能绝大部分决策管理还是靠人来完成。


640?wx_fmt=png


因此我个人认为什么是智能制造呢?是在正确的决策管理下形成的自主研发体系。再多的机器人、再多的数控数控设备、再多的智能仓库和智能物流,也还是停留在操作层面的,仍然是自动化的传承,不是智能制造。


如果把智能制造比作一场马拉松比赛的话,我们中国智能制造作为其中一名运动员正在热身,尚未上场。现在这些工厂搞的仅仅是生产线上的小事,还是过去的自动化。


我再说一个常识性的东西,可能大家都没有想过。大家都看到工业4.0发展或四次工业革命发展的图了,大家反思一下,第一次第二次第三次工业革命,哪一次不是几十年甚至上百年的历史。如果以大家公认的2013年4月份汉诺威博览会,德国人发布工业4.0作为第四次工业革命的开始的话,满打满算到现在不到六年,你就智能工厂智能制造了?这是句玩笑话!


640?wx_fmt=jpeg


数字化才是基础


我们目前要努力去做的是数字化制造,数字化就已经非常困难了。过去我们讲的就是实物到实物,中国的传统制造是二元系统HPS,H是human,P是physical,S是system。新的发展方向是HCPS,这是我们中国的创新,H是人,P是物理空间,C是网络空间(cyber)。


1991年波音777研制的时候用了七八百种工业软件,互不关联,形成了14个报表。2005年787的研制上了一个大台阶,形成了波音的全球研制体系,用了8000种工业软件。波音现在有8500种工业软件,它还只敢说是数字化,不敢说智能化。


640?wx_fmt=png


我们在思考,如果我们把数字化制造做到了,智能制造离我们还远吗?当我们把大部分成熟的工作一步步变成软件和模型并交给电脑来干的时候,我们是不是走向智能了?当我们绝大部分步骤都由电脑完成的时候,是不是一脚就能踹开智能的大门了?实际上,智能制造的基础就是数字化。


640?wx_fmt=jpeg


我们需要有高速工业互联网的连接,有大量的工业APP的支持,才能够在虚拟空间中完成产品的全寿命周期的设计制造实验,反复考核,反复检查,发现设计的问题,工艺的问题,制造的问题。发现问题之后,改模型要比改实物容易吧?最后没有问题了,我想造就可以造,从虚拟空间映射到物理空间去。


过去的生产线是手工的,现在我们要建成数字化生产线,未来还要成为智能化生产线。我们还要把网络空间中的虚拟实验和仿真验证映射到实物实验过程中,在网络空间中大量的仿真,大量的数据实验。做了大部分工作之后,实物实验可以只做验证性的实验,减少了很多工作量。


640?wx_fmt=jpeg


总结


最后我想小结的是,智能制造的本质,是软件化的工业技术,由软件控制数据的自动流动,解决复杂产品的不确定性。软件化的工业技术,软件定义的生产体系,肯定会带来生产关系的优化和重构,必然会有一部分企业发展壮大,也有一部分企业大浪淘沙跟不上潮流,这是历史的必然。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/492108.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

数字图像处理学习之路:图像变换(一)

数字图像处理归纳总结1.1 数字图像处理基础1.2 数字图像处理技术1.3 图像处理一般流程1.4 图像变换案例分析(如真彩色图像转换为灰度图像)1.1 数字图像处理基础 概述:数字图像处理是基于画面进行二维或三维物体模型的重建,利用计…

2019年中国科创板全面解读报告

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云…

雷达原理之 多普勒效应原理及应用(一)

多普勒效应:物体辐射的波长因为波源和观测者的相对运动而产生变化。 因为在运动的波源前面,波被压缩,波长变得较短,频率变得较高(蓝移);在运动的波源后面时,会产生相反的效应。波长…

数字图像处理总结(冈萨雷斯版)

数字图像处理前六章知识点总结第一章:绪论第二章:数字图像基础第三章:灰度变换与空间滤波第四章:频率域滤波第五章:图像恢复与重建第六章:彩色图像处理第一章:绪论 1.数字图像概念: …

未来已来:5G将在这88个方面影响我们的工作和生活

来源:资本实验室作为备受瞩目的下一代移动通信网络,全球围绕5G的测试、布局与谈判不断升温。而与之相关的竞争也越发白热化,公司间的竞争、城市间的竞争、国家前的竞争,5G背负着太多的使命和期待。相比于4G通讯,5G不仅…

线性调频信号(LFM)的形式及幅度谱、相位谱特性

线性调频信号在SAR系统中非常重要,其瞬时频率是时间的线性函数。该信号常用于信号的发射,以获得均匀的信号带宽,在接收信号中则来自传感器运动。本篇博客主要讨论线性调频信号的形式,及在matlab仿真中的幅频特性和相频特性。 一、…

Android学习笔记----ArcGIS在线地图服务(Android API)坐标纠偏

仅限于如下ArcGIS在线地图服务(高德提供数据): //概述:彩色中文含兴趣点版中国基础地图 //投影:WGS 1984 Web-Mercator //切片格式:MIXED90 //服务类型:基础地图服务 //数据提供商:高德软件有限公司 //数据获取时间:2014年秋季 //…

机器人领域十大前沿技术

来源:工业互联网观察近些年来,机器人行业发展迅速,机器人被广泛应用于各个领域尤其是工业领域,不难看出其巨大潜力。与此同时,我们也必须认识到机器人行业的蓬勃发展,离不开先进的科研进步和技术支撑。以下…

星载低波段极化SAR电离层法拉第旋转效应(FR)及校正国内外研究现状-学习笔记

相较于常规星载SAR,星载低波段极化SAR一方面具有较强穿透能力,能够探测植被和千层地表下的隐藏目标,另一方面,该系统对生物量更为敏感,能够观测森林资源的消长,对研究全球碳循环与气候变化的相互作用具有重…

星巴克、苹果、谷歌、亚马逊等巨头,为何同时做这件事?

综合整理|《中国企业家》记者 周夫荣编辑|马吉英摘要:除了星巴克之外,苹果、谷歌、亚马逊等高科技公司也早已在可持续能源领域悄然布局。除了经济原因和社会责任,这些公司或许有更深远的考量。当外界把星巴克视为咖啡大…

合成孔径雷达成像算法与实现(信号处理基础知识点)

最近由于学业上需要,重新学习了《合成孔径雷达成像算法与实现》一书,其中第二章是信号处理基础,在此记录下学习过程。 一、信号处理基本概念 1.卷积与相关 卷积: 相关: 卷积从几何解释:(1).生成h(u)的时间对称…

【深度学习】一文看尽深度学习各领域最新突破

来源:《产业智能官》想要了解深度学习各领域的最新进展?看个视频就足矣。该课程的PPT资料,下载地址如下:https://www.dropbox.com/s/v3rq3895r05xick/deep_learning_state_of_the_art.pdf?dl0本文所介绍的内容是MIT系列课程之一&…

实数序列频谱的共轭对称性(DFT与IDFT仿真实现)

一、基础知识 1、傅里叶变换:通俗来讲,是以时间为自变量的信号与以频率为自变量的“频谱函数”之间的某种转换关系。 DFT:即离散傅里叶变换,对离散序列进行傅里叶变换。设x(n)为长度为M的有限长序列,其N点DFT定义(公…

IOS本地化应用

BK项目已完成7788,在项目的后期需要被翻译成多国语言版。为了适应全球多个国家使用多个存储。 应用本地化是分别对字符串、图片和 xib 或 storyboard 文件本地化,而传统的做法是对 xib 上的字符串(包含UILabel和UIButton、UITextField等&…

低轨通信卫星: 开启 6G 通信时代,带动千亿规模市场

来源:中国银河证券摘要:“6G5G卫星网络”,卫星通信应用前景广阔。2017年11月,英国电信集团(BT)首席网络架构师NeilMcRae对6G通信进行了展望,他认为6G将是“5G卫星网络”,在5G的基础上集成卫星网络来实现全球…

电离层色散效应误差补偿——基于最大对比度自聚焦算法(总结)

电离层色散效应严重影响星载SAR成像质量,为提升P波段星载SAR图像质量,必须研究相应的补偿技术,从而使得其更好的应用在军事和民用上。 目录一、引言二、最大对比度自聚焦算法原理三、最大对比度自聚焦算法流程图四、补偿方法性能分析一、引言…

波士顿动力机器狗量产版首次亮相:先造100台,能当警犬能工地巡逻

来源:量子位摘要:波士顿动力的机器狗Spot Mini终于要量产了!在科技媒体TechCrunch举办的“机器人AI”讨论会上,波士顿动力CEO Marc Raibert首次展示了它的量产版,还说今年7月或8月先量产100台。至于价格嘛,…

[MATLAB]中meshgrid函数的用法与实践(学习笔记)

今天在看点目标成像仿真程序的时候,看到了meshgrid函数,看了matlab的帮助文档后理解了一点,特此记录学习过程。 目录一、meshgrid函数二、举例验证三、创建二维网格绘制曲面图四、总结五、meshgrid函数源代码(仅供参考&#xff09…

死猪脑”能复活吗?---评美国耶鲁大学医学院实验研究

来源:科学网博客4月17日,英国《自然》杂志刊发了科学家对于“复活”死猪脑的尝试:美国耶鲁大学医学院的研究团队将已经死亡4小时的猪脑接入新开发的BrainEX体外灌注系统,用正常体温下的模拟脉动血流进行灌注。6个小时灌注期内&…

Android开发(六)——组件颜色Selector(Selector与Shape的基本用法 )

andorid控件改变状态时改变颜色&#xff0c;使用selector。 <?xml version"1.0" encoding"utf-8" ?> <selector xmlns:android"http://schemas.android.com/apk/res/android"><!-- 默认时的背景图片--><item android:dra…