由新華社《財經國家周刊》、工信部國際經濟技術合作中心主辦的第二屆中國制造2025（深圳）高峰論壇于2017年4月8-9日在深圳舉行。美國工業互聯網聯盟（IIC）技術工作組及架構任務組聯合主席林詩萬出席并發言。
他表示，數字化對制造業的優化主要在三個大的方面，第一個方面是對制造流程或者生產流程數字化的完善和深化。第二個是利用工業互聯網的技術實現和擴大對生產設備和產品的連接。第三個是信息物聯網的發展，計算和通訊技術在最小的單元組件里面與物理感應的效應深度融合在一起。
以下為演講實錄
林詩萬：尊敬的李毅中部長、尊敬的鐘志華校長、尊敬的夏林主任、尊敬的吳亮主任、尊敬的吳思康主任，各位尊敬的領導、專家、來賓，大家上午好！剛才李部長、鐘校長和吳主任對智能制造，特別是對深圳智能制造的目標、挑戰和措施都做了十分透徹的分析，在政治和經濟政策上做了宏觀的精辟的描述，我是做技術的，我就不談宏觀的東西，我選了一個比較技術一點的課題，為各位領導的發言做一個技術性的注解。
深圳提出要建立世界級的智能制造高地的目標和舉措，我非常認同，我也十分相信這個目標一定能夠實現。要實現這個目標，制造業企業不僅需要對產品、生產技術創新，并以客戶和市場需求來推動生產，而且也需要提升企業業務經營和生產管理水平，優化生產運營，提高效率和績效，降低成本，保障持續性的發展。而數字化制造是實現智能制造的必由之路，最近工業互聯網在國內得到了廣泛的關注和重視，工業互聯網在智能制造和數字化制造中是一個什么樣的關系？能起什么樣的作用？我很榮幸今天有這個難得的機會與他們一起探討這個問題，特別是從工業互聯網在制造業數字化進程中的作用，及其在生產環境中的實施，與大家一起交流和磋商，希望能夠起到一個拋磚引玉的作用。所以也特別感謝論壇主辦單位對我的熱情邀請。
我們首先回顧一下工業互聯網的核心理念是什么。正如剛才李部長所強調的，信息技術對智能制造的關鍵作用。工業互聯網可以看作為是計算和通訊技術在工業系統環境更廣泛、更深入的應用，也就是我們通常所說的，信息通信技術和生產運營技術的兩化融合，把實體、信息、業務流程和人員連接起來，通過數據分析，優化決策，推動生產和運營的智能化，高度優化對設備和資源的使用，從而創造新的經濟成效和社會價值。
把設備連接起來，收集數據，通過數據分析，洞察設備和裝備的運行狀況，并據此對設備的運維進行優化，實現經濟價值的實例，在過去幾年已經報道得很多，大家也非常熟悉，我這里列了幾個比較典型的案例，比如說采用工業互聯網的技術，對石油開采設備實施遠程監測，避免停機和生產損失。又比如通過數據分析，優化風葉的運行，增大風力發電機的發電量。還有通過數據分析確定輪船發電機的最佳工作模式，降低能耗等等。顯然這些都是在對生產出來的大型裝備部署以后的運行進行優化的一些例子，但是同樣的方式也應該適用于在工廠環境里面。
工業互聯網對設備的連接是基礎，數據收集和分析是關鍵手段，而把分析所得到的信息用于做出最佳決策，優化生產和運營是最終的摩擦。所以我們講工業互聯網，很多時候談到連接、數據，但是很關鍵的一點是，我們必須對收集的數據進行分析，從中得到有價值的信息，來幫助我們優化生產過程。
數據分析包括大數據分析，在傳統的商務行業，比如金融、保險、市場分析，特別是電子商務中，已經有多年的應用和實踐，在消費者市場的營銷中已成了必不可少的技術。隨著工業互聯網和智能制造的興起和發展，工業分析也相當于國內通常所說的工業大數據，是數據分析在工業產業的應用，一些先進的數據算法，比如說機器學習、深度學習和AI在工業環境里面的應用也具有加速發展之勢。
去年年底，德國的數字分析協會和物聯網分析機構聯合發布了一個對工業數據分析的調查報告，調查結果表明，大多數分析家和工業企業的決策者都很清晰地認識到工業數據分析的重要性，認為工業分析在未來的5年對其業務的發展極為重要，同時他們還認為，設備的預測性維護是最重要的工業分析應用，甚至超過有關客戶市場分析的應用。
工業數據分析對產品使用和維護支持的應用也排名前列，接近60%的被訪者認為工業數據分析對產品質量的監管和生產流程的自動化也十分重要。
在我們對工業互聯網的理念、技術和關注點，以及工業大數據在數字化或者智能化制造環境里面的作用有了一個初步的了解之后，現在讓我們回到數字化制造這個課題。
利用計算和通信技術，優化生產操作流程，如果從數字化控制開始算起，也起碼有了四五十年的時間，所以也不是什么新鮮事，而對生產業務、管理的數字化也起碼有30年左右的歷史，工業互聯網可以看作是這個制造業數字化發展過程中的新階段。粗略來看，我們可以把目前通過數字化對制造業進行優化的過程分為三個大的方面，第一個方面是對制造流程或者生產流程數字化的完善和深化，主要的流程包括企業資源管理、計劃（也就是我們通常說的ERP）為首的業務管理流程，以及產品生命周期管理（也就是通常所說的POM）這兩個流程。
第二個是通過數字化對制造業的優化，是利用工業互聯網的技術實現和擴大對生產設備和產品的連接。無論是在生產過程或者是在物流過程，還是在產品的使用過程，大量的收集數據，通過工業數據分析，進一步優化制造業的生產和運營。
第三個是信息物聯網的發展，計算和通訊技術在最小的單元組件里面與物理感應的效應深度融合在一起，實現虛擬核物理空間的交互映射，將計算、通訊和控制融為一體，為設備自動化控制提供了嶄新的能力。
這三個方面的發展是互相關聯的，并且是互相推動和支持的。今天由于時間有限，我們就只聚焦在前面兩個方面：制造業流程數字化管理的完善和深化，以及工業互聯網、工業大數據對制造業數字化的作用。對信息物理系統，工信部信息化和軟件服務司在3月初發表了信息工業系統白皮書，在座的安司長專門為其做了序，對信息物理系統以及在智能制造的重要和廣泛的應用中做了深入的研究和闡述，很值得慘嗥和學習。
在我們說明了基本的概念，在不同的方面來闡述數字化的作用，下一步可以做一個更詳細的討論。
在制造業不同的企業，這些流程都會有所不同，有一定的差異，我這里只是做了一個概括，可能會對有些企業的具體情況不是很正確地反映在這里。在這一頁我們對制造業管理流程的數字化做了一個基本的概括，把重要的流程分為三大鏈。
第一鏈就是垂直的這一鏈，是以ERP為首的價值鏈，回答生產什么、什么時候生產，生產多少的問題，包括產品訂單、生產計劃、材料與供應、制造、交付與分銷、客戶支持這一系列，整個業務流程關注如何優化這些環節，為企業創造價值。這個管理流程所要關注的問題除了保障成本、效率、質量這些傳統的生產要素之外，還必須縮短交付周期，提高資源效率和保障可持續性，實現多種產品小批量、柔性制造，快速響應市場需求的變化。
對大型或者是高價值裝備的制造商，在這個價值鏈的下游，現在有這樣一個機會，就是如何利用企業對產品內部技術的深度把握，利用工業互聯網的技術，比如在預測性維護和資產績效管理方面的專長，為客戶提供增值服務，不僅可以為企業創造新的利潤來源，也可以為企業的業務模式提升、轉型，從單一的產品銷售模式向服務模式，甚至是成效型模式過渡。在這個垂直的流程里邊，我們需要繼續把依賴于報表式的手工管理方式逐漸提升為完全數字化的過程，而且還要關注如何把不同的環節之間進行無縫的整合，讓他們可以自動交互，動態響應市場或者是客戶的需求。
第二鏈是水平的這一條，是以PLM為主的知識產權鏈，回答的是怎么樣生產的問題，關注如何優化產品設計到流程設計、生產工程和制造創新的管理流程，注重在越來越短的周期里推出更多樣、更復雜的產品。
位于價值鏈和知識產權鏈交差點的制造環節，也就是我們通常說的MES，是如何將知識產權轉為業務價值的樞紐，它的管理對象是生產能力和資源，是制造業企業資產的核心，對實現企業的價值起著舉足輕重的作用。MES的功能是什么呢？它是統籌生產計劃的執行，生產過程的追憶，設備正常運行的高效使用，還有對產品質量的監控、檢測、工人排班等等多個維度，對生產現場進行集成管理。由于它的管理對象是生產能力的資源，它跟工業互聯網的實施相互配合，可以互相增強。
第三鏈是資產鏈，主要關注的是裝備設備投產以后如何優化其運營和維護，以最低的成本產生最佳的成效，這也是在制造業外，工業互聯網應用的重要場景。如剛才所提到的風力發電機等等的案例，都是屬于這個范圍。
正如價值鏈一樣，知識產權鏈各環節之間也需要無縫的整合，讓數據按照需要在產品生命周期的過程中順暢的流動，從設計到制造一直到運維，簡單來說這樣一個使能數據流動的框架就是數據線的概念，如在離散制造的MBE的過程里面，完全實現基于三維設計、仿真驗證、工業設計、制造運維產品的全生命周期的管理。
在數字線各個環節所收集的有關產品的數據，如設計規格、描述其幾何形狀、材料組件、工程模型、仿真的結果等等，每一個產品實體在制造過程中獨有的人、機、料、法、質量檢驗的數據，還有部署、調試、使用、維護的數據，構成了產品實體的數據模型，這也是通常所說的數據原生，用數據原生的數據模型可以在其生命周期內通過仿真更有效地評估當前和未來的性能，這對預測性維護和根據產品數據使用的改進非常有價值。另外一方面數據原生對產品的追憶，特別是當產品有質量要召回的時候，能追溯到每個產品的質量因素，可以精確地決定召回的范圍，減少召回的成本。
有了這個業務價值管理鏈和創新知識產權管理鏈，我們可以對整個制造進行很好的管理，這樣可以提高我們的績效。
現在回到工業互聯網在數字化制造環境里面的作用。我們可以利用工業互聯網的技術，在生產環境里邊收集覆蓋操作情況、運行狀態、工況狀態、環境參數，反映出這個產品和設備實況的數據，并通過分析進一步對這個過程進行優化，這些優化包括對制造設備的實時監控、故障檢測診斷、預測性維護、整體設備效率、質量檢測、能耗管理、人員安全監控等等。
對這些數據的分析也越來越多基于機理模型和機器學習、深度學習、AI等高級分析方法，提供更準確的分析結果。在另外一方面，把這些實時分析結果反饋回制造管理系統，比如說MES、ERP等等，以及設備的現狀，對生產過程進行必要的調整。同樣的，分析結果可以用于裝備運維，在他們已經部署完以后，分析的方法也可以在物流過程里面創造價值。
我們在生產流程里面收集了海量的數據，這些數據蘊含著大量的價值，我們需要對這些數據做時間縱向的和跨域性的大數據挖掘，突破生產過程中績效的瓶頸，比如說確定不良率的工藝參數和操作工序等數據的關聯性，生產計劃和排期目標的實際差異的因素分析等等，由此產生價值。
由于時間關系，我今天就講到這里，希望通過這個簡單的介紹，大家能理解到工業互聯網或者是工業大數據在智能制造環境里面的作用。總的來講它們是相輔相成的，都是能夠為實現智能制造發揮它們自己的作用。
