数字化价值的探索！_

本文作者宋华振，贝加莱工业自动化（中国）有限公司技术传播经理，本文由公众号「说东道西」原创首发，数字化企业经授权发布。

著名影星茱莉亚.罗伯茨也是个麻将爱好者，她谈到她所理解的麻将要义在于 “通过随机抓牌，在混乱中创造秩序”。这句话让我觉得同时这也是数字化的要义—在混乱中创造秩序。

人们将我们生活的时代称为“乌卡时代（VUCA）”——volatility（易变性），uncertainty（不确定性），complexity（复杂性），ambiguity（模糊性）。它最显著的特征就是“复杂性的大幅提升”。这种复杂性的提升，通常会带来指数级的努力。并且，这种复杂性的演变时间粒度变得越来越小。

而复杂性带来的较为直观的影响力包括以下几个方面：

01产品材料及其工艺的复杂性；

02生产流程的复杂性组合,尤其在离散制造业中那些长流程如光伏、锂电、半导体等；

03需要监测的参数维度越来越多-以获得对过程的“可观测性”进而获得可控性；

图1-VUCA背景下的复杂性提升

如图1所示，复杂性对于制造过程的挑战表现在几个方面：

01在生产中的变更，重组时的配置、工艺参数的组合复杂性，如果传统的制造模式，这里就会需要大量的调整，而通常调整中又会造成较多的“开机浪费”。

02个性化产品带来的TTM-个性化产品就使得生产过程中，更多的时间被消耗在“参数配置”、“机械调整”，越频繁的更换，这会造成交付能力下降。因为，一天的工作时间里，机器真正有效的工作时间可能并不多。

03在长流程产线集成时系统沟通与协调的复杂性：产品的变更并非仅仅是某个单元的工装夹具，参数的变更。而是整个生产流程上各个工序的设备要实现统一的协调，以及在制造线体前后端的物流、成本核算、能源供应等的变更，以保持这个一致性。

制造数字化的价值分析

数字化的价值和意义在于如何应对VUCA的制造业变化-它是要将复杂与不确定、模糊与易变，通过数字化技术转化为“稳定、确定、可控、灵活”的状态下。

因此，数字化的价值至少包括了以下几个方面：

软件定义制造-数字化让制造更灵活

数字化的意义是其灵活性，像传统上的机器，它如果要更换产品，往往需要大量的机械调整，例如装订一本书，当我们要去装订一本新书的时候，它就需要把开本宽度、开本高度、涂胶的位置、压力等进行机械的调校。当它改为数字化的伺服系统来进行调校时，它仅需设置参数，系统会自动去完成这些工作。传统上，这个要花费1.5个小时，而现在只需要2秒钟完成—这样就在变化的生产中，提高了机器的换型时间。

图2-电子凸轮裁切

以在自动化中最为普遍的裁切动作来说，它广泛在纸盒成型、标签印刷、包装、板材金属加工、纸张处理（如切为A4的复印纸）、瓦楞纸裁切等。传统采用机械方式，需要根据产品规格更换机械刀辊，而采用了伺服系统的电子凸轮裁切后，这个可以自行根据长度设定，伺服电机会自行运行电子凸轮实现精准裁切。这里就使得规格的变化由软件来定义。

另一个场景，则是在组装产线中，目前大量开始使用磁悬浮输送技术。就是为了让原本无法被软件控制的机械输送，改变为电磁控制的动子—而它可以使得这个生产系统可以实现被软件定义。进而实现变化，以应对灵活性的需求。

图3-传统机械输送机构

在图中，机械输送的链块、皮带，或分度盘的方式，被广泛使用。对于单一产品而言，它的问题在于机械磨损对品质的一致性带来的潜在影响，但是，即使不考虑产品的变化，它仍然是效率较低的，因为，每个工站的节拍不一样的时候，这就会使得系统只能按照最慢的工站节拍来运行。如果考虑了产品的变化，每个工站的节拍又发生了变化，而且，为了机械的对位（例如保持中心点的匹配），机械可能需要较大的调整。这使得在产品变化时，或者甚至需要产线重组时，就会遇到较大的机械重新安装调校问题。

图4-多维度运动控制

但是，采用了磁悬浮输送技术后，加工产品被输送时，其位置、间距、速度、加速度等都可以被软件定义。它是由机电对象结合设计的输送技术，因此，它本身可以被实现多个轨道混合作业，以及调度算法来实现智能调度—简化的机械也让它更容易被重组。

如图4，其实，实现软件定义的运动控制，不仅包括伺服电机、直线电机、磁悬浮，也包括机器人的大量集成—它也通过自己的参数配置，将组件配置到空间的所需位置。这些都是让制造实现“软件定义”。

只有这样，才能让复杂的变化，能够被简单的处理—通过快速的软件配置，自动的参数生成，以及网络分发给线体上的工艺设备。并能够实现组合产品的混线调度，以高效的方式实现多样化的产品生产。

协作-让效率更高

其实，流程工业，像石油炼化、冶金、制药等流程工业它的连续性使得先天需要更好的自动化控制。离散制造业，在过去就一直是真的处于“离散”状态，设备按照某个布局从一个单元到另一个单元。因此，如果能够将这些生产也像流程一样具有连续性，那么就会让生产效率更高。因此，第一步就是用传送带把他们形成连续的产线，配合机器人，但后来发现，这些机械的产线也无法被有效的组织，人们又开发了柔性输送系统，其实质就是将生产过程数字化，将原有的机械哑巴系统，转为可被采集、传输，可被软件编程的数字化制造系统。

机械上的协作包括对机器人、柔性输送技术的引入。而在软件层面，则是通信的集成，通讯往往代表了物理意义的连接，而通信则代表了软件意义的连接。因此，数字化的通信，它也是一个协作问题，通过信息建模，模块化的机电系统将被状态机驱动来实现协作。这也是工业通信系统的协作意义。

图5-工业通信的意义在于协作

如图5，通信规约的目的在于通过信息建模，让系统在工程变更时，实现快速的调整。参数可以统一的解析下发。在设备间，可以实现基于状态的“逻辑编排”，以让生产系统快速进入新的产品生产制造中。

解决复杂问题的策略其实就是“化繁为简”，每个独立的生产模块就像一个高内聚的软件模块，通过低耦合来实现“快速重组”。而在通信如PackML、SEMI里，它通过状态来协作的机制，就是将复杂的协作转化为“逻辑”的编排。

知识发现与复用

人类的知识与经验形成都是依赖长时间的投入形成的—知识与经验的不同在于，知识是可以被数学公式描述的，而经验则是无法被描述的隐藏于工程师、技师大脑中的。因此，知识要复用，就得软件化，而经验要复用，则需要通过数据驱动建模的挖掘—这就是AI的数学意义。

图6-知识与经验转化为软件复用

如图6,所示，工业软件的目的就在于将“知识”和“经验”分别通过物理建模、数据驱动建模来实现封装。然后，这些知识可以被复用，使得生产系统可以基于这些模块进行软件层面的重组。

软件，是保持知识承袭的关键方式，通过将知识“数字化”，它就可以被灵活的集成，快速的迁徙，在不同平台间实现复用。这同样是为了应对复杂性的制造过程—模块化的机器，更在于软件的模块化配置。并且，降低知识的复用成本。

持续的成本降低

数字化设计、数字化运营都能挖掘潜在的浪费，获得改善及提高成本效率。数字化能够帮我们降低成本，这是因为，在我们习以为常的生产系统里，隐藏着巨大的浪费，而从精益生产的视角，这种浪费是无处不在的，因此，需要大量的成本削减的方案。

1).降低物理测试验证的成本

2).降低运营效率的问题

3).持续浪费改善

资源共享

包括数字世界的代码、算法资源，网络资源（开放的）、知识资源（例如生成式AI的openAI）。数字资源比一个面包更容易共享，因为一个面包它会坏掉，而数字资源则可以被轻松的保持和复制。

数字资源还更容易被处理，这就像胶卷能够洗出照片，但胶卷里的照片并不如数字的照片那么容易被Photoshop等软件来处理。

图7-生成式AI可以分享更广泛的资源用于工程开发

因此，数字化的信息，更容易被长期的存储和分享。

数字化使得“共享”经济成为了可能性-对于制造业而言，同样可以分享来自于IT世界的资源，无论是网络还是算法资源。都可以被应用于远程诊断与维护（通过无所不在的云服务）--它带来的好处就是无需专用的自建LAN来实现。通过IT世界的算法，例如开源代码，就降低了在代码开发中的工作量，尤其是像现在的生成式AI在编程中的使用。

更聪明的系统

在制造系统中，最初，是由人的大脑实现生产的控制。后来被具有既定程序的控制器所替代，这个控制器的好处在于它设定了潜在的可能性，用程序实现了“If-Then”的语句来判断各种场景，然后调用既有的处理单元。因此，在过去的大规模标准化生产中，它都是一个既有规则下的生产过程。

但是，随着产品品种的变化、材料及其工艺的变化，人已经无法进行所有的规则制定，或者现有的知识也不足以定义各种变化的参数。那么，人们需要这个系统它具有“学习”能力，自己去进化出更好的生产自适应参数，进化出更好的识别与判断能力。以代替人的经验性判断具有的强大的不确定性，以及随着人的变化的不一致性。

图8-AI在制造业的8大场景

图8列出AI在制造业的所谓“八大场景”—其实，我们可以看到，它都是为了让系统更为聪明。视觉的缺陷分析、设备故障、智能分拣—这些都是通过学习来让机器能够适应变化。

拿智能分拣为例，在过去，通常需要在产线前段配合机械机构来对产品进行队列的梳理，比如瓶子有理瓶、金属件有机械的方式让其保持一致的朝向，凡此种种，在单一产品生产倒还好。但是，当产品种类多了，这个机械的调整就会复杂，机器人在视觉的指引下，对不同形状的产品，进行识别，并确认抓取的中心点或重心，这种可以通过学习，以达到对任意的产品进行分拣—这就是一个“聪明”的产线。不需要复杂的机械，以及人去不断的示教过程。

因此，智能系统它的未来是要让机器自我实现迭代，以获得不依赖于人的输入的进化能力。

更快的响应能力需求

数字系统能够提供更快的响应，在于几个方面的原因：

01信息的交互速度：通过更快的信息传递，使得问题可以被快速的汇集，进而快速分析和判断。这个时间粒度的变小，使得响应能力得到提高。

02处理能力：如果进行一个任务的编排，那么对于人来说，可以计算，但通过数字化系统就可以快速的实现这种编排的计算，与重新规划。

03更快的迭代速度：持续改善，对于数字系统来说，是极快的。因为，在数字系统里的迭代，它是可以下一个就改善的。

这是实时网络所需要解决的问题-数字化的底层当然是网络通信的支撑，无论是设备内、设备间、产线与生产管理、云端系统，都需要一个更快时间粒度的网络来支撑。