浅谈数字工厂

1、初识“数字工厂”

        初识“数字工厂”这个名词，其中“数字”这个词，其含义可谓源远流长，如果说文字是出现在远古“信息爆炸”导致人们的头脑装不下这些信息的时候，那么数字的出现则是在人们的财产多到需要数一数才能搞清楚有多少的时候。著名的美籍俄裔物理学家George Gamow（1904-1968）在他的科普读物《从一到无穷大》讲了一个这样的故事：两个酋长要比一比谁说的数字大，一个酋长说了“三”，另一个酋长想了半天，说你赢了。因为在原始部落，物质极其缺乏，超过三的时候很少，他们就称之为“许多”或者数不清。后来我们的祖先需要记录的物件超过三时，计数系统产生了，而数字则正是计数系统的基础，这里补充一点，如果早期我们有十二根手指，那么今天我们常用的可能就是十二进制了。而数字毕竟信息的重要载体，并且自从半个世纪前香农博士提出了信息论以后，数学和信息就开始很自然地联系在了一起，所以“数字”这个词还是让我联想到了“数学”，不由的想起当时如果透过吴军的《数学之美》学习用数学去解决工程问题；同时，在数据信息爆炸的今天，“数字”这个词还是让我想到了“数据”，以及《数据之美》这本书如何教会我们通过新的方式来驾驭数据。

2、对“数字工厂”现阶段的理解

        当然，随着自己对数字工厂的日常研究学习，发现自己之前相当缺乏对制造业背景的了解。其实，数字工厂主要借助于信息化和数字化技术，通过集成、仿真、分析、控制等手段，可为制造工厂的生产全过程提供全面管控的一种整体解决方案。根据在范围、阶段、视角上的关注点存在差异，对于数字化工厂也有不同提法，包括可视化工厂（Visual Factory）、智慧工厂（Smart Factory）、智能工厂（Intelligence Factory）、数字化制造（Digital Manufacturing）、虚拟工厂（Virtual Factory）等。

        我对数字工厂目前的理解可能相对较浅，我主要谈一下对“可视化工厂”和“智慧工厂”的理解：“可视化工厂”侧重于数字化工厂实现前期的数据采集和透明化，这点可能是目前国内数字工厂的主要工作方向，而且目前做的相对完善；而“智慧工厂”更侧重于后阶段的数据分析与决策，这对于制造业系统来讲可能难度较大，首先针对制造业建立数学工艺模型本身就很难，一些制造业现场可能伴随着很复杂的物理、生物和化学过程，或者工艺过程中掺杂着大量的人为因素，这点是很难在数学模型中模拟出来的，我曾经做过污水工艺的工业仿真，建立了19组微分方程组后，勉强求解得出出水参数，虽然大体符合污水厂的日常真实出水参数，但还是很难预测工艺一些突发情况。在数学模型不容易行通的情况下，我们自然的想到了基于知识的解决方案，例如数据挖掘与机器学习，可以基于制造业的决策样本来得出决策模型，但是这点有两点限制：1）制造业现场的决策样本数量还不够多，甚至有些工厂连数据采集都还不太完善，不足以通过机器学习来生成现场决策模型；2）制造业现场的决策样本重复性较大，这点远不及语音识别和图像识别的样本丰富，例如我们想通过机器学习来建立一个故障分析模型，但是可能发现日常搜集的1000个样本中，只有十多个故障样本（我曾经见过几百个样本里面，连一个故障样本都没有的），大多都是正常工艺状态下的样本。但尽管如此，机器学习算法依旧是智能工厂的重要利器，随着样本库的完善和学习算法的改进，包括专家先验知识的介入，相信未来数据挖掘与机器学习可以大展宏图。

3、对“未来工厂”的展望

        对于“未来工厂”的看法，我相信将会达到一种真正意义上的“智慧工厂”状态：物联网技术和设备监控技术将强化工厂信息管理，生产过程的可控性和生产监测数据的精准性将达到前所未有的高度，进一步，深度学习算法将基于工厂的海量运行数据生产一个具有自主能力的系统，它不仅可以采集与理解外界及自身的信息，并以之分析判及规划工厂的工艺调整以及生产策略，而且还能结合讯号处理、推理预测、彷真及多媒体技术，将实境扩增展示现实生活中的设计与制造过程。

        未来工厂的软件项目不再需要自己亲自去采购一些硬件设备，而是更多基于云服务器所提供的可弹性伸缩的计算服务，以满足对大规模数据分析和智能业务构建的需求。