智慧院所 | 智能制造新概念（编号217）
智能制造新概念 （编号217）
中文：智慧院所
（本词条版权归《知识自动化》所有。欢迎业内提出建议。）
前言
德国弗劳恩霍夫应用研究促进协会所属的一个商学院在2016年度系统工程手册中指出：“几乎所有领域的发展趋势都指向所谓的智能生态”。
这句话，成为智慧院所的一个精致的注脚。
智慧院所就是要将信息技术跨界融合背景下的“智慧”与传统科研院所的业务相融合。智慧院所的核心思想与本质是：利用知识自动化将人从繁重的事务性劳动中解放出来，更多精力用于创新，并基于知识自动化提高科研院所的决策、创新的能力与效率。
图1 智能生态系统的趋势
来源：Systems Engineering Booklet 2016 : Challenges and Best Practices
智慧院所最初是面向国防军工院所而定义的，在实际应用中可以向一般的科研院所扩展。本文仅重点描述了智慧院所的顶层概念，具体的智慧院所建设需要结合具体业务形成详细建设方案。
何以智慧
2013年6月，国防科工局信息中心在'军工核心能力数据中心建设思路研讨会'上首次提出了大数据背景下的“智慧军工”概念。2015年2月宋大晓、韩龙宝两位专家在《智慧型军工科研院所，由概念走向现实》一文中，对智慧院所的发展描绘了四个阶段。在“中国制造2025”战略背景下，在“国防科技工业2025”推动下，智慧院所逐渐步入人们的视野。
对于智慧院所的认识，到目前为止并无定论。本文将“智慧院所”作为研究对象，应用系统工程方法研究与定义智慧院所。
“智慧”最初是一个比较抽象的哲学和宗教术语，在综合多种对智慧解释的基础上，给出在信息技术跨界融合背景下关于智慧的定义作为立论的基础。
可以说，“利用互联网、云计算与物联网等手段获取足够丰富的数据与信息，采用大数据分析技术、虚拟技术与仿真分析手段对海量数据与信息进行分析与处理，帮助人们作出导致成功的决策，进而创造性地采用正确的手段与方法解决问题，就是智慧”。
在此之前，智慧城市、智慧园区已经在很多地方的开展，“智慧军工”概念的提出，揭开了智慧化在工程领域的论证与推进。在工程领域，有两个项目非常值得关注与借鉴。一个是工程弹性系统ERS（Engineered Resilient Systems）是美国国防部七个科技优先课题之一，是面向采办部门与军方的诉求而发起，希望武器装备能够在一个非常广泛的背景环境中可靠、高效地使用，通过重新配置或替换可以轻松适应更多其他背景环境，并且功能故障可预测；一个是自使用运载车辆制造AVM（Adaptive Vehicle Make），由美国国防部高级研究计划局（DARPA）发起的项目组合，致力于将复杂赛博物理系统的开发周期大幅度缩短。这两个项目一个面向国防采办部门，一个面向工业部门，都是在2010年启动，ERS在2015年已经完成了V1.0版本开发，并且将持续到2024年。而AVM在2013年完成了技术验证后随即转入美国数字化制造和设计创新机构（DMDII），进入技术转化阶段。
智慧院所借鉴了这两个项目的一些关键特性，结合国防军工院所的业务特点完成了顶层定义。
智慧的几个核心要素：数据与知识、权衡与决策、创新与道德，呈现出七大智慧院所的定义
智慧院所就是将信息技术跨界融合背景下的“智慧”与传统院所的融合，应用到国防军工领域完成“中国制造2025”战略所赋予的在武器装备研发、制造、运维保障等工程领域的使命任务，不涉及企业组织的人文、社会、管理、经济、文化、政治等方面的因素。智慧院所的定义如下：
智慧院所是信息技术跨界融合背景下的组织形态在工程应用领域的体现。以支撑制造业国家战略落地为根本目的；以实现工程方法转型、决策转型、组织过程资产积累、数字化/模型化，创新型院所为目标；以模型为基础，以知识自动化为核心驱动力；基于全寿命周期的产品数据，业务数据，环境数据，行为与习惯数据，利用互联网、云计算、大数据、虚拟化等信息技术与自动化技术，实时感知与获取数据与信息、分析权衡并辅助做出正确决策判断、创造性地采取正确行为。全面支撑院所的管理、研发、制造、运维保障方面的活动。
智慧院所本质上是利用知识自动化提升智慧主体——人——创新与决策的效率。
在信息技术跨界融合的背景以及科研院所的特定应用场景下，“DIKW”的模型被赋予新的内涵。
图2 智慧院所中的智慧原理与技术
数据（D），数据层的重点是院所的全型号/全寿期数据的整合。其中涉及到大量不同数据格式的结构化或非结构化数据，因此，数据的关键在于数据的整合，采用通用的数据标准，通过数据关联/转换/融合等方式实现全型号/全寿期数据的整合。
信息（I），是对全型号/全寿期数据进行模型化与组件化的处理与表达，引入MBSE等方法论，对系统、业务、流程、企业架构等内容使用建模语言与组件化技术完成模型化与组件化。模型化/组件化是对数据进行信息处理的重要手段，是进一步形成知识的基础。
知识（K），智慧院所中的知识将不仅仅是通常所提及的静态的知识，而是表现为“知识自动化”的一种动态的知识获取、组织、应用、再学习的自动化过程。应用大数据、本体、语义网络、神经网络、图形图像处理、机器试错学习、认知计算等技术，实现知识自学习、自组织与自适应。
智慧（W），智慧主要表现为科研院所的“人”利用“知识自动化”或人工智能应用数据、信息与知识进行权衡与决策以及基于知识进行创新的应用结果。
在智慧院所中，智慧与智能之间是什么关系呢？
我们知道，智慧的主体是人，而智能是针对机器来说的。智慧院所中所说的智慧是真正的人的智慧（Wisdom），是智慧主体“人”应用“机器智能”，让“机器智能”帮助人完成大量重复性/事务性的劳动，来支撑人进行创新与决策的表现形式。
而要让“机器智能”能够帮助人完成相关的工作，机器必须对所要表达的对象可识别到，然后是可计算、可关联，进而对对象进行理解与认知，这是“机器智能”帮助人完成工作的基础。这就要求我们，在描述对象的时候，需要从多个层级、多领域进行高保真的描述，从而让机器对描述对象可关联、可计算、可认知。
图3 机器智能的基础
这是机器智能的基础，也是智慧院所实现的基础。在智慧院所的概念定义与解决方案定义过程中，这条主线贯穿其中。不论数据的整合、信息的模型化与结构化描述、以及知识自动化处理过程等，都是围绕这个目标展开的。
基本原理
在研究智慧院所的过程中，将科研院所作为一个复杂的系统对象来研究。这个复杂的系统对象的运行包含了三个维度多个层次的要素：机器（IT技术与人工智能）、人、以及由人构成的组织形成了科研院所横向的组织构成要素；在组织所开展的业务包含了纵向四个层次的组织业务要素：决策管理层、管理控制层、业务运行层、业务支撑层；而组织构成维度的机器、人、组织在开展组织业务过程中会形成大量的数据（D）、信息（I）、知识（K）、智慧（W）。三个方向构成立体化的企业模型。
传统的企业与院所中，这三个维度的要素相互比较独立，相互之间多通过手工的方式项目关联，影响了交互与融合的效率。
利用知识自动化实现人（智慧）-机器-（数据、信息与知识）-组织（架构与过程）与组织业务的融合。知识自动化可以实现知识与人解耦、知识与工具解耦、将碎片化的知识系统化、实现知识自适应业务场景。因此，可以利用知识自动化在开展组织业务的过程中将组织-人-机器所产生的数据、信息、知识进行整合，形成人与组织的智慧用于组织管理与组织业务的创新与决策。
图4 智慧院所原理模型
知识自动化是智慧院所实现的关键，是未来重要的颠覆性技术，是智慧院所本质特征体现。“知识自动化系统将人工智能技术、计算机技术、自动化技术融合来实现知识表示、获取、关联、处理和应用, 应用于工业实体, 实现工业应用环境下知识自动感知与获取、处理、计算、决策的智能系统。”
——桂卫华，中南大学教授，中国工程院院士。
“知识自动化是信息自动化在开放的网络空间中的延伸与提升，它并非只是知识的自动产生过程，更能够诱发知识的传播、获取、分析、影响、产生等方面的重要变革。”
——吴宏鑫，中国空间技术研究院研究员，中国科学院院士
工业时代需要工业自动化, 知识时代必须知识自动化。工业时代的发展在许多方面对人类的体力提出了“非分” 的要求, 迫使人们必须依靠工业自动化的手段来“补偿”其体能上的不足, 才能够去实施、运营、维护各类大型或精密的系统和过程；同理, 面临物联网、大数据、云计算、智能技术等, 正在迅速兴起的知识时代也对人类的智力提出了更高、更加“非分”的要求, 人们更需要借助知识自动化的方法来“弥补” 其智能上的不足, 进而才能去完成各种层出不穷的不定、多样、复杂任务 。
——王飞跃，中科院自动化所研究员。
因此，智慧院所的本质是：借助知识自动化，将人从低效重复的劳动中解放出来，提升人们创新与决策的效率。
顶层概念
智慧院所是在“中国制造2025”这个大背景下提出的，是以支撑中国制造2025战略落地为根本目的。紧扣“中国制造2025”明确提出的四个转变，利用1套工程方法基础、2个核心技术基础、3大功能支柱，支撑“中国制造2025”的四个转变实现。全面支撑制造业战略落地。
图5 智慧院所顶层概念
系统工程提供了智慧院所在工程方法上的基础，工程方法往往可以发挥“倍增器”的效用，达到事半功倍的效果，这是智慧院所的核心方法基础。物联网与云计算、大数据提供了智慧院所的核心技术基础。
创新体系、知识自动化、模型化是智慧院所的三大功能支柱。
创新是智慧院所的核心目标，“没有创新就没有未来”。知识自动化提供了创新体系的基础，模型化提供知识自动化的基础。
创新体系从机制上保障了智慧院所创新目标的实现；“没有创新就没有未来，没有效率就没有创新”，知识自动化提供了创新目标实现的物质基础与知识基础，将人从重复低效的劳动中解放出来，并为创新活动提供各种知识基础，让人们可以站在巨人的肩膀上；模型化是知识自动化的基础，通过模型化对系统、业务、流程、企业架构等内容使用建模语言与组件化技术进行处理，让计算机可以帮助人们识别处理这些数据与信息，是形成知识与实现知识自动化的基础。
智慧院所利用工程方法基础、核心技术基础、功能支柱，支撑“中国制造2025”的四个转变实现。
智慧院所将构建科研院所的创新体系，通过知识自动化解放人类智力，使人们从大量的事务性劳动中解脱出来，20%的精力投入事务性劳动，80%的精力用于创新，解决创新的根本性问题；真正实现创新驱动发展；
为了促成从低成本竞争优势向质量效益竞争优势的转变，智慧院所将全面基于系统工程方法，从源头开展正向设计，创造并提升产品的核心价值；
智慧院所提倡“智慧设计、精益生产”，把“一次做对”当成智慧院所的追求目标，尽量减少由于设计缺陷与错误造成的返工，减少产品制造过程中的无谓消耗，实现低污染低消耗的绿色制造；
在从生产型向服务型制造转型的过程中，智慧院所中的“智慧”就是人应用知识自动化/机器智能的结果，智能作为一种服务（“IQ As Server”）将为科研院所的研发、制造、运行与维护活动提供服务。
智慧院所总体技术路线是将信息技术跨界融合背景下的“智慧”融入到科研院所的业务与技术过程中。面向科研院所5大类利益相关方——企业管理层、职能部门、技术管理层、技术部分、上级监管部门，解决其在工程方法、知识积累与应用、决策、规范性与数据集成等5大类问题与挑战，满足科研院所院所利益相关方的在武器装备研发设计、制造与运维的各项需求。
图6 智慧院所顶层技术路线
将这一技术路线进一步解析，以ISO/IEC/IEEE 15288：2015——软件与系统生命周期过程标准为基础背景，以系统工程作为基本工程方法；采用模型化手段，对企业的架构、业务过程、技术过程、产品数据、知识、权衡与决策算法等装备研制中的相关信息与数据进行建模，形成统一模型；同时将现有的业务与技术过程中应用到的知识经验与方法进行组件化描述；基于统一模型与组件化知识，利用大数据、认知计算等核心技术实现知识的自学习、自组织、知识自适应的知识自动化过程，通过知识自动化完成知识与装备研制过程活动的融合；基于已有的可以广泛共享的知识进行创新，解决装备研制过程中遇到的问题，缩短问题的解决时间；通过数据分析与挖掘，形成可以支撑技术决策与管理决策的可视化数据结果，避免经验决策带来的决策风险。
“智慧”的过程
智慧院所的智慧化过程是在传统科研院所的流程、方法、技术与数据基础上引入“智慧”要素，对传统基础进行改造，将系统工程流程、系统工程思想方法植入到传统科研院所中，整合装备研发过程中的设计数据、验证数据、质量数据以及设计活动模型，装备制造过程中的数字工厂数据、制造数据、制造检测数据、试验数据，武器装备运行使用与保障过程中的系统运行状态数据、运行环境数据、操作活动数据等数据，基于通用数据标准（ISO10303、OSLC、FMI……）形成统一数据模型。
图7 智慧院所的“智慧”过程
在完成对传统流程、方法、技术、数据等基础改造后，通过基于国际标准的数据适配器与统一模型库实现产品全生命周期结构化数据模型的采集，采用知识组件化技术，对这些结构化模型数据进行组件化；采用大数据技术对非结构化数据进行自动获取、分析与抽取，形成跟设计相关的科研大数据，跟制造相关的制造大数据，跟运行维护相关的运维大数据。将这些数据进一步处理并按照一定的逻辑整理与融合后形成知识。基于对设计/制造/运维任务与行为分析的结果，形成任务-知识本体关联语义网，实现知识的自组织；解析任务模型特征，任务上下文信息与项目约束，结合人的行为特征分析，采用特定算法完成对设计知识的自适应匹配计算后主动推送知识到相应的活动。并基于成熟的经验与知识形成多种创新设计方案，通过仿真计算与权衡分析，用数据支撑技术决策，做出最正确最科学的判断。
阶段性特征
智慧院所遵循“DIKW”基本原理因而呈现出明显的阶段特性。按照智慧院所赋予“DIKW”模型的特殊内涵，各院所经过几十年的实践与信息化积累后已经积累了丰富的数据，在数据（D）层面的问题在于数据的整合；在信息（I）层面的关键在于对这些数据的模型化与组件化处理；知识（K）层面的核心在于解决知识的动态过程；而智慧（W）主要是人应用数据、信息与知识进行决策与创新所表现出的最终效果。因此将“智慧院所”分解为3个阶段：第一个阶段目标是夯实数据基础，解决生命周期数据整合问题，称之为“集成化”阶段；第二个阶段目标是在整合数据基础上实现对数据的“模型化/组件化”表达，为知识自动化提供基础，称之为“模型化/组件化”阶段；第三个阶段目标是让人充分利用知识自动化实现决策与创新效率的提升，称之为“智慧化”阶段。
图8 “智慧院所”的3个阶段
不同的研究所可以根据本研究所的基础与实际情况，通过这5条主线——数据、工程方法（系统工程）、模型化/组件化，知识自动化、创新——分别开展智慧院所建设。
解决方案与落地应用
智慧院所解决方案是支撑“智慧院所”这种组织形态在工程领域应用的使能信息化平台，因此，智慧院所解决方案与第2章节所定义的“智慧院所”是不同的概念，智慧院所解决方案是“智慧院所”的信息化展现。
按照EIA632标准对系统构成的描述，智慧院所解决方案主要包括5个方面的内容，4个最终产品应用平台，1个使能产品集，将使能产品集的内容重点整合形成系统工程应用标准规范体系。4个应用平台是智慧管理与决策平台，智慧研发平台，智能制造平台，智能运行与维护平台。
图9 主要建设内容
其中的4个平台是在智慧院所解决方案平台统一框架下的4个组成部分。智慧院所解决方案平台可以概括成4层架构、4个核心技术支撑、4个核心应用。
图10 智慧院所统一平台架
核心应用层包括了智慧院所核心技术引擎，统一数据模型、知识自动化以及权衡与决策4个核心技术支撑；以及智慧管理与决策平台、武器装备智慧研发平台、智能制造平台、智能运行与维护平台等4个核心应用平台。这是基于系统工程的智慧院所解决方案的核心，4个核心技术支撑与每一个核心应用平台组合可以形成面向产品生命周期不同阶段的智慧院所应用解决方案，每一个方案包括了适应于该生命周期阶段的特定功能。
智慧院所解决方案在企业中的落地应用，需要根据智慧院所的阶段特性结合企业的实际业务进行实例化。理清企业现有基础与智慧院所的关系与定位，根据企业现有基础规划阶段，分解并确定阶段目标，定义每一个阶段可行的解决方案与支撑产品，并对每一个阶段的挑战与不确定性要有足够的认识。
结束语
智慧院所的提法是从知识的自动化这个角度，从提升智慧的主体——人——在完成获取足够丰富的数据与信息做出导致成功的决策与创新的智慧活动中，利用知识自动化来提升决策/创新的能力与效率。是相对于过去非自动化的一种深化与升级。
智慧院所作为一种组织形态，其研究方法适用于企业系统工程，是一个相当复杂的课题。本文对智慧院所进行了相当大的简化，仅从武器装备研制运维的工程应用角度进行了研究，弱化了企业组织的人文、社会、管理、经济、文化、政治等方面的因素。同时，由于受到作者对科研院所了解水平的限制，以及知识结构与水平的限制，诸多说法与描述有待进一步研究。
注：由于受篇幅的限制，文中仅对智慧院所是什么做了简要的描述，对于智慧院所的解决方案以及智慧院所如何在企业中落地没有过多介绍。在智慧院所的完整定义中，这两部分是重点内容，有需要可以联系作者做进一步交流。
相关阅读：
作者简介
何强：北京索为系统技术公司，微信号 SEC_heq