刘亚威 ¦ 美国智能制造领导力联盟——美国国家智能制造创新机构的领导者（下）

本期专栏文章由我中心青年学者、国防制造创新问题研究专家刘亚威先生为《空天防务观察》撰写，旨在继上期之后，继续介绍和分析美国国家智能制造创新机构。刘亚威先生此前已为本号提供过30篇专栏文章，读者可在文末专栏文章列表中查阅。

2016年6月20日，奥巴马宣布美国国家制造创新网络计划中 “智能制造创新机构”的获胜团队，已经酝酿了一年半的竞标终于尘埃落定。该机构由能源部牵头组建，将由获胜团队——美国智能制造领导力联盟（SMLC）负责管理，笔者曾在该机构开启竞标之时就预测SMLC将会胜出。由于国内外利益组织对工业互联网和工业4.0的技术性炒作，SMLC一直是比较神秘的存在，本文将给大家呈现美国官方对智能制造（Smart Manufacturing）的见解，展示他们所做的低调但意义重大的事情。

美国智能制造领导力联盟（SMLC）于2006年成立，它一直负责的“智能制造”计划是“智能美国”计划的一部分，在美国国家制造创新网络的数字设计与制造创新机构成立之前，SMLC是美国唯一的由政府、工业界、学术界、研究机构、协会组建的智能制造研发促进机构。SMLC提出的相关智能制造概念、路线图和行动计划反映了美国官方对智能制造的见解以及业界发展的典型路线。

四、“智能流程制造”路线图

“智能流程制造”（SPM）描述的是一种技术和能力，其中的各类计算模型是数据、知识、技能、决策和发现的集成点，它是将数据和知识构筑成有用的形式并应用的方法。为使企业获得全球竞争能力，SPM中嵌入的知识和技能需要成为企业下一代的关键运行资产。 

智能加工制造功能模型

（1）愿景

从技术的角度，SPM的愿景是：制造流程将是由知识驱动的、基于模型的；信息流将是无缝的，没有多余的数据进入；可共用信息的系统将利用数据支撑建模工具和决策支持系统；运行将是闭环的并处于分布式控制下，自动感知所有关键参数，确保所有参数维持在控制范围内；工人将与企业信息和知识过程无缝连接。

智能流程制造的技术转变

现在	未来	结果
运行中的一次性模型	模型集成到运行中	遍布的、协调的、始终一致的和可管理的模型
分散的智能	分布式智能	数据、信息、知识、模型和技能都可用于做出正确决策
缺乏智能的系统	自感知系统	自主的系统，理解其在企业中的角色并且采取行动优化其表现
独占的系统	可共用信息的系统	系统在标准协议下通信，实现信息、能力和最优组件共享
不可预测的工业	可预测的工业	在运行包线内实施影响可预测的操作

路线图共包括5条最终会聚为智能加工制造的路线，分别是“从数据到知识”，关注采集与解释数据；“从知识到运行模型”，确定工厂运行需要什么模型和仿真；“从运行模型到企业应用的关键工厂资产”，将这些模型和仿真集成为综合的工厂运行，朝弹性的、积极主动的工厂运行迈出重要步伐；“从企业应用到从全球应用的关键工厂资产”，关注全局思考与决策；“从人员、知识和模型到组合的关键绩效指标（KPI）”，关注员工培训和转变。

智能流程制造的5条实现路线

（2）路线一：从数据到知识

在SPM环境中，能够更高效地从正确的源收集正确的数据。未来，传感器网络将收集更多的数据并互相通信。首先，分析数据并编译为对生产有用的信息；之后，基于以往的经验、规则、标准和预测对这些信息进行处理，以修改工艺和产品模型，并生成和提供做出正确决策与行动所需的知识。信息转换环境必须考虑风险与不确定性。

（3）路线二：从知识到运行模型

运行模型是知识（物件、资产或工艺以及它们的相互作用）的应用表达，描述了达到SPM目标所需的集成度和标准化的水平。未来，能够获取并应用知识创建模型，精确表达工艺中的组件和材料，以及它们的功能、相互作用和转换过程。知识的应用将使企业形成提供实时、动态管理与控制的运行模型的构建能力。

（4）路线三：从运行模型到企业应用的关键工厂资产

SPM的下一个里程碑是从多尺度运行模型到基于知识的工厂集成应用，模型中包含了运行的知识和经验。未来，将会出现关键的集成模型系统，它需要作为关键工厂资产来管理。路线三有两个重要的方面：利用总体的运行模型，通过加强人员、模型和设施的协调，来高水平和高质量地计划、创建、运行和管理工厂业绩；将详细的运行模型集成系统视为与设施、数据、材料技术和专家、熟练工人同等重要的关键工厂资产，来计划、控制和管理SPM企业的每个部分。

（5）路线四：从企业应用到全球应用的关键工厂资产

领先制造企业视全世界为市场和运行地点，工厂资产的概念必须通过智能协作过程扩展至全球应用且打破企业界线。未来，要在过程控制、仿真分析和生产管理中不断探索先进技术手段并进行集成，超越传统的企业范围实现共同利益并加速广泛合作，还必须妥善处理语言、文化、规章等不同之处。全球性业务合作的成功要求各企业在运营系统之间的通信、在保护知识产权和竞争优势的同时共享信息、以及在建立柔性和快速响应系统方面达成一致，以最优化彼此的经营活动。这其中的挑战远超绝大多数供应链管理系统的能力。

（6）路线五：从人员、知识和模型到组合的关键绩效指标

SPM环境有效地协同人员技能、知识和集成的模型系统。未来，所有的技能、能力和知识都将融入一个集成环境中，在其中可以得到制造成品率和其它生产目标，可以确保环境、健康与安全（EH&S），而且关键绩效指标（KPI）持续衡量企业成功与否。制造企业将全面和熟练地使用所有可用知识和经验，利用可以学习的智能模型通过基于计算机的系统增加知识，在设计和制造全寿命周期的每个步骤中实现多目标最优化。

五、“智能制造企业（联盟）”行动计划

在智能制造领导力联盟2011年6月发布的《实施21世纪的智能制造》报告中详细列出了“智能制造企业（联盟）行动计划”的愿景、2020年目标和成果、绩效衡量准则，以及行动计划。行动计划包括四类：面向智能制造的工业界建模与仿真平台；经济可承受的工业数据收集与管理系统；企业范围集成：商务系统、制造工厂和供应商；智能制造中的教育与培训。

（1）愿景与目标

理想的智能制造企业（联盟）应该包含制造的方方面面（从工厂运行到供应链），并且能够全寿命周期地虚拟跟踪资本资产、工艺和资源，最终得到的将是柔性、敏捷和创新的制造环境，绩效和效率都是最优化的，业务和制造都是高效协同运行的。

智能制造企业（联盟）概念

智能制造企业（联盟）2020年应达到的目标包括7条：

    ——降低在核心制造工艺中应用先进数据分析、建模与仿真的成本；

——降低前置竞争性基础设施的成本，包括数据和信息网络、可共用的软硬件以及共享的商业数据；

——建立一个共享的工业界源平台，就像应用程序商店那样开放浏览，提供可定制的软件服务，以促进创新；

——面向企业的制造智能化应用，广泛接入下一代感知技术和数字基础设施（如一次性传感器，数据融合，提升测量精度和智能化程度的、多源组合数据的有线和无线网络）；

——为智能制造概念建立国家试验台或方便的用户设施，使其对所有规模的企业都可用；

——面向物料与产品的实时规划和及时跟踪/可追溯性，开发虚拟工厂和供应链工具（如实时仿真和可视化，虚拟试验台，动态风险分析，动态供应商参与）。

——在企业中应用仪表盘绩效工具（如关键绩效指标，关键数据的动态监测和可视化）管理动态生产、关键资源（能量、水、空气）的使用和存储、可持续性和环境、健康与安全（EH&S）。

达到这些目标后，将会形成6个综合成果，它们描述了未来智能制造的状态：技术创新和经济健康，敏捷，资源高效利用，安全与信心（可靠），可持续性，下一代工人。为衡量这些目标和成果，还提出了相关进展的衡量准则，包括6个大项：产品化周期缩短；与智能制造模型和工具相关的成本降低；在企业范围内执行智能制造概念；在高度优化和安全的工厂中，由需求驱动且高效地利用资源；建立描述产品可持续性的通用语言；现有工业基础的维持与增长。

（2）行动计划一：面向智能制造的工业界建模与仿真平台

智能制造的大规模使用需要模型和计算平台向众多用户开放，提供轻松访问的同时保护知识产权。计算工具也需要拥有先进功能以支持在工厂环境中进行更复杂的分析和决策，并且在制造企业中与商务系统集成。这些功能包括所有关键绩效指标以及企业范围数据的集成，包括原材料、设备、设施、产品和后勤。人员因素也必须在决策工具和自动系统中加入，把人类行为和行动与机器知识进行集成。

（3）行动计划二：经济可承受的工业数据收集与管理系统

支持企业范围的智能制造系统需要大量数据，这些数据需要使用高效、标准化的方法收集、存储、分析和传送，高效且经济地管理和使用数据对智能制造是一个重大挑战。解决当前数据系统的局限需要开发相容的数据方法以及新的收集体系结构，这一体系结构使用综合传感器网络并使数据传输简化。数据系统需要是不同平台与用户共用的且在其间是可交换的。

（4）行动计划三：企业范围集成：商务系统、制造工厂和供应商

制造企业（联盟）比制造工艺和产品更大，包括横跨制造工厂、企业和工业界的众多业务和管理职能。供应链中制造运行与业务职能的集成是未来智能制造企业（联盟）的一个中心优势。成功地集成业务规划和制造决策将极大增加各种资源使用中的生产率和效率。无损知识产权的跨供应链集成将为改进供应商绩效开辟新方法，并且能让供应商占领新的或邻近的市场。

（5）行动计划四：智能制造中的教育与培训

为了持续发展智能制造的技术以及其它方面，并且使工厂有效采用并广泛使用智能制造，需要打造一支熟练的劳动力大军。这其中的关键在于大学和学院课程中加入智能制造概念，在高等教育中包含这些概念将确保工程师和科学家骨干在所需学科中得到培养。对于培训操作员使用新工具，确保将人员因素持续纳入计算和自动化工厂系统来说，工厂或工业培训项目也是需要的。能够在工厂运行中看到决策的影响，并且从中学习的操作员会成为高效的资产。

从行动计划四就可见，与美国国家制造创新网络一样，SMLC仍然是把教育和培训作为核心行动计划和重要发展目标成果，而不是什么保障措施，对于人在智能制造中的作用，这是中美之间最大的认识差异。

刘亚威先生此前已为《空天防务观察》提供30篇专栏文章，如下表所示：

序号	篇名	发表日期 （2015-2016）
1		2月16日
2		2月23日
3		2月25日
4		2月27日
5		3月11日
6		4月8日
7		4月22日
8		5月27日
9		6月1日
10		8月17日
11		8月24日
12		9月28日
13		10月9日
14		10月14日
15		11月23日
16		12月18日、21日和23日
17		2016年1月8日、15日
18		2月15日
19		2月22日
20		3月4日
21		4月1日
22		4月6日
23		4月8日
24		5月11日
25		5月17日
26		5月23日
27		5月30日
28		6月6日
29		6月29日
30		6月29日

以上文章引起了广泛关注和较大反响，有兴趣的读者可点击上表中“篇名”列的原文链接阅读。

（中航工业经济技术研究院  刘亚威）

关注本公众号有以下三种方式：

1、点击本文顶部蓝色“空天防务观察”字样，点击“关注”；

2、在微信的“通讯录”-“公众号”中，点击右上角的“＋”号，输入“AerospaceWatch”查到到本公众号之后点击，再点击“关注”；

3、长按下面的图片，选择“识别图中二维码”，关注本号：

感谢您的关注！