侍乐媛：CPS生产系统平台在离散型和流程型行业的不同应用案例
【有态度 | 有深度 | 有力度的原创型产业新媒体】
【导读】：CPS（Cyber-Physical Systems）作为工业4.0的核心，当试图用语言描述的时候，有时候会陷入一种复杂境况，让人感觉太深奥了以至于“不敢靠近”；而描述成“简单速成”的时候，就想当然的以为可以轻而易举的实现。这两种极端在学术探讨和实际应用中都不可取。
侍乐媛认为：有些企业认为为了实现CPS所具有的智能化，最重要的就是引进高端设备或架设传感器，其实这是一个误区，因为仅仅感知设备而无法感知其他重要的系统维度如生产任务是不能建成一个智能系统的。
生产现场的设备上安装了各式各样的传感器，每时每刻都将海量的数据传输到中央计算机中进行数据处理，换句话说，是不是“万物相连”就能够实现智能制造或智慧工厂?
在国内和美国、德国、日本，我和我的团队调研过几百家企业，包括一些“4.0”项目及我国的智能制造示范项目。这些企业有先进的硬件设备，数据可以对设备实时采集，机器人、AGV，软件界面的数据快速刷新。
然而我们发现，很多企业尤其是离散性企业不能回答这样的一些问题：接到一个订单，何时准时交付？如果一个物料或设备发生变化，对那个订单产生多大影响？各个订单的生产成本是多少？由此可见即使所有设备都能够相连，生产系统也不一定具备智能特征。对于复杂生产系统，设备只是这个系统中的一个重要维度。如果系统不能感知其他维度的状态，那么上面所提出的问题就无法回答。
本文摘自《Q管理》，无删减。
大家好！感谢主持人的介绍，我是侍乐媛，北京大学工业工程管理系主任，同时也是北京施达优技术有限公司首席科学家。很高兴有这个机会与大家交流切磋。
前面各位专家对信息物理系统（Cyber-Physical Systems，CPS）的发展、理论、方法、定义以及应用等方面都做了很多精彩的介绍，使得大家对CPS有了比较清晰的了解。今天我的宣讲主题为“CPS生产系统平台与应用案例”。我和我的团队在制造业特别是制造生产系统领域有很多年的研究和实践经历。而CPS系统的一个最主要应用领域是在制造业。因此今天的讨论主要围绕着制造业而谈。
我首先想和大家分享一下我对于CPS的定义和理解。《信息物理系统白皮书》将CPS分为三个层次，分别为单元级，系统级，系统之系统级（System of Systems，SoS）。 CPS作为一个系统，不论是单元级，系统级、SoS级，都是一个系统。要定义一个系统首先需要明确构成这个系统的维度或是元素。
总体来说，构成一个CPS的维度除了时间这个维度外，还有两大类：第一类是表示物理意义的各种维度，例如机器、材料、工具、传感器、人员、环境等。第二类是表示信息的维度，例如客户要求和信息、设计要求、工艺流程信息、资金、法律法规等。下图给出了根据系统维度的CPS分类。
从这个分类图我们可以看到，单元级的CPS系统维度最低。它是由单个不可分割的物理系统以及嵌入在这个物理系统中的信息系统和嵌入在这个物理系统中的其它物理系统如传感器在时间轴上组成。典型的单元级CPS如数控机床，飞机发动机等。这个定义与《信息物理系统白皮书》是一样的。
系统级CPS由两个或两个以上同质的（homogeneous）物理系统以及嵌入这个系统的信息系统和嵌入在这个物理系统中其它物理系统在时间轴上组成。这里同质可以定义为：具有类似特点或功能的物理系统，例如机加车间的所有单件加工设备可以认为是同质的，喷涂车间的所有设备是同质的。但机加车间和喷涂车间的设备是非同质的。
在这个定义下，除了可以用网（信息）把单元级CPS与非单元CPS设备集成，系统还包括了嵌入这个系统的其它信息系统如生产任务信息，工艺要求信息等以及嵌入这个系统的其他物理系统如工装磨具，物料，人员等。特别需要注意的是，人员也是关联这些物理系统的。
SoS级的CPS定义与《信息物理系统白皮书》是一致的：在系统级CPS的基础上，通过智能数字化平台，实现系统级CPS之间的协同优化。为什么在SoS级CPS需要用平台呢？这是因为只有平台才能把不同质的各个子系统集成为一个整体系统。
从这个定义出发，我们可以从三个方面来观察CPS系统。
（1） 物理空间中的CPS系统
单元级的CPS系统由于维度低，所以系统的边界有限，因此在实现“状态感知、实时分析、科学决策、精准执行”上相比系统级或SoS级CPS要容易许多。目前商业化的CPS系统在这个层次上有很多应用。
系统级的CPS，比如由若干个设备、工人、加工中心组成一个车间。这个CPS系统的环境包括其他车间、库房、采购、工装模具、生产调度、物流配送等等。由于系统的边界扩大以及系统环境的复杂，车间级的CPS的状态感知、分析、决策和执行都会比较困难，特别是在离散制造业。
随着系统维数的增加，系统的复杂度呈指数型增加，例如工厂级的CPS将由很多不同质的车间、很多供应商、很多客户，包括了设计、市场销售，以及工厂的生产计划、财务、动力、人力资源等多个部门组成。这个时候，工厂级的CPS应对的系统环境将是非常庞杂的。有时候我们甚至都无法准确界定这个系统的边界。因此，针对工厂级的CPS，我们只能通过我们所能够感知到的有限的信息去分析，做出相应的决策。
《信息物理系统白皮书》指出“状态感知就是通过各种各样的传感器感知物质世界的运行状态，实时分析就是通过工业软件实现数据、信息、知识的转化，科学决策就是通过数据平台实现异构系统数据的流动与知识的分享，精准执行就是通过控制器、执行器等机械硬件实现对决策的反馈响应。”
很多人在读完这一段话都会在脑中构建这样一幅CPS的应用场景：生产现场的设备上安装了各式各样的传感器，每时每刻都将海量的数据传输到中央计算机中进行数据处理，换句话说，是不是“万物相连”就能够实现智能制造或智慧工厂?
在国内和美国、德国、日本，我和我的团队调研过几百家企业，包括一些“4.0”项目及我国的智能制造示范项目。这些企业有先进的硬件设备，数据可以对设备实时采集，机器人、AGV，软件界面的数据快速刷新。
然而我们发现，很多企业尤其是离散性企业不能回答这样的一些问题：接到一个订单，何时准时交付？如果一个物料或设备发生变化，对那个订单产生多大影响？各个订单的生产成本是多少？由此可见即使所有设备都能够相连，生产系统也不一定具备智能特征。对于复杂生产系统，设备只是这个系统中的一个重要维度。如果系统不能感知其他维度的状态，那么上面所提出的问题就无法回答。这个现象当我们从时间这个维度看CPS会再一次阐述。
（2）时间下的CPS系统
一个产品或者订单的全生命周期可分为设计、生产、销售、维护和回收等不同阶段。在各个不同阶段，我们都可以构建一个个CPS来帮助我们实现系统目标。当我们沿着产品生命周期各个阶段来观察这些CPS系统，我们会看到两点现象。其一，在不同阶段的CPS的目标和约束是不一样的；其二，不同阶段，构建的这些CPS对时间的敏感度是不同的(见下图)。
产品设计阶段是一个从无到有的创造阶段，其目标是创造新的市场需求。设计阶段通过各种信息化技术，如仿真技术，数字孪生系统等构建数字化的产品设计模型，使得在产品实际试验或制造之前进行模拟与检验，缩短产品的设计周期并降低试验成本。在这个过程中，设计人员的创造性思维往往起着至关重要的作用。因此设计阶段对时间并不是非常敏感。投入巨额资源而没有成果的案例比比皆是。这就是为什么通常只有大型企业或是资金比较雄厚的企业才会设立专业的研发部门。
产品的运维阶段的主要目标是保证产品的正常运行同时最优化运维成本。这一阶段对时间最为敏感，任何系统状态变化都必须做出实时分析决策。但这一阶段有一个与设计或生产阶段最大不同的显著特征：“任务即设备，设备即任务”。例如保证一台发动机的正常运行是一个任务描述，而这个任务里面包含了为了完成这个任务的资源（发动机）。由于这一特征，这样的系统可以做到精确感知，因为感知资源设备就是感知任务。很多系统平台如GE的Predix，西门子的Mindsphere以及三一重工的根云平台等都属于这一类的应用平台。
产品的生产制造阶段，其主要目标是满足客户需求并使企业利润最大化。这一阶段系统对时间的敏感度处在一种“有时特别敏感有时不敏感”的中间地带。生产企业碰到的一些常见的现象是：现场即将要用的部件没有生产出来，反倒是几个月以后要使用的材料过早得加工完成了，这样导致需要紧急插单才能保证客户交期。但又不知道这个插单对其他生产任务的影响。有的时候插单好像影响不大（对时间不敏感），有的时候一个紧急插单会造成一连串的紧急插单（对时间特别敏感）。这种现象即使最有经验的生产管理人员也会常常束手无策。
造成这些现象的原因有很多，除了制造过程因其本身的复杂性和不确定性外，生产系统无法感知生产任务是一个最主要的原因。而造成无法感知生产任务状态的源头在于生产现场数据自动流动的问题。
根据《信息物理系统白皮书》CPS“其本质就是构建一套赛博（Cyber）空间与物理（Physical）空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系”。对于生产系统，如果数据不能做到自动流动，那么系统的状态感知就会发生延迟，从而导致问题发生了已经来不及处理的现象。下面这个图显示了制造生产系统中出现信息流断层的现象。事实上，大多制造业企业在车间/生产现场管理中依然采用手工、凭经验或是使用Excel在管理。
如果我们把生产系统中的信息化系统与实际的生产现场映射，我们发现在生产现场中存在着很多由人工控制的点。如果离开了人的参与（如下图的虚线），那么信息流就会中断。这就是安筱鹏博士提出的信息流自动化的问题。
例如，当一个生产计划管理人员打开终端时，他需要在各个信息化系统中查询计算各种数据，并根据自己的经验制定生产计划。下游的各个业务点需要根据计划，再做出自己的决策。信息流就是这样通过人一层层传递的。当信息流不能自动流动，自然就会产生很多“信息孤岛”。
有些企业认为为了实现CPS所具有的智能化，最重要的就是引进高端设备或架设传感器，其实这是一个误区，前面我们已经提到：因为仅仅感知设备而无法感知其他重要的系统维度如生产任务是不能建成一个智能系统的。另外，有些人认为企业上线ERP或MES系统就能够解决上述问题。遗憾的是，大部分的ERP或是MES系统都无法解决上面提到的问题。如下图所示。
ERP在生产系统中提供很多功能，总结一句话：ERP系统可以很好的反应企业资源在数量维度的状态。由于ERP是基于MRP技术发展而来，因此所有与时间相关的决策和系统状态基本都是不准确的。
MES上传下达并记录系统发生的所有事情。但是，MES感知的都是基于纵向资源维度的信息，缺乏沿着生产任务（订单）维度的信息。所以对整体系统的感知是不够的。不能感知，系统就不能做出正确的决策。因此，在生产车间都是凭经验或是Excel调度，因而形成信息流断层。
信息流能自动流动是一个CPS的基础。问题不解决，生产现场管理就既不能实现闭环，也不可能实现成为赋能体系。
（3）竞争环境下的CPS
前面我们讨论了在物理空间和时间中的CPS，下面我们在竞争环境下观察CPS。我们看到的很多CPS的经典案例，大多是在资源独享的非竞争境下。比如一个人造卫星的运行、一个3D设计系统、一个无人驾驶汽车等等。当我们研究工业系统的CPS的时候，特别是生产系统时，独立的、资源独享的CPS是没有指导意义的。在车间当两个单元级的CPS都想同时占用某个资源的时候，我们如何来决策控制？当城里所有的大车、卡车、小车全部都是无人驾驶的时候，并且同时竞争同一目的地的时候，他们如何来协同控制？
而当前，我们更多的是研究一辆自动驾驶汽车独享资源的运行问题。毫无疑问，在这些单元级的CPS之中，还必须有另一层次的感知与控制系统。从工业系统的角度，单独的单元级的CPS还不足以解释CPS理论的架构。而一旦进入到系统级甚至系统之系统级别的CPS，我们必须面对一个重要的问题，这就是对复杂系统的研究和控制。尽管人们在这方面的建树并不多。我们的团队在过去近二十年中一直致力于在这个方向有所突破。
下面我就通过两个SoS级的生产系统平台案例与大家讨论切磋。
SoS级的CPS生产系统可分为两大类：流程型和离散型。我们先介绍一个流程型制造业的CPS生产平台系统的建设案例。
流程型企业CPS案例
这是一个典型的流程型的生产系统，生产家庭生活用纸和商用消费纸产品企业，如下图所示。
这个生产系统由四个子系统组成：第一个子系统是由两个巨大造纸机组成；第二个子系统是一个由27个不同功能的可存放高达几米的原纸卷的临时库存组成；第三个子系统是十几条不同类型和功能的自动卷纸机；第四个子系统是自动打包机。整个生产现场除了用叉车搬运原纸卷的工人外，很少看见工人和管理人员，大部分人员都是在控制室内监控设备和机器。
想象中，一个近乎全自动化的超级工厂，生产管理应该井井有条。但是其实生产现场管理还是存在着很多难题。这个企业采用ERP（SAP）做月运营计划和周计划，日常的生产调度还必须依赖经验+Excel。销售订单的改变；临时库存堆放的原纸卷从周围环境吸收水分，而很快“过期” 造成浪费；上下游产能不能匹配；原料在造纸阶段品质等级变换；设备故障/检修需要调整生产计划，已经写进控制系统的程序还需要改写，设备需要换型调整，这些原因导致全年达15%的产能浪费。
为了提高产能，企业在几年前就着手开始搭建SoS级的智能仿真系统平台（见下图）。经过几年的努力，目前可以基本做到与实际状态一对一的匹配，实现生产系统的状态感知。
这个平台包含了三个数字孪生系统（Digital Twin）分别对应三个生产子系统，库存系统作为约束条件包含在仿真平台中。平台还包含了三个生产子系统的数学模型以及一个全系统的集成模型用于分析优化。结合我们在仿真优化领域研究成果，在嵌套分割优化框架下，每个数学模型还配备了高效率的优化算法以保证其可以进行实时优化。根据现场的生产状况和库存情况，进行实时优化的时间段为几个小时。最后，通过验证的最优生产计划写入PLC系统控制现场生产，实现精准执行。
实际生产数据显示这个智能系统可以提高企业的产能达5%--8%。
这里我们要提一下数字孪生（Digital Twin）技术。我们知道，CPS通过信息空间与物理空间之间的信息交互实现信息虚体与物理实体的互联映射，其核心关键技术之一是数字孪生（Digital Twin）。
2003年，Michael Grieves教授在美国密歇根大学的产品全生命周期管理课程上提出“与物理产品等价的虚拟数字化表达”的概念并给出定义：一个或一组特定装置的数字复制品，能够抽象表达真实装置并以此为基础进行真实条件或模拟条件下的测试。虽然这个概念在当时提出时并没有采用“数字孪生”的叫法，但是其模型概念却具备了数字孪生体的主要组成要素，被公认为是数字孪生的雏形。
在这里特别需要解释一下数字孪生技术与仿真技术的区别与关联。数字孪生是对静态（或是封闭）物理系统的一个虚实映射，而仿真系统是对动态物理系统的一个模拟。举例说明：我们可以对一架飞机构建一个数字孪生系统。这里飞机是一个静态的物理系统。如果我们想知道这个飞机的紧急滑梯对乘客疏散的时间影响，那么我们可以构建一个仿真系统来模拟这个过程。这个仿真系统中包含数字孪生系统如飞机等也还包含了运动模型，分析工具等。
CPS的目标是实现制造的物理世界和信息世界的互联互通，其主要瓶颈之一也在于如何实现物理世界和信息世界的交互融合。而数字孪生便为这个问题的解决提供了一个重要的技术手段。通过对单元级的CPS构建数字孪生系统，可以实现相当高程度的虚实映射、精准执行；在单元级基础上，理论上也可以构建车间和工厂级的数字孪生系统。但是数字孪生技术本身不具备让系统智能的功能。对于SoS级的生产系统而言，数字孪生只是数字平台上的一个主要组成部分，仿真技术、分析、数学建模、优化等技术才会使得生产系统具备智能。
离散型 企业CPS案例
下面我们再从离散型制造业观察和讨论CPS。这是我们实施的一个世界500强制造企业。通过这个案例我们观察一个数字平台在CPS中的作用。
这家企业生产各种深水防喷器组，其产品通常高20多米，重约500吨。产品是用在海上石油钻井平台中防止井喷的关键设备。这个工厂共有22个生产车间单元以及相关的质检部门、工程部门、采购部门、销售部门等等。由于产品复杂，基本是单件生产，工艺设计常常会在制造过程中发生变化。工厂的订单大部分时候无法按时交付，而同时产能仍然有很大的提升空间。
这个离散型SoS生产系统与前面提到的流程型生产系统不同，它包含了更多复杂生产资源与生产任务。对这样一个生产系统要能够做到状态感知，仅仅靠感知生产设备机器或让机器互联是不够的。它还需要感知其它生产资源如人员、场地、行吊等等。特别还需要感知的是在各个生产阶段中数以千计的生产任务状态。目前，这一类制造业普遍存在巨大的浪费。前面我们已经分析过了，造成这种现象的一个重要原因是系统存在大量的信息孤岛，各个子系统之间的信息无法进行实时的流通。
从信息流自动化的角度讲，当前企业信息化建设需要解决两个问题。一个是信息化系统本身离开人的干预就形成的信息流断点；另一个是各种信息化系统拼图式构架下（如下图）的各系统之间的信息流断层。检验一个信息化系统是否实现了信息流自动化，就是当给定系统输入条件，在没有人的干预下，系统能否给出恰当的决策指令。
我们团队在过去的十几年中通过国内外很多实际案例的研究和实践，研发了一个制造业数字化平台——“坤特数字平台”。该平台提供了高度模块化的结构，可以根据企业实际的需求进行灵活的重构，解决企业面临的多维度的状态感知和多目标多约束的实时优化问题。
坤特数字平台由一系列的仿真模块组成，包括工厂级仿真模块和部门级仿真模块，如下图所示。
平台可以集成ERP系统中的库存信息、物料BOM信息、人员成本信息和PDM系统中工艺流程等数据，同时还可以集成MES的设备状态信息、工序反馈信息、质量监控信息等。
坤特数字平台本身就是基于CPS的架构设计。在工厂基层各个工位、设备、工作中心和工人，构成一个个单元级的CPS。这些CPS的“精准执行”确保工厂生产合格的产品。在各个不同车间，例如总装、机加、热处理等生产部门，针对每一个不同质的专业部门，建立独立的系统级的CPS。同时配上相应的系统模型和相适应的优化算法。各车间在最大化利用设备资源同时受到平台实时传递过来的生产信息的约束。
将由很多个车间、业务部门组成的系统级CPS，纳入到工厂级（SoS）的CPS。工厂级的仿真优化系统包括了销售管理、采购管理、计划管控和协同优化。销售管理可以通过平台对生产任务的预计完工时间进行评估，同时对紧急插单任务对整个生产系统的影响进行感知分析和处理；采购管理根据物料库存情况提供建议的物料采购计划与需求时间段；计划管控仿真模型利用先进的嵌套分割算法框架提供高度可执行的生产计划，指导生产投产与人员安排；协同优化通过集成MES中的生产反馈数据和部门数据进行实时的优化调整，形成一个整体全局的优化结果，并对生产系统中出现异常的任务进行及时的处理，提高生产系统的智能制造水平。
回到我们深水防喷器组这个企业案例上来，我们是从零件生产车间--闸板车间开始，然后扩展到其他车间（包括外协部件），到部装车间，再到整体的组装逐步开始系统实施，最终实现全工厂销售采购等计划的数字化平台。整个实施过程历时两年三个月。平台上除了集成企业的ERP（Oracle）和MES（Kronos）外还集成了其他信息系统如数控机床的生产指令等（见下图）。
坤特数字平台的构建与应用为该企业生产效率带来了很大的提升。订单交付延误率同比降低42%，产能利用率同比提升33%，库存周转率提升112%。尤其值得关注的是，坤特数字平台实现了解放白领的智慧。在系统上线后的半年多时间，通过系统优化和“机器学习”，工厂一线的调度员由实施前的25个人逐步减少到0。
这里特别提一下平台优化引擎。大家都熟悉AlphaGo战胜人类的故事。AlphaGo有两个大脑，第一大脑对落子进行决策，第二大脑通过感知当前落子状态和后续棋局可能的演变对棋局结果进行评估，根据评估的结果决定最后的落子选择，我们的优化引擎更加复杂，如下图，
实际生产系统比下棋复杂很多，坤特数字平台也有一系列第一大脑（车间级），在状态感知的基础上，对当前整个生产系统的状态进行分析和实时优化，根据优化结果进行精准执行。同时每一个车间层面的制造执行活动都会及时被一系列第二大脑来评估（工厂级）。评估结果用于指导车间或其他部门的生产活动。
坤特数字平台集成一系列的单元级、系统级、系统之系统级的CPS系统，并集成企业ERP/MES等各类信息系统，打通信息孤岛，使整个系统做到状态感知，分层管理，使得分析与优化可以实时进行。由于平台高度模块化，实施可以按照从车间到工厂（由下往上），也可以从工厂级别往车间（由上往下）进行。上述提到的案例是按照从由下往上分步实施的。目前我们正在航天科技集团的一个企业准备进行一个从工厂级到车间级的逐步实施项目。
总之，CPS系统带来管理模式的变革，也会促进重要管理技术创新。在新一轮技术革命中，企业必须要注重管理技术的应用和创新。对于众多不具备很强的产品设计创新能力的企业，管理技术在生产系统中的应用对他们尤其重要。这些企业可以应用这些管理技术,不管是1.0还是3.0, 只要合适，来提升企业的质量，效率，降低成本从而做到真正的转型升级，在激烈的市场竞争之中有一席之地。
纵观历史，我们可以发现每一次重大的工业变革中都会带来或伴随着工业管理理论和管理技术的创新，发明和创立这些管理技术的国家都变成了工业强国，如下图所示。
第一次工业革命后，在美国诞生了以泰勒科学管理和福特装配线为代表的“工业管理1.0”。二战后三个美国工程师把美国的先进管理思想和技术带到日本，日本在学习先进管理技术的基础上创造了以丰田精益管理体系为代表的“工业管理2.0”，日本一跃成为制造强国。在以信息技术为标志的新技术革命中，ERP、MES等工业软件为代表的“工业管理3.0”应运而生。德国SAP公司一直引领行业发展，德国也一直站在制造强国之列。
进入21世纪，中国已经成为制造大国，我们除了需要在工业技术领域创新以外还应该在管理技术领域做出自己的贡献，应该创造先进的“工业管理4.0”，使得中国成为制造强国而引领世界。
工业管理变革进阶都体现了生产活动中人的价值。第一次工业革命时，人基本就是生产工具，泰勒管理是研究提升人的工作效率；从丰田管理开始，工人开始参与管理；工业软件和自动化技术解放了人的体力；而“工业管理4.0”的使命则是解放人的管理智慧。
我们希望坤特数字平台以及相关的管理理论能对建设“工业管理4.0”有所贡献。
谢谢各位！
以下是问答环节：
问题：你提到坤特平台在实战中上线几个月，就减少了25个技术管理人员、知识白领的工作。这是非常神奇的，没有应用AI技术，也实现了“替代人类智能”的目标。能否进一步讲一讲，工业中的智能化与AI的关系。
侍乐媛教授回答：关于AI有不少定义，如果我们采用美国麻省理工学院的温斯顿教授的定义：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。那么我们坤特系统就是AI应用的一个案例。人们对单元级系统的AI应用会感到非常容易理解，比如下围棋，语音识别等等，但对SoS级别的AI会感到很不可思议。一个重要的原因就是复杂系统维度太高了，很难在我们的脑子里立刻产生一个直觉的概念。坤特系统的成功应用说明工业中的智能化与AI紧密相关。
问题：正如您演讲指出的那样，管理系统与设备系统之间的信息断层是工业企业普遍痛点。这也是两化深度融合、赛博系统与物理系统紧密互动最难的地方。请问坤特是如何解决这个问题。工业界利用知识自动化系统大规模替代技术人员的时代是否已来，何时会来？
侍乐媛教授回答：我前面提到，通过两年多的时间系统全部上线运营。有些模块比如闸板，阀门，机加等调度模块在分步实施初期就已经开始应用。使用过程中，系统需要调整模型（学习）适应实际的需求和一些调度习惯。在整个系统上线运营前，现场调度员时时刻刻都在使用调度模块，但当计划，采购，销售等模块全部上线后，上层与现场信息孤岛就打通了，这时就可以做到逐步调度自动化。
关于工业界利用知识自动化系统大规模替代技术人员，我认为只要数据可以自动流通的地方都有这种可能性。至于这个时代会什么时候到来，还是要看人们对这件事情的认识和接受程度。我走访过很多制造企业，这些企业有最先进的设备，但管理极其落后。为什么呢? 因为设备（单元级）看得见摸得着，可以立刻看到效果。而管理是高维度的，看不见摸不着，可能一时半会儿出不了结果。
问题：您有关CPS应用推动工业管理技术升级的思想让人大开眼界。请问CPS逐级部署，分层管理对企业主、管理者的思想与技能提出哪些新要求？与当前主流工业管理理念有没有冲突？
侍乐媛教授回答： 坤特数字平台是在大量成功的工业管理理论和技术基础上研发而成。如果把主流工业管理理念比喻为“巨人“，那么我们算是站在巨人的肩膀上吧。这些年，我和我的团队访过几百家制造企业。令我们感到最困难的事情不是技问题而是如何让管理者意识到管理的重要性。
在我们走访的企业中，不少企业有最先进的设备，但管理极其落后。为什么呢? 因为设备（单元级）看得见摸得着，可以立刻看到效果。而生产管理（SoS级）是高维度的，看不见摸不着，很多时候不能立刻出结果。在此，我想借助这个平台再一次强调：企业转型升级一定要注重管理技术：企业应该由粗放型管理转型为精益管理； 由低效率升级为高效率运营。
更多独家观察和原创文章，造奇新媒体，为您奉献真知灼见。【分类】智能制造、工业互联网、人工智能、独家专访等详见：截止2017年7月7日的历史[分类]文章链接
大数据+人工智能技术推动的智能革命，智能时代的生存之道是什么？
【造奇智能产业新媒体】
国内第一家正式成立并开展运营的智能制造产业新媒体机构，聚焦工业4.0与智能制造时代的价值创造，以“深度影响智能制造进程，守望智能制造产业成长”为使命，联接产业企业、大学、研究机构、政府、资本等产业核心力量，通过创新和融合力量，提供深度观察、行业洞见、丰富资讯于一体的原创型、产业新媒体平台。