【名家】钢铁行业智能制造走向何方
小编导读
推进智能制造，必须兼顾三个方面的要求：首先是必须要搞真正的智能制造，而不是给自动化、信息化等传统技术戴上“智能制造”的帽子，避免丧失历史的机遇。其次是搞智能制造的目的，必须是为企业创造价值，而不是去搞先进而不实用的东西。第三个要求是可行性，而可行性必须结合钢铁行业的特点，而不能照抄照搬离散制造业的做法。
前言
“有家工厂采用流水线的生产方式。生产的每个产品都可以是不同的、对应的工艺也不一样。但工厂仍然能够高效率、高质量、低成本地组织生产。” 看到这样的描述，很多人可能会认为：这就是未来标准的工业4.0智能工厂。其实，宝钢等先进钢铁企业几十年来就是这么做的：热轧厂、冷轧厂生产的每一卷钢，都可以有不同的成分、规格、出厂检验标准和规格。现在流行的ERP、MES、PLM、CPS等概念，在宝钢的L1~L4级计算机系统中其实也早就有了雏形。
“在流水线上实现个性化定制”是工业4.0的重要标志之一。对很多行业来说，目前还是个遥远的理想、是下一步追求的目标。但钢铁企业早已实现了，下一步又该如何办呢？
自从智能制造成为热点，AR、VR、云制造、透明工厂等概念就开始渗透到钢企。有人认为，推进智能制造就要搞这样的技术。但我们的困惑却是：这些技术能创造价值吗？投入产出比合适吗？
我们知道，智能制造的基础是数字化，要发展数字化仿真技术。许多钢企在多年前就在做这一方面的工作了。但行业特点决定了，这些问题非常困难，难度远远超过离散制造业常见的、基于三维模型的模拟仿真。方向正确，却难以推进。
有人指出：与国外同行相比，我们的自动化水平还很低、人均吨钢数还较低。应该提高自动化水平、赶超国外。但我认为，目前我国在自动化领域的差别主要是经济可行性，尤其是劳动力成本的差别导致的。从经济发展角度看，提高自动化水平的工作是有意义的。但是，如果仅仅是用机器代替简单、重复性的劳动，只是补自动化的课，还是走在传统自动化技术的延长线上，并非智能制造的主流。
推进智能制造的另外一个思路是从业务需求出发。十多年前，许多钢企就提出了“大规模定制”、“从制造到服务”等战略口号。但实际进展与战略定位相比，却不理想。
总之，中国的钢铁企业既要补课，又要面临真正的创新。但创新之路如何走下去，需要认真地思考。
突破困境的思路
推进智能制造，必须兼顾三个方面的要求：首先是必须要搞真正的智能制造，而不是给自动化、信息化等传统技术戴上“智能制造”的帽子，避免丧失历史的机遇。其次是搞智能制造的目的，必须是为企业创造价值，而不是去搞先进而不实用的东西。第三个要求是可行性，而可行性必须结合钢铁行业的特点，而不能照抄照搬离散制造业的做法。
价值创造和行业特色，本质上都是体现在业务上的。要落实以上原则，必须落实在具体的业务上。也就是技术要服从业务。然而，智能制造不同于传统自动化和信息化的地方，在于支持业务本身的创新、帮助企业推进业务转型和提升，而不是局限于当前的业务。所以，要实现上述原则，我们需要从业务创新的角度考虑三个问题：
（1）智能制造促进业务创新的目标应该是什么？
（2）实现新业务目标的技术线路是什么？
（3）为了实现技术线路的配套条件应该是什么？
“方法决定于目标条件和约束”。业务目标确定以后，我们要确定技术线路，而技术的实现受到技术和非技术因素的约束。这是我们要解决的具体问题。三个问题都不好回答。难在争议很大，到底听谁的。要正确认识这些争议，就要分析这些观点是怎么来的。正如殷瑞钰院士所言，很多观点来自于国外先进的离散制造行业。我们知道，行业和国情不同，目标和方法都不能直接借鉴。要赶上智能制造这趟车，必须从智能制造的本质出发。
“本质”又是什么呢？ 要认识本质我们需要一个最基本的共识。我认为：以ICT技术为出发点、以价值创造为归宿，应该是基本的共识。在出发点和归宿之间的漫长道路，是智能制造所包含的内容。这条道路之所以漫长，是因为涉及到工业与ICT技术的深度融合，是互相促进、互为因果的漫长发展过程。我们把这个逻辑体系内的技术，归结为智能制造的核心内容。
智能制造的业务目标的业务目标
作为智能制造的业务目标，应该符合前面所述的三个基本要求。
对离散制造业来说，“在流水线上实现个性化定制”是最典型的业务目标。这个目标在先进钢铁企业早已实现。然而，为了实现这一目标，钢铁企业也付出了极大的代价：交接坯、余材、质量稳定性差、生产组织的困难、物流不顺畅、高能耗、人员业务量大（进而导致人多、自动化水平低）、产品设计问题多。从这个角度看，我们可以把解决上述问题的工作归结为减少个性化定制的负面问题。事实上，提高质量、自动化水平、缩短交货期、减少库存、推进个性化服务和集约化生产等大量的业务需求，都可以划归到这个范畴中来。我们把解决这些问题作为钢铁行业智能制造的业务目标。从这个角度看，人们对这个业务定位的目标是熟悉的、需求也是明显的。
于是，人们会产生新的疑问：对企业来说，这些问题都是老的问题，怎么能够通过智能制造来解决呢？这里就涉及到实现技术目标的技术线路了。
实现业务目标的技术线路
要实现“降低个性化定制的负面作用”这一目标，本质是要在具体的业务活动中更加科学、快速地决策，进行更大范围的优化。智能制造的优势，在于推进智能决策。事实上，产品的（外）设计、钢种的合并、余材的处置、生产的组织、生产和产品异常的处置、质量动态控制、技术服务的本质都是做决策。过去，这些决策过多地依赖于人的经验，而今后则要推进智能决策来做得更好。
智能决策可以有不同的程度。可以是机器完全自动决策、可以是受人监控的自动决策、可以是机器辅助人决策。智能决策利用了计算机突飞猛进的计算能力，可以让决策更加科学、迅速。智能决策体现在算法上，但背后依托的则是数字化的信息和知识。
人们自然会有另外一种疑问：即便现在依靠人的决策，缺少的也是信息和知识。比如，很多问题出在用户需求识别不准确、设备状态不清晰、动态质量控制的知识缺乏、不知道钢种如何改判。这些知识往往是专业知识，在这种条件下，智能决策还不如人的决策，推进智能决策又有什么用呢？
我们认为：知识匮乏确实是个长期没有解决的问题。知识匮乏本质原因是“知识生产”的投入产出比问题。
我们知道，获取知识是需要成本的，比如做实验、培养人才等。在传统的决策模式下，知识往往附着于少数优秀专家的大脑中，这使得知识不能共享、难以重用、难以拓展。对于复杂的问题，受人的精力和能力的限制，往往要划分成若干子问题来完成，进而弱化了优化效果。这样，知识带来的收益是少的。而智能制造能够推动知识的重用、推动大尺度的优化、推动资源的共享、各个部门的协同，可以进一步推动知识的优化、无人化少人化、管理水平的提高、智能服务以及加快交货周期等。所以，在智能制造时代，知识带来的效益是完全不一样的。
要做到上述问题，不仅要加大“知识的生产”，更要对知识进行数字化、模型化。这个工作非常困难。但是要推进智能制造，这个困难是无法绕过的。
此外，还应该看到：智能制造所需要的知识难以数字化是钢铁行业的一个重要特点。冶金部原总工程师殷瑞钰院士也多次指出这个问题。这也决定了我们在知识管理的思路上与离散制造业是有差别的。离散制造业的PLM难以直接用于钢铁行业，也是这个道理。但是，我们认为：这个问题虽然困难，但取得本质性进展是完全可行的。
技术线路的重点之一，是解决如何低成本高质量地生产知识、管好知识，如何科学高频度地使用知识。这样，问题又转化成另外的问题：平台问题、标准问题、方法问题、组织结构问题等。例如，所谓标准问题，即要像过去管理产品和工艺标准那样管理智能制造所需要的、智能决策的知识。由于相关知识是零散的，需要用平台来管理；平台不仅要提升人对知识的管理能力，还要与知识的应用过程对接起来。这些问题，基本上是技术问题了。
我们设想，未来的知识生产可能由三类人分工协作：一部分人提出原始的知识，如操作工、现场操作人员。一部分人将知识进行提炼和规范化，转化成可数字化模型化的知识，如懂IT的业务专家；还有一部分人实现知识的数字化模型化，主要是IT技术和管理人员。这种设想，与人的专业能力局限有关。
智能制造的配套条件
知识是用在业务流程上的。在业务流程上实现智能化，要把感知、决策和执行统一起来。这里涉及到很多的问题：如感知和决策涉及到权限，执行涉及到资源和手段。如果没有权限和手段，业务流程是转不起来的。为了解决这些问题，就需要组织流程、商业模式改革。
如前所述，智能决策相关的大量知识，往往都是在人的脑子里面的。在很多场合下，知识的贡献意味着贡献者自己价值的贬值。面对这样的悖论，企业需要思考考核机制、企业文化、组织设置等问题。
再看得远一些会发现：知识重用和业务流程、市场定位、企业核心业务密切相关。要让知识发挥作用，必须转型到需要知识的地方（比如服务对象的改变），要为知识的重用寻找“市场”。比如，要实现“制造到服务”的转型，很可能要面对中小客户。因为中小客户对服务的需求才是迫切的。
殷瑞钰院士一再强调：“钢铁是个耗散系统。”这一特征决定了我们还需要关注生产流程本身的设计和优化。事实上，“物理侧”是“赛博侧”发挥作用的基础和前提；对“物理侧”的优化和改进，也反映了“深度融合”的思想。
智能制造是个系统工程，有很多的层次和侧面。比如，技术要服从业务需求，尤其是新的业务需求，而新的业务需求决定于公司的战略方向，战略方向又取决于对外部市场的选择，对外部市场的选择又决定于社会发展所导致的市场本身的变化。我们设想，如果公司把快速响应、重视服务、推进无人化作为未来战略目标，智能制造就是必须要做的基础工作。
结语
在我们看来，智能制造是ICT技术推动的。推动的逻辑大概是这样的：ICT技术导致感知能力加强；于是，为应对感知到信息，业务变得空前复杂。当问题复杂性遭遇人类认知的瓶颈，就会导致管理和技术上的一系列困难，而这些困难成为催生智能制造的动力。因此，智能制造能用来克服人的缺点和不足，让机器做得比人好。那时，人的工作逐渐转化为让机器做得更好。
智能制造是工业和信息技术的相互作用和深度融合。从“深度融合”的角度看，设备、流程的改进；数字化工具的采用、信息化、自动化程度的提高等，也都可以成为智能制造工作的一部分。其中，“知识数字化”是一个关键的环节。缺少这个环节，钢铁行业的智能制造难以实现质的飞跃。
智能制造是转型、是创新，这意味智能制造不仅是技术问题，更是企业战略问题、管理问题。智能制造必须由企业家自己来推动，才能真正见效。
郭朝晖（1968-）
男，山东济南人，教授级高工，清华大学访问学者。长期从事过程控制、数据分析与建模、信息化系统的开发与研究工作。曾担任中国工业与应用学会副理事长，中国现场统计学会理事，上海市人工智能学会理事，上海市工业与应用数学学会常务理事。著有《管中窥道：技术创新的观念与方法》。现为上海交通大学、东北大学、浙江大学兼职教授或博导。
文章转载自微信公众号《自动化博览》，原作者：郭朝晖，本文工业4.0俱乐部推荐阅读。
原创访谈 | 专访宝钢首席研究员郭朝晖：关于智能制造和创新思考（下）
“创新驱动”全国创新创业大赛智能制造大赛由中国互联网新闻中心和中国创业创新发展委员会等主办，工业4.0俱乐部承办，大赛目的在于贯彻落实国务院相关指示精神，以创新驱动企业转型发展，使创新创业项目更好地与资本方对接，并在园区落地，促进当地经济发展，同时推动“大众创业、万众创新”事业进一步发展。
工业4.0俱乐部在此诚邀参赛合作单位，点击扫描二维码即可进入活动专题！
工业4.0俱乐部为国内第一家为工业4.0和智能制造为主题的聚合共同体。秉承集聚、分享、共创、发展的理念，联合产、学、研、政等打造工业4.0产业生态联盟，为区域及企业产业升级转型提供一站式服务。
（长按二维码，关注工业4.0俱乐部）