-
-
手机阅读
作为德国竞争战略的工业4.0，目标是以信息物理融合系统为技术核心，实现端到端集成、横向集成、纵向集成的新工业价值生态。李克强总理2014年10月访德期间，中德共同发表《中德合作行动纲要》，宣布两国将开展以智能制造为主导的“工业4.0”合作，该领域合作有望成为中德未来产业合作的新方向，被产业界高度关注。
那么，工业4.0的路线图是什么，应从哪里开始入手，仍是很大的问题。我认为，工业4.0应从构建全生命周期数据图谱开始。
全生命周期数据图谱
数据图谱可以理解为知识图谱的扩展，将企业的数据有机地整合起来。它在技术上涉及数学、图形学、信息可视化。所涉及的内容除了数据本身，还包括术语定义、模板定义、模型定义、数据关系定义、变换关系定义、编码系统以及总体的体系架构等。
所谓全生命周期，是指针对前述的主体，进行按时间流的分析。典型的生产模式为接单、设计、工艺、采购、生产、装配、物流、交付、服务等。而对于产品，可分成四个阶段：小样、试样、模样、正样，产品的设计BOM往往也会定义为设计BOM、工艺BOM、生产BOM、装箱BOM等。
全生命周期的主体可分成四个领域，即人、财、物和数据（见图1）。通常的资源管理只包括人、财、物，对于工业企业，则包括企业组织、人员、资金、信用、产品、生产装备、网络系统、供应物料等等。进入工业4.0时代，数据资源，即大数据资源，也变成了核心资源，甚至会成为企业的核心资产。在工业企业中，生产信息流是重中之重。
图谱可以说是企业的样板，是依据，是标准，企业可以根据数据图谱确立业务的工作方式、工作流程（见图2）；图谱也是企业实现自动化的基础，因为要实现自动化，必须有标准化，而图谱就是标准化的表现形式。而智能可以理解为图谱的更高层应用模式。由于智能的比例在工业企业中还很低，大幅度提升有待时日，所以二者并不矛盾。
工业生产的组织、执行，核心是实现四流合一（见图3）。物流（其中物流要划分成两个部分，第一是生产中的变化，第二是传统意义上的运输、存储）。实现工业4.0，要达到高度自动化、高度信息化和高度网络化。其中高度自动化是根据系统的执行，高度网络化是数据的传递，高度信息化则是讲数据本身。所以，工业企业要想提升到工业4.0的水平，需要一系列的投入，而这种投入是有先后顺序的。相对而言，工业装备、网络系统投入都很大，而在投入这些系统之前需要对企业进行整体数据建模。分析市场并结合企业的自身情况确立发展方向，然后才能开展下一步的工作。请加微信号：robotinfo 学习工业智能化知识
工业企业的数据图谱常见问题
在工业企业中，生产的过程其实也是信息的变换过程，分析整体生产业务流程就会发现，信息处理的过程往往占到非常大的比例。先举一个正面的例子，上海一家企业，在人员规模基本不变、设备资源基本不变的情况下，招聘了两名程序开发人员，通过程序将企业的定单从纸面传真发展到电子材料，然后再到标准电子材料，总体实现定单向设备加工指令的自动化变换，可以达到85%的比例转换。而其余部分通过人机交互、半自动模式，也大幅度提升了效率。结果企业的定单交付周期，从原来的一个月缩短到7天，加急定单缩短到3天，一年以后企业的产值从2亿多元提升到7亿多元。
对企业的全生命周期图谱进行分析，就会发现企业普遍存在数据缺少记录、数据不正确、数据不完整、数据时效不够等系统问题，而这些问题往往导致企业的巨大损失。
有一家企业，在一名独立负责一条生产线的工程师离职后，他的工作计算机硬盘不见了，企业找人未果，又缺乏证据，导致一条生产线整整停工八个月。另一个企业集团，接到客户投诉，被指没有按照客户要求应用零件。集团检查后发现，客户在技术要求中明确指定了某零件的规格、供应商，但集团技术人员在向工厂传递生产要求时没有把这部分信息传递过去，于是工厂就选用了国产的产品，最终导致企业赔付50万美元。还有一家企业，在日本谈业务，打电话问国内库存情况如何，获知有库存，于是签订合同。然而回国后才发现库存已经不够，陷入进退维谷的境地。
这些案例说明，绝大部分企业缺少整体的、面向全生命周期的数据图谱，我们要想参与新工业革命，就必须从夯实这些基础开始。
构建数据图谱的主要内容
针对企业的各种数据、各种对象，从其生命周期考虑，主要包括这样一些内容（见图4）：
术语定义：如对“物”的某个状态进行明确定义，确立其内涵、外延，甚至其处理方式。
模板、模型：确立规范，从而可以进行快速处理。例如在CAD中，使用哑图技术，使用参数化绘图技术。
变换关系：例如一张销售单过账，同时生成一张财务凭证，这是两者之间的关联关系。
数据关系：对于关系型数据库而言，各种耦合需要确立企业的数据字典、数据表。
编码系统：为了提高数据规范性，提高数据利用效率，开发应用编码系统，编码系统不仅包含有基于软件的系统，更重要的是面向企业的各种数据的生命周期必须完整、正确、具有时效。
体系框架：工业企业，一般迄今都未建立起面向宏观的全生命周期数据图谱。我们需要从顶层开始，利用大数据的方式，结合软件应用，构建整体的体系框架。
软件应用
在企业中，应用软件可以大幅度提升数据处理的能力，减少错误，提高质量。这里，上海思普可以作为一个例子。
在装配设计中，装配工艺卡经常出现零件没有装完的情况，而上海思普的工艺设计管理系统就构建了装配树，实现左右拖拉的方式，如果有零件没有装配设计，可以直观看到。
某企业设计PDM/PLM系统时，增加了标准化数据字典型字段，这样用户在输入时，采取选择性输入的方式，这样数据输入错误、不易理解的情况大幅度降低。
另一企业在构造生产BOM时，由于设计采取的是选配策略，而根据规则，软件系统采用推荐、自动化匹配的方式，如果设计师认为不合适，则再进行修改，总体提高配置速度60%以上。
另外一企业在进行开发产品设计管理系统时，针对产品类型，刚开始认为7种足矣。然而运行两年后发现原来的思路不正确，后期的设计管理系统就改为所有新的产品设计都可以作为模板使用。
数据图谱应用
数据图谱的构建也有生命周期。例如，数据的输入工作量很大，过程非常繁琐，然而这往往仅仅是一种未经深思熟虑的直觉感受。以上海某一企业为例，其设计图纸多达10万张，设计师根本没有时间把它们输入系统，但如果只采用扫描输入的方式，而不是转成CAD图形，输入时间就可以大幅度缩短。而在应用的时候，根据需要将旧图纸转换成CAD图形，则是一种可行的方案。这家企业购置了3台工程扫描仪，安排四名中专生，利用8个月时间，就将企业的图纸全部实现了电子化。
下一个需要注意的问题是数据的动态变换。很多企业存在着系统性问题，例如，某企业从来不给设计变更安排工时，而企业的变更是非常频繁的。因此，生产部门采取的策略就是加大产品的起初工时定额。可以预见到，生产计划的准确性将很低，甚至出现企业一个工人一个月工时做到3000多小时的情况。
构建全生命周期数据图谱，重中之重是数据本身的生命周期。传统上，存储是昂贵的，而现在尽管存储价格下降了，数据的完整性往往也不足。另外需要注意的还有一个鲜为人察觉的变换，那就是时间变化。随着时间流，我们需要对数据图谱进行改进，对数据进行处理，对知识库进行优化，引进更为先进的智能系统。
运营保证
保证运行全生命周期的数据图谱有很大难度，企业需要从企业文化、规则制度、运行工具、员工培训等多个方面进行强化。
某企业实施厂长查询系统，厂长表示一般不实施，因为想要的数据查询不到。后来厂办结合计算机中心，确立了专人检查，建立了如果数据没有按时填写就重罚的制度。经过几个月的磨合，终于让系统可以查询到工厂的整体概貌数据。
某企业设计部门制作了三维模型，但是生产部门收到的还是二维图纸。生产部门根据二维图纸再进行建模，可以想象其周期与质量将会如何，而这样运行的原因却是与国家政策不符。
前面一些例子也提到了软件在数据处理中的应用。我们执行的原则是，凡是我们希望员工做的，在设计上就让它非常简便，而不希望员工做的，就让它复杂。
需要特别说明的是，构建全生命周期数据图谱，数据有大小、价值、展现形式上的差异，我们需要结合具体业务进行优化，从而保证节点运行的有效性，进而提升整体生产流程的精益性。
未来展望
企业全生命周期数据图谱的发展方向，首先是大数据化，从数据的总量、到单元业务处理需要的数据量、产生的数据量，将发生质的变化；其次是移动化，企业的领导不在现场，可以利用移动终端，查询、控制、优化生产现场；第三是数据图谱的社会化。工业4.0的横向集成，可以理解为各种主体的数据需要处理，另外提供工业数据服务的、淘宝样式的平台企业将会出现。社会最终将发展成有谱系的、结构化和非结构化的、高效、互联的各种复杂管理的大数据社会。