工業數字化場景的“象、數、理”
發布時間：2021-11-15 19:31:28
當前，以場景為驅動的工業數字化發展理念正逐步被業界所接受，并形成“場景為王”的基礎性共識。 本文嘗試應用“象、數、理”三個維度的分析視角，從場景的適用范圍出發，應用“小場景”和“大場景”層次化分析定義其“象”，從工業數據流動的微循環、小循環和大循環等現象研究“數”的多層循環，并以“理”為指導推動工業知識的內化與場景迭代升級。
當前，以場景為驅動的工業數字化發展理念正逐步被業界所接受，并形成“場景為王”的基礎性共識。
本文嘗試應用“象、數、理”三個維度的分析視角，從場景的適用范圍出發，應用“小場景”和“大場景”層次化分析定義其“象”，從工業數據流動的微循環、小循環和大循環等現象研究“數”的多層循環，并以“理”為指導推動工業知識的內化與場景迭代升級。
當前，以場景為驅動的工業數字化發展理念正逐步被業界所接受，并形成“場景為王”的基礎性共識。然而，在工業領域數字化場景構建的過程中，不同角色對于“場景”的理解以及界定有很大的差異，工業數字化場景的建設和推廣迫切需要一套體系化方法論的指導。
筆者嘗試應用“象、數、理”三個維度的分析視角，從場景的適用范圍出發，應用“小場景”和“大場景”層次化分析定義其“象”，從工業數據流動的微循環、小循環和大循環等現象研究“數”的多層循環，并以“理”為指導推動工業知識的內化與場景迭代升級。
一、象——工業數字化的小場景和大場景
工業數字化的概念可大可小，宏觀上來講是個系統工程，微觀上來講是若干相互關聯的場景化單元，這就類似在發明問題解決理論（TRIZ）中關于子系統、系統和超系統的論述，層層嵌套，相互勾連。而當下業界推進智能化生產、網絡化協同、個性化定制、服務化延伸等工業數字化新模式應用的過程中，往往把宏觀、中觀、圍觀的研究對象和內容混為一談，缺少一致性的理解和目標。
因此，在工業數字化應用推進過程中，同樣也需要應用系統性思維去進行多層次、多類別場景體系的構建，以表征其“象”。
所謂多層次，即依據不同的適用范圍以及具體需求開展不同層級的場景搭建，如設備級、產線級、車間級的小場景，以及工廠級、企業級乃至產業鏈級的大場景。早在2013年德國發布的工業4.0體系中就提出了智能制造的“縱向集成”理念，即將企業的管理系統、運營系統、制造系統、基礎設施等多層次進行垂直一體化整合。
二、數——工業數據流動的多重循環
場景搭建是構建工業數字化的軀殼，而賦予其靈魂則需要工業數據的閉環貫通。中醫講“通則不痛，痛則不通”，工業數字化智能體的有機運轉，同樣需要構建支撐數據高效流通的毛細血管與神經末梢、主干動脈與神經網絡等，實現場景中“數”的科學循環流動。
由于工業數字化場景“象”層面的層次化與模塊化，因此在其背后“數”層面的流轉則也存在多重循環的現象，即對應顆粒化場景、小場景及大場景的數據微循環、小循環和大循環等。每一個數據循環都可以簡化為輸入（感知）、計算（處理）、輸出（執行、反饋）等通用化模型，數據循環在場景中層層嵌套之后，通過多層級群體智能決策以及線性和非線性疊加等，實現設備、產線、車間或工廠等不同層級的并行或串行任務處理。就單純計算來講，數據也需要開展末端計算、邊緣計算及云端計算等多層次數據計算體系的布局。
此外，在工業應用場景的數據循環中，“人”是不可缺少的一個角色存在，其發揮著多樣化的作用。人可以作為數據輸入的入口，如工作人員給機器設備或生產系統下發指令；可以作為數據計算的主體，如依靠目視和巡檢，判斷生產狀況和設備運行狀態；也可以作為輸出和執行的主體，如依據工藝卡片進行汽車輪胎裝備操作或開展誤差修正等。
然而，也正是由于人為因素的存在，造成了數據傳輸流轉在正確率和效率上存在顯著問題與瓶頸。
三、理——工業知識的內化與場景迭代升級
過去的一個多世紀，自動化設備、工具類軟件、管理類信息系統等取代了大多數一線人員在體力和腦力上的簡單重復勞動，但在一些不確定性因素較強、柔性要求高的復雜場景下，人的經驗和隨機應變的能力還是無法直接被機器所取代，當前工業數字化的推進工作也進入了深水區。
現階段，工業數字化的重要難點在于復雜工業知識在數字化場景中的內化沉淀，以及工業智能體高度自適應能力的演化提升。
工業知識的內化，一方面可以基于現有人的知識體系進行數字化，構建專家庫或者知識庫，封裝成標準化算法或機理模型；另一方面，則需要期待工業領域Alpha Go的出現，基于機器自主學習、遷移學習等，主動挖掘和探索超出常規認知范疇的新型工業知識，構建起積累工業制造基本規律的數字化知識內核引擎。
以不變應萬變在工業數字化領域目前還不現實，工業制造的數字化場景建設，會受到內部與外部、直接與間接等多方面動態因素的影響，如工業知識的更新、產品類型的升級、工藝流程的調整、訂單需求的增加等直接因素，以及人工智能、大數據、物聯網等新一代信息技術軟硬件升級相關間接因素。
因此不同層級、不同類別、不同模塊的工業數字化場景都需要在變化中持續進行版本迭代和功能點更新，以不斷提升對于實際需求的動態適應能力。但場景的迭代升級是在對過往知識和經驗集成的基礎上進行的增量式創新，以保證其具有演化提升的延續性，當然也不排除破壞式的全新場景的跨越式發展。
總之，工業數字化是一場“持久戰”，需要探討成熟可靠的方法論與持續性的長期投入。
本文所初步闡述的工業數字化場景的“象、數、理”三個方面可以結合工業企業實際開展進一步的系統性思考，重塑以場景為驅動的數字化轉型戰略思維，支撐企業協同推進大小場景集群的建設；打通企業內外數據循環流通的經絡，多重循環以促進數據的充分挖掘和利用；持續深化落實工業知識的內化工作，并以工業數字化場景為核心，在外部環境因素的影響下持續開展迭代升級。
來源：工業互聯網研習社
