李培根：智能制造中的数据聚焦
7日上午，2017世界互联网工业大会在青岛拉开帷幕，中国工程院院士、中国机械工程学会理事长李培根做了题为“智能制造中的数据聚焦”的开幕演讲，详细阐述了数据驱动、大数据分析、数字生态系统以及数据学习等对智能制造发展方向的支撑作用。
尊敬的各位领导、各位专家，女士们、先生们上午好！首先请允许我代表大会组委会说几句话，大会首先向工信部、青岛市政府表示衷心的感谢！世界互联网工业大会系列大会的筹划一直得到工信部的大力支持，今天谢少锋司长亲临我们大会，等一会儿还要听到他的演讲。
青岛市政府更不用说，在整个会的承办当中给予了大力支持，我觉得这个系列大会落地在青岛，真是实至名归，不用多说了。
再一个感谢各位来宾，尤其是海外的来宾，有了我们众多来宾的参与，这也是我们大会成功的重要标志，再三的向各位表示衷心的感谢！
我今天谈一个话题，是关于聚焦数据，我们讲智能制造，2015年李克强总理讲到要实现中国制造2025，而且中国制造2025主攻方向是智能制造。2012年的时候，奥巴马当时宣布投资2亿美元拉动大数据相关产业，而且强调大数据战略上升为国家战略，所以有人现在把大数据定义成未来的新石油，甚至把数据作为像陆权、海权、空权的国家资产，可见数据的重要性。
也有专家认为，美国要在大数据、智能制造、无线革命要抢占先机，一切说明了数据的重要性。
我谈几个话题，一个是数据与互联，这是基础。现在物联网越来越受到大家的关注，包括消费品的物联、工业产品之间的物联，还有设备之间的物联，当然也包括设备和人之间的互联。现在物联网我们看一看这个图，物联网的应用大家有这么一个印象，它在制造业的应用块头是最大的，所以对于我们每一个企业来讲，物联网就是在企业当中作用会越来越大。我去年到美国PTC，他们就是打造物联网平台，这是他们把物联网平台用到智能服务的例子，我们现在都讲服务制造。
其实我们要有一个观念，物联网是一定要结合大数据分析的，光说物联网，我们有很多的传感器，收集很多的数据，干什么？一定要有大数据分析。
所以我特别说一下数据驱动。等一下我还会谈一下数字生态系统，最后一个话题讲数据学习。企业里面的一切过程、活动实际上我们都需要数据驱动，包括比如说设计、生产、管理等等方方面面。
我们现在可能很多人已经知道数字双胞胎的概念，这意思是什么？就是对于任何一个物理的东西，同时要有一个数字的孪生体，或者任何物理的东西要有一个数字映射在计算机、网络里面，所以对于一个企业来讲，所有的物、资源都有数字双胞胎，制作的全过程需要数据驱动、数据透明，这个非常重要。
其实最早是美国国防部最先强调的，2035年航空公司接收一架飞机的时候，同时要有一套详细的数字模型。还有所谓的数字线程的概念，如何在正确的时间把正确的信息用正确的方式送到正确的地方，这个非常重要。数字线程是多部门协同容易，多事件、活动之间联系容易，连接的过程可以追溯、连接的效果可以评估。
我们讲数据驱动，我刚才讲的从企业的一切过程当中，数据起着很重要的作用。还有一个例子，汽车设计，汽车设计实际上传统的汽车外型，传统是设计师的灵感和经验，我们去揣摩消费者是怎样的想法，我们现在有可能通过汽车大数据，社会上的一些数据，通过对大数据进行分析，去精准量化客户的需求，指导设计过程。当然还有其他很多的优化设计，我今天就限于时间不去谈了。
我们在生产过程当中也要靠数据驱动，还有一个例子，是德国的巴斯夫生产洗发水液体肥皂，就定制化，满足客户的个性化需求，比如哪位女士希望洗发水特别的香味、特别的颜色，但是这些东西是大批量生产的，在生产线上数据驱动，有电子标签，每一个产品的标签上都有芯片，记录了客户的需求，整个生产就按照自动化去进行。我们的红领，是服装定制，实际上也有电子标签，相当于是个性化信息传到每一个工位上。
数据驱动还表现在市场，我们的市场工作也需要数据驱动，比如这里有一些例子很有趣，像雷克萨斯通过Twitter大数据分析从而选择广告代言人。小松挖掘机实时监控车辆的运行情况，通过这个来判断市场需求，挖掘机上装有一些GPS传感器，收集大量的数据，比如知道青岛这里正在用的挖掘机有多少，忙碌程度怎么样，这都是我们很难想到的，所以在市场工作当中数据发挥很大的作用。
还有一个例子，比如烟草行业，在社交网络中间，微博、微信、论坛、新闻评论等收集这些数据，转化知识做相应的市场工作，所以我只是举一些明显的例子。
另外，企业的目标，我们怎么围绕企业的目标，这里面需要数据的支持。这里举一个例子，质量，企业的目标有多方面的，我仅仅说质量。比如说当然我们检测的数据不用说了，质量不光是检测出来的，质量是每一个工序都要进行质量控制，所以在整个的工艺的过程当中我怎么收集大数据？
比如通过大数据分析，我们实现生产过程的质量控制，因为实际上影响质量数据的因素可能是很多的，有一些是显性的，有一些是隐性的，这就需要我们通过大数据的分析。质量其实也是设计出来的，我们现在的产品设计的好，也对产品的性能、质量会有好处。我们怎么从产品运维中间去发现影响质量的问题？
这是GE公司典型的例子，GE公司搞服务制造，他们起到了引领作用，在九十年代就搞发动机的服务制造，它这里的发动机叶片装了很多的传感器，收集数据，然后通过健康保障系统进行分析。它的数据的获取经过分析再反馈到设计部门，我们如何通过运行维护的大数据进一步的改善发动机的性能？这个非常重要，所以这是服务加上设计改进，所以这也要靠大数据。
另外一个问题，对于任何企业来讲，事务管理涉及到人，这也需要数据驱动，在企业管理不仅是生产管理、供应链、客户关系管理，我都不谈了，事务管理、人的管理同样重要，所以管理和决策的基础是数据，是数据怎么及时、真实、可靠、全面。
比如对于企业来讲，任何一个企业都有财务管理，财务管理和信息融合，财务管理和信息界限模糊了，我们传统的企业，很多财务限于账务管理，这比较低层次的，真正的财务管理要和业务紧密的融合起来，我们怎么去挖掘出一些非财务信息？其实比如业务信息、市场信息等等，而且我们的财务分析又怎么去影响业务市场等等。我们现在有数据透明之后，很多的事情就变得简单了，比如报销，以前层层审批，因为企业要控制嘛。比如滴滴打车，可以和车公司进行数据连接，数据透明之后不需要审批了，我们减少了很多的事情。财务人员本身也可以减少。
在企业里面，我们任何一个企业都要控制，不控制是不行的，但是以不信任的方式去监管、控制，给干部员工很不好的感觉，所以我有一个观点，是我们怎么变主观的监管为客观的监管，变人的监管为数据的监管，大家要有这种意识。我们都靠人的审批，但是真正数据透明之后，变成数据监管，作为员工干部来讲，我对数据负责，这个感觉上面也很好，我希望大家仔细体会。
再说一下数字生态系统，其实现在海尔我觉得这方面有很多考虑，包括他们推出的COSMO平台，今年海尔又发布了工业大规模定制白皮书，强调协同设计、定制模式将用户的碎片化进行整合，所以他们也是企业生态的一部分，这些东西靠什么？靠数据。
现在网络的发展，数字化技术的发展，使得我们有时候需要重新定义行业边界，什么意思呢？比如说一个做拖拉机的，以前我们做拖拉机，但是现在不一样了，现在不能够光考虑做拖拉机的事情，你得考虑拓展到整个农业机械系统，它和其他的农业机械系统联系情况怎么样，比如Gohn Deere，我去年去了这家公司，他们和爱科公司合作，不仅仅是农业设备的互联，而且它还连接了灌溉土壤施肥系统。所以我们现在对于很多的企业来讲，我们企业家也好，我们的设计人员也好，要有这个概念，这个行业的边界，我们考虑问题的边界，我们的视野需要改变。
我们讲数字生态系统，因为任何一个企业不是孤立的存在在社会当中，你的供应商、客户等等，这个之间还有一个数字连接形成的生态系统。
还有一个例子，是做汽车的，智慧汽车。汽车不仅仅是有它的零部件供应商提供一些数据，还对汽车的用户，怎么给用户提供数据，而且还和智慧城市等等这些东西联系起来。所以这里面的数据供应关系就很大了，所以我们现在对企业来讲，我们以前讲供应链，只讲物料的供应链，但是现在我们要有这个意识，同样要有数字的供应链，就是要有数据。
另外，我们要明白数据有的时候不仅仅是产品自己的数据，比如说农业生产当中，做湿度传感器，和天气预报等是结合起来的，这就对灌溉系统进行优化，等等这些我就不去细讲了。
最后一个话题，我说一下数据学习，现在人工智能的发展非常快，AlphaGo不用我说了，从大数据中间自动学习，当然最新的AlphaGo 0打败了传统的AlphaGo，100：0，这是另外一个话题了，我就不说了。
我们数据学习实际上海尔现在的COSMO平台，用户可以在这上面交互，众创定制，实际上这里面也有一个什么问题？我们如何收集客户的数据？如何利用群体智能？客户的群体，我们如何通过数据去学习？
谷歌有一个例子，通过人工智能程序去控制节能，数据中心的耗能是很厉害的，因为数据中心很庞大，他们通过人工智能把总体电力利用效率提升了15%，大家不要小看15%，这是很厉害的，它有一个数据，一年多少亿美元。他们通过数据中心几千个传感器去搜集温度、电量、耗电率等各种数据，然后去分析，通过神经网络的训练如何再控制，使得它节能。所以这里面的数据学习是起到了很大的作用，具体的就不说了。谷歌箱式的技术也有可能提高地球的能量转化率，可以减少半导体的生产、水消耗等等，这都是数据学习的功效。
我们现在还有大数据下的知识工程，比如社会媒体的大数据，媒体上面的大数据有图像、声音、文字等，各种各样的数据我们怎么利用？这这是我们现在人工智能研究的一个很重要的问题。
那么企业呢？如何一个企业有大数据，包括我们质量控制、运营调度也好，我们怎么利用方方面面的大数据，怎么去挖掘知识？怎么学习？我今天不细讲，但是大家要有这个意识。
另外一个，现在我们讲人工智能，其中有一个很重要的就是知识工作，知识工作者自动化，以前我们传统的自动化主要是解决人的体力的问题，机器去替代人的体力，那么现在是什么？脑力。他们讲未来十二大颠覆性技术，把知识自动化排在第二位，可见它的重要性。
还有，我们现在人工智能一个很大的特点，怎么利用不同类型数据的综合推理，我刚才说到了，比如头像等等，在企业里面对三维的零件等如何自动的快速的生成等等。
最后，小结一下，智能制造当然是方向，但是数据和互联这是基础。我们企业里面一切活动要尽可能的强调数据驱动，大数据下的知识工程是非常重要的，未来数据学习，我希望大家也要关注这一点，工程院现在也正在做人工智能引领下的智能制造规划，周院长和我作为战略规划的组长，我是辅助周院长，希望大家关注，谢谢大家！
