2016浦江创新论坛产业论坛之智能制造与工业大数据周六下午在东郊宾馆会议中心举行，上海科学院副院长曹阿民主持。英国皇家工程院院士、英国帝国理工大学教授、全英机器人协会主席杨广中，中国商用飞机有限责任公司信息化中心主任王文捷，三一集团高级副总裁、首席流程信息官贺东东，上海市临港地区开发建设管理委员会党组书记、常务副主任陈杰，Cadet咨询公司总经理Daniel Cadet，通用电气公司数据科学产品总监BeenaAmmanath，美国辛辛那提大学智能维护系统中心讲座教授、IMS主任李杰分别作演讲。《三思派》采用现场发言摘录的方式向大家呈现会议内容（按演讲先后顺序）。
现在我们的价值推动力是什么？从客户的角度来说，首先就是有大规模的定制化，有个性化，还有基于需求的提供，以及售后的支持。从商务的角度来说，我们可以通过工业4.0来提高客户的满意度，包括能够提高收入，以及提高竞争力。从政府的角度来说可以提高国家的生产力。现在中国的很多大城市，包括北京、上海、广州有很大压力，因为他们觉得一定要进行工业化的转型，否则有可能在竞争的态势中被落下。全球的其他大城市也有这样的趋势，所以现在智能制造已经成为了不可阻挡的趋势，也成为了价值的推动力之一。
所有与制造密切相关的行业都已经与智能制造紧密相连，包括虚拟现实、大数据、网络空间与安全、自动化的机器人等。工业4.0一定不能脱离网络空间物理系统，就是CPS。CPS首先把通讯IT、数据和物理的元素结合在一起，成为一系列的核心技术。当然，这其中还有传感器网络。传感器网络包括接受器、互联网通讯的基础设施、智能化的实时数据处理以及活动管理系统等。
未来，机器人手术将是趋势。目前，很多国家已经有机器人操作的手术。这些手术机器人不是传统的机器人，是智能的，可以完成很复杂的手术，效率很高。这些机器人运用到临床上，我们的病患就可以受益，能够有定制化的医疗服务。智能机器人不仅在医疗行业，在其他工业领域都可以大展身手。新工业革命使得生产力更强、效率更高，助推实现大规模定制化的产品和服务，也就是高价值的制造。这对上海而言尤其意义非凡。过去几年，我们已经有了长足的发展，这只是我们的第一步，我们需要各方的支持才能更好地完成工业4.0。
我们的目标不仅仅是实现技术上的成功，也不仅仅是把飞机飞上天，而是要让这架飞机在我们的航线上取得商业成功，让我们的客户也能够靠这架飞机的运营来挣钱，这才是我们项目的真正成功。所以我们要为客户提供安全、经济、舒适和环保的飞机。在飞机的研制过程中，我们明确了数据定义的流程、建立了公司的数据管理基础和数据管理的组织，有意识地把数据进行有序的管理，并伴随着ERP系统的实施，向数据统一管理的方向发展。
在管理创新过程当中，数据分析也起到了非常有效的作用。在我们飞机制造这一块，把飞机制造的业务，通过分析以后形成了12大业务领域。针对12大业务领域，我们把数据进行全部抽取和梳理，并且通过管理运营中心把这些数据进行集中的展现。针对这12个业务模块，也是相当于对企业的经营全过程进行了100%的业务覆盖。
随着信息技术的发展，原本以前作为过程数据被丢弃的，现在也可以进入我们的大数据资源池得到更有效的利用。未来，我们希望能够推进以“数字双胞胎”为核心的大数据战略，将虚拟的飞机和实物的飞机进行高度融合，以民用飞机项目展开为契机，以主制造商为牵引提升整个创新生态系统的研制水平。
台下的Daniel Cadet先生说工业企业绝对不能赶时髦，不能因为有时髦的概念为了显得时髦做一件事情，而一定要有实际的价值。三一重工基于8年物联网实践，开展了宏观经济预测。我们这个行业是宏观经济关联度非常强的行业，必须掌握宏观经济的走势。我们有一个挖掘机参数，在全国各地挖掘机开工的情况实时反映了当地的固定资产投资和基础建设的热度。基于物联网和大数据平台，我们支撑起智能产品和研发、制造各个场景。
制造业当前有几个趋势：第一，数字化程度越来越高；第二，互联化；第三，软件化。由软件驱动的数字化程度提高反向作用于物理世界的制造体系，就会形成智慧化的生态。由客户驱动的众包共享的生态，加上云计算、大数据、人工智能越来越成熟、越来越便宜，就会带来制造业革命的真正春天。
制造即服务，基于服务建立物联网平台，能够给企业带来整体的应用方案。基于工业物联网平台，可以做到非常多的场景，包括研发、制造、机器维护、制造体系物联网平台等等。在装备制造业，或者在工业界，设备的全生命周期的运营成本和它的可靠性决定了这个机器的95%以上的成本，所以怎么样做好全生命周期的服务是很重要的命题。基于物联网能够做到端到端的全生命周期的管理。
我们基于物联网的创新还有一点就是产业链金融。一旦把物联网连接起来了以后，有整个机器的运行数据，加上最新的区块链技术，完全可以做到基于机器运行数据的随时随地的信用模型，从而给客户提供全产业链的金融解决方案。
最后就是我们的新的商业模式的变革，包括制造生态未来一定是分享经济的模式，一定有客户定制，有全社会的众包。通过不同的制造产能之间的全社会协同，实现全社会的最优化。制造业将来基于付费，将来没有人花钱买机器，因为大家直接买服务就可以了。
临港经过前期13年的铺垫，产业的集聚使得它在六大产业和战略性产业当中，形成了高端制造、自主制造、智能制造为特色的体系。我们在临港产业当中海陆空都有。空主要是航空发动机以及相应的产业；陆上主要是新能源以及工程机械，和汽车产业以及部件的相关的产业；海主要是船舶的大型构件以及系列的柴油机，中速、高速的柴油机，以及海洋工程的产业。在战略性新兴布局当中还有集成电路、人工智能等等一系列新兴产业。同时临港拥有一大批核心企业和独特的优势产品。
为了进一步推进好临港智能制造的发展，重点在几个方面进行了初步的探索和实践，核心是在功能型平台方面做了初步的探索，构建科研支撑、协同创新、标准检测、数据信息、孵化转化五大平台。这个当中特别值得一提的，是我们依托骨干制造企业，包括信息化服务制造商以及重点科研机构，来建立工业大数据中心，整合全球的智能制造资源和创新能力，不断整合到云平台当中，开展管理、制造、商务各个平台协同，推进工业大数据在跨领域、跨平台当中的集成应用。
我们在重点打造的智能制造研究院、工业4.0研究院和工业互联网创新中心有几大目标：第一，是希望建设成为工业互联网的综合试验床，我们要研究制定工业互联网的构架，重点是建设涵盖工业互联网各个环节技术标准的实验环境；第二，希望建立工业领域大数据的产业应用，主要基于工业大数据的平台设计类、分析类、管理类的软化工具包，以及由此产生的工业大数据的应用服务；第三，是提供产品设计的仿真、产业化的支撑，特别是为中小企业，以及知识产权服务的公共服务平台；第四，就是工业互联网的安全实验的验证平台，主要是研究工业互联网的脆弱性的分析，以及它的漏洞的挖掘能力，在工业控制过程中安全性问题等等。
我们在推进智能制造的过程中，还有一个就是专业园区是非常重要的，希望在专业园区当中不断形成产业生态。一个园区的发展不是仅仅大企业在里面独立发展，必须是开放性，跟中小企业共同协同发展。在应用示范方面，重点推进一批示范的标杆性的工厂。同时我们在金融创新方面，更多通过基金的建设，智能制造的基金和IC集成电路和材料装备的产业基金，支撑园区的智能制造发展。
现在制造业出现了很多大的趋势，大的趋势也在推动产业的结构性变革，所以现在不同的行业对于研究的重点也有所不同。因此对于制造业要找到最先研究的重点，找出最优先级。我们做的科研项目必须是与我们的制造业紧密相关的，所以我们通过一系列的研究制定出了战略的路线图，包括分析了行业面对的挑战和机遇，未来工厂的想法，未来工厂对经济、社会、环境带来怎样的影响，如何实现这三个方面的可持续性发展等等。
每年我们都应该把非常宏观的计划变成落地的项目，所以我们把科研的创新重点分到不同的领域当中，而且把领域逐渐细化，变成务实的战略计划，比如分到先进的制造流程，包括适应性智能制造、数字化的虚拟现实等等一系列不同的领域。比如CPS，因为我们希望把IT技术和制造技术融入到自动化流程里面，所以现在我们正在进行技术的整合，在未来的几年里面将着重这方面的工作。今后CPS的应用就是人和机器人共同合作进行组装。
现在新的定制化的产品越来越智能化了，而且有更多功能，但是因为进化和演变的速度非常快，如何吸收最新的技术把不同的材料运用到新产品的制造中，成为了我们面临的问题。从工业的角度来说，我觉得制造业所有的企业应该携手合作，不断地推动创新，推动科研，从而能够保证产业在正确的时间做出正确的选择。
有很多演讲者谈到了工业革命确实影响到了生活的方方面面，我们已经在迎接下一轮的工业革命。所有的机器都将是互联的、智能的。无论是零售广告还是媒介，我们可以看到他们的沟通方式在改变。这对于机器是一样的，比如说未来的5-7年有500亿台的机器进行互联。这就是我们的工业互联网，这是一个网络，所有的智能机器是共同协作的。
对于机器，关键是它的安全性。每个机器都将有传感器，然后通过传感器来完成我们数据的传输，所有的传感器传输机器的数据到我们的平台，通过软件可以进行分析，通过这些数据的分析就能够确保机器的安全操作。对于所有的设备都希望延长使用，比如延长20-30年的使用寿命。通过工业大数据采集和分析软件，我们可以更好地管控和预测这些机器的运作。大数据以及数据的分析对于工业来说有非常大的影响，因为不仅仅是从硬件来说，从软件来说以及数据的传输来说都是非常重要的，它已经改变了工业数据分析的手段。
工业大数据时代，一个国家要过得好，必须制造得好。大数据真正的用处不在解决过去的问题，而是从过去问题里面挖掘可以改进和成长的机会。中国做转型，我们做制造CPS都不是目的，目的是要了解企业对顾客的价值。不了解价值就去做数据是没有意义的，所以数据分析的结果很重要。
收集大数据只是开始，我认为真正大数据的意义是没有数据。比如，风电叶片在转动，风速变的时候每个角度不一样，找到了参数，比较一下不同角度的风速就可以找到哪个风电不太好。日常的机器人也是一样，很多机器人每天早上做5分钟动作，6个轴的肩膀很快知道这个肩膀轴有什么问题。我可以建立一个模型，可以通过机器人做动作连续比较找出问题，不需要数据。
机器学习是智能系统的基础，我在这个行业里面已经工作了16年多了。我觉得机器学习第一个目的就是控制，第二个就是预测，第三个就是避免犯错。因为有的时候自己学习不了，有的时候可以找到非常聪明的人来学习，但是现在信息变化得特别快，明天又会出现大量的信息，所以人没有办法，就让机器来学习。
本文由上海市科学学研究所产业创新研究室实习生邹虹荣根据与会专家演讲实录整理。文章为演讲者独立观点，不代表主办机构立场。
