数据流动与数据驱动
2021-08-24 来源： 智造苑
盖茨曾提到当时的MIT计算机科学实验室主任德尔图左斯的看法：企业中大部分工作是信息工作。在20世纪末，恐怕有很多人不信此言。在一个企业，尤其在车间之中，设备、在制品以及人们从事的工作都是看得见摸得着的，何以言多数是信息的工作？殊不知，那些看得见的工作都是基于信息的，如加工对象、加工的尺寸、精度要求等都由信息规定。而产生那些信息的工作量可能远大于我们看得着或听得见的工人的操作和机器的轰鸣。工人操作之前已经产生的大量工作量表现在产品开发设计、工艺设计和生产计划排程的环节，其间伴随着大量的信息流动。所以，企业的绝大部分工作是信息工作，这是言之有理的。而信息工作最基本的特点是其流动性。
「 1．数据流动 」
先看看最简单的信息流动的例子。加工一个机械零件，当然要知道其工艺。工艺设计和产品设计之间肯定存在数据流动，工艺设计需要零件的制造特征设计数据作为输入源,主要包含特征类型、材料、尺寸规格、精度等级、粗糙度和加工阶段等，如1所示。在确定加工特征的设计数据后,对该特征的工艺规划数据进行定义。加工特征的工艺规划数据包括该特征的加工方法、机床(机床代码、机床名称)、刀具(刀具号、刀具名称、刀具直径和刀具材料)、工装(夹具和量具)和切削参数(主轴转速、切削速度、进给量和切削深度)等相关数据。其中特征的加工方法根据特征的类型、加工精度和表面粗糙度综合判断来获得; 确定了特征的加工方法后,再根据特征类型、加工方法等数据获得所需要的机床、刀具、工艺装备和切削参数等数据。这些数据都是确定的，而且是静态的。
图1 设计数据与工艺设计
一个零件真正要投入生产，一定要根据生产计划。假如在一个车间里，决定加工某一个零件。进行生产准备时一定需要一些信息或数据，如生产计划信息（生产数量、完成时间、物料需求……）；CAPP里传来的工序信息（各工序对应的尺寸、几何、精度、机床、刀夹具、量仪……）；数控程序信息等。有些信息还有进一步细分的数据，如刀具的编号、名称、类型、规格、厂家、磨损状态等，机床的换刀时间、等待时间、零件装夹时间、托板交换时间、运行时间、平均无故障时间等。当类似的信息或数据具备时，就可以安排生产。同样，这些信息也都是确定的而且是静态的数据，数据的流动是单向的，它们各自按部就班地流向需要它们的地方。基于这种按部就班的数据流动而安排的生产计划工作似乎应该非常有序，这种有序是一种设计有序。早期推行信息化工作的企业也基本满足于此种状况，即信息化水平多停留在设计有序的层次。
然而，现实情况远没有这么简单。就车间生产而言，物流有可能突然出现异常；工装有可能出现异常；刀具可能磨损或崩刃；设备也可能出现故障；或许有临时紧急插件的情况；加工中出现质检信息异常；工人可能发生误操作；工人出勤状况的临时变动……所有这些，只要有一个因素发生足以导致实际生产偏离设计的计划。在一个多品种小批量的车间里，发生上述某一两个因素应该是大概率事件。如果消极地等待异常情况排除后再按原计划执行，势必贻误生产，因此必须根据实际情况重新调整计划。如何调整，计划人员当然可以拍脑袋，但肯定不是最佳方案。如希望人工制定最佳方案，绝非易事。设若某设备发生故障，首先必须了解的信息或数据：什么设备？异常情况？发生时间？异常严重程度？可能的处理方式？如果此台设备问题不能迅速恢复的话，则需要考查CAPP的信息，考虑有无替代工序和替代设备？如果选择可能的替代设备的话，替代设备当前的工作状况是什么？对其他工作的影响？在替代设备上加工对工夹具、刀具要求有什么变化？新的工夹具和刀具的实际供给状况? ……当涉及的因素太多时，计划人员感觉真如一团乱麻，不如拍脑袋了事。假如异常情况不止一个（尤其在大的工厂或车间并不罕见），则复杂度呈现指数增加。
很容易看到：
仅仅依据确定的、静态的数据及其单向的流动而产生的“设计有序”不能带来“运行有序”。
「 2．数据驱动 」
数字-智能技术的发展当然不会止步于设计有序，因为企业生产的目标当然希望运行有序。既然静态的数据不足以反映实际情况，为什么不考虑动态数据？既然单向的数据流动不足以反映出现异常后的事物关联，为何不通过数据的融合解决此问题？数字-智能技术即通过动态的、融合的数据去驱动生产计划调度，从早期的确定性调度进化到随机调度，从静态调度进化到动态调度。确定性调度是指与生产调度相关的参数在进行调度前都已预知的调度。随机调度针对的情况是指诸如加工时间、交货期等生产调度参数中至少有一个是概率分布已知的随机变量。静态调度是指所有待安排加工的工件在开始调度时刻均处于待加工状态,即假定调度环境是确定已知的,因而进行一次调度后,各作业的加工即被确定,在调度执行过程中不再改变。动态调度是指作业依次进入待加工状态,各种作业不断进入系统接受加工,同时完成加工的作业又不断离开。与此同时,还要考虑作业环境中不断出现的动态扰动(设备损坏、作业加工超时、交货期提前和紧急订单插入等),需要在调度执行过程中跟踪车间的实际状况对调度方案进行修改和更新。图2是大数据驱动的车间生产智能调度方法架构。简言之，欲使生产真正运行有序，就必须考虑实际的、动态的变化，必须考虑那些不确定的因素。而这种考虑是基于动态多元数据的融合与关联分析，分析的基础不乏智能方法。
图2 大数据驱动的车间生产智能调度方法架构
l 不妨把这种不同于确定的、静态的数据流动，而是通过不确定的、动态的数据融合与关联分析的方法视为数据驱动的方法。
l 可以推而广之，智能制造与早期的制造信息化最基本的区别恐怕在于数据驱动和数据流动。
「 3．完整性与不完整性信息 」
数据驱动与数据流动的区别有时候在于是否能利用不完整信息。缺乏数据融合和关联分析的数据流动模式面对不完整信息可能束手无策。而具有数据融合和关联分析的智能方法却有可能通过不完整数据去驱动某一活动或进程。
早在20世纪末期，麻省理工学院（MIT）的德尔图佐斯领衔的计算机科学实验室约有30名研究人员参加了一个与MIT人工智能实验室合作进行的、耗资数百万美元、历时5年的研究项目。他们希望那项计划能研究出一种全新的称为“氧”的硬件和软件系统，这一系统将根据人们的需求和应用要求定做，希望它将像空气一样无所不在。以一个简单的情形说明“氧”系统具有的一种小功能：你只需简单地对系统说一句“把一个月前到的那个红色大文件夹给我”，而不必详细说明作为参考信息的文件编号和其他线索。“氧”系统还会检查你的朋友和同事存储的信息（如果他们愿意与你共享这些信息的话，这就像是你在不知道某个问题的答案的情况下就会请教朋友或同事一样。最后，“氧”系统将搜索万维网上存储的浩如烟海的信息并将它发现的信息与你和同事存储的数据库连接起来，从而形成一个“三角”关系。显然，“把一个月前到的那个红色大文件夹给我”是一个不完整信息。这个例子告诉我们，不完整信息是有用的，大数据和智能方法使我们有可能利用不完整数据去驱动某些活动或进程。
我们通常掌握的社会中或工程中的很多信息其实是不完整的，大量的不完整信息实际上都未得到充分利用。在没有数字-智能技术手段的时代，如果得到一条不完整信息，因难以有人力去进一步了解更多的相关信息，于是这条不完整信息很可能就被忽略了。但是数字-智能技术手段能够帮助人们进一步搜寻信息以使不完整信息趋于完整，此外通过对相关信息的进一步分析从而使人们得出难以凭感觉获得的认知或决策建议。
设想一个应用情景。在新冠病毒疫情之初，某企业（一个微电子器件制造商，OEM代工，主要出口）CEO提出一个问题：疫情对公司的影响？CEO获得或感觉到一个信息，疫情将给企业带来不利影响。但这条信息是不完整的，什么样的影响？影响到何种程度？因为在疫情之初，影响并未充分显现出来，即便已经充分显现，CEO或其他人也未必能进行详尽的分析。假如企业有一个“商业智能”系统，它可以搜寻疫情期间社会上很多相关的数据，它获得的信息就会完整得多。进而，它可以对搜寻到的相对更完整的大数据进行智能分析，可以比人更准确地判断疫情的发展趋势。于是它得出判断：因为疫情，政府可能要求公司停产；停产大概延续的时长；国际订单可能取消，取消数量的预估；由于各国防控疫情，国际航班大幅度减少，使得国际快递的交付出现问题；本企业支付能力的可能变化……即便说，智能系统做出的某些判断，人也有可能感觉到，但人的感觉更模糊一些。而智能系统的判断因为基于更详尽的数据分析，推出的结果有定量的判断，比人的感觉更符合实际状况。随着疫情的进展，有可能向国外蔓延。这时，智能系统又可以对不完整的数据进行分析，预测疫情在国外蔓延后对本企业的影响。总之，智能系统总是比实际情况早一步提出预警，辅助企业因应形势的变化而做出正确的决策。
「 4．预期的和非预期的结果 」
从效果层面看，数据流动的模式中，其产生的结果往往是既定的工作；而数据驱动的模式中因为数据的融合而产生的结果往往是新的、非预期的，如前面所述对不完整信息进行智能分析后得出的判断。
「 5．常规数据和非常规数据 」
在数据流动的模式中，企业所利用的数据都是其所需要的常规数据。数据驱动的模式则不然，某些看似和企业没什么关联的数据在某种特殊情况下有可能产生利用价值。如在2020年春季的中国，可以发现网络视频会议大大增加，中小学网课盛行，疫情带动了在线教育的井喷。此数据并非企业平常关心的数据，但在疫情的特殊时期，这样的数据对某些企业可能产生利用价值。如电脑的制造商和销售商都可以判断疫情间接地促进了PAD、便携电脑的销售，于是迅速清空了库存。电脑制造商可以加大生产计划，销售商可以加大采购量。
数据驱动与数据流动的区别见表1。智能制造的关键之一就是要重视数据的驱动作用，而不能停留在数据流动的水平。简单地给一个不一定恰当的比喻：
传统模式中，工业系统的数据是普通的原材料；而智能制造模式下，工业系统的数据就是原材料加石油。
表1 数据驱动与数据流动的区别
改编自：《智能制造概论》（作者：李培根，高亮）
相关新闻
版权声明
1、凡本网注明“来源：中国轻工业网” 的作品，版权均属于中国轻工业网，未经本网授权，任何单位及个人不得转载、摘编或以其它方式使用。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：中国轻工业网”。违反上述声明者，本网将追究其相关法律责任。
2、凡本网注明 “来源：XXX（非中国轻工业网）” 的作品，均转载自其它媒体，转载目的在于信息之传播，并不代表本网赞同其观点和对其真实性负责。
3、如因作品内容、版权和其它问题需要同本网联系的，请于转载之日起30日内进行。
4、免责声明：本站信息及数据均为非营利用途，转载文章版权归信息来源网站或原作者所有。
