下一代智能制造之数字工程师
2021-09-29 来源： 智造苑
「 1. 数字工程师的概念和发展 」
传统制造系统包含人和物理系统两大部分，是完全通过人对物理系统（即机器）的操作和控制来完成各种工作或任务。传统制造系统中，信息感知、分析决策、操作控制以及认知学习等多方面的任务都依赖于人的能力，对人自身的技能要求较高。从而造成系统的工作效率低下，限制了系统完成复杂工作任务的能力。
与传统制造系统相比，第一代和第二代智能制造系统发生了本质的变化，其将信息系统作为连接人和物理系统的桥梁。信息系统主要处理制造系统中产生的各种信息，其不仅代替人完成大部分的感知、分析、决策任务，将人从部分脑力劳动中解放出来，而且代替人直接操作控制物理系统，将人从体力劳动中解放出来。
新一代智能制造系统进一步完善了信息系统的功能，使信息系统具备了认知和学习的能力，形成新一代“人-信息系统-物理系统”。信息系统能够代替人完成部分的认知和学习等脑力劳动，促使人和信息系统的关系发生了根本性的变化。未来的智能制造系统将会逐步摆脱对人的依赖，其信息系统将具有更强的知识获取和知识发现的能力，能够代替人管理整个或者部分制造领域中的知识。我们将这种具有高度自主决策能力的智能化系统称为数字工程师。数字工程师可定义为：
具有知识获取、知识管理、知识分析能力的智能系统，能够处理某些专业领域工程师的工作，并能与人类工程师沟通交流，提供专业咨询等服务。
数字工程师能在新一代智能制造的信息系统中发挥自身独特优势，具有强大的感知、计算分析与推理能力，同时具有学习提升、自主决策、产生知识的能力。
数字工程师是人机协作时代的一个典型产物，是能够自我学习成长的具有灵敏情感反应的人类工作伙伴。
数字工程师是大数据时代的新型智能系统，其内涵随着人工智能技术的进步不断丰富。智能制造的快速发展离不开对领域知识的获取和利用。数字工程师为制造系统的新一代智能化发展提供重要的知识支撑，将会在智能制造领域发挥重要作用。
「 2. 数字工程师的特点和作用 」
数字工程师是具有较高知识操作能力的智能系统，属于新一代人工智能时代的产物。其应用于智能制造中，能增强企业对市场的反应速度，提高企业的生产效率。智能制造领域的数字工程师应具有以下三方面的特点和作用。
1）知识获取
数字工程师能够从外部获取专业知识，扩充自己的知识库。例如，传统的数字化设计过程需要工程人员利用计算机辅助设计（CAD）、计算机辅助工程分析（CAE）、计算机辅助工艺规划（CAPP）、计算机辅助制造（CAM）等工程软件完成产品的设计。数字工程师可以将制造、检测、装配、工艺、管理、成本核算等专家经验数字化，并扩充到自己的知识库，为人类工程师提供技术咨询，知识管理等服务。另外，数字工程师还能利用网络技术和信息技术，将不同平台、不同区域的知识集成，利用大数据、云平台实现知识同步或异步共享，为人类工程师的设计、创新等提供全面的知识体系支撑，提升团队的创造力与企业的竞争力。
2）知识管理
制造系统每时每刻都会产生大量的数据和知识经验，这些知识可能是无序的、重复的、模糊的。数字工程师利用人工智能的原理、方法和技术，设计、构造和维护自身的知识库系统，能够过滤、筛选各种重复的信息，得到最能反映事物本质及自然规律的知识，并以人类工程师可认知、计算机可理解的方式描述事物之间的规律。重新组织相关数据以实现无序知识有序化、隐性知识显性化、泛化知识本体化，使自身知识库向着表达清晰化、数据组织有序化、内容存储本体化的方向发展。数字工程师强大的知识管理能力为自身的知识存储和知识更新提供有利条件，也为人类工程师使用相关知识提供方便。
3）知识分析
海量的制造数据背后蕴涵着广泛的制造规律，这些规律往往能反映问题的本质。数字工程师不仅能够获取数据、管理数据，更重要的是能从原始数据中提炼出有效的、新颖的、潜在的有用知识，挖掘数据背后隐藏的规律和关联关系。其主要内容包括知识的分类和聚类、知识的关联规则分析、知识的顺序发现、知识的辨别以及时间序列分析等。数字工程师对数据的分析过程体现了自身的智能化程度，决定了它不仅能够为人类提供简单的查询、存储等服务，更重要的是能和人类工程师深入交流、提供决策咨询，甚至在某些专业领域完全可以取代人类工程师完成工作。
数字工程师在智能制造中的作用，取决于对知识的挖掘利用程度。
「 3. 数字工程师的关键技术 」
数字工程师能够快速获得有关制造的海量数据，高效组织管理数据的重构和更新，深入分析数据之间的内在联系以及潜在规律，是一个众多先进技术的超级组合。其涉及大数据、物联网、云计算等一系列促进信息化走向智能化的新一代人工智能技术。
1）大数据分析技术
大数据分析技术主要指能够处理多样化海量规模数据的技术，利用云平台等超强计算资源挖掘数据的内在联系。企业的每个运行时刻都在产生数据，包括财务、资产、人事、供应商信息等经营性数据，产品研发、生产制造、售后服务等生产性数据，设备诊断系统、车间监控系统、资源消耗等生产环境数据。对这些数据的有效利用是提高企业智能化的重要前提，大数据分析技术已在制造业中得到有效利用。
北京汽车股份有限公司株洲分公司二工厂构建了自身的企业云平台，以终端数据为输入，以中央数据库为数据存储中心，并以IT技术为处理单元。该平台设计到车身精度大数据系统、焊接参数监控系统、涂装智能管理系统、设备运行管理系统以及过程质量监控系统等多个关于大数据分析的系统，为整个企业实现智能制造提供了重要保障。
三一重工收集了20万台设备的工况数据、位置数据以及业务系统数据，建立了设备远程控制、设备故障预测以及库存与供应链管理系统。自主研发了大数据储存与分析平台，可将来自数万台用户设备的运行数据实时传到后台完成分析和优化，能够实现对设备的远程监测和控制。在保证成本较低的情况下，完成海量设备数据的连接和分析，实现对用户设备的全生命周期闭环反馈。
广东中设智控科技股份有限公司通过融合生产及设备管理技术、数据智能采集等技术构建了工业大数据分析平台。通过分析各个企业的生产信息数据、设备运行及维护等工业数据，能为各个企业提供定制化的产品服务。并且注重对全产业链、全生命周期等综合性数据的进一步挖掘，以便能为客户提供以产品为核心的个性化生产服务。
数字工程师正常工作时，离不开数据的收集处理，大数据分析技术在其中扮演重要角色。对如此庞大且非结构化的工业数据做深度分析，是一件非常有挑战性的工作。机器学习技术是处理大数据的最好方法，能够从海量的数据中深入挖掘数据之间的内在联系，探索数据之间的隐藏模式。以深度学习为代表的新一代机器学习技术，已在处理图像、视频、工业数据等方面表现出强大优势。不断发展的强化学习、迁移学习、集成学习等技术也在大数据分析中扮演重要角色。
2）物联网技术
物联网是一个基于互联网、传统电信网的信息承载体，它将各种信息传感设备与互联网结合起来而形成一个巨大的互联互通的网络。在制造领域，利用移动通信、智能分析等技术，物联网将具有感知、监控能力的各类传感器融入到工业生产过程的各个环节，大幅提高制造效率，改善产品质量，降低产品成本和资源消耗，为新一代智能制造提供坚实基础。
焊接车间通常属于离散型制造车间，面临产品批次多、数量少，设备不成线等多种问题，是智能制造过程中面临的主要困难。工业物联网是实现焊接车间信息智能化的重要技术。主要涉及生产调度、产品质量等管理信息，工艺准备、人员设备调度等生产调度信息。柏杨建立了基于工业物联网的焊接车间管理系统。通过感知层实现对人员、产品等信息的收集，通过网络传输层完成信息的传递，并通过智能控制单元实时控制和计算车间数据。
信息化和工业化是航天制造领域未来建设的重要内容，尹德发等针对航天制造领域现存问题提出了建设企业物联网系统的解决方案。通过物联网的使用提高生产计划进度和生产资源的透明化，实时查看完工进度、资源使用情况以及生产预警信息等。建立车间生产模型、工艺模型以及设备监控模型等，实现生产调度可视化、生产过程可视化以及设备状态可视化。
用户的需求正变得多样性以及高品质，用户的个性化需求迫使全球工业面临新的转型。海尔较早提出了自己的网络化战略，建立了以用户为中心的互联工厂。不但能够准确识别用户的需求，而且能高效使用现有生产资源。其互联工厂实现了由传统大规模制造到大规模定制的转变，实现了高精度前提下的高效率生产。互联工厂实际上是一个贯穿整个企业流程的生态系统，构建了企业与用户交互的网络虚拟空间，实现了与用户的零距离交流，增强用户的个人体验。
工业物联网具有实时性、自动化、安全性和信息互通互联性等特点。数字工程师必须依赖网络技术和信息处理技术，构建广泛的工业互联互通，从多维度捕获制造系统数据，为知识管理和知识分析提供信息来源，为人类工程师提供更加丰富的咨询服务和更加深入的专业交流，为在某些领域完成人类员工工作提供坚实的知识支撑。
「 4. 数字工程师在智能制造中的应用 」
数字工程师是新一代的智能系统，是智能制造发展的有力助推器，它拥有超精准的记忆能力和超强的信息处理能力，能够高效率、低失误率地处理海量数据和复杂问题。在企业应用中，数字工程师的一切决策建议和沟通交流均基于数据知识，不存在任何偏见，而且具有更宽广的视野、更深厚的知识储备。
然而，并不是所有的企业都能引入数字工程师。只有智能自动化程度较高的企业，才有条件考虑雇佣“数字工程师”这种智能系统。对于制造业来讲，制造企业需要进入新一代智能制造阶段，完成自身的数字化、网络化和智能化进程，这是制造行业引入数字工程师的前提条件。
虽然数字工程师在制造领域的应用还面临着很多的困难，但是已有企业迈出了第一步。半导体巨头英飞凌科技在德国“工业4.0”的实践中，使用协作机器人代替传统工业机器人，通过多样的人机界面，实现了人和机器的顺畅沟通，极大提高了员工的工作效率。生产工艺的智能控制缩短了产品的生产周期，优化算法的使用提高了公司的生产效率。当前，英飞凌已经具有了80%的自动化程度，而且高度的自动化也降低了对能源的消耗。
值得注意的是，在一些数据完善、规则清晰的其他企业已经开始使用这种智能系统了，他们称之为“数字员工”。目前比较有代表性的已经上班的数字员工是Sarah、IBM沃森、Cora。
Sarah是梅赛德奔驰公司的一个销售代表。她会为客户计算性价比，挑选最满足客户需求的选装套件；她还可以根据客户的财务状况，帮助客户确定是买车还是租车，并量身定制租赁方案。
IBM沃森提供的肿瘤诊断准确率已经超过最好的医生。沃森能够根据患者情况查找相关文献，筛选信息。沃森只需要大概15分钟时间就能提出一份针对患者的深度分析报告，而同样内容的报告人类需要大约两个月时间。
Cora是苏格兰皇家银行的一位数字银行家。她能准确识别出客户的脸，叫得出客户的名字，并且知道客户的个性和喜好以及上次的谈话内容。
「 5. 数字工程师未来发展趋势 」
调查发现，汽车、银行、保险、零售，物流等行业的高管对数字工程师这种高级的智能系统认可度较高，他们能够看到新型智能系统在效率、创新和洞察方面带来的积极价值。随着新一代智能制造的快速发展，普通的人类员工已经不能满足制造业的要求。可以想象，在不久的将来，新型智能系统的代表-数字工程师也会在制造行业中扮演重要角色。
数字工程师提高制造业对知识的利用能力。数字工程师的应用，将使制造系统具备认知和学习的能力，具备生成知识和运用知识的能力，从根本上加快工业知识产生的速度，提高利用知识的效率，将人从体力和脑力劳动中极大地解放出来，为人提供更广阔的创新空间。
数字工程师促进制造业生产方式的改变。在数字工程师的帮助下，智能制造产品具有高度智能化、宜人化的特点，生产制造过程呈现高质、柔性、高效、绿色等特征，产业模式向服务型制造业与生产型服务业转变，形成协同优化和高度集成的新型制造大系统。制造业创新力得到全面释放，价值链发生革命性变化，极大提升制造业的市场竞争力。
引自：《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。
