钢铁行业智能制造走向何方（二）

于是，人们会产生新的疑问：对企业来说，这些问题都是老的问题，怎么能够通过智能制造来解决呢？这里就涉及到实现技术目标的技术线路了。　　实现业务目标的技术线路　　要实现“降低个性化定制的负面作用”这一目标，本质是要在具体的业务活动中更加科学、快速地决策，进行更大范围的优化。智能制造的优势，在于推进智能决策。事实上，产品的(外)设计、钢种的合并、余材的处置、生产的组织、生产和产品异常的处置、质量动态控制、技术服务的本质都是做决策。过去，这些决策过多地依赖于人的经验，而今后则要推进智能决策来做得更好。　　智能决策可以有不同的程度。可以是机器完全自动决策、可以是受人监控的自动决策、可以是机器辅助人决策。智能决策利用了计算机突飞猛进的计算能力，可以让决策更加科学、迅速。智能决策体现在算法上，但背后依托的则是数字化的信息和知识。　　人们自然会有另外一种疑问：即便现在依靠人的决策，缺少的也是信息和知识。比如，很多问题出在用户需求识别不准确、设备状态不清晰、动态质量控制的知识缺乏、不知道钢种如何改判。这些知识往往是专业知识，在这种条件下，智能决策还不如人的决策，推进智能决策又有什么用呢？　　我们认为：知识匮乏确实是个长期没有解决的问题。知识匮乏本质原因是“知识生产”的投入产出比问题。　　我们知道，获取知识是需要成本的，比如做实验、培养人才等。在传统的决策模式下，知识往往附着于少数**专家的大脑中，这使得知识不能共享、难以重用、难以拓展。对于复杂的问题，受人的精力和能力的限制，往往要划分成若干子问题来完成，进而弱化了优化效果。这样，知识带来的收益是少的。而智能制造能够推动知识的重用、推动大尺度的优化、推动资源的共享、各个部门的协同，可以进一步推动知识的优化、无人化少人化、管理水平的提高、智能服务以及加快交货周期等。所以，在智能制造时代，知识带来的效益是完全不一样的。　　要做到上述问题，不仅要加大“知识的生产”，更要对知识进行数字化、模型化。这个工作非常困难。但是要推进智能制造，这个困难是无法绕过的。　　此外，还应该看到：智能制造所需要的知识难以数字化是钢铁行业的一个重要特点。冶金部原总工程师殷瑞钰院士也多次指出这个问题。这也决定了我们在知识管理的思路上与离散制造业是有差别的。离散制造业的PLM难以直接用于钢铁行业，也是这个道理。但是，我们认为：这个问题虽然困难，但取得本质性进展是完全可行的。　　技术线路的重点之一，是解决如何低成本高质量地生产知识、管好知识，如何科学高频度地使用知识。这样，问题又转化成另外的问题：平台问题、标准问题、方法问题、组织结构问题等。例如，所谓标准问题，即要像过去管理产品和工艺标准那样管理智能制造所需要的、智能决策的知识。由于相关知识是零散的，需要用平台来管理;平台不仅要提升人对知识的管理能力，还要与知识的应用过程对接起来。这些问题，基本上是技术问题了。　　我们设想，未来的知识生产可能由三类人分工协作：一部分人提出原始的知识，如操作工、现场操作人员。一部分人将知识进行提炼和规范化，转化成可数字化模型化的知识，如懂IT的业务专家;还有一部分人实现知识的数字化模型化，主要是IT技术和管理人员。这种设想，与人的专业能力局限有关。　　智能制造的配套条件　　知识是用在业务流程上的。在业务流程上实现智能化，要把感知、决策和执行统一起来。这里涉及到很多的问题：如感知和决策涉及到权限，执行涉及到资源和手段。如果没有权限和手段，业务流程是转不起来的。为了解决这些问题，就需要组织流程、商业模式改革。　　如前所述，智能决策相关的大量知识，往往都是在人的脑子里面的。在很多场合下，知识的贡献意味着贡献者自己价值的贬值。面对这样的悖论，企业需要思考考核机制、企业文化、组织设置等问题。　　再看得远一些会发现：知识重用和业务流程、市场定位、企业核心业务密切相关。要让知识发挥作用，必须转型到需要知识的地方(比如服务对象的改变)，要为知识的重用寻找“市场”。比如，要实现“制造到服务”的转型，很可能要面对中小客户。因为中小客户对服务的需求才是迫切的。　　殷瑞钰院士一再强调：“钢铁是个耗散系统。”这一特征决定了我们还需要关注生产流程本身的设计和优化。事实上，“物理侧”是“赛博侧”发挥作用的基础和前提;对“物理侧”的优化和改进，也反映了“深度融合”的思想。　　智能制造是个系统工程，有很多的层次和侧面。比如，技术要服从业务需求，尤其是新的业务需求，而新的业务需求决定于公司的战略方向，战略方向又取决于对外部市场的选择，对外部市场的选择又决定于社会发展所导致的市场本身的变化。我们设想，如果公司把快速响应、重视服务、推进无人化作为未来战略目标，智能制造就是必须要做的基础工作。　　结语　　在我们看来，智能制造是ICT技术推动的。推动的逻辑大概是这样的：ICT技术导致感知能力加强;于是，为应对感知到信息，业务变得空前复杂。当问题复杂性遭遇人类认知的瓶颈，就会导致管理和技术上的一系列困难，而这些困难成为催生智能制造的动力。因此，智能制造能用来克服人的缺点和不足，让机器做得比人好。那时，人的工作逐渐转化为让机器做得更好。　　智能制造是工业和信息技术的相互作用和深度融合。从“深度融合”的角度看，设备、流程的改进;数字化工具的采用、信息化、自动化程度的提高等，也都可以成为智能制造工作的一部分。其中，“知识数字化”是一个关键的环节。缺少这个环节，钢铁行业的智能制造难以实现质的飞跃。　　智能制造是转型、是创新，这意味智能制造不仅是技术问题，更是企业战略问题、管理问题。智能制造必须由企业家自己来推动，才能真正见效。