基于工业大数据的知识库李杰教授在《工业大数据》这本书中曾表达过一个观点：大数据并不是目的，而是一个现象，或是

 

基于工业大数据的知识库李杰教授在《工业大数据》这本书中曾表达过一个观点：大数据并不是目的，而是一个现象，或是看待问题的一种途径和解决问题的一个手段通过分析数据，从而预测需求、预测制造、解决和避免不可见问题的风险，和利用数据去这整合产业链和价值链，这才是大数据的核心目的。

大数据与制造之间的关系可以用图中表示，这里面有3个重要的元素：

大数据与智能制造的关系制造系统中显性或隐性的问题，比如质量缺陷、制度缺失、设备故障、加工失效、性能下降、成本较高、效率低下等因此大数据与智能制造之间的关系可以总结为：制造系统中问题的发生和解决的过程中会产生大量的数据，通过对大数据的分析和挖掘可以了解问题产生的过程、造成的影响和解决的方式；当这些信息被抽象化建模后转化成。

知识，再利用知识去认识、解决和避免问题当这个过程能够自发自动地循环进行时，即我们所说的智能制造从这个关系中不难看出，问题和知识是目的，而数据则是一种手段在图1的要素中，当把“数据”换成“人”之后就是“工匠精神”，换成“自动化生产线和装备”之后就是德国的“工业4.0”，换成“互联网”之后就变成了“互联网+”。

今天我们来谈利用大数据实现智能制造，是因为大数据的研究已经成为一个日益受到关注的行为，而在制造系统和商业环境变得日益复杂的今天，利用大数据去推动智能制造，解决问题和积累知识或许是更加高效和便捷的方式利用大数据推动智能制造主要有以下三个方向：

1 把问题变成数据，利用数据对问题的产生和解决进行建模，把经验变成可持续的价值2 把数据变成知识，从“可见解决问题”延伸到“不可见问题”，不仅要明白“how”，还要去理解“why”3 把知识再变成数据，这里的数据指的是生产中的指令、工艺参数和可执行的决策，从根本上去解决和避免问题。

在第一个方向上最成功的应用案例应该是美国在20世纪90年代开展的“2mm计划”，利用统计科学对汽车的设计和生产过程中的质量问题进行建模和管理，随后推广到了飞机制造等其他先进制造领域，对美国制造精度的提升起了重要的推动作用。

在第二个方向上的典型应用是制造系统中的数据预测性分析，包括虚拟量测、健康管理、衰退预测等核心是通过先进的分析算法对数据中的隐性知识进行挖掘和建模，并在制造过程中预测和避免问题第三个方面上的典型应用是反向工程，即从问题的结果出发，利用

知识反向推出问题发生的原因和过程；或是从产品最终的结果出发，反向推出产品的设计和制造过程，以及这样去设计和制造的原因。这不仅需要知识，还需要了解知识之间的相关性和逻辑关系。

工业互联网的建设关键是知识工程譬如，基于数控机床知识库，开发了一个数控技术云模式设计资源共享平台，把数据放到云端，支撑行业的共享把大规模的行业资源云化，作为全国机床行业进行产品研发的共享平台还有样本知识导航、数字机床工具集成、机床的故障诊断等等，大幅度提高行业整体技术水平和效率。

智能制造与传统制造的区别在于知识库制造业的发展历程，如下图所示：

制造业经历了机械化、自动化阶段，正朝着信息化、智能化的方向发展和迈进尽管期间经历了很大的变化，但不变的是其加工对象始终为产品，因此，即使到了信息化、智能化阶段，制造过程依然脱离不了车、铣、刨、磨、钳、铸、锻、焊、组装、检验等过程，如果没有有效的方法，传统的加工过程中出现的问题依然会在信息化、智能化制造的过程中出现，甚至因为自动化、信息化、智能化程度的提高，在传统的制造过程中需要关注的问题，在智能化制造中需要更加关注，否则可能会造成更大的损失。

另一方面，虽然制造业的技术水平在不断提升，但人们不断改进、完善产品制造过程的总体目标从来没有变过，实现这一目标的总体方法也没有变化：（1）获取制造数据；（2）把这些数据转化为可操作的信息；（3）使用可操作的信息来改进操作；

这期间发生变化的只是人类在其中所占的比例在逐渐减少：从早期的人工在纸制表格中进行记录、汇总、分析（大家不妨试试看是否还会画控制图、利用概率纸描点求分布参数）逐渐发展到全面使用自动化设备、计算机分析软件进行数据采集、数据分析、自动控制等操作。

当制造技术发展到信息化阶段时，人类在其中仍起着至关重要的作用：利用自己的经验和智慧、结合数据分析结果，制定有效的改进措施随着制造业向智能化的演进，上述需要人类参与的工作内容将进一步被机器替代：●  知识库生成。

●  代替人类工作的机器人●  代替人类思考的智能系统最近，《工业互联网APP发展白皮书》发布，核心即将行业知识库封装成微服务并开发出工业APP，无不体现知识工程的重要性、重要性和重要性扒开知识库的面纱“她”究竟是个撒：。

1、机理模型：工艺、物理、材料、化学、力学等仿真2、业务模型：工作流程、业务规则3、数据模型：工业大数据机器学习算法模型4、知识图谱：符号主义AI算法模型5、AI模型：连接主义深度学习算法模型和6、DL模型：行为主义强化学习模型。

延展阅读：智能制造时代，智慧研发的核心是知识工程田锋PLM之神导读自从计算机进入研发体系，就开启了智慧研发的时代，可以说智慧研发我们一直在路上在智能制造时代，研发和创新仍是我们在时代浪潮下不得不勇闯的突破之路，传统信息化和数字化中潜藏的巨大能量亟待被再次激活。

智慧研发之路，在探索中前行本文，给大家分享下安世亚太对“智慧研发”的一些思路和方法，供大家参考      智慧研发的提出以系统工程和精益研发为理论背景，以智能科技在近几年的发展为技术背景，伴随工业4.0、工业互联网、智能制造、智慧军工、智慧院所的相继提出，智慧研发概念也随即产生。

基于安世亚太对系统工程和精益研发的研究发展，我们将智慧研发定义为精益研发的智慧化发展，是智能科技和知识工程深度融合的精益研发3.0体系01智慧研发的总体特征    智慧研发是与智能制造相适应的研发体系，也是智慧院所所采用的研发体系。

以智慧研发为基础，以云计算、大数据、物联网等现代智能科技为手段，实现产品研发体系的智慧化和所研制产品的智能化    基于以上的理解，我们给智慧研发的总体特征做了如下描述：以知识为基础、以仿真为驱动、以质量为目标，持续创新，不断开发新产品、新服务，基于智能科学的理论、技术、方法和信息，采用自动化和数字化技术与工具，利用云计算、物联网、大数据等手段，整合和优化利用各类内外部资源，实现信息流、物资流、资金流、知识流、服务流的高度集成与融合。

    智慧研发体系框架    上图给出了智慧研发的体系概览这是一个基于系统工程的研发体系，包含综合设计、知识工程和过程质量等核心子体系，可帮助企业实现研发模式转型，建立正向设计能力，同时规划未来智慧院所建设路线。

以智慧研发为抓手，可以建设面向智能制造时代的现代工业研发体系    安世亚太智慧研发解决方案适用于于中国军工企业进行智慧院所体系建设，也适用于民品企业进行智能制造中的智慧研发体系建设02智慧研发理想业务模型。

    复杂产品研发体系理想业务模型  阅读过《精益研发2.0》的读者一定很熟悉，上图就是研发体系理想业务模型，可以简称为体系理想模型或理想业务模型，包含了完整的研发要素及业务构件，图中每一个矩形或菱形就是一个业务构件，这个模型是研发型企业发展的对标模型，可以指导我们进行业务模式规划、能力规划、知识（资源）规划以及信息化规划。

与此对标，本企业所欠缺的或不完善的业务构件，就是我们未来应该建设的内容根据企业发展战略规划，可以形成研发体系未来建设和完善的计划和步骤，这样将形成体系的长远规划03智慧研发理想业务模型    利用理想模型的设计思路，通过对精益研发的智慧化，形成智慧研发的理想模型。

具体来讲，除了精益研发的两个关注点（研发模式转型后的信息化、强调正向设计的数字化）外，智慧研发体系还关注以下几个方面：    ·强调知识工程的作用知识工程是智慧研发体系的基础，是智慧研发体系的要素建设，是研发资源的知识化程度的提升过程，也是智慧级别的提升过程。

    ·将工业大数据和工业物联网放到理想模型的两肋，不仅支撑和改造设计过程，支撑智能产品的开发，同时改造知识、质量、流程和监控体系；    ·采用研发基础云平台，将PaaS和IaaS工业化，并嵌入工业中间件，以支持智慧工业时代基于互联网的开放化和协同化研发模式，同时支持智能产品基于云的智慧运营。

    基于智慧研发理想模型，推导出与之对应的信息化蓝图，也就是智慧研发平台智慧研发平台的总体目标是建立一个基于产业链协同的、开放化的研发平台，可以基于知识工程进行研发平台的构件建设，基于大数据、物联网、工业仿真、MBSE等技术开发智能产品，利用大数据完成质量防控、精确管理和决策，具有不断研发出智慧产品和提供智慧服务的能力。

    智慧研发集成平台框架04智慧院所建设：四轮驱动，知识为轴    智慧院所的规划与建设，是中国国防科技工业发展的下一个重大机遇，是军工企业不可错过的发展窗口在智慧研发时代，智慧院所信息化建设将形成智慧工作平台（WWP） 。

WWP集成了数字化工作平台、信息化工作平台和知识应用平台（简称“三驾马车”），由先进的信息化技术、先进的数字化技术、先进的项目管理技术以及知识工程管理四大关键技术驱动（简称“四轮驱动”）其中，知识应用平台和知识工程管理技术则是智慧平台工作的新亮点。

    智慧院所时代的信息化、数字化和项目管理技术的“先进”性，体现在对知识的充分应用，而知识工程的“先进”性，则体现在对成熟的信息化、数字化和项目管理技术的激活和创新因此，知识工程可以再次激活传统信息化和数字化中潜藏的巨大能量，成为智慧院所建设的核心，成为智慧院所“四轮驱动”的车轴。

05智慧研发：知识泛在的研发体系    智慧研发提出的面向智能制造的研发体系框架和理想蓝图，知识工程正是本蓝图的实现途径知识维作为精益研发体系的三个技术维度之一，代表了企业的能力建设企业知识积累和应用的层次决定了研发的智慧程度，层次越高，企业研发的智慧程度就越高。

因此，知识工程建设成果将形成企业精益研发的基础，企业通过建设先进研发模式、平台化技术库、结构化信息库、虚拟化资源库、标准化数据库等，并按照智慧研发模式，将这些资源和知识组织起来，依照智慧研发的逻辑运行，即可形成智慧研发体系。

研发的智慧源泉是知识，知识的终极归宿是回归研发，因此，我们也将智慧研发定义为知识泛在的研发体系    关于智慧研发体系建设思路和方法，《知识工程2.0》中都有更详细的论述《智能制造时代的研发智慧：知识工程2.0》再版！。

        《智能制造时代的研发智慧：知识工程2.0》一书日前已由机械工业出版社再版发行本书颠覆了传统的知识管理理念，重新定义了“知识”，从精益研发的实践要求出发，反推出知识工程的新理念、新方法和新技术，提出将知识加工增值作为企业知识工程建设的核心。

         《知识工程2.0》于今年5月由机械工业出版社正式出版后，受到了业界的广泛关注和好评，被认为是“知识工程工作实践到目前为止最好的总结和提炼”，也是中国所有企事业单位实施创新具体有效的方法和途径之一。

本书提出知识泛在的智慧研发体系，将智慧研发定义为精益研发的智慧化发展，是智能科技和知识工程深度融合的精益研发3.0体系《知识工程2.0》提出的实践方法有助于中国军工企业进行智慧院所体系建设，也有助于民品企业进行智能制造中的智慧研发体系建设。

         本书作者是安世亚太公司高级副总裁，国家工业软件与先进设计研究院常务副院长田锋先生，著有工业与智能制造热门图书《精益研发2.0》《知识工程2.0》被称为是《精益研发2.0》的姊妹篇，精益研发2.0的实施方略，也是当下解决中国企业知识管理困局的新方案!。

        伴随着《知识工程2.0》的热销以及影响力的扩大，《知识工程2.0》书友会也在逐步壮大来自各领域的书友们积极参与了知识工程2.0的出版众筹，以及书会友发起的各项研讨会和直播活动在《知识工程2.0》再版之际，感谢各位读者朋友对本书及作者的支持，同时也邀请更多有志于知识工程的读者朋友们加入《知识工程2.0》书友会，一起研讨问题，开拓思路，推动行业发展。

作者介绍：        田锋，安世亚太公司高级副总裁、国家工业软件与先进设计研究院常务副院长、北京市综合仿真工程实验室主任、机械工程学会设计分会委员、精益研发体系和综合仿真体系创始人、《精益研发》杂志主编，《精益研发2.0》作者。

工业互联网操作系统产业智能官  AI-CPS用“人工智能赛博物理操作系统”（新一代技术+商业工业互联网操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链

。

长按上方二维码关注微信公众号： AI-CPS本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。

部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186