|
图1：精益、自动化、信息化、智能化之间的关系 宋华振 数字化如此之热，已然超越产业界成为全民话题。然而，尴尬正在于此，你会看到各种关于数字化转型的基础认知都是匮乏的。人们或激进地认为技术变革将颠覆众多产业，又很多时候将有机器人的产线或仅仅自动化的升级认为是“人工智能”；或将其视为概念而无实质的变化，理由在于很多所谓“智能”已经有超过20年历史。无论是个人还是企业都陷入一种焦虑之中，因为人们不知道人工智能是什么，也不知道该如何去实现。 这一切，都是因为我们缺乏人才，缺乏让基本认知成为共识的基础。首先，由于大部分人对基本的技术、概念并不清楚，容易陷入人云亦云，或者被商业推广中的市场化词汇所误导。其次，企业的数字化战略规划由于缺乏能够规划的人，导致很多企业希望改变却无力改变。再次，数字化本身的产业政策制定者也同样如此，即使是被公认的专家，也由于缺乏现场实战而没有说服力，同时企业又更多是以自身利益为导向的市场化说辞，让人更是陷入迷茫，难有说服力。 数字时代需多个维度的融合 事实上，智能化的关键仍然是提升制造质量、成本与交付能力，自动化、信息化与智能化并非是一个阶梯，也并非像很多人所认为的“断代史”——智能化是更高级的。他们只是在更多时候分别完成不同的任务。今天讨论智能的原因是，人工智能的算力变得更为经济，软件借助于科技发展的条件也更成熟。高效的认知也得益于人才基础普及——因为我们面临的融合，是过去没有遇到过的，需要快速构建新时代的人才及其知识框架。 数字时代的显著特征是“融合”，这包括了多个维度的融合。 首先是跨学科融合。智能时代对人的需求，并非仅要求在某个垂直方向专业技术的深度，更在于跨学科的融合，尤其对制造业而言，除了原有的在机械、电气、工艺领域的协作，还包括数字孪生、边缘计算、机器学习等技术多维度的融合。这种融合就要求，一个专业的人或者团队有一个能够构建多学科架构的人员，而在具体实现层级，又需要多个专业人士具有采用相同语言来协同开发的能力，即，要么你有一个大咖级的人可以全局搞定，要么有一个在各个领域间建立协同，包括在软件接口、工具、平台、语言、规范与标准方面进行协调的人。 其次是跨领域融合。前面仅仅指技术层面的跨学科融合，而要实现整个制造从设计、测试验证、制造、运维的全流程协同，我们还需要技术与管理的融合，即能够将技术与精益管理的目标、方法、工具进行协同。对制造现场来说，其质量、成本、交付、柔性、效率的需求，如何被分解为评价的指标体系？建立什么样的内在关系？这些任务与自动化、数字化、智能化之间的关系是什么？知识如何被更好地复用？……这诸多问题都需要建立在管理运营与技术实现对接的基础上，否则，可能会导致更为混乱的局面，反倒造成效率下降。 很多时候关键都在“接口”，即这个人不一定是非常强的专业人士，但他必须能够在各个学科、领域的边界上具有洞察力、协调能力，建立高效的逻辑、内在关系以及有效的评估。 最后是思维与认知能力的融合。我们经常会注重硬知识，如编程、工艺建模等技能，但是具有系统思维、批判性思考、创新方法、快速学习与沟通能力等牵扯到优秀人才的思维与认知问题的软实力，却经常被忽视。实际上，思维的效率也是效率，甚至它可能影响更大。 如之前所说，我们对技术、数字化的认知是匮乏的，缺乏高效思维的人才。如果我们连基本的认知都是错误的，何谈正确的实现与技术推进？ 当前工程教育存在的问题 很多人把今天人才的问题归为教育的问题，但必须意识到，教育的问题归根结底也是产业的问题。我们有些产业本身一度时期内采用的是一种“拷贝”“跟随”战略，对于创新缺乏需求。就像一个真正的原创机器研发，一定会牵扯到建模仿真技术，但如果只是抄袭别人已经验证的系统，那就无需这种建模仿真技术，导致这个领域的人才也无用武之地。 当然，工程教育本身也存在以下一些问题： （责任编辑：晨鸿） |
