樂哥注：5月5日，昆侖咨詢首次刊發(fā)了馮恩波博士的《西方工業(yè)安全和我國工業(yè)安全制度的比較與思考》一文，在業(yè)內(nèi)產(chǎn)生較大反響，引發(fā)了一場關(guān)于工業(yè)安全管理與機制的大討論。今天，昆侖咨詢將聚焦當(dāng)前的熱點 — 工業(yè)大數(shù)據(jù)與企業(yè)數(shù)字化轉(zhuǎn)型，與朋友們一同分享馮博士的另一篇佳作《對工業(yè)大數(shù)據(jù)和企業(yè)數(shù)字化轉(zhuǎn)型的一點看法和體會》，聊一聊工業(yè)大數(shù)據(jù)、工業(yè)智能化的方向與方法，也歡迎大家就這一主題積極建言 ...最近幾年，“大數(shù)據(jù)”詞都成了一個專用名詞了，比方說，某大學(xué)今年招生的一些統(tǒng)計數(shù)字叫做“新生大數(shù)據(jù)”；我國“經(jīng)濟大數(shù)據(jù)”，結(jié)果就是一些統(tǒng)計數(shù)字而已，并沒有什么高級的數(shù)據(jù)處理結(jié)果。
從學(xué)術(shù)或技術(shù)意義上說，“大數(shù)據(jù)”并不簡單指的數(shù)據(jù)量的規(guī)模大小，更多的時候是指通過對數(shù)據(jù)的高級分析（即所謂數(shù)據(jù)挖掘、知識抽取、機器學(xué)習(xí)等算法），從一個不同維度和方式看待原始數(shù)據(jù)所隱含的信息。這實際上是一種不同的方法論。
作為一個工程師，我們處理實際多變量問題的時候，會很注意這些變量的集合效應(yīng)，而不是單個變量的作用。因為世界上所有的變量之間都有一種內(nèi)在的聯(lián)系，當(dāng)然，我們是否能定量地或定性的去發(fā)現(xiàn)這種聯(lián)系規(guī)律是另外一回事情。在本質(zhì)上，這些變量間還是有因果關(guān)系的。
我們按傳統(tǒng)的觀點，一個工廠的運行，實際上是把每一個變量看成是單一的，互相獨立的。我們相信，把每一個變量都控制在特定范圍，就可以保證我們的產(chǎn)品質(zhì)量合格、運行狀態(tài)安全了。這實際上是不正確的，很多時候我們需要考慮數(shù)個變量的集合效應(yīng)，這就是大數(shù)據(jù)思想和方法論。
另外一個問題，一個裝置常常會有成百上千的變量，這樣直接去找到他們的關(guān)系是很不容易的。我們知道，這些變量之間是有相關(guān)性的，這樣就可以找到一些“主要的因素”，這些主要因素并不一定是一個變量，而可能是一堆相關(guān)的變量組合成為一個因素，一套看似復(fù)雜的生產(chǎn)裝置，真正的“獨立因素”并沒有多少，我曾經(jīng)分析過一些大型流程生產(chǎn)裝置，超過8-9個獨立因素的裝置很少，最多的也不超過12個獨立因素。如何找到這些獨立的因素，有嚴(yán)格的數(shù)學(xué)方法和數(shù)據(jù)處理算法。作為一個工程師，要把數(shù)據(jù)看成互相之間關(guān)聯(lián)的，互相有因果關(guān)系的，這就是大數(shù)據(jù)的本質(zhì)思想。不能一說大數(shù)據(jù)就先想到它的大小、它的快慢、變量的多少，我并不認(rèn)為這是一個本質(zhì)的事情。2、關(guān)于精益化運行和知識性工作的自動化我們運行一套裝置或者一個工廠，我們會面對三大類問題。
第一類，我們所說的痛點，就是必須馬上要解決的，比如安全問題，環(huán)境問題，還有效益問題，就是我們的痛點，這個不言而喻。
第二類問題是“癢點”問題，就是那些今天不解決也行，明天不解決也過的去，但是終歸是要解決。這些問題看起來沒有那么急迫，但是不解決就會出大問題。比如，裝置耗能比較高，穩(wěn)定性有問題，我們就需要一些時間研究一下，找到一些好的技術(shù)。找到了技術(shù)了，做完項目能不能維護，也是一個問題，這些都是一些日常生產(chǎn)當(dāng)中需要解決的。這些就叫“癢點”。
最后一類問題，我們經(jīng)常說有“盲點”，盲點有一類是物理性的，比方說測量方法或者儀器，我們拿不到這些信息，這就是盲點。還有一類盲點，可能更重要，就是我們有測量數(shù)據(jù)，但是數(shù)據(jù)太多了或者很復(fù)雜，我們不知道怎么分析，不知道數(shù)據(jù)能告訴我們什么，這些數(shù)據(jù)雖然是存在，但都在“睡眠”之中，對我們來講也是一類盲點。而這種盲點事情非常普遍，解決起來需要很多的工藝知識和數(shù)據(jù)處理知識，這是需要領(lǐng)域?qū)＜液蛿?shù)據(jù)專家結(jié)合起來去做的。這方面的人才，或者叫“數(shù)據(jù)工程師”，現(xiàn)在是一個瓶頸，工業(yè)發(fā)達(dá)國家都有這樣的問題，這使得我們的盲點問題越來越嚴(yán)重。我個人的體會和看法，一個好的企業(yè)和差的企業(yè)，主要的差距就在這個方面。
上面所說“癢點”問題，有一個共同的特征，就是問題的時變性，同樣的問題，不同的時間，出現(xiàn)的方式不完全一樣，這次解決了，過一段時間還會再出現(xiàn)。這樣就產(chǎn)生了“持續(xù)改進(jìn)”這種方法體系，比如6-西伽瑪或者是PDCA方法，都是按時間持續(xù)推進(jìn)，反復(fù)地以滾動方式解決問題。持續(xù)改進(jìn)方法最大的特點是應(yīng)用較多的數(shù)理統(tǒng)計方法和模型化方法，因為這些癢點問題往往不是孤立的，解決起來有一定難度，需要做一些深入的數(shù)據(jù)分析。
持續(xù)改進(jìn)從方法流程方面看，都有一個經(jīng)驗收集和總結(jié)過程，并且和數(shù)據(jù)分析結(jié)合起來，這本質(zhì)上是把人的知識進(jìn)行整理和形式化。做這項工作，很大程度上依賴于人的知識結(jié)構(gòu)、他的數(shù)學(xué)技巧、對工藝?yán)斫狻⑴c人交流的能力，甚至和人的性格脾氣都密切相關(guān)。這在嚴(yán)格的6-西伽瑪黑帶和綠帶認(rèn)證培訓(xùn)中有一定要求。不只是學(xué)歷的問題，還有和人的交往能力、領(lǐng)導(dǎo)能力、個性特征、組織能力和執(zhí)行能力的綜合考慮。像這類工作，我們稱之為“知識型工作”，工作的內(nèi)容和處理的事情是基于“知識”，而這些知識有可能是和數(shù)據(jù)打交道，也有可能是和過去的定性的經(jīng)驗打交道。筆者在過去20多年企業(yè)工作中，持續(xù)改進(jìn)是主要工作職責(zé)內(nèi)容之一。我發(fā)現(xiàn)，今年一個綠帶或黑帶人員（編者注：黑帶和綠帶源于軍事術(shù)語，意指具有精湛技藝和本領(lǐng)的人，在六西格瑪管理體系中，指的是引導(dǎo)企業(yè)進(jìn)行變革和改進(jìn)的中堅力量，具體可分為綠帶/GB、黑帶/BB、大師級黑帶/MBB等角色）費了很大的功夫和很大的精力解決了一個問題，但明年或后年，又出來一個綠帶或和黑帶還要去解決同樣的問題。原因可能是裝置本身操作條件發(fā)生變化、原料發(fā)生變化等等，人和人之間解決的思路有非常大的差異，有些能力強一些，有些能力弱一點，所用的方法思路都有較大差異性，效果也就有相當(dāng)大的差距。我們很自然想到，能不能把這一類基于知識的工作在某種程度上自動化，而這個“自動化”和我們平常所說的用儀器儀表DCS實施的自動化還不完全一樣。這些電氣或機械的自動化是一種技術(shù)的手段。我們所說的這種知識型工作自動化，是數(shù)據(jù)分析流程的自動化，它處理的對象是知識，包括定性和定量的知識，在整個處理和結(jié)果執(zhí)行流程閉環(huán)里，人是很重要的一個組成單元，整個系統(tǒng)是一個“人機混合”系統(tǒng)，而不是傳統(tǒng)意義的全電子或機械自動化系統(tǒng)。
上面我們提到，知識有一些是可以用公式來表達(dá)的，還有很多是可意會不可言傳的隱含型的，而這些隱含的知識，現(xiàn)在來看不一定永遠(yuǎn)處在“隱含”狀態(tài)。過去人們沒有辦法叫它顯現(xiàn)表達(dá)出來，或許是數(shù)據(jù)的缺少，或許是數(shù)據(jù)的處理方法。近年有極大發(fā)展的大數(shù)據(jù)方法和人工智能技術(shù)，實際上是把海量數(shù)據(jù)中隱含的人們所感興趣的特征顯現(xiàn)出來，特別是把一些定性思想用數(shù)據(jù)和算法支撐和聯(lián)系起來。過去的只可意會不可言傳，主要是由于數(shù)據(jù)量，或者是數(shù)據(jù)方法，或者是處理能力限制而已，現(xiàn)在都逐漸變成現(xiàn)實。作為是圍棋愛好者，知道圍棋博弈中包含大量的藝術(shù)性和感覺性技巧，我曾經(jīng)認(rèn)為計算機是很難下圍棋的，相當(dāng)長一段時間，我不相信計算機下圍棋能超過哪怕一位業(yè)余愛好者，看看最近的發(fā)展，人類下圍棋已經(jīng)贏不過機器了，這就說明隨著機器計算能力的提高和新數(shù)學(xué)方法的出現(xiàn)，過去有很多隱含性或定性的知識，現(xiàn)在都可以用定量的方法和機器計算的方法來完成。也就是說。現(xiàn)在的數(shù)據(jù)只要足夠多和遍歷，我們就可以基于數(shù)據(jù)發(fā)現(xiàn)過去很多不能顯現(xiàn)表達(dá)的知識。
綜上所述，可以把這種持續(xù)改進(jìn)的思想和流程設(shè)計成軟件系統(tǒng)，把處理數(shù)據(jù)、數(shù)據(jù)挖掘和隱含信息顯現(xiàn)工作自動進(jìn)行，我認(rèn)為，這就是人工智能在工業(yè)當(dāng)中的應(yīng)用場景。不能一提到人工智能就認(rèn)為是機器人那樣的東西，就是為了減少人力，更多地應(yīng)該是基于對海量數(shù)據(jù)處理，把結(jié)果實時推送給人，從而對人的決策時間和行動產(chǎn)生影響和幫助。3、關(guān)于企業(yè)“對標(biāo)”的方法談到精益化運行，最主要的就是要找到差異性，差異性的管理和控制是精益的精髓和最終目的。找出差異性就是要去“對標(biāo)”，對標(biāo)應(yīng)該考慮兩個維度，一個是空間的維度，比如說去和世界最先進(jìn)的裝置，或者同類裝置去對標(biāo)它的能耗、質(zhì)量、生產(chǎn)成本。
一些標(biāo)準(zhǔn)化的裝置或者是通用性的裝置，用這種辦法是相當(dāng)有效的，例如規(guī)模接近的煉油廠、大宗化工產(chǎn)品裝置都可以。但是，對于大部分的精細(xì)化工和特種化工工藝流程，這種方法有很大局限性。因為每一套裝置都有一些區(qū)別，特別是在催化劑方面，原料來源甚至地理位置，這些區(qū)別帶來了裝置間的不可對比性。
所以，我們說對標(biāo)，特別是空間上和同行業(yè)對標(biāo)，一定要注意有這個差異性，不能簡單地數(shù)字對數(shù)字。這類對標(biāo)可以在一個統(tǒng)計意義上，比方說某一類產(chǎn)品在世界上有不同的工藝，可能有幾十家甚至上百家，他們有一個統(tǒng)計意義平均能耗或質(zhì)量等指標(biāo)，我們可以在統(tǒng)計意義上去比。這些數(shù)據(jù)在工業(yè)發(fā)達(dá)國家政府工業(yè)部門都是公開的。如果一種產(chǎn)品，總的需求量量就很少，世界上也許只有2-3個類似的工藝，這樣去對標(biāo)實際上是不科學(xué)的，在統(tǒng)計上也沒有意義。
比方說所用的催化體系就有些差異，只能說各有特點，有些事情是因為知識產(chǎn)權(quán)不能完全一樣，有相同的工藝，各項數(shù)據(jù)也難以簡單“對標(biāo)”。對標(biāo)本身就是一個統(tǒng)計學(xué)意義的工作，只能根據(jù)現(xiàn)有的生產(chǎn)工藝，催化劑系統(tǒng)去優(yōu)化現(xiàn)在的裝置，而不是說別人怎么樣，我們也做的怎么樣，要注意科學(xué)性。
對標(biāo)的另一個維度是在時間尺度上，我認(rèn)為這種對標(biāo)是更有意義。大部分企業(yè)現(xiàn)在已經(jīng)有了相當(dāng)好的數(shù)據(jù)積累，所謂對標(biāo)，無非是把歷史上最好的數(shù)據(jù)找出來，看看那時候究竟是發(fā)生了什么事情，那個期間整個的運行模式是怎樣的，如果我們把一套現(xiàn)有的裝置或一個企業(yè)都運行到了歷史最好水平，這個企業(yè)一定不會差。另外一個方面，如果找到了歷史的最好水平，我們想辦法不斷向歷史最好水平去靠近，而在靠近的這個期間，也同時會產(chǎn)生一些新的數(shù)據(jù)，而這些新的數(shù)據(jù)，都是在歷史最好水平附近的數(shù)據(jù)，再往前推動一點，比歷史最好水平更好，這才是真正的持續(xù)改進(jìn)和優(yōu)化，一步一步滾動方式往前進(jìn)。天天盯著別人看不一定是最科學(xué)的方法，很多事情應(yīng)該是自己看看自己的過去，已經(jīng)做了哪些是好的，哪些不好的，總結(jié)經(jīng)驗，在這個基礎(chǔ)之上往前更進(jìn)一步。這樣可能來的更現(xiàn)實一點，也更容易操作。回到工業(yè)大數(shù)據(jù)話題上來，數(shù)據(jù)是什么？數(shù)據(jù)就是過去發(fā)生過的信息記錄，工業(yè)大數(shù)據(jù)方法論和技術(shù)，就是從歷史數(shù)據(jù)里挖掘出規(guī)律性的東西，基于“歷史相似性”、“事件遍歷性”和“時間連續(xù)性”三大原理，對正在發(fā)生的事件進(jìn)行“對標(biāo)”，及時分辨出奇異（非正常）狀態(tài)、優(yōu)質(zhì)狀態(tài)和落后狀態(tài)，提高系統(tǒng)運行的安全性、最優(yōu)性和穩(wěn)定性。4、智能化一直在路上：自動化、信息化和數(shù)字化現(xiàn)在談一下智能化。人工智能這個詞現(xiàn)在很熱，在歷史上這個概念和自動化是不分家的。維納的《控制論》副題就是“關(guān)于在動物和機器中控制和通訊的科學(xué)”，人工智能的意義就是用機器部分地代替人的腦力勞動。從這個意義上來講，自動化一直就是人工智能的一部分，也是逐漸發(fā)展中的人工智能。比方說，我們常用的PID控制回路。就是模擬操作工的操作行為，把他們的思想變成比例+積分+微分控制器的三個參數(shù)。如果我們處理一個比較復(fù)雜的多變量的對象，比方說一個精餾塔，我們就需要更有經(jīng)驗的操作工，可以把他們對裝置的理解，甚至裝置中某些變量響應(yīng)快慢的知識固化下來，同時能處理多個回路和變量之間的耦合效應(yīng)，這就是先進(jìn)過程控制APC的基本原理。而這些操作知識要用數(shù)據(jù)化方式來支持，這就就產(chǎn)生了動態(tài)矩陣控制，內(nèi)模控制等等一大類先進(jìn)過程控制算法。這些系統(tǒng)本質(zhì)上都是把人的經(jīng)驗，用數(shù)據(jù)模型和數(shù)據(jù)結(jié)構(gòu)進(jìn)行支撐，讓它能自動地模擬人的動作，這都是人工智能最本質(zhì)的特征?，F(xiàn)在有一個傾向，把信息化、網(wǎng)絡(luò)化、大數(shù)據(jù)、智能化同傳統(tǒng)的自動化割裂開來，這不是一種科學(xué)的做法。這些東西在整體上是都是一步步發(fā)展過來的，無非是用的機器計算能力、數(shù)學(xué)算法、測量數(shù)據(jù)來源不一樣而已。從方法論上來看，都是人工智能的不同發(fā)展階段，也就是說，是人們嘗試用機器代替部分腦力勞動逐漸進(jìn)步過程。把自動化、信息化、網(wǎng)絡(luò)化和智能化連貫起來看，以一種歷史唯物主義的觀點去看，實際上是很重要的。筆者就聽到過，說我們現(xiàn)在連自動化還有搞不好，還去搞什么智能化，完全是沒有必要和不現(xiàn)實的。實際上，我們現(xiàn)在搞的大數(shù)據(jù)也好，智能化也好，無非是更高級的自動化而已。以這種更高級的自動化手段去提升和倒逼傳統(tǒng)的自動化，甚至由此出現(xiàn)了一些智能化執(zhí)行機構(gòu)、新型測量手段（如機器視覺）等等。從實施角度看，并不是說非要一個階段做完美了，再去做另外一個階段，沒有必要硬性的分割開來，應(yīng)該把所謂的現(xiàn)代智能化，網(wǎng)絡(luò)化當(dāng)成一種工具，能用到什么地步，就用到什么地步，目的是去解決實際問題。例如，一套裝置也許最基本的測量元件缺失，導(dǎo)致了整套系統(tǒng)控制不好，那就解決一個測量問題，這個測量問題也就是智能制造的一個部分。總而言之，要從實際出發(fā)，有什么問題解決問題，如果有很好的很先進(jìn)的技術(shù)，能帶來更好的效益，為什么不去用呢？不能說底層搞不好，上頭也搞不好，只要有突破點，不論從哪一個角度，從哪一個層面都可以去突進(jìn)。有的企業(yè)從上邊開始比較容易，有的企業(yè)是從最底層的測量去解決才出效益，從不同層面，從上往下或從下往上都是可以的，根據(jù)不同的行業(yè)和不同的企業(yè)具體情況而定，萬不可生造標(biāo)準(zhǔn)和模板。5、也談企業(yè)數(shù)字化轉(zhuǎn)型路徑企業(yè)數(shù)字化轉(zhuǎn)型是近幾年非常熱門的話題。“轉(zhuǎn)型”有兩層意義，第一層意義是指裝置和企業(yè)操作方式和經(jīng)營方式，生產(chǎn)方式和過去發(fā)生較大的差異。比如，過去主要是人工操作，特別是離散行業(yè)的汽車制造，現(xiàn)在基本上不用人，可以基本用3D打印去實現(xiàn)，這是一種全新的生產(chǎn)方式。離散制造業(yè)再這方面發(fā)生的變化很大，這更像一個所謂的轉(zhuǎn)型。另外一層意義實際上是一種觀念，是一種技術(shù)的進(jìn)步和升級，從操作大概念上來講，不一定發(fā)生非常大的變化。這在流程工業(yè)當(dāng)中比較明顯。比方說，我們一個反應(yīng)器，過去是由操作工去控制溫度、壓力、流量這些參數(shù)，有了自動化系統(tǒng)，這些操作基本上可以不用人去現(xiàn)場干預(yù)了。那么，數(shù)字化轉(zhuǎn)型對這一類裝置和企業(yè)是指的什么呢？實際上是指再技術(shù)方面的升級，例如在測量方面現(xiàn)在有很多更先進(jìn)和更可靠的測量手段，比方說光譜儀、質(zhì)譜儀等等。從控制手段來講，現(xiàn)在比過去更可靠更安全，還有控制閥的實時反饋信息，還有智能化控制法和很好的先進(jìn)控制算法，使裝置更穩(wěn)定。從安全來講，現(xiàn)在有一些更先進(jìn)的監(jiān)測手段和處理手段，安全性大大提高。但是，這些東西并沒有從根本概念上改變我們的操作原理，這些技術(shù)提高了裝置的平穩(wěn)性、質(zhì)量指標(biāo)，使人更安全。所以，數(shù)字化轉(zhuǎn)型實際上可以理解為，用數(shù)字化的手段改變測量、控制、優(yōu)化決策的效率，提高安全性，提高質(zhì)量，節(jié)能降耗。
我們的部分企業(yè)經(jīng)常有困惑和誤區(qū)，提到企業(yè)數(shù)字化轉(zhuǎn)型就想到要首先要有大的投入，筆者認(rèn)為，需要針對不同企業(yè)分別對待。我們說，自動化、數(shù)字化、信息化、智能化，都是一脈相承的，不能把技術(shù)和概念割裂開來。對一些落后的企業(yè)，那就從測量和自動化開始，現(xiàn)在的技術(shù)手段比過去要方便得多。
在某些點上和業(yè)務(wù)方面，也可以搞一點智能化程度高的東西，不一定就是從上到下一氣呵成，一下就花很多的錢。特別是我們的企業(yè)決策者，不要把數(shù)字化轉(zhuǎn)型又做成了一個IT項目，上很多的新硬件，上一些功能強大、好看不用的軟件。就是上去了這些東西，如果沒有實際用起來，時間一長，這些設(shè)備也會落后，過幾年還要花錢升級。一個企業(yè)從哪個層面和角度開始進(jìn)行數(shù)字化轉(zhuǎn)型，需要企業(yè)的決策人做一個戰(zhàn)略性的規(guī)劃，做什么或者做到什么程度，分階段分業(yè)務(wù)區(qū)塊做一個長遠(yuǎn)的規(guī)劃，這樣一步一步積累下來。一句老話，實事求是，不忘初心，我們做企業(yè)的初心就是使它的安全性提高，使它的效益更好，使他的產(chǎn)品更能符合老百姓的需求。有了這個初心，我們心里就有數(shù)了。綜上所述，一定不要把數(shù)字化轉(zhuǎn)型理解成是一個整套的IT項目，也不應(yīng)該把它做成信息化主導(dǎo)的項目。6、怎么看企業(yè)數(shù)字化轉(zhuǎn)型的效益為什么要談一下數(shù)字化的效益問題？筆者曾經(jīng)和業(yè)內(nèi)的幾位老朋友談起過這個問題，他們在實施數(shù)字化方案的時候。有人常常就問，你上這個東西每月每年能給我節(jié)約多少錢？因為我這些朋友，業(yè)務(wù)出身很不相同，有時候真的不容易回答這個問題，可是心里又感覺到效益就在那里，但是一時說不出來具體在什么方面。這個問題，筆者認(rèn)為應(yīng)該從三個方面來看。首先，數(shù)字化轉(zhuǎn)型主要就是從測量數(shù)據(jù)分析，到?jīng)Q策的一個數(shù)據(jù)流或信息流的自動處理系統(tǒng)。其最主要的目的是改變或者是提高裝置企業(yè)的安全水平和參與人員決策的科學(xué)化和及時性。當(dāng)然。其中數(shù)字化的一部分會落實到具體的生產(chǎn)裝置，涉及到到一些節(jié)能和質(zhì)量指標(biāo)，這都是一些直接的效益產(chǎn)生點，這個容易理解。問題是，在裝置和操作單元這一層往往是一些自動化控制單元，比如一些自動控制回路或者是先進(jìn)控制器。表面上去看，只有這些直接控制單元能產(chǎn)生效益，而處理信息流的東西，就很難和直接效益掛鉤，這就是所說的效益問題困惑產(chǎn)生的原因。
我們想一想，在一個工廠里邊，現(xiàn)場的操作工直接操作設(shè)備，當(dāng)然產(chǎn)生了直接效益，可是我們?yōu)槭裁催€需要工程師，需要那些坐在辦公室里邊的輔助人員和需要管理人員？難到我們說這些白領(lǐng)們不產(chǎn)生效益嗎？操作工產(chǎn)生的效益是通過對裝置具體的操作，這很容易看到。那么一個工程師在辦公室，他提供知識的協(xié)助，一個管理人員他從更高的信息處理層面去協(xié)調(diào)數(shù)據(jù)的挖掘和協(xié)調(diào)資源的安排，這些效益怎么計算呢？道理是一樣的！數(shù)字化體系，特別是有一些大數(shù)據(jù)和人工智能處理功能，他們把一些知識型的工作自動化或半自動化，使得生產(chǎn)決策更據(jù)科學(xué)性和及時性、更好的保證裝置運行的安全性。這種效益是更長遠(yuǎn)，更大范圍的，但是在很多時候是難以量化的。比方說避免一次事故究竟能產(chǎn)生多大效益，那個事故并沒有發(fā)生，你就沒法比較，這些數(shù)字化系統(tǒng)降低了故障的概率、提高了可預(yù)見性可可控性，潛在效益實際上是很大的。這和我們說在工廠里邊，除了操作人員以外，還需要大量的做知識型工作的工程師和管理人員是一個道理。
第二個方面，數(shù)字化系統(tǒng)往往覆蓋自上至下的各個生產(chǎn)環(huán)節(jié)，實際上對具體的操作層面有一個倒逼的作用。有人開笑話講，數(shù)字化的系統(tǒng)很多時候就像一個牧羊犬，因為有了這些系統(tǒng)，特別是一些可視化功能，效益的計算都變成實時的，對操作人員有一個監(jiān)督功能和實時性推動作用，使他們更關(guān)注整裝置效能，更關(guān)注安全和質(zhì)量。
早些年的時候，操作裝置主要是靠人工操作，要上自動化系統(tǒng)的時候也有人提出來：這個設(shè)備人操作的都很平穩(wěn)，為什么要上自動化系統(tǒng)還要花這么多錢？現(xiàn)在類似問題也許已經(jīng)不會有人再問了（也許還會問）。前一段時間有個朋友告訴我，他到一個企業(yè)里去講數(shù)字化的問題，結(jié)果廠里的領(lǐng)導(dǎo)告訴他，你說的這些東西，我只要派一個人去廠里轉(zhuǎn)一圈，什么都知道了。這位領(lǐng)導(dǎo)說的也沒有錯，但是他想過沒有，一個人到廠里面轉(zhuǎn)一圈，他是不是可以把得到的信息完整和科學(xué)地永遠(yuǎn)記下來，如果他離開目前的工作，他的經(jīng)驗是不是可以固化下來并繼承下去呢？數(shù)字化的系統(tǒng)本身具有的是知識加工處理和固化的功能，使工廠的運行不依賴或弱化依賴個別人的經(jīng)驗，以更長久地穩(wěn)定運行，產(chǎn)品質(zhì)量的一致性也會得到保證。特別是對于現(xiàn)在化工企業(yè)，下一步人員招聘都是大問題，借助數(shù)字化系統(tǒng)把人的經(jīng)驗進(jìn)行固化是一種非常好的手段。特別是對一些國有企業(yè)，更有這方面的問題。因為國有企業(yè)管理人員調(diào)動比較頻繁，不同領(lǐng)導(dǎo)有不同管理方法，企業(yè)經(jīng)營的好壞很多時候取決于人的能力和方法。
這有好的一面，也有危險的一面。如果決策的科學(xué)性和實時性，用數(shù)字化手段進(jìn)行標(biāo)準(zhǔn)化規(guī)劃，將管理變成一套科學(xué)的體系，不以人的調(diào)動，不以人的退休而產(chǎn)生大的影響，這實際上是一個現(xiàn)代化企業(yè)最主要的標(biāo)志。如果一個企業(yè)，以一個“能人”為標(biāo)志，太過依賴于個別人的技術(shù)和能力，這實際上是一種危險的狀況，不論是在技術(shù)層面、在社會方面、在風(fēng)險管控方面，都存在著巨大的問題。數(shù)字化、大數(shù)據(jù)、人工智能方法，基于“歷史相似性”、“事件遍歷性”和“時間連續(xù)性”三大原理，將沉淀于歷史數(shù)據(jù)中的隱含知識用可視化手段顯示出來，使得企業(yè)決策者和流程操作人員可以瞬時獲取當(dāng)前狀態(tài)，以及同歷史比較的全維度差異性，從而即時獲取改進(jìn)方向、預(yù)測性決策依據(jù)和不作為的價值流失。數(shù)字化技術(shù)將運行安全、操作優(yōu)化、流程穩(wěn)定、預(yù)測性維護、主要驅(qū)動變量等，自下而上地貫穿于設(shè)備級、單元級、裝置級和企業(yè)級，以實現(xiàn)基于歷史數(shù)據(jù)去影響和驅(qū)動未來狀態(tài)。作者簡介：馮恩波博士，石油和化工行業(yè)控制和優(yōu)化研究與應(yīng)用技術(shù)資深專家，中國自動化學(xué)會過程控制委員會常委。1991年畢業(yè)于華東理工大學(xué)，獲得博士學(xué)位；1991-1994在清華大學(xué)做博士后并留校任教；1994-1997分別在新加坡國立大學(xué)和加拿大阿爾伯達(dá)大學(xué)做博士后；1997年至2016年，分別在加拿大賽拉尼斯化工公司（Celanese Inc.）任高級工程師、殼牌石油公司任資深高級工程師、加拿大石化公司先進(jìn)過程控制任主管。2017年底，馮恩波博士回國全職加入中國某大型化工企業(yè)，牽頭實施了集團公司多個智能制造、大數(shù)據(jù)與數(shù)據(jù)智能、智慧安監(jiān)等應(yīng)用項目。
