数字工业的操作系统

工业是数字经济的主战场，数字技术不断推动工业领域的快速发展，现代工业正从自动化工业时代走向数字工业时代。数字工业相比传统工业，更强调建模与仿真、强调虚实融合、强调对工业知识的数字化表达与应用，具有更高的效率，并拥有前所未有的体系效能。

数字工业是制造业发展的大趋势，无论是 CAD、CAE 、ERP 、MES等传统工业软件厂商，还是云计算、大数据、物联网、人工智能等新兴技术厂商都在跑步进入这一赛道，不断推出自己的解决方案和产品。但是，抛开这些令人眼花缭乱的新技术、新产品，隐藏在其背后的研发技术、工艺方法、保障经验等工业知识显性化、模型化、软件化所构建的工业技术体系才是数字工业的核心，它支配着产品研发和制造过程，并代表着工业化的能力和水平。

先进软件和设备等工具与工业技术体系相比，就好比用办公软件代替了纸和笔。有了好的工具，但并不能解决写出好文章的问题。要创造一流的产品，除了各种软件和设备外，更需要各专业领域的工业技术、知识和方法做支撑，这才是企业的核心竞争力。工业技术体系在很多工业企业都未能充分显性化、数字化，使得工程技术人员需要面对数百种工具和设备，大量进行摸索、试错、手工操作和重复劳动，工作结果和质量严重依赖人的能力、经验，工程技术人员普遍存在“80% 劳动 20% 创造”的现象。

近些年知识自动化的相关概念和技术受到了学术界和工业界的广泛关注，其中麦肯锡在 2013年将其作为决定未来经济的 12 大颠覆技术之一，Gartner 在 2019 年发布的 2020 年十大战略科技发展趋势之一的超自动化方向也有它的身影。本文将结合工业领域的最佳实践，重点阐述如何帮助工业企业建立知识自动化平台，支撑企业知识持续有效积累和数字化转型升级。

1 制造业企业对知识自动化平台的需求

制造业存在大量异构工具系统，在一种工具下完成整个产品的研制基本上是不存在的，如图 1 所示。即使是比较统一的 CAD 软件，有时也会有多种软件并存的情况。涉及到结构、强度、流体、电子、控制等仿真分析的 CAE 领域更是参差不齐、五花八门，没有一个 CAE 软件能够成功地解决完全不同的几个物理现象。这就造成工业产品的研制必然使用多种多样的工具系统，而这些工具大都由不同的供应商开发和维护，各成体系，每个工具拥有自身独特的概念、语言、技术和数据格式，很难集成和联通，给工程协作、专业技术知识积累、系统集成带来很大的困难，在很大程度上也限制了设计、分析、运维在数字空间的产品优化迭代效率。

图 1 复杂工业产品研制过程中用到的工具和系统

在这种局面下，企业要开展数字化业务工作，需要面对日益复杂的、种类繁多的工具系统，大多数情况下仍然是“ 劳 动 密 集 型”工作模式，产品研发进度和质量的保证严重依赖人的因素。更加严峻的事实是，代表企业核心技术和知识的模型数据被锁死在西门子、达索、ANSYS 等一个个“工业软件箱”中，企业技术安全风险极高。

如果说 CAD、CAE 等软件是以学科维度划分的“纵向”工具，那么型号研制则需要一个互联互通的“横向”平台，向下集成并整合各类工具和设备，向上承载型号技术知识和模型数据，将工业技术、方法、知识从具体的单个工具中剥离出来，为企业提供一套完整的数字工业“操作系统”平台，保障型号研制的高效率，实现工业技术体系持续沉淀和优化，支撑企业数字化业务推进。

2 知识自动化平台的组成要素

知识自动化平台的核心组成要素如图 2 所示。

图 2 知识自动化平台组成要素

一是工程中间件平台， 实 现对工业软件、管理系统和工业设备的连接和驱动。一方面， 打 通 复 杂 产品设计全生命周期从研 发（CAD、CAE、CAPP 、CAM ）、到制造（SCM 、ERP、MES）、到管理（PDM 、SDM 、TDM ）的各学科、各领域软件的集成与协同，实现数据的无缝集成与智能感知，同时驱动不同的软件或系统自动化执行设计任务，实现端到端的工程数字化设计集成；另一方面，实现工业设备的互联互通与集成，涵盖机床、数控加工中心、物理 / 半物理仿真等实验设备，对工业设备的运行状态进行数据实时采集与监控。

二是“模型→数据→知识→模型”闭环转换体系。工业领域的模型是大量工业技术、行业知识、运行机理，甚至是人机操作方法的抽象化、规则化的数字表达，可以进一步封装为软件形态（工业 APP 是最为典型的代表），并借助平台驱动软件和设备，让机器自动化地完成知识性工作。机器运行则会产生大量的工程数据，经过数据分析、知识挖掘的技术和工具，可以进一步转换为指导设计、运维等工作的经验、方法，并与传统的文献、情报等内容，构成显性化的、为人所用的知识。具备广泛代表性、通用性的知识通过数字化、软件化的技术手段，又可以形成支撑智能化应用的工业模型，从形成一个闭环体系，形成知识驱动的工业研制模式。

除此之外，第三个组成要素是面向工程师的智能人机环境。在模型、数据、知识组成的闭环体系中，人作为应用的主体，负责选择、分析、判断和决策性工作，机器则负责操作性、规则性、重复性的工作，从而让工程技术人员从事务性、低层次的工作中解放出来，让聪明的人才不至于总是从事低级的事情，把更多的时间留给创新。

3 知识自动化平台是数字工业的操作系统

知识自动化平台的核心目的是实现工业知识的显性化、模型化和软件化，在具体工具和设备之上形成可持续发展的工业技术体系。为了实现这一目标，平台必须能够将工业技术与具体工具解耦，从而支撑中性的工业技术能够在不同软件上、不同企业间进行流通，也便于社会化共建共享。

因此，在推进知识自动化平台的建设上，并不是要把用户现有的工具资源推翻重来，而是在已有资源的基础上建立一个统一的业务操作平台，所有软件和设备的功能和数据，均通过这个统一平台操作。

从这个意义上而言，知识自动化平台之于企业已有资源，就如同操作系统之于对各种硬件资源一样。操作系统将 APP 从各种硬件中剥离出来，从而便于开发人员在操作系统上建立各种应用软件，围绕操作系统之上构建了丰富的 APP 生态环境，极大地促进软件行业的发展。

现在的微软 Windows 的桌面 APP 生态环境、谷歌的 Android、苹果的 iOS 的手机 APP 生态环境，均得益于操作系统将开发者从种类繁多的硬件体系中解放出来。与此相比，知识自动化平台对于企业数字化、智能化业务发展而言，其重要功能是将企业核心业务方法、 知识、 技术，从具体的工具、系统、设备中剥离出来，使得企业的核心精力可以放在其核心业务的建设上，而不关注与底层工具的集成和整合，从而为企业提供一套完整的业务“操作系统”平台，在其上构建面向特定应用、特定场景的工业 APP，并在其上不断积累和建设企业的核心业务知识、方法和技术体系。

因此，与各种异构工业软件、系统、设备的连接与集成适配，实现互联、互通、互操作，是知识自动化平台建设中最重要的环节。从大类上可以将适配器分为工业软件集成适配器、系统软件集成适配器、工业设备连接适配器三类。

工业软件集成适配器：将 CAD、CAE、CAM 等工业软件的接口进行集成、封装，支撑快速设计建模、综合仿真分析等工业 APP 开发与运行；

管理软件集成适配器：将 PDM、ERP、MES 等管理软件的接口进行集成、封装，支撑 BOM ⑪转换、订单跟踪、质量溯源、品控分析、过程可视化等工业 APP 开发与运行。

工业设备连接适配器：将工业网关、智能产品等数据采集和下发等接口进行集成、封装，支撑远程监控、预警分析、故障检测等工业 APP 开发与运行。

图 3 类比操作系统

通过适配器，并借鉴操作系统“平台 +APP”的生态建设成功模式，知识自动化平台一方面通过大规模连接软件、系统和设备，构建了“工业神经网络”，建立起联接“数字世界”与“实体世界”的桥梁；另一方面，以工业 APP 为载体封装工业技术、知识、产品和服务，可以快速构建工业知识库、工业知识图谱，形成“工业大脑”，形成“数字空间”与“实体空间”融合发展的制造业新模式、新业态，是数字工业的“操作系统”，可有效推动制造技术和模式创新，赋能工业数字化转型升级。

4 工业 APP 是知识自动化的最佳形态

在知识自动化平台建设中，传统的大型工业软件、系统和设备逐渐下沉为基础设施，工业技术、知识、能力的软件化 ,以及由此带来的新的应用生态走向前端，如图 4 所示。

图 4 工业 APP 是知识自动化的最佳形态

用户需要一种更加轻量级的、更加接近于业务的应用实现知识自动化的落地，工业 APP 正是这样一种形态。

工业 APP 是运行在知识自动化平台上的，类似 APP之于操作系统的价值，知识自动化平台对于企业的价值大小直接取决其上培育的工业 APP 价值和数量的多少。但不同于手机端、Windows 端 APP，工业 APP 是工业领域的各种流程、方法、数据、规律、经验、知识等工业技术要素的软件化成果，是知识自动化的最佳载体，也是一种知识机器人，将工程师重复性的、标准化的操作过程通过软件自动化完成。

工程人员是工业 APP 开发主力军，工业 APP 的开发一方面要充分基于现有的工业软硬件条件，另一方面还要降低工程人员的开发门槛。可视化、低代码的工业 APP 开发模式对于将专业工程师大脑中的知识、技能转换成可重复调用、可快速执行的“小”应用至关重要。

一种全新的技术是基于微服务架构，将工业领域的工程算法、机理分析等，以及信息化系统进行拆解和集成封装，形成一个个工业微服务单元组件，通过“托拉拽”“所见即所得”的可视化编程和软件化代码自动生成，支撑工业 APP 的开发和运行。

工业微服务是工业 APP 运行和开发的最小粒度单元。如果说工业 APP 开发主体是工业领域的专业工程师（结构、电子、工艺、运维等），那么工业微服务的开发主体则是既懂工业又懂开发的复合型人才。工业微服务的种类除了工业软件、管理系统、工业设备适配器类型的微服务外，还包括以下几类服务。

工程计算类微服务：包括科学计算、材料、机械、电子电器、制造工艺等工程领域中一些核心算法微服务组件。

机理分析类微服务：包括控制、机械动力、电路电子、热力、流体等领域的机理分析类的微服务组件。

数据交换类微服务：包括对 XML、JSON、CSV、Log、EXCEL 等不同格式文件，Oracle、MS SQL Server、MySQL、DB2、SQL-Lite 等关系型数据库，MangoDB、HBase、HDFS 等非关系型数据库的数据抽取、装载微服务组件。

数据分析类微服务：包括数据分类、聚类、回归、预测、神经网络等领域的微服务组件。

基于工业微服务进行工业 APP 开发，既能够借助工业微服务并行开发、分布运行的特点，有效发挥平台海量开发者接入、资源弹性配置、云化部署运行等优势，又能够利用工业微服务独立隔离、灵活调用的特点，克服工业 APP 所面临的快速运维、持续迭代、个性化定制等问题。

而低代码、可视化的工业 APP 开发则为用户（尤其是不懂编程的工程人员）提供低门槛的编程环境，包括可视化物理对象建模、业务逻辑建模、交互界面设计等功能支持，使工程人员无需编写代码即可快速将工业技术、数据、知识等封装到相关领域的工业 APP 中。

5 案例介绍

5.1 汽车焊装夹具设计自动化

汽车白车身的重量和制造成本约占整车 的 40% ～ 50%，白车身焊装偏差会给最终的车身制造质量带来很大影响。焊接夹具的作用是保证白车身焊装零件之间的相对位置和尺寸精度，减少白车身焊装变形。建设每条汽车生产线都需要定制化设计和制造焊装夹具。夹具的设计要花大量的时间，不同规格的参数调整、设计约束、组装非常耗时。

图 5 汽车焊装夹具设计自动化

借助知识自动化平台，实现了包含了 7 大类的夹具设计的 APP，每一个 APP 封装了夹具设计相关经验、标准和规则，用户只需要进行简单的操作，就可以在不到一分钟时间里，完成夹具的整个设计工作。目前已在实际的汽车具设计中广泛应用，其设计周期缩短了 80%，APP 中内置了企业规定的外购件、标准件等，便于批量化生产和制造，节约夹具平均制造成本 30% 以上。在 APP 还内置了一些不合理的结构、易出错的判断规则共计 93 项自动检查，确保设计“0”错误。

5.2 航空飞行器总体方案设计自动化

航空飞行器总体方案设计至关重要，很大程度上决定了该型号研制的成败，同时也非常复杂，涉及十多个大专业，七十多个子专业，工具与系统异构化现象突出，设计过程缺乏主线引导，专业间关系不畅通、不规范，迭代优化困难且无法追溯。通过对军 / 民用飞机布局、布置、外形、重量、气动设计、气动特性、进排气、性能、操稳、载荷、静弹、状态等专业的工作目标、工作方法、流程关系、数据结构的分析定义，研发出了 150 多项专业 APP，集成十多款相关软件。从整体应用效果角度看，有效缩短飞机研制周期超过 50%，降低飞机研制经费超过 30%。

图 6 航空飞行器设计自动化

6 结束语

在工业领域，知识自动化能将工业技术进行数字化表达和模型化，并将其移植到工程中间件平台，以工业 APP 的形态便驱动各种软件、系统和设备，从而完成原本需要人类完成的大部分工作，将人类解放，从事更加高级、更具创造性的工作。

同时，知识自动化还能够通过对企业历史数据和行为数据的深度挖掘，利用机器学习技术把经验性知识进行显性化和模型化的表达，进而实现工程技术知识的持续积累，实现工业技术驱动信息技术，信息技术促进工业技术的双向发展。这对于建立数字化的工业技术体系，以及促进工业化信息化深度融合具有十分重要的战略意义，是数字工业的操作系统，更是知识表达、知识智能的一次重要变革。

作者：北京索为系统技术股份有限公司  王振华，李义章，王书恒，叶新苗

来源：《人工智能》2021年第2期