【智能制造】【CPS】CPS专家宣讲团 | 陈继忠：CPS使能技术体系建设及应用

2017 年 10 月 25 日 产业智能官 走向智能论坛

小智的话

7月5日晚20点，CPS专家宣讲团第二阶段活动正式开讲，陈继忠博士为大家分享“CPS使能技术体系建设及应用”。“CPS信息物理系统专家宣讲团”，在网络上发起集中宣传活动，组织国内顶级CPS专家，从不同角度讲解CPS，为广大企业用户进行网络宣讲。

微信多群同步直播，万人参与直播活动。聚焦行业应用与案例，网络宣贯CPS。

CPS专家宣讲团第二期第一讲

陈继忠：CPS使能技术体系建设及应用

在“走向智能论坛”微信公众号回复“20170706”，可免费下载“陈继忠：CPS使能技术体系建设及应用“讲座完整PDF

时间：2017年7月5日晚20点

主讲专家：

陈继忠：博士，参数技术公司智能制造委员会主编

主持人：

苏明灯：走向智能研究院执行秘书长、《三体智能革命》编委

参与人员：覆盖上万名科技界、企业界专业人士。包括CPS发展论坛、CPS信息物理系统专家宣讲团、走向智能论坛读书汇、CPS专家宣讲团政企群、《三体智能革命》雅读汇、国家两化融合创新推进联盟群、工业4.0俱乐部系列群、工业4.0商业共同体系列群、中国智能制造IMchina、西南精益智造联盟、智能科技创新交流群、慧造智能研究院研讨群等约50个工业、IT领域主流专业微信群同步直播。

主持人开场白：

大家好，还记得我们CPS专家宣讲团的口号吗?“相信我，2017，中国制造最大的IP是CPS”。没错，CPS专家宣讲团第二期今晚我们聚焦CPS行业应用与案例，继续开讲。我是今晚多个科技、产业社群同步直播CPS专家宣讲团活动的主持人苏明灯，走向智能研究院执行秘书长，也是国内第一本讨论新工业革命与智能化创新的专著《三体智能革命》编委会成员。

请群友们沏上一杯好茶，在赛博空间重逢，分享又一顿丰富的CPS大餐。

自今年3月1日正式发布《CPS信息物理系统白皮书》后，为做好CPS的宣贯工作，在工信部信软司的指导下，走向智能研究院与中国电子技术标准化研究院、中国信息物理系统发展论坛等权威机构一起，发起组建CPS专家宣讲团。在之前的活动中，邀请了郭楠、宁振波、赵敏、邱伯华等专家就CPS的内涵、技术本质、目标、分级等进行了深入讲解。

今天我们重启第二期网络宣讲活动，重点关注CPS行业应用及案例，继续推动CPS技术和应用发展。今晚我们邀请到的重量级嘉宾是陈继忠博士，他是参数技术公司智能制造委员会主编。长期专注于CAD/PLM、智能制造的研究和实践，行业经验超过15年，参与过航空、航天、船舶、国防电子、汽车等行业多个重点PLM、智能制造项目的规划及实施工作，具有非常丰富的实践工作经验，为我们做CPS行业应用和案例主题宣讲的第一讲，值得期待。

首先，我们要感谢我国工业、IT行业若干重要部门、机构、单位、企业对今晚的活动给予重要指导与大力支持。他们是:

CPS信息物理系统专家宣讲团

指导单位：工业和信息化部信息化和软件服务业司

主办单位：中国电子技术标准化研究院、中国信息物理系统发展论坛、走向智能研究院

支持单位（滚动更新）：中国机电一体化技术应用协会、中科院青岛软件研究所、北京信息科技大学自动化学院、北京科技大学智能装备产业技术研究院、机械工业出版社、中科院计算所华南分所、华为、索为、PTC、兰光创新、英诺维盛、合众联恒、深圳昱辰泰克、北京格分维、兮易、大驰创新等，以及e-works数字化企业网、工业4.0俱乐部、工业4.0商业共同体、慧造智能研究院、工控兄弟连、制学网等。

以下为陈继忠博士讲座PPT及全文：

CPS使能技术体系建设及应用

感谢各位专家的大力支持，我是PTC公司陈继忠，长期从事国防等制造业行业的信息化平台规划及建设工作，并担任公司智能制造委员会负责人，跟委员会团队成员一起负责智能制造解决方案的落地工作。我们团队成员也有幸参与了今年3月1号发布的CPS白皮书的编写工作。

今天非常荣幸第一次以这种微信群网络宣讲的方式与各位专家进行交流，有不当之处，还请批评指正。在CPS专家宣讲团第一阶段的宣讲中，郭主任、宁总、赵总、邱总都围绕CPS发表了精彩的解读和论述，使大家对CPS有了更深入和清晰的理解。我今天将重点围绕CPS体系在两化融合、企业数字化转型中的定位，描述CPS使能技术体系的框架及技术生态体系融合方式，并分别说明不同层次体系对应的企业应用模式，为企业进行CPS体系规划、建设和应用实践提供一些参考指导。

企业对CPS有了清晰的认识后，如何将其与自身的业务转型、智能制造体系建设等进行融合，成为摆在企业面前的主要挑战。与传统的产品及其运营模式不同，将CPS技术纳入产品新特性、生产制造、运营服务（SoS）将面临很多难点，主要包括：

CPS强调Cyber与Physical的融合，意味着传统的专业边界、组织体系、管理机制都要重新进行定义；
产品创新需求不断增加，这需要通过CPS技术融合机电软等多专业，形成智能互联等能力，以融合产品新功能，支持服务新模式；
通过引入CPS技术推动产品创新、改变生产及运营服务模式，需要引入物联网、大数据分析、增强现实、多领域仿真等新技术和工具提供支撑；
企业各个层次的人员的知识结构也要进行更新，以适应新体系的变化。

基于这样的背景，美国国家标准技术研究所NIST的CPS公共工作团队（CPS Public Working Group）在2016年5月份发布了CPS框架1.0版本，对CPS的层次、框架、业务场景等进行了描述。2017年3月1日，在工信部信软司和国家标准委工业二部的指导下，由中国电子技术标准化研究院牵头编写并发布了中国版的CPS白皮书，对CPS的内涵、实现层次、建设和应用、演进路径进行了详细说明。在此不再赘述，我重点从CPS体系理解和企业层面的需求、CPS技术体系及应用模式、CPS建设策略等三个方面展开论述。

首先，第一部分内容主要从企业实现层面对CPS体系进行理解，并明确企业对实现CPS的需求。

工信部信软司安筱鹏副司长在CPS白皮书中的序言中给出了一个总体的定位：CPS是支撑两化深度融合的一套综合技术体系。这就明确了CPS与两化融合的关系，即CPS是满足两化深度融合目标的技术体系，该技术体系又分为单元（Device）、系统（System）、系统之系统（System of System，SoS）三个层次。对该技术框架的理解如下：

单一层次上：实现物理状态监测、信息处理、分析决策、控制的小闭环，体现层次内的智能化特性。在实现上，就要通过IT/OT融合和虚实互联，实现CPS的整体功能和性能要求；

层次与层次之间：实现跨层集成，并将人员要素考虑进来，一方面体现复杂系统的集成实现，另一方面提高复杂系统的可操作性，提高人机协同效率；

在CPS实现中，要体现层次性和系统性的统一，重点是按照系统工程的思维，为确定的目标实现CPS多个层次的统一整合，并保持各个层次的松散耦合性。

CPS所强调的一套技术体系包括：一软（工业软件）、一硬（智能装备）、一网（工业互联网）、一台（工业互联网平台）。四者的有机结合可以为CPS的实现提供落地支撑，体现在具体企业层面，则可以呈现多种部署及应用模式。

CPS技术体系构建的原始目标是为了转变业务模式，促进两化深度融合，因此，CPS技术体系搭建后面向最终企业用户的一定是优化产业结构后形成的全价值链新业务体系：基于CPS的研发、生产、服务体系：CPDS、CPPS、CPSS。最终用户的工作界面则是基于这些先进模式体系的APP。

CPS技术体系构建的最基础目标是实现多层体系之间的信号流、信息流、物流、能量流、资金流等多要素数据的融合和流动，通过数据流动驱动如下多层次先进业务体系的实现：

CPS智能设备及产品层：主要实现信号流和能量流的闭环，以及跨系统的信息流交互。其业务场景主要围绕设备/产品功能域的设计、实现及仿真开展，在此过程中将使用工业软件，重点支撑软件定义产品的落地。

运营体系：车间生产运营体系、售后产品运营体系。重点通过垂直集成，实现信息流与物流的高效闭环，以打通信息流/物流与信号流。其业务场景围绕生产制造、客户服务展开。在此过程中重点应用物联网、大数据等技术，支持软件定义制造、软件定义服务，实现智能化生产和敏捷化服务模式的创新。

产品生命周期管理体系：该层次重点实现价值链集成，业务场景围绕研发、工艺、生产、保障等产品全生命周期的协同及管理业务展开。

企业战略及运营体系：该层次重点实现横向集成，实现资金流、信息流的畅通，业务场景围绕战略决策、业务运营、资源优化统筹运营展开。

在企业的上述每个实现层次，都涵盖了CPS的单元层、系统层、SoS层的特性，并在具体实现上呈现特定的技术体系和应用模式。下面第二章节将结合这些不同的实现层次分别进行详细论述。

CPS白皮书中对CPS的能力特征进行了说明，这里不再重复。针对CPS的能力特征，需要一定的使能技术，以支撑上述不同层次业务体系的实现。这些不同的使能支撑技术如何融合，采用一个怎样的技术架构去融合，是摆在企业面前的一个挑战。我将在最后一节中对上述技术的融合架构进行一定的说明。

承接上述不同的CPS实现层次，这里结合制造企业的两化融合实际现状，给出相应的未来场景需求。对于上述的CPS不同实现层次，可以用WSR（物、事、人）图进行归纳。

W（物）：意为产品，体现CPS智能产品维，具有CPS三个层次：Product、System、System of System；

S（事）：意为生产活动，体现CPS智能工厂维，同样具有CPS三个层次：设备、车间、企业；

R（人）：意为面向企业管理层、客户，体现CPS运营保障维，同样具有CPS三个层次：部门级、企业级、企业联盟级。

在具体业务场景方面，主要结合大部分企业的现状进行未来场景需求的展望，具体参见图中的描述。企业根据业务转型的实际需求，确定转型升级的重点方向（如提高产品智能性、实现智能化生产、服务转型等），然后结合自身发展成熟度水平，选择适合的业务场景进行实现。

前面对CPS框架、实现体系、企业基于CPS的业务实现需求进行了描述，接下来重点从智能产品维、智能工厂维、运营保障维，分别对CPS技术体系、以及基于CPS技术体系的应用模式进行说明。

在CPS技术体系的实现及工程化应用方面，资源优化是目标，实现数据自动流程是关键、整合工业软件是核心、形成行业适用的解决方案是重点。

在技术体系实现方面，体现三个维度，每个维度对应CPS三个层面；在每个CPS层次，都体现内在共同特征：感知、分析、决策、执行。

在业务场景设计方面，需要结合企业业务体系，融合先进管理方法（DFSCM、DFMA、CPI等），结合CPS技术体系，突出CPS支撑下的新能力、新模式，刻画未来业务场景，推动企业业务转型。

在CPS智能产品维，其单元级的技术体系要素如图中所示。该部分能力体现在产品上，形成产品的智能化特性。在该类智能产品的实现层面，一方面需要产品本身的技术突破，另一方面需要工业软件等使能技术，以支持上述智能特性的设计、仿真验证、集成测试等。

在产品运营层面，需要构建相应的技术体系支持产品云端接入、产品运营监测，实现产品远程服务、故障预测及分析，支持PaaS等产品新服务模式等。该技术架构可以基于在公有云或私有云上构建的工业互联网平台实现支撑。

产品在运营服务体系中，可以与其他产品体系整合，形成更大的SoS运营体系。

在智能产品维的典型场景主要包括：基于互联MBSE的CPS架构设计、数字化产品定义及虚拟仿真、软件定义产品、产品智能互联服务。这些场景需要的具体能力见图中所示。

业务场景：基于互联MBSE的CPS产品规划及仿真。CPS产品中的Cyber及Physical，以及二者集成后体现出的行为（Behavior）及性能都可以在产品前期顶层规划阶段，采用基于模型的系统工程方法进行建模和仿真，以设计和验证CPS的特性来满足用户需求。通过与样机或试验件的物联，可以实现产品设计过程中的问题洞察，以对产品进行优化完善，提高产品质量和促进产品创新。

业务场景：软件定义产品。CPS中的Cyber的大部分功能需要软件来实现，为此，实现软件研发、执行、部署、更新的一体化，对智能产品的研发及后期运维至关重要。企业原有的软件管理系统侧重基于CMMI、GJB5000A、Do178B/C标准的软件工程化管理，与软件研发、集成、测试、部署、远程灌装的实际执行过程存在脱节问题。

业务场景：CPS产品数字化定义及质量保证。该部分场景侧重基于全三维数字化手段进行设计实现，并基于增强现实等手段支持协同效率的提升。此外，将质量分析能力与研发过程、后端运营数据采集结合起来，支持基于研发数据、运营可靠性数据的问题根因分析等，实现软件研发的持续迭代，推动产品研发创新。

业务场景：智能产品互联服务。产品交付运营后，需要通过维修等运营保障体系来确保产品良好的运营特性。在维修保障过程中，未来将采用远程维修、预见式维修、基于AR的维修指导等新的能力，以降低产品停机时间，提高运营效率，并通过收集到的运营数据优化维修方案等工程环节，形成闭环的服务循环保障体系。

该场景是德国eGO智能互联电动汽车的实际应用案例。电动汽车在前期顶层架构设计时即从SoS角度考虑运营监测、充电桩、汽车等之间的运营协同行为及接口关系。基于顶层架构设计，可以实现嵌入式软件代码的自动生成，并支持软件代码的自动化远程灌装。电动汽车在实际充电时，产品运营监测中心可以实时监测哪台车、在哪里的充电桩充了多少电。此外，运营监测还实现充电桩设备的实时监测及健康管理。

在CPS智能工厂维，技术体系主要实现垂直集成，框架如图所示。各个层次的职能如下：

设备层：构建OPC Server，基于通用的OPC工业标准进行设备PLC、传感器的联接，形成异构设备互联的通用平台。

应用层：基于业务集成及应用使能平台与HMI/SCADA数据库、运营管理（MES或MOM）、企业级业务系统PLM/ERP/SCM等的集成，采用OSLC/REST/Web Service等集成技术标准统一所有应用接入模式。

数据层：基于大数据库软件建立大数据存储能力，基于平台建立大数据分析及预测能力。

业务层：业务集成及应用使能平台具有万物（设备、系统等）快速建模能力和APP应用快速构建能力，并支持桌面、手持终端等多种显示设备端的发布能力。

智能工厂维的业务场景：数据驱动的生产。主要实现数据流自研发端向生产端的流动，以数据驱动生产，而非完全通过计划驱动。该部分需要数字化工艺设计能力，形成结构化操作指导，并可以发布至生产环节。工人可以基于生产环节的智能操作指导APP，开展加工及装配工作。此外，可以将基于AR的装配指导等技术应用在生产装配环节。

智能工厂维场景：车间/企业级运营管控。面向车间、企业生产管理人员，支持零部件、装配车间的整体KPI监控、基于产线的监控、具体工位的作业监控、基于Digital Twin的生产及装配过程可视化监控、工位保障状态监控等。

业务场景：设备资产及健康管理。按照设备不同类型及监控需求，实现单一设备运行状态监控功能，支持设备运营KPI图形化动态展示、关键参数可视化展示、设备基本信息管理、沟通协调管理、运维管理等。

此外，关键设备的非正常停车将对产线的节拍化生产带来较大的影响，被动式应急问题解决方式也将影响设备的运行寿命和基于设备的产品生产质量。因此，有必要对关键设备的健康状态进行监控，并建立健康状态模型，支持设备故障预测预警，避免非计划停车问题的发生。

从企业运营保障的角度，需要实现全价值链集成、垂直集成、横向集成等，以此为基础实现多要素数据采集、多业务系统整合，并采用AR等技术将多要素数据信息可视化地呈现给各级管理人员。在可视的基础上，实现大数据分析支持的运营保障决策，如：质量问题根因分析、成本优化、产品投产预测、备件预测等。

该场景主要体现基于CPS运营保障技术融合体系下的多要素数据可视化，使得企业管理层可以实时获取多维度企业工程及运营数据，实现全过程、全要素的可视。图中即实现了需求、设计实现、质量、数字化模型的综合展示。

在CPS技术体系的建设和应用上，需要结合企业实际情况进行路线规划和逐步开展建设和应用。具体执行过程中，遵循五统一指导原则：

实体制造与虚拟制造的统一：CPS的引入即是支持未来研制及服务的新模式。通过物联网等技术，可以打破实物与虚体之间的障碍，实现虚实互联下的半实物仿真，虚实互联下的实体制造智能指导。

层次性与系统性的统一：解决CPS层次内及多个层次间的集成关系，采用系统工程方法实现集成模式松耦合、功能实现紧耦合。

继承性与创新性的统一：CPS技术体系的构建不是要全部推翻企业已有的技术体系，需要结合未来整体规划，进行技术框架改造，承接已有的部分核心能力，实现与创新技术体系的融合，避免前期投资的浪费。原有系统平台，可以采用新的技术协议进行集成组件封装。

理论性与指导性的统一：通过理论研究探索未来的新模式，在具体建设过程中要结合企业实际情况，确定具体指导意见，做好先进性与务实性的统筹兼容。

阶段性与演进性的统一：实现总体规划并按照阶段进行逐步实施，注重实现过程中的CPS技术演进的更新迭代。CPS演进体现在产品特性、服务模式、运营模式上的不断创新突破。

最后，希望大家对CPS及其体系有个全新的认识，并将其与企业业务转型和智能制造体系的建设相结合，在“一软”、“一硬”、“一网”、“一平台”的支撑下，实现技术体系融合、业务模式创新，从而推动企业的业务转型升级。

我的直播内容就是这些，谢谢大家！

【网友互动环节】

【群友提问】：不少业内人士认为CPS与工业互联网、IOT一类的技术很难分清。工业互联网平台是不是CPS的最高级的形态？您如何理解这几类技术之间的联系与区别。或者说有没有必要去做区别。

【陈继忠】：目前确实有很多概念，容易给大家特别是企业层面带来很多困惑。我对这些概念的理解如下，CPS是两化深度融合的综合技术体系，工业互联网平台、IOT都是综合技术体系中的一个环节。CPS是通过C、P的结合实现S的体系化融合，并带来C、P单独并不具备的能力。工业互联网平台是CPS的使能技术平台，并不能理解为它的高级形式。

【群友提问】：您讲的第三个场景，智能产品运营维讲得略少一些。是不是目前CPS主要在产品设计、生产现场更容易实现技术的集成？

【陈继忠】：在价值链研发、生产、服务运营中，各个行业的需求迫切度不同，都有很多应用场景。对于企业战略运营管理层面，这方面的场景需求确实还不太多，目前大家的需求能够具体描述的，基本聚焦在企业整体运营的可视化，对于运营智能决策方面的场景，需要不断地深挖。这个与目前的业务成熟度和认知度有关。目前，我们跟麦肯锡一起，在整理这方面的场景。

【群友提问】：对于制造企业而言，要落地CPS，首先需要选择是追随哪一家平台？还是自己建一个平台？

【陈继忠】：制造企业要落地CPS，不是说先选什么平台或者自己建平台的问题，应该首先想企业未来的转型方向是什么，然后确定未来侧重的业务模式，根据业务模式确定未来建设内容及优先级，之后才是考虑平台部署模式、平台选型问题。平台是为企业需求服务的，不存在企业追随平台的问题。

CPS专家宣讲团 | 侍乐媛：CPS生产系统平台与应用案例

来源：走向智能论坛

CPS专家宣讲团第二期第四讲

侍乐媛：CPS生产系统平台与应用案例

在“走向智能论坛”微信公众号回复“20170817”，可免费下载“侍乐媛：CPS生产系统平台与应用案例“讲座完整PDF

回复“20170803”下载“郭朝晖：控制理论、CPS与智能制造“讲座完整PDF

回复“20170720”下载“朱铎先：“二维九格”CPS落地方案及实践“讲座完整PDF

回复“20170706”下载“陈继忠：CPS使能技术体系建设及应用“讲座完整PDF

时间：2017年8月16日晚20点

主讲专家：

侍乐媛北京大学工业工程系主任、美国威斯康辛大学（麦迪逊）终身教授

主持人：

胡虎《三体智能革命》主编、人民邮电报社要闻部副主任

主持人开场白：

各位群友，大家晚上好！我是今晚工信部CPS专家宣讲团第8期在线活动的主持人胡虎。《三体智能革命》主编、人民邮电报社要闻部副主任。很荣幸在首期、第2期活动中也曾担任主持人。“相信我，2017，中国制造最大的IP是CPS”这句SLOGEN——主题广告语，就是我们首期活动中网友集体创作的，受到制造圈朋友点赞。5个月来，我们开展了8期宣讲活动，在企业界影响越来越大，主动帮助我们同步直播的科技、产业社群新增40多个，总数近百。同时也有许多企业与主办单位、宣讲专家联络，希望获得创新指导、技术支持等等，后续将与产业创新一线紧密互动。

我们的宣讲活动之所以没有停留在泛泛的概念解读，对产业有一定的指导作用，我想，这是与主办方的权威性，专家的高层次以及活动本身对理论与实践并重分不开的。工信部CPS专家宣讲团是为了更好地宣贯《CPS信息物理系统白皮书》，在工信部信软司的指导下，由走向智能研究院与中国电子技术标准化研究院、中国信息物理系统发展论坛等权威机构发起组建的。迄今为止，郭楠、宁振波、赵敏、邱伯华、陈继忠、朱铎先、郭朝晖等一批曾经主持、指导或参与白皮书写作的知名专家，就CPS的内涵、技术本质、目标、分级、应用等进行了深入讲解。从第二阶段开始，我们的宣讲活动就聚焦应用、聚焦案例，并且形成了特色。

即将出场的演讲嘉宾是北京大学工学院工业工程与管理系系主任侍乐媛教授。侍乐媛教授有很多重要的头衔，在国际上，她是IEEE Fellow;同时担任了几届的IEEE 自动化科学与工程国际大会的主席，同时也是美国威斯康辛麦迪逊大学工业与系统工程系的终身教授，具有很高的学术地位。在国内，她是千人计划获得者、多份重要学术刊物的主编、长期深入一线开展研究的学者。侍教授还是施达优公司的创始人、首席科学家，研究领域包括大规模系统的调度及规划优化，主持研发的以生产现场管理为核心的坤特智能制造平台系统已经在美国和中国很多世界500强企业推广应用。由她来讲解CPS行业应用创新，案例信手拈来，体会尤其深刻，值得期待。

最后，还要感谢对今晚直播活动的支持单位，他们包括中国机电一体化技术应用协会、中科院青岛软件研究所、北京信息科技大学自动化学院、北京科技大学智能装备产业技术研究院、机械工业出版社、中科院计算所华南分所、华为、索为、PTC、树根互联、兰光创新、英诺维盛、合众联恒、深圳昱辰泰克、北京格分维、兮易、大驰创新等，以及e-works网、工业4.0俱乐部、工业4.0商业共同体、慧造智能研究院、工控兄弟连、至顶网、制学网等。

今晚同步直播CPS专家宣讲团活动的微信群有近90个，覆盖工业、IT领域一些主流群。他们中参与较早的是：CPS发展论坛、CPS信息物理系统专家宣讲团、走向智能论坛读书汇、CPS专家宣讲团政企群、《三体智能革命》雅读汇、国家两化融合创新推进联盟I、Enterprise的含义群、工业4.0俱乐部（北京群、上海群、深圳群、转型升级群、工业大数据群、大连群、智能制造群、东北群等等）、工业4.0商业共同体（主群、北京群、上海群、青岛群、浙江群、深圳群、创业家联盟、资本同盟群等）、大数据产业化资源平台群、中国智能制造IMchina、西南精益智造联盟、智慧工业研究院、智能科技创新交流群、人工智能创新论坛群、中欧智能制造、慧造智能研究院研讨群、中国信息化自动化交流群、慧玩创新知本家俱乐部、系统工程沙龙等等微信社群。

接下来，有请侍乐媛教授进入宣讲时间，为大家分享“CPS生产系统平台与应用案例”。

大家好！感谢主持人的介绍，我是侍乐媛，北京大学工业工程管理系主任同时也是北京施达优技术有限公司首席科学家。很高兴有这个机会与大家交流切磋。

前面各位专家对信息物理系统（Cyber-Physical Systems，CPS）的发展、理论、方法、定义以及应用等方面都做了很多精彩的介绍，使得大家对CPS有了比较清晰的了解。今天我的宣讲主题为“CPS生产系统平台与应用案例”。我和我的团队在制造业特别是制造生产系统领域有很多年的研究和实践经历。而CPS系统的一个最主要应用领域是在制造业。因此今天的讨论主要围绕着制造业而谈。

我首先想和大家分享一下我对于CPS的定义和理解。《信息物理系统白皮书》将CPS分为三个层次，分别为单元级，系统级，系统之系统级（System of Systems，SoS）。 CPS作为一个系统不论是单元级，系统级、SoS级，都是一个系统。要定义一个系统首先需要明确构成这个系统的维度或是元素。

总体来说，构成一个CPS的维度除了时间这个维度外还有两大类：第一类是表示物理意义的各种维度，例如机器、材料、工具、传感器、人员、环境等。第二类是表示信息的维度，例如客户要求和信息、设计要求、工艺流程信息、资金、法律法规等。下图给出了根据系统维度的CPS分类。

从这个分类图我们可以看到，单元级的CPS系统维度最低。它是由单个不可分割的物理系统以及嵌入在这个物理系统中的信息系统和嵌入在这个物理系统中的其它物理系统如传感器在时间轴上组成。典型的单元级CPS如数控机床，飞机发动机等。这个定义与《信息物理系统白皮书》是一样的。

系统级CPS由两个或两个以上同质的（homogeneous）物理系统以及嵌入这个系统的信息系统和嵌入在这个物理系统中其它物理系统在时间轴上组成。这里同质可以定义为：具有类似特点或功能的物理系统，例如机加车间的所有单件加工设备可以认为是同质的，喷涂车间的所有设备是同质的。但机加车间和喷涂车间的设备是非同质的。

在这个定义下，除了可以用网（信息）把单元级CPS与非单元CPS设备集成，系统还包括了嵌入这个系统的其它信息系统如生产任务信息，工艺要求信息等以及嵌入这个系统的其他物理系统如工装磨具，物料，人员等。特别需要注意的是，人员也是关联这些物理系统的。

SoS级的CPS定义与《信息物理系统白皮书》是一致的：在系统级CPS的基础上，通过智能数字化平台，实现系统级CPS之间的协同优化。为什么在SoS级CPS需要用平台呢？这是因为只有平台才能把不同质的各个子系统集成为一个整体系统。

从这个定义出发，我们可以从三个方面来观察CPS系统。

（1）物理空间中的CPS系统

单元级的CPS系统由于维度低，所以系统的边界有限，因此在实现“状态感知、实时分析、科学决策、精准执行”上相比系统级或SoS级CPS要容易许多。目前商业化的CPS系统在这个层次上有很多应用。

系统级的CPS，比如由若干个设备、工人、加工中心组成一个车间。这个CPS系统的环境包括其他车间、库房、采购、工装模具、生产调度、物流配送等等。由于系统的边界扩大以及系统环境的复杂，车间级的CPS的状态感知、分析、决策和执行都会比较困难，特别是在离散制造业。

随着系统维数的增加，系统的复杂度呈指数型增加，例如工厂级的CPS将由很多不同质的车间、很多供应商、很多客户，包括了设计、市场销售，以及工厂的生产计划、财务、动力、人力资源等多个部门组成。这个时候，工厂级的CPS应对的系统环境将是非常庞杂的。有时候我们甚至都无法准确界定这个系统的边界。因此，针对工厂级的CPS，我们只能通过我们所能够感知到的有限的信息去分析，做出相应的决策。

《信息物理系统白皮书》指出“状态感知就是通过各种各样的传感器感知物质世界的运行状态，实时分析就是通过工业软件实现数据、信息、知识的转化，科学决策就是通过数据平台实现异构系统数据的流动与知识的分享，精准执行就是通过控制器、执行器等机械硬件实现对决策的反馈响应。”

很多人在读完这一段话都会在脑中构建这样一幅CPS的应用场景：生产现场的设备上安装了各式各样的传感器，每时每刻都将海量的数据传输到中央计算机中进行数据处理，换句话说，是不是“万物相连”就能够实现智能制造或智慧工厂?

在国内和美国、德国、日本，我和我的团队调研过几百家企业，包括一些“4.0” 项目及我国的智能制造示范项目。这些企业有先进的硬件设备，数据可以对设备实时采集，机器人、AGV，软件界面的数据快速刷新。

然而我们发现，很多企业尤其是离散性企业不能回答这样的一些问题：接到一个订单，何时准时交付？如果一个物料或设备发生变化，对那个订单产生多大影响？各个订单的生产成本是多少？由此可见即使所有设备都能够相连，生产系统也不一定具备智能特征。对于复杂生产系统，设备只是这个系统中的一个重要维度。如果系统不能感知其他维度的状态，那么上面所提出的问题就无法回答。这个现象当我们从时间这个维度看CPS会再一次阐述。

（2）时间下的CPS系统

一个产品或者订单的全生命周期可分为设计、生产、销售、维护和回收等不同阶段。在各个不同阶段，我们都可以构建一个个CPS来帮助我们实现系统目标。当我们沿着产品生命周期各个阶段来观察这些CPS系统，我们会看到两点现象。其一，在不同阶段的CPS的目标和约束是不一样的；其二，不同阶段，构建的这些CPS对时间的敏感度是不同的(见下图)。

产品设计阶段是一个从无到有的创造阶段，其目标是创造新的市场需求。设计阶段通过各种信息化技术，如仿真技术，数字孪生系统等构建数字化的产品设计模型，使得在产品实际试验或制造之前进行模拟与检验，缩短产品的设计周期并降低试验成本。在这个过程中，设计人员的创造性思维往往起着至关重要的作用。因此设计阶段对时间并不是非常敏感。投入巨额资源而没有成果的案例比比皆是。这就是为什么通常只有大型企业或是资金比较雄厚的企业才会设立专业的研发部门。

产品的运维阶段的主要目标是保证产品的正常运行同时最优化运维成本。这一阶段对时间最为敏感，任何系统状态变化都必须做出实时分析决策。但这一阶段有一个与设计或生产阶段最大不同的显著特征：“任务即设备，设备即任务”。例如保证一台发动机的正常运行是一个任务描述，而这个任务里面包含了为了完成这个任务的资源（发动机）。由于这一特征，这样的系统可以做到精确感知，因为感知资源设备就是感知任务。很多系统平台如GE的Predix，西门子的Mindsphere以及三一重工的根云平台等都属于这一类的应用平台。

产品的生产制造阶段，其主要目标是满足客户需求并使企业利润最大化。这一阶段系统对时间的敏感度处在一种“有时特别敏感有时不敏感”的中间地带。生产企业碰到的一些常见的现象是：现场即将要用的部件没有生产出来，反倒是几个月以后要使用的材料过早得加工完成了，这样导致需要紧急插单才能保证客户交期。但又不知道这个插单对其他生产任务的影响。有的时候插单好像影响不大（对时间不敏感），有的时候一个紧急插单会造成一连串的紧急插单（对时间特别敏感）。这种现象即使最有经验的生产管理人员也会常常束手无策。

造成这些现象的原因有很多，除了制造过程因其本身的复杂性和不确定性外，生产系统无法感知生产任务是一个最主要的原因。而造成无法感知生产任务状态的源头在于生产现场数据自动流动的问题。

根据《信息物理系统白皮书》CPS“其本质就是构建一套赛博（Cyber）空间与物理（Physical）空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系”。对于生产系统，如果数据不能做到自动流动，那么系统的状态感知就会发生延迟，从而导致问题发生了已经来不及处理的现象。下面这个图显示了制造生产系统中出现信息流断层的现象。事实上，大多制造业企业在车间/生产现场管理中依然采用手工、凭经验或是使用Excel在管理。

如果我们把生产系统中的信息化系统与实际的生产现场映射，我们发现在生产现场中存在着很多由人工控制的点。如果离开了人的参与（如下图的虚线），那么信息流就会中断。这就是安筱鹏博士提出的信息流自动化的问题。

例如，当一个生产计划管理人员打开终端时，他需要在各个信息化系统中查询计算各种数据，并根据自己的经验制定生产计划。下游的各个业务点需要根据计划，再做出自己的决策。信息流就是这样通过人一层层传递的。当信息流不能自动流动，自然就会产生很多“信息孤岛”。

有些企业认为为了实现CPS所具有的智能化，最重要的就是引进高端设备或架设传感器，其实这是一个误区，前面我们已经提到：因为仅仅感知设备而无法感知其他重要的系统维度如生产任务是不能建成一个智能系统的。另外，有些人认为企业上线ERP或MES系统就能够解决上述问题。遗憾的是，大部分的ERP或是MES系统都无法解决上面提到的问题。如下图所示。

ERP在生产系统中提供很多功能，总结一句话：ERP系统可以很好的反应企业资源在数量维度的状态。由于ERP是基于MRP技术发展而来，因此所有与时间相关的决策和系统状态基本都是不准确的。

MES上传下达并记录系统发生的所有事情。但是，MES感知的都是基于纵向资源维度的信息，缺乏沿着生产任务（订单）维度的信息。所以对整体系统的感知是不够的。不能感知，系统就不能做出正确的决策。因此，在生产车间都是凭经验或是Excel调度，因而形成信息流断层。

信息流能自动流动是一个CPS的基础。问题不解决，生产现场管理就既不能实现闭环，也不可能实现成为赋能体系。

（3）竞争环境下的CPS

前面我们讨论了在物理空间和时间中的CPS，下面我们在竞争环境下观察CPS。我们看到的很多CPS的经典案例，大多是在资源独享的非竞争环境下。比如一个人造卫星的运行、一个3D设计系统、一个无人驾驶汽车等等。当我们研究工业系统的CPS的时候，特别是生产系统时，独立的、资源独享的CPS是没有指导意义的。在车间当两个单元级的CPS都想同时占用某个资源的时候，我们如何来决策控制？当城里所有的大车、卡车、小车全部都是无人驾驶的时候，并且同时竞争同一目的地的时候，他们如何来协同控制？

而当前，我们更多的是研究一辆自动驾驶汽车独享资源的运行问题。毫无疑问，在这些单元级的CPS之中，还必须有另一层次的感知与控制系统。从工业系统的角度，单独的单元级的CPS还不足以解释CPS理论的架构。而一旦进入到系统级甚至系统之系统级别的CPS，我们必须面对一个重要的问题，这就是对复杂系统的研究和控制。尽管人们在这方面的建树并不多。我们的团队在过去近二十年中一直致力于在这个方向有所突破。

下面我就通过两个SoS级的生产系统平台案例与大家讨论切磋。

SoS级的CPS生产系统可分为两大类：流程型和离散型。我们先介绍一个流程型制造业的CPS生产平台系统的建设案例。

这是一个典型的流程型的生产系统，生产家庭生活用纸和商用消费纸产品企业，如下图所示。

这个生产系统由四个子系统组成：第一个子系统是由两个巨大造纸机组成; 第二个子系统是一个由27个不同功能的可存放高达几米的原纸卷的临时库存组成；第三个子系统是十几条不同类型和功能的自动卷纸机；第四个子系统是自动打包机。整个生产现场除了用叉车搬运原纸卷的工人外，很少看见工人和管理人员，大部分人员都是在控制室内监控设备和机器。

想象中，一个近乎全自动化的超级工厂，生产管理应该井井有条。但是其实生产现场管理还是存在着很多难题。这个企业采用ERP（SAP）做月运营计划和周计划，日常的生产调度还必须依赖经验+Excel。销售订单的改变；临时库存堆放的原纸卷从周围环境吸收水分，而很快“过期” 造成浪费；上下游产能不能匹配；原料在造纸阶段品质等级变换；设备故障/检修需要调整生产计划，已经写进控制系统的程序还需要改写，设备需要换型调整，这些原因导致全年达15%的产能浪费。

为了提高产能，企业在几年前就着手开始搭建SoS级的智能仿真系统平台（见下图）。经过几年的努力，目前可以基本做到与实际状态一对一的匹配，实现生产系统的状态感知。

这个平台包含了三个数字孪生系统（Digital Twin）分别对应三个生产子系统，库存系统作为约束条件包含在仿真平台中。平台还包含了三个生产子系统的数学模型以及一个全系统的集成模型用于分析优化。结合我们在仿真优化领域研究成果，在嵌套分割优化框架下，每个数学模型还配备了高效率的优化算法以保证其可以进行实时优化。根据现场的生产状况和库存情况，进行实时优化的时间段为几个小时。最后，通过验证的最优生产计划写入PLC系统控制现场生产，实现精准执行。

实际生产数据显示这个智能系统可以提高企业的产能达5%--8%。

这里我们要提一下数字孪生（Digital Twin）技术。我们知道，CPS通过信息空间与物理空间之间的信息交互实现信息虚体与物理实体的互联映射，其核心关键技术之一是数字孪生（Digital Twin）。

2003年，Michael Grieves教授在美国密歇根大学的产品全生命周期管理课程上提出“与物理产品等价的虚拟数字化表达”的概念并给出定义：一个或一组特定装置的数字复制品，能够抽象表达真实装置并以此为基础进行真实条件或模拟条件下的测试。虽然这个概念在当时提出时并没有采用“数字孪生”的叫法，但是其模型概念却具备了数字孪生体的主要组成要素，被公认为是数字孪生的雏形。

在这里特别需要解释一下数字孪生技术与仿真技术的区别与关联。数字孪生是对静态（或是封闭）物理系统的一个虚实映射，而仿真系统是对动态物理系统的一个模拟。举例说明：我们可以对一架飞机构建一个数字孪生系统。这里飞机是一个静态的物理系统。如果我们想知道这个飞机的紧急滑梯对乘客疏散的时间影响，那么我们可以构建一个仿真系统来模拟这个过程。这个仿真系统中包含数字孪生系统如飞机等也还包含了运动模型，分析工具等。

CPS的目标是实现制造的物理世界和信息世界的互联互通，其主要瓶颈之一也在于如何实现物理世界和信息世界的交互融合。而数字孪生便为这个问题的解决提供了一个重要的技术手段。通过对单元级的CPS构建数字孪生系统，可以实现相当高程度的虚实映射、精准执行；在单元级基础上，理论上也可以构建车间和工厂级的数字孪生系统。但是数字孪生技术本身不具备让系统智能的功能。对于SoS级的生产系统而言，数字孪生只是数字平台上的一个主要组成部分，仿真技术、分析、数学建模、优化等技术才会使得生产系统具备智能。

下面我们再从离散型制造业观察和讨论CPS。这是我们实施的一个世界500强制造企业。通过这个案例我们观察一个数字平台在CPS中的作用。

这家企业生产各种深水防喷器组，其产品通常高20多米，重约500吨。产品是用在海上石油钻井平台中防止井喷的关键设备。这个工厂共有22个生产车间单元以及相关的质检部门、工程部门、采购部门、销售部门等等。由于产品复杂，基本是单件生产，工艺设计常常会在制造过程中发生变化。工厂的订单大部分时候无法按时交付，而同时产能仍然有很大的提升空间。

这个离散型SoS生产系统与前面提到的流程型生产系统不同，它包含了更多复杂生产资源与生产任务。对这样一个生产系统要能够做到状态感知，仅仅靠感知生产设备机器或让机器互联是不够的。它还需要感知其它生产资源如人员、场地、行吊等等。特别还需要感知的是在各个生产阶段中数以千计的生产任务状态。目前，这一类制造业普遍存在巨大的浪费。前面我们已经分析过了，造成这种现象的一个重要原因是系统存在大量的信息孤岛，各个子系统之间的信息无法进行实时的流通。

从信息流自动化的角度讲，当前企业信息化建设需要解决两个问题。一个是信息化系统本身离开人的干预就形成的信息流断点；另一个是各种信息化系统拼图式构架下（如下图）的各系统之间的信息流断层。检验一个信息化系统是否实现了信息流自动化，就是当给定系统输入条件，在没有人的干预下，系统能否给出恰当的决策指令。

我们团队在过去的十几年中通过国内外很多实际案例的研究和实践，研发了一个制造业数字化平台——“坤特数字平台”。该平台提供了高度模块化的结构，可以根据企业实际的需求进行灵活的重构，解决企业面临的多维度的状态感知和多目标多约束的实时优化问题。

坤特数字平台由一系列的仿真模块组成，包括工厂级仿真模块和部门级仿真模块，如下图所示。

平台可以集成ERP系统中的库存信息、物料BOM信息、人员成本信息和PDM系统中工艺流程等数据，同时还可以集成MES的设备状态信息、工序反馈信息、质量监控信息等。

坤特数字平台本身就是基于CPS的架构设计。在工厂基层各个工位、设备、工作中心和工人，构成一个个单元级的CPS。这些CPS的“精准执行”确保工厂生产合格的产品。在各个不同车间，例如总装、机加、热处理等生产部门，针对每一个不同质的专业部门，建立独立的系统级的CPS。同时配上相应的系统模型和相适应的优化算法。各车间在最大化利用设备资源同时受到平台实时传递过来的生产信息的约束。

将由很多个车间、业务部门组成的系统级CPS，纳入到工厂级（SoS）的CPS。工厂级的仿真优化系统包括了销售管理、采购管理、计划管控和协同优化。销售管理可以通过平台对生产任务的预计完工时间进行评估，同时对紧急插单任务对整个生产系统的影响进行感知分析和处理；采购管理根据物料库存情况提供建议的物料采购计划与需求时间段；计划管控仿真模型利用先进的嵌套分割算法框架提供高度可执行的生产计划，指导生产投产与人员安排；协同优化通过集成MES中的生产反馈数据和部门数据进行实时的优化调整，形成一个整体全局的优化结果，并对生产系统中出现异常的任务进行及时的处理，提高生产系统的智能制造水平。

回到我们深水防喷器组这个企业案例上来，我们是从零件生产车间--闸板车间开始，然后扩展到其他车间（包括外协部件），到部装车间，再到整体的组装逐步开始系统实施，最终实现全工厂销售采购等计划的数字化平台。整个实施过程历时两年三个月。平台上除了集成企业的ERP（Oracle）和MES（Kronos）外还集成了其他信息系统如数控机床的生产指令等（见下图）。

坤特数字平台的构建与应用为该企业生产效率带来了很大的提升。订单交付延误率同比降低42%，产能利用率同比提升33%，库存周转率提升112%。尤其值得关注的是，坤特数字平台实现了解放白领的智慧。在系统上线后的半年多时间，通过系统优化和“经验学习”，工厂一线的调度员由实施前的25个人逐步减少到0。

这里特别提一下平台优化引擎。大家都熟悉AlphaGo战胜人类的故事。 AlphaGo有两个大脑，第一大脑对落子进行决策，第二大脑通过感知当前落子状态和后续棋局可能的演变对棋局结果进行评估，根据评估的结果决定最后的落子选择，我们的优化引擎更加复杂，如下图，

实际生产系统比下棋复杂很多，坤特数字平台也有一系列第一大脑（车间级），在状态感知的基础上，对当前整个生产系统的状态进行分析和实时优化，根据优化结果进行精准执行。同时每一个车间层面的制造执行活动都会及时被一系列第二大脑来评估（工厂级）。评估结果用于指导车间或其他部门的生产活动。

坤特数字平台集成一系列的单元级、系统级、系统之系统级的CPS系统，并集成企业ERP/MES等各类信息系统，打通信息孤岛，使整个系统做到状态感知，分层管理，使得分析与优化可以实时进行。由于平台高度模块化，实施可以按照从车间到工厂（由下往上），也可以从工厂级别往车间（由上往下）进行。上述提到的案例是按照从由下往上分步实施的。目前我们正在航天科技集团的一个企业准备进行一个从工厂级到车间级的逐步实施项目。

总之，CPS系统带来管理模式的变革，也会促进重要管理技术创新。在新一轮技术革命中，企业必须要注重管理技术的应用和创新。对于众多不具备很强的产品设计创新能力的企业，管理技术在生产系统中的应用对他们尤其重要。这些企业可以应用这些管理技术,不管是1.0还是3.0, 只要合适，来提升企业的质量，效率，降低成本从而做到真正的转型升级，在激烈的市场竞争之中有一席之地。

纵观历史，我们可以发现每一次重大的工业变革中都会带来或伴随着工业管理理论和管理技术的创新，发明和创立这些管理技术的国家都变成了工业强国，如下图所示。

第一次工业革命后，在美国诞生了以泰勒科学管理和福特装配线为代表的“工业管理1.0”。二战后三个美国工程师把美国的先进管理思想和技术带到日本，日本在学习先进管理技术的基础上创造了以丰田精益管理体系为代表的“工业管理2.0”，日本一跃成为制造强国。在以信息技术为标志的新技术革命中，ERP、MES等工业软件为代表的“工业管理3.0”应运而生。德国SAP公司一直引领行业发展，德国也一直站在制造强国之列。

进入21世纪，中国已经成为制造大国，我们除了需要在工业技术领域创新以外还应该在管理技术领域有所建树，创造先进的“工业管理4.0”，使得中国成为制造强国而引领世界。

我们希望坤特数字平台以及相关的管理理论能对建设“工业管理4.0”有所贡献。

谢谢各位！

【主持人】：

我试着回顾一下教授分享的精华内容。

侍教授首先从CPS的时间维、物理维、信息维入手，分析了CPS的难度逐级、逐层上升的原理，讲清了搭建工业数字化平台对于企业构建高级，也就是系统级CPS的重要性。针对有意愿实施CPS的企业的一个普遍困惑——如何跨越信息断层，实现数据自动流动，从知识自动化、CPS改善甚至替代人工干预等多个角度提出了解决方案。

其次，侍教授为我们澄清了有关CPS的认识误区，提出两个非常重要的观点：一，CPS的智能化，不是靠引进高端设备或架设传感器，而是靠不同层级CPS之间的协同优化。二、解决制造企业生产现场的信息断层问题，靠ERP或MES系统本身无能为力，而是需要新建CPS，通过与人的协同，让CPS智能系统向技术人员学习，通过知识自动化解决。

更有意义的是，侍乐媛教授将10多年来指导工业企业生产系统优化的亲身经验凝聚成坤特数字平台，通过集成各类CPS技术、应用，使得智能化的实施非常灵活，既可从车间上到工厂研发，也可以从工厂下到车间部署，还能够推动管理变革。可以说，借助CPS实现了在车间、工厂以及企业三大层面的立体的智能化，这是了不起的巨大创新！

订单交付延误率同比降低42%，产能利用率同比提升33%，库存周转率提升112%。这些实实在在的数字，充分体现了CPS在工业领域的巨大应用价值。让我们再次把掌声、鲜花献给侍乐媛教授，感谢她与我们分享产业最前沿的创新成果，让企业家、CIO、研发团队与工程师们对CPS的前景充满信心！

【网友互动环节】

【群友提问】：您提到坤特平台在实战中上线几个月，就减少了25个技术管理人员、知识白领的工作。这是非常神奇的，没有应用AI技术，也实现了“替代人类智能”的目标。能否进一步讲一讲，工业中的智能化与AI的关系。

【侍乐媛】：关于AI有不少定义，如果我们采用美国麻省理工学院的温斯顿教授的定义：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”。那么我们坤特系统就是AI应用的一个案例。人们对单元级系统的AI应用会感到非常容易理解，比如下围棋，语音识别等等，但对SoS级别的AI会感到很不可思议。一个重要的原因就是复杂系统维度太高了，很难在我们的脑子里立刻产生一个直觉的概念。坤特系统的成功应用说明工业中的智能化与AI紧密相关。

【群友提问】：正如您演讲指出的那样，管理系统与设备系统之间的信息断层是工业企业普遍痛点。这也是两化深度融合、赛博系统与物理系统紧密互动最难的地方。请问坤特是如何解决这个问题。工业界利用知识自动化系统大规模替代技术人员的时代是否已来，何时会来？

【侍乐媛】：前面提到，通过两年多的时间系统全部上线运营。有些模块比如闸板，阀门，机加等调度模块在分步实施初期就已经开始应用。使用过程中，系统需要调整模型（学习）适应实际的需求和一些调度习惯。在整个系统上线运营前，现场调度员时时刻刻都在使用调度模块，但当计划，采购，销售等模块全部上线后，上层与现场信息孤岛就打通了，这时就可以做到逐步调度自动化。关于工业界利用知识自动化系统大规模替代技术人员，我认为只要数据可以自动流通的地方都有这种可能性。至于这个时代什么时候会到来，还是要看人们对这件事情的认识和接受程度。

【群友提问】：侍教授有关CPS应用推动工业管理技术升级的思想让人大开眼界。请问CPS逐级部署，分层管理对企业主、管理者的思想与技能提出哪些新要求？与当前主流工业管理理念有没有冲突？

【侍乐媛】：坤特数字平台是在已有的工业管理理论和技术基础上研发而成。如果把主流工业管理理念比喻为“巨人“，那么我们算是站在巨人的肩膀上吧。这些年，我和我的团队走访过几百家制造企业。令我们感到最困难的事情不是技术问题而是如何让管理者意识到管理的重要性。在我们走访的企业中，不少企业有最先进的设备，但管理极其落后。为什么呢? 因为设备（单元级）看得见摸得着，可以立刻看到效果。而生产管理（SoS级）是高维度的，看不见摸不着，很多时候不能立刻出结果。在此，我想借助这个平台再一次强调：企业转型升级一定要注重管理技术：企业应该由粗放型管理转型为精益管理；由低效率升级为高效率运营。

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。