各种新技术，如新材料、增材制造（3D打印）、微纳技术、新能源、数字技术（包括智能技术）等必将对未来制造业产生巨大影响。但最深远、最广泛且全方位影响制造业的恐怕是数字技术，大数据、工业互联网、5G、虚拟现实（VR）/增强现实（AR）、人工智能等已经初步形成了制造业应用的数字空间。这些技术的飞速发展驱使人们在数字空间逐步洞见制造业的未来。
当然，未来制造业的数字空间显然会更加丰富多彩，今天还很难洞见。本文并不详细探讨上述单元数字技术在制造中的应用，仅从三个方面一瞥未来制造业的数字空间。
数字生成
这里的数字生成指通过数字技术自动生成人们所希望的设计对象。已经崭露头角的创成式设计（generative design，GD）（亦有翻译为“生成式设计”或“衍生式设计”）即是一种数字生成。
创成式设计应该是21世纪以来在设计领域最令人惊喜的进展。传统的设计是人(设计者)对某一对象的想象，而创成式设计是计算机基于人设定的问题框架给出可能远超出人们想象的设计。它模仿自然的演进过程，设计者或工程师输入设计目标和其他一些参数(如材料、制造方法、成本限制)等，通过云计算软件自动给出可能的序列解决方案。它对每一个演进的迭代进行检查并学习方案是否可行。因为它将人工智能融入设计软件中，极大降低了设计的门槛。设计人员有可能不再需要特别的专业知识(如结构、材料等)，而只需要输入问题目标和限制条件，就可以让计算机完成专业化设计。创成式设计不但能够在方案数量上有优势，而且还能产生很多有创新的设计，构造设计师难以想象的复杂形态，激发设计师的灵感。
很多先进的算法和技术应用到创成式设计中来，包括：参数化系统、形状语法（shape grammars，SG)）、L-系统（L-systems）、元胞自动机（cellular automata，CA)）、拓扑优化算法、进化系统和遗传算法等。还有很多受生物和自然系统启发而开发的算法，例如遗传进化和后天免疫系统的适应能力以及鸟类、蜜蜂、蚂蚁和细菌的觅食行为等，也被移植过来用作仿生生成设计或优化的算法。[1]
拓扑优化是创成设计中最基本的方法。图1是Ansys 通过拓扑优化设计得到的铰链案例；图2是华中科技大学高亮教授团队利用自己开发的拓扑优化设计软件进行材料结构一体化设计，对设计结果进行金属3D打印成型，其结构柔度最小，材料用量仅为传统方法的20%，实现了宏观结构与材料微结构的一体化设计。他们还在致力于把拓扑优化与CAD/CAE集成起来，使CAD/CAE/TO一体化。未来的一体化系统，是真正意义上帮助人进行“设计”，能够设计出人类工程师很难想象到的结构，而非仅仅在“画图”和“建模”方面提高效率。
随着3D打印技术的发展，创成式设计的应用未来会越来越普遍，人们可以很方便地完成各种创新结构的设计。
图1 铰链案例-拓扑优化结果（来源：Ansys)
图2 拓扑优化设计：材料结构一体化设计（来源：高亮）
创成式设计还在不断发展中，虽然它能够演进迭代出大量的方案，但生成完美或优化的方案还离不开人的交互。高亮团队正在进行 HAD(human-aided design) 的工作,“设计”主要由计算机完成，人辅助之。更进一步，未来创成式设计的前沿交叉问题之一便是免人机交互的创成式设计。此外，如何考虑定性规则的创成式设计，在设计中纳入美学、心理学等定性规则，这都是需要进一步研究的问题。
数字生成肯定不只是局限在材料的拓扑结构设计，某些对象的功能结构设计也可能借助深度学习。
麻省理工学院（MIT）的一支研究团队开发了一种新的机器人设计系统，叫做RoboGrammar，把提供创意的工作交给计算机来做。只要人提出需求，它便会提供最完美合适的机器人构形。RoboGrammar的操作分为三个顺序：定义问题，制定可能的机器人解决方案，然后选择最佳模型，如图3所示。通过这些步骤，RoboGrammar可以设计数十万个潜在的机器人构形。研究团队开发了一种“图形语法（GraphGrammar）”，这是对机器人组件排列的一系列约束。例如，相邻的支腿应该用一个关节连接，而不是用另一个支腿相连。图形语法规则基于节肢动物的启发，例如昆虫，蜘蛛和龙虾等。[2]
图3 RoboGrammar的操作的三个顺序[2]
团队的主要负责人 ALLAN Zhao表示：“机器人的形状和控制器紧密交织在一起，这就是为什么我们必须为每个机器人分别优化控制器的原因。”一旦每个模拟机器人都可以自由移动，研究人员便可以通过“图形启发式搜索”来寻找高性能的机器人。这种神经网络算法迭代地采样和评估机器人的集合，可以了解哪些设计在给定任务下往往更有效。“启发式功能会随着时间的推移而提高，并且将搜索收敛到最佳机器人。”
哥伦比亚大学的机械工程师兼计算机科学家 Hod Lipson 评价道：“这项工作是 25 年来自动设计机器人形态和控制的最高成就。使用形状语法的想法已经存在了一段时间了，但是没有一个地方像在这部作品中那样完美地实现了这个想法。一旦我们能够让机器自动设计、制造和编程机器人，所有的赌注都将消失。”
数字还能自动生成什么？显然未来的结果肯定会超出今天人们的想象，我们不能只是期待，还需要大胆想象。
智能增强
20世纪60年代出现赛博格（cybernetic organism，Cyborg）概念，意指兼具有机体和生化机电身体部分的生物，1960年由曼弗雷德·克莱因斯和纳森·克莱恩共同提出。专指集成了一些需要通过反馈来发挥作用的人造部件或技术，使功能得到恢复或能力得到增强的有机体。此概念诞生以来，这种生物与技术交织在一起的生命体就一直让人类痴迷不已。“20世纪60年代末，人文学科与新的人类科学发生碰撞，提出了新的理念，即‘人’是一种把所有技术都用于支持和拓展的构造体。”法国人类学家安德烈·勒鲁瓦–高汉在他的奠基之作《手势与话语》（Le Geste et la Parole）中概述了这一转变“当今时代的我们，有两种类型的躯体可以选择……一种是真实躯体，通过体内液体的流动与真实世界相连，另一种是虚拟躯体，通过电子的流动与世界相连。”[3]
赛博格的概念也不神秘，诚如安珀·凯斯所言，当你看电脑屏幕或使用手机时，你就是赛博格（cyborg）[4]。既如此，赛博格也会活跃在数字化企业中。
数字-智能技术的飞速发展，人在未来的制造业中到底发挥何种作用，这真是一个值得思索的大问题。有人提出IA（intelligence augmentation），即智能增强，它所强调的是借助机器加强或拓展人类智能，而不是取代人类的能力。人与机器和谐共存，智能增强的人类能有效掌控机器，让机器为人类服务而不至于人受机器的役使。机器干机器应该干的活，人干人应该干的事，有时则应人机合作，人机共事。[5]以人强化的机器，以机器强化的人，将永远优于单纯的机器或人类系统。新的赛博格可能就是一个联网的人类机器。
最近，扎克伯格接受媒体专访，未来5年将Facebook打造为元宇宙公司[6]。制造业中的绝大多数人对元宇宙的概念可能还很陌生。扎克伯格认为，可以将元宇宙视为一个实体互联网，人们不仅可以在其中查看内容，还可以置身其中。你会感觉与其他人在一起置身于另一个世界。很多人想到元宇宙时，只会想到VR，这是其中重要组成部分，因为VR技术能提供最清晰临场体验。但元宇宙不仅是VR，你可以在所有计算平台上访问元宇宙，包括VR、AR，还有PC，也包括移动设备等。很多人还认为元宇宙主要是玩游戏，娱乐显然会成为其中重要组成部分，但扎克伯格不认为游戏就是全部。他认为这是个持久而同步的环境，一种混合环境，人们可以共处其中。
元宇宙概念有可能用于制造业吗？实际上，元宇宙的环境就是一个智能增强的环境。在制造业中有可能构建一个类元宇宙的混合环境吗？也许这样的环境能够帮助人们获得更强的临场感、空间感，增强人的空间感知和认识能力。在一个智能增强的环境中，产品开发人员、负责设备运维的工作人员等可以更好地与客户互动；同事之间能够更富效率地协同互动；企业管理者能与员工更方便地互动。如何让互动方式更自然，让互动的内容更加丰富，让感受更加真实，这都是未来制造中类元宇宙环境的不尽话题。制造的物理空间、设计者构思的空间都可以映射到数字与物理交织、虚拟与现实融合的类元宇宙空间中吗？当然可以。未来你可以以全息图像的方式出现在制造的现场，也可以以全息图像的方式体验在想象的场景。
没有哪位企业家愿意故弄玄虚。永远不要忘记，构建类元宇宙制造环境的目的无非是使物理的制造活动更有序、更优化。
在未来的制造业里，智能增强的数字系统与智能增强的人类相得益彰。通常，企业中职场人士有蓝领、白领和金领之分，以区分不同阶层，不同的收入。未来，第四种领子可能会加入进来，在IBM被称为“新领”——new collar。[7]不用奇怪，“数字员工”正在到来。
图4显示的是梅赛德奔驰公司的第一个数字销售代表Sarah，她正在和客户对话。如果你想买一辆最新的奔驰汽车，她会为你计算性价比，挑选最满足你需求的选装套件；她还可以根据你的财务状况，帮助你计划是买还是租下这辆车，并量身打造租赁方案。
图4 梅赛德奔驰公司Sarah（数字人）[7]
数字员工不再是一个聊天机器，而是有血有肉、有着灵敏的情感反应的虚拟的“数字员工”，他们能与人类交流，也可辅助人类决策。通常在人与人的沟通中，一名优秀的人类客服员工会有20%左右的语义内容丢失，但数字员工的语义捕捉率可高达95%。在商业决策中，数字员工具有更宽广的视野、更深厚的知识储备，一切基于数据，没有偏见。此外，数字员工还特别勤劳，不会休假，任劳任怨。[7]未来，融入了知识工程、知识图谱等技术的人工智能系统将越来越胜任企业的部分工作。他们能使数据产生智慧，实现从数据到知识再到智能应用的转化，可以为用户提供问题答案，为决策提供支持，改善客户体验等。这些功能使他们悄悄地成为企业的“新领”。
在某些岗位上，有了“数字员工”，人类工程师是否就无所作为呢？这不应该是我们所希望的。设想有一个具备一定创新设计能力的、基于类似TRIZ（前苏联根里奇·阿奇舒勒提出，基于知识的、面向发明问题解决理论的方法）的数字设计师。他含有大量创新设计的案例， 可与人类工程师交互，能在相当程度上明白人的意图。人类设计师的介入可以弥补数字设计师的不足，且能够使数字设计师的智能增强。总之，人类设计师和数字设计师的作用可以互补，而且能互相学习，相互智能增强，不断提升设计水准。
未来制造的数字空间之灵
制造，无论如何离不开物理实体。制造中最重要的物理实体是产品和制造设备，最典型的物理实体莫过于各种装备。传统时代的装备和产品就是普通的物理实体，哪怕是一些看起来自动化程度很高的装备，也没有自感知、自适应、与外界自联结的能力。未来智能时代的智能装备或智能产品则不同，他们应该具有自感知、自适应、自联结，乃至一定程度的“自我意识”的能力。笔者称之为“物理生命体”。[8]我们甚至可以把未来更加智能的装备或制造系统（一个制造企业，甚至其企业生态系统都可视为一个制造系统）看成“智能制造生命体”。
与传统制造系统相比，未来的智能制造生命体自然是更富活力、更有灵性的系统。那么其活力的驱动要素是什么？生命体的灵性何在？
数据是流淌在智能制造生命体中的血液，它赋予智能制造系统生命力。非但如此，数据还是点燃智能制造生命体灵性之光的燃料。
虽然今天人们已经认识到数据的重要性，但无论是数据的使用量、数据内容、数据工具、数据使用的形式都不能适应未来“智能制造生命体”的需求。
今天的数据已经呈现爆炸性的增长，过去，数据都以关系型数据的形式存储在数据库、核心信息系统中。如今数据已经不只是在核心数据库、业务系统中，而是无时无刻不在制造环境中产生。工业互联网和协作网络以及各类联网智能设备都带来海量的数据，这些都是新时代的数据来源，如图5。如今，企业需要有从海量数据来源中获取有价值信息的能力。[9]
图5 数据的多样性[9]
未来的智能化公司与客户的关系会在售出产品后还会不断深化。利用技术和数据完善现有产品和服务，不断满足个性化的需求，并创造新的服务。重型商用车生产商戴姆勒卡车北美公司正在转型成为一家以数据为关键资产的智能化公司。从工厂车间驶出的每一辆戴姆勒卡车都是一项新的数字资产。一系列车载传感器和其他技术持续监控车辆的性能，生成数据，提供对卡车状况的实时诊断。通过对车辆的性能数据进行分析，预测零部件何时可能发生故障，而不再是简单地向车主提供车辆状况报告。在紧急情况下，可指引车主前往附近的维修点，维修人员将被提前告知车辆问题并将确认所需零件的库存，立即协助解决车辆问题。
掌握设备或制造系统的运行状况，传统关系型数据库就有很大局限性。未来时序数据库的应用会越来越多。关系数据库将每次数据更改都记录为更新，与此不同的是，时序数据库会跟踪并记录数据变更以及变更的特定时间，并将每次变更的数据作为唯一值插入。数据集中来自IoT（物联网）和监控技术的临时数据规模呈爆炸式增长，在这一背景下，无论是历史分析还是预测分析都越来越依赖于查询某个时点的数值，并能持续精准和高效跟踪该数值的能力。[10]
在产品开发中，数据有着特别的作用。有一种基于溯因逻辑（abductive logic）的创新思维模式。人们熟知的逻辑方式只有两种：演绎和归纳，前者是从一般推导到特殊，而后者是从特殊推导到一般。这两种逻辑都是陈述式的（declarative logic），而溯因逻辑是发问式的，具有推测性的特征。设计师们经常采用溯因逻辑，他们积极寻找新的数据，不断挑战已被大众认可的规则和解释，努力推演和创造新的可能性。在设计师们基于溯因推理而得到的创意构想中，挑选出最有可能成功的构想，然后进行下一步设计，如此反复，为原型制作提供较为可靠的基础。[11]需要指出，这种创新思维方式基于丰富的数据，因为大数据使得原型产生和迭代都能变得更加高效。可见，数据能使设计师更富有灵性。
岂止是产品的开发设计和生产过程运行，企业的战略与宏观经济密不可分。我国在相当长一段时间实行过计划经济，其思维方式的影响至今还存在。早在20世纪40年代，哈耶克就指出，经济社会的首要问题，是利用好分散在个人手中的信息的问题。这是因为我们在决策场景中所必需的知识，从来不是以整体的方式存在，而是以不完整、甚至经常矛盾的方式散落在不同个体手中。他认为像计划经济那样的“运算方法之出发点的‘数据’或‘基据’（datum），就整个社会而言，对于一个能够计算其结果的单一心智来说，从来就不是‘给定的’，而且也绝不可能是如此给定的。”“我们必须运用的有关各种情势的知识（the knowledge of the circumstances），从来就不是以一种集中的且整合的形式存在的，而仅仅是作为所有彼此独立的个人所掌握的不完全的而且还常常是相互矛盾的分散知识而存在的。” 当我读到哈耶克的观点，真的惊叹他的伟大，那可是在20世纪40年代！
处在世界经济洪流中的企业，选择航道的出发点不能基于“给定的”数据，只能基于从宏观经济及自己相关的生态系统中挖掘和整合出的数据。只有在数字空间企业才有可能洞见行业趋势、宏观经济的走向及自身的竞争策略，否则企业不会有未来。
数据只是智能制造生命体的血液，要真正释放数据的力量，还需要一个魂。那么魂是什么？笔者曾经提到，数字孪生是智能装备的魂[8]。对于更大概念的智能制造系统而言，数字孪生同样是它的魂，制造系统的数字空间也因为数字孪生的存在而显现灵性之光。
为了从数字世界中获得对物理世界的洞察并提升敏捷性，企业首先要为数字孪生创建强大而全面的数据基础。当数字孪生连接到物理世界时，可将数据有效转化为可执行的洞察决策。但是，不完整或不正确的数据将导致错误的决策。除了历史数据之外，企业需要制定实时数据收集策略，发挥数字孪生提供的实时分析能力。企业可以根据实时数据构建数字孪生，以爱立信（Ericsson）和沃达丰（Vodafone）为例，他们正在与电动汽车公司合作开发未来工厂。该工厂基于互联机器和5G专用网络，每台机器收集并处理数据后，将其发送到公司的“大脑”——网络运营中心。这些数据为整个工厂的数字孪生提供动力：了解每个组件、组件到达时间以及组件组装和拆卸说明。新部件可以在需要的时候准时到达。人类员工使用的工具是互联智能的，可以根据当前数据和规格自动进行调整。[13]
需要特别注意的是，数字孪生的概念不限于企业内部，应该适合于企业的整个生态系统。也就是说，作为智能制造生命体之魂，数字孪生贯穿在整个供应链系统，贯穿在产品的全生命周期。最初应用的数字孪生主要限于设备或产品，随着工业互联网、大数据、人工智能等技术的发展，孪生模型不仅拓展到生产的运行控制，而且进一步扩展到整个供应链系统。已有领军企业正在构建跨越组织全要素的智能化数字孪生，借助该技术创造与现实世界的工厂、供应链、产品全生命周期一致的数字镜像模型，从而连接起一个更为庞大的实体网络。保时捷与材料供应商北欧化工（Borealis）、科思创（Covestro）和Domo Chemicals以及区块链供应商Circularise合作，在整个供应链中使用数字孪生，确保保时捷汽车的生产使用可持续材料。通过创建材料的数字孪生，Circularise在整个供应链中建立了数字线程，从而实现了材料的可追溯性并追踪了其他可持续性指标，如碳足迹和节水情况。在整个供应链中，各方均可更新数字孪生以反映产品制造流程和生命周期，从而为保时捷及其客户提高了透明度。
物流是供应链中的重要环节，供应链的数字孪生自然少不了物流的数字孪生。2020年7月，鹿特丹港与韩国大宇造船和海洋工程公司（DSME）签署了一项协议，要在智慧港口和智慧船只之间构建数字孪生接口。[13]预计不久的将来，构建数字孪生的企业就能在港口环境中顺畅交接，而没有构建数字孪生的企业则徒有焦急等待，甚至望洋兴叹。
制造系统的物理空间和数字孪生空间，看似两个平行的世界，其实交汇于人的存在。无论怎么说，制造的数字空间之灵就是人类之灵的反映和进化。
本文所述及的三个方面均是技术的综合，总体上涉及众多的单元数字技术，如大数据、物联网、VR/AR、仿真、人工智能等。三个方面都是技术意识，企业管理者和技术人员把握这些意识，在未来的数字化转型中尤为重要。
让我们在数字空间一瞥未来制造闪现的灵光。
参考文献：
[1] 张效军. 创成式设计综述（一）.起源与概念. 安世亚太，2019-11-20.
[2] MIT科学家让计算机定规矩，上万种机器人形态随你挑！机器人大讲堂，2020-12-12. https://baijiahao.baidu.com/s?id=1685882376912141900&wfr=spider&for=pc.
[3] 卡洛·拉蒂 马修·克劳德尔. 智能城市[M].赵磊，译.北京：中信出版集团，2019：52.
[4] Amber Case, “We Are All Cyborgs Now,” TEDWomen, International Trade Center,Washington, DC, December 8, 2010.
[5] 吴泗宗. 人工智能(AI)和智能增强 (IA)，2019-10-23.http://www.360doc.com/content/19/1023/09/39353889_868533115.shtml.
[6] 扎克伯格接受媒体专访，未来5年将Facebook打造为元宇宙公司. https://zhuanlan.zhihu.com/p/399641926.
[7] 周忆. 当数字员工来临的时候.首届中国西太湖全球公司发展论坛，2018-05-11.
[8] 李培根. 物理生命体——漫话数字时代的智能装备.智造苑，2021-01-07.
[9] 德勤 阿里云.打造智慧“动成长”企业驱动企业核心系统数字化转型，2021-03.
[10] 2021年技术趋势. 德勤报告.
[11] 王晓红.设计思维：一种基于溯因逻辑的创新思维模式[J].哈佛商业评论，2018-09-06.
[12] 弗·冯·哈耶克. 知识在社会中的运用[M]. 选自《个人主义与经济秩序》（邓正来，编译）.上海：复旦大学出版社，2012：85-100.
[13] 开拓新局，掌握变局时代的技术先机.埃森哲技术展望2021.
来源：智造苑
