本文摘要：作为智能生产的最重要驱动要素，科学知识管理常常被忽视。

作为智能生产的最重要驱动要素，科学知识管理常常被忽视。科学知识或不存在于人工经验，或不存在于机理规律，或不存在于数据模型。

三者具备十分有序的关系。　　人工经验是在社会实践中产生的，是客观事物在人们头脑中的体现，是了解的开端。但经验有待于深化，尚待下降到理论。而且，经验的传送非常复杂，企业的非常丰富的经验很更容易遗失在员工变迁之中。

　　机理也称之为白箱模型，指系统中各要素的内在工作方式以及要素间互相联系、相互作用的运营规则和原理；非常简单点说道就是建模建模，指人类已掌控的物理、化学、生物等规律，类似于建模的工具有各种建模软件等。机理模型的严重不足在于，万物过分简单，人类掌控的规律是受限的，而且，常常是经过理想化的修改的，并无法几乎和实物相符，有时候甚至差距太远。

　　数据模型又叫黑箱模型，指基于数据的模型，涉及的概念还包括人工智能，数据挖掘，机器学习等。数据模型有几个严重不足，首先，得有大量的数据；其次，数据的产于必需合理；其三，分析方法得合理，否则不存在于数据之上的模型有可能和事实并不相符。数据建模的软件也很多，例如专业软件SAS，而Hadoop与Oracle也获取数据分析包在，云计算服务商则获取物美价廉的计算出来服务，机器学习的研发人员有可能还习惯用Python，R语言。还有很多计算出来工具，如Excel也是十分简单的工具，而Matlab获取非常丰富的机理建模和数据分析工具。

从人工经验，到数据分析，到机理规律，是对事物更加理性的刻画。极致的建模过程，应当还包括三个步骤。人工经验是模糊不清的，也是引起思维的；数据分析，早已在渐渐分析，可行性说明了了事物之间的联系；深层次的机理规律才是确实说明了了事物因素间的必然联系。缜密的建模过程，最差是三者相符，最起码是两者相互检验，相互补足，全然倚赖一种结果是可怕的。

　　例如，传感器装有再行多，也不有可能无处不在，因为传感器必须成本，而且必须有适合的加装方位。适合的机理模型，再加传感器数据的检验（或者通过传感器数据确认机理模型的参数等，专业术语叫识别），就可以取得空间、时间维度更加原始的信息。　　德国的优势在于人工经验和机理规律，弱势在于数据分析能力（德国人口较少，信息技术和数据分析技术很难普遍频密运用，所以数据分析技术并不繁盛）。

所以德国的模型是基于机理规律的，是直观的（图1）。图1 德国的模型（基于机理，直观的）　　日本的精益生产中，十分引人注目人工经验。而美国的优势在于数据分析和机理规律，弱势在于人工经验。美国NI公司的近期嵌入式控制器网络实时精度大于100ns（图2），反映了美国人对数据的孜孜不倦的执着。

TS16949质量体系，也反映了美国人对数据的钟爱，是早期工业化与信息化融合的杰出范本。美国的建模是基于机理和基于数据的（图2）。

图2 美国的模型（基于机理，基于数据）　　中国在数据分析上有一定的优势，弱势在于人工经验和机理规律，也就是专业软件。长年一起，各类专业软件都是正版的。

再加中国产学研僵化比较严重，很多大学的研究成果是无法求证的。如果创建适合的产学研地下通道，学校的老师和博士还是有能力的。

研究成果无法求证，很多时候不是能力问题，而是和社会交流过于，从论文到论文，没把理论应用于到实践中。如何将院所研究与企业实践中做极致的融合，是当下中国智能生产急需解决的成果转化成的事情。　　综合一起，人工经验、机理规律和数据分析各有利弊。各个行业和公司，必须使用适合的建模方法，以仅次于程度提升公司和产品的核心竞争力。

中国当下早已有十分低成本的提供工业数据的办法（归功于百度云、阿里云的飞速发展）。数据回去了，人工经验分析下曲线，也早已可以取得有意义的信息了；通过数据分析，即使是要用Excel，也可以解决问题很多问题。阿里云对于收集、存储与数据分析都十分便宜。创建统一的工业互联网或许伤痛，但子系统依赖仪表以及原先的控制系统，收集数据并不那么无以。

即使觉得敢，还可以糅合TS16949质量体系，使用表格，也可以回去有价值的数据。　　工业化与信息化融合是智能生产的必经之路，抛光和应用于这三把利刃是仅次于的基本功。

本文来源：必威betway体育-www.zhao-xing.com