本文从软件和算法研究者的能够体会的一个角度，看自动化是怎样走向智能化的。同时也说明，钢铁的数字化短板为什么就是仿真。

　　要从数据流动的角度深刻理解智能制造，有必要区分两种情况：决策者是人还是机器。我们首先将这两种形式统一起来，用控制理论中常用的方式描述。如下图中所示：

　　在这张图中，决策者可以是人也可以是机器。控制指令是由实时信息驱动的。但两者往往不是严格的函数关系：相同的输入，可以有不同的输出，因为为历史输入会影响决策；也可以说：历史信息会改变决策者。

　　在现代控制理论模型中，历史信息可以改变决策者（控制器）的内部状态；在一些复杂的控制软件中，历史信息常用来表征机器所处的状态（如停机卡状态还是工作状态）。人和机器相比，历史信息的影响要大得多。历史信息沉淀下来，逐渐变成经验和感觉，从而改变人本身。未来很多依赖人的场合，主要是依赖人的经验感觉。例如，对新设计的产品进行评估时，人的经验和感觉会起到很大的作用。

　　在走向智能化的过程中，“历史信息”的处理方式关乎智能制造的实现路径。对于某些对人的感知、经验依赖特别强烈的环节，技术的重点应该是帮助人决策；而对历史数据依赖相对较小的工作，技术的重点应该是代替人的工作。

　　在笔者看来，某些自动控制系统用不好的根源和改进的方向，就在处理历史信息上。比如，在生产组织过程中，人能够把市场的信息纳入考虑的范畴（比如，市场好的时候重视产量、市场差的时候重视成本），但现在很多软件做不到这一点。这时，人们就会觉得这个软件“不好用”。再如，有些信息应该在生产之前纳入、作为预案（例如生产发现某些异常时，用户是否仍然可用），可以降低成本、提高响应速度。

　　从这个视角，也可以分析钢铁行业与机械制造行业的在数字化上的差异：在自动化的领域，钢铁行业的数字化是不落后的；但是在设计领域的数字化，钢铁行业是落后的。具体体现就是数字化仿真技术落后——仿真最重要的作用是给人做设计参考。人们常说的钢铁行业数字化短板，就是指的这个领域。

来源：微信号 蝈蝈创新随笔

作者：郭朝晖

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。