当前位置:
数字化时代的模型:或许不是你想的那样
回复 | 人气 | 打印
gchui 个人主页 给TA发消息 加TA为好友 发表于:2020-03-10 10:55:23 楼主

1986年我考入浙江大学数学系。报到时,宿舍里贴着一张标语:数学是宇宙的语言,是上帝用来书写宇宙的符号。我把这句话记在了心里,从此也就与数学模型结下了不解之缘。


我博士班里的同学来自不同专业。有一天,一位同学发现:几乎所有的同学都在搞数学模型。这时,我想到了恩格斯的一个观点:一个学科只有与数学相结合,才能称为真正的科学。

 

数学的威力在于准确描述规律并帮助人们发现规律。从哲学意义上讲,规律是事物内在的、本质的、必然的联系。这种“联系”,在数学上是用“映射”来描述的。任何规律都是有“适用范围”的,对应数学语言的“定义域”。人们对规律的认识过程,可以看成映射和适用范围的确认过程。这个过程的主要工作,往往就是辨别真伪。而我们熟悉的“数学证明”过程,恰恰就是善于“去伪存真”。

 

模型被更广泛的认知,得益于数字化时代的到来。

 

我们知道,CPS是工业4.0的核心技术。而CPS就要把设备、车间、企业等物理系统,在计算机的虚拟空间中建立数字化的模型。物理实体的活动,能够体现在虚拟空间中;针对虚拟空间的指令,又会控制物理对象的行为。这样就形成了一个虚实互动的系统。

 

现在,要用数字化的语言和方法来描写宇宙了。

 

数学模型和数字化模型有联系但却有区别。搞不清两者的关系,人和人之间就难以交流、就会“鸡同鸭讲”。

 

我们先来讲一下“模型”的概念。

 

“模型”是为了达到某种目的,对特定对象若干属性的抽取与简化。我在讲数学模型课的时候,会特别强调:同一个对象可以建若干个完全不同的模型:身份证上的照片,是用于认证人身份的模型;体检表上的数据,是关于人类健康的模型;档案中的材料,是对人综合评价的模型;小白鼠,是代替人们测试药性的模型。这些都是“人”的模型,但完全不一样。从某种意义上说,任何一个模型都不能描述对象的所有属性。即便我们现在要搞的“数字孪生”,也不可能穷尽所有的属性。

 

数学模型和数字化模型都会涉及到对象的数字化属性,这是两者的共性。数字化模型一般是某些数字化属性的集合,而数学模型则往往侧重属性之间的关系。比如,物体的一个数字化模型可以包括质量、受力、加速度、材质等若干属性;而数学模型是属性之间的关系,比如加速度等于质量除受力。

 

“数学模型”的基础是“数字化模型”,也就是先要把对象的属性数字化。但应用“数字化模型”的时候,往往需要用到“数学模型”才能发挥作用。这些“数学模型”可能非常简单。对专门研究数学模型的人来说,这些模型可能简单到“不值一提”。但简单的东西,也会很有用。

 

举个例子:零件的加工精度要求是0.05毫米,机床的加工精度是0.1毫米;根据这两个数据,可以判断机床不能用来加工这个零件。在这个例子中,0.05和0.1这两个数字,分别是零件和机床的数字化模型中的属性;“机床不能用来加工这个零件”是个逻辑属性。数学模型就是对前面两个属性比较大小,得到逻辑属性。

 

这样的模型很简单,但如果放到计算机里面,却可能很有用。不如,有一家平台型公司,负责对接上下游企业。下游企业用数字化的办法,给出一个加工部件的模型;平台公司就把这个模型的属性解析,迅速地从成百上千家供应商中,筛选出可以满足需求的企业。


数字化模型或许很简单,但把它放在计算机里、与软件和信息结合起来,就升华了,就会变得非常了不起。死的数据就变活了、变得智能了。


同一个对象,可以有多个不同的数字化模型、涉及到多个不同数学模型。建立模型的关键在于:你要用模型达到什么样的使用目标。目标不同,模型就不一样。如果你针对一个零件的目标是判断能不能运输,只要知道它的形状和重量就可以了;如果你的目标是加工这个零件,就要有加工精度、材质等多方面的属性了。

 

回顾历史会发现:智能制造成为热点的一个重要驱动力,是三维数字化模型的广泛应用。从理论上讲,建立三维模型并贯通起来并不是非常难的事情,但需要巨大的存储和计算量。而芯片技术的发展解决了这个瓶颈问题。有了这样的模型,设计、生产、存储、运输等各种过程都可以模拟了、并可以贯穿在一起。当然,智能制造的数字化模型不仅是三维模型;事实上,三维模型对流程行业的意义未必很大。由于流程行业的很多模型涉及到许多变量的综合作用,而变量的作用又难以解耦,许多数字化模型并不理想。

 

在这样的背景下,推进数字化工作的一般性做法是什么呢?

 

对于这样的困难,我们应该相信一点:工业上的问题,人总是有办法的。否则,工业企业就没有办法正常地运行。与数学模型相比,人的知识往往是碎片化的。什么是“碎片化”呢?如果把人的知识也看成“模型”,碎片化意味着“模型”的定义域很小,仅仅适合某种特殊的情况。但是,这种碎片化的知识很有用:遇到这种情况,这么做就行了。对于其他情况,人不知道,计算机也不知道。所以,工业智能化的过程往往是“人智转机智”,把人类的知识数字化。

 

数字化建模,往往是从目标开始反向推动的:根据你要做的事,推出需要知道的对象属性。这些属性的集合就是我们需要的、对象的数字化模型。当然,这些属性必须是可以数字化的、可以取得的数据。否则,数字化模型就没有办法用。

 

数字化模型的建立,是企业数字化转型的关键难点所在。为什么难呢?不妨感觉一下:要把“好人”这个概念数字化,你怎么办?同样,把产品质量数字化也比较麻烦;而且,这样的麻烦还很多。但是,要推进数字化,这样的麻烦是必须克服的。因为这是现代工业的基本要求。


     数字化时代,上帝用数字描述世界。


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。


分享到: 关注收藏 邀请回答 回复 举报


楼主最近还看过


周点击排行
周回复排行
最新求助