军民“数”融基于数据驱动的军工能力建设

于洋

随着歼-20、运-20等的研制成功，我国军工企业的发展有了极大的进步。过去我们研制一款新的装备可能需要10年乃至20年的时间，现在可能是3年或5年。我们产品的体系越来越复杂，过去我们的产品是机械式的，现在要求信息化，甚至智能化的装备。我们的研制成本提高了，产品利润空间有所降低，军方希望我们由产品的制造向产品的服务保障转变。那么，作为军工企业，该如何面对这些问题呢？

2015年，国防部科工局基于以上问题，提出了智慧军工的思路和理念。事实上，无论是智慧研发、智能制造，只要我们牵涉到智慧，一定是数据在支撑。作为智慧军工企业的发展，由工业大数据作为支撑。关于工业大数据，个人认为：第一，工业大数据是多学科的一个交叉，有机械相关的、数学相关的以及IT等，工业大数据应用和研究的门槛相对较高。第二，在新兴的事物面前，不管国内还是国外的研究水平和应用水平，基本上都在同一个起跑线上，很难进行相互的借鉴，特别是军工企业。

美林数据从2010年开始在行业内做了很多大数据方面的工作，我们总结了大多数军工企业拥有的工业大数据典型应用模式：第一，基于产品的研发知识挖掘；第二，数据驱动的加工工艺优化；第三，集成可视的生产管控建设。

我们在产品研发时，是基于知识的产品研发。但是，过去的知识，更多的是显性的知识。什么是显性的知识？我们在做研发时，希望研发的流程是标准的、引用的文件是標准的、模板是标准的、工具是标准的、任务是标准的。这些知识被总结出来了，被我们称作显性的知识。与显性知识对应的是隐形知识，隐性的知识难以被总结、被量化地表述、传承，特别是一些军事产品，比如热、磁等，在设计机理并不很清楚的情况下，我们难以获得一个比较稳定的设计知识。

我们在设计的过程中，会产生大量的数据。涉及各专业，各专业本身机理不一样，数据很难互联互通。大数据并不是把各专业的数据集中在一起就是大数据了。我们还必须建立起相互的关联关系，而这种关联关系实际上并不是我们传统IT角度理解中的关联关系。什么叫IT角度关联关系呢？一对一、一对多。而往往是具有相关性的关联关系，比如我们在设计工作中，我们会产生大量的文档数据；我们在实验过程中，我们又产生大量的信号实时数据。我们想要进行这种数据的关联，我们要提取信号的特征，对模型进行处理，提取模型语意的特征。并且把语意的特征和信号的特征关联在一起，这样才能实现数据的统一。

有了这些数据后，我们在实际的设计工作中怎样使用？传统的设计工作，我们会设计、仿真、进行验证，最后做一些实物验证。我们做叶栅能量损失分析的项目，依据设计和试验数据建立14个变量的量化关联关系，代替仿真分析和减少试验次数。因为本身的内外因素比较多，传统的机理并不是特别成熟。我们在拿仿真做的时候，只能反映出一个相对好，或者相对不好的趋势。真正的验证还要拿实验来进行，看到底有没有达到技术目标，那我们就设计仿真实验，不断地迭代下去，直到最终的结果满足我们的要求。这个对我们的设计产生了三点启示：

第一点，在做设计领域大数据应用的时候，一定要考虑某个实验和我设计本身数据的相互关联，让实验和设计直接产生闭环。

第二点，在机理不是特别清楚的情况下，利用数学的方式来建立两者之间的相互关系。

第三点，用数据把设计人员无法进行表达的变成一个量化的关联关系。

以上谈了设计，接下来谈谈对应的制造过程。我们一直把制造当作一种技术，因为制造跟外部环境的影响因素特别大。同样的一款产品或者同样的一种工艺，不同的人操作可能出现的结果不一样，采用不同的设备操作最终的结果也不一样。我们希望用大数据建立内、外影响因素和最终工艺结果相关联的关系，通过调整相关的工艺参数得到一个质量控制。

在加工的过程中，我们的锻塑造处理、装备等除了本身加工机理需要一些参数外，还有一些外部环境也需要一些参数。我们可以从过去的历史数据，去识别哪些是最重要的工艺参数，如何来调整这些工艺参数，最终达到一个不错的结果。

接下来谈谈集成可视的生产管控。军工生产有自己的模式：多研制，小生产，种类多，批量少。过去，主流的信息化理论是建立在大规模生产模式的基础上，信息化理论研究主要集中在大规模生产的模式上，而在军工企业小规模上的研究不够，对于多品种小批量的军工生产模式是不适用的。

在这种生产模式下，我们发现整个生产过程被过去的信息化系统分裂到了十几个系统中，要还原我们的生产过程，第一要实现管理信息系统数据的融合，这是让我们管理在线的一个重要模式。第二要通过一些可视化的手段，让我们在设备级、产线级、工厂级以及集团级实现多级生产管控风险分析，保证我们生产的及时性和准确性。（根据演讲内容整理，未经本人审核）endprint