作為智能制造的重要驅(qū)動要素，知識管理經(jīng)常被忽略。知識或存在于人工經(jīng)驗，或存在于機(jī)理規(guī)律，或存在于數(shù)據(jù)模型。三者具有非常互補(bǔ)的關(guān)系。

　　人工經(jīng)驗是在社會實踐中產(chǎn)生的，是客觀事物在人們頭腦中的反映，是認(rèn)識的開端。但經(jīng)驗有待于深化，有待上升到理論。而且，經(jīng)驗的傳遞非常復(fù)雜，企業(yè)的豐富的經(jīng)驗很容易丟失在員工變遷之中。

　　機(jī)理也稱白箱模型，指系統(tǒng)中各要素的內(nèi)在工作方式以及要素間相互聯(lián)系、相互作用的運(yùn)行規(guī)則和原理；簡單點(diǎn)說就是仿真建模，指人類已掌握的物理、化學(xué)、生物等規(guī)律，類似建模的工具有各種仿真軟件等。機(jī)理模型的不足在于，萬物過于復(fù)雜，人類掌握的規(guī)律是有限的，而且，經(jīng)常是經(jīng)過理想化的簡化的，并不能完全和實物吻合，有時候甚至相差甚遠(yuǎn)。

　　數(shù)據(jù)模型又叫黑箱模型，指基于數(shù)據(jù)的模型，相關(guān)的概念包括人工智能，數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)等。數(shù)據(jù)模型有幾個不足，首先，得有大量的數(shù)據(jù)；其次，數(shù)據(jù)的分布必須合理；其三，分析方法得恰當(dāng)，否則存在于數(shù)據(jù)之上的模型可能和事實并不吻合。數(shù)據(jù)建模的軟件也很多，例如專業(yè)軟件SAS，而Hadoop與Oracle也提供數(shù)據(jù)分析包，云計算服務(wù)商則提供物美價廉的計算服務(wù)，機(jī)器學(xué)習(xí)的研發(fā)人員可能還習(xí)慣用Python，R語言。還有很多計算工具，如Excel也是非常實用的工具，而Matlab提供非常豐富的機(jī)理仿真和數(shù)據(jù)分析工具。從人工經(jīng)驗，到數(shù)據(jù)分析，到機(jī)理規(guī)律，是對事物越來越理性的刻畫。完美的建模過程，應(yīng)該包括三個步驟。人工經(jīng)驗是模糊的，也是引發(fā)思考的；數(shù)據(jù)分析，已經(jīng)在慢慢量化，初步揭示了事物之間的聯(lián)系；深層次的機(jī)理規(guī)律才是真正揭示了事物因素間的必然聯(lián)系。嚴(yán)謹(jǐn)?shù)慕＿^程，最好是三者吻合，最起碼是兩者互相驗證，互相補(bǔ)充，單純依賴一種結(jié)果是可怕的。

　　例如，傳感器裝再多，也不可能無處不在，因為傳感器需要成本，而且需要有合適的安裝位置。合適的機(jī)理模型，加上傳感器數(shù)據(jù)的驗證（或者通過傳感器數(shù)據(jù)確定機(jī)理模型的參數(shù)等，專業(yè)術(shù)語叫辨識），就可以獲得空間、時間維度更完整的信息。

　　德國的優(yōu)勢在于人工經(jīng)驗和機(jī)理規(guī)律，弱勢在于數(shù)據(jù)分析能力（德國人口少，信息技術(shù)和數(shù)據(jù)分析技術(shù)很難廣泛頻繁運(yùn)用，所以數(shù)據(jù)分析技術(shù)并不發(fā)達(dá)）。所以德國的模型是基于機(jī)理規(guī)律的，是直觀的（圖1）。

　　圖1 德國的模型（基于機(jī)理，直觀的）

　　日本的精益制造中，非常突出人工經(jīng)驗。而美國的優(yōu)勢在于數(shù)據(jù)分析和機(jī)理規(guī)律，弱勢在于人工經(jīng)驗。美國NI公司的最新嵌入式控制器網(wǎng)絡(luò)同步精度小于100ns（圖2），體現(xiàn)了美國人對數(shù)據(jù)的孜孜不倦的追求。TS16949質(zhì)量體系，也體現(xiàn)了美國人對數(shù)據(jù)的鐘愛，是早期工業(yè)化與信息化融合的優(yōu)秀范本。美國的建模是基于機(jī)理和基于數(shù)據(jù)的（圖2）。

　　圖2 美國的模型（基于機(jī)理，基于數(shù)據(jù)）

　　中國在數(shù)據(jù)分析上有一定的優(yōu)勢，弱勢在于人工經(jīng)驗和機(jī)理規(guī)律，也就是專業(yè)軟件。長期起來，各類專業(yè)軟件都是盜版的。加上中國產(chǎn)學(xué)研脫節(jié)比較嚴(yán)重，很多大學(xué)的研究成果是無法深究的。如果建立合適的產(chǎn)學(xué)研通道，學(xué)校的老師和博士還是有能力的。研究成果無法深究，很多時候不是能力問題，而是和社會溝通不夠，從論文到論文，沒有把理論應(yīng)用到實踐。如何將院所研究與企業(yè)實踐做到完美的融合，是當(dāng)下中國智能制造急需克服的成果轉(zhuǎn)化的事情。

　　綜合起來，人工經(jīng)驗、機(jī)理規(guī)律和數(shù)據(jù)分析各有利弊。各個行業(yè)和公司，需要采用合適的建模方法，以最大程度提高公司和產(chǎn)品的核心競爭力。中國當(dāng)下已經(jīng)有非常低成本的獲取工業(yè)數(shù)據(jù)的辦法（得益于百度云、阿里云的飛速發(fā)展）。數(shù)據(jù)回來了，人工經(jīng)驗分析下曲線，也已經(jīng)可以獲得有意義的信息了；通過數(shù)據(jù)分析，即使是只用Excel，也可以解決很多問題。阿里云對于采集、存儲與數(shù)據(jù)分析都非常低廉。建立統(tǒng)一的工業(yè)互聯(lián)網(wǎng)也許痛苦，但子系統(tǒng)依靠儀表以及原有的控制系統(tǒng)，采集數(shù)據(jù)并不那么難。即使實在不行，還可以借鑒TS16949質(zhì)量體系，采用表格，也可以回來有價值的數(shù)據(jù)。

　　工業(yè)化與信息化融合是智能制造的必經(jīng)之路，打磨和應(yīng)用這三把利刃是最大的基本功。