抽樣質檢遠遠不夠

近年來，制造技術與IT技術、計量學等的跨界合作正在盛行，并由此帶來測量技術和質量保障的雙重飛躍。一些未來測量的雛形已經被勾勒出來，這從“走出測試室，進入生產線”的呼聲中便可知曉。從以前傳統的接觸式測量、到最近幾年流行的光學測量、再到目前能將工件“一眼看穿”的透視技術，相信你已經感受到，工業CT 測量時代已經到來。

Gisela Lanza教授被德國科學期刊“Bild der Wissenschaft”稱作“120%的女人”，因為她在過去四年的工作中，成為德國卡爾斯魯厄理工學院（Karlsruher Institut für Technologie，簡稱KIT）與汽車制造商戴姆勒公司（Daimler. ）“全球生產工程質量”項目的第一位跨界教授。這樣一位活躍于全球生產系統前沿的專家，如何看待在工業4.0及工業物聯網（IIoT）時代下“計量”對于質保的重要性？

在您看來，工業4.0為質保和計量帶來了哪些影響？

Gisela Lanza教授：得益于傳感器技術的的不斷發展，我們一定能夠獲取更多的測量數據，從而改進對因果聯系的檢測。我甚至敢大膽假設，未來我們能夠獲取全部的測量數據，這意味著——質量數據（有價值的所有關鍵參數）將不再只是隨機抽樣，而是百分百被掌握。也就是說質量控制發生了根本性的變化，現在我們可以更接近公差范圍。

在您看來，未來的質量控制將發生什么變化？

Gisela Lanza教授：我預測今后質量控制策略會朝著智能化、自適應的方向發展，其中一個例子就是“配對策略”可能會再度盛行，雖然生產人員通常會因為它涉及到復雜的數學計算以及物流支出而厭煩這種策略。但是將具有不同質量特征的部件成對使用，能夠共同為公差要求非常高的組件提供幫助。當然，如果不是要求每個部件都必須滿足規定的公差，那么，采用配對策略顯然是一個不錯的選擇。比如發動機中使用的噴射器，其工作壓力未來可能會達到3,000bar（巴），那么采用智能化、具備配對策略的在線測量技術就能夠對生產參數進行動態地調整，從而開辟更多新的選擇。

是否會在生產線內獲得更多的數據？

Gisela Lanza教授：是的。當前呈現的一個趨勢是從實驗室測量走向在線測量，甚至還嘗試在生產過程中集成各類測量設備和方法，進行數據匯總及比對公差范圍，這樣的狀態監測能夠實現控制回路的最小化。需要再次強調的是，測量不再單獨地在測量室中進行，而是直接集成于生產過程中。因此，這就增加了應用于工廠和生產線上的模塊式的計量需求，而標準化的測量設備則變得不那么受追捧了。計量正逐漸變為一個商業項目，其中為用戶進行定制化設計是在未來競爭中獲取成功的關鍵因素。

如果傳感器走向集成：那么測量機的功能是否能被加入到機床中？

Gisela Lanza教授：這個目標很早就被提及了，到現在仍是一個令人激動的課題。但是，目前還存在許多挑戰，比如成本較高，另外在生產過程中還會出現溫度不適宜、清潔程度低等因素。此外，傳統的金屬切削工件往往要求非常高的測量精度。用戶又想要一個獨立的計量框架，理想的情況是使測量與加工同時進行，即所謂的并行測量。然而如今，使用機床測量已經成為高精度產品的標準程序。譬如博世（Bosch）公司就將這種方式用于其柴油噴射器的制造過程中。

對海量數據進行智能評估

當機床和生產流程借助傳感器技術能夠獲得更多數據時，對于實時信號處理的能力意味著什么？

Gisela Lanza教授：就技術而言，單個傳感器正在被分布式傳感器網絡所取代，因為網絡基礎設施是將在線測量的潛力和效率最大化的基本前提。用戶希望對相關數據進行智能和互聯的評估。譬如能夠通過幾種不同傳感器的數據融合，得到綜合的計量結果。而為了解釋清楚這些計量結果中數據之間的復雜關系，神經網絡（neuronal networks）這類的數據挖掘算法尤其適用。因此，對于實時信號處理方面的能力主要可以通過——能否將有用數據的相關性進行信號的過濾而進行考量。

未來工廠生產中的質量數據（工業大數據）將發揮怎樣的作用？這些工業大數據能否更有價值的存在，并帶來指導意義？

Gisela Lanza教授：這個問題目前尚不容易評估。這里的前提條件是要有一套完整的軟件體系結構。一旦建立起完整的數據結構和接口，我期望能夠通過增強設計技術，復雜性漸增的自適應自學習的控制回路來獲取這些工業大數據。

在機加工車間，網絡系統（網絡）以及計量系統的軟硬件等多者之間，如何能夠展開卓有成效地協調？

Gisela Lanza教授：由于從生產過程、再到企業層面的典型的自動化系統這樣金字塔式的架構正在消失，從而使跨層的信息交換變得至關重要。在這種情況下，與生產過程緊密相連的制造執行系統（MES）的重要性正在穩步增長。遺憾的是，你可以看見在未來幾年內，如果沒有MES，通過傳感器直接利用和評估數據幾乎是不可能的。此外，我們需要類似OPC/UA的統一接口標準，這是當前在自動化技術行業獲得廣泛認可的標準。

但如今這種所謂的實時控制的必要性似乎在某種程度上阻礙了整體的發展進程，所有一切真的都需要實時運行嗎？

Gisela Lanza教授：我認為是有必要的。那樣在實際生產中最多只會出現三個不合格的零件，而從第四個開始，一定會是合格品。以博世為例，他們通過MES 和IoT軟件的相結合實現實時狀況和數據的監控——把生產過程、測量數據及用戶訂單信息進行了有效的連接。

中國：正在迎頭趕上

您同時也熟悉全球生產戰略，就質保方面存在哪些國際差異？

Gisela Lanza教授：我想談談“新興市場”，這些市場多指當今那些成本相對較低的國家和地區。在那些區域，測試仍然是在流程鏈的末端采用傳統方式執行的。但值得注意的是，這些地區的變革速度令人驚訝，尤其是在中國，其在接軌工業4.0的過程中展現了極大的潛力。他們明白，如果要進行投資，那么沒有什么能比將大把資金用于最新的技術上更具前景的了。

談到中國，您作為位于蘇州的全球先進制造研究所（GAMI）的負責人，相信已經十分了解當地在質量保障方面的具體情況，請問，中國的生產廠家與歐洲工業界的同仁們在戰略上有何區別？

Gisela Lanza教授：在歐洲那些older brownfield（國外直接投資的形式，但母公司不自己建造新廠房，而是購買或者租賃原有設施），他們通常也都為生產線配置了傳感器技術。而在中國，如今的主要趨勢是建造新工廠，因此他們也在為新生產線配置大量的內在傳感器技術。當前，我觀察到的是——中國正準備對工業4.0進行一系列的大量投資。

他們在硬件上投資不菲，通常都會結合自動化技術。然而，我認為這樣做其實也不意味著能完全實現工業4.0，因為工業4.0和必要的系統能力不是你能夠買到的。畢竟，如果一家公司對其中所涉及的系統一知半解，即便是最好的測量機器又有何用？不過，對中國來說，年輕的勞動大軍對IT應用的接受度更高，這一點倒是有利的。但往往還是缺乏對于控制回路工作原理的基本理解。