前 言

在最新的工程教育對于卓越工程師培養的要求重要一條在于“解決復雜問題的能力”。這是因為工程問題天然就是復雜的，尤其對于高速高精度的復雜裝備而言，它是機電軟一體化的產品。而要解決復雜問題，需要工程哲學的支撐，即，如何做到“化繁為簡”。在最新的工程教育對于卓越工程師培養的要求重要一條在于“解決復雜問題的能力”。這是因為工程問題天然就是復雜的，尤其對于高速高精度的復雜裝備而言，它是機電軟一體化的產品。而要解決復雜問題，需要工程哲學的支撐，即，如何做到“化繁為簡”。

在最新的工程教育對于卓越工程師培養的要求重要一條在于“解決復雜問題的能力”。這是因為工程問題天然就是復雜的，尤其對于高速高精度的復雜裝備而言，它是機電軟一體化的產品。而要解決復雜問題，需要工程哲學的支撐，即，如何做到“化繁為簡”。

01

工程問題的復雜性維度

工程問題的復雜性是包括多個維度的，并非僅僅是技術的復雜性，至少可以歸結為如下三個方面：

首先，是在專業的復雜性，對于任何一個制造過程而言，必然涉及機械、電氣、工藝三個維度的復雜耦合關系，在每個問題內部又存在著耦合關系。而機械系統它的物理特性也會隨著速度的變化。踢足球的人大概心里有點概念，即，在低速時候，你帶球、傳切、過人、射門，其實都是可以玩出花活的。但是，一旦到了高速，就會變得復雜很多，因為，需要超級敏感的多維度感知能力，以及超強的算力、精準的執行。低速、低精度和高速高精度在制造中是完全不同的。

其次，工程問題的復雜性在于經濟性約束的考量，與科學的探索(Discovery)不同，尋找可能性，而工程則是要收斂到經濟性的道路上，才有意義，這使得工程不但牽扯技術問題，還牽扯整個工程過程的經濟性約束，以及工程決策的“取舍”問題。

再次，工程問題的復雜性在于其社會性，工程不僅是技術問題，管理問題，同樣工程過程還有其社會性、藝術性、倫理性的考慮，而這些又必須在工程設計過程中予以考慮。

當然，這些復雜問題，可以分開討論，本文僅討論其專業的復雜性如何化解的問題，如何化繁為簡。

02

化繁為簡的普適性

笛卡爾在其著名的《方法論》(Discourse on the Method)揭示了科學研究與發明的普適方法，概括為四個步驟，

(1)不盲從，對命題有自己的判斷，確定有無可疑之處

(2)對于復雜問題，盡量分解為多個簡單的小問題來研究，一個個分開解決，這就是化繁為簡，化整為零的思路

(3)按照先易后難，逐步解決

(4)解決了小問題后，再綜合起來，看看是否徹底解決了原來的問題。

作為科學方法論的基本思路，同樣適用于工程開發，對于工程問題，其實解決問題的方法論是具有高度一致性的。科學不同在于“探索”，需要發散尋找新的規律，而工程則在于“收斂”，它要尋找最為經濟的解決問題的道路。

03

復雜系統只需簡單規則

2021年諾貝爾物理學獎授予了復雜系統的研究者喬治·帕里西教授。幾年前，曾經看過梅拉尼.米歇爾教授《復雜》一書，最近又看了她的《AI3.0》，覺得還都是值得一讀的好書。其中最早讀《復雜》”是一本非常有意思的 ，它給我最大的提示就是“復雜系統必須用簡單方法解決”。無論是沙丁魚群的躲避鯊魚攻擊，或者蟻群的智慧涌現，還是螢火蟲如何點亮，這些復雜復雜系統，如果依照觸發條件、流程則是一個需要通信網絡數據負載較大、響應要求極高的計算過程，那么，而這就需要一個“超強大腦”存在于這個群體中，而事實上，這些群體卻并沒有中心節點，然后調度，而是利用非常簡單的規則來實現群體智慧涌現。

在《復雜》一書中，談到了關于魚群被攻擊時的簡單規則，并對其進行了仿真。對于沙丁魚群受到大魚攻擊時，每個魚只需遵循“盯著前面一條魚，保持跟左右魚的距離”，這簡單的兩條規則，魚群就可以躲避大型魚類的攻擊。其實，這就是基于簡單規則的協作問題，而今天制造業的問題，其實，同樣是只能基于這樣的思路來解決問題，否則，就會一定出現復雜到不可解析的程度。

04

建模的化繁為簡

很多人對制造通常不是特別了解，“組合”、“可能性”的復雜性并未有直觀的理解，歧路亡羊的道理雖然直觀，但是，并沒有用數量來表述，究竟有多少種組合—復雜性的量級有多高?

如果一個輪胎按照連線、鋼絲排列、輪胎的面膠、三角膠、內膠的類型變化，以及輪胎的尺寸規格、用途需求(防滑/高溫/重型)會產生超過10萬種組合，而生產系統希望在不變產線的情況下，僅通過參數配置即可實現不同的生產，那就需要建一個模型，把參數引入，并形成內在的邏輯關系。系統根據配置來為其調節三鼓成型機的材料收放卷參數、成型的邏輯順序與流程、以及材料所需的壓力、溫度等匹配參數—越是精益的產品，則牽扯更大維度的參數協調。

建模就是對這種關系進行結構化處理，并把相互之間的關系用數學來表達，而數學上可以表達，才能在軟件上可以編寫。因此，建模是要去建立一個制造過程相關性因素之間的數學關系。當然了，這種關系無法被完全描述—畢竟我們認知的世界是有限。對于一些關系，只能按照線性擬合的方式來進行表示，因為，就本質而言，世界是非線性的，線性區間僅在理想的物理條件下取值的—大概就清楚了為啥函數必須有定義域、值域的問題。

有了模型，我們就可以輕松的用這個公式去計算，以獲得所需的輸出值，確定我們的有效性，但是，我們并不能計算由于輪胎磨損造成的公里數計算的偏差—因為，為了這個誤差所消耗的精力可能不值當。因此，模型也是有邊界的，我們在尋找可以被我們利用的、穩定可控的區間。

05

測試驗證，為了尋找可控的邊界

當機器的速度從低速、低精度到高速高精度后，機械系統的模態發生變化，細微的變化都會帶來巨大的變化，這種變化之間的關系交織在一起，這種可能有線性關系，也可能是非線性的。而且，多個維度的變量交織造成了其復雜性。并且，缺乏有效的數學模型去描述它(已有的物理化學方程)，那么這個時候，就需要借助于測試驗證的方法來尋找一個合適、可控的邊界、區間。使得系統處于可控狀態。

尋找可控的邊界以及曲線關系，本身并非是可被完全先驗所預知的—畢竟，并非所有的公式的取值區間都可以被先驗的確定。例如尋找摩擦力對于加速度的影響關系，在一個可控曲線內，它的變化是可以被已有的公式描述的。我們需要尋找到這個區間，并利用這個區間的可控性來實現控制。

06

OPC UA -你以為它只是個通信?

D同學經常和我探討OPC UA，說實話，作為并不從事研發的人，我對OPC UA更多是發揮了“概念技能”去理解它。但是，從真實的開發視角理解，則D同學深入的多。他認為OPC UA非常重要的一個作用就是在系統性建模這個問題上，其實，OPC UA為協作，在機器間，構建了一個統一交互信息的規則與框架，然后，在這個接口的銜接下，對任務的編程變得簡單，因為，復雜系統只需遵循簡單規則，即，協作的機器之間，需要“邏輯”上的簡單規則，然后，通過TSN的周期性數據采集與傳輸，就可以解決一個大系統的智能運行問題。

在一個制造工廠，可能會牽扯到復雜的機器間的協同問題，但是，不同的設備其數據類型、格式、單位、屬性、存取、權限都會有不同，那么，需要有統一的規范接口來實現交互。當我們為這些協作任務編寫程序 時，就一定會出現事件和數據的調用問題，那么，這個協同就必須有統一的規范，以降低為此而編寫程序的工作量，僅調用結構化封裝好的數據，就可以在他們之間建立以數據驅動方式的協作關系。通過信息的統一建模，使得整個復雜的過程被簡化。

回到一個機器的控制任務循環，再去思考比機器更大的工廠循環，就明白OPC UA over TSN的作用了，這就給我們開啟了一個上帝視角來看待工廠的連接，以及運行。

07

輸送系統的化繁為簡

在現實的離散組裝產線的生產過程中，也會遇到這樣的問題，其實，這里存在著緩沖分配難題，即，Buffer Allocation Problem，生產中各個單元之間，一定會因為各個工站節拍的不同，造成Buffer中的零配件輸送和等待，當這些節拍比較大的差別時，整個系統的效率就很難提高。

這不難理解，每個常年差旅習慣的人一定會深有感觸，實際上，花費在路上和等待(飛機、出租車)的時間經常大于實際的處理事務的時間。這就是為什么需要數字化—在線會議的原因，數字化就降低了這些非必要的時間，進而來提高效率。

在一個變化的制造單元中，包括了幾種情況：(1)經常需要頻繁的調整產線，工裝夾具的更換 (2).產品經常變化，需要混線生產，(3).較大的產品調整，需要對整個機械系統進行重新設計或大的改造。

Elon Musk提出了“Machine is Factory”，這是要將離散的制造產線變為像流程工業的“裝置即工廠”的形式，以獲得連續生產的最大效率。

像貝加萊的ACOPOStrak、ACOPOS 6D就是為了解決上述這些問題，它的功效就在于把復雜的生產問題簡化為離散的“配置”問題，將傳統機械的復雜性降低為電磁效應的可控性，當實現電磁方式的輸送后，整個產線就可以被“編程”，這就使得產線成為了“可編程產線-Programable Line”，使得產線的靈活性，被邏輯、順序的編排來大幅簡化。其實，在數學上也是“解耦”問題，即，化繁為簡。

ACOPOS 6D這樣的平面輸送系統的關鍵性在于：

(1).解決連續性，通過In-Machine和Between Machine之間的物流輸送效率，提高生產連續性，使得Machine is Factory，這樣就能實現效率大幅提升。

(2).簡化機械結構：有很多運動，可以被軟件可控的輸送系統動作所替代，它降低對非標工裝的需求，同時也簡化了原來的輸送流程。

08

數字孿生的化繁為簡

復雜系統的復雜在于變化，并且，它是一種“動態的”、“不確定性”、“非線性”的變化。對于傳統大規模生產來說，機理建模構建一個閉環就可以保持運營，只要讓這個閉環系統穩定、可靠，它就能不斷的通過規模來降低成本。但是，對于一個具有緊密耦合關系，且要實現“大規模定制化”的智能制造系統而言，它本身就蘊含了多個維度的變化，除了機器本身的復雜性，連接后的耦合帶來的復雜性，以及動態的市場變化帶來的復雜性，使得這個系統的控制、運營，具有非常大的變化。

它的復雜在于“變化”，無法用一個確定的策略來對待，那么，這個時候，就需要一個“框架”來把這個不確定性給收斂起來，降低不確定性。

數字孿生系統就像是“知行合一”的一個系統，要不斷的去感知、系統自身要去分析和判斷，并去執行，以構成一個動態的多級閉環，這個閉環在現場級發生在設備上，在工廠級則發生在調度和策略上，在企業級則發生在生產、物流、制造、財務等系統的動態策略制定上。

數字孿生系統通過一個數字系統來映射，并通過“知”和“行”的反復對比，通過數據建模方式，動態的觀察運行系統的規律，并形成新的知識，對這個運行系統影響質量、成本、效率的相關性進行分析，并不斷去收斂。

因此，數字孿生，把復雜、不確定問題，通過一個可持續改進的運行機制給收斂，并穩定下來，也是讓復雜的不確定的，變為簡單的可復制的。

工程的問題，最終還是需要通過“化繁為簡”的哲學去解決，而在具體的每個細節上，同樣是以這個哲學來運行。