德国技术官眼中的工业4.0、物联网和大数据

如今，克林贝格已成为全球领先的锥齿轮、圆柱齿轮、齿轮测量、定制化高精度齿轮零部件的研发和制造公司。克林贝格的领先地位来源于精益求精的产品和服务质量，绝对的可靠性和严格的交货期。

Hartmuth Müller博士自1990年以来就在技术创新部门工作，现为这家德国隐形冠军的首席技术官。

Connected Industry：

Müller博士，工业4.0被视为是当前国际工业领域内最大的技术趋势，然而各行各业对这个理念都各有高见。那么您觉得这当中，工业4.0的共同点是什么呢？

Hartmuth Müller：

我们集团认为工业4.0是一种必然的趋势，整个工业领域都聚焦于此，但是针对不同行业他们都带有千差万别的理解。因此描述这一趋势的关键词也都不尽相同。对于我们来说，工业4.0的核心思想是赛博物理系统（CPS）。

Connected Industry：

您认为，“工业4.0”这一概念真的贴切吗？真的是未来的一种趋势吗？

Hartmuth Müller：

工业4.0被公认为第四次工业革命。目前我看到的仅仅是一些革新性的东西，这种革新利用一些技术手段逐渐地把数字世界和现实世界想融合。

Connected Industry：

我们再谈谈赛博物理系统，KLINGELNBERG基于该系统的首要任务是什么？

Hartmuth Müller：

我们是一家专门从事机床生产与精密测量技术的公司，这其中齿轮承载着最重要的机械性能。通过我们的设备，客户可以制造车辆与工业用途的齿轮。这些齿轮可以是正齿轮或锥齿轮。它对质量要求非常高，从设计过程到齿轮成品，成本很高。

通过我们的方法，用户可以得到所要生产零部件的数字双胞胎，其中包括了几何形状的数字图像。在此基础上，我们可以调整产品数字化模型与实际的生产过程，从而建立起工序质量控制环。而它所基于的概念就是赛博物理生产系统（CPPS）。

Connected Industry：

那么CPPS是如何改变客户的整个过程呢？

Hartmuth Müller：我们所属的领域是零部件的切削加工。传统的流程始于基于CAD数字建模的设计环节。生产中CAD模型仅用于生成指定工具下的机械运动模型，这会执行于准备工作中的CAM过程与NC编程。生产基础则是用于加工机器的NC数据、给定的公差以及CAD模型所生成的图纸。至于生产过程中不断出现的误差的校正，校正方面，需要由专业的NC编程员或者新的NC数据来解决，以弥补产生的误差。

对于齿轮，我们与客户的理解有所不同：我们将设计过程与持续的生产模拟相结合。因此我们不再仅仅聚焦于CAD模型，而是生产一个齿轮的整个工作细则上。基于我们开发的CPPS，数字双胞胎不仅包括了几何图像，还存在工具与组件之间的几何形状与运动描述的生产步骤，即所谓的运动学。所以CAD-CAM过程完全不需要了，因为NC齿轮加工数据在生成过程中就已经同时生成这个过程了。

Connected Industry：

所以您认为工业4.0可以更好的优化流程。但是目前，也有一些技术，可以更颠覆式地优化过程，比如3D打印技术，您怎么看待？

Hartmuth Müller：

在CPP系统几乎保存了许多所需的数据，这些数据在将来肯定是要用于进程优化的。

对于3D打印，在很多应用场景中它确实非常的适用。尤其是在快速成型，或者是通过切削加工不可能实现的，具有复杂内部结构的系列产品生产。

但只要你能够进行切削加工的产品，并能数量达到一定的级别，3D打印就不再是一个好的选择。规模经济不能用3D打印来实现。

Connected Industry：

再回到CPPS，我们进一步探讨：您觉得物联网扮演着怎样的角色？

Hartmuth Müller：

物联网（IOT）是指更高层次对象交互连接的网络，在流程上具有超越潜力。举例来说，我们不仅可以实现机器监控，还能实时监控与规划所有其他资源。

在机床养护领域中，预防性维护是确切有效的方法。在这种情况下，基于统计信息，我们能够检测出各个部件的磨损情况。这样一来，我们就可以去更换磨损严重的组件，但是往往这样的零部件还没到使用寿命。

随着物联网的发展，人们可以从预防性维护向预测性维护迈出一大步。通过预测性维护，机床部件的磨损状态会由传感器检测并记录在数字系统中。既然现在已经知道磨损状态，我们就能在部件真正快达到寿命时才及时更换。所以，通过物联网人们可以更有效地使用资源，这样一来也更具成本效益。

Connected Industry：

您提到，在工业4.0中会生成很多数据。您如何看待大数据的发展？

Hartmuth Müller：

是的，它产生了大量的数据，但是往往人们数据丢失速度也很快。因此，我是“小数据分析”的支持者，即支持相对可控的数据集处理。首先，大数据听起来是很多数据的感觉，但仅凭数据断言则是愚蠢的。它需要聪明的头脑，将数据与已有知识相结合，并从中受益。

如今我们已经在使用机器数据，以确定异常情况的因果。关联模式的查找有益于因果关系的确定，即经营者或环境因素导致了某些异常。

我们能完成数据分析，得益于人工智能，我们与人工智能相距甚远。学术环境当然很重要，但对机床的现实理解仍然不够成熟。