抽样质检远远不够

近年来，制造技术与IT技术、计量学等的跨界合作正在盛行，并由此带来测量技术和质量保障的双重飞跃。一些未来测量的雏形已经被勾勒出来，这从“走出测试室，进入生产线”的呼声中便可知晓。从以前传统的接触式测量、到最近几年流行的光学测量、再到目前能将工件“一眼看穿”的透视技术，相信你已经感受到，工业CT 测量时代已经到来。

Gisela Lanza教授被德国科学期刊“Bild der Wissenschaft”称作“120%的女人”，因为她在过去四年的工作中，成为德国卡尔斯鲁厄理工学院（Karlsruher Institut für Technologie，简称KIT）与汽车制造商戴姆勒公司（Daimler. ）“全球生产工程质量”项目的第一位跨界教授。这样一位活跃于全球生产系统前沿的专家，如何看待在工业4.0及工业物联网（IIoT）时代下“计量”对于质保的重要性？

在您看来，工业4.0为质保和计量带来了哪些影响？

Gisela Lanza教授：得益于传感器技术的的不断发展，我们一定能够获取更多的测量数据，从而改进对因果联系的检测。我甚至敢大胆假设，未来我们能够获取全部的测量数据，这意味着——质量数据（有价值的所有关键参数）将不再只是随机抽样，而是百分百被掌握。也就是说质量控制发生了根本性的变化，现在我们可以更接近公差范围。

在您看来，未来的质量控制将发生什么变化？

Gisela Lanza教授：我预测今后质量控制策略会朝着智能化、自适应的方向发展，其中一个例子就是“配对策略”可能会再度盛行，虽然生产人员通常会因为它涉及到复杂的数学计算以及物流支出而厌烦这种策略。但是将具有不同质量特征的部件成对使用，能够共同为公差要求非常高的组件提供帮助。当然，如果不是要求每个部件都必须满足规定的公差，那么，采用配对策略显然是一个不错的选择。比如发动机中使用的喷射器，其工作压力未来可能会达到3,000bar（巴），那么采用智能化、具备配对策略的在线测量技术就能够对生产参数进行动态地调整，从而开辟更多新的选择。

是否会在生产线内获得更多的数据？

Gisela Lanza教授：是的。当前呈现的一个趋势是从实验室测量走向在线测量，甚至还尝试在生产过程中集成各类测量设备和方法，进行数据汇总及比对公差范围，这样的状态监测能够实现控制回路的最小化。需要再次强调的是，测量不再单独地在测量室中进行，而是直接集成于生产过程中。因此，这就增加了应用于工厂和生产线上的模块式的计量需求，而标准化的测量设备则变得不那么受追捧了。计量正逐渐变为一个商业项目，其中为用户进行定制化设计是在未来竞争中获取成功的关键因素。

如果传感器走向集成：那么测量机的功能是否能被加入到机床中？

Gisela Lanza教授：这个目标很早就被提及了，到现在仍是一个令人激动的课题。但是，目前还存在许多挑战，比如成本较高，另外在生产过程中还会出现温度不适宜、清洁程度低等因素。此外，传统的金属切削工件往往要求非常高的测量精度。用户又想要一个独立的计量框架，理想的情况是使测量与加工同时进行，即所谓的并行测量。然而如今，使用机床测量已经成为高精度产品的标准程序。譬如博世（Bosch）公司就将这种方式用于其柴油喷射器的制造过程中。

对海量数据进行智能评估

当机床和生产流程借助传感器技术能够获得更多数据时，对于实时信号处理的能力意味着什么？

Gisela Lanza教授：就技术而言，单个传感器正在被分布式传感器网络所取代，因为网络基础设施是将在线测量的潜力和效率最大化的基本前提。用户希望对相关数据进行智能和互联的评估。譬如能够通过几种不同传感器的数据融合，得到综合的计量结果。而为了解释清楚这些计量结果中数据之间的复杂关系，神经网络（neuronal networks）这类的数据挖掘算法尤其适用。因此，对于实时信号处理方面的能力主要可以通过——能否将有用数据的相关性进行信号的过滤而进行考量。

未来工厂生产中的质量数据（工业大数据）将发挥怎样的作用？这些工业大数据能否更有价值的存在，并带来指导意义？

Gisela Lanza教授：这个问题目前尚不容易评估。这里的前提条件是要有一套完整的软件体系结构。一旦建立起完整的数据结构和接口，我期望能够通过增强设计技术，复杂性渐增的自适应自学习的控制回路来获取这些工业大数据。

在机加工车间，网络系统（网络）以及计量系统的软硬件等多者之间，如何能够展开卓有成效地协调？

Gisela Lanza教授：由于从生产过程、再到企业层面的典型的自动化系统这样金字塔式的架构正在消失，从而使跨层的信息交换变得至关重要。在这种情况下，与生产过程紧密相连的制造执行系统（MES）的重要性正在稳步增长。遗憾的是，你可以看见在未来几年内，如果没有MES，通过传感器直接利用和评估数据几乎是不可能的。此外，我们需要类似OPC/UA的统一接口标准，这是当前在自动化技术行业获得广泛认可的标准。

但如今这种所谓的实时控制的必要性似乎在某种程度上阻碍了整体的发展进程，所有一切真的都需要实时运行吗？

Gisela Lanza教授：我认为是有必要的。那样在实际生产中最多只会出现三个不合格的零件，而从第四个开始，一定会是合格品。以博世为例，他们通过MES 和IoT软件的相结合实现实时状况和数据的监控——把生产过程、测量数据及用户订单信息进行了有效的连接。

中国：正在迎头赶上

您同时也熟悉全球生产战略，就质保方面存在哪些国际差异？

Gisela Lanza教授：我想谈谈“新兴市场”，这些市场多指当今那些成本相对较低的国家和地区。在那些区域，测试仍然是在流程链的末端采用传统方式执行的。但值得注意的是，这些地区的变革速度令人惊讶，尤其是在中国，其在接轨工业4.0的过程中展现了极大的潜力。他们明白，如果要进行投资，那么没有什么能比将大把资金用于最新的技术上更具前景的了。

谈到中国，您作为位于苏州的全球先进制造研究所（GAMI）的负责人，相信已经十分了解当地在质量保障方面的具体情况，请问，中国的生产厂家与欧洲工业界的同仁们在战略上有何区别？

Gisela Lanza教授：在欧洲那些older brownfield（国外直接投资的形式，但母公司不自己建造新厂房，而是购买或者租赁原有设施），他们通常也都为生产线配置了传感器技术。而在中国，如今的主要趋势是建造新工厂，因此他们也在为新生产线配置大量的内在传感器技术。当前，我观察到的是——中国正准备对工业4.0进行一系列的大量投资。

他们在硬件上投资不菲，通常都会结合自动化技术。然而，我认为这样做其实也不意味着能完全实现工业4.0，因为工业4.0和必要的系统能力不是你能够买到的。毕竟，如果一家公司对其中所涉及的系统一知半解，即便是最好的测量机器又有何用？不过，对中国来说，年轻的劳动大军对IT应用的接受度更高，这一点倒是有利的。但往往还是缺乏对于控制回路工作原理的基本理解。