工厂的智能管控：从系统节能谈起

智能化时代讲究“系统节能”。谈到“系统节能”，我想起若干年前的一件事。

有一次，有一位大咖来到宝钢讲“系统节能”。他讲的逻辑都非常简单。比如：在前工序发现缺陷并处理，比在后工序处理节能。讲完后，研究院的一位老领导找到我，不解地问：“郭博士，可能是我的水平低、听不懂：我怎么觉得他讲的都是废话呢？”。我把双手一摊：我也不知道他想讲什么。

我们知道：很多伟大的理论都是由一些简单逻辑构成的。欧几里得几何学、牛顿力学都是这样。许多著名的管理方法 论，往往也很简单，如SWOT分析、5W1H、PDCA、APQP等等。但是，这些简单的方法，往往有着深刻的内涵、能够帮助人们解决各种复杂的问题，都非常了不起。追求简单，是学术界的共识。

然而，把结论反过来，却不一定成立：简单的理论体系并不一定是了不起的。两者的关键区别在于：简单的方法是否可以帮助人们系统性地解决复杂问题。如果仅仅是模仿理论体系的“简单”而缺乏内涵的深刻，无异于东施效颦。这种简单其实是简陋、粗陋。

后来我意识到：真正想推进系统节能，首先要理解问题本身的复杂性。优秀的理论，一定是在认识到复杂性的基础上进行简化。

传统节能涉及到的系统往往比较小，如设备级的，而系统节能是在更大的系统级别上考虑节能。比如，要把生产系统和能源系统当成一个紧密耦合的系统来考虑、促进生产和功能的协同。

在传统企业里，生产、能源两个系统的耦合是相对较弱的。能源供给一般是服从于生产的。典型的做法就是：不论生产情况如何，空压机的压力一直保持在较高的水平。言下之意，保证生产是第一位的，浪费一点能源是允许的。系统节能的一个重要思想，是保持生产与能源供给的协同。也就是说，要把生产情况反馈给能源系统。比如：生产时保持正常的空气压力、不生产时就把空气压力降下来。于是，在强调协同的背景下，能源供给的原则就是：什么时候要什么时候给、谁要谁给、要多少给多少。当能源的产生和使用设备和子系统很多时，系统就复杂起来了。

现实中，能源的产生和使用不可能绝对平衡，而设备的状态、效率也是有差别的。这就涉及到开谁关谁、什么时候开和什么时候关的问题。如果根据设备状态做出决策，就会涉及到设备状态的评估和监测问题。于是，问题进一步复杂了。

传统上，总是能源供给服从于生产。但随着生产精细化程度的提升，生产过程也要考虑节能。现在一个典型的例子，就是在电价低谷的时候多开高耗电设备、电价高峰期的时候少用高耗电设备。再往后发展，这类做法 会越来越多。进而产品质量和产量、设备维护也要与生产、耗能等问题都要统一起来考虑。其本质，就是把原来通过解耦弱化关联的若干子系统，变成一个大系统。这时，问题就越来越复杂了。

“最优”的实现非一日之功，支持系统节能的软件系统必须提供持续改进的手段。工业互联网和工业大数据平台就应该起到这样的作用。这种系统需要支持对标找差、还要不断优化相关参数，实现PDCA持续改进。推进系统节能时，“系统”的内涵会越来越大。系统大了以后，系统的变化就是一种常态：不是这里变了，就是那里变了。系统变化后，管控系统软件自然也要随之变化。应对这种日常性的变化，也应该靠平台的支持。

前面这些问题，会涉及到众多的模型和算法。就像昨天文章说的：这些模型和算法，受到系统结构和参数的影响。当系统复杂化以后，相关的影响参数就会很多。模型或算法的精度降低就变成了日常的问题。于是，模型和算法的修订和自学习必须跟上。

当企业的运行高度依赖于数据时，对数据质量的要求会越来越高。这就好比，火车跑得快时，对信号和轨道质量的要求会不断提高。数据质量的内涵不仅包含精度，还包含数据的对应关系、数据获取的稳定性等多方面的内涵。可以设想：如果把极限节能作为企业追求的目标，数据本身的质量必须非常高。这时，人们就需要花大量的力气用于数据治理和维护。而数字孪生可能有利于数据的治理。

由此可见，我们谈“系统节能”时，背后强调的往往是大系统、是多个部门（子系统）的协同、是动态的协同。这些要求，会使得技术问题变得足够复杂。

过去遇到这样的复杂问题，我们往往望而却步。现在，我们或许应该改变一下心态：数字化的价值，恰恰体现在快速处理复杂问题。如果问题不是足够复杂，数字化技术往往变成“杀鸡用牛刀”，其价值又如何体现呢？

在许多工业领域，总是把绿色化和智能化放在一起。这是有道理的。