中文字幕亚洲欧美日韩在线不卡,亚洲欧美日产综合在线网性色,思思久久精品6一本打道,综合视频中文字幕

前言

經(jīng)過幾十年發(fā)展，我國逐步建立起了門類齊全、獨立完整的工業(yè)制造體系，制造業(yè)增加值連續(xù)12年居于世界首位。中國制造業(yè)企業(yè)在各個細分領域的市場份額不斷攀升，例如在鋰電池行業(yè)，2021年全球動力電池裝機量TOP10企業(yè)中中國企業(yè)就占據(jù)6席，市場份額達到48.6%。

中國制造的龐大產能規(guī)模優(yōu)勢也體現(xiàn)在出口方面，2021年我國出口21.73萬億元，同比增長21.2%。家電、手機、計算機、集成電路等8類機電產品出口均超千億美元。但是，出口貿易總量或貿易順差額并不能真實反映中國制造業(yè)的競爭力。

從全球價值鏈上來看，中國制造業(yè)核心競爭力仍然不強。具體從貿易增加值和國民收入視角來看，生產出口賺得的一部分收益其實是要被劃分為外國國民收入[1,2]。在全球價值鏈中，中國制造業(yè)主要還是在賺取加工費，一部分中國企業(yè)仍然依賴于外國資本要素和技術要素，歐美國家則掌握著通過專利技術等要素來獲取收益的方式。

目前我國制造業(yè)面臨“雙向擠壓”的局面沒有發(fā)生根本性扭轉。一方面在中低端領域面臨其他發(fā)展中國家的競爭，我國已經(jīng)不能延續(xù)21世紀初期依靠人口紅利的發(fā)展模式，即繼續(xù)依靠人工大規(guī)模生產低附加值工業(yè)品。另一方面，在中高端領域，我國制造業(yè)企業(yè)自動化、智能化程度相較于發(fā)達國家還較低，還沒有完全掌握重點行業(yè)的關鍵核心技術，在研發(fā)設計和國際標準制定等方面還沒有足夠的主導權。

正是在這種情形下，我國政府提出要實現(xiàn)智能制造，在“十三五”、“十四五”期間連續(xù)編制智能制造發(fā)展規(guī)劃，促進制造業(yè)企業(yè)實現(xiàn)數(shù)字化、網(wǎng)絡化、智能化轉型，向制造強國邁進。本文將結合筆者觀察到的一些產業(yè)前沿進展來重點闡述如下幾個方面：

一、如何理解智能制造

談及智能制造，首先就需要從企業(yè)需求角度出發(fā)。制造業(yè)企業(yè)最關心的是質量能不能更好？成本能不能再低一些？怎么讓交付更快？說到底是制造業(yè)本身對規(guī)模效應的追求，特別是在當今市場需求愈發(fā)多樣化、個性化，企業(yè)需要具備更強的柔性制造能力和產品設計創(chuàng)新能力。智能制造正是要回應企業(yè)對規(guī)模效應和柔性化制造這兩方面的訴求。

智能制造是要貫穿企業(yè)研發(fā)設計、生產制造到服務的全過程，核心落腳點是在制造環(huán)節(jié)，特別是在工藝和裝備兩方面上。我們的分析也將從裝備工藝開始逐步延伸至設計仿真、服務環(huán)節(jié)。

中國制造要向中高端領域邁進，生產出更高性能、更高精度的高質量產品，勢必將對工藝和裝備以及企業(yè)正向設計能力提出更高的要求。實現(xiàn)智能制造，企業(yè)需要使用智能化的裝備，在生產過程中形成更優(yōu)的生產工藝，做出全局最優(yōu)的生產和研發(fā)決策。而不是僅僅停留在看一個顯示生產過程數(shù)據(jù)的大屏系統(tǒng)，又或者是單純的可視化渲染界面，新技術的應用還是要深入生產過程中去，避免“高大全的花架子”。

從控制論的角度來看，實現(xiàn)智能制造應理解為是要打造一個閉環(huán)控制系統(tǒng)，控制目標即為實現(xiàn)最佳生產工藝流程，達到最佳生產狀態(tài)。控制系統(tǒng)運行的關鍵在于可以實現(xiàn)良好的負反饋調節(jié)，以及實現(xiàn)從決策端到執(zhí)行端的打通。閉環(huán)控制系統(tǒng)的覆蓋范圍可以是一臺機器或者一條生產線，也可以是一個車間、一個工廠甚至是一條產業(yè)鏈。同時，這個系統(tǒng)具有自適應性。

圖片來源：36氪制圖

由此可見，智能制造包含感知、決策和執(zhí)行三個要素，通過工業(yè)物聯(lián)網(wǎng)、邊緣計算等技術收集系統(tǒng)內產品、設備、車間和企業(yè)的運行狀態(tài)，這些數(shù)據(jù)經(jīng)過處理后會匯總到工業(yè)數(shù)據(jù)平臺上。最為核心的是決策中樞，過去企業(yè)的生產決策都是以依靠人的經(jīng)驗判斷為主，智能制造系統(tǒng)中決策將逐漸以數(shù)據(jù)驅動+工業(yè)機理融合模型的判斷為主，決策中樞將具有自適應性。執(zhí)行系統(tǒng)也是必不可少的，現(xiàn)在也有企業(yè)將RPA技術應用到一些固定的機臺聯(lián)動操作流程上，減少人工操作，進一步提高生產的自動化程度。

二、智能制造的底層基礎是數(shù)字化

新一代信息技術與制造業(yè)深度融合，引發(fā)出一個重要變化：數(shù)據(jù)作為一種新型生產要素逐漸得到產業(yè)界的重視?？梢钥闯?，智能制造的底層基礎是數(shù)字化，即數(shù)據(jù)需要在系統(tǒng)內得到精準的采集、傳輸、存儲和分析。智能制造的核心數(shù)據(jù)來自裝備和工藝過程，在此基礎上包含裝備與生產管理軟件間的交互，以及軟件間的交互。

整個系統(tǒng)要對數(shù)據(jù)實現(xiàn)整合分析和閉環(huán)控制，就需要面向工業(yè)物聯(lián)網(wǎng)場景的數(shù)據(jù)接入和轉換協(xié)議方案、消息中間件、時序數(shù)據(jù)庫或實時數(shù)據(jù)庫、邊緣AI推理框架或工具乃至一整套的云邊端AutoML平臺。

圖片來源：36氪制圖

以數(shù)據(jù)存儲環(huán)節(jié)的數(shù)據(jù)庫為例，由于工業(yè)物聯(lián)網(wǎng)場景下的工業(yè)數(shù)據(jù)規(guī)模巨大，例如GoldWind每個風機部署有120-510個傳感器，數(shù)據(jù)采集頻率最高會達到50HZ，2萬臺風機每秒就會有5億個時序數(shù)據(jù)，這些海量數(shù)據(jù)的存儲和實時計算就會對數(shù)據(jù)庫提出更高要求[3]。

在實際訪談和調研中發(fā)現(xiàn)，工業(yè)數(shù)據(jù)的收集、協(xié)議的轉換確實是一個令人頭疼的問題，因為采集的物理量會有很多，工業(yè)協(xié)議又有很多種，業(yè)界也有在探索應用OPC UA over TSN等技術解決這類問題。但更重要的問題是采集哪些數(shù)據(jù)更有用，以及數(shù)據(jù)收集后怎么把數(shù)據(jù)用起來。這里面還是要以工藝優(yōu)化、生產決策優(yōu)化為導向，不能為了采集而采集，為了上數(shù)據(jù)平臺而上數(shù)據(jù)平臺。

數(shù)字化、網(wǎng)絡化和智能化是相互支撐的，不實現(xiàn)智能化變革，數(shù)字化轉型也會失去方向和價值支撐。僅以生產過程為例，生產過程中自動化設備產生的生產數(shù)據(jù)沉淀下來，網(wǎng)絡化就是指通過網(wǎng)絡技術將數(shù)據(jù)傳輸至數(shù)據(jù)平臺或現(xiàn)場控制系統(tǒng)中，更重要的是對數(shù)據(jù)進行分析處理，實時決策控制裝備和工藝過程，實現(xiàn)智能化生產。

三、實現(xiàn)智能制造應當聚焦裝備和工藝

智能制造涉及裝備、生產工藝、生產決策、產品全生命周期管理、研發(fā)設計等方面，這些方面始終圍繞的核心是質量。

質量是制造業(yè)企業(yè)的生命線，而質量依賴于可靠的裝備和先進的工藝。裝備承載工藝，工藝引導裝備，兩者不可分割并且會相互促進。因此智能制造的重點首先是要深入工藝生產環(huán)節(jié)，落在裝備智能化和生產智能化上。裝備和生產工藝智能化特別需要企業(yè)將新一代信息技術與先進制造技術融合，但不是一味強調AI一類的新技術。認為有了新技術可以解決一切問題或者彎道超車的觀點是有失偏頗的，實現(xiàn)裝備和工藝智能化需要立足制造規(guī)律和工業(yè)基礎。

裝備方面，機床是最為重要的機械裝備，主要分為切削加工和成形機床兩大類。其中切削加工機床的智能化主要在以下方面：通過實時采集振動、主軸溫度、切削力具備感知力，進而可以針對外界環(huán)境和機床及刀具本身狀態(tài)的變化進行自適應決策，即動態(tài)實時優(yōu)化控制進給深度、進給速度和切削速度以及溫度誤差補償?shù)?，同時防止刀具過度磨損。但是機床的加工工藝目前仍然需要工藝規(guī)劃人員人工設置，尚未實現(xiàn)自主規(guī)劃和自適應的優(yōu)化，無法高效應對多品種小批量的柔性生產需求[4]。

再以金屬塑性加工中的鍛壓裝備為例，目前鍛壓裝備正在數(shù)控技術基礎上向智能化邁進，通過分散多動力、伺服電動機直接驅動和集成一體化等技術途徑滿足智能化鍛壓設備生產過程高效、柔性、高精度的要求[5]。

在新興的增材制造領域，國外公司Markforged通過嵌入AI算法驅動的軟件并結合IoT傳感器提升裝備的智能化程度。其增材制造裝備可以自適應地打印零部件，實時進行公差補償和路徑優(yōu)化。而且每一臺3D打印機的打印流程數(shù)據(jù)都會沉淀在云端平臺，于是整個增材制造系統(tǒng)將通過這種聯(lián)合學習實現(xiàn)自我優(yōu)化，用戶也將得到更精確的制造流程。對于增材制造這種成型同時成性的制造方式，軟件提供的智能化價值更加重要。

在工業(yè)機器人智能化方面，自適應編程軌跡規(guī)劃的需求日益增長，學術界和業(yè)界都在進行探索。業(yè)界如摩馬智能自主研發(fā)認知智能算法訓練平臺，將基于AI的自適應軌跡規(guī)劃算法下發(fā)到邊緣端，使得機器人可以根據(jù)不同產品的生產工藝及周圍環(huán)境的變化，實時做出動作決策。如此，工業(yè)機械臂的部署時間可以縮短到十幾小時甚至是幾個小時。對企業(yè)來說，節(jié)省換線部署成本和人工調試成本是具有很高價值的[6]。

工藝方面，目前主要通過機理模型和數(shù)據(jù)驅動模型兩種建模方式來實現(xiàn)智能化。又因為實際工業(yè)場景中的諸多工藝過程大多具有非線性、時變性及復雜多尺度的特點，有的場景甚至無法建立完整的機理模型或者建立難度非常大，所以通常會將機理模型和以AI技術為基礎的數(shù)據(jù)驅動模型融合起來，實現(xiàn)工藝過程的自主學習迭代和智能決策控制。

流程行業(yè)中張夢軒等總結了將化工過程的第一性原理及過程數(shù)據(jù)和AI算法相結合的混合建模方法。混合模型可以綜合機理模型和數(shù)據(jù)驅動模型各自的優(yōu)點，應用在化工過程中的監(jiān)測、優(yōu)化、預測和軟測量方面[7]。

離散行業(yè)中的塑性加工的鍛造成形過程也是一個復雜的非線性時變過程，加上實際場景中還可能存在油液泄漏等眾多不確定的干擾因素，所以精準鍛造過程控制難度很高。單純依靠機理模型的控制策略存在偏差。將基于物理動力學的機理模型和具有在線樣本學習能力的數(shù)據(jù)驅動模型結合起來，可以在鍛造過程中對鍛造工藝參數(shù)進行實時調整與補償，實現(xiàn)鍛造過程的智能化控制[8]。

再比如工業(yè)中應用場景最為廣泛的工藝：焊接。目前無論是船舶分段制造中的焊接，還是動力電池組的電阻點焊，大多依賴人工焊接[9]。正式焊接前通常需要進行大量嘗試各種焊接參數(shù)組合，才能得到制造需求的最優(yōu)參數(shù)，這種“試錯法”耗時長、材料消耗大。

星云電子的徐海威等研究發(fā)現(xiàn)利用貝葉斯極限梯度提升機(Bayes-XGBoost)與粒子群優(yōu)化(PSO)算法結合預測最優(yōu)參數(shù)，可以幫助電阻點焊工程師面對新的動力電池組生產需求時快速選取合適工藝參數(shù)，提升人工焊接生產效率，避免耗費大量材料[10]。

其次，無論是人工焊接還是機器人焊接，其焊接過程仍屬于開環(huán)控制。即使是高度自動化焊接機器人產線，其焊接過程和質量都不是完全可控，單機的誤差累計和多機之間的相互影響都會影響焊接質量，而焊接質量直接決定了產品安全性能。比如一臺汽車白車身的焊點數(shù)量在4000~7000個，為了保障焊點質量，國內外車企都會在自動化焊接后進行人工抽樣檢測，再根據(jù)抽檢結果進行焊接工藝參數(shù)的離線調整。但這種事后抽檢無法做到100%質量保障，一旦出現(xiàn)問題就會批次召回，損失很大。這就迫切需要針對工藝過程環(huán)節(jié)的在線控制和實時質量評價技術[11]。

圖片來源：視覺中國

對于人工焊接，工藝智能分析技術可以將IoT層面收集的實時信息和分析結果通過MES下發(fā)到現(xiàn)場，幫助企業(yè)實現(xiàn)生產加工缺陷實時智能診斷。

對于焊接機器人，可以采用基于焊工智能技術的方法提升焊接機器人智能化水平，思路是使機器人具備類似人類焊工的學習動態(tài)焊接問題的能力，主要通過視覺、體覺和思維上在線感知實時焊接狀態(tài)，并具備類似焊接工人對焊接場景形成記憶的學習能力。在焊接過程中，機器人主要基于熔池動態(tài)捕捉和識別算法實現(xiàn)對熔池的動態(tài)監(jiān)測，并通過調整焊接速度和焊接電流兩個工藝參數(shù)對熔池進行實時控制，最終得到受控的連續(xù)均勻焊縫[12]。該方法屬于一種基于質量在線評價的工藝實時閉環(huán)控制技術。

應用這類智能化焊接技術可以有效解決焊接機器人的自適應決策控制難題，不僅可以幫助企業(yè)實現(xiàn)加工過程的精確控制，獲得最佳的材料組織性能與成型質量，還可以幫助企業(yè)節(jié)省下來日常調試和換線部署機器人的時間成本和高昂的人工成本。

上述參數(shù)尋優(yōu)、質量在線評價及實時控制技術在業(yè)界也已經(jīng)開始了相關產業(yè)實踐，比如蘊碩物聯(lián)和大熊星座。

從以上例子可以看出，就工藝智能化而言，其控制目標是生產條件達到最優(yōu)，產成品良率得到提升，減少交付時的殘次品數(shù)量。我們會很自然地發(fā)現(xiàn)，相較于在質檢環(huán)節(jié)單點式地運用檢測技術，工藝智能可以從源頭上解決質量問題，因為前者只是一種事后檢驗評價。

誠然，廠商需要對缺陷等產品殘次情況進行檢測，目前AI技術在工業(yè)中的應用也主要集中于視覺檢測，但廠商更需要形成對殘次原因追根溯源和精細化工藝參數(shù)反饋控制的能力。由此，單純的機器視覺、設備制造乃至工業(yè)軟件等公司都可以從自身產品出發(fā)逐步擴展，實現(xiàn)更大范圍內的智能優(yōu)化。

這方面舉一些半導體行業(yè)中將工藝制程優(yōu)化和視覺檢測結合的案例，例如應用材料公司將機器學習算法融入ADC（自動缺陷分類）技術中，其Purity II ADC技術拓展了應用材料SEMVision G7系統(tǒng)的機器學習能力?；贛L算法進行實時自動分類、缺陷檢測和根本原因分析，可以促進半導體制造企業(yè)工藝和良率管理水平的提升[13]。

國內的初創(chuàng)公司哥瑞利、昆山潤石科技等也在進行類似工作，將工藝制程管理的FDC（自動失效分類系統(tǒng)）和ADC系統(tǒng)結合起來，使用AI算法并融合IoT設備采集的過程數(shù)據(jù)，共同形成了一個可實現(xiàn)負反饋調節(jié)的制程優(yōu)化控制系統(tǒng)，幫助企業(yè)快速定位缺陷產生原因、優(yōu)化工藝，進而可以縮短產線調試周期和提升良率。

上述列舉了裝備和工藝智能化方面的典型案例，這些案例都是從制造業(yè)最關心的質量問題出發(fā)，以實現(xiàn)生產過程的實時自適應決策控制為目標。這些智能化技術將以軟件形態(tài)交付給設備使用企業(yè)甚至是設備制造商。持續(xù)沉淀積累的工藝數(shù)據(jù)將不斷加強這類工藝智能軟件的技術壁壘。對于裝備制造業(yè)企業(yè)來講，需要從單純提供硬件產品轉變到同時交付軟件和硬件產品，提高客戶粘性，加強自身技術壁壘。

四、制造工藝和設計仿真協(xié)同促進正向設計

上一節(jié)闡述了應用裝備和工藝的智能化技術實現(xiàn)精準過程控制，進而保證產品質量和良率。但是產品良率提升并不是從生產環(huán)節(jié)的設備控制和工藝優(yōu)化開始的，而是在設計仿真環(huán)節(jié)就可以開始介入，特別是在正向設計開發(fā)新產品新工藝的階段。

例如在鋰電池制造過程中，涂布、干燥、輥壓、pack這些工藝中的參數(shù)變化以及工藝間的相互作用會怎樣影響最終電池性能（能量密度和循環(huán)次數(shù)）?，F(xiàn)在業(yè)界主要還是使用“試錯法”來對工藝進行驗證，但是效率較低、耗費成本較高。這就需要利用設計仿真軟件平臺進行虛擬測試驗證，節(jié)省下真實世界中物理測試的成本。

Alejandro A. Franco主導建設了一個名為“ARTISTIC”的項目，該項目受到歐盟地平線2020科研計劃的資助。該項目團隊建立了一個模擬鋰離子電池制造過程并預測其電化學性能的計算平臺。該技術平臺通過離散元法和粗?；肿觿恿W（coarse grained molecular dynamics）模型基于工藝參數(shù)預測電極介觀結構，再基于連續(xù)介質模型利用介觀結構數(shù)據(jù)預測電池宏觀上的電化學性能表現(xiàn)。可以看出該項目在嘗試建立一個材料-工藝-（極片）結構-性能的多尺度仿真平臺[14]。

圖片來源：ARTISTIC項目官網(wǎng)

此外，該項目綜合利用DoE試驗設計（Design of Experiement）、物理模型和機器學習算法的混合建模方法，來預測材料、電極制造和電池性能之間的最佳組合。即將DoE試驗和物理模型得到的結果，經(jīng)過一個數(shù)據(jù)驅動的隨機電極介觀結構生成器擴大樣本，再將這些樣本用于訓練機器學習算法，以求得到制造工藝參數(shù)與電極性能之間的關系[15]。

這意味著該平臺甚至可以用來基于目標需求進行反向規(guī)劃，例如給定一個電池目標性能和材料，確定合適的制造工藝參數(shù)，比如干燥環(huán)節(jié)中的溫度控制[16]。

鋰電池設計仿真與制造工藝協(xié)同方面，國內業(yè)界已有出現(xiàn)探索相關實踐的創(chuàng)業(yè)公司。

其實不只是電池行業(yè)，許多行業(yè)的正向設計環(huán)節(jié)也需要通過制造工藝-設計仿真協(xié)同來提升研發(fā)效率，以更快速度、更低成本實現(xiàn)技術創(chuàng)新和產品創(chuàng)新。

在半導體行業(yè)，隨著芯片技術節(jié)點進一步變小、設計和工藝復雜性進一步提高，開發(fā)新技術節(jié)點工藝的成本激增、周期拉長。晶圓廠為加快工藝節(jié)點的開發(fā)速度，需要與半導體設計企業(yè)更緊密地協(xié)同開發(fā)迭代，集成電路設計企業(yè)也需要更早地介入到工藝開發(fā)階段中，使得器件設計和工藝開發(fā)能夠進行針對性的優(yōu)化從而滿足自身定制化需求。

于是設計-工藝協(xié)同優(yōu)化（DTCO）的理念方法就在14nm技術節(jié)點以后逐漸發(fā)展起來，其主要作用就是在合理優(yōu)化和利用新工藝技術節(jié)點工藝能力的基礎上，同時優(yōu)化系統(tǒng)PPAC（ 性 能 performance, 功 耗power, 密度 area，成本cost）[17]。

DTCO對于新工藝開發(fā)及良率優(yōu)化非常重要。從DTCO的角度看，良率優(yōu)化貫穿設計到制造的全過程，需要多環(huán)節(jié)協(xié)同迭代。例如在版圖設計環(huán)節(jié)上，如何有效識別壞點圖形，并且據(jù)此優(yōu)化對基于同一工藝的其他芯片設計方案，可以提升后續(xù)設計和制造的良率。

除了設計和制造環(huán)節(jié)之間的協(xié)同外，材料因素也非常重要。應用材料公司在DTCO的基礎上提出要實現(xiàn)materials to device simulation，原因在于器件尺寸不斷縮小、更多復雜3D幾何形狀被采用以及新材料的引入，半導體器件仿真變得越來越復雜。這就需要采用新的多物理場多尺度仿真工具，將器件性能與材料特性聯(lián)系起來，系統(tǒng)研究材料、幾何形狀以及工藝的變化將如何影響器件的電學性能，以此優(yōu)化器件設計[18]。

圖片來源：應用材料公司官網(wǎng)

materials to device simulation和DTCO在應用材料手中開始呈現(xiàn)融合的趨勢，應用材料公司在2021年發(fā)表的一篇論文中提出了Materials to Systems Co-Optimization，希望實現(xiàn)從材料到系統(tǒng)的多尺度協(xié)同優(yōu)化[19]。可以發(fā)現(xiàn)這個思路就和上述我們提到的鋰電池“ARTISTIC”項目的非常類似，都是希望將設計仿真從微觀尺度的材料一路擴展到宏觀尺度的終端產品，并以此確定最佳工藝路線和參數(shù)（覆蓋前道、中道及后道中多個工藝環(huán)節(jié)）。

對于我國半導體企業(yè)來說，DTCO預計可能成為優(yōu)化成熟技術節(jié)點下的產品競爭力、降低先進工藝開發(fā)成本并縮短工藝開發(fā)周期的優(yōu)選方案，可以幫助中國Fab/IDM加快先進工藝開發(fā)，縮短TTM（time to market）, 提升相同技術節(jié)點下芯片制造良率和可靠性，從而提升核心競爭力。DTCO也將幫助EDA企業(yè)沿著產業(yè)鏈拓展用戶群，類似的邏輯在剛才提到的鋰電池行業(yè)也存在。

從鋰電池和半導體這兩個行業(yè)的前沿案例可以看出，制造工藝與產品設計仿真的協(xié)同趨勢日益凸顯，而制造業(yè)的核心競爭力最終會歸結到如何更加快速地找到匹配材料的最佳制造方法，以及材料方面的開發(fā)。因此，我國工業(yè)設計仿真軟件需要在實現(xiàn)自主可控的基礎上，進一步實現(xiàn)制造工藝-設計仿真協(xié)同優(yōu)化

在協(xié)同優(yōu)化中，設計仿真也可以應用于裝備優(yōu)化，以此實現(xiàn)更佳的工藝效果。例如北方華創(chuàng)在PVD設備研發(fā)方面掌握使用了自主研發(fā)的腔室設計與仿真模擬技術，其硅外延設備在感應加熱高溫控制技術、氣流場、溫度場模擬仿真技術等方面取得突破，可實現(xiàn)更優(yōu)異的外延工藝效果。

再比如鋰電設備頭部企業(yè)先導智能組建了40人的博士仿真設計團隊集中攻關疊片工藝中的粉塵問題。為什么要解決粉塵問題？因為疊片時產生的細微粉塵堆積在電池芯的表面會影響電池芯質量以及組裝后的電池性能。該團隊通過多物理場仿真模擬對疊片機進行優(yōu)化設計，保證裝備達到車規(guī)級電池制造要求，實現(xiàn)更好品控[20]。

綜合上述兩節(jié)內容，我們的視角從裝備工藝環(huán)節(jié)拓展到了設計仿真環(huán)節(jié)，可以看出裝備、工藝、材料和產品之間是緊密聯(lián)系的。裝備工藝的嵌入式軟件使裝備可以應對不斷變化的材料工藝，在柔性生產情況下形成最優(yōu)參數(shù)組合，獲得高質量產品。研發(fā)設計平臺也需要協(xié)同制造工藝仿真來優(yōu)化新產品的開發(fā)，降低正向設計耗費成本，提升研發(fā)效率和產品良率。

五、網(wǎng)絡化支撐企業(yè)設計仿真、生產制造及服務全流程協(xié)同

上一節(jié)談到設計仿真，當前企業(yè)對于實現(xiàn)高效協(xié)同設計仿真的需求越來越迫切。協(xié)同設計仿真需要統(tǒng)一的數(shù)據(jù)接口以及應用云計算、HPC等技術。以汽車行業(yè)舉例，產品設計的數(shù)據(jù)可能會在車企內部的不同部門間流轉，也可能會和外部供應商進行數(shù)據(jù)交互，但是不同部門使用的軟件平臺不同導致數(shù)據(jù)交互阻礙很大，具體比如電氣控制、機械、材料、工藝和智能駕駛等各方面的建模各成一個系統(tǒng)，各系統(tǒng)間也缺乏統(tǒng)一的協(xié)同交互。

為了解決協(xié)同仿真的難題，目前業(yè)界開發(fā)了仿真模型交互接口FMI（Functional Mockup Interface），可適用于不同仿真軟件之間的模型交換，并可將模型封裝為FMU（Functional Mockup Unit）用以協(xié)同仿真。

此外，如果涉及一個大型項目研發(fā)，不同部門會希望能夠實現(xiàn)同時在線設計仿真，而這就需要云計算和HPC（High performance computing）技術的支持。例如在CAD領域，當前設計方式已經(jīng)逐漸由單人離線設計向多人在線協(xié)同設計轉變。華天軟件研發(fā)了基于云架構的CrownCAD。CrownCAD包含其自主研發(fā)的三維幾何建模引擎DGM、2D以及3D約束求解引擎DCS，具有高效的參數(shù)化應用層機制，這種基于云存儲、云計算、云渲染技術的CAD可以支持超大規(guī)模的協(xié)同設計[21]。

其實不光是設計仿真環(huán)節(jié)需要網(wǎng)絡化協(xié)同，制造業(yè)企業(yè)還需要將研發(fā)設計、生產制造及服務各個環(huán)節(jié)的數(shù)據(jù)和信息模型都打通，以此提升自身經(jīng)營效率。

由此，我們討論的范圍就從前兩節(jié)的生產和設計仿真環(huán)節(jié)，進一步拓展到產品的運營服務環(huán)節(jié)。

目前業(yè)界嘗試通過搭建工業(yè)物聯(lián)網(wǎng)平臺（Industrial IoT Platform）或者說工業(yè)PaaS平臺來實現(xiàn)全流程協(xié)同管理。即制造業(yè)企業(yè)基于IIOT平臺實現(xiàn)研發(fā)設計、生產制造及服務全流程的提升和產品的全生命周期管理。

從這一點上來說，工業(yè)物聯(lián)網(wǎng)平臺或者說工業(yè)PaaS平臺是要搭建一個多方協(xié)作的橋梁。例如位于Gartner IIOT魔力象限中位于頭部位置的PTC ThingWorx，就是一個具備設備互聯(lián)、數(shù)據(jù)存儲（集成第三方時序數(shù)據(jù)庫）、數(shù)字建模、智能分析、應用開發(fā)及增強現(xiàn)實的整體IIOT解決方案。

PTC在ThingWorx的基礎上，結合自身CAD/PLM/AR等產品線，將制造業(yè)研發(fā)、制造及服務的業(yè)務線整體聯(lián)系起來，幫助制造業(yè)企業(yè)客戶實現(xiàn)內外部協(xié)作和產品的全生命周期管理。

圖片來源：36氪制圖

上圖以PTC客戶德國的e.Go汽車制造商的情況為例：在研發(fā)設計階段，供應商和制造商可以在同一個CAD和PLM系統(tǒng)中基于統(tǒng)一的產品數(shù)據(jù)進行協(xié)作，提高交付效率。制造過程中，操作員可以借助平板電腦上的AR 應用程序來識別他們正在查看的產品的配置，并可實時調用質量檢查的標準以便對照。另外在產品售后服務環(huán)節(jié)中，企業(yè)通過物理VIN編碼追蹤汽車各個零部件；持續(xù)更新的部件數(shù)字孿生模型將反映發(fā)動機、傳動系統(tǒng)等部件的后續(xù)變化，企業(yè)以此為汽車提供預測性維護服務，保障產品壽命，并將實際運行數(shù)據(jù)反饋給設計端。

綜合來看，制造業(yè)企業(yè)實現(xiàn)內部高效協(xié)同的挑戰(zhàn)有很多，比如硬件設備種類多，沒有統(tǒng)一的數(shù)據(jù)接口，各環(huán)節(jié)不連貫。這也就是為什么提出推進兩化融合，這也就是為什么工業(yè)4.0的一個終極目標就是讓軟件定義制造。試想一下，如果所有的制造單元都可以通過軟件柔性拼接（中間由AMR連接工序），所有子系統(tǒng)內的設計仿真模型都可以相互交互，整個工廠具備了強大的互操作性，運營效率就將得到極大提升，制造業(yè)企業(yè)將不再這么笨重。當然實現(xiàn)這個圖景絕非朝夕之間就能達成，需要長久的努力。

六、數(shù)字化支撐制造業(yè)提升管理水平&企業(yè)生產決策智能化

以上闡述的主要是側重技術方面的創(chuàng)新應用，但是對于企業(yè)來說技術和管理不可偏廢。現(xiàn)在很多制造業(yè)企業(yè)的日常管理方式還很粗糙，例如在紡織業(yè)中，印染廠的訂單下放、報工、坯布入庫、領料、成品出庫主要通過人員手工填報完成，實時性差且受人為因素影響大。管理者如果想了解一個訂單的情況可能得花上幾個小時才能準確得知全貌，車間管理者處理生產異常事件效率較低。這些又不是MES系統(tǒng)所能完全解決的。

對于任何一個制造業(yè)企業(yè)，管理水平的提升是非常重要的，比如如何對知識進行有效的管理、如何轉變日常生產活動的管理方式和手段等等。數(shù)字化技術對管理的支撐作用不可忽視，目前出現(xiàn)一批初創(chuàng)公司開始幫助制造業(yè)企業(yè)進行移動端的數(shù)字化改造，通過交付生產管理SaaS軟件提高企業(yè)工廠管理水平，可以提高企業(yè)車間管理的協(xié)同效率，如專注紡織業(yè)的數(shù)制科技，還有服務離散制造行業(yè)的羚數(shù)智能等。

企業(yè)日常管理中最重要的部分是生產決策，決策覆蓋的層次會從裝備、產線一直到車間、企業(yè)乃至整條上下游供應鏈。幫助企業(yè)實現(xiàn)生產決策智能化是智能制造的一個重要方面。目前在企業(yè)層次的生產決策方面，大部分企業(yè)主要通過高級排產人員依靠自身經(jīng)驗和業(yè)務規(guī)則進行排產，工具上還在使用Excel，算法方面仍以啟發(fā)式規(guī)則算法或遺傳算法等算法為主。但是，單純依賴高級排產人員的經(jīng)驗很難實現(xiàn)決策的精準性和合理性，特別是在柔性生產的場景中。這就需要基于運籌學和AI算法的APS系統(tǒng)來幫助企業(yè)進行排產決策。

企業(yè)生產過程中，有效加工時間其實占比很少，90-95%的時間其實都是在等待物料運輸、上下料和定位等中間環(huán)節(jié)上消耗掉了。部署AGV/AMR可以幫助企業(yè)實現(xiàn)生產搬運和倉儲管理的自動化，提升廠內物流的自動化程度，進而可以使生產線上各設備之間的運作更為協(xié)同高效，提升企業(yè)OEE。在實際實施過程中，AMR的實時調度算法非常重要，而且AMR的實時調度也要和APS系統(tǒng)對企業(yè)整體生產調度結合起來，確保決策計劃層和執(zhí)行層之間數(shù)據(jù)互通。

值得注意的是，無論是APS還是AMR，都需要注重提煉與企業(yè)生產工藝密切相關的調度規(guī)則和產能平衡設計，將企業(yè)制造資源和工藝流程完全融合，如此才可能滿足客戶對生產過程中產能和效率的需求。

生產決策也可以從一家企業(yè)延伸至一條產業(yè)鏈的上下游，在上下游企業(yè)之間實現(xiàn)協(xié)同制造。例如浙江省正在對30個細分行業(yè)推行的產業(yè)大腦，通過產業(yè)鏈的整體數(shù)據(jù)輔助企業(yè)動態(tài)決策，可見政府也在這方面進行有益的嘗試。還有比如深圳的云工廠、上海的捷配科技等在嘗試打造分布式制造系統(tǒng)，分布式制造系統(tǒng)在競爭格局分散的行業(yè)環(huán)節(jié)中具有市場價值，如紡織、機加工和SMT等行業(yè)。中小型企業(yè)由于具有產能利用率不高、外協(xié)程度高、信息不對稱，通過制造平臺公司可以實現(xiàn)集中訂單和供應鏈采購，整合產能共享協(xié)同，提升整體行業(yè)交付效率。國外的Protolabs可以算是這個領域的一個標桿。

七、智能制造領域的人才和初創(chuàng)企業(yè)

人才對于任何一個行業(yè)都是非常重要的。這里需要強調的是制造過程本身積累的知識需要通過人才沉淀下來服務于設備設計、工藝優(yōu)化，逐步凝結成新一代的硬件設備和工業(yè)軟件。因此在裝備智能化、生產過程智能化乃至設計仿真與工藝協(xié)同的發(fā)展過程中，設備工程師和工藝工程師的作用不可忽視。未來也需要越來越多懂工業(yè)技術的軟件工程師參與工業(yè)數(shù)字化、智能化的歷史進程中來，工程師的工作內容也將更多放在工業(yè)知識沉淀和數(shù)據(jù)分析研判方面。

從供給端來看，國內經(jīng)驗豐富的技術工人數(shù)量較少、培訓周期長，且部分領域呈現(xiàn)青黃不接的趨勢，逐漸成為稀缺資源。例如高級焊接工人，高級排產人員，高級工藝工程師（例如半導體刻蝕環(huán)節(jié)），以及機器人部署調試工程師等等。而這些高級技術人才面對的生產場景普遍具有多品種、小批量的特點，這一特點也在不斷加強。這也意味著如何沉淀積累出可以媲美高端技術人才經(jīng)驗能力的數(shù)據(jù)驅動-機理融合模型，并將其封裝成算法軟件，是非常有價值的。

另外初創(chuàng)公司也為制造業(yè)創(chuàng)新發(fā)展帶來了活力和人才。在近幾年的發(fā)展中，智能制造領域的初創(chuàng)企業(yè)數(shù)量不斷增多，特別是涌現(xiàn)出更多聚焦生產和設計環(huán)節(jié)、聚焦某一細分領域的初創(chuàng)企業(yè)。工業(yè)領域門類很多，每一個子門類下面又會有很多細分領域和環(huán)節(jié)，這種行業(yè)特點使得初創(chuàng)公司需要集中一點做出技術創(chuàng)新上的突破，即所謂專精特新。如果一直做跨行業(yè)的項目而無法沉淀出一個標準化的產品，這么走下去團隊只能是一個不斷接項目的技術服務商，沒有自己的核心根據(jù)地。

聚焦一個行業(yè)，行業(yè)內某個環(huán)節(jié)上企業(yè)的需求特點大致類似，這就為初創(chuàng)企業(yè)技術沉淀和規(guī)模化創(chuàng)造了條件。依托核心產品技術平臺進行新產品開發(fā)，開發(fā)過程中形成的新技術也會反哺平臺，新產品也可能進一步衍生出新的產品技術平臺。平臺與產品相互促進，可以實現(xiàn)從單點突破到多環(huán)節(jié)覆蓋。硬件裝備制造商如此，軟件服務商也是如此。之后會再寫文章分析這一點。

對于智能制造領域的初創(chuàng)公司來講，形成自身議價能力和技術壁壘主要還是靠做深入生產和設計環(huán)節(jié)的工藝優(yōu)化和產品優(yōu)化，因為客戶只有看到初創(chuàng)公司用技術和產品給他們明顯改善提升了他們的生產和設計過程，客戶才會有較高的付費意愿。設計仿真的重要性不言而喻。聚焦工藝優(yōu)化在企業(yè)后續(xù)發(fā)展上也有規(guī)?；臐摿?/strong>，因為一種工藝是可以用在多種工業(yè)場景和環(huán)節(jié)中的，初創(chuàng)企業(yè)可以將工藝智能化技術進行跨行業(yè)的復用，無論是在產品標準化和橫向拓展上都會有一定的優(yōu)勢。當然光是焊接技術就有很多細分種類，企業(yè)也需要有選擇地進行技術研發(fā)和市場拓展。

無論是設計仿真還是工藝智能，初創(chuàng)公司都需要明確技術對應的是一個存量市場還是一個增量新興市場，選擇什么樣的市場以及選擇什么樣的客戶群，會深刻影響企業(yè)的發(fā)展路徑和速度。好的客戶會對產品技術提出更高的要求，會加速公司產品技術研發(fā)上的良性循環(huán)。這里客戶的優(yōu)質與否不完全取決于客戶規(guī)模的大小。

中國制造業(yè)的信息化、自動化和智能化程度在各行業(yè)之間分布并不均勻，如果初創(chuàng)企業(yè)選擇一個較為傳統(tǒng)的行業(yè)如紡織業(yè)，可以先通過輕量級的生產管理系統(tǒng)實現(xiàn)數(shù)字化改造，幫助中小紡織企業(yè)管理者看到數(shù)字化管理帶來的效益，再深入到印染工藝環(huán)節(jié)和排產決策中去，之后去幫助企業(yè)逐步實現(xiàn)上下游間的協(xié)同。

因此對于數(shù)字化和自動化程度不高的行業(yè)和企業(yè)，解決數(shù)字化是第一步，接下來需要創(chuàng)業(yè)團隊解決智能化的問題。初創(chuàng)公司能否滿足企業(yè)智能化階段的需求，這就要考慮團隊的算法技術能力和對工業(yè)機理的理解深度。故而智能制造領域的創(chuàng)業(yè)團隊既需要有掌握新一代信息技術和先進制造技術的新生力量，也需要有懂工業(yè)場景需求、目標領域工業(yè)機理的老法師。

八、總結

綜合以上對于智能制造各方面的討論，本文著重強調智能制造需要聚焦本源，即裝備和工藝，并將設計仿真和制造工藝協(xié)同起來，以滿足企業(yè)降低生產研發(fā)成本、提高生產研發(fā)效率、提升產品良率的核心訴求。

隨著我國制造業(yè)向中高端邁進，正向設計日益重要，創(chuàng)新的源泉將著眼于材料、工藝（包含物理和化學的）以及兩者之間的匹配優(yōu)化。企業(yè)設計仿真、生產制造及服務各環(huán)節(jié)內部和之間的互操作性和協(xié)同性對提升企業(yè)競爭力也非常重要，這些需要新的網(wǎng)絡技術支撐。此外，企業(yè)還要通過數(shù)字化、智能化技術提升管理決策水平和精準性。

至此，本文分析了裝備工藝、正向設計仿真及生產決策這三個智能制造的重要支柱。最后我們再從企業(yè)經(jīng)營和產業(yè)發(fā)展的角度分析一下智能制造的價值。

從企業(yè)經(jīng)營角度看智能制造的價值，ROE=銷售凈利率×總資產周轉率×權益乘數(shù)

實現(xiàn)柔性生產，縮短產能爬坡和中間換線周期等可以提高總資產周轉率，進而提高ROE。實現(xiàn)實時參數(shù)控制決策，優(yōu)化工藝以降低生產成本，即提升凈利率。降低對高級技術人員的依賴及其人工成本也有助于企業(yè)提高凈利率。

從產業(yè)角度看，制造業(yè)一方面需要自動化智能化裝備和工藝智能技術實現(xiàn)規(guī)模效應和柔性制造，不斷降低制造成本、提高交付效率，特別是在產能擴張周期，這一點在鋰電設備和鋰電池行業(yè)近兩年的發(fā)展中表現(xiàn)尤為明顯。另一方面產業(yè)發(fā)展不可能一直停留在追求生產規(guī)模效應的階段，還需要通過設計仿真技術進行正向設計，以持續(xù)實現(xiàn)產品創(chuàng)新、裝備創(chuàng)新和工藝創(chuàng)新。值得注意的是，制造和設計兩方面不是割裂的，是可以協(xié)同優(yōu)化、相互促進的。從這一點上看，中國龐大的制造規(guī)模如果加上先進的設計仿真技術，將會是如虎添翼。

最后需要強調的是，技術的經(jīng)濟性和易用性永遠是決定技術能否大規(guī)模應用的重要因素。比如支撐算法優(yōu)化的硬件資源價格、算法迭代升級的成本，還有企業(yè)能否直接獲得一個包含AutoML平臺在內的產品方便日后自己訓練模型，軟件是否支持低代碼開發(fā)？這些因素都可能影響企業(yè)是否選擇新方案。還有在工業(yè)軟件部署方面，部署周期如果很長或者拓展性差導致后期維護成本很高，這些都會阻礙企業(yè)選擇上一個新的軟件系統(tǒng)。所以也就出現(xiàn)了基于微服務架構的新型MES軟件服務商，例如數(shù)益工聯(lián)等。

展望

智能制造對我國從制造大國邁向制造強國甚至創(chuàng)造強國具有重要作用。實現(xiàn)智能制造還有很多挑戰(zhàn)，中國還需要突破諸多關鍵核心技術和裝備，例如設計仿真、基于機理和數(shù)據(jù)驅動的混合建模、生產智能決策、協(xié)同優(yōu)化等技術和五軸機床、大規(guī)模集成電路制造裝備、智能焊接機器人等高端裝備。本文提到的DTCO、鋰電池模擬平臺、機器人自適應實時決策等也都存在諸多技術挑戰(zhàn)，比如DTCO中器件電學模型（spice model）的提取，這些需要無數(shù)市場主體去投入研發(fā)加快新技術的產業(yè)化。

“科技創(chuàng)新對中國來說不僅是發(fā)展問題，更是生存問題[22]。”制造業(yè)是關鍵核心技術的策源地，也是核心技術應用的試驗田。無論是中小企業(yè)，還是大型企業(yè)，都必須實現(xiàn)技術創(chuàng)新驅動的高質量發(fā)展。

從產業(yè)整體發(fā)展階段來看，我國已經(jīng)從來料加工組裝、模仿創(chuàng)新逐漸向自主創(chuàng)新邁進。過去我國制造業(yè)主要通過加工和仿制產品向海外企業(yè)學習追趕，而模仿先進成熟的工藝和產品自然沒有正向設計的需求，自然也就沒有投入更多精力資源在正向設計方面。所以這一點上可以看出過去的發(fā)展特點導致了當前工業(yè)“五基”薄弱，特別是工業(yè)基礎軟件方面。但我們不可能停留在模仿創(chuàng)新階段，主觀上沒有這個意愿，客觀實際上也不允許，因為產業(yè)發(fā)展如逆水行舟不進則退。

技術的突破需要企業(yè)選擇自主開發(fā)產品，而不是依附在某一海外品牌的供應鏈或者技術體系內。這一點在高鐵和汽車行業(yè)上體現(xiàn)得極為明顯。當企業(yè)以自主研發(fā)理念創(chuàng)新、性能先進的商業(yè)產品為目標時，企業(yè)將產生更強的創(chuàng)新動力和學習能力[23,24]。

企業(yè)在自主開發(fā)產品中突破技術瓶頸、掌握正向設計能力。這一點也已經(jīng)在或將在新能源汽車、鋰電池及設備、半導體等行業(yè)中顯現(xiàn)。如果這一產品尚未出現(xiàn)或成形，同時又是先進生產力的方向，那么意味著將創(chuàng)造一個新興產業(yè)，一如上世紀誕生的大飛機、汽車、半導體以及互聯(lián)網(wǎng)。希望中國未來可以成為這類科技創(chuàng)新的發(fā)源地，同時注重打造出面向大眾的品牌產品及產業(yè)鏈，實現(xiàn)C端品牌帶動B端制造產業(yè)鏈[25]。

通過研發(fā)應用數(shù)字化、智能化和先進制造技術，中國制造業(yè)企業(yè)將有能力進一步實現(xiàn)工藝流程和產品升級，逐步從價值鏈的低附加值位置躍遷到高附加值位置，掌握新興產業(yè)的產業(yè)鏈話語權，不斷占據(jù)利潤率更高、技術含金量更高的價值鏈，最終實現(xiàn)全球價值鏈框架內的產業(yè)升級[26]。微觀上企業(yè)的技術、產品和品牌每進步一分，我國制造業(yè)的貿易利益獲取能力就有可能增強一分，就將在宏觀上提升我國在全球價值鏈和收入鏈上的位置。

實現(xiàn)智能制造道阻且長，十四五智能制造規(guī)劃中提出了到2035年，重點行業(yè)骨干企業(yè)基本實現(xiàn)智能化。這意味著智能制造是一項長期的系統(tǒng)工程。相信在未來十幾年的發(fā)展中，中國一定會涌現(xiàn)出越來越多創(chuàng)新驅動的智能制造企業(yè)！

由于筆者時間、視野、認知有限，本文難免出現(xiàn)錯誤、疏漏等問題，期待各位讀者朋友、業(yè)界專家指正交流。

參考文獻

1. 楊翠紅,田開蘭,高翔,張俊榮.全球價值鏈研究綜述及前景展望[J].系統(tǒng)工程理論與實踐,2020,40(08):1961-1976.
2. 李鑫茹,陳錫康,段玉婉,楊翠紅.經(jīng)濟全球化和國民收入視角下的雙邊貿易差額核算——基于國際投入產出模型的研究[J].中國工業(yè)經(jīng)濟,2021(07):100-118.DOI:10.19581/j.cnki.ciejournal.2021.07.006.
3. 孫金城：時序數(shù)據(jù)庫的現(xiàn)狀及核心技術 (qq.com)
4. 葉瑛歆. 基于云知識庫的數(shù)控機床智能控制器加工工藝規(guī)劃方法研究[D].山東大學,2019.
5. 趙升噸等. 高端鍛壓制造裝備及其智能化[M]. 機械工業(yè)出版社, 2019.
6. 張丞發(fā)布過的內容_36氪 (36kr.com)
7. 張夢軒,劉洪辰,王敏,藍興英,石孝剛,高金森.化工過程的智能混合建模方法及應用[J].化工進展,2021,40(04):1765-1776.DOI:10.16085/j.issn.1000-6613.2020-2139.
8. 呂文兵,陸新江,黃明輝,雷杰,鄒瑋.集成機理與數(shù)據(jù)的復雜模鍛過程在線建模方法[J].中國機械工程,2015,26(09):1227-1232.
9. 黃敏健,謝新,郄金波,饒靖.船舶分段制造裝備智能化需求分析[J].造船技術,2021,49(06):68-71+85.
10. 鄧新國,游緯豪,徐海威.貝葉斯極限梯度提升機結合粒子群算法的電阻點焊參數(shù)預測[J].電子與信息學報,2021,43(04):1042-1049.
11. 夏?？?李永兵,樓銘,雷海洋.電阻點焊質量監(jiān)控技術研究進展與分析[J].中國機械工程,2020,31(01):100-125.
12. 董航. 基于焊工智能的機器人焊接軌跡規(guī)劃及動態(tài)熔池監(jiān)控方法[D].大連理工大學,2019.
13. 新品發(fā)布 | 應用材料公司發(fā)布SEMVision G7 (qq.com)
14. ERC Artistic : Home (erc-artistic.eu)
15. Duquesnoy M , Lombardo T , Chouchane M , et al. Data-driven assessment of electrode calendering process by combining experimental results, in silico mesostructures generation and machine learning[J]. Journal of Power Sources, 2020, 480:229103.
16. Prof. Alejandro A. Franco - Energy Storage & Conversion (modeling-electrochemistry.com)
17. 韋一亞等. 計算光刻與版圖優(yōu)化[M]. 電子工業(yè)出版社, 2020.
18. Materials to Device Simulation | Applied Materials
19. Bazizi E M, Pal A, Kim J, et al. Materials to Systems Co-Optimization Platform for Rapid Technology Development Targeting Future Generation CMOS Nodes[J]. IEEE Transactions on Electron Devices, 2021.
20. 先導智能王經(jīng)緯：推進新一代疊片設備的革新與突破 - 維科號 (ofweek.com)
21. 梅博士談CAD：自主可控、技術創(chuàng)新——國產三維CAD必走的突圍之路 (qq.com)
22. 劉鶴：必須實現(xiàn)高質量發(fā)展（學習貫徹黨的十九屆六中全會精神）--黨建-中國共產黨新聞網(wǎng) (people.com.cn)
23. 路風. 新火（走向自主創(chuàng)新2）[M]. 中國人民大學出版社, 2020.
24. 呂鐵,江鴻.從逆向工程到正向設計——中國高鐵對裝備制造業(yè)技術追趕與自主創(chuàng)新的啟示[J].經(jīng)濟管理,2017,39(10):6-19.DOI:10.19616/j.cnki.bmj.2017.10.001.
25. 1992年喬布斯在麻省理工學院的演講
26. Humphrey J , Schmitz H . How Does Insertion in Global Value Chains Affect Upgrading in Industrial Clusters?[J]. Regional Studies, 2002, 36(9):1017-1027.