我们要做好生产系统的数智化，需要把理论模型、机理能够跟专家经验有机结合在一起，我们的经验来看，大概百分之六七十是机理，另外百分之三四十是现场经验。但是很多的现场经验，是定性不定量、模糊不确定的知识。我们如何能够把这些知识从隐性变成显性，从定性变成定量，能够用数据化的表达，变成软件，变成算法，这也是一个非常大的挑战。

生产系统的数字孪生--化整为零

面临上述挑战，在我们面对一个非常复杂的工业生产系统的时候，怎么做数字化呢？

刚刚讲两个核心的挑战，第一个挑战是如何有序采集和组织数据，建立起生产系统的数字孪生模型？关键就一个字——拆，再复杂的工艺系统都可以拆解成很多单元设备的组合。

比如水泥生产系统，主要工艺过程是“两磨一烧”，水泥生料先磨成粉，经过烧制成熟料，熟料最后磨成水泥粉。因此，水泥厂拆开，就是生料磨、熟料磨、煅烧窑，如果说我们再把磨、窑炉这些主力生产设备再拆开，就会有电机等通用设备单元。

而不同行业中看起来各不相同的工艺生产系统，拆解开之后其实都会有一些通用设备，当然还会有一些行业专用设备。比如风力发电机，拆开之后有电机、轴承这样的通用部件，还有像叶片、塔筒、机箱盖等专业部件。比如煤矿综采系统，把采煤机、刮板运输机等拆开来看，也有电机、像齿轮箱等通用组件，还有行业专用部件。

工业生产系统都是人工设计的物理系统，物理系统总是满足机械论、还原论，我们可以这种方法把大的复杂系统拆开之后，先研究它的组成部件，再组合起来去理解大系统的运行。因此，基础是做好每一个单体系统的参数化。

以电机这个常见单体设备的参数化为例：要研究一个电机，从电机专业的角度就知道需要看运行参数，包括电流电压等电气参数，以及转速、转距等机械参数，另外还有一些跟运行无关，但是对表征设备健康非常重要的参数，比如振动、温度，温升过高或者是振动过速一定是电机出现了异常。这些都是电机专业领域已经建立起来的专业知识，利用它们可以帮助我们更顺利地建立电机参数化模型，继而做相应的运行分析和健康分析。

依此延伸一下，要解一个复杂系统的问题，可以通过设备参数化模板的方式，形成通用设备模板和行业设备模板，方便快速设备建模。具体到一个企业，比如一个风电厂，就是由若干风力发电机再加上一些辅助设备如测风塔、升压站等组成，这些组合在一起就成为一个风电行业的通用行业模板，为该行业奠定了很好的数字化建模的基础。

昆仑数据已经把这件事情做成产品，内置了电机等通用设备模型模板，以及一些风电场、水泥厂等行业模板。所以在我们进到一个具体行业的时候，我们不是提供一套通用的技术建模工具，而是有类似设备行业的模板可以复用，而这些模板的建立其实带着大量对于这个领域的专业认知。