“练内功”与“赏风景”随笔

一段时间以来，时常从各种媒体上，看到很多各界人士针对中国目前科学技术水平与美国相对比的讨论，众说纷纭，莫衷一是。个人不想参加到这场争辩之中，但每当我看见或了解到在我国大力倡导并坚持推进制造业信息化、数字化和智能制造的背景下，却屡屡出现既定应用场景下的信息化或数字化系统运行与企业实际运营不匹配，使用效率不高，效益促进作用不足的现象。于是突然有了些散乱的想法，随笔记录，表述如下：

工欲善其事，必先利其器。制造业的信息化，数字化乃至智能化的发展与实现，很大程度上取决于既定制造场景下，工业软件的应用。工业软件的功能与意义，非常重大，这里无需赘言。我想说的是，一个特定行业内的制造型企业工业软件的开发与高水平应用，从开发端看，绝不是靠若干程序专家在短时间内，共同努力就可以完成的事情。一款成熟的工业软件，从开发项目的横向跨度来说，至少需要整合计算机、软件技术、数学家、行业专家、工艺专家与资深管理专家在内的各种人才资源。从软件系统纵向的持续改进与优化发展来说，则须要一个用时间去培养，并通过良好的用户体验来激励的不断壮大的用户生态系统。可以说，一款工业软件之所以成功，是因为它经历了多年的持续优化与完善，并不断进行更新和迭代。而之所以说要用时间去积累，那是因为，只用通过时间，才能获取大量的用户反馈数据，并以此对软件进行优化和改良。

国外工业软件，如属于计算机辅助工程（Computer Aided Engineering, CAE）软件类的ansys软件，就是美国ansys公司开发的大型有限元分析软件，其中的CFD工具包中的Fluent流体仿真软件更是被我们广泛熟知。还有美国MathWorks公司的MATLAB软件。MATLAB是广泛应用于工程领域的大型数学计算软件，在工业制造、设备研发和学术研究等领域具有近乎垄断的市场地位。美国政府因为种种原因（可能是科技和商务竞争），在2020年5月时，禁用了我国包括哈尔滨工业大学、北京航空航天大学和国防科技大学等多所理工类高校的MATLAB软件使用权。当然还有其他我们广为使用的商业软件，这里不再举例。美国这些工业软件的起步早；不得不承认，我们始终扮演一个学习、追赶和模仿的角色，学习运用尚存困难，更不用说去逆向开发和创新优化。

转瞬间，美国限制中国使用MATLAB已经快四年了，我国仍然没有研发出一套可以完全替代的产品。这是为什么？因为众多工业场景下，高度集成的数学模型的建立以及工具箱的开发，不可能在短时间内就形成一个可以自循环，自更新，自优化，自完善的生态（多年积累的产物）。该类软件的开发，不仅需要数学家，也需要软件专家，更需要不同领域的行业（工艺）专家的密切合作与不懈努力。而这一切都需要在国外产品垄断的当下，进行海量资源的投入，而且回报却可以说是，遥遥无期，原因之一可能是没有用户需求，大家都不用。

让我们回过头，看看使用端的制造业，坦率地说，我国的制造业，特别是建材制造领域，包括耐火材料，其制造业信息化和数字化水平的提升还有很长的路要走，这里涉及企业人员（包括领导和员工）的意识变革、整体知识结构以及自动化技术装备的持续升级等诸多因素。企业开展信息系统的建设，绝不仅仅是一个完成包括询价，采购，安装，调试直到最后使用的组合套路，按部就班地逐条落实就可以万事大吉的简单问题。

首先，企业前期就应该对自身的生产特点、自动化设备运行现状、人员技能水平、未来市场变化以及自身战略发展有一个明确且清洗的认识。另外，还应该整合本厂技术专家对未来需要的信息化与数字化系统进行论证。注意，这里的论证是建立在多学科、多领域和多层次上的论证（包括、热工、电气、工艺等等）。论证的前提是需要掌握大量的生产数据和信息，得出自身合理需求后，然后将相关信息提供给系统供应商，用以指导其系统的搭建与部署。这些数据、信息以及过往决策作为底层逻辑和系统算法的基础，其重要性不言而喻。然而现实却是，企业尚未建立自身的生产运行数据库，或者没有从过往的生产数据中进行提炼，整理出有用数据，导致大量的数据资源“躺在纸面上，睡在硬盘里”。

更有甚者，企业将这些工作全权委托给系统供应商，希望通过几次简单的现场调研就能完成相关数据和信息收集，即便系统专家调取了企业的DCS或者PLC 过往运行数据，其实也很难搞清楚企业的传感器到底准不准，用了多长时间了，误差有多大，遇到问题如何操作，结果如何？在一些企业里，这些信息很可能都是在某一位老师傅的头脑里，致使系统建设所需要的关键信息的获取非常有限和困难。

试问，没有坚实可靠的数据基础，企业如何期望能搭建一个适用高效的信息化和数字化系统？？？这其实也不能责怪系统供应商，因为他们不是既定行业的行业专家，也不是生产工艺专家，也没有条件驻厂进行长期蹲守研究，这些系统专家可能长期脱离一线，仅善高谈阔论；有的可能不具备跨领域的知识与经验储备，造成上述原因，就很好理解了。

举个不恰当的例子：“打铁还需自身硬”，学过外语的人都应该有体会：“你的中文水平的高度，决定了你英语水平的高度”。具体地，企业真的应该高度重视生产数据的收集、整理、提炼与汇总，加强数据管理，苦炼内功；只有这样才可能去理解、建设和驾驭这些信息系统和数字化系统。然而，正如一句打油诗所讲：“管理策略千万条，高精设备也不少；如何才能获成效？人才培养最重要”。

毫无疑问，一个企业的发展离不开人才，企业最高领导作为管理者，应该重视技术序列人员的培养，为其建立职业上升路径与通道。从事技术的人，其实并不一定全都看中企业里的“高官厚禄”，当他得到基本的生活保障，他们会期望且渴望去创造价值。我没有权利或者资格去为各个企业的管理者提出建议；但是我却想呼吁一下，请更多地尊重技术人员从技术层面提出的合理化建议，并及时予以激励。虽然他们没有领导占位高，思考全面；但请领导们将这些建议记住，也许暂时不可以，但未来摸一个契机条件下也许可以实现。他们但凡能提出来技术问题，那就真的是为企业着想，应该鼓励。

网络技术与人工智能的发展，使我们比任何时候都能快速的接近知识，并低成本地获取知识。这是十几年前不可想象的事情。我们享受时代红利的同时，时代也对我们提出了更高的要求，一个高技能的产业技术人员，不能也不应该专注于一个领域，既定领域的知识与技能也不足以提供支撑你终其一生的资本。是的，从技术人才发展的路径上看，具有T字型知识结构和技能的人才将有更大的用武之地。一个人的成功，可以衡量的标准有很多，我不想灌输所谓的鸡汤，但更多的学习，也许是那些没有“背景和渠道”的寒门子弟，可以投入心力、悦纳自身并获取快乐的方向和方法；当你深浸其中，也有助于你忘记诸多烦恼。

坚持学习这条路很可能无法带你走向“大富大贵”，也许基本实现不了所谓的“阶级跃迁”；但请相信，学习的路上风景尚好，可陶冶情操，亦能净化心灵。