智能研发的八大支撑要素

    在智能制造体系架构中，作为先进制造业核心竞争力的源泉，智能研发是其中一个重要环节。就传统的设计制造业务模式而言，从需求调研、竞品分析，市场调研等方面获取产品设计需求，然后再从概念设计到详细设计，并将详细设计方案转变成可制造的工艺流程和生产流程，最后完成产品的制造过程并对外销售。从过去产品全生命周期管理的角度来看这种流程没有什么问题，并且这种串行的研发制造流程也是目前制造企业的主流模式。

    但随着物联网、工业大数据、增材制造、增强现实等新兴技术不断的涌现并逐步走向成熟应用，这种流程就显得有些僵化和缺乏灵活性，无法对技术的更新换代和客户需求做出快速响应，而且也很难适应企业未来智能制造体系建设与发展的需求。

    所以企业要想进行智能制造转型，首先必须要从产品创新根源上做起，将串行研发流程转变为根据用户需求持续改进的闭环智能研发流程，感知用户需求并灵活做出调整，同时融入智能制造相关新兴使能技术，形成从用户到用户的产品研发循环。即在产品设计需求分析阶段就开始进行市场与用户相关数据分析，这其中包含用户直接参与基于自身喜好的产品定制过程，以及产品在使用过程中反馈相关运行数据来指导改善原设计方案的过程，形成一个往复循环持续优化的智能研发过程。

    该流程体现了设计历史上从为用户设计，到帮助用户设计，到用户为自己设计的转变。所以，智能研发必须建立在从设计信息、生产信息、用户使用及反馈信息的高度智能化集成基础上，从智能化的需求产生到基础设计数据获得的过程，从智能化的用户参与式设计到能够直接转变为生产信息并被执行。要想实现这些转变，智能研发必须要有以下几大要素的支撑才能得以实现：

    建立统一的多学科协同研发平台

    首先针对智能产品开发一般都是跨越多个专业技术领域和具有多种关键技术特征的，涉及多学科跨专业技术领域高度交叉与融合。同时，用户的多样化需求也使产品结构和功能变得非常复杂，IT嵌入式软件技术也逐渐成为产品的核心部分，需要机、电、软等多个学科的协同配合。

    这就需要企业建立一个可以融合企业内部所有不同专业学科领域研发系统和工具的顶层架构，形成一个可以全面管理产品生命周期中所有专业研发要素的统一的多学科协同研发平台。

    平台除了可以管理各专业图纸、工艺和材料信息以外，还可以管理产品的功能、性能、质量、指标这些特性类数据及其生成过程，并能集成程序设计与管理、仿真、优化、创新、质量等工具，使研发体系可以快速高效地应用这些工具，从而进行差异性、高性能、高品质的产品智能研发。在这个基础上，再采用知识工程将企业研发过程中的知识积累下来，形成系列化产品开发的能力。

    在智能研发阶段中，必须要建立产品的数字样机，用来支持总体设计、结构设计，工艺设计等协同设计工作，支持项目团队进行并行产品开发。

    建立数字样机的主要作用包括分析数字样机模型具有正确的公差尺寸，干涉检查等，同时还有重量特性分析、运动分析和人机功效分析。同时，数字样机还能够提供产品装配分析的数据信息，这包括装配单元信息、装配层次信息等，以保证对产品的装配顺序、装配路径、装配时的人机性、装配工序和工时等进行仿真。数字样机还可以进行工艺性评估，包括加工方法、加工精度、刀路轨迹等，实现对样机的CAM仿真和基于三维数字样机的工艺规划。

    数字样机在产品的销售阶段也有非常重要的作用，它能够为产品宣传提供逼真的动态、静态产品数据。通过三维模型的轻量化技术，企业可以便捷、灵活的利用原始数字样机模型为产品培训提供分解图、原理图，还可以提供近似产品的快速变型与派生设计，以满足市场报价和快速组织投标和生产的需要。

    另外，在基于数字化样机的基础上，企业还可以建立虚拟样机进行系统集成和仿真验证，可以通过仿真减少实物试验，降低研发成本，缩短研发周期，完成仿真驱动设计。同时还可以将仿真技术与试验管理结合起来，提高仿真结果的置信度。

图1 SET**电动轮矿车数字样机（来源：三一重工）

    除此以外，为了保障产品的可靠性，还必须在产品设计的前期就充分考虑工艺规划、制造、装配、检验、销售、使用、维修到产品的报废等产品全生命周期过程中的各项工程要素。利用并行工程和DFX技术，在设计阶段尽可能早地针对不同阶段中产品的性能、质量、可制造性、可装配性、可测试性、产品服务和价格等因素进行综合评估，从而优化产品设计，保障产品质量。

    采用标准化、模块化设计 形成系列化产品开发能力

    以用户为中心的智能研发就必然会面临用户需求的多样性，这就要求企业必须有灵活多变的产品变型设计能力来满足用户多样化的需求，形成系列化产品的开发能力，然而这样就会直接导致产品设计、工艺、制造各个过程中的数据大量增加。

图2 柳工集团的轮式装载机模块化实践（来源：顾新建教授产品创新模块化设计方法与实践的演讲）