NIST如何推进数据驱动制造新模式？

导读：美国NIST设立“数据和信息科学办公室”，围绕先进制造业需要，打造了数据驱动制造模式，这是数字孪生体数据派实践。本文为《数字孪生体》一书内容，经修改发布。

2014年，美国商务部下属NIST确定推进数据战略，为此，专门在Material Measurement Lab（MML）下面设立“数据和信息科学办公室”（ODI，Office of Data and Informatics），作为NIST转向数据战略的先锋。

正如NIST撰写的《STEP：伟大体验》一书所讲，创新大部分来自客户需求或者主动服务创新的需要，波音公司和美国空军对CAD模型数据交换的需要，促进了NIST整合资源研发了STEP标准，最终成为ISO 10303。

在解释为什么要在MML设立ODI的原因，NIST官方网站回顾称，“当人们找MML咨询生物、化学和材料等数据的时候，他们希望有较好的数据工具帮助我们使用这么大量的数据。”

一、NIST的数据基础设施

美国政府的体系跟中国不同，对应到工信部，美国商务部承担了大量的职能，它下属NIST参与了不少政策工作，同时也负责相关研发任务。

国内不少学者把美国通用电气牵头发起的“工业互联网联盟”作为美国政府行为，事实上它彻头彻底是一个民间组织。如果非要找一个对等的美国官方组织，那么NIST就是典型代表，跟踪研究它对我们了解美国先进制造技术很有帮助。

为了响应美国政府数据开放战略的要求，NIST推进了“研究开放获取”（OAR，Open Access to Research）计划，并整合了多个实验室资源，其中包括ODI所在的MML实验室。

虽然这只是一次响应政府的行为，但随着OAR的推进，行业企业反响非常好，称从中获取相关数据的方便程度大大加强了。

2016年，Genova & Horstman撰文对NIST的数据进行了评价，称他们的数据是“长尾”（Long Tail），其含义是说数据范围非常广泛，分散到工业多个领域，大都属于小众需求，但对于这些领域的创新发展却非常重要。

不过，这正好符合“大数据”的标准，那就是范围广、种类多，利用大数据分析工具和方法就成为必然。

当单个企业建设某种设施的性价比不高，但又是必须的某种需求，由政府出资来建设就非常有必要了，NIST服务的工业（生物、化学和材料等）领域具有这样的特征，特别是中小企业的创新难以自建完整的数据集，如果国家可以提供工业数据基础设施，那么企业就可以聚焦到产品和服务创新上去。

NIST专家2019年撰写了Building Open Access to Research (OAR) Data Infrastructure at NIST一文，明确提出了建设“数据基础设施”（Data Infrastructure）。

这对于我国正在推进的“新型基础设施”应有借鉴意义，围绕数据基础设施加大投入，对我国数字经济发展有非常大的价值。

二、数据研究和管理新方法

在确定了数据战略之后，NIST加大了新一代信息技术的应用，特别是让数据更方便获得。

美国商务部运行了data.gov网站平台，这个网站聚焦了企业所需要的各种数据。值得中国借鉴的是，在推进数据开放战略时，美国紧紧围绕企业需要，而不是为了政府自己方便，因为企业方便了，就可以降低成本，推进经济增长，这才是我们推进数据开放战略的目的。

作为美国商务部最重要的部门之一，NIST当然要创新方法，不仅是承诺开放，还需要管理好数据，否则出了问题，还是NIST的问题。

为了有效分享数据，ODI对各个领域的数据进行了仔细整理，形成了很好的数据集。

ODI负责人Robert Hanisch曾经做了题为《以ODI视角看NIST数据战略》（Data at NIST: A View from the Office of Data and Informatics）的演讲，其中就介绍了三个层次的数据模型。

这是科学的数据管理方法。

国内也有类似的管理方法，但把数据驱动的方法应用到自身业务和研究目标上，NIST显然做得比较好。

由于ODI服务的对象是工业企业，它们需要的数据都比较具体，属于行业领域的专业数据，如果缺乏充足的指导，中小企业显然无法使用。ODI也清楚要提供方便使用的数据方法，为此，它花费了不少力气做好数据管理工作。

三、数据驱动的先进制造

对于NIST这么一家技术型政府机构，自然需要搞一些有技术含量的东西。

NIST官方网站介绍了先进制造相关的内容，主要分为：

• NIST实验室计划。主要对一些新制造技术进行跟踪，包括系统工程、增材制造、智能制造（注意，NIST智能制造是流程行业的应用，离散行业是数字制造）等。

• Hollings制造伙伴计划。这是NIST比较长久针对中小企业和区域制造业的扶植计划，其目的是为了帮助区域制造业良性发展，解决的是中小企业技术获得的挑战。

• 制造创新网络（Manufacturing USA）。这是奥巴马时期产生的项目。虽然特朗普政府不喜欢这个计划，但由于有法案支持，也算是自我发展，NIST自己支持了增材制造等项目。

对于数据驱动的先进制造，NIST当然有想法。

NIST工程实验室（Engineering Laboratory）Yung-Tsun Tina Lee和高校学者联合在2019年发布了Infrastructure for Model-Based Analytics for Manufacturing，这引起了工业4.0研究院的兴趣。

按照作者讲法，Model-Based Analytics for Manufacturing指的就是行业人士通常称的“数字孪生制造”（Digital Twin Manufacturing），只是NIST认为数字孪生体显得不够高深，MBSE之类的词汇更显得有研究底蕴。

在论文中，Yung-Tsun Tina Lee提出了“先进制造基础设施”（Proposed Infrastructure），并指出是一个数据驱动的模型（Data-Driven Models），其实就是“数字孪生基础设施”，跟工业4.0研究院创造的Twinfrastructure含义类似。

通过这个数字孪生制造生态（the Model Ecosystem），最终可以让中小企业从基础设施投资中受益。

需要强调的是，Yung-Tsun Tina Lee的论文分享了NIST在推进中小制造企业数字化转型的设想——先进制造数据基础设施。

为了让设计的方案切实可行，NIST还发布了一个开源工具GME（Generic Modeling Environment），任何企业都可以获得该工具，这也是美国在新一轮数字化转型推进中的特点——开源。

通过GME，企业可以实现虚拟工厂模型（Virtual Factory Model），同时企业还可以借此开发相关数据应用，这一点跟我国搞的“工业APP”不同，为喜欢掌握自身命运的中小制造企业提供源代码，而不是鼓励它们上云上平台，NIST充分理解它们的顾虑。

总结

在数据成为数字时代的核心资源背景下，美国NIST在2014年就设立了ODI，其远见值得学习。在推进数据驱动战略时，ODI从本职工作做起，满足“长尾”的中小制造企业零散的需求，从而驱动了美国先进制造生态蓬勃发展。

不仅如此，NIST深知基础设施的重要性，虽然没有提出“新基建”，但紧密结合到制造业需要，设计了“先进制造数据基础设施”，为降低中小制造企业应用先进技术（包括人工智能、数字孪生体、数据分析等）的成本，算是抓到了痛点。