【数字化转型】材料数字化的盛宴

1

材料数字化是什么

材料是制造业的粮食，是人类文明进步的基石。自人类走出蒙昧以后，万年以来我们一直用材料来标记人类文明的断代史，如石器时代、青铜时代、铁器时代、钢铁时代等。进入二十一世纪，关于人类目前处在哪个材料世代，众说纷纭，有说钛材料时代，有说硅材料时代，还有说碳材料时代。但有一点大家可能都不会有异议，那就是我们当前处于材料数字化时代的起点。

 

提起材料数字化，可能大家第一印象就是3D打印。不错，3D打印是材料数字化的典型代表，但人类正在迎来的材料数字化进程，远比3D打印更加壮丽广阔、影响深远。

据德国弗朗霍夫研究所（Fraunhofer Research Institution）2014年统计，德国制造业平均成本中，材料占56.7％，人员费占18.6％。通过材料提升带来的效益比节能高10倍，比改善物流高30倍。因此弗朗霍夫研究所得出结论——未来制造业竞争的关键是材料。

▲德国工业制造业成本（弗朗霍夫研究所，2014） 

对此，弗朗霍夫研究所给出的解决方案是：以数字形式提供材料的行为，将产品开发与材料开发关联，通过工业 4.0将材料信息链接到整个加工应用链条中，大幅降低材料的全寿命应用成本。

中国制造业成本构成中材料费所占比例可能更高。有专家指出，很多行业由于材料占了制造业成本80%以上，这导致中国制造业的盈利能力非常低，净利率通常在5%或者5%以下，“如果有办法发展材料把成本降低，比如材料成本降低10%，毛利就可能会提高8%。”

 ▲中国钢铁制造业成本构成及变化

中国钢研（CISRI）所属北京钢研新材科技有限公司提出了自己的材料数字化转型架构，将材料数字化释义为一个完整的生态链条，是材料实体的一个数字双胞胎，可连同材料实体一起交付给用户，并持续获取用户反馈。

下图展示了这一架构的示意图，材料数字化的实现要贯穿材料的数字化研发，数字化制造、检测、加工，最终实现数字化交付和应用。

▲钢研新材提出的材料数字化转型架构

2

材料数字化研发

——原创时代的方法论

人类掌握的知识有两类主要形态。一类是经过数学演绎和实证形成的定量的、连续的、数模化的知识体系，另一类是由语义体系或不连续数据所构成的定性的、离散的知识体系。

第一类知识的代表是牛顿力学、量子物理、经典热力学和各类工程性科学等。其数字化载体就是各类计算工具，如量子计算软件VASP、相图计算软件Thermo-Calc、有限元计算软件ANSYS和各类工艺模拟系统等。遗憾的是，迄今为止这类软件工具几乎都是欧美开发的。

▼世界上主流的材料计算系统

第二类知识体系涵盖范围更广，多表现为经验总结、逻辑组合和离散数据等，如医学、社会科学以及包括材料学在内的部分自然和工程科学知识体系。其数字化载体包括早期的专家系统、统计模型、数据库和近年来发展起来的专业AI及大数据系统。阿尔法狗是这个领域最有争议的代表。

▼国内外知名材料数据库系统

数据库	简介
MatWeb （美国）	美国1996年创建的可免费检索的在线材料数据库。目前该数据库涵盖了约59000种材料，主要包含热塑材料和热固聚合物材料、金属材料（铝、钴、铜、铅、镁、镍、钢、钛、锌等）、陶瓷材料、半导体材料、纤维及其他工程材料的成分和性能数据
Total Materia （瑞士）	瑞士Key to Metals AG公司于1999年上线的材料性能数据库系统。包含74个国家及组织标准的超过35,000个材料的一个近五百万的金属和非金属材料性能数据，覆盖了金属、高分子、塑料、陶瓷、硅酸盐和复合材料等材料。
NIMS/MatNavi （日本）	日本国立材料科学研究院(NIMS)2001年整合11个材料数据库系统，建立包括4个结构材料数据库、2个超导材料数据库、1个聚合物数据库和4个物理性质数据库的在线NIMS数据库平台，并配套建立了综合性的检索系统MatNavi。
Key to Steel （德国）	德国2002年建立的Key to steel在线数据库，主要是服务于钢铁材料牌号的查询和搜索功能。其包含全世界300多家钢铁供应商的70000多个钢铁牌号的成分及性能数据，是全球最具竞争力的对照查询数据库之一。
ASM international （美国）	美国材料信息学会建立的在线数据库平台，包含金属材料数据库、医用材料数据库、二元/三元合金相图数据库、材料金相组织数据库、材料失效案例数据库、材料腐蚀数据库、Pearson晶体结构等数值型和文献型数据库
@Steel新材道 （中国）	中国钢研2018年支持建立的高端材料云服务系统，包含10万+材料牌号、3000万+材料数据，50余个国家、企业标准体系。可实现全球钢铁材料牌号对照、材料实物性能查询、焊材智能选配，并为材料用户和制造商提供云检测、云定制、质量分级、质量滤波等专业服务。

数字化研发就是基于以上两类知识系统建立的技术创新体系，是突破我国传统“国产化”思维、从研仿走向原创的必由之路。

过去70年绝大多数时候，中国制造业的发展主要依靠引进、研仿两个法宝。相应的材料研究也以“国产化”为主。有人总结“设计研仿需要1个月，产线研仿需要1年，材料研仿需要10年”，这并不夸张。材料研仿的难度除了技术黑箱问题外，更重要的是，新材料的研发生产可能需要建立起成套的工业体系，财务成本和时间成本都很高。

材料研仿的方法论主要是“文献调研+试验试错”，迄今为止我国绝大部分工程技术人员都是用这种方式培养起来的，其优点是多快好省，缺点是照猫画虎，知其然不知其所以然，无法形成自主迭代升级能力，只能重复“研仿—落后—再研仿—再落后”的循环。

目前我国制造业处在从研仿向原创跨越的新阶段，很多领域开始进入无人区。相应地，需要新材料的研发模式也从“国产化”向自主创新迈进，这带来了方法论上的巨大差异。面对制造业用户提出的仿无可仿的全新技术需求，必然需要应用“基础原理+数据分析”的方法论，后者在西方先进国家已应用数十年，并在不断进步，材料领域的最新代表就是所谓“材料基因组计划（MGI）”和“集成计算材料工程（ICME）”。这些方法论是欧美制造业强国保持原创能力、快速迭代能力的技术引擎。

▲材料研仿与材料原创的方法论

2002年美国宾夕法尼亚州立大学刘梓葵教授率先提出并注册了“材料基因组”的商业网站www.materialsgenome.com 用来提倡相图计算(CALPHAD)方法及其数据库的应用。几年以后麻省理工学院 (MIT) 的 Gerbrand Ceder 教授开始建立材料基因组的非商业网站 www.materialsgenome.org 来提倡大规模快速的第一性原理计算在功能材料设计中的应用；2008年，美国国家研究理事会出版的一份报告中，提出要建立一门新学科——集成计算材料工程(integrated computational materials engineering，ICME)，通过将材料计算工具与其他工程领域中计算与分析工具相集成，使材料预测进入产品设计流程，大大加快材料研发周期。2011年6月24日，时任美国总统奥巴马启动一项价值超过5亿美元的“先进制造业伙伴关系”(AMP)计划，呼吁美国政府、高校及企业之间应加强合作，以强化美国制造业领先地位。其中，“材料基因组计划”(Materials Genome Initiative, MGI)作为AMP计划中的重要组成部分，投资超过1亿美元，是美国为保持其在先进材料及高端制造业领域领先地位的一大举措。

▲材料基因组计划总体构架

美国通用电气公司（GE）的研究人员利用CALPHAD（计算相图）方法预测合金成分，再与性能数据库结合来设计合金，用４年一次性成功开发和应用了GTD262的高温合金，而传统的合金设计至少需要用6年的时间。在另一项研究中，GE研究人员将神经网络大数据分析与ICME相结合，在2年内成功开发了两种新的涡轮叶片用镍基低铼单晶合金。

美国劳伦斯伯克利国家实验室利用组合芯片技术，通过快速表征一次试验中即筛选出前人多年研究才发现的BaSiCaCuOx和YBa2Cu3Ox两种超导材料。

福特汽车公司（Ford Motor Company）研究人员开发了虚拟铝合金铸造（Virtual Aluminum Casting, VAC）的集成计算平台，根据计算机仿真得到的微观组织信息计算材料屈服强度和疲劳强度等材料机械性能，并结合不同加载条件下的残余应力分析预测汽车零部件的疲劳寿命。目前该平台已应用于汽车发动机的设计，可以缩短约15%-25%的研发时间，而且在动力总成部件的铸造研发上已节省超过1.2亿美元的经费。

美国波音公司将ICME应用于飞机材料的设计。以波音747-400为例，它包括超过6000000个部件及几十种结构材料体系，试验成本高昂。ICME可以评估机身设计过程偏差的影响，评估飞机材料设计的许用值，并可用于未来一代机身结构材料的设计。

美国Questek公司致力于材料全流程生产工艺的ICME设计总成，通过对铸造、锻造、增材制造、热等静压和热处理等关键工艺过程中材料组织-性能演变进行建模和计算，全面取代传统的试错法，开发出用于航空、油气管道、超临界发电机组、汽车、海工结构等领域的一系列高性能新材料。区别于传统的试验试错方法，Questek的研发思维核心是“大设计、小试验”，通过多尺度计算和数据库辅助设计，将材料成熟度一举提升到5-6级，然后再付诸实验室或工程试验，大幅度提升了研发效率。

 ▲大设计、小试验是Questek提高研发效率的法宝

2018 年，NASA发布了《2040 愿景：材料体系多尺度模拟仿真与集成路径》，以期利用材料基因计算协同解决材料研发问题：1）通过模型引导材料设计（例如复合基体、晶粒尺寸、编织结构）；2）依靠多尺度模拟计算预测材料设计对产品机械性能和可靠性的影响，优化工艺模型以获得微结构、纳米结构工艺设计等先进制造工艺参数；3）采用材料大数据处理以完成材料健壮性设计。NASA希望通过过去10年所发展起来的高速计算方法、新材料表征测试技术以及集成计算材料工程（ICME），从体系和基础设施两个方面整体推进，打通材料到制造体系全链条模型和计算技术，创建航天器产品–加工–材料体系并行设计、快速开发的先进制造流程。

▲NASA材料基因计算体系9大要素集成愿景

总之，企业发展材料数字化研发，不是为了发表论文，更不是为了装点门面。对欧美企业来说，其目的是大幅缩短研发周期、降低研发成本，但对中国制造来说远不止于此，其最大意义在于帮助我们深刻认识材料创新研究的机理，使研发过程可迭代、可升级，从而实现真正意义上的“中国创造”。

在材料数字研发领域，中国已经有30余年的研发历史，80年代起就陆续有机构开展了材料数据库、材料模式识别、材料专家系统方面的研究工作，在2000年的国家973“新一代钢铁材料重大基础研究”项目中还有专门的材料性能计算子专题，这些工作培养的优势的技术团队，至今还活跃在国内的高校和企业研究机构中，包括中国钢研科技集团、北京计算科学研究中心、北京有研集团、清华大学、北京科技大学、上海大学、宝钢等。数字化研发的理念已经在新一代航空发动机高温合金、新一代舰船结构钢、新一代大推力火箭结构、高铁车轮、LNG低温钢等军用和民用材料研发中获得广泛应用。

3

数字化制造与交付

——智能制造的基石

2011年，美国通用电气（GE）成立数字化部门（GE Digital)，目的是打造工业互联网领导者。其核心工作就是创造了大名鼎鼎的工业互联网操作系统Predix，它将数据分析与物理模型结合在一起构建了工业级的终端到云端平台，并利用了所有敏捷开发工具，以满足工业技术高速创新的需求。Predix可以实时监控包括飞机引擎、涡轮、核磁共振仪在内的各类机器设备，同步捕捉它们在运行过程中高速产生的海量数据，还能对这些数据进行分析和管理，做到对机器的实时调整和优化。想必大家还记得在2014年马航MH370航班失踪事件中，那架波音777飞机的引擎自动下载并向地面发送了5个小时的运行数据，为事件调查提供了宝贵的一手资料。那就是GE制造的引擎。

▲Pridix的设计架构

Predix虽然获得很多成功应用，但工业互联网的操作系统不像Windows，它不得不面对巨大的行业差异，飞机制造业的成功案例如果要复制到汽车制造业，底层大量的工作可能要推倒重来。跨行业的巨大开发工作量使得Predix的应用成本居高不下。2018年GE Digital从GE剥离，成为一个独立的数字化帝国。

德国西门子股份公司（Siemens）另辟蹊径，建设了基于工业云的MindSphere数字化制造平台。MindSphere平台主要包括三大版块：MindConnect负责将数据传输到云平台；Platform为用户提供数据分析、开发环境和开发工具；MindApps用以为用户提供集成行业经验和数据分析结果的工业APP。这种只提供生态环境，把开发工作和数据所有权交给用户的策略大大降低了西门子的业务成本，2017财年，西门子的数字化工业业务在全球拥有7.8万名员工，营收约140亿欧元，利润率约16%（22.4亿欧元）。

 ▲西门子的智能研发-智能制造解决方案

地处美国阿肯色州、于2017年开业的大河特种钢铁厂（BRS，Big River Steel）创造了一个行业奇迹。它借助德国SMS Siemag最先进的特种钢生产技术，并融合了美国公司Noodle.ai研发的AI数据分析算法，通过广泛分布的传感器收集数据，帮助工厂在维护计划、生产线调度、物流运营和环境保护等领域取得突破性进步，致使该厂仅以600人的编制可满负荷生产300万吨钢铁，人均钢产量可达到5000吨。相比之下，2016年美国钢铁公司（USS）人均产钢量为477.2吨/年；美国纽柯公司（Nucor）人均产钢量918.4吨/年，2018年中国宝钢本部的人均钢产量1070吨/年。无怪乎大河钢铁首席执行官David Stickler表示：“我们是一家科技公司，只是碰巧在生产钢铁。”

 ▲“我们是一家科技公司，只是碰巧在生产钢铁。”——大河钢铁

在国内，企业致力于数字化转型的成功案例很多。海尔集团近年来为解决企业面临库存压力大、产品同质化严重、过度营销、产品缺乏创新等问题，建设了基于数字化平台的全球白色家电行业智慧智造、绿色环保的标杆工厂。该数字化平台通过大数据、AI等技术，分析挖掘用户数据、提取需求；通过虚拟仿真验证，减少企业成本；通过对数据的检测，第三方数据的链接，提供智慧服务。

2017年，上海宝钢借助施耐德电气EcoStruxure工厂解决方案，上海宝钢1580产线完成全面数字化升级，裁减了全部20个人工岗位，实现无人值守、安全高效生产。日均产量达10，500吨，日均增产15%，板坯库倒垛率由原来的30%提升至70%～80%左右。籍此宝钢成为全球首个无人值守智能车间的吉尼斯纪录保有者。

北京东方国信科技股份有限公司基于酒泉钢铁集团生产经营的需要，开发建设基于大数据的数字化平台，通过建立数字孪生，进行建模计算，从机理层面建立预警标准，实现智能监控；可对关键环节模拟仿真，数据可视化，有效帮助相关人员科学决策。

南钢集团于2019年与北京钢研新材科技有限公司签订了“数字化研发平台建设”协议，在未来12个月内建立以企业材料数据服务为核心的南钢材料云，并与“钢研•新材道”公有云对接，实现南钢与全球钢铁产品对标、焊材智能选配、产品质量升级、内部检测资源、研发数据关联共享等服务。

 ▲钢研新材提出的企业级材料云

在材料数字化制造与数字化交付领域，还有很多跨行业的难题有待解决。其中两个问题可能产生深远影响：

一个是全流程材料标记问题。数字化标识是实现材料全生命期数字化管控的前提。原材料不同于制成品，可以随时用二维码或芯片标识。例如目前钢材主要通过喷印或钢印标识，水泥则只能在包装袋上标识。但其在使用过程中经常需要被分割和重组，如钢板要切割、焊接，水泥经常混料使用等，加上在长期服役过程中可能受到磨损、侵蚀，即使有出厂或后续加工标记也难以长期保留和追踪。目前可以考虑的有两种解决方案，一是通过添加内部标记物（如微芯片、可编码添加剂）的方式来解决；二是通过外加声光电磁等非实体标记的方式来解决。目前全球范围内还没有成熟解决方案，国内研发机构正在开展相关工作。

二是全流程质量稳定性问题。所有制造流程都可以用一个公式来表示：原料 + 工艺 = 产品。这个过程中质量波动是原料和工艺的复杂函数，如果原料的波动性与工艺波动性叠加，可能导致质量波动加剧，我们称之为“质量共振”。解决方案之一是中国钢研提出的“质量滤波”算法，即通过监控原材料的质量波动，通过工艺对冲模型实现产品性能的稳定控制。这种模型的获得，一方面需要建立材料成分-工艺-性能关系，另一方面也有赖于企业的生产大数据，是材料数字研发与产品大数据相结合的产物。

▲质量滤波流程

通过工艺对冲实现质量稳定性管控的质量滤波算法

4

材料数字化的中国盛宴

2011年6月，美国总统首次提出材料基因组计划的时候，他肯定没想到，几年后这一计划促成了中国材料界的一场盛宴。

2011年12月在香山，中国科学院、中国工程院的院士们聆听了几位海外归来的年轻学者关于材料基因组的讲座。3年后，国家重点研发计划“材料基因工程关键技术与支撑平台专项”启动，在中国沉寂已久的材料计算学科一夜之间成为热点。据统计，2016-2018三年内，该专项累计支持40余个项目，总经费近8亿元。

▲国家“材料基因工程关键技术与支撑平台专项”支持经费情况

加上上海市、北京市、浙江省、云南省以及国家自然基金委以“材料基因工程”名义投入的资金，该领域的支持力度总额已经超过20亿人民币，远远超过美国政府1亿美元的投入力度。国际上该领域著名的学者教授们纷纷受聘中国高校和研究单位，其中包括美国“材料基因组计划”的关键推动者MIT的Gerbrand Ceder教授和美国西北大学的Gregory B.Olson教授。

佛教发源于印度而兴盛于中国。30年前美国政府主导的“人类基因组计划”直接催生了全球最大的基因组学研发和应用实体——中国深圳华大基因科技有限公司。15年前英国科学家发现了“石墨烯”并获得诺贝尔奖，2018年中国的石墨烯专利、论文数量及产业规模均排行世界第一。这一次美国政府提出的材料基因组计划，恐怕也逃脱不了这种“命运”。

巨额投入能否产生效益，还需要时间来证明一切。2018年的一次材料基因组学术会议上，有专家质疑材料基因组的价值，另一位专家回复到：“它至少让我们今天能坐在一起。”的确，形成氛围、聚集资源、达成共识、促成生态，是从研仿思维走向原创思维必要的精神准备，当中国青年一代的材料科学家们把材料计算软件、材料数据库和高通量试验作为首选研究工具的时候，当他们的研发动力来源于用户需求而非文献淘宝的时候，原创自然会成为日常。

除了材料基因工程专项外，中国政府在另外两个领域推进的科技计划对材料行业的数字化进程也将起到巨大的推动作用：

一个是2018、2019年工信部连续发布的“工业互联网创新发展工程”计划，共支持了130多个项目。2019年公布的后续支持计划，涉及“总体架构及共性技术”、“网络体系”、“平台体系”、“安全体系”、“工业软件”、”车联网”七个方面，拟安排国拨经费总额172.5亿元。针对“离散制造业”、“流程制造业”分别建立设备级软硬件环境、广域数据通讯环境和产业链级协作环境。

另一个是中国移动宽带技术的研究，从2006年到2020年，从“十一五”计划到“十三五”计划，该领域政府专项累计投入超过100亿元，直接把5G从生米煮成了熟饭。“十四五”规划将重点针对5G的应用场景，包括面向无人驾驶的车联网平台，面向工业智能化的工业互联网平台、面向能源互联网的能源互联网平台等。

可以想见，当年2.5G时代就唤醒了中国移动互联网消费的热情，并且在4G时代造就了世界最大的移动消费市场，促成了大批新兴行业崛起和大批传统行业的沉沦。5G时代是万物互联的时代，将在人们的期待中深入其生活，在制造业的燥动中深入其骨髓，令其脱胎换骨，或者成为历史。

中国制造的数字化之门已经洞开。越是传统的领域所面临的挑战和压力越大，以钢铁、有色合金为主的金属材料行业首当其冲。诚如美国大河钢铁CEO所言，AI遇见钢铁也许只是碰巧，但颠覆会成为必然。材料数字化，意味着要么成为数字的主人，要么成为数字的奴隶，对钢铁这类传统行业来说，这不是使命，而是宿命。

中国钢研作为行业权威的第三方机构，始终与行业共命运。其所属的材料公有云平台“@Steel新材道”，汇集了全球最完整的钢铁材料产品数据、研发数据，并可实现高端材料云定制、云检测服务。所提出的“材料云计算”理念，尝试着形成中国自己的材料计算解决方案，获得了国家重点研发计划“材料基因工程关键技术与支撑平台专项”的支持。所提出的产品“质量能力分级”理念，可帮助用户走出“低价中标”的采办陷阱，也为提升企业质量能力、强化中国制造的国际话语权提供了解决方案，获得国家工信部“质量分级评价技术试点应用”专项支持。在此基础上，还提出了基于公有云和企业云的材料资源共享平台，已经获得包括中国石化、中国海油、华能集团、南京钢铁、青山钢铁等多家用户和生产企业的应用和立项合作。

▲基于公有云和企业云的产业链级材料资源共享平台（中国钢研）

材料数字化建设不是一个企业的行为，甚至不是一个行业的行为，需要材料研发、材料生产、装备制造、业主用户的共同参与，实现研、产、检、造、用全产业链数据协作。因此生态建设是所有工作的基础，需要行业共识，需要专业人才，需要顶层设计，需要数据共享，需要用户体验。欢迎更多企业的参与，欢迎更多精英的加入，共同经历并推动这个不凡的材料数字化时代，“让低端走向品质，让高端走向世界”。

本文参考了以下文章的部分数据

l 中国制造如何从红海走向蓝海？

2 数字化钢铁的下一个风口：数字“双胞胎”技术，《中国冶金报》2019年02月14日 03版

3 高鸿, 何端鹏, 董礼. “NASA材料基因工程2040规划”研究与思考[J]. 航天器环境工程, 2019, 36(3): 205-210 

先进制造业+工业互联网

---

产业智能官  AI-CPS

加入知识星球“产业智能研究院”：先进制造业OT（自动化+机器人+工艺+精益）和工业互联网IT（云计算+大数据+物联网+区块链+人工智能）产业智能化技术深度融合，在场景中构建“状态感知-实时分析-自主决策-精准执行-学习提升”的产业智能化平台；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

产业智能化平台作为第四次工业革命的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎； 重构设计、生产、物流、服务等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生 新技术、新产品、新产业、新业态和新模式； 引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能化技术分支用来的今天，制造业者必须了解如何将“智能技术”全面渗入整个公司、产品、业务等商业场景中， 利用工业互联网形成数字化、网络化和智能化力量，实现行业的重新布局、企业的重新构建和焕然新生。

版权声明：产业智能官（ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源，涉权烦请联系协商解决，联系、投稿邮箱：erp_vip@hotmail.com。