学科融合与新制造范式

“当他们想让你买东西时，他们会打电话给你。”诗人温德尔·贝里(Wendell Berry) 1973年的诗句对20世纪最后几十年具有先见之明。研究人员和发明家主要是在好奇心的驱使下，通过“如果”的实验来创造新产品，然后销售和营销专业人员会建立消费者对这些产品的欲望，并将它们推向客户。今天，公司创造东西是因为顾客的需求。这就是所谓的拉动式制造，生产是基于需求的。需求正在不断升级，一方面是商业客户，他们会根据自己的制造需求对材料提出特定的要求，另一方面是知情的消费者，他们会要求他们需要和想要的东西——而且是高度个性化的。

制造商对他们的供应商要求更多，因为他们的客户对他们要求更多。一家消费品公司向一家化学生产商提出了一种聚合物的要求，这种聚合物可以膨胀到原来的50倍，这样纸尿裤就可以轻10%。一家汽车制造商将其网络扩展到完全组装座椅的一级供应商之外，还包括与座椅泡沫制造商的通信。消费者的要求越来越明确，他们要求更健康的饮料、更耐用的钱包、符合道德标准的服装以及防水手机壳。随着人们努力应对城市化、气候变化、人口老龄化和自然资源减少引发的大规模挑战，越来越认真的国际社会寻求可持续产品、更轻的材料、新药物和更高的能源效率。

这正在改变研发部门从事的科学工作的性质。在许多行业，好奇心驱动的研究正在被目的驱动的研究所取代，因为科学家必须满足市场主导的规范。


标准化支持产品开发的整体战略

向目的驱动型研发的转变得到了学科融合的支持。物理、化学、生物和材料科学等领域的专家曾经将项目和见解从一个孤立的学科传递到下一个学科，现在他们在产品开发生命周期的早期和跨产品开发阶段进行合作。许多公司正在采用创造性的策略，如设计思维和敏捷方法，从整体上看待挑战，并在专家共同工作以达到指定的目标和最终产品时发挥多种熟练程度。数学、数据科学和计算机工程正在以一种万物相辅相成的系统方法影响着许多其他领域。

这可以带来更全面的知识和更快的针对特定目标的产品开发。但还有一个障碍需要克服。这些学科中的每一个通常都使用专有的词汇表进行通信，具有独特的流程，并使用不同的数据类型。在纯化学时期建立的企业必须适应学科日益融合的趋势。

领先的组织努力消除研发中的竖井，以支持更全面的产品开发方法。当他们设计时，他们会考虑从材料采购到客户体验的细微差别的一切。包装工程师与化学家一起工作，以确保通过化学反应产生的产品安全可靠地包装，并可以按预期分发。

专家们只有在说同一种语言的情况下才能在这些不同的阶段进行合作。如果要使规程完全融合，公司必须在数据模型中实施标准化，以合并数据和流程。本体定义了一种跨所有过程的通用语言。它们允许来自不同学科的专家以标准化的方式将信息放入数字系统，以便对其进行解释。然后，系统将信息以适当的格式呈现给需要在研发连续过程中使用这些信息的涉众。

标准化不仅对数据模型和语言很重要，对业务流程和人们的工作方式也很重要。每一条信息都是通过一个过程产生的。当组织标准化创建信息的过程时，他们能够更有效地重用信息，并利用加速协作创新的最佳实践。同事们不需要回顾以前的步骤，也不需要讨论在早期开发阶段如何测量、存储和准备材料。更好的是:他们不会被不完整或不兼容的信息分散注意力。

科学家、研究人员和参与研发的每个人都需要能够存储和解释关于不同过程的信息的整体信息系统。这为确定最佳实践和建立共同标准提供了坚实的基础。

扩大合作

最终，标准应该扩展到组织之外。它们不应该属于任何技术提供商、知识平台或公司。随着学科融合推动更深层次的协作，信息必须是可访问和可重用的，而不是被锁在由专有流程和格式创建的竖井中。

领先的公司从定义内部标准开始，然后通过实体建立竞争前联盟，将组织聚集在一起，建立跨行业的最佳实践。皮斯托亚联盟是一个全球性的非营利性联盟，由生命科学公司、供应商、出版商和学术团体组成，共同努力制定标准、最佳实践和技术试点，以克服研发中的常见障碍。同素异形体的基础正在创建一个由软件工具和库组成的开放、公开可用的框架，以利用、实现并将数据标准集成到分析实验室工作流程中。Pistoia和Allotrope成员组织在为全球科学界创造重大价值的开放项目上合作。

随着计算机模拟中真实和虚拟领域的融合，学科融合及其产生的综合知识越来越相关。计算能力的进步现在使组织能够使用虚拟仿真模型(有时被称为数字双胞胎)来提高效率、可持续性和响应时间，以适应不断变化的消费者行为。例如，汽车制造商不需要制造一辆汽车，把它撞坏，然后重新设计，再次撞坏，直到他们把它弄成适合生产的样子。那是在浪费材料、时间和金钱。通过虚拟模型，他们甚至可以在生产线建立之前就确定汽车在碰撞中的表现，从而节省数年的开发时间。

尽管虚拟建模在生物和化学发展过程中更为复杂，但生命科学和化学工业也受益于这些方法。欧盟已经禁止使用微珠。因此，某些消费者个人护理产品必须重新配方。如果公司有标准化的测试数据，他们可以使用虚拟模型来预测将微珠换成其他成分的结果。通过预测产品行为，制造商可以最大限度地减少或消除对原型的需求，并在节省材料的同时更快地得到答案。

成功的预测科学依赖于无缝协作、统一的工作流程、全面的知识以及在上下文中可用且可理解的标准化数据。你不能简单地用数据来解决问题。必须对数据和数据背后的实践有全面的理解。最重要的是，科学学科不能再相互孤立地运作。相反，情境化数据必须自由地来回流动，沿着将所有流程连接到产品生命周期的数字连续体流动。这只能发生在数据驱动的、基于模型的环境中，这种环境可以增强科学工作经验，并提高跨功能的、基于滚动的领域的生产力。

没有什么事情是孤立发生的。在系统方法中，来自不同学科的人员一起工作来优化跨多个维度的流程。有了一个有效的知识平台，我们今天所经历的学科融合使组织能够在新的制造范式中更快地对行业和客户需求做出反应。