InnovMetric总裁专访 | 计量如何成为制造智能的核心基础设施?

随着PolyWorks 2026的发布，InnovMetric正在推动制造业迈向互联化的“终极检测实验室（Ultimate Inspection Lab）”时代。在这一体系中，尺寸检测数据能够在工厂、供应商以及工程与制造系统之间实现无缝流转。

InnovMetric总裁兼联合创始人Marc Soucy博士接受了《Metrology News》的采访，共同探讨构建网络化质量管理生态系统如何建立在数据集中化、协同与互操作性的基础之上。

PolyWorks 2026 旨在实现“终极检测平台”的愿景，即构建一个互联互通的检测生态系统。

InnovMetric 经历了哪些关键的技术或理念转变，才得以将这一愿景变为现实？

我们拥有30年将构想转化为创新成果的经验。从愿景走向现实始终是一个持续演进的过程，因为整个行业本身也在不断变化。

从当前行业的发展阶段来看，推动创新主要有三大驱动力：

安全的数据管理基石，可集中管理测量数据，并将其视为企业级的重要资产；

云技术，使海量数据能够以高效、低成本的方式进行管理，同时实现时间点备份（Point-in-Time Backup）以及先进的数据安全保障；

开放式的API与URL技术，使数据使用者能够通过自己熟悉的软件工具动态访问最新数据。

集中化、可靠性与开放性，是现代互联检测生态系统的核心要素。这并非简单的功能升级，而是推动检测从“事后报告”转变为“持续智能来源”的基础设施。

突破计量孤岛——您长期倡导在尺寸检测中构建数字化线程（Digital Thread）。PolyWorks 2026 如何将这一理念从计量工作流程扩展到更广泛的制造场景？

尺寸检测数据，是反映产品实际制造状态最可靠的指标。当这些数据能够在整个企业范围内流动时，它将改变企业的决策方式。

PolyWorks 2026能够以数字化方式，将可重复、可复现的测量流程交付给外部供应商及团队，并在所有环节中统一执行相同的测量逻辑。同时，系统还可根据不同用户角色提供定制化界面，仅呈现其真正需要的信息与功能，而不会增加多余复杂性。

最终的结果是：外部团队成员能够更快速地掌握工作任务，同时避免无关工具带来的干扰，从而减少返工需求，并降低理解偏差与人为错误。

PolyWorks的数字化线程也已经不再局限于质量检测实验室，而是进一步延伸至更广泛的制造场景，在企业范围内持续创造价值。

测量数据尚未释放的价值——制造企业每天都会采集海量尺寸数据，但其中大部分并未得到充分利用。将检测数据转化为可操作信息的最大障碍是什么？PolyWorks 2026 又是如何克服这一障碍的？

问题的核心在于数据分发方式。几十年来，尺寸检测数据之所以未被充分利用，是因为测量结果主要依赖手动文件传输进行共享。那些拥有巨大潜在价值的数据，被长期封存在本地文件夹和U盘之中。

由于缺乏数字化连接能力，质量控制团队实际上承担了“数据守门人”的角色，而大量有价值的信息始终无法真正传递到设计工程师、生产工程师以及其他需要这些数据的相关人员手中。

通过 PolyWorks 2026，InnovMetric 推出了全新的云端数据管理服务，使尺寸检测数字化线程（Digital Thread）的部署变得更加简单，从而让沉睡的数据档案转变为实时流动的数据资源。

如今，数字化互联的尺寸检测数据，已经能够被各种规模的制造企业随时访问与利用。

标准化与敏捷性的平衡——全球制造企业希望建立统一标准流程，但创新往往首先发生在本地团队。您如何平衡企业级检测标准与工程团队快速创新之间的关系？

标准化与敏捷性并不是对立的。事实上，标准本身就凝聚了最佳实践，而这些最佳实践恰恰能够在需要时支撑更高效的敏捷创新。

以当前的动力电池制造行业为例，各家企业都形成了各自不同的电池检测方案，而这些方案本身就是在持续创新中建立起来的。随着行业逐渐成熟，标准体系最终也一定会形成。

在其他一些领域，企业级标准也能迅速降低成本并简化运营，例如：

当数据存在歧义、可能被不同方式理解时。相比需要人工解读并转换为测量方案的二维图纸，向供应商直接提供测量模板或QIF文件，能够建立更加稳定的测量流程；

当企业内部经验或专业能力不足时。经过集中审核批准的测量流程，有助于保障生产稳定性；

在制造工艺批准或生产质量控制阶段，决策风险远高于产品研发阶段。标准化能够提升接近生产端决策时的信心与可靠性。

因此，我们采取的是一种混合式策略：通过企业级模板保证团队与供应链之间的一致性，同时也给予工程团队足够自由，让他们能够将成功经验持续反馈到标准库中。

数字孪生的现实挑战——数字孪生常被视为制造业的重要战略目标，但许多实际应用仍然与真实测量数据脱节。PolyWorks 应该如何帮助数字孪生真正反映物理现实，而不仅仅停留在理论模型层面？

只有当数字孪生能够真实映射测量现实，它才真正具备价值。而测量本身始终离不开具体的制造语境，同时也需要一个能够在整个生命周期内支撑数字孪生运行的完整生态系统。

PolyWorks覆盖了数字孪生生命周期中的六个关键阶段：

创建（Creation）：将数字孪生上传至数据管理服务器；

存储（Storage）：对所有已制造产品的数字孪生进行安全存储；

使用（Use）：控制数字孪生的访问权限；

共享（Sharing）：支持数字孪生在第三方应用中的使用；

归档（Archiving）：实现数字孪生的长期保存；

销毁（Destruction）：在生命周期结束后永久删除数字孪生。

借助云存储能力，PolyWorks能够以合理成本管理数百万个数字孪生模型。此外，PolyWorks在元数据（Metadata）管理、审核与修正方面的能力，对于数字孪生应用的落地同样至关重要。

元数据能够对产品进行唯一化描述与特征定义，从而确保尺寸检测数据与实际物理产品之间实现准确匹配，同时也为相关性研究以及基于 AI 的分析提供支撑。我认为，我们正在通过构建一个完整生态系统，使数字孪生真正具备持续发展的能力。