【智能制造】转型企业智能工厂的思考与建设重点

2018 年 3 月 30 日 产业智能官

文/开合中国

一、智能工厂的内涵及建设重点

　 智能工厂是实现智能制造的重要载体，主要通过构建智能化生产系统、网络化分布生产设施，实现生产过程的智能化。智能工厂已经具有了自主能力，可采集、分析、判断、规划；通过整体可视技术进行推理预测，利用仿真及多媒体技术，将实境扩增展示设计与制造过程。系统中各组成部分可自行组成最佳系统结构，具备协调、重组及扩充特性。已系统具备了自我学习、自行维护能力。因此，智能工厂实现了人与机器的相互协调合作，其本质是人机交互。

　　在智能工厂的体系架构中，质量管理的五要素也相应的发生变化，因为在未来智能工厂中，人类、机器和资源能够互相通信。智能产品“知道”它们如何被制造出来的细节，也知道它们的用途。它们将主动地对制造流程，回答诸如“我什么时候被制造的”、“对我进行处理应该使用哪种参数”、“我应该被传送到何处”等问题。

　　企业基于CPS和工业互联网构建的智能工厂原型，主要包括物理层、信息层、大数据层、工业云层、决策层。其中，物理层包含工厂内不同层级的硬件设备，从最小的嵌入设备和基础元器件开始，到感知设备、制造设备、制造单元和生产线，相互间均实现互联互通。以此为基础，构建了一个“可测可控、可产可管”的纵向集成环境。信息层涵盖企业经营业务各个环节，包含研发设计、生产制造、营销服务、物流配送等各类经营管理活动，以及由此产生的众创、个性化定制、电子商务、可视追踪等相关业务。在此基础上，形成了企业内部价值链的横向集成环境，实现数据和信息的流通和交换。

　　纵向集成和横向集成均以CPS和工业互联网为基础，产品、设备、制造单元、生产线、车间、工厂等制造系统的互联互通，及其与企业不同环节业务的集成统一，则是通过数据应用和工业云服务实现，并在决策层基于产品、服务、设备管理支撑企业最高决策。这些共同构建了一个智能工厂完整的价值网络体系，为用户提供端到端的解决方案。

　　由于产品制造工艺过程的明显差异，离散制造业和流程制造业在智能工厂建设的重点内容有所不同。对于离散制造业而言，产品往往由多个零部件经过一系列不连续的工序装配而成，其过程包含很多变化和不确定因素，在一定程度上增加了离散型制造生产组织的难度和配套复杂性。企业常常按照主要的工艺流程安排生产设备的位置，以使物料的传输距离最小。面向订单的离散型制造企业具有多品种、小批量的特点，其工艺路线和设备的使用较灵活，因此，离散制造型企业更加重视生产的柔性，其智能工厂建设的重点是智能制造生产线。

二、智能工厂主要建设模式

　由于各个行业生产流程不同，加上各个行业智能化情况不同，智能工厂有以下几个不同的建设模式。

　　第一种模式是从生产过程数字化到智能工厂。在石化、钢铁、冶金、建材、纺织、造纸、医药、食品等流程制造领域，企业发展智能制造的内在动力在于产品品质可控，侧重从生产数字化建设起步，基于品控需求从产品末端控制向全流程控制转变。

　　第二种模式是从智能制造生产单元(装备和产品)到智能工厂。在机械、汽车、航空、船舶、轻工、家用电器和电子信息等离散制造领域，企业发展智能制造的核心目的是拓展产品价值空间，侧重从单台设备自动化和产品智能化入手，基于生产效率和产品效能的提升实现价值增长。

　　第三种模式是从个性化定制到互联工厂。在家电、服装、家居等距离用户最近的消费品制造领域，企业发展智能制造的重点在于充分满足消费者多元化需求的同时实现规模经济生产，侧重通过互联网平台开展大规模个性定制模式创新。

三、智能工厂发展重点环节

智能生产的侧重点在于将人机互动、3D打印等先进技术应用于整个工业生产过程，并对整个生产流程进行监控、数据采集，便于进行数据分析，从而形成高度灵活、个性化、网络化的产业链。

3D打印

　　3D打印是一项颠覆性的创新技术，被美国自然科学基金会称为20世纪最重要的制造技术创新。制造业的全流程都可以引入3D打印，起到节约成本、加快进度、减少材料浪费等效果。在设计环节，借助3D打印技术，设计师能够获得更大的自由度和创意空间，可以专注于产品形态创意和功能创新，而不必考虑形状复杂度的影响，因为3D打印几乎可以完成任何形状的物品构建。在生产环节，3D打印可以直接从数字化模型生成零部件，不需要专门的模具制作等工序，既节约了成本，又能加快产品上市。此外，传统制造工艺在铸造、抛光和组装部件的过程中通常会产生废料，而相同部件使用3D打印则可以一次性成形，基本不会产生废料。在分销环节，3D打印可能会挑战现有的物流分销网络。未来，零部件不再需要从原厂家采购和运输，而是从制造商的在线数据库中下载3D打印模型文件，然后在本地快速打印出来，由此可能导致遍布全球的零部件仓储与配送体系失去存在的意义。

　　3D打印经过了近 40 年的发展，龙头公司开始实现显著盈利，市场认可度快速上升，行业收入增长加速。根据典型的产品生命周期理论，技术产品从导入期进入成长期的过程中往往表现出加速增长的特征，判断目前3D打印产业正在进入加速成长期。

　　图表：2008-2015年全球3D打印设备出货量增长情况

　　整个3D打印行业产业链大概可分为三个部分，上游基础配件行业，3D打印设备生产企业、3D打印材料生产企业和支持配套企业，下游主要是3D打印的各大应用领域。通常意义上的3D打印行业则主要是指3D打印设备、材料及服务企业。

人机交互

未来各类交互方式都会进行深度融合，使智能设备会更加自然地与人类生物反应及处理过程同步，包括思维过程、动觉，甚至一个人的文化偏好等，这个领域充满着各种各样新奇的可能性。

　　人与机器的信息交换方式随着技术融合步伐的加快向更高层次迈进，新型人机交互方式被逐渐应用于生产制造领域。具体表现在智能交互设备柔性化和智能交互设备工业领域应用这两个方面。在生产过程中，智能制造系统可独立承担分析、判断、决策等任务，突出人在制造系统中的核心地位，同时在工业机器人、无轨agv等智能设备配合下，更好发挥人的潜能。机器智能和人的智能真正地集成在一起，互相配合，相得益彰。本质是人机一体化。

传感器

　　中国已经基本形成较为完整的产业链结构，在材料、器件、系统、网络等各方面水平不断完善，自主产品已达6000种，国内建立了三大传感器生产基地，分别为：安徽基地，陕西基地和黑龙江基地。政府对国内传感器产业提出了加快力度加快发展的指导方针，未来的传感器发展将向着智能化的方向改善。

工业软件

智能工厂的建设离不开工业软件的广泛应用。工业软件包括基础和应用软件两大类，其中系统、中间件、嵌入式属于基础技术范围，并不与特定工业管理流程和工艺流程紧密相关，以下提到的工业软件主要指应用软件，包括运营管理类、生产管理类和研发设计类软件等。

　　在《中国制造2025》的大背景下，工业企业转变发展模式、加快两化融合成为大势所趋，工业软件以及信息化服务的需求仍将继续增加，中国继续保持着全球工业软件市场增长生力军的地位。

　　具体来看，2016年我国工业软件行业中产品研发类如CAD、CAE、CAM、CAPP等占比约为8.3%，信息管理类如ERP、CRM、HRM等，占比约为15.5%；生产控制类如MES、PCS、PLC等占比约为13.2%；其余63%均为嵌入式软件开发。

　　分区域来看，华北、华东是工业软件应用最多的区域，合计占到全国一半左右，具体到省市来看，北京、上海、广东、江苏是工业软件实力雄厚的区域，约占中国工业软件市场规模的一半以上。

　　广泛应用MES（制造执行系统）、APS（先进生产排程）、PLM(产品生命周期管理) 、ERP(企业资源计划)、质量管理等工业软件，实现生产现场的可视化和透明化。在新建工厂时，可以通过数字化工厂仿真软件，进行设备和产线布局、工厂物流、人机工程等仿真，确保工厂结构合理。在推进数字化转型的过程中，必须确保工厂的数据安全和设备和自动化系统安全。在通过专业检测设备检出次品时，不仅要能够自动与合格品分流，而且能够通过SPC（统计过程控制）等软件，分析出现质量问题的原因。

云制造

云制造即制造企业将先进的信息技术、制造技术以及新兴物联网技术等交叉融合，工厂产能、工艺等数据都集中于云平台，制造商可在云端进行大数据分析与客户关系管理，发挥企业最佳效能。

　　图片展示了云制造的概念，以及从传统制造，到智能制造，到智慧制造，到今天的云制造的过程。

　　我们国内，可以看到有航天科工集团开发的面向航天复杂产品的集团企业云制造服务平台，接入了集团下属各院所和基地拥有丰富的制造资源和能力；中车集团面向轨道交通装备的集团企业云制造服务平台，打通了轨道车辆、工程机械、机电设备、电子设备及相关部件等产品的研发、设计、制造、修理和服务等业务；面向中小企业的云制造平台，也陆续出现在了装备制造、箱包鞋帽等行业领域。

　　云制造为制造业信息化提供了一种崭新的理念与模式，云制造作为一种初生的概念，其未来具有巨大的发展空间。但云制造的未来发展仍面临着众多关键技术的挑战，除了对于云计算、物联网、语义Web、高性能计算、嵌入式系统等技术的综合集成，基于知识的制造资源云端化、制造云管理引擎、云制造应用协同、云制造可视化与用户界面等技术均是未来需要攻克的重要技术。

本文来源：智能制造IM

世界GDP TOP4：日、德、美、中各国“工业4.0“们的核心差异

大数据与制造的关系

大数据与制造间的关系可以用下图表示，有3个重要的元素：

1、问题：制造系统中线性或隐性的问题，如质量缺陷、精度缺失、设备故障、加工失效、性能下降、成本较高、效率低下等。

2、数据：从制造系统的5大要素中获得的，能够反映问题发生的过程和原因的数据。数据的获取应该是以问题为导向，目的是去了解、解决和避免问题。

3、知识：制造系统的核心，也就是Know-how，包括制程、工艺、设计、流程和诊断等。知识来源于解决制造系统问题的过程，而大数据分析可以理解为迅速获取和积累知识的一种手段。

大数据与智能制造之间的关系可以总结为：制造系统中问题的发生和解决的过程中会产生大量数据，通过对数据的分析和挖掘，可以了解问题产生的过程、造成的影响和解决的方式；当这些信息被抽象化建模后转化为知识，再利用知识去认识、解决和避免问题。当这个过程能够自发自动循环进行，即我们说的智能制造。

问题和知识是目的，而数据则是手段。在上图的要素中，把数据换成人，就是“工匠精神”，换成“自动化产线和装备”就是“工业4.0”，换成互联网就成了“互联网+”。

对知识的理解、积累和传承方式差异

决定了各国不同的制造业文化

日本的制造哲学

通过组织文化和人的训练不断改善，在知识的承载和传承上非常依赖人。

日本制造业文化最主要的特征就是通过组织的不断优化，文化建设和人的训练来解决生产系统中的问题。20世纪70年代日本提出的“以全生产系统维护TPM”为核心的生产管理体系，核心思想：全效率、全系统和全员参与，实现方式主要3个方面的改善：提高工作技能，改进团队精神和改善工作环境。20世纪90年代后，日本选择以“精益制造”作为其转型方向。

日本企业解决问题的方式通常是：发生问题——人员迅速到场、确认现场、探究现实，并解决问题——分析问题产生原因，通过改善避免问题。最后知识落到了人的身上，人的技能提升后，解决和避免问题的能力也就提升了。

对日本企业而言，员工是最重要的价值，对人的信任远胜于对装备、数据和系统的信任，所有自动化和信息化建设都是围绕着帮助人去工作为目的，所以日本企业从不会去谈机器人换人或无人工厂。但这样的文化在近几年遇到了巨大的挑战，日本的老龄化使得年轻一代制造业人才大量短缺，没有人能够去传承知识。日本意识到了自己在数据和信息方面的缺失，在日本的工业价值链产业联盟的架构和目标上，19条工作项目中，有7条与大数据直接相关。

日本的转型战略是应对其人口结构和社会矛盾的无奈之举，转型过程中面临许多挑战，首先是数据积累的缺失，其次是日本工业企业保守的文化造成软件和IT技术人才的缺失。

德国的制造哲学

通过设备和生产系统的不断升级，将知识固化在设备上。

德国的先进设备和自动化生产线举世闻名。同时德国人严谨的风格及独特的“学徒制”高等教育模式，使得德国制造业风格非常务实。然而德国很早也面临劳动力短缺的问题，德国不得不通过研发更先进的装备和高度自动化生产线弥补这个不足。

德国解决问题的逻辑是：发生问题——人解决问题——将解决问题的知识和流程固化到装备和生产线中——对相似问题自动解决或避免。除了生产线追求问题自动解决，德国在企业管理方面也尽可能减少人为影响因素。最好的企业资源管理（ERP）、生产执行系统（EMS）、自动排程系统（APS）等软件供应商都来自德国。大量的信息录入和计划的生成及追溯通过软件完成，尽量减少人为因素带来的不确定性。

德国对数据的采集同样缺少积累，因为德国制造系统对故障和缺陷采取零容忍态度，出了问题就通过装备端改进一劳永逸解决问题。由于生产线的高度自动化和集成化，整体设备效率非常稳定，另数据进行优化的空间也比较小。

德国依靠装备出口获得了巨大经济回报，但大多数工业产品本身只能卖一次，卖一个客户少一个客户。同时，发展中国家的装备制造和工业能力近两年崛起，德国的市场不断被挤压，2008-2012年德国的工业出口几乎没有增长。于是德国提出工业4.0计划，其背后是德国在制造系统中所积累的只是体系基础后，同时将德国制造的知识以软件或工具包的形式提供给客户，作为增持服务，从而实现在客户身上持续盈利。德国工业4.0设计框架的核心要素就是整合。

美国制造业创新哲学

美国：从数据和移民中获得新的知识，并擅长颠覆和重新定义问题。

美国在解决问题国产中，最注重数据的作用。客户需求分析、客户关系管理、质量管理、设备健康管理、供应链管理、服役期管理等各方面都大量依赖数据进行。美国企业普遍选择非常依赖数据的6-sigma体系，美国还在21世纪初提出了“产品全生命周期管理（PLM）”的概念，核心是对所有与产品相关的数据在整个生命周期内进行管理，管理对象为产品的数据，目的是全生命周期的增值服务和实现到设计端的数据闭环（closed-loop design）。

除了利用知识解决问题外，美国也擅长用知识进行颠覆式创新，从而对问题进行重新定义。例如航空发动机制造业，降低发动力油耗，大多数企业会从设计、材料、工艺、控制优化等角度去解决问题，而通用电气发现飞机油耗与飞行员驾驶习惯以及发动机保养情况非常相关，于是从制造端跳出来转向运维端去解决问题，效果比制造端改善还明显。

中国的制造哲学

选择了精益体系，缺乏数据积累。

中国制造业在2000年后质量和管理改革大多选择了精益体系，一方面因为中日文化相似性，更多因为中国企业普遍缺乏数据的积累和信息化基础，这个问题目前依然存在。

制造中价值链的位置是竞争力的决定性因素，各国在价值链布局也不同。

生产活动中，价值要素分布从上游到下游依次是：想法创新与需求创造、原材料与基础使能技术、关键装备与核心零部件、生产过程与生产系统、产品和服务。在整个价值链要素分布中，中国在生产过程和生产系统环节具有优势（主要体现在劳动成本和生产能力方面），但是在其他各环节都处于劣势。不同国家在价值链的分布和布局也不同。

各国发展理念及未来趋势

美国：牢牢占据生产要素的上游，努力向下游延伸

美国在生产活动要素分布中，在想法创新和需求创造、原材料和使能技术，以及产品增值服务端具有明显优势。美国工业系统核心竞争力来源于6s生态体系：航天航空（space/aerospace），半导体（semiconductor）、页岩气（shale gas）、智能化服务创值经济（smart ICT service）、硅谷创新精神（Silicon Valley spirit）、可持续人才资源（sustainable talent pool）。

美国白宫在2012年3月提出了国家制造创新网络计划（NNMI），在制造业4大领域建立9个研究创新中枢。牢牢掌握工业价值链中价值含量最高的几部分，即使德国的制造设备再先进，中国制造系统再高效，都可以从源头确保核心竞争力。

德国：充分发挥关键装备与零部件、生产过程与生产系统的技术优势，通过服务增值增强盈利能力与竞争力

德国在关键装备与核心零部件、生产过程与生产系统两个环节有明显技术优势，中小企业为核心的隐形冠军企业和学徒制双元教育，为德国工业提供了扎实基础。高素质的技术工人和工程专业人才历来被看做德国的经济支柱。然而金砖国家为代表的新兴经济体基本完成了工业化，导致德国的工业装备需求停滞不前。

德国提出“工业4.0”的核心目的主要有两方面，一是增强德国制造的竞争力，为德国的工业设备出口开拓新的市场，二是转变以往卖设备而服务性收入占比较小的状态，将重心向产品端向服务端转移，增强德国工业产品的持续盈利能力。

日本：在产品环节丢失大量市场，但产业装备竞争力在向上游转移

以往日本制造的核心竞争力主要在于生产过程和生产系统、产品及服务端。近两年，日本最强势的传统产业汽车和消费电子不断被韩、美、中占据。在背后，其实是日本创新方向的转变，在上游原材料和关键装备及关键零部件领域拥有更多话语权。索尼在丧失消费电子领域老大地位后，在医疗领域取得突破，已经占据全球内窥镜80%以上的市场份额。日本在《2015年制造业白皮书》中，将人工智能和机器人领域作为重点发展方向，同时也将加强在材料、医疗、能源和关键零部件领域的投入。

中国：工业化和信息化深度融合作为主线，在10个重点领域实现突破性发展

2015年中国提出“中国制造2025”，将工业化和信息化“两化”深度融合作为发展主线，力争在10个重点领域实现突破性发展。

根据之前的分析，中国应：着重填补中国工业基础技术的缺口，改变核心零部件和先进材料过度依赖进口的现状；努力提高生产效率，从粗放生产模式想精益模式转变；重视工艺和制造过程的研究和生产过程的管理，不断提高产品质量；努力研发核心生产设备和智能设备，并对设备的使用进行精细化和信息化管理。同时，要注重原始想法的创新，提升产品的服务能力和持续盈利能力，以顾客端的价值缺口为导向创造新的市场机会，利用增值服务提升中国工业产品的核心竞争力。

温馨提示：素材源于江苏西格数据科技

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，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。重构生产、分配、交换、消费等经济活动各环节，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、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。