智能制造的核心价值

智能制造是非常热门的话题，自2015年热起，已经经历了物料网、大数据、云计算、AR/VR、人工智能、产业互联网、工业互联网以及最近的工业APP，热点转移频繁。

其实，智能制造其核心是制造而不是智能，智能是需要为制造赋能的。那么智能到底能为制造赋什么能呢？

回答了这个问题，也就溯源了智能制造的本质。

制造，制造，就是“制”和“造”，工厂是其载体。其本质是生产产品。而生产产品的就是从供应商购入物料，经过制造转变为产成品的过程。依据这个的本质定义，制造（工厂）的本质是物料的流动（从供应商流入，经过转换，流出至客户的过程）。

依据这个解释，并可以推理出制造物料流动的特性：

1、守恒性

从供应商流入，流出至客户的物料流动，在一段时间内守恒：即，期初+流入=库存+流出。

这个非常好理解，物质不灭定律。

2、相应性限制

物料在工厂的流动，需要受到两个限制：

其一，受到工艺路线的限制。众所周知，产品的具有BOM（物料清单）结构的限制，而BOM结构是有层级的。BOM的各个层级之需要工艺路线串接。依据BOM结构和工艺路线，离散型工厂的物流形态，一般可以区分为V、A、T、I四种。

其二，受到工厂物流路径的限制。任何工厂都受到物理条件（空间）的限制，均经过收料暂存、存货区、备货区、车间暂存、在线（机台）、入库暂存、入库、备货等区域。

3、流动性制约

既然制造（工厂）的本质是物料流动，而流动性必然受到制约因素的制约。流动性的制约因素，可以区分为外部与内部两个大类。

流动性的外部制约，可以区分为市场和供应两个类型。市场是受制于客户群、客户的需求量。手机销量从高速增长，到消费疲软是市场限制。供应商受制于供应商的种类、产能和技术水平等。半导体行业中的光刻机，是典型的供应制约因素。

流动性的内部制约，可以区分为政策和物理两个类型。流动性的内部政策制约其种类非常多，如衡量（比如阿米巴、KPI考核）、组织、人员编制、方法、流程等等。流动性的政策制约，往往是两个极端：做多和做少。大公司、国有企业等等企业往往做多，比如一大堆的学习、一大堆的考核，配置了一大堆的间接人员。而广大中小民营企业往往是做少，把人作为成本而非资源，把必要的管理配置，变成了费用控制。中小民营企业往往是欠管理，该管的事情都没有管起来。流动性的内部物理制约，大家非常好理解，就是设备、设施不足。设备不足大家均可理解，当前操作工不足也是非常大的比例。设置不足也可以理解：厂房不足、水电气、存放空间不足等等。

流动性制约了系统的产出，需要最大改善的之处。

4、变动性影响

世界是客观变化的，尤其是当今。《重构，数字化的转型逻辑》中以十分大的篇幅讲述了不确定度对当今社会的影响。

建立一个简单的模型，来分析制造（工厂）的变动性，更易理解：

第一，外部

外部—客户：客户对产品需求在变多、变杂、需求的速度在变短。任何产品均变成了时尚品。

外部—供应商：因为产品生产周期短、订单量变小、变散，致使供应商的组织、形态在变化。尤其是劳动力短缺、高智商人才的就业多元化，致使供应商的生产组织能力、水平下降，供应商的质量水平、交期保障等一致性变差。

第二，内部

内部—政策，因为外部变化，使得内部的政策稳定性变差，尤其是员工的流失率过高，致使内部控制力下降。

内部—产能，管理水平（设备能力在提升）、员工、产品复杂度等的变化，使得产能的变动性也在增加（不稳定的质量，均需要产能弥补）。

而且，更加恐怖的是，变动性有腐蚀作用，对生产过程的伤害非常大。供应链的牛鞭效应在制造（工厂）内部也一样适用。

三、智能制造

智能制造至少在国内是最近几年兴起的新词汇，是一个演变的过程。制造制造有三个含义：

其一，集成

信息化强调的是“集成”，通过将研发、设计、工艺、制造、销售、采购等业务环节的数据集成在一个平台上，实现数据的互联互通，打破信息孤岛，实现从销售，产品、制造、供应链或服务过程的协同。

其二，建模

数字化强调的是“建模（虚拟和仿真）”，运用CAD/CAM/CAE 、CAPP、PDM/PLM等软件，实现产品和制造过程的建模和仿真。单元级、系统级、系统的系统级的CPS、数字双胞胎都是产品、制造（工厂）的实体模拟。自然，要实现产品和制造（工厂）的全过程建模和仿真，需要足够的时间和预算支撑。

其三，决策

信息化侧重于数据的收集、记录、存储，数字化侧重于对数据的处理、分析，而智能化重点在于对数据的应用：提高能见度、辅助决策。实现“分散数据整合化（通过数据收集实现）”、“整合数据可视化（通过数字化建模实现）”、“可视数据实用化（通过基于数据的决策实现）”的逻辑。

五、制造（工厂）运作的本质

生产运作管理发展历史久远，《科学管理原理》一书发行已经超过100年，MRP、Lean、TOC是生产运作管理最基本的三个方法论。尤其是精益生产更是深入人心。但是，溯源究本，可能《工厂物理学》所揭示的本质才是最根本的：

作为《工厂物理学》第一定律的里特定律，清晰地揭示了一个事实，要达到客户满意（准交和短交）、老板满意（高产出、高效率），别无他法，只有控制在制品的投放即可。

如何控制呢？只要分析生产任务的状态，就可以得出明显的结论：

1、识别生产任务的状态

2、识别产出的绩效状态（交付、产出）

3、投放该投放的生产任务

（吐槽：按照这个原理，似乎阿米巴、积分制不太好用了）

六、【智能】对【制造】的赋能

从讨论制造的本质可知，制造的本质是物料的流动，所以管理制造过程物料的流动性是关键中的关键。

因为产品生命周期短、客户需求多样化，造成了订单品种多、订单批量小、订单变动多、订单周期短，致使制造（工厂）运作管理的复杂度大幅度增加（几何曲线），如何通过控制生产任务的投放取得好绩效（客户满意度高、投资回报率高）成为了难题。而智能制造恰恰为此实现提供了可能性。

依据以上阐述，对于制造过程而言，控制生产任务的投放是核心环节，则可以推知，其信息系统模块中，APS是关键环节，甚至说一个数字化工厂，一个智能制造系统中，没有APS，发挥不了真正的核心价值。

APS高级计划和排程，一般实现三个功能：

其一，是长周期的物料和产能展望。

制造过程本质是一个长周期内的循环过程，需要针对未来的市场发展做长周期的展望。长的展望周期是52周的，一般的企业也有12周（C+3）的滚动需求分析，以预先配置资源，响应客户需求。

其二，是异常的仿真模拟和分析

需求过程、制造过程都是一个高度变化的，尤其是不确定度非常高的今天，需求端的订单、供应端的送货、制造（工厂）端的产能变动是常态。这些变化对销售订单的影响、对制造（工厂）产出绩效的影响都需要实时、动态的模拟分析，以做出科学的决策。

其三，全局、高精度、实时、优化的计划和排程

制造（工厂）一般是典型的多组织（多个车间、串并联结构）的协同过程，手工计划和协同时，因为算力限制，一般对车间级的独立计划和排程，通过日调度会、周S&OP会议协同，不能做到实时、全局的计划和排程，更无法提及优化，实现客户满意度和资源产出效率的优化（客户满意度与资源效率为冲突）。

新基建下的智能制造，如何围绕数据实现价值提升？

历史上每一次重大灾难，都会推动社会各界探索新的发展机会。2020年初爆发的疫情对制造业产生了什么影响，制造业下一阶段的出路在哪，成为行业关注的话题点。

根据赛迪顾问的调研报告，2003年SARS疫情发生后，制造业对经济增长贡献不仅大于当年服务业贡献，也大于邻近年份制造业贡献，这表明制造业在重大灾难后的反应速度更快，对恢复经济的贡献也更大。

而17年后的当下，人工智能、大数据、5G等新型技术发挥着更加巨大的作用。随着“数字基建”时代的来临，数据平台与工业互联网同时被列入七大领域中。

从国家战略下沉到企业的应用场景，工业互联网平台可以细化为新技术融合应用、数据集成应用、模式创新三大方向。 在大数据、人工智能等新技术融合应用的推动下，数字化转型与智能化融合将成为制造业的下一个风口。

那么企业如何抓住风口之上的发展机遇？帆软数据应用研究院整理了中京电子、江铃集团新能源汽车、凯耀照明等数家制造业企业CIO的访谈内容，集中探讨了关于现阶段智慧化存在的问题、智能制造的关键核心所在以及智能制造有哪些可落地的应用场景等话题。

智能制造差距分析：数据与业务场景分离

如今，在数字化的加持下，中国制造业的综合实力不断加强。行业实现了从营销、服务、设计环节的新业态带动生产组织、供应链条和制造模式的智能化变革。企业的整体业务实力提升，但是在设备自动化、智能化等传统领域仍有差距。

一方面，缺乏相应的技术基础与制作工艺，加之由于成本问题，企业缺乏自动化升级的动力，这些导致智能工厂、智慧车间的普及率和利用率不高。另一方面，数据流转水平不足以支撑多个业务系统之间的自动化运行，数据孤岛造成了业务链条的流畅性降低，系统之间的自动协作性不高。

以凯耀照明股份有限公司为例，在推行数字工厂之前，各个生产线设计到MES、PLM、CRM、SRM、ERP等多个系统。但由于缺乏数据管理机制，各个系统数据未完全打通，导致采购、生产等多个环节出现误差，无形中增加了成本。这种背景下，企业想要实现智能制造的真正落地，需要找准数据的价值。

智能制造的核心：通过数据流转产生价值

本次疫情首先在中国爆发，制造业在供给段与需求端都面临着无法复工复产而引发的问题。有报告显示，全球80%以上的汽车零部件都由中国制造，中国工厂停摆使全球供应链遭受冲击。自动流程生产、智能制造又一次成为了行业数字化转型的关注重点。

在中京电子科技股份有限公司的信息技术中心总监明昌敏看来，智能工厂是行业的重点发展方向，设备互联速度将进一步加快。而数据在其中起到了传导器的作用。通过数据监控保障生产的标准化，从而在面对突发状况时，可以降低“因人废事”的风险。

在中国制造业领域，无论是疫情防控期间催生的远程办公热潮，还是利用BI平台提升企业管理智能化水平，数据都是宛如“石油”般重要的资源。而我国的制造业积累雄厚，数据积累也正是我国工业互联网的一大优势。

而聚集差距，“数字基建”时代下，数据富矿会全方位应用于企业的多种应用场景下，推动企业智能制造的进程，成为弥补制造智能化差距的关键。

数据拉通、数据文化、数据中台助力智能制造价值升级

无论是工业互联网还是智能制造，都是在进行包括人、数据、机器设备在内的工业全要素、全产业链、全价值链的深度互联。相比于数字化程度更高的国外制造业，国内的应用场景更多集中在生产过程管控与资源优化配置等场景。其中涉及到数据拉通、数据文化、数据中台等多个方面。

数据拉通：助力搭建数字工厂，实现精益生产

作为中国照明电器行业10强，凯耀照明股份有限公司在企业内部进行全价值链的数据拉通改造，利用“报表平台+阿米巴平台”双核驱动的方式，以搭建数字工厂为目标，将SRM、TPM、OA等系统数据进行整合，打通制造流程、计划管理、工序流程和质量管理等环节，实现流程溯源、数据预警、权限细化等精细化运营目标。

在谈到数字工厂时，凯耀照明集团副总裁兼CIO张益军认为，无论是智能化还是数字化，都离不开基础数据的支撑以及数据精准度的优化，在这其中FineReport数据平台发挥了重要的作用。

数据的流转与应用推动了公司的智能化进程，一方面培养全公司“用数据说话”的工作氛围，一方面实现了多系统的精益生产。凯耀照明总裁刘强曾评价：智能化平台的建设至少为凯耀照明增加了2%的净利，价值五千万有余。真正做到了以极小的投入产出了巨大的效益。

智慧工厂：数据文化应承担重要作用

“数字化的发展战略、总体框架、文化积累与企业的发展战略、管理模式和关键流程是相互提升的关系。信息中心想要实现价值，不仅需要新型技术的支持，还需要站在企业发展的高度，积极主动地将IT价值进行展现，在企业数据文化建设方面承担起更多的责任。”

在疫情防控关键期，中京电子采取了一系列动作，保证员工安全快速复工。在信息技术中心总监明昌敏看来，这些都离不开公司数年的数字化建设积累与浓郁的企业数据文化。

中京电子的智能化转型主要围绕业务系统数字化和物联网两个方向展开。以BI分析平台为例，为了让可视化数据的价值发挥到最大，公司利用帆软报表搭建了统一的报表分析平台，升级了车间电子看板。

落实到具体业务应用，数据报表以及预警信息还会根据需求被自动推送到邮箱和各种微信工作群中，在浓厚的数据文化氛围浸染下，中京电子的移动化办公有序推进，CS架构应用、移动端应用逐渐转变为BS架构应用、会议系统的打造等等，为应对这次突发疫情提供了坚实的技术基础。

最后，明昌敏特别强调商业智能在企业智能化转型中的重要性。首先在企业数字化完成之后，BI系统可以将相关业务进行可视化呈现，进而提升各个业务模块的运营效率。其次，企业在制定生产计划时，通过数据分析可以拿到具体的业务分析预测结果，有针对性的进行指导。

数据中台：梳理复杂业务场景，实现智能化转型逆袭

在快速发展的工业互联网时代，很多传统企业在应对复杂业务场景与快速市场竞争时，需要数据中台在业务流转中提供数据分析与业务模型的支持。在很多企业搭建数据中台的过程中，分析报表和商业智能可以提供一定的支撑。

江铃集团新能源汽车有限公司从2015年就开始了信息化建设进程，但随着业务场景不断扩张，数万台汽车行驶产生大量数据，业务系统之间数据耦合性强，数据应用缺失，这些成为公司发展过程中的阵痛。

业务需求与数据应用之间的落差迫使公司做出数字化转型，向自动化工厂迈进。据IT总监谭晓斌介绍，公司采取“大中台、小前台”的策略，整合各个业务系统的数据，从统一数据口径、搭建数据结构、建设数据监控平台等手段入手，开始智能化转型的逆袭之路。

为了满足全国数万辆新能源汽车运行情况的实时跟踪，信息中心在数据中台的基础上搭建了车辆实时监控平台。公司在每一辆行驶的新能源汽车上都装有数据感应装置，数万辆车的数据会实时传导、更新至公司的数据库中。

同时，车辆实时监控平台还支持联动钻取操作，点击地图上的车辆标识，可以下钻到该车辆的具体运行情况。汽车的行驶里程、当前车速、电池状态、预警状态等信息将实时更新到数据系统中，进行实时呈现。汽车监控大屏可以保证数据平均每15秒进行更新，全国各地的汽车都在监控范围之内。

讲到车辆监控平台，谭晓斌回忆道：其中最让信息部门担心的就是瞬时8W+车辆产生的数据量，平台需要对这庞大的数据量进行实时清洗、分析、展现等操作，对数据分析的技术要求很高。最终，经过数个月的调试，利用帆软搭建的汽车监控平台成功上线，为智能化平台提供了成功的范例。

无论是数据流转，数据文化还是数据中台，几位CIO都将数据价值落地到具体的企业业务场景中，从而实现人、数据、机器设备的深度互联。

放眼未来，智能时代大有可为

在帆软制造行业高级顾问任敏看来，随着数字基建政策在产业领域的不断下沉，它将又一次掀起传统制造业转型升级的浪潮，并为企业刻画出了一份通往智能制造道路的路线图，数据互联是其主干道，它包括工业物联网涉及到的设备数据采集与对接，以及产业互联网中依托的大数据分析平台工具和方法。

而在产业数字转型的过程中，智能制造将成为制造业转型的重点。随着凯耀照明、中京电子等企业受到转型的红利，未来越来越多的企业都将以需求为导向，加速业务之间的智慧互联，将数据的价值发挥到最大，从而创造更大的智能生态价值。

来源：环球网

相关问答

[回答]自动化的工具提高了体力劳动者和脑力劳动者的效率,传统的机器人、机床、专业设备等传统工具正升级为3D打印、数控机床、自动吊装设备、自动分检系统...