我們這個時代，比以往更多的概念，精益生產(chÇŽn)、智能制造、工業(yè)4.0、數(shù)字化工廠、工業(yè)物聯(lián)網(wÇŽng)、工業(yè)大數(shù)æ“š(jù)、人工智能……總是有那么多的概念在制造業(yè)里流行，然而，這么多的概念卻讓人們陷入迷茫之中，每個人似乎都懂得制造，而又愈發(fā)讓聽者困惑。我們該如何厘清這些概念之間的關(guān)系，扮演的角色，本文試圖為讀者進行一個梳理，希冀有所裨益。

智能制造必須服務(wù)于企業(yè)經(jīng)營

    無論我們對于智能制造何種定義與實現(xiàn)方法進行探討，我們都必須以企業(yè)的經(jÄ«ng)營戰(zhàn)略為目標(biāo)，企業(yè)的經(jÄ«ng)營在于①為消費者/客戶提供質(zhì)優(yōu)價廉的產(chÇŽn)品②為股東投資確保回報③為員工的福利，這是企業(yè)經(jÄ«ng)營者必須考慮的，也是企業(yè)作為整體的價值所在。

    當(dāng)下對于智能制造的討論多數(shù)聚焦于技術(shù)之實現(xiàn)，標(biāo)榜智能制造產(chÇŽn)線，多是以局部看全局，而另一方面，為了智能制造而上系統(tÇ’ng)也是偏離了企業(yè)經(jÄ«ng)營之本質(zhì)，如何厘清經(jÄ«ng)營與智能制造間的關(guān)系，建立有效的路徑分析與判斷，并逐次有效的實施整體戰(zhàn)略，對于企業(yè)而言，尤為重要，因為，這關(guān)乎企業(yè)長久的存亡，而非短期之政策紅利。

每個概念所扮演的角色如何？

    盡管我們不能把已經(jÄ«ng)實現(xiàn)的稱之為概念，但是這里我們以其所對應(yÄ«ng)çš„é ˜(lǐng)域來進行闡述。

1、精益是數(shù)字化的根基

    精益是一種不斷改善經(jÄ«ng)營效率，發(fā)揮資源，包括核心的人的能動性力量，持續(xù)å­¸(xué)ç¿’(xí)不斷改善，讓企業(yè)不斷提升競爭能力，消除浪費就是一種對資源的最大化利用，發(fā)揮成本效率的途徑，最終去實現(xiàn)經(jÄ«ng)營的利潤率最大化。

    精益對生產(chÇŽn)中的過度生產(chÇŽn)、等待、運輸、過度加工、庫存、缺陷返工、走動、人才浪費進行了聚焦，并提出了諸多的方法予以消除。這些與生產(chÇŽn)制造單元的經(jÄ«ng)營目標(biāo)緊密相關(guān)。

    我們總把計算機、MES/ERP這些理解為數(shù)字化系統(tÇ’ng)，但是，數(shù)字化的根基是“數(shù)å­—”—是基于“量化管理”的管理科學(xué)思想，因此，所謂的數(shù)字化運營的本質(zhì)在運營，而非數(shù)字，數(shù)字只是實現(xiàn)的數(shù)字化運營的手段。

    之所以說精益是數(shù)字化的根基在于精益為生產(chÇŽn)提供了各種量化方法、工具，例如KPI、OEE、TPM、RCA、5S、目視化管理、看板等，這些使得工廠成為了一個可以被量化、可視化、透明化的工廠，一切都服務(wù)于經(jÄ«ng)營目標(biāo)：質(zhì)量、成本與交付能力。

    表1是對智能工廠的性能指標(biāo)定義，它事實上是基于精益的可量化而定義的，這些是數(shù)字化運營、智能制造、工業(yè)4.0等所有概念必須去實現(xiàn)的目標(biāo)。

表1-智能工廠的性能指標(biāo)要求

2、自動化的角色

    傳統(tÇ’ng)上，我們僅站在自動化行業(yè)的角度理解自動化，就是傳感器檢測、控制循環(huán)、顯示、趨勢報警，然而，當(dāng)我們把自動化放在智能制造大環(huán)境下，我們會發(fā)現(xiàn)它扮演的角色是服務(wù)于運營本質(zhì)的。

（1）.它確保效率

    為什么要自動化？從傳統(tÇ’ng)生產(chÇŽn)運營而言，采用人工搬運、加工的過程顯然與機器的速度無法相比，尤其是談到智能制造的集成生產(chÇŽn)，將繼續(xù)削減中間不必要的環(huán)節(jié)—精益中所定義的不增值環(huán)節(jié)。而今天我們討論離散的制造業(yè)數(shù)字化，事實上，在自動化程度上，連續(xù)型生產(chÇŽn)的自動化程度要更高。

（2）.確保生產(chǎn)質(zhì)量

    高精度的伺服定位與同步、機器人集成制造使得產(chÇŽn)品質(zhì)量及其一致性不斷提高，這些都是機器相較于人而言更為重要的作用。

（3）.提供生產(chǎn)靈活性

    運動控制不僅提供了高精度的加工質(zhì)量，而且還確保了生產(chÇŽn)的柔性，就像在各種機器上，運動控制扮演讓生產(chÇŽn)更為靈活的角色，通過參數(shù)設(shè)置，伺服系統(tÇ’ng)自己規(guÄ«)劃加工曲線，確保平滑的工藝切換。

（4）.提供上行數(shù)據(jù)采集與下行指令執(zhí)行

    當(dāng)然了，自動化系統(tÇ’ng)還扮演了精益的可視化管理角色，包括趨勢、報警，當(dāng)然也包括生產(chÇŽn)中的能源、維護、品質(zhì)數(shù)æ“š(jù)向管理系統(tÇ’ng)的輸送，當(dāng)然，也接受來自管理系統(tÇ’ng)的指令，如新的訂單加工參數(shù)、工序等。

3、數(shù)字化/信息化的角色

    自動化已經(jÄ«ng)讓標(biāo)準(zhÇ”n)化的大規(guÄ«)模生產(chÇŽn)達(dá)到了極高的水平，但是，當(dāng)生產(chÇŽn)的個性化需求變得越來越多的時候就產(chÇŽn)生了新的挑戰(zhàn)，從精益角度，質(zhì)量、成本與交付都成了困難，幾個例子來說明：

    （1）.不良品率：當(dāng)印刷批次變小時，開機浪費將提高不良品率，使得質(zhì)量實際上下降；

    （2）.成本：當(dāng)不良品率提高，成本顯然提高，而個性化生產(chÇŽn)帶來的工藝切換時間也會造成成本上升、當(dāng)機也會造成成本的損耗，而從個性化產(chÇŽn)品成本計量角度，必須將成本分配在每個批次的產(chÇŽn)品上，那么這個生產(chÇŽn)計劃中的能耗、機器效率就變得更為重要-顯著提高了成本。

    （3）.交付能力顯著下降：工藝切換的時間消耗、當(dāng)機、返工這種在大批量生產(chÇŽn)已經(jÄ«ng)非常成熟的解決方案在個性化時代就會放大，使得交付下降。

    從這個角度來觀察生產(chÇŽn)制造的要求就會發(fā)現(xiàn)，在更大的全局來優(yōu)化產(chÇŽn)線成為了必然，例如：

    如何讓生產(chÇŽn)運營過程最大的協(xié)同來消除中間的時間、能耗等浪費？

    當(dāng)有設(shè)備停機產(chÇŽn)線如何自動分配負(fù)載？

    在批次降低質(zhì)量迭代周期變小時如何削減開機浪費？

    工藝切換的時間耗費如何降低以達(dá)成快速交付？

    再回到運營角度來思考，就會發(fā)現(xiàn)，智能制造必須借助于信息的透明來分析問題，數(shù)æ“š(jù)連接起來，才能全景的觀察產(chÇŽn)線，才能尋找運營的優(yōu)化。

    而制造級的數(shù)æ“š(jù)采集由于垂直行業(yè)的差異性一直是一個挑戰(zhàn)，而事實上在最近幾年運營智能制造的項目中這一問題也比較突出，造成了很大的障礙，這也是為什么OPCUA成為了熱點的原因，因為OPCUA解決了以下幾個問題：

    （1）.共享數(shù)æ“š(jù)模型使得數(shù)æ“š(jù)對象變得簡單，可以較為便利的方式對數(shù)æ“š(jù)進行采集；

    （2）.語義互操作使得跨平臺的系統(tÇ’ng)之間可以進行數(shù)æ“š(jù)基于標(biāo)準(zhÇ”n)與規(guÄ«)范進行交互；

    （3）.垂直行業(yè)信息模型的集成更為垂直方向提供了數(shù)æ“š(jù)便利。

圖1-基于OPCUA/MQTT的制造信息集成

    OPCUA提供了通信與設(shè)備層的規(guÄ«)范，而數(shù)æ“š(jù)字典則提供了在管理級的信息建模規(guÄ«)范，在RAMI4.0的參考模型中包括管理殼（AdministrationShell）、數(shù)æ“š(jù)字典都解決全局的業(yè)å‹™(wù)層面的信息標(biāo)準(zhÇ”n)與模型。這是一種在水平角度的信息集成。

圖2-關(guān)于智能制造的標(biāo)準(zhǔn)體系架構(gòu)參考

    不僅要梳理數(shù)æ“š(jù)的傳輸，也要明白數(shù)æ“š(jù)的流向—即，用途，也是要服務(wù)于生產(chÇŽn)運營的。圖2是來自NIST的陸燕教授整理的關(guān)于與智能制造相關(guān)的標(biāo)準(zhÇ”n)，包括從底層的現(xiàn)場總線、信息模型、數(shù)æ“š(jù)模型、設(shè)計、制造各個環(huán)節(jié)，以全景形式給了我們以參考。

4、智能化——全局優(yōu)化與決策支持

    自動化建立在對單個控制任務(wù)的調(diào)節(jié)，即使多變量系統(tÇ’ng)通常也是在一臺機器、一個子系統(tÇ’ng)（如煉化、制藥過程）中，而生產(chÇŽn)的全局優(yōu)化要在更高維度，而這個時候，計算能力、模型能力已經(jÄ«ng)超出了目前的機理模型。

圖3-從精益到智能運營的幾個層級（來自優(yōu)也工業(yè)大數(shù)據(jù)傅源-前Mckinsey全球副董事）

    圖3是作者與優(yōu)也工業(yè)大數(shù)æ“š(jù)的傅源女士交流中，她所提供用于闡明從精益運營到智能化的全過程，該圖全景的描繪了從精益到智能的全局過程，數(shù)æ“š(jù)采集、信息處理、全局利用直到最終的自主學(xué)ç¿’(xí)能力。

    因此，總結(jié)而言，智能化是必須建立在精益運營、自動化、信息化之上的全局的優(yōu)化問題，通過更為全局的模型，對市場端的需求拉動、工藝設(shè)計與輔助制造、供應(yÄ«ng)鏈（除了傳統(tÇ’ng)意義的供應(yÄ«ng)鏈還包括智能電網(wÇŽng)、物流）、生產(chÇŽn)制造環(huán)節(jié)、運營維護整個的協(xié)同，就形成了整體的基于設(shè)備狀態(tài)、生產(chÇŽn)訂單、能源消耗、財務(wù)成本等共同構(gòu)成的“尋優(yōu)”，并給予運營“決策支持”。

知識化人才培養(yǎng)-并非題外話

    第2小節(jié)我們探討的是智能制造從精益基礎(chÇ”)到智能的過程，我們也必須考慮知識與人才培養(yÇŽng)çš„é—œ(guān)系，這對于智能制造同樣至關(guān)重要。

1、知識化-智慧資源的重用

    人是最為重要的一個環(huán)節(jié)，在整個制造過程中，從精益的持續(xù)改善、到自動化控制的機器設(shè)計、信息化乃至智能化的學(xué)ç¿’(xí)等，這些都將依賴于人的智慧傳輸成為“標(biāo)準(zhÇ”n)”、“規(guÄ«)范”，可重用的，能夠讓知識成為一種可被系統(tÇ’ng)重復(fù)利用，并能自己不斷學(xué)ç¿’(xí)升級，用于最終的優(yōu)化決策。

    不僅軟件復(fù)用，人的知識經(jÄ«ng)驗也必須復(fù)用，實物的材料和非實物的時間都是資源，而人的智慧、經(jÄ«ng)驗更是資源，從性價比的角度來說，人的經(jÄ«ng)驗具有巨大的潛力，這是更為重要的資源。

圖4-mapp為機器開發(fā)提供高效的實現(xiàn)途徑

    圖4顯示了貝加萊的mapp架構(gòu)，mapp技術(shù)即是基于知識自動化的軟件復(fù)用、組件技術(shù)而開發(fā)，mapp將貝加萊過去數(shù)十年在制造業(yè)的各個領(lǐng)域如塑料、印刷、紡織、包裝、光伏等各個領(lǐng)域的知識進行了封裝，讓這些軟件可以被重用，以獲得最大的資源效用，讓自身以及用戶可以分享到過去數(shù)十年的經(jÄ«ng)驗積累，而無需將大量的聰明才智耗費在那些重復(fù)工作中，將人解放出來用于實現(xiàn)價值含量更高的工作。

2、人才培養(yǎng)與教育是智能制造的根基

    人才培養(yÇŽng)是智能制造的關(guān)鍵，今天我們所看到的對于智能制造的各種缺乏全局的認(rèn)知都來自于在教育中缺乏全局與系統(tÇ’ng)思維的訓(xùn)練，從具體的角度看，如圖5，智能制造包含了更為全局的技術(shù)å­¸(xué)ç¿’(xí)，包括自動化專業(yè)向IT、機械的延伸，機器人、通信、PLCopen的軟件開發(fā)思想。

圖5-智能制造人才知識結(jié)構(gòu)分析與規(guī)劃

    例如運動控制：作為智能制造中執(zhí)行層面確保質(zhì)量、效率、柔性的重要一環(huán)，在大學(xué)的教育與實驗卻是缺乏的，PLCopenMotion第四部分的協(xié)同運動控制本身就是針對智能制造的協(xié)同，更是缺乏基礎(chÇ”)的訓(xùn)練。

    圖5是貝加萊的學(xué)界聯(lián)盟對于人才培養(yÇŽng)的能力分析與規(guÄ«)劃，包括如何全局的推動智能制造的人才培養(yÇŽng)，與眾多大學(xué)、自動化教學(xué)指導(dÇŽo)委員會、教育部持續(xù)的開展著人才計劃，培養(yÇŽng)智能制造工程人才。