智能制造三要素

智能制造的形式和手段多种多样，行业之间和企业之间的差别很大，即使同一行业中相似的企业，也有可能从不同的环节开始，使用不同的技术手段，从完整系统角度来剖析具体行业或企业的智能制造，有三个要素是最基本的，它也是企业管理者在实施智能制造项目时必须思考的三个问题：生产什么？用什么设备？怎么生产？

第一个是生产什么

是指企业生产的产品。一般来说，制造业的智能制造可分为流程行业的智能制造和离散行业的智能制造，不同的产品，其智能制造的环节和模式有所不同，而且，在当前的技术条件下，并非所有的行业都适合发展智能制造。因此，我们在对两个工厂智能制造水平进行比较的时候，如果他们不是同一行业，同类产品，则对比的意义不大，

一般来说，流程行业总体的自动化、智能化水平要高于离散行业，那么在离散行业内，产品的价值越高、产量越大、标准化程度越高、生产自动化水平越高、模块化程度越高、产品自身智能化水平越高的领域就越适合上智能制造。

以西门子成都工厂为例，它主要生产PLC、HMI和IPC设备，属于离散行业，简单的理解就是把各类零部件组装成各类工业电子产品。这些产品多是模块化产品，组装工艺标准化程度高，一些特殊复杂工艺环节已经实现了机械化和自动化，具有向智能制造进一步升级的基础。

但并不是所有生产工业电子产品的企业都实现了自动化，笔者曾经参观过几家技术水平相对落后的电子企业，这些企业所生产的产品档次较低，生产规模较小，而且制造装配环节多以工人的手工操作为主，整体处于1.0-2.0之间，这样的企业并不具备发展智能制造的条件，它首要的考虑是先做自动化的改造。

当然，对于生产什么，还可以做更深一步的理解，就是企业要想实施智能制造，必须对于他所生产的产品有本质上的理解，我们有时候去看一些智能制造做的比较好的企业，都是规模较大的企业，比如国内的海尔、蒙牛或者国外的西门子、宝马，我们总会想当然的把智能制造理解为一种投入，因为企业需要购买许多先进的设备，要对生产工艺进行彻底的改造，这些企业是行业内的龙头，它们财力雄厚，所以走在了前面。

其实智能制造不止是钱的问题，规模大仅是表面原因，最根本的优势是这些企业掌握了产品的核心技术，看透了产品的本质，摸清了生产工艺的特点。我们为西门子成都工厂每百万产品仅为9.4的出错率感到吃惊，但耀眼成绩的背后是工厂的智能制造系统覆盖了超过1000个测量点，企业知道哪些因素会影响到产品质量。这种能力是通过长期学习而来的，企业生产的越多，就理解的越多（干中学），正如庖丁解牛一般，企业可以做到“目无全牛”，它们看到的是牛的内部机理筋骨，然后就可以做到“以无厚入有间”，最后推行智能制造，自然可以走的快一点。

第二是用什么生产

这个主要考虑到机器、机器人和人三者之间的关系。

不同行业的生产能力构成是不一样的，比如在汽车制造行业，我们看到了大量的机器人替代了人，支撑了制造流，但是在芯片制造行业、饮料制造行业，机器人不多，但是生产的自动化程度也挺高，这就是专用设备在发生作用。

在许多地方我们还能看到大量的工厂是人海战术，比如笔者曾去过的贵州一家知名的辣酱工厂，大量的工人组成了生产线，企业也做了许多尝试，希望用智能机器和机器人替代人力，但由于工艺上难以满足，至今没有取得太大进展。

我认为智能制造并非是用机器人去替代人，而是根据市场需求和生产需要做到最优配置，在组合中实现人尽其才、物尽其用，从这个角度来看，我们不能简单的用一个工厂的机器人数量或者工厂的无人化程度来判断它的智能水平，而是应该看工厂内人和机器人的协同程度。

即使是比成都工厂智能化水平更高的德国安贝格工厂，其自动化率也只是75%，仍有为数不少的人在发挥着作用。来到成都西门子工厂，我们看到并非是带有科幻味道的无人工厂，虽然在物流、配送、检测等环节主要由智能装备来完成，但在组装、包装等工序上仍然存在许多技术工人，但在有人的环节也会通过智能化的辅助装备来规避人在能力上的短板，有效实现了效率、灵活性和可靠性的兼得。

比如在装配线上，我们看到有许多人工操作环节，自动小车运送过来将需要加工的零件运送到组装工人的工位，这时候工作人员通过显示在电脑上的任务单，完成装配。生产中，生产订单由MES系统统一下达，并与ERP系统相集成，完成数据的实时传送，当产品要到达下一个工序前要通过严格的检验，整个生产过程中有20多个质量控制点，以保证产品的质量。在质量检测环节，也专门开发了视觉检测装备，它用相机拍照下产品的图像，与Teamcenter数据平台中的正确图像进行比对，瑕疵品将被挑出，这相比传统生产中的人工抽检要可靠和快速得多。

第三个是怎么生产

智能制造是靠数据来驱动的，数据反映生产设备的健康状况，反映产品的质量，管理人员通过可视化的数据信息来优化生产，但这更要求企业掌握核心技术，找到关键的数据关系。

经济上的很多研究是将工厂看作黑箱，因为传统的生产模式主要靠经验，靠规章制度，靠企业文化，难以琢磨总结。但是智能制造模式下要更多的靠数据来组织生产，对于生产控制的决策主要依靠联通的、持续的智能数据，数据在各个层面和各个环节实现了整合，工厂变得越来越透明，设备对产品进行加工，产品在生产线上滚动，工人的一举一动，都在数据仓库中留了可追溯的数据痕迹。帮助管理者搜集信息、整合信息，辅助决策。

笔者曾经调研过一些工厂，他们在实施智能制造项目的时候就很难从经验驱动成功转向数据驱动，多数企业没有能力搜集完整且高质量的数据，但最大的制约是不能理解数据关系，它看不出99和100之间的差异，不掌握分析和利用数据的知识。

西门子成都工厂某种程度上可以被称之为数据工厂，通过数据的可视化，管理人员可以快速定位问题。在智能数据的帮助下，可以快速清晰地发现效率损失在哪里？质量问题发生在哪个环节？进而突破原有生产方式的极限。据西门子的工作人员介绍，这家员工总数不超过500人的工厂，年产自动化产品超过250万件，平均每10秒生产一件产品，每100万件产品中有缺陷的不超过10件，达到国际领先水平。这些指标远远优于那些雇佣了大量熟练工人的日本和德国的汽车工厂。

不仅仅生产过程是数字化的，生产工艺也逐渐被拆解，进而转向了数字化，此前的生产的组织更多依靠经验型管理，各种规章制度给人的行为建立约束和边界，而未来则会由数据提供引导，每一个岗位都会变得“有据可依”。

例如在西门子成都工厂中的生产环节，由于是混流生产，零件盒上的信号灯会指示工作人员所需安装的零件，避免误操作；在包装环节，并没有实现机械自动化，但却实现了信息自动化，信息工作站会确认到达包装环节的产品是否完成了所有测试，与此同时，装箱单会被显示在屏幕上，如果所有的流程和工作步骤都完成了，工作站会把标签打印出来，如果没有通过，这项任务就将被锁住，停止运行，而且标签也不会被打印出来，想想如果没有实现信息自动化，这一环节不仅需要投入大量人力，还会成为最容易出错的一个环节。