6月14日易维通圆桌讨论会主题点整理
话题思考
1、当前我国智能工厂部署遇到最大的困难是什么？
2、部署智能工作之前，企业需要具备哪些条件？做哪些准备？
3、我们可以从哪些方向着手智能工厂的建设？
4、智能工厂架构分为几层，各有什么作用？
5、智能工厂项目实施好坏的评价标准有哪些？
6、我们应该怎么做？
7、我们有哪些成熟的具体可落地执行的项目？
一、两化融合——工控人的不可替代
当前我国正在大力推进“中国制造2025”国家战略，很多企业将“智能制造”列为其战略愿景和奋斗目标。众所周知，智能制造是未来全新的制造模式，随着市场需求的变化不断丰富内涵与外延，是集成了技术创新、模式创新和组织方式创新的先进制造系统，同时也是集成制造、精益生产、敏捷制造、虚拟制造、网络化制造等多种先进制造系统和模式的结合体。
对于智能制造而言，智能工厂、车间管理软件、都是不可或缺的，智能制造贯穿“设计、生产、管理、服务”等制造活动各环节，并具有信息深度自感知、智慧优化自决策、精准控制自执行等功能。时代日趋多样化、定制化、小型化的用户需求，培育了一批跨领域、多层级的系统集成商。这里我们就来谈一个常见的问题，这也是当前部署智能工厂所遇到执行侧问题。
从事自动化的朋友应该遇到过，由于一些自动化设备的操作困难，理解困难等，导致员工难以进行生产应用，为了公司要求而使用，效率不升反降，对于智能制造也是如此，这里重申一个观点，自动化的目的是为了减轻人力，智能制造、信息化的目的也不是为了增加人的负担。
以工业应用软件来说，现在市面上有很多集成供应商，它们所提供的工业软件通常是经过某些总结后形成的标准化产品，对于使用方的企业来说，只能通过现有的平台来进行二次开发，无法完美地契合企业需求，操作人员也需要额外花费大量时间去学习怎样使用。
综合起来问题主要集中在以下方面：
对于工业应用软件提供方：
——并不了解所服务企业的生产流程和工艺流程特点；
——没有深入了解操作人员的工作习惯；
——没有摸清服务企业各部门的相互关系和所关注重点；
——本位思想，存在严重的既定思维，二次开发不够人性化；
对于软件使用方：
——需求表述不明确，部署过程中沟通重重；
——对管理系统缺乏认识，被动接受，填鸭式应用；
——操作人员文化水平参差不齐，很难做到规范和流畅的应用；
综上可以看出，软件提供方和使用方相互不了解，不能很好的站在对方角度考虑问题，深入理解对方的立场和需求，由此带来的沟通障碍是造成效率低下甚至项目失败的根本原因。不同需求的人各说各话，一味的想让对方接受自己的观点，而不去了解对方的真实需求和目的，怎么可能成功？工业应用软件提供商，一开口就是我的产品有多少功能，有多好，而忽视了用户本身的特殊性，还没有开始就决定了结局。
由供应商和使用方进行协商，了解企业生产工艺，管理流程，员工状况后，专业定制，推荐有针对性的方案，最后共同修改制定，才能得到一个切实可行的好方案。而要做到这一点，相互之间深入了解才是重点！道理说出来都懂，可落地执行起来就很困难，如何消除行业间的隔阂还是关键。怎么能指望一个天天坐在办公室敲代码的IT工程师了解工业现场的情况呢？怎么能期待一个生产主管或者工艺工程师去深刻领会软件集成架构和应用交互的核心思想呢？
这就是市场的现状，一方面是企业对于工业应用管理软件巨大而迫切的需求，另一方面，以IT为代表的软件公司提供的标准化软件，很多时候并不能兼顾现场实际情况。这就造成了一个矛盾，工业化和信息化的矛盾。我想，这就是我党提出“两化融合”的其中一个很重要的现实原因。
随着矛盾日益激化，如今已到了不得不解决的地步。谁能在解决这个矛盾过程中发挥作用，那他必然是这个“融合”趋势中当之无愧的领导者。这个趋势就是工业4.0，一次技术融合的革命！而对于工控人来说，一个巨大的机会就要到来，抓住第四次工业革命的机会，基于工业，把知识结构向上完善，应用信息化技术服务于工业，进而实现个人、行业、社会的多重效益。这就是工控人的价值和不可替代性！（你还觉得工控过时了吗？）
二、智能制造的理解
在企业两化融合过程中，企业都将最终的目标设定为实现智能制造，但不同的企业，其信息化发展水平不同，容易出现两个极端的倾向：
1）认为智能制造无所不能，迫切希望引入一套全新的“智能制造”系统来解决自己面临的所有问题；
2）认为当前智能制造的概念大于本质，说到底与当前的数字化企业差别不大，升级并用好当前的ERP、MES等软件就实现了智能制造。（之前有提过，智能制造的特点是信息化和自动化，但单纯以信息化来定义智能工厂特性是非常狭隘的）
显然，这两种倾向的产生都是对智能制造体系的理解不全面、不准确导致的。智能制造是一种制造范式，有多个不同的维度，不同的维度会给出不同的理解。
（1）从生产资料加工的角度理解
传统的制造是对物质资料的处理与加工，将原材料转化为产品。所有的传统制造过程是在现实的“物理”环境中，融合人们的相关经验进行生产，全部过程是看得见的。
智能制造需要在两个空间中进行生产：一是基于模型与知识与虚拟过程的制造，包括仿真、模拟；二是现实世界的加工生产过程。在现实世界中，加工生产过程中融入在虚拟世界形成的“知识”。虚拟制造对现实制造进行不断的干预、优化和控制。
（2）从产品的生命周期来理解
传统制造过程中，生产出产品后通过分销渠道提供给客户，并只承诺客户提供有限时间的质量担保（如售后服务的时间限制，而企业的真实想法也是尽可能少地给客户提供售后服务，因为产品价值已定的情况下相关服务会扩大成本支出——为什么说传统制造的收益没有可持续性）。
反之，智能制造提供的产品+服务，通过不同的服务创新满足客户个性化的需求，强调的是客户体验。智能制造希望在产品全生命周期能够与客户建立粘性，不断提供客户与产品生命周期一致的创新服务。从产品一生来看，首次的产品价格可能占到收入的50%以下——也就是之前提到的，从单一销售产品到方案以及配套技术服务，其目的是实现工业上的可持续盈利，参考上一篇文章提到的德国的落地模式：从设备到方案，从设备到服务的过程，实现可持续收益。
（3）从管理重点的角度来理解
传统大规模生产模式下，制造过程是成本中心，通过高效率和精细化的制造过程管理，其目的是满足质量标准最低要求下的成本最低。在市场竞争中，产品价格（传统制造中产品同质化非常严重）是最为重要的因素。（价格市场导向）
反之，智能制造环境下，制造环境是直接面向利润和价值创造的。制造过程的设计中，客户的深度参与、个性化定制、按订单生产等模式，目的是不断的新价值创造。在这个过程中，虽然产品有差异，但总体来说直接成本相差并不大，但产品价格的组成中，创新服务占比很大。（价值导向或者服务导向）——参考日本早先提出的“自动化系统合作计划”，日本人认为他们的优势在于管理、精益生产，能够通过成熟先进的管理体系来从落后的技术中发掘出新的更大的价值。
而对于中国来说，这三个方面我们可能都需要去考虑，但是智能工厂的建设不是一蹴而就的，如何制定整体战略与执行局部战略，步步为营，而不是想着一步到位，最好的情况就是项目落地的目的恰好能够解决当前的问题，而不是为了执行而执行。前面提到，真正能够具备智能化建设条件的工厂整体评估下来不会超过20%，虽然国家大力扶持智能制造技术改造，但若是不具备相关改造的条件硬是上马项目，很可能不仅不能促进企业发展，反而会影响当前的生产。所以，在做相关计划的时候，还需要了解智能工厂相关技术和管理的要求。
三、实现智能制造的五个基本能力
在将业务需求转换为智能制造方案并落地的过程中，较强的技术和管理能力是需要具备的。
（1）具有规划整合能力
这体现在智能制造战略的制定及落地上。智能制造战略是服务于企业战略的，如何基于成本、公司现状及各种资源约束规划出效果好、可执行性高的智能制造战略是有一定挑战的；而在规划落地的过程中，从业务交互来说涉及到多个部门、多个层级的业务梳理整合和沟通，从技术上来说涉及不同规模、技术类型的系统集成，这种复杂性要求有很强的资源整合能力和推动能力。很多项目在启动之初看起来很不错，但最后实施下来并不满意，源头可能就在规划和整合上出了问题。
（2）项目管理与运营能力
这也是对项目落地过程进行科学管控并保障顺利运行的过程。按照PMP认证的定义，项目管理涉及5大过程（启动、规划、执行、监控、收尾）和9大知识领域（整合、范围、时间、成本、质量、人力资源、沟通、风险和采购管理），不仅理论上理解这些内容，更重要的是能在实际工作中灵活运用这些知识处理项目实施过程中的问题；项目实施完毕只是项目初步发挥作用的开始，还需要进一步定义规范化的运营规则，持续监控项目运行，纠正偏差，不断优化，使系统始终保持健康状态。
（3）方案制定与集成能力
这是对业务需求进行调研并转化为系统方案的实际执行步骤，并通盘考虑不同业务类型、不同IT系统之间的集成。比如PLM, ERP,MES等，这些系统本身比较复杂，而相互之间有频繁的数据交互。 项目组织中通常有不同的角色，可能有专门的咨询顾问承担需求调研、方案制定等工作，但作为核心人员，了解并能承担这些工作是有意义的。
（4）对技术方案及其应用的熟悉
对智能制造框架中，技术方案涉及到数据仓库、商务智能BI、PLM、ERP、MES、PLC、数据感知（传感器）多种系统，这些系统相互集成共同组成一套相对完整的智能制造方案。不管是那一种系统，需要理解系统的主要操作流程及应用模式、熟悉系统架构及部署方式，对各自系统的应用难点最好也有相应研究，比如数据仓库的建立、BI建模、高级计划及排程、设备的数据集成方式等。另外所有的技术方案离不开IT基础设施的支持，对基本的网络架构、数据安全、服务器架设等需要学习和理解。
——工控人需要了解物流、信息流，才能更好地掌握整个智慧工厂地运行，从工厂级别向下理解。为什么工控人闲不下来又不能只着眼于技术
（5）保持对各类新技术的敏感度，引入合适的新技术支持业务改善
物联网、大数据、云计算、机器人、人工智能AI、增强现实AR、虚拟现实VR、3D打印甚至区块链等多种智能制造时代的新技术层出不穷，有很多已经投入实际应用，在业务运作中发挥着重要作用。自动数据识别极大提高了财务发票匹配的效率，大数据分析在提高设备利用率也显现出效果，机器人在提高效率和良率上有相当的优势，很多的应用也在往云平台上迁移，使IT系统也能轻资产运行。当然对新技术保持敏感度，并不意味着为了应用新技术而应用，要冷静思考工厂是否有合适的业务场景，是否有可信的投资回报，是否能从长远优化业务，优先挑选能带来切实改善的方案。
四、智能工厂的构成与特征
随着工业4.0和中国制造2025的提出，智能制造的概念开始越来越火热，如果说互联网改变了人们地消费模式，那么智能制造将彻底改变生产模式，重构整个价值链地实现方式。但是，如何正确地理解智能制造呢？这种问题可以问政府——工信部和国家标准化管理委员联合会2015年12月30日发布了国家智能制造标准体系建设指南，并于2018年做出了修改，工业和信息化部办公厅国家标准化管理委员会办公室发布了关于征求《国家智能制造标准体系建设指南（2018年版）》（征求意见稿）意见的通知。这份指南包含了我国的智能制造系统架构，从生命周期、系统层次和智能功能三个维度来构建。本篇文章从不同角度对智能制造进行阐述，让大家对智能制造体系有个准确、全面的认知。
1、智能工厂的体系架构
智慧制造系统架构层级自下而上共五层，分别为设备层、网络层、平台层、应用层和协同层。智能制造的系统层级体现了装备的智能化和互联网协议（IP）化，以及网络的扁平化趋势。
业务流程管理专家August-Wilhelm Scheer教授曾为此提出智能工厂的体系架构，August-Wilhelm Scheer教授在这个架构中强调了MES系统在智能工厂建设中的枢纽作用。
（1）基础设施层
设备层包括传感器、仪器仪表、条码、射频识别、机器、机械和装置等，是企业进行生产活动的物质技术基础。企业应建设一个具有网络服务的工厂网络系统，通过网络生成生产指令并自主下达命令，让产线信息自动采集。构造一个完全的集成化的车间联网环境，通过网络解决不同机器间的协议通讯，plc、CNC、机器人、仪表等问题。
（2）智能装备层
网络层包括控制网络（包括可编程逻辑控制器PLC、数据采集与监视控制系统SCADA、分布式控制系统DCS和现场总线控制系统FCS等）、工业物联网、互联网、各种私有网络、互联网、有线和无线通信网、网络管理系统等。智能装备主要讲得是智能生产设备、智能检测设备和智能物流设备三四个部分。由机械装备到数控装备再到智能装备发展，这是一个必然的过程。智能化的工具可以实现边检测、边加工的程度，在最大程度上减少了人工的误差和时间。利用工业机器人技术准确识别工件，自主进行装配，自动避让人，实现人机协作。金属增材制造设备也可以自主进行产品的制造和组装。智能物流设备方面配备有自动化立体仓库、AGV、悬挂式输送链等为智能加工单元之间的物料传递工具。
（3）智能产线层
平台层包括的是大数据平台、云平台、数据处理中心。通过传感器、数控系统或射频RFID技术等进行生产和装配的同时采集质量、能耗、设备绩效等数据，并在电子看板中显示当前状态。同时在某一台机器或者程序发生故障时他能提供及时的智能提醒。
（4）智能车间层
应用层包括各种企业应用，如企业资源计划系统（ERP）、产品生命周期管理（PLM）、供应链管理系统（SCM）和客户关系管理系统（CRM）等；对整个车间进行网络式的智能管控，应用人机界面（HMI），以及工业平板等移动终端，实现生产过程的无纸化。还可以利用vr技术打造一个VR（虚拟现实）车间环境，显示设备的实际状态，实现虚实融合。
（5）工厂管控层
创新层，这个层级是企业在物联网、互联网、人工智能等基础之上，结合行业及企业的需求，实现的在原有的应用之上的智能应用。实现车间与车间之间的生产过程的监控，通过生产指挥系统实时洞察工厂的运营，可能更加合理的分配多个车间之间资源的调度。并可以通过图像识别技术对工厂视频监控中异常进行自动报警。
在工业4.0的战略蓝图中，把智能生产描绘成工厂可以为单件小批量的单个客户提供个性化生产服务，而不是只能按照固定的生产流程生产。
智能工厂是未来智能制造的关键组成部分，智能化生产系统及过程以及网络化分布生产设施的实现将会是未来不可避免的过程。
2、智能制造五个特征
我们知道，任何一个项目都是有既定的目标的，要达到好的结果，我们就需要一个标准的评定依据。那么智能制造的评定依据是什么呢？我们总结了智能工厂及其部分的主要特征：互联、优化、透明、前瞻和敏捷。这些特征均有助于进行科学决策，并协助企业改进生产流程。
（1）互联
互联是智慧制造最重要的特征，同时也是其最大的价值所在。智慧制造须确保基本流程与物料的互联互通，获取实时决策所需的各项数据。在真正意义的智能工厂中，传感器遍布工厂的设备和产线，因此系统可不断抓取数据集，确保数据持续更新，实时并真实反映当前情况。
（2）优化
通过整合来自产品全生命周期各个环节的数据，优化工厂实现高度可靠的运转，最大程度上降低人工干预。智能工厂具备自动化工作流程，可同步了解资产状况，同时优化了追踪系统与进度计划，能源消耗亦更加合理，可有效提高产量、运行时间以及质量，并降低成本、避免浪费。
（3）透明
通过产品全生命周期实时数据可视化，通过云计算处理并可视化输出，从而协助人工以及自动化决策流程。透明化网络还将进一步扩大对设备情况的认识，并通过基于角色的观点、实时警告与通知以及实时追踪与监控等手段，确保企业决策更加精准。
（4）前瞻
智慧制造能够基于历史与实时数据，预测何时发生及发生何种状况，从而提高正常运行时间、产量与质量，同时预防安全问题。在一个前瞻型体系中，员工与系统可预见即将出现的问题或挑战，并提前予以应对，还可以设置好预案，由机器自响应。前瞻和预案还包括识别异常情况，储备并补充库存，发现并提前解决质量问题，以及监控安全与维修问题。在智慧制造的生态系统之下，通过学习能力，会增强预测能力及预测的准确性。
（5）灵活
智慧制造具备敏捷的灵活性，可快速适应进度以及产品变更，并将其影响降至最低。可根据正在生产的产品以及进度变更，自动配置设备与物料流程，进而实时掌控这些变更所造成的影响。此外，灵活性还促使智能工厂在进度与产品发生变更时，最大程度上降低调整幅度，从而提高运行时间与产量并确保灵活的进度安排。
值得注意的是，世界上没有两个一模一样的智能工厂，制造企业可依据其特定需求，重点发展智能工厂的不同领域和特征。这也是工业互联网和商业互联网的最大的不同点。哪怕只是通过改善眸一小部分、环节，只要提高了生产效率，提高了企业效益，那就说明我们达到了目的。再次申明，我们打造智能工厂地目的，是为了让企业、让工业变得更好。
五、智能工厂的建设内容
打造智能工厂需要具备三个目标：管理智能化、装备智能化、产品智能化。实现这个目标需要具备一些必要的条件。
1、工业专用软件
在研发设计方面，鼓励软件企业开发智能化的研发工具软件和工业设计软件，采用“共建共享”机制建设科技情报信息库、专利文献数据库、工业设计素材库等，推广计算机辅助工程(CAE)、工业仿真等技术，提高研发设计过程的自动化、智能化水平，进一步缩短研发设计周期。
在生产加工方面，鼓励软件企业开发智能化的工业控制软件、数控系统，推广智能控制、工业机器人、快速成型、计算机辅助制造(CAM)、网络协同制造、制造执行系统(MES)等技术，提高生产设备和生产线的智能化水平，利用物联网技术实现进料设备、加工设备、包装设备等的联网协作，打造“无人工厂”。
在企业管理方面，鼓励软件企业开发智能化的管理软件。鼓励工业企业开展ERP和MES集成应用，将物联网技术应用于车间管理，实现生产管理的智能化。推广商业智能(BI)系统，鼓励企业建立知识库和知识管理系统，发展辅助决策的“仪表盘”系统，通过对企业经营过程中的各种数据进行统计分析、联机处理和数据挖掘，实现管理决策的智能化。
2、打造智能装备体系
对于机械装备行业，发展高端智能制造装备，包括高档数控机床、智能工业机器人、自动化成套生产线等，发展智能仪器仪表、智能工程机械等。智能装备是先进制造技术、信息技术和智能技术的集成和深度融合。
我国将重点推进高档数控机床与基础制造装备，自动化成套生产线，智能控制系统，精密和智能仪器仪表与试验设备，关键基础零部件、元器件及通用部件，智能专用装备的发展，实现生产过程自动化、智能化、精密化、绿色化，带动工业整体技术水平的提升。
3、工业与信息化融合——两化融合
在企业内部信息化集成应用方面，以信息化推进研发设计与生产制造的集成、生产与管理的集成、生产与销售的集成、业务与财务的集成、总部与分支机构的集成，实现产销衔接、管控一体，提高企业生产经营效率，减低成本，控制风险。在企业之间信息化集成应用方面，以信息化推进产业链协同，鼓励行业龙头企业与配套企业之间进行信息系统对接，相互共享设计、库存、物流等信息，以提高协同效率，降低总成本，实现即时生产。
根据我国工业与信息化融合规划：到2015年，信息化与工业化深度融合取得重大突破，信息技术在企业生产经营和管理的主要领域、主要环节得到充分有效应用，业务流程优化再造和产业链协同能力显著增强，重点骨干企业实现向综合集成应用的转变，研发设计创新能力、生产集约化和管理现代化水平大幅度提升；生产性服务业领域信息技术应用进一步深化，信息技术集成应用水平成为领军企业核心竞争优势;支撑“两化”深度融合的信息产业创新发展能力和服务水平明显提高，应用成本显著下降，信息化成为新型工业化的重要特征。
生产需要的产品时，可以智能利用有关能源。通过IT技术，可以保证对于能源的使用是以最为有效的方式进行。物联网是把所有各种各样的部件考虑进去；而今后做决策时，是把所有的组织体系考虑进去，这是一种整体的思考方法。这将使产业链分工变得高度有效，相互又非常精准地对接。未来可以看到一个智能化的经济体：包括智能化的生产、工厂、生活、家居、交通、物流、治理、环境、人的活动等产业链要素。这个过程实际上由IT系统加以控制，IT系统知道如何组织生产，来收集所有的数据，并用一种控制的方式与有关各个环节进行互动。未来整个生产当中捕捉到的数据都可以进行实时分析，帮助人做出决策，进行一些设定同时进行传输，而且在发生某些故障时，自动发送警告。
工业4.0用了很多IT技术，毫无疑问会重新塑造整个生产流程，原来的工人会受到影响。工人会产生担忧，在这种担忧下，会不配合和加以破坏；因此需要和他们进行讨论，告诉他们未来的整个工作场景是怎样的，希望他们参与进来，让这样的技术最终改善他们的处境，而不是相反。德国也特别注重吸引中小企业参与，力图使中小企业成为新一代智能化生产技术的使用者和受益者，同时也成为先进工业生产技术的创造者和供应者。
如此，智能工厂的生产组织变得极其高效。同时，单体智能工厂也可以成为联合体，即把外部的一些工厂包括进来。比如单体智能工厂在进行生产时，一旦某些原料用完了，厂外供应商会自动获取信息，然后就会自动交付定额的原料。
智能工厂和厂外的合作伙伴完全可以通过智能系统进行整合，这是非常和谐的互动，可以诞生智能化的商业模式，即：随时在生成数据，随时按照精确的数据让生产方了解情况，来改善生产当中的状况。
六、智能工厂如何发展
1、技术准备
智能工厂使各个生产步骤将实现无缝连接。机器和设备具备自我优化和自主决策的能力。从供应商到物流到产品的生命周期管理–跨越企业的各个部门紧密相连。
（1）传感器的应用
不管“工业4.0”还是“中国制造2025”，传感器的使用都是智能化生产的关键组成部分，据悉传感器正处于传统型向新型传感器转型的发展阶段。微型化、数字化、系统化，集成化的新型传感器，以其技术含量高、经济效益好、渗透能力强、市场前景广等特点为世人瞩目。还可以建立新型工业，还可能是21世纪新的经济增长点。在智能制造的大背景下，我国传感器行业面临良好的发展前景，将迎来空前的市场需求。
（2）工业机器人的使用
工业机器人作为高科技装备，在产业转型升级的过程中正发挥重要作用。过去传统的劳动密集型企业也可以通过工业机器人成功转型新型产业，在一般工业应用的新领域，如光伏产业、动力电池制造业，服装业，医药、冶金等领域都有工业机器人的应用空间。
（3）智能化物流
虽然从短期看，智能化物流装备会带来高成本，但是随着渐渐步入正轨， 从长远发展来看，在传统的物流模式下，新型的智能化物流更是给企业或者个人带来大的受益和最低的成本。
（4）注重人机协作
智能工厂真正的意义并不是完全的无人工厂，而是进行生产思维的转换，将人放置在更高一层的位置，充分利用人的灵活性完成复杂多变的工作任务，并且利用人的判断能力和决策能力给制造带来更准确的方向，使用人机协作将成为智能工厂未来发展的主要趋势。
（5）企业不宜盲目跟风
智能工厂浪潮涌动，切不可随波逐流，应该围绕企业的中长期发展战略，实事求是的合理规划智能工厂的建设蓝图中谋求科学，合理的可持续发展。
2、智能工厂的实现要点
在智能工厂落地过程中至少需要注意以下5个方面。
（1)进行智能工厂整体规划
智能工厂的建设需要实现IT系统与自动化系统的信息集成；处理来源多样的异构数据，包括设备、生产、物料、质量、能耗等海量数据；应当进行科学的厂房布局规划，在满足生产工艺要求，优化业务流程的基础上，提升物流效率，提高工人工作的舒适程度。智能工厂的推进需要企业的IT部门、自动化部门、精益推进部门和业务部门的通力合作。制造企业应当做好智能工厂相关技术的培训，选择有实战经验的智能制造咨询服务机构，共同规划推进智能工厂建设的蓝图。在规划时应注意行业差异性，因为不同行业的产品制造工艺差别很大，智能工厂建设的目标和重点也有显著差异。
（2)建立明确的智能工厂标准
在智能工厂的建设中，企业往往会忽视管理与技术标准的建立，容易造成缺少数据标准，一物多码；作业标准执行不到位；缺失设备管理标准，不同的设备采用不同的通讯协议，造成设备集成难度大；管理流程复杂，职权利不匹配；质检标准执行不到位，导致批次质量问题多等问题。因此，需要建立明确的智能工厂标准，例如，业务流程管理规范、设备点检维护标准和智能工厂评估标准等管理规范，智能装备标准、智能工厂系统集成标准、工业互联网标准以及主数据管理标准等技术标准。
（3)重视智能加工单元建设
目前，智能加工单元在我国制造企业的应用还处于起步阶段，但必然是发展的方向。智能加工单元可以利用智能技术将CNC、工业机器人、加工中心以及自动化程度较低的设备集成起来，使其具有更高的柔性，提高生产效率。
（4)强调人机协作而不是机器换人
智能工厂的终极目标并不是要建设成无人工厂，而应追求在合理成本的前提下，满足市场个性化定制的需求。因此，人机协作将成为智能工厂未来发展的主要趋势。人机协作的最大特点是可以充分利用人的灵活性完成复杂多变的工作任务，在关键岗位上，更需要人的判断能力和决策能力显得更为重要，而机器人则擅长重复劳动。
（5)积极应用新兴技术
未来，AR（AugmentedReality，增强现实）技术将被大量应用到工厂的设备维护和人员培训中。工人带上AR眼镜，就可以“看到”需要操作的工作位置。例如，需要拧紧螺栓的地方，当拧到位时，会有相应提示，从而提高作业人员的工作效率；维修人员可以通过实物扫码，使虚拟模型与实物模型重合叠加，同时在虚拟模型中显示出设备型号、工作参数等信息，并根据AR中的提示进行维修操作；AR技术还可以帮助设备维修人员将实物运行参数与数字模型进行对比，尽快定位问题，并给予可能的故障原因分析。此外，数字工厂仿真技术可以基于离散事件建模、3D几何建模、可视化仿真与优化等技术实现对工厂静态布局、动态物流过程等综合仿真和分析，从而能够先建立数字化的生产系统甚至全部工厂，依据既定工艺进行运行仿真。
总之，建设智能工厂，应围绕企业的中长期发展战略，根据自身产品、工艺、设备和订单的特点，合理规划智能工厂的建设蓝图。在推进规范化、标准化的基础上，从最紧迫需要解决的问题入手，务实推进智能工厂的建设。
七、智能工厂的建设原则
在推进智能制造改造之前，切忌盲目的复制一些示范工厂的模式，而是首先应该对智能制造的原则和基本方案有一些基本的了解，然后分析自己企业目前存在最现实的问题以及改造过程中可能遇到的技术、生产、管理方面的障碍。这一篇文章，我们来系统的梳理一下，从智能工厂的建设原则入手，帮助大家明确工厂自身定位和智能制造的升级方向。
经过深入研究工业4.0、中国制造2025等战略，我们认为，制造企业应以中国制造2025为宗旨，以两化深度融合为突破口，参考德国工业4.0中的智能工厂模式及美国GE工业互联网等先进理念，结合企业实际情况，以人为本，建设“设备自动化、人员高效化、管理信息化”的中国特色的智能工厂。我们在智能工厂落地过程中要抓住设备、人员、信息三个方面，读过文章德美日智能制造方案这篇文章的朋友应该知道，这意味着我们是需要综合这三个国家的综合优势来部署我们的智能工厂。下面我们从广度、深度和全局化思维三个方面了具体阐述一下。
1、智能工厂的实施广度
我们可以参考德国工业4.0中对“智能工厂”的定义：重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现。前半句“智能化生产系统及过程”，是说除了包括智能化的机床、机器人等生产设施以外，还包括对生产过程的智能化管控，站在信息化的角度，就是智能化的MES制造执行系统。而后半句：“以及网络分布式生产设施的实现”，是指将生产所用的生产设施(如机床、热处理设备、机器人、AGV、测量测试等各种数字化设备)，进行互联互通、智能化的管理，实现信息化系统与物理系统的深度融合。目前很多企业实施的DNC/MDC(设备联网、设备监控系统)是其重要的基础。
2、智能工厂的实施深度
按照工业4.0战略的描述，理想状态的智能制造是一种高度自动化、高度信息化、高度网络化的生产模式，工厂内人、机、料自主协同，自组织、高效运转;工厂间，通过端对端集成、横向集成，实现了价值链的共享、协作，效率、成本、质量、个性化都得到了质的飞跃。
对于中国制造企业而言，现在恰逢“三期交叠”的困难期，企业希望既要符合工业4.0或者是中国制造2025的发展方向，又要投资小、见效快、确保成功率，如何在两者之间平衡，是一个很现实、也很重要的问题。
在本次智能化制造的革命中，企业一定要“着眼长远、立足当下”。既要符合工业4.0 的理念，体现出其主要特点，又要本着务实的原则实施工业4.0战略。比如，要汲取以前CIMS实施的经验与教训，不要过于理想化，不要过多强调自组织、自学习、自执行等高难度的智能技术，企业不是突破什么关键智能制造技术的研究单位，而是以创造效益为根本目的，要总体规划、分步实施，以效益为驱动，确保成功率。在自动化的基础上，实现信息化、网络化，在管理方面深挖潜力，充分发挥人的作用，构建具有适度智能的数字化、网络化、高效化、个性化的智能生产模式，切实做到明显的“提质增效”。并以量化为指标，循序渐进，全面提升企业的竞争力。假如通过3年时间，能将设备利用率提高100%，兰光创新认为就极有可能“确保企业的未来”，这些作法就是符合工业4.0战略思想的。
3、全局的、系统的思想
在看到生产效率与日本、欧美国家等发达国家的巨大差距后，很多管理者往往着急地说，我要再买些机器人加强自动化，或者说我要加强考核，让工人提高效率。
认识到自己与别人的差距，并有决心去行动、去改变，这是非常值得肯定的事情，但智能工厂是个系统工程，而不是从某个单一环节上就能解决的，光靠购买大量的设备或者仅对工人加强管理，对整体而言效果是有限的。试想一下：
如果生产计划都不准确，排产结果都是延期的，你怎么能够让工人保证按期交货?如果生产计划都是不科学的，本身就存在大量的等待时间，企业又怎么能怪工人不努力?
生产过程中，操作工与刀具、物料等生产准备人员本来就是并行协同的关系，如果一直延续以前串行的工作模式，出现“操作者很忙，机床很闲”的局面是在所难免的，单个工人身上已经很难挖掘潜力了，必须从生产流程、组织管理上进行优化管理;
还比如，如果信息化系统与生产设备脱节，不能充分发挥高端设备数字化通讯、自动采集等方面的优势，所有的工作还靠人工输入，又怎么能保证数据的实时性、准确性、客观性?没有这些数据的支撑，又怎么能及时获知生产信息，及时作出科学的管理决策?
如果不能对物料、刀具、量具、夹具等生产资源进行精益化的管控，不是积压就是短缺，这种粗放型的管理又如何能保证生产效率的提升与成本的降低?
前面也讲过，数据就是企业的财富，没有良好的信息化管理系统，没有自动化的数据采集系统，没有智能化的大数据分析，没有形象直观的展示系统，这些数据就白白丢失掉了，企业永远只能处于凭经验、拍脑袋的粗放型管理状态。
所以，企业在智能工厂建设时一定要从全局思考，打造一个全面的、有体系的智能工厂管理系统，从各个方面进行优化、挖掘潜力，最大程度地提升企业的生产效率及管理水平。
八、从六个维度打造中国特色智能工厂（六维智能理论，原文链接：从“三元战略”到“六维智能”的智能工厂理念）
兰光创新结合工业4.0等先进理念，提出了“六维智能理论"，即要从6个维度的智能打造中国特色的智能工厂：智能计划排产、智能生产过程协同、智能设备互联互通、智能生产资源管控、智能质量过程控制、智能大数据分析与决策支持。该理论分别从计划源头、过程协同、设备底层、资源优化、质量控制、决策支持等六个方面着手，实现全面精细化、标准化、自动化、信息化、网络化的智能化管理与控制，既能很好地符合德国智能工厂定义，又能与美国工业互联网以及中国制造2025理念完全吻合。
1、智能计划排产，是从计划源头上集成ERP，进行APS高级排产。
首先从计划源头上确保计划的科学化、精准化。通过集成，从ERP等上游系统读取主生产计划后，利用APS进行自动排产，按交货期、精益生产、生产周期、最优库存、同一装夹优先、已投产订单优先等多种高级排产算法，自动生成的生产计划可准确到每一道工序、每一台设备、每一分钟，并使交货期最短、生产效率最高、生产最均衡化。这是对整个生产过程进行科学的源头与基础。
2、智能生产协同，从生产准备过程上，实现物料、刀具、工装、工艺的并行协同准备。
为避免贵重的生产设备因操作工忙于找刀、找料、检验等辅助工作而造成设备有效利用率低的情况，企业要从生产准备过程上，实现物料、刀具、工装、工艺等的并行协同准备，实现车间级的协同制造，可明显提升机床的有效利用率。
还比如，随着3D模型的普及，在生产过程中实现以3D模型为载体的信息共享，将CATIA、PRO/E、NX等多种数据格式的3D图形、工艺直接下发到现场，做到生产过程的无纸化，也可明显减少图纸转化与看图的时间，提升工人的劳动效率。
3、智能的设备互联互通，是CPS信息物理系统的典型体现，实现数字化生产设备的分布式网络化通讯、程序集中管理、设备状态的实时监控等。
无论是工业4.0、工业互联网、还是中国制造2025，其实质都是以CPS赛博物理系统为核心，通过信息化与生产设备等物理实体的深度融合，实现智能制造的生产模式。对企业来讲，将那些贵重的数控设备、机器人、自动化生产线等数字化设备，通过DNC/MDC的机床联网、数据采集、大数据分析、可视化展现、智能决策等功能，实现数字化生产设备的分布式网络化通讯、程序集中管理、设备状态的实时监控等，就是CPS赛博物理系统在制造企业中最典型的体现。
DNC是Distributed Numerical Control的简称，意为分布式数字控制，国内一般统称为机床联网。DNC系统通过一台服务器可实现对所有数控设备的双向并发通讯，支持Fanuc、Siemens、Heidenhain等上百种控制系统，兼容RS232、422、485、TCP/IP、无线等各类通讯方式，具有远程通讯、强制上传等常见功能，将数控设备纳入整个IT系统进行集群化管理。
管理学大师彼得•德鲁克曾经说过“你如果无法度量它，就无法管理它”，我们不仅需要通过DNC解决互联的问题，更需要通过MDC(Manufacturing Data Collection，直译为制造数据采集，俗称为机床监控)解决数据自动采集、透明化、量化管理的问题。
MDC通过一台计算机可以同时自动采集4096台数控设备，兼容数控机床、热处理设备（如熔炼、压铸、热处理、涂装等设备）、机器人、自动化生产线等各类数字化设备，兼容西门子等所有机床控制系统，以及三菱、欧姆龙等各类PLC的设备。
对高端带网卡的机床，可直接采集到机床的实时状态、程序信息、加工件数、转速和进给、报警信息等丰富的信息。并以形象直观的图形化界面进行显示，比如，绿色表示机床正在运行，黄色表示机床开机没干活，灰色表示没开机，红色表示故障，鼠标在机床图形上一点，相关的机床详细信息就全部实时地显示出来，实现对生产过程的透明化、量化管理。
如果要实现更逼真的显示效果，可通过3D虚拟技术以立体的形式展现车间、设备、人体模型等，可以实现人体的行走、机床的放大缩小、设备信息的实时显示等各种操作，给用户一个更直观、形象的展现。
4、智能资源管理，包括对物料、设备、刀具、量具、夹具等生产资源进行精益化管理、库存智能预警等。
通过对生产资源（物料、刀具、量具、夹具等）进行出入库、查询、盘点、报损、并行准备、切削专家库、统计分析等功能，有效地避免因生产资源的积压与短缺，实现库存的精益化管理，可最大程度地减少因生产资源不足带来的生产延误，也可避免因生产资源的积压造成生产辅助成本的居高不下。
5、智能质量过程管控，是对影响产品质量的生产工艺参数进行实时采集、控制，确保产品质量。
除了对生产过程中的质量问题进行及时的处理，分析出规律，减少质量问题的再次发生等技术手段以外，在生产过程中对生产设备的制造过程参数进行实时的采集、及时的干预，也是确保产品质量的一个重要手段。
通过工业互联网的形式对熔炼、压铸、热处理、涂装等数字化设备进行采集与管理，如采集设备基本状态，对各类工艺过程数据进行实时监测、动态预警、过程记录分析等功能，可实现对加工过程实时的、动态的、严格的工艺控制，确保产品生产过程完全受控。
当生产一段时间，质量出现一定的规律时，我们可以通过对工序过程的主要工艺参数与产品质量进行综合分析，为技术人员与管理人员进行工艺改进提供科学、量化的参考数据，在以后的生产过程中，减少不好的参数，确保最优的生产参数，从而保证产品的一致性与稳定性。
6、智能决策支持，是基于大数据分析的决策支持，形成管理的闭环，以实现数字化、网络化、智能化的高效生产模式。
在整个生产过程中，系统运行着大量的生产数据以及设备的实时数据，在兰光创新的很多用户里，企业一个车间一年的数据量就高10亿条以上，这是一种真正的工业大数据，这些数据都是企业宝贵的财富。对这些数据进行深入的挖掘与分析，系统自动生成各种直观的统计、分析报表，如计划制订情况、计划执行情况、质量情况、库存情况、设备情况等，可为相关人员决策提供帮助。这种基于大数据分析的决策支持，可以很好地帮助企业实现数字化、网络化、智能化的高效生产模式。
总之，通过以上6个方面智能的打造，可极大提升企业的计划科学化、生产过程协同化、生产设备与信息化的深度融合，并通过基于大数据分析的决策支持对企业进行透明化、量化的管理，可明显提升企业的生产效率与产品质量，是一种很好的数字化、网络化的智能生产模式。
网友评论