智能制造必须澄清的观点-及路线分析

产业界弥漫着打了鸡血的兴奋，大部分人都有一些真知灼见，但是，出于礼节，一般都不会去太多批判意见的—最近一个月我就和很多业界的朋友进行了交流—但是，如果没有一些说真话说实话的人，的确会是缺陷，有时候想，我们是否需要特立独行？70年代的人有情怀，又有责任感，但也都懂得明哲保身，我们做很多事情都会随波逐流，做一些看上去很对的事情—因为大家都这样，但是，实际上却没有效率的事情，因此，应该有一些说真话说实话的风气才对。

当然了，主要是我发现像我这每个月才写一篇的的确不够积极。

 

一、感觉扯淡的事情太多

现在智能制造真是一团火热，国家也大量资金投入，但是，大家所讨论的各种实现—给我最大的感觉就是“似乎并没有超越今天我们自动化人干的事情”，当然了，大部分都是以前的柔性制造、两化融合时代就有的，而且这些都没实现，就扯什么智能制造—就像昨天Mcrazy跟我聊的，什么是智能制造我看大部分号称搞智能制造的也没搞清楚，或者讲的也不过是老酒用了个IT瓶子重新装了一下而已。

 

1.问题的本质是什么？Internet+还是+internet?

智能制造必须明确，运营技术OT是核心问题，Internet+是放大了Internet所代表的IT技术的作用，却忘记了生产才是这件事情的核心，因此，+Internet更为合理，这个也没必要去争议。

IT的人擅长制造概念，但是，这些概念怎么落地—我看也是一脸茫然吧？

 

2.舍本逐末要不得

技术是服务应用的，而应用是服务于市场的，如果脱离应用于市场谈技术，都是舍本逐末之举。大谈技术不如想办法解决好质量问题、降低成本，加快交付。

 

3.榔头和钉子的故事

现在很多IIoT的架构、产品技术，平台终归是榔头，而应用才是解决问题的钉子，现在就是榔头太多而钉子太少。

4.何止于技术升级

其实智能制造还是工业4.0，对于技术提供商还是End User而言，其实，都是牵扯到整体升级的问题，包括你的管理组织架构、企业文化、绩效考核、人力资源与能力模型都必须与之匹配，总是讨论智能制造的架构、平台，而不辅助与之的平行推动，就会遇到无数障碍，让企业陷入泥潭，到最后，智能制造反倒毁了自己良好的发展态势。

3月初和兔哥聊了很多话题—现在很多号称提供平台的，其实如果你到了这些公司内部，你会发现，一塌糊涂，自己的团队都不明白怎么向客户解释，也无法专业的咨询—至少该问什么问题你得知道吧？

 

5.工业基础软件更重要

最近看很多开始似乎重视起来软件了，但是，都是因为巨大潮流下别人展示了软件的重要性，然后一帮专家就开始筹划中国要做工业软件，结果我发现都是聚焦在了MES、应用软件上，而底层的RTOS、基础的开发平台如贝加莱的Automation Studio、RA的Logix等反倒没有怎么被提及，什么软件定义智能、软件定义XX，反正都学人家Predix、Mindsphere、PTC等，却忘记了发展自己的基础软件包括操作系统、编译、标准的PLCopen开发。

 

说风就是雨，领导说要搞什么，下面就马上不管三七二十一，也不管是否成熟，基础如何，反正得上智能制造，你是不是智能制造我不管，反正这是政治任务，至于以后会怎样，以后再说。

 

二、让我们回到智能制造

去年7月，在一次关于智能制造的论坛讨论时，将关于智能制造所涉及的话题进行了总结，绘制了这张图，这个当然比较粗糙，但个人认为关于智能制造的整体逻辑应该是得到了大家认可的，在之后的各个场合也进行了介绍，经过大家多的认可后现在倒可以拿来讲将。

第一步设定工厂目标—你的智能制造要达到什么标准？？？

回到生产的本质—对材料进行物理的加工，其消耗是材料、时间、能源、人力，因此，生产的本质将归结于解决材料的加工质量（切削、冲压、成型等的质量）、消耗的时间越长成本越高、人力消耗越多成本也越高、加工需要能耗越高成本越高，而交付能力是精益核心问题之一。

那么，不管你搞工业4.0还是工业8.0，你都要解决质量、成本、交付问题吧？

 

个性化是灾难，因为质量迭代、启动停止的浪费、换装的时间都把生产要素进行了放大，那么工业4.0要解决这个问题。

 

IIoT干什么？推荐大家看一本书《零边际成本社会》，能源协同优化是物联网可以干的事情，本质上所有的技术都必须围绕：

如何降低材料消耗？

如何降低能耗？

如何减少加工时间？

如何降低人工消耗？

 

精益为你们设定了目标，好好研究一下精益，但是，新的时代的精益与过去又不一样，以前车间分为独立的钣金、注射成型、组装、包装，现在可能一个集成的产线就完成了，过去的精益必须与今天的自动化信息化融合解决问题。

 

第二步，建立基于精益以及运行管理OM的目标

设定方法、工具，确定你所需要使用的如OEE、KPI的参数、TPM、RRCA方法的工具化，需要定义参数、采集量。

第三步：建立信息模型

OPC UA是一个设备互联的通信协议，最近接触很多谈论OPC UA只是在讨论它的通信功能，实际上，OPC UA的核心在于“信息建模”—针对垂直行业，每个行业应该如何确保数据的结构化、数据类型的清晰定义、以及数据的完整性、可验证等目标，这样才能知道为每个行业定义需要哪些数据？如何采集？如何定义通信机制下的语义互操作性，实现异构网络的数据交互与集成。

这包括机器建模、工厂建模、集团信息建模等多个层次。

 

第四步：制定企业内部的信息模型

不同的企业，如乳制品的蒙牛、伊利，电子制造业的富士康，家电的格力、海尔、美的其制造过程不同，每个行业，每个企业都有其特殊性，如何建立自身的信息模型，围绕自己的质量提升、成本优化、交付能力来设计自己生产所需要的信息，并构建优化的方法。

第五步才是制定实施战略

 

我们建议客户应该基于开放性系统的原则，避免使用封闭系统架构，并且梯次实现，这样开放性保持连续升级，而梯次则避免一次性投入过大，由最为迫切的问题来解决，而不是由大的系统实现，投入周期很长，对自身生产影响较大，最终局面无法掌控。

 

第六步才是选择系统并进行实施

 

这个环节里，原有的企业CIO的智能需要较大的升级，而且是应该有一个组织架构协调机制与之匹配，避免无法推动，或者外行人说外行话让内行人给阻碍，但是内行人又会存在全局性欠缺，这是大部分项目实施障碍的原因，因此，必须在组织架构上的考评、权限、决策机制进行理顺，否则的话，这个项目推动就会遇到各种你崩溃的结果，最后会输出一个不伦不类的四不像，多方妥协的所谓“智能制造”系统。

图-贝加莱的OrangeBox可以采集能源、OEE参数并给云/雾/边缘计算侧系统

最后是长效运行机制

基于精益思想，PDCA循环，对系统进行长效的管理，建已经很难，运行其实会更难，这里会有很多不断需要改善、调整，升级的地方，需要管理系统的高效支撑。

 

因此，如果管理基础较为薄弱，对于推动智能制造我是不看好的。