聊聊對智能製造概念的理解

來自專欄聊聊智能製造那些事5 人贊了文章

引言

近些年，智能製造的熱度逐年升溫，絲毫不遜於這七八月的天氣。各路廠商也紛紛厲兵秣馬，對智能製造這塊大蛋糕躍躍欲試。但正是在這一片欣欣向榮的景象中，以下的困惑也隨之而來（可能對於新入行的朋友們，這份困惑更為嚴重）。

到底什麼是智能製造，或者說，智能製造究竟要做一件什麼樣的事情？為什麼各路玩家（比如，做機器人的，做MES的，做雲計算的，做通訊的，做人工智慧的等等）從事的業務大相徑庭，但卻都說自己在做智能製造呢？

不幸的是，目前業界對於智能製造並沒有一個統一的明確定義。但慶幸的是，各路專家對於上述問題已經給出了很多種解答（儘管其中不乏晦澀難懂的長篇大論）。

在這篇小文里，筆者不敢自不量力地對智能製造進行定義。筆者在翻閱了幾份國外的文獻，並解讀其中對於智能製造的理解的基礎上，嘗試從中找出對於智能製造概念最通俗易懂的解釋，作為對智能製造概念理解的基礎，與大家共同探討。

智能製造的概念

筆者重點查閱了下述幾份文獻資料，從中獲取國外專家們對智能製造的理解，這些文獻包括：

• Industrie 4.0 Readiness Model
• Current Standards Landscape for Smart Manufacturing Systems
• Reference Architectural Model Industrie 4.0 (RAMI 4.0)
• IIC Architecture

個人認為NIST的「Current Standards Landscape for Smart Manufacturing Systems」給出的定義最為清晰明了，與其他幾份文獻中關於工業4.0概念的闡述也有眾多的契合之處，不妨作為我們對於智能製造概念理解的基礎。

將NIST給出的智能製造概念總結成一句話，如下：

智能製造是將信息和通信技術應用於生產製造相關的各個業務環節中，實現生產製造企業的業務目標。

總結成一個公式，智能製造=製造+信息技術與通訊技術。

為了更好地理解上述概念的定義，筆者就以下四個方面進行具體的闡述：

一、業務目標

對於製造業，業務目標幾乎是永恆不變的，它不依賴於所採用的技術、手段。筆者結合查閱過的幾份文獻，把製造業的業務目標總結如下：

• 提升效率（人員、機器、能源、原材料的使用效率）
• 提升質量
• 保證按時交付
• 滿足個性化需求（定製化、多批次、小批量）
• 對市場及供應鏈變化的快速響應
• 開拓新的商業模式（例如，服務型製造）

如有不妥之處，各位看官可後台留言，補充完善。

智能製造就是要在生產製造相關的各個業務環節中應用先進的通訊技術、信息技術，實現上述目標。

二、生產運營的各個環節

筆者對NIST的這份資料青睞有加的另一個原因，就是因為下面這張圖，NIST將其稱之為Smart Manufacturing Ecosystem，即智能製造的生態系統。

在筆者看來，這張圖的重要價值在於它解答了一個問題，即什麼是製造，或者說，生產製造相關的所有業務環節有哪些。

歸根結底，智能製造要解決的還是生產製造相關的問題，因此，首先需要理順生產製造所包含的業務環節，而這些環節才是智能製造系統應用先進通訊技術、信息技術的落腳點。

NIST的上述模型從「產品，生產和商業」三個維度對生產製造業務進行梳理，而這三個維度都在製造金字塔交匯。產品（product）生命周期涉及從早期產品設計階段開始並持續到產品壽命結束的信息流和控制。生產系統（production）生命周期側重於整個生產設施（包括其系統）的設計、部署、運營和退役。商業（business）生命周期涉及供應商和客戶交互的功能。這些維度中都在設備，工廠和企業系統的垂直整合中發揮作用，我們稱之為製造金字塔。

三、通訊技術與信息技術

眾所周知，智能製造是一場技術驅動的製造業升級，主要依託的是新興的信息技術與通訊技術。

這些技術包括物聯網技術（實現生產設備、產品聯網通訊、數據採集的功能）、雲計算、大數據、人工智慧（通過對數據的分析，實現輔助決策的功能）。依靠上述技術，智能製造系統能夠實現自感知、自適應等功能，並且能夠在人為授權的情況下，最終實現自治。

四、智能製造與以往的製造範式的關係

如果單純從概念的文字層面推敲智能製造與以往的製造範式（如精益生產、柔性製造、兩化融合等）的關係，筆者認為意義不大。因為過往的各種理念，無非是應用各種不同的手段從不同的維度去解決製造業發展的不同問題。比如，精益生產採用的是管理改善的手段以及信息化的手段，達成減少浪費的目標。

筆者認為，智能製造可以理解為以往眾多智能製造轉型升級模式的集大成者，它繼承了精益生產、柔性製造等理念的特徵，並且更加強調技術驅動的重要性，突出先進的通訊與信息技術在製造業的應用。

因此，可以不負責任的講，只要你的產品或者服務是為了解決製造業當前發展所面臨的業務問題，並且應用通訊技術或者信息技術，那麼，恭喜你，你所從事的工作就可以劃分到智能製造的範疇中。這也就解答了本文序言中所提到的問題——為何智能製造市場中的玩家如此五花八門。

智能製造應用場景舉例

在這部分內容中，筆者希望通過對「預測性維護」這一典型的智能製造應用場景的簡要描述，使各位看官對先進技術在智能製造領域的應用有所了解，加深大家對於智能製造概念的理解，並對智能製造建立起一個基本的感性認識。

下圖為預測性維護場景的簡圖（畫得有些丑，請各位看官見諒）。

套用我們在前文中總結的智能製造的概念加以闡釋——預測性維護是把通訊技術（應用於工業現場的有線網路或無線網路）、以及信息技術（設備數據採集、信息集成技術、用於預測性建模的機器學習等）應用於生產現場設備運維這一重要的業務環節中，實現提升設備的使用率、減少熱停機現象發生的業務目標。

從這一場景中可以看出，通訊技術與信息技術在智能製造中發揮的重要角色。

首先，該業務環節（設備運維）一定要先實現信息化，正如這一場景中的設備運維管理系統的存在。實現上述信息化依靠的技術不是炫酷的大數據、人工智慧，而是傳統的IT技術與業務流程的結合。這種信息系統是智能製造不可或缺的基礎，它既是業務數據（如維修記錄）的來源，也是後續業務操作（如維修工單的下發）的執行系統。因此，從事MES、PLM建設的廠商，必然是智能製造的主力軍。

其次，要實現設備層與信息系統之間的信息集成，講得時髦一點，叫OT與IT的融合。要實現這樣的融合，不僅要通過工業物聯網技術（其實就是SCADA、DNC）以及工業有線及無線網路等通訊技術獲取設備層的信息，還要藉助企業服務匯流排等信息集成技術進一步將各個系統及設備中的數據彙集到一起，為後續的分析提供了必不可少的數據基礎。

第三，通過建立預測性模型，對數據進行預測性分析，給出維修建議，輔助決策。對數據進行分析才能產生業務價值，在預測性維護場景中，要應用大數據以及機器學習等人工智慧技術，對數據進行分析，產生關於設備故障的預測結果。

結語

概念終究是概念，其實，不管智能製造的準確概念是什麼，我們所面臨的問題都是不變的，即解決製造業發展中面臨的各種低效、低質量等問題，提升我國製造業的整體競爭力。

很多製造業的資深從業者都表達過類似的觀點，筆者也深表贊同。智能製造的從業者應該將注意力從what轉向how，即如何在繼承過往各種理念（如精益生產等）的同時，更好地應用先進技術，解決製造業中的實際問題。

誠然，現階段的智能製造仍主要處於各路專家佈道洗腦、理念宣講遠多於落地實踐的階段。但是，不可否認的是，現階段是製造業轉型升級的大好時機——上有政策支持，下有各方參與。當前，在智能製造這面大旗下，已然彙集了包括製造業企業、老牌工業巨頭、高科技企業等各方力量。從業者應把握好這一歷史機遇，充分利用好目前的寶貴資源。製造業出身的同行們，應多向BAT、華為、IBM、埃森哲等高科技企業學習先進的通訊技術、信息技術，如大數據、雲計算、物聯網、人工智慧等，並且去認真、深入地思考，上述技術如何才能夠為我所用，解決生產現場的實際問題；同樣，高科技企業的從業者也應深入到生產現場，虛心地向現場的老師傅們討教、學習，切實了解製造業各細分領域中存在的業務痛點，對症下藥。

智能製造是一個跨界極為嚴重的行業，它將原本很少有交集的各種商業力量撮合到了一起，它需要各參與方積極拓寬自己的業務邊界、知識邊界，最終找到生產現場的業務痛點與先進技術的交匯點，紮實地將智能製造的理念落地，產生真正的業務價值。

文中提到的NIST的文獻，感興趣的朋友可關注我的公眾號，輸入關鍵詞nist，獲取該文檔

近期開通了個人公眾號，準備打持久戰，堅持分享關於智能製造的所見、所思、所悟。感興趣的朋友可掃描下方二維碼。

http://weixin.qq.com/r/sC9OVp3EJsBZrdk193qi (二維碼自動識別)