我們?nèi)缃裉幵谛聲r代，出現(xiàn)了比以往更多的概念：精益生產(chǎn)、智能制造、工業(yè)4.0、數(shù)字化工廠、工業(yè)物聯(lián)網(wǎng)、工業(yè)大數(shù)據(jù)、人工智能。然而，該如何厘清這么多概念之間的關(guān)系？

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，用何種定義與實(shí)現(xiàn)方法進(jìn)行探討，我們都必須以企業(yè)的經(jīng)營戰(zhàn)略為目標(biāo)。企業(yè)的經(jīng)營在于：

①為消費(fèi)者/客戶提供質(zhì)優(yōu)價廉的產(chǎn)品

②為股東投資確保回報

③為員工的福利

這是企業(yè)經(jīng)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(shí)現(xiàn)，標(biāo)榜智能制造產(chǎn)線，多是以局部看全局，而另一方面，為了智能制造而上系統(tǒng)也是偏離了企業(yè)經(jīng)營之本質(zhì)，如何厘清經(jīng)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(shí)施整體戰(zhàn)略，對于企業(yè)而言，尤為重要，因?yàn)椋@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(jīng)實(shí)現(xiàn)的稱之為概念，但是這里將以其所對應(yīng)的領(lǐng)域來進(jìn)行闡述。

1精益是數(shù)字化的根基

精益是一種不斷改善經(jīng)營效率，發(fā)揮資源，包括核心的人的能動性力量，持續(xù)學(xué)習(xí)不斷改善，讓企業(yè)不斷提升競爭能力，消除浪費(fèi)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(shí)現(xiàn)經(jīng)營的利潤率最大化。

精益對生產(chǎn)中的過度生產(chǎn)、等待、運(yùn)輸、過度加工、庫存、缺陷返工、走動、人才浪費(fèi)進(jìn)行了聚焦，并提出了諸多的方法予以消除。這些與生產(chǎn)制造單元的經(jīng)營目標(biāo)緊密相關(guān)。

我們總把計(jì)算機(jī)、MES/ERP這些理解為數(shù)字化系統(tǒng)，但是，數(shù)字化的根基是“數(shù)字”—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(yùn)營的本質(zhì)在運(yùn)營，而非數(shù)字，數(shù)字只是實(shí)現(xiàn)的數(shù)字化運(yùn)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(chǎn)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(jīng)營目標(biāo)：質(zhì)量、成本與交付能力。

智能工廠的性能指標(biāo)要求是基于精益的可量化而定義的，這些是數(shù)字化運(yùn)營、智能制造、工業(yè)4.0等所有概念必須去實(shí)現(xiàn)的目標(biāo)。

智能工廠的性能指標(biāo)要求

2自動化的角色

傳統(tǒng)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(yùn)營本質(zhì)的。

（1）確保效率

為什么要自動化？從傳統(tǒng)生產(chǎn)運(yùn)營角度而言，采用人工搬運(yùn)、加工的過程顯然與機(jī)器的速度無法相比，尤其是談到智能制造的集成生產(chǎn)，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)。事實(shí)上，在自動化程度上，連續(xù)型生產(chǎn)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(jī)器人集成制造使得產(chǎn)品質(zhì)量及其一致性不斷提高，這些都是機(jī)器相較于人而言更為重要的作用。

（3）提供生產(chǎn)靈活性

運(yùn)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(chǎn)的柔性，就像在各種機(jī)器上，運(yùn)動控制扮演讓生產(chǎn)更為靈活的角色，通過參數(shù)設(shè)置，伺服系統(tǒng)自己規(guī)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(tǒng)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(chǎn)中的能源、維護(hù)、品質(zhì)數(shù)據(jù)向管理系統(tǒng)的輸送，當(dāng)然，也接受來自管理系統(tǒng)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(jīng)讓標(biāo)準(zhǔn)化的大規(guī)模生產(chǎn)達(dá)到了極高的水平，但是，當(dāng)生產(chǎn)的個性化需求變得越來越多的時候就產(chǎn)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：

不良品率：當(dāng)印刷批次變小時，開機(jī)浪費(fèi)將提高不良品率，使得質(zhì)量實(shí)際上下降；

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

交付能力顯著下降：工藝切換的時間消耗、當(dāng)機(jī)、返工這種在大批量生產(chǎn)已經(jīng)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(chǎn)制造的要求就會發(fā)現(xiàn)，在更大的全局來優(yōu)化產(chǎn)線成為了必然，例如：

1.如何讓生產(chǎn)運(yùn)營過程最大的協(xié)同來消除中間的時間、能耗等浪費(fèi)？

2.當(dāng)有設(shè)備停機(jī)產(chǎn)線如何自動分配負(fù)載？

3.在批次降低質(zhì)量迭代周期變小時如何削減開機(jī)浪費(fèi)？

4.工藝切換的時間耗費(fèi)如何降低以達(dá)成快速交付？

再回到運(yùn)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)據(jù)連接起來，才能全景的觀察產(chǎn)線，才能尋找運(yùn)營的優(yōu)化。

而制造級的數(shù)據(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(shí)上在最近幾年運(yùn)營智能制造的項(xiàng)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(diǎn)的原因，因?yàn)镺PCUA解決了以下幾個問題：

① 共享數(shù)據(jù)模型使得數(shù)據(jù)對象變得簡單，可以較為便利的方式對數(shù)據(jù)進(jìn)行采集；

② 語義互操作使得跨平臺的系統(tǒng)之間可以進(jìn)行數(shù)據(jù)基于標(biāo)準(zhǔn)與規(guī)范進(jìn)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)據(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(guī)范，而數(shù)據(jù)字典則提供了在管理級的信息建模規(guī)范，在RAMI4.0的參考模型中包括管理殼（AdministrationShell）、數(shù)據(jù)字典都解決全局的業(yè)務(wù)層面的信息標(biāo)準(zhǔn)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)據(jù)的傳輸，也要明白數(shù)據(jù)的流向—即用途，也是要服務(wù)于生產(chǎn)運(yùn)營的。圖2是來自NIST關(guān)于智能制造相關(guān)的標(biāo)準(zhǔn)，包括從底層的現(xiàn)場總線、信息模型、數(shù)據(jù)模型、設(shè)計(jì)、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(tǒng)通常也是在一臺機(jī)器、一個子系統(tǒng)（如煉化、制藥過程）中，而生產(chǎn)的全局優(yōu)化要在更高維度，而這個時候，計(jì)算能力、模型能力已經(jīng)超出了目前的機(jī)理模型。

圖3 從精益到智能運(yùn)營的幾個層級

圖3全景描繪了從精益到智能的全局過程，數(shù)據(jù)采集、信息處理、全局利用直到最終的自主學(xué)習(xí)能力。

因此，總結(jié)而言，智能化是必須建立在精益運(yùn)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(jì)與輔助制造、供應(yīng)鏈（除了傳統(tǒng)意義的供應(yīng)鏈還包括智能電網(wǎng)、物流）、生產(chǎn)制造環(huán)節(jié)、運(yùn)營維護(hù)整個的協(xié)同，就形成了整體的基于設(shè)備狀態(tài)、生產(chǎn)訂單、能源消耗、財(cái)務(wù)成本等共同構(gòu)成的“尋優(yōu)”，并給予運(yùn)營“決策支持”。

知識化人才培養(yǎng)-并非題外話

知識化人才培養(yǎng)探討的是智能制造從精益基礎(chǔ)到智能的過程，考慮知識與人才培養(yǎng)的關(guān)系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(jī)器設(shè)計(jì)、信息化乃至智能化的學(xué)習(xí)等，這些都將依賴于人的智慧傳輸成為“標(biāo)準(zhǔn)”、“規(guī)范”，可重用的，能夠讓知識成為一種可被系統(tǒng)重復(fù)利用，并能自己不斷學(xué)習(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(jīng)驗(yàn)也必須復(fù)用，實(shí)物的材料和非實(shí)物的時間都是資源，而人的智慧、經(jīng)驗(yàn)更是資源，從性價比的角度來說，人的經(jīng)驗(yàn)具有巨大的潛力，這是更為重要的資源。

2人才培養(yǎng)與教育是智能制造的根基

圖4 智能制造人才知識結(jié)構(gòu)分析與規(guī)劃

人才培養(yǎng)是智能制造的關(guān)鍵，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(tǒng)思維的訓(xùn)練，從具體的角度看，智能制造包含了更為全局的技術(shù)學(xué)習(xí)，包括自動化專業(yè)向IT、機(jī)械的延伸，機(jī)器人、通信、PLCopen的軟件開發(fā)思想。