智能制造如何推动企业转型——走向智能制造之路

大家下午好，很高兴接受kaiyun体育官方人口 的邀请，我会用大概一个小时的时间分享一些我在智能制造企业转型方面中的经验。我今天的内容是关于制造企业的，制造企业中目前最火的话题是关于企业转型——走向智能制造的道路，这是与德国的“工业4.0”、我国的《智能制造2025》、美国的先进制造相关的大家都关注的一个话题。今天借这个机会与大家分享我在这方面的认识。

今天的主题主要分成四个方面：关于智能制造的理解、制造的大数据的价值、如何获取制造数据并且能够可视化、如何推进智能制造。

1.智能制造的理解

各行业智能制造新模式关键要素：

（1）离散型智能制造 车间总体设计、工艺流程及布局数字化建模；基于三维模型的产品设计与仿真，建立产品数据管理系统（PDM），关键制造工艺的数值模拟以及加工、装配的可视化仿真；先进传感、控制、检测、装配、物流及智能化工艺装备与生产管理软件高度集成；现场数据采集与分析系统、车间制造执行系统（MES）与产品全生命周期管理（PLM）、企业资源计划（ERP）系统高效协同与集成。

（2）流程型智能制造。工厂总体设计、工艺流程及布局数字化建模；生产流程可视化、生产工艺可预测优化；智能传感及仪器仪表、网络化控制与分析、在线监测、远程监控与故障诊断系统在生产管控中实现高度集成；实时数据采集与工艺数据库平台、车间制造执行系统（MES）与企业资源计划（ERP）系统实现协同与集成。

（3）网络协同制造。监理网络化制造资源协同平台，企业间研发系统、信息系统、运营管理系统可横向集成，信息数据资源在企业内外可交互共享、企业间、企业部门间创新资源、生产能力市场需求实现集聚与对接，设计、供应、制造和服务环节实现并行组织和协同优化。

大规模个性化订制。产品可模块化设计和个性组合；建有用户个性化需求信息平台和各层级的个性化订制服务平台，能提供用户需求特征的数据挖掘和分析服务；研发设计、计划排产、柔性制造、物流配送和售后服务实现集成和协同优化。

（4）大规模个性化定制。产品可模块化设计和个性化组合；建有用户个性化需求信息平台和各层级的个性化定制服务平台，能提供用户需求特征的数据挖掘和分析服务；研发设计、计划排产、柔性制造、物流配送和售后服务实现集成和协同优化。

（5）远程运维服务。建有标准化信息采集与控制系统、自动诊断系统、基于专家系统的故障预测模型和故障索引知识库；可实现装备（产品）远程无人操控、工作环境预警、运行状态监测、故障诊断与自修复；监理产品生命周期分析平台、核心配件生命周期分析平台、用户使用习惯信息模型；可对智能装备（产品）提供健康状况监测、虚拟设备维护方案制定与执行、最优使用方案推送、创新应用开放等服务。

2.制造大数据的价值

现在大数据是一个非常火的概念，企业里每天的生产制造、运营、采购等都产生很多数据，哪些数据能够真正优化制造呢？或者说我们判断一个企业是不是健康的，依据是什么呢?

这就好比人生病了去医院，医生会通过望闻问切、化验、拍片等数字化手段提供的信息来做诊断。管理者好比医生，怎么样判断企业是不是健康的，可以做的更好的？这就同样需要细分到各个部门的相关表现数据，我们称之为大数据。

针对离散型制造企业，我们建了业务性表板。可以通过它看企业在生产管理中，一些定期的体检指标，比如说运营情况、我们可以看本月的、上月的；可以了解到当前质量的百分比是多少，与去年同期进行比较，可以统计制造的效率——可以看企业全局的制造效率也可以看部门制造效率，可以按年看也可以按月、周看经营状况；

产量效率、输出的规格百分比、生产表、不同工厂间比较、年度比较、能耗、停机时间图、停机时间表、废图废表、年度废料等等这些数据的分析决策者都可以清晰了解。决策者就可以通过量化的指标知道整个工厂是不是健康的，各个部门、客户间哪些做的不尽如人意。数据可以落实到每个作业人员，看他的制造达成率、废品率，是不是有努力工作，这些都是工厂业绩考核落地时候的奖惩依据。

所以通过这些运营制造的数据，我们量化了管理上的健康程度，可以从各个维度知道运行情况是在慢慢改善，还是越来越差，还是有需要立马去解决的问题。

3.如何获取制造数据并使之可视 、如何获得有质量的数据

前面讲到如果我们有数据，就可以诊断企业运行是不是健康的。那么这些有质量的数据我们如何获得呢？

以前企业是通过手工的方式进行数据采集，比如说在生产现场由统计员统计生产数据，如果统计数据量很大的化，他只能将进行良品统计，报废的数据就不是很详尽的统计，比如只能一个礼拜或者一个工单一个工单进行统计，这样的话信息很滞后且模糊。

现在我们做了很多改善，在车间现场，数据采集直接与设备进行对接。在车间有这样数据采集的盒子和数据库，它们可以采集各种设备信号和数据，比如设备运行的温度数据、时间数据、压力数据……。这些数据从电器的端口是可以直接获取的。如果没有端口的话，我们也可以通过加传感器、OPC（开放式协议）方式拿到这些设备上自动产生的数据。这些数据获得后，我们可以形成制造的数据，质量的、产量的等等。这些数据就是我们有质量的制造数据，可以做排程用、可以做SPC/SQC统计用、可以做工厂分析用。

有了这些数据采集后，工厂车间就变为可视化车间，可视化是智能化的第一步，也是必须要的。

4.如何实现智能制造

首先需要对智能制造有清醒的认识，我们的目标不是片面的追求“人换成机器”、“无人工厂”。未来我们当然希望能够做到“无人工厂”，但那是未来循序渐进的发展目标，不是当前我们需要做的。智能制造不是为了投入而投入，是改造使用数字化管理，实现可视化工厂，做到持续的经营模式的改善。从产品质量、交付、成本、服务各个方面提升企业的综合竞争力。

其次，智能制造的有些新技术是昙花一现，本身很难推动到生产力，可能它的发展成熟周期还没到。你的非标非模块化的东西很多，比如项目制造的；内部外部的变更性很多，边设计边生产不断有变更改动的；很难有重现性的，都是多品种小批量很多只做一次的。以上这些，上智能制造的难度很大，要有一个清晰的认识，是不是匹配。

还有就是前提的基础。基础管理涉及到：组织、流程、现场、数据质量。基础管理做好，集中到一个核心的信息化平台上，评估一下当前的信息平台是不是健康的，是否可以支撑未来五到十年，包括企业的财务、业务、车间的系统整合的——不要建立了个系统又变成孤岛，然后需要做各个系统间的对接，这样就会很麻烦。以及企业自动化设备的数量和程度，设备智能化改造的可能性。

有了这样对目标清醒的认识，你的企业行业是匹配的，你的基础具备了，我们才可以进行智能制造的推进。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友