近幾年來，從工業4.0的熱潮開始，智能制造、CPS、工業互聯網(平臺)、企業上云、工業APP、人工智能、工業大數據、數字工廠、數字經濟、數字化轉型、C2B(C2M)等概念接踵而至，對于大多數制造企業而言，可以說是眼花繚亂、無所適從。

　　智能制造涉及的技術非常多，例如云計算、邊緣計算、RFID、工業機器人、機器視覺、立體倉庫、AGV、虛擬現實/增強現實、三維打印/增材制造、工業安全、TSN(時間敏感網絡)、深度學習、Digital twin、MBD、預測性維護......，讓企業目不暇接。這些技術看起來都很美，但如何應用，如何取得實效？很多企業還不得而知。

　　企業推進智能制造領域的相關技術十分缺乏經驗，欠缺可以借鑒的成功案例。目前，制造企業已經存在三種類型的孤島：信息孤島、自動化孤島，以及信息系統與自動化系統之間的孤島。企業目前也缺乏統一的部門來系統規劃和推進智能制造。在實際推進智能制造的過程中，企業也仍然是頭痛醫頭，缺乏章法。

　　推進智能制造，前景很美好。但是絕大多數制造企業利潤率很低，缺乏自主資金投入。在“專項”、“示范”以及“機器換人”等政策刺激下，一些國有企業和大型民營企業爭取到各級政府給予的資金扶持，而中小企業只能“隔岸觀火”，自力更生。然而，為了爭取政府項目，方案必須做得漂亮，檔次必須高大上，投入必須上億。

　　大屏幕指揮中心是必須有的，大量采用機器人的自動化生產線是必須建的，立體倉庫、AGV也是可以有的，MES更是必不可少的，國產系統是必須用的。至于究竟能否取得實效，就只有企業“冷暖自知”了。

　　在推進智能制造過程中，不少企業對于建立無人工廠、黑燈工廠躍躍欲試，認為這就是智能工廠。而實際上，高度自動化是工業3.0的理念。

　　對于大批量生產的產品，國外的優秀企業早就實現了無人工廠，例如日本FANUC全自動裝配伺服電機，40秒一個，但其前提是產品的標準化、系列化，以及面向自動化裝配的設計，例如將需要用線纜進行插裝的結構改為插座式的結構。

　　e-works兩次組團參觀三菱電機的名古屋制作所可兒工廠，他們非常明確，對于大批量生產的產品，大量應用機械手，實現高度自動化；對于中小批量的產品，推進低成本自動化，即部分工位的自動化；而對于單件定制的產品，采取手工裝配。

　　去年，e-works考察團參觀施耐德電氣的法國諾曼底工廠，他們非常客觀地介紹，該工廠是生產繼電器的自動化工廠，但還不是智能工廠，邀請我們來年再去，實際上該工廠實現了從繞線、裝配、包裝等全流程的自動化，而且可以在一條產線生產多種變型產品。

　　西門子一直將被廣泛譽為工業4.0典范的安貝格電子工廠稱為數字化工廠，其特點是人機協作的柔性自動化生產、智能物流、工業軟件廣泛應用、海量的數據采集以及大數據分析。

　　一個真正的智能工廠，應該是精益、柔性、綠色、節能和數據驅動，能夠適應多品種小批量生產模式的工廠。智能工廠不是無人工廠，卻是少人化和人機協作的工廠，推進智能工廠絕不是簡單地實現機器換人。南京的愛立信工廠有一條裝配線，一開始設置的自動化率是90%，后來發現調整為70%，增加若干人工工位，整體質量和效率反而是*優的。此外，對于裝備制造行業，機加工等工序并不適合建立自動化生產線，而建立FMS(柔性制造系統)，則是更現實的選擇。MAZAK、FANUC的機加工車間應用FMS已達到720小時無人值守，自動生產不同的機械零件。

　　制造企業的企業家，尤其是中小型民營企業的老板，非常關心投資回報。我多次聽到一些企業家提出，必須能夠在三到四年能夠收回投資的信息化、自動化系統才投入，甚至有期望值更高的，希望能夠找到“下金蛋的雞”。然而，有些賬容易算，比如某條產線減少了多少工人。有些賬卻不那么容易算，例如工業軟件的應用涉及到如何滿足企業不斷變化的個性化需求。

　　作為一個使能要素，企業離不開工業軟件，卻難以計算出它究竟為企業直接或間接節省了多少成本，賺了多少錢。如果選型、實施和應用不到位，更是常常用不起來，業務部門牢騷滿腹。長此以往，制造企業更加重硬輕軟，*后停留在小打小鬧地做一點局部的自動化改善。

　　企業要真正實現智能制造，必須進行生產、質量、設備狀態和能耗等數據的自動采集，實現生產設備(機床、機器人)、檢測設備、物流設備(AGV、立庫、叉車等)，以及移動終端的聯網，沒有這個基礎，智能制造就是無源之水。

　　但是，我常常看到很多制造企業還停留在單機自動化階段，甚至一些知名企業的生產線也未聯網。沒有基礎的設備聯網，何談工業互聯網？！

　　無論是推進企業信息化、兩化融合，還是進一步實現數字化轉型，推進智能制造，基礎數據的規范性和準確性都是必要條件。很多企業在實施ERP，或者ERP升級換型的過程中，花費時間*多的就是基礎數據的整理。企業管理的規范性、業務流程的清晰，也是企業推進智能制造的“敲門磚”。但現實的情況是，一些企業的基礎數據還沒有理順，卻在大談“工業大數據”。這種舍本逐末的做法，注定是難以取得實效的。

（中國紡織網）