對智能制造最大的誤解是機器換人，實現高度自動化。我們講智能制造，實際上是在討論，如何解決當下企業痛點問題，輕松獲取數據，將數據串聯，打破信息孤島，實現業務的融合，從而提高生產力，平衡生產力和生產關系。

智能制造系統之殤

企業信息化建設是三駕馬車并駕齊驅：ERP、PDM與MES。ERP管理企業資源，如人員、設備折舊等，從客戶開始，到訂單，到主計劃，回答為什么生產；PDM管理產品設計過程，如產品圖紙、工藝等，PDM從產品需求開始到工藝編寫，回答怎么生產；MES管理制造的過程，如生產計劃、生產作業等，從計劃到具體加工，回答到底是怎么干的。

綜合來看，ERP、MES與PDM都屬于管理系統，MES（ManufacturingExecution System）全稱是制造執行系統，主要面向的對象是管理層。

戰略層：戰略層如企業總經理、型號總師等，主要獲知生產的趨勢性數據，如生產問題發生率、任務完成率、額定工時統計等等，都屬于分析統計類數據，簡稱高階數據；

管理層：管理層如計劃員、調度員等，主要獲知生產的實時數據，如生產進度、現場問題等，屬于實時性數據，對數據的實時性要求較高；

執行層：執行層如班組長、現場工人，主要獲知的是相對靜止的信息，如產品的操作手冊、加工工藝或者臨時工藝通知等內容。

綜上執行層雖然處于數據采集最核心的位置，但對于他們工作KPI（工時/件數）等均沒有增益，甚至會影響產量。

MES大部分功能面向管理層，但是MES的應用主要靠執行層表現。

執行層的數據來源于機器采集、手工錄入、上游系統傳遞、硬件集成等等，其中主要的數據還是來源于手工錄入，所以在上線MES系統后，執行層需要學習MES系統的操作。

由于管理層希望看到更多來自于執行層的數據信息，以輔助工廠的決策。執行層的工人們開始罔顧生產，去大量的在系統中錄入數據，這種本末倒置的行為，導致兩種結果：

1.系統培訓浪費時間，造成本職工作未按時完成；

2.沒有減少工作量，反而因為要錄入數據降低了效率；

在這樣的現狀下，MES的應用效果大打折扣。造成了一個智能制造之殤：管理層需要更多更全面的數據，執行層希望更具備效率更簡單舒適的工作工具。如何輕松簡潔的獲取數據，再將數據串聯起來，打破信息孤島，實現業務融合是目前智能制造的重中之重。

智能制造的解救之鑰

事實上，在我國工廠的很多車間里，各個生產設備之間、生產設備和控制器之間，都已經基本實現了信息化的連通。再厲害一點的公司，整個工廠已經通過制造執行系統（MES）連通起來，而業務部門全部通過ERP連通起來了。

這樣的情況下，問題出在哪里呢？

ERP和MES其實并沒有連起來！

這之間存在信息孤島。所以當ERP給MES下達生產計劃指令后，如果MES在生產過程中發生與計劃偏差的事項（比如設備壞了，原料不合格等等），MES會根據車間的實際情況進行調整。但是ERP不知道，它會繼續按照原本的計劃執行訂單，時間久了，財務系統和工廠的實際情況就會出現非常大的偏差。

沒有連起來的原因也很簡單：

1、ERP和MES的開發公司通常是兩撥人，搞財務的和搞生產的合作，不但互相不懂對方的職業術語，雞同鴨講，而且互相看不上對方。

2、公司內部的業務部門和生產部門通常是分開運營，在沒有實時溝通的情況下，各自是不知道對方的調整的。

當然，ERP和MES的問題只是工廠內系統斷層的一個問題縮影，事實上工廠里還有非常多的其他系統，設計、制造、采購等，這些系統都是一個個信息孤島，互相都不知道對方的行動和接下來的計劃。這個問題自工業革命以來就存在，但是工業時代，產品的生產周期很長，所以問題在生產研發的過程中能夠得到調整。

但是互聯網和智能時代的到來，帶來了新的變化。

互聯網和智能讓經濟得以高速發展，與此同時，產能過剩嚴重成了全球性的問題。企業的競爭越來越激烈，我們的產品更新換代越來越快，以往一款產品賣十年二十年，現在我們看到的是，每隔幾個月，就會有多個產品的更新迭代。

另外，互聯網幫我們消除了信息的不對稱。過去的大批量統一生產的做法顯然已經行不通。隨著消費升級，消費者更青睞于個性化的產品。這就要求工業企業能夠實現小批量、定制化的快速生產。

如果這個時代延續過去的做法，顯然很快就會被淘汰，因此，企業最迫切需要做的就是連接ERP和MES，打破業務和生產之間的信息孤島，進入完全的自動化和信息化階段，也就是工業3.0大圓滿階段。 這個階段的單點功能不需要太完美，在下一個階段，中國人自己的智能制造階段，需要解決的就是單點數據。

智能制造的AI之路

數據采集：

采集數據是根本的，但是需要在不增加工作量的基礎上，因為人為的采集數據就不可取。AI的到來，為我們提供了可能，我們現在看到的人臉識別、智能語音等等，都體現了AI這一強大的實力。

所以工業的AI之旅注定達到的目的是：最大限度的獲取非隱私數據，極多數的單點工具，讓工人只做本職工作的事情，不再因為管理需求而做一些無用功。

數據處理：

AI為我們采集到過多的數據，但是這些數據中必然存在大量的無用冗雜數據，如果不進行擇優清洗，后續的工作會很難進行，基于AI的大數據處理應用而生，幫助我們實現數據的轉化和存儲。

數據分析：

當世界多變，我們就不能只是單純的從一個點出發去做判斷和決策。由于大量的多面的數據存在，會要求更多的算法去處理數據，挖掘更多的深層的多維信息，把這些數據轉化成自己的智慧，做出最理智最正確的判斷和決策，從而創造在這個領域的財富，才是智能制造要實現的最終目標。

責任編輯：ct