关于智能制造领域“轻与重”的八大误区

       当前，我国正在大力推进制造强国建设，智能制造无疑是重中之重的核心策略。在政府的积极推进和企业内生动力的驱动下，制造企业踏上了智能制造的转型征程，智能制造支撑不少优秀企业成为行业领军企业，乃至在细分市场成为全球隐形冠军。但是，还有很多制造企业存在不少关于“轻与重”的认识与实践中的误区。

       误区一：重自动化，轻数字化

       当前，制造企业面临着巨大的人力资源成本压力和招工难等问题，因此，很多离散制造企业积极进行生产线的自动化改造。一部分重复性较高的工位，由企业提出工艺需求，选择非标自动化集成商提供专用的自动化设备，完成诸如拧螺丝、装配、焊接、打标、检测等特定工序，从而替代人工，实现少人化。

       但是仍存在问题，一方面很多企业的自动化产线还是只能适应单一品种，柔性不强；另一方面，很多企业还是不够重视设备联网和产线数据采集，难以真正实现生产过程的可视化与透明化，管理人员还难以及时、准确地了解生产现场的实时状况。流程制造企业的生产线普遍应用了自动化控制系统，但数字化技术的应用也相对滞后，也存在与自动化系统脱节的问题。

       因此，企业在推进智能制造的过程中，一定要自动化与数字化并重，自动化是基础，通过数字技术的应用真正创造价值。

       误区二：重单机自动化，轻系统柔性化

       很多制造企业非常重视购买数控加工中心或者钣金加工设备，不少企业还配备了上下料的工业机器人，但是往往还是单机自动化，还没有应用柔性制造系统（FMS）或柔性制造单元(FMC)，生产过程中还需要人工搬运，导致产生在制品库存，高端智能装备的OEE较低。

       误区三：重局部改造，轻整体优化

       很多企业十分注重对瓶颈工位或消耗人工较多的工位进行自动化改造，推进“机器换人”。这种方式虽然能够减少人工，提高单个工位的效率，但是对于提升生产线的整体效率意义不大，而且往往会将瓶颈工序转移到其它工位。

       正确的方式是基于工业工程的理念，利用价值流图等方法，根据生产的产品类型、产量、批量、制造工艺、产能、生产节拍和在制品物流传输方式，对产线进行整体优化；同时，从实现自动化加工与装配的角度来对制造工艺进行优化，以降低自动化改造的难度，尽量满足多种变型产品的生产与装配。

       误区四：重单元系统应用，轻整体规划与系统集成

       历经数十年的应用，工业软件的功能不断细化，在制造企业中覆盖的业务越来越广，企业应用的信息系统越来越多。很多企业往往是为了解决某一个或一类问题，满足某个业务部门或者某个业务流程的需求而建设一套信息系统，“头痛医头”，缺乏整体规划，导致系统之间功能重叠、边界模糊、数据来源多样等问题。

       例如，某企业先导入了ERP系统，后来由于生产现场细化管理，导入了MES系统，之后由于需要对仓库进行精细化管理，引入了WMS，三个系统都有物料管理功能，由此带来一些单据需要在不同部门多个系统之中重复录入，同一个数据在不同系统之中多头管理，导致工作效率低、数据不一致等问题。

       各类信息系统越上越多，功能越来越复杂，但是信息孤岛林立，很多数据需从系统中导出、处理、再导入另一系统中，需要到多个系统进行查 询，才能获取有效信息。数据变更时，不能及时从接收变更的源头系统传递到其它关联系统。企业的运营效率却没有提升，甚至反而下降，投资回报率不高。

       部分企业已经意识到此类问题，通过对业务和系统边界的划分，简化数据在不同系统之间传递的过程，实现数据的实时共享，保证数据的准确性，消除信息孤岛，为企业运营和经营分析提供统一、一致的数据源。

       误区五：重建设，轻运维

       制造企业在智能制造推进过程中，普遍存在重建设、轻运维的问题。在系统采购和实施阶段，企业会展开需求分析、系统评估、可行性分析和招标选型，重大项目高层领导也会参与到决策过程，投入大量的人力、物力和财力。但在系统上线以后，却缺乏持续的运维，应用软件多年不进行维护和升级，系统功能与实际业务流程的匹配度差距越来越大，系统价值难以发挥；自动化产线也存在不及时维护保养，故障率高等问题。

       企业的发展是动态变化的，唯一的不变就是变。因此，企业在信息系统选型时，需要充分考虑系统的柔性化、平台化、可配置和可扩展；同时，企业也需要及时对系统进行维护升级，企业的IT团队要能够及时根据企业需求的变化，对信息系统进行重新配置，尽量减少语言级的二次开发，注重IT治理。

       误区六：重数字化设计，轻数字化仿真与优化

       近年来，制造企业在产品研发方面的投入持续增加，购买了三维CAD、CAE等软件，但是，大部分企业还是重产品开发、轻研究，主要还是根据客户的订单需求进行产品设计，对于前沿技术的研究与探索不够。

       在系统应用方面，数字化设计软件应用十分广泛，部分企业已经延伸到数字化工艺，但是对于仿真技术的应用还停留在初级阶段，主要进行运动仿真、结构和流体仿真与验证，尚未实现仿真驱动设计和多物理场的仿真分析和优化设计，仿真应用不成体系，缺乏对仿真规范、仿真流程、材料数据库的管理，仿真人员没有建立专门的组织，仿真软件的价值远未充分发挥。

       仿真技术的应用可以帮助企业减少实物试验，显著降低研发成本，成为企业提升创新能力的必然选择。在智能工厂建设方面，也可以利用工厂仿真软件，对设备和产线布局、工厂物流、人机工程和装配过程进行仿真，建立真实工厂的Digital Twin。

       企业在推进智能制造的过程中，一定要数字化设计与数字化仿真与优化并重，数字化设计是仿真的基础，应用数字化仿真与优化技术来提升产品性能；同时，在仿真技术应用过程中需要注重仿真规范和标准、仿真流程、仿真结果的分析和利用，实现仿真知识管理。

       误区七：重信息系统应用，轻数据价值体现和管理改善

       很多制造企业在数字化转型的过程中已经应用了诸多信息系统，但系统应用的效果和发挥的价值却参差不齐。一方面，虽然企业信息系统的应用领域不断拓展，但企业对系统的数据本身缺乏分析，数据的价值未得到充分挖掘，难以支撑企业决策；另一方面，企业想借助信息系统去管理大部分的业务问题，但建设信息系统时，却忽略了企业本身所需要执行的管理改善，业务管理的规范和标准很不完备，造成系统的应用效果未达到预期。

       一些优秀的制造企业在信息系统选型之前，除了必要的业务现状调研、需求分析等工作外，还会对企业的业务流程进行梳理和优化，包括营销模式、研发过程管控、生产运营体系、物流供应体系等，通过建立组织、完善制度、输出改善措施和行动细则，来支撑整个系统的建设，真正的做到“管理先行、业务驱动”。在应用系统的基础上，通过BI决策分析对数据内涵的价值进行挖掘和分析利用，对各类业务进行前瞻性预测及分析，并实现战略分解和运营监控，为企业各层级的决策提供有力支撑。

       企业在推进智能制造的过程中，要做到信息系统应用与管理改善并重，通过推进业务管理的规范化、标准化，结合系统实施提升管理基础，使信息系统有效地支撑业务运行。在业务系统全面应用的前提下，对各类数据进行有效分析，充分挖掘数据价值，有效支撑决策。企业应当将组织和制度的完善、管理手段与信息系统进行匹配，对包括部门职责、岗位职责、管理模式、绩效考核体系和人员素质等方面进行持续改善，从而提升应用效果，发挥信息系统实施的预期价值。

       误区八：重显示度，轻实用性

       在国家大力推进智能制造的背景下，部分企业不惜重金打造出豪华版的智能工厂，各种智能装备和信息系统一应俱全，建立了专门智能制造展厅、车间现场的参观通道、示范生产线等，很有显示度。但在实用性方面却明显不足，最为明显的是，不少企业不惜重金建立了大屏幕生产指挥中心，平常却没人看，更多地只是用于参观。对于生产状态的预警和报警等关键信息，却没有实现根据管理者的角色推送到移动终端。

推进智能制造必须注重实效，一定要明确自身的短板及需要解决的关键问题，制定合理的规划及实施计划，分期分重点，选择合适的技术、系统、设备和团队解决企业的痛点问题。

       总之，推进智能制造是一个长期的过程，不要期望“毕其功于一役”，制造企业需要建立“打持久战”的决心。

       智能制造推进是一个十分复杂的系统工程，涉及到多个领域的技术，技术本身也在不断创新和发展，因此，不仅需要系统地进行规划，在规划落地执行过程中，也要根据企业的实际经营状况对规划滚定；制造企业必须本着务实求真的态度，既要考虑系统的先进性，更要考虑实用性；制造企业既要建设好自身的专业团队，又要适时引入专业的咨询服务机构和数字化、自动化解决方案提供商作为战略合作伙伴。只有这样，才能成功达到智能制造的“彼岸”。

本文知识转自：数字化企业