四、智能制造的实施务求抓铁有痕落在实处

我国制造业发展不平衡、不充分特点明显，企业转型升级势在必行，高质量发展是目前我国制造业由大转强的主旋律。“工业2.0补课、3.0普及、4.0示范”指出了我国企业自动化、数字化、网络化、智能化水平参差不齐的现状。

工业2.0对应自动化阶段，以使用电气自动化装备为主要特征，制造装备大多是“信息孤岛”，生产缺乏信息化管理。工业3.0对应信息化阶段，以使用数字化、网络化制造装备为特征，装备具有一定的智能功能（例如：标识与维护、诊断与报警等），采用ERP和MES实现信息化管理。工业4.0对应智能化阶段，以使用智能化信息物理系统为特征，近期目标是实现所有制造资源高度互联互通、产品全生命周期管理以及大规模个性化定制、网络协同制造、远程运维服务等制造新模式；未来愿景则是实现状态自感知、实时分析、自主决策、自我配置、精准执行的自组织生产。

工业2.0、3.0、4.0，每一阶段都以前一阶段为基础，可以同时实现，但不可省略，不可跨越。智能制造是一项需要长期坚持的系统工程，必须坚持不懈、不断探索，不可能一蹴而就，需要循序渐进、补齐短板、并行发力，需要踏石留印、抓铁有痕的真抓实干。因此，制造企业在实施智能制造过程中必须“因企而异”，避免盲目跟风和片面认识。

（一）避免误区

近年来，我国制造企业已纷纷对原有工厂/车间进行自动化、数字化、网络化升级改造，或者建立新型智能工厂、数字化车间。然而，企业在实施智能制造过程中，往往还存在以下误区。

误区一：为了智能制造而智能制造

由于智能制造“大热”，一些企业盲目跟风，存在为了“智能制造”而智能制造的现象。企业应首先明确要达到的经济目标——提升质量、提高效率、降低成本、缩短周期、降低能耗。根据自身的基础，针对不同的目标，智能制造首要解决的问题和采用的技术手段是不同的。

误区二：智能制造=无人化

许多制造企业提出“机器换人”“无人工厂”的口号。机器可代替人类的大量体力劳动，实现高效、高质量精准制造，但不能盲目采用“机器换人”，除了要考虑机器与人员置换成本之间的平衡，还需综合考虑操作场地、信息化接口、维护成本等。而且在工业2.0、3.0、4.0升级的长时间内，机器或“机器人”仅仅是一种自动化或智能化设备，其很难独立满足日益复杂的生产要求。

“人”作为智能制造的重要资源，在应对定制化生产和复杂多变的生产环境方面仍处于中心地位。特别是对于现阶段的“工业2.0补课、3.0普及、4.0示范”，人、信息系统、物理系统的协同显得尤为重要，智能制造仍需要人工智力参与政策解读、法规约束、知识积累、工匠传承、文化发扬和统筹组织等，以实现有序生产并产生效益，这些都是现阶段的机器无法替代的。

误区三：自动化+软件=智能制造

自动化和软件是实现智能制造的必要条件但不是充分条件。智能制造强调自动化系统和工业软件的集成与纵横协同，并体现先进的工艺技术和管理理念。除此之外，更需要植入先进的感知系统、控制手段、网络技术、大数据和云计算等，进行长时间的数据收集积累，开展数据分析和建模，并不断迭代优化，以实现生产过程快速有效的运行，才能支撑先进的制造方式实现自适应，进而应对复杂的生产环境。

误区四：互联网+大数据=智能制造

互联网和大数据只是提升智能化的手段之一。智能制造的本体是“制造”，制造装备和生产过程的数字化是基础。没有制造装备与系统的数据采集和互联互通，互联网、云、大数据都将是无源之水。

误区五：智能制造产业

制造业企业采用智能制造技术和装备实现传统产业的数字化、网络化和智能化升级，也就是我们常说的智能制造新模式应用时，只要所生产产品的行业属性没变，原来的汽车企业还属于汽车产业，电子企业还属于电子产业。行业属性并不因为实现了智能制造而改变，不是实施了智能制造的企业共同组成了一个新的“智能制造产业”。只有生产和提供高档数控机床与工业机器人、增材制造装备、智能传感与控制装备、智能检测与装配装备、智能物流与仓储装备等装备，工业软件、工业大数据和云计算，智能制造系统集成以及服务的企业才属于智能制造产业，或准确地定义为“智能制造装备及系统服务产业”。

企业切忌盲目跟风，千万避免由于以上误区而导致的方向性错误。

（二）把握要点

工业2.0并非必须先实现3.0才能追求4.0。在进行升级改造过程中，企业应总体规划自动化、数字化、网络化、智能化升级方案，并行推进。但这并不意味着工业2.0和3.0的技术基础是可以省略和跨越的。从工业2.0到3.0升级的最重要内容是采用ERP和MES（两者融合趋势明显）等生产管理系统（或称IT信息系统）进行运营和生产管理，并实现与自动化系统（或称OT运行系统）的纵向集成，推荐采用OPC UA解决方案，建立设备信息模型并提供统一接口。图1-3中工业4.0阶段尚未实现制造系统的自适应、自组织、自决策并跨企业、跨行业、跨地域调动生产资源等智能制造愿景，因此将其称为准智能化。工业3.0到4.0的最重要内容是实现产品全生命周期管理，实现信息流与价值流（含物流、资金流）的协调整合。

1.从自动化到信息化

实现智能制造，首要任务是补齐自动化与信息化短板。在实现智能工厂/数字化车间的建设中，建议应实现的智能工厂/数字化车间的基本功能如图1-4所示。同时，还应实现设计、物流、生产运行、调度、检测等各子系统之间的协同，以及持之以恒地建立企业各种生产资源数据库（技术、零件、产品、工艺、可靠性、供货商等）。

（1）个性化定制

产品能够满足客户多样化、个性化的需求已成为制造企业成败的关键。这就是所谓的由需求端到研发生产端的拉动式生产。互联网技术的发展使得客户参与产品设计成为可能，CAD软件则是衔接产品设计与生产的关键工具。客户可以从设计、生产（加工）或装配阶段介入产品的生命周期来实现个性化定制。

（2）柔性制造

智能工厂中的柔性制造必须解决个性化定制与规模化生产之间的矛盾，使其制造成本与周期不大于传统的同质化产品大规模生产。除了要解决制造（如加工、装配、检测）装备柔性化外，制造执行系统、供应链管理系统、智能物流管理系统是实现柔性制造的关键。

（3）虚拟仿真

包括数字化设计与虚拟制造。借助CAD、CAE、CAM计算机辅助工具和产品全生命周期管理PLM软件，从产品设计、产线设计、OEM机械设计，到工厂规划排产、产线生产节拍等仿真，实现在生产最初阶段验证产品结构、生产或规划中所有的工艺流程，以及识别可能的矛盾、缺陷或不匹配。

（4）横向集成

横向集成是指将各种不同制造阶段的智能系统集成在一起，实现产品的价值流（增值过程）集成，既包括企业内部和企业之间制造资源（如材料、能源和信息）的配置，也包括设计数据、生产数据、检测数据的一致。

（5）纵向集成

纵向集成将各种不同层面的自动化与IT系统集成在一起（如传感器和执行器、控制、生产管理、制造执行、企业计划等各种不同层面），实现生产信息流的上下贯通，包括订单、生产调度、程序代码、工作指令、工艺和控制参数等信息的下行传递，以及生产现场的工况、设备状态、测量参数等信息的上行传递。

（6）监控与诊断

通过SCADA、HMI、电子看板等，实现全部生产过程的可视化，包括订单完成情况、作业执行情况、质量信息、检测信息、库存信息、设备状态信息、能耗信息等，以便实时掌握系统运行状态、加快决策、快速诊断系统和装备故障状态等。

（7）质量在线检测

质量控制的能力与水平成为衡量企业智能制造的重要指标，在每道关键工序后对生产对象进行自动在线检测，以实现高效准确的质量控制。这除了需要引入数字化检测设备（如三坐标数控测量机、激光跟踪仪、三维照相测量设备、数显卡尺等）外，更需要依靠图像识别、大数据分析等人工智能技术进行分析、比对、判断，并把质量结果在第一时间传递到企业各个部门共享，通过MES系统进行质量决策控制。

（8）能源管理

有效的能源管理是实现绿色制造和可持续发展的手段。实时采集关键装备及生产过程的能耗数据（电、水、气等），通过EMS能源管理系统实时监控生产过程中的能源状况，以便有效控制能源消耗，及时发现耗能症结，更进一步及时采取节能措施，最大限度地减少生产消耗，降低生产成本。

（9）产品追溯

在ERP接收订单阶段，就为要生产的产品赋予唯一识别码（条码、二维码、RFID）。该码伴随产品的全生命周期，在MES系统中与生产信息关联，以实现对产品的所有生产过程追踪及原材料溯源。更进一步，RFID的使用使得产品本身就可附带生产信息，例如已完成哪些工序和检测的质量信息。

（10）安全一体化管控

围绕功能安全和信息安全问题，实现在信息安全环境下的功能安全保障，其核心目标是系统识别所有危险，从安全的视角寻求解决方案，建立高可信的保障体系。

（11）产品全生命周期管理

产品的个性化定制、智能化服务需求，促发了产品生命周期向设计和维护两端的重点延伸。产品全生命周期包括规划、设计、生产、销售、服务、维护，通过PLM软件实现端到端集成，并实现服务维护到规划设计的反馈闭环。

此外，安全（功能安全与信息安全）对于信息化、网络化和智能化的保障作用需要高度重视，必须注重研究智能化时代安全风险防范手段，建立基于风险分析的与国内国际标准相协调的分级管理制度，系统的协调政策保障体系，发挥各方面的主动性，共建安全生态。

2.从信息化到准智能化

智能制造的特征包括两方面内容，如图1-5所示。一方面，通过物联网实现数字化车间/工厂内部的纵向集成与横向集成，如各种信息系统、智能装备、物料、在制品、制成品，甚至操作人员等制造资源，通过网络连接并实现相互间的互联互通互操作，这部分网络包括以太网、现场总线、工业以太网、工业无线网等；另一方面，借助互联网、云、大数据等新一代信息技术实现跨企业、跨行业、跨地区的网络协同制造，以及利用人工智能技术实现智能产品的版本升级、远程诊断和预测性维护等智能服务，更进一步将分析结果反馈到规划设计、产品开发、生产优化，实现产品全生命周期的闭环控制。

（1）网络协同制造

建立网络化制造资源协同平台或工业大数据服务平台，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，实现基于云的设计、供应、制造和服务环节并行组织和协同优化。

（2）大规模个性化定制

产品可模块化设计和个性化结合；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；产品设计、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。

（3）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、智能远程无人零售；建立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。

（4）工业互联网

建设基于IPv6、4G/5G移动通信、窄带物联网、短距离无线和软件定义网络（SDN）等新型技术的工业互联网设备与系统；建立工业互联网标识解析系统；建设融合多种新技术的工业以太网，覆盖装备、在制产品、物料、人员、控制系统、信息系统的工厂无线网络；开发工业云计算、大数据服务平台；应用工业互联网安全系统与设备。

（5）工业云和工业大数据平台

工业云和工业大数据平台主要包括面向协同开发、柔性排程、供应链协同的工业云平台，面向开发、设计、生产、管理、供应链的数据分析、预测、追溯的工业大数据平台。工业云和工业大数据平台融合先进制造技术和互联网、云计算、物联网、大数据等信息技术，以公共服务平台为载体，通过虚拟化、服务化和协同化，汇聚分布、异构的制造资源和制造能力，在制造全生命周期各个阶段根据用户需求提供优质、及时、低成本的服务，实现制造需求和社会化制造资源的高质高效对接，从而达到降低企业信息化应用门槛，提升企业创新能力，推动企业生产方式、商业模式和产业组织创新的目的，打造具有竞争力的工业生态体系。

（6）人工智能

将人工智能技术与先进制造技术深度融合，形成新一代智能制造。使制造系统具备学习能力，通过深度学习、增强学习等技术应用于制造领域，知识产生、获取、运用和传承效率发生革命性变化，显著提高创新与服务能力。在研发设计优化、工艺参数优化、设备智能维护及故障诊断、产品质量提升、智能物流配送等多个典型工业场景，探索应用图像识别、自然语言处理、计算机视觉、语音识别、机器学习等人工智能技术。