工厂在智能化、自动化过程中的8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。

乍一看很多生产线挺先进，但仔细研究，却发现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。

▲马扎克公司MTConnect

KUKA、通快等企业的工厂也非常注重车间的透明化，可以随时查看车间、产线和每台设备的实时状态。罗克韦尔自动化公司位于美国克利夫兰的电子工厂真正将MES系统用深用透，可以及时查询贴片机吸嘴的状态，判断是否需要维护，还可以看到每个订单的执行情况、车间生产排产和执行的状态、各条产线的缺陷率等，辅助管理人员及时作出调整与优化，显著提高生产质量。

▲罗克韦尔自动化公司电子工厂的可视化

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。

而国际领先企业已经开始应用柔性制造系统，实现了机加工和钣金加工的全自动、无人化地加工不同的零件。机加工FMS包括若干台加工中心、机器人去毛刺单元、清洗单元、轨道输送车等设备和控制软件，配备了立体货架，放置工件和工装，可以完成从粗到精的全自动加工；钣金加工的FMS系统则可以实现从钣金下料、冲孔、折弯到焊接等整个钣金制造工艺。

▲MAZAK公司应用的FMS系统

FMS系统并不是一个新概念，三十年前就有企业开始应用。但由于早期的设备可靠性、稳定性不足，以及多台设备的生产调度与管控比较复杂，一些早期应用FMS的企业放弃了FMS系统，回到单机应用数控加工中心。但是，随着自动化、数字化和检测等技术的发展，近年来FMS系统的技术已经逐渐成熟，成为离散制造企业提升生产效率的必然选择。

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。

▲基于“一个流”原则进行产线自动化改造

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。e-works建议，企业明确业务边界和系统功能边界，构建统一的系统集成方案，引入主数据管理系统(MDM)，在实施过程中实现各系统的数据集成和接口统一管理，避免数据断点、接口重复开发等问题。

智能制造规划“四部曲”

制造企业必须改变竖井式的单元系统实施与应用模式，尽量避免软件系统功能重叠，导致重复投资等问题，使企业投资的数字化和自动化系统能够达到预期的成效。

制造企业应当将工业软件的应用与智能装备、数据采集、工控网络、工厂仿真、产线规划、AGV和立体仓库应用等相关技术结合起来，进行智能制造整体规划，并在整体规划的指导下，进行单元系统的实施；同时，要顺应云计算、组件化、微服务的潮流，实现企业数字化系统架构的升级。

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（R&D）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（Development）、轻研究（Research），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。

在国际先进制造企业中，仿真已成为提升产品研发能力，改进制造工艺，提高产品性能和可靠性的重要手段。仿真技术也在不断创新，实现了实时仿真，仿真软件更加宜人化，数字化设计和仿真可以实现双向集成，也出现了针对特定产品（例如齿轮、轴承、动力电池、电机等）的设计与仿真分析一体化的软件系统。

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。

在复杂的智能产品（例如风力发电机组、航空发动机）投入使用之后，也可以基于对产品内置的传感器采集的数据，通过对产品的Digital Twin进行仿真，来分析与预测真实产品的运行状态和故障隐患，适时进行调整，进行预测性维修维护。

▲汽车行业仿真技术应用        

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。

▲基于BI的决策支持系统框架

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与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，包括知名品牌的BI、ERP、PLM、MES、SRM、ESB、生产及物流仿真系统、自动立体库、AGV、自动化产线、生产指挥中心等，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，例如：

● 生产线建设未考虑实际市场需求，导致重复建设、设备闲置，产能利用不充分；

● 自动立体库的建设对于场地位置布局、物料的分类管理、物料外包装设计、物料标识、存取分拣等环节考虑不足，导致自动立体库效率低下；

● AGV的应用对于搬运频次、搬运路径与仓库及生产现场的协同等方面存在不足，导致AGV无法实际应用；

● 生产指挥中心图表及数据对于生产现场的掌控及指导性不足、实时性不够；

● 生产及物流仿真应用与实际脱节，对于多产品的混线生产适应性不足等。

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。

企业在推进智能制造的过程中，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”。