智能制造是我国振兴实体经济，推进新型工业化，促进制造业高质量发展，建设制造强国的主攻方向。对于制造企业而言，推进智能制造是在动态多变的市场环境下，保持和提升市场竞争力的必由之路。而推进智能制造要取得实效，正确理解智能制造的内涵与范畴，掌握智能制造推进的内在规律是先决条件。为此，本文结合e-works的长期实践，深度解析智能制造的十大特性。
- 文章信息 -
本文作者：e-works CEO、总编黄培博士；e-works首席记者王阳。
智能制造的复杂性
智能制造涵盖的领域众多，包括工业软件、工业自动化、工业机器人、人工智能、工业物联网、传感器和AR/VR等支撑技术，应用范畴包括智能产品、智能装备、智能产线、智能工厂、智能服务、智能供应链、智能决策，以及研发数字化、管理数字化等领域，贯穿整个制造企业的价值链，涉及海量、异构数据的采集、分析、管理与应用。因此，推进智能制造是一个极其复杂的系统工程，制造企业在推进过程中，需要持续安排学习、培训，走出去，请进来，充分借鉴其他优秀企业的成功经验。
推进智能制造需要从易到难，基础先行。以智能工厂建设为例，e-works认为智能工厂建设可以分为五个进阶，即从互联工厂（Connected Factory）、透明工厂（Transparent Factory）、数字化工厂（Digital Factory）、智能工厂（Smart Factory）到智慧工厂（Intelligent Factory)。
智能制造的集成性
智能制造各个子系统需要集成为一个有机的整体，才能产生预期的价值。作为智能制造的前身，上世纪八十年代提出的计算机集成制造系统（CIMS）就非常强调集成，而工业4.0也强调实现从车间到决策层（From Shopfloor to Topfloor）的纵向集成、供应链上下游的横向集成和产品全生命周期的集成。然而，制造企业还存在很多孤岛，包括信息孤岛、自动化孤岛、IT/OT的断层、云孤岛，以及机电软等多学科之间的孤岛。制造企业需要持续努力消除各类孤岛，建立集成平台，避免产生新的孤岛。企业应当高度关注数据集成和应用集成，打通端到端的业务流程。最近，e-works发表了《》的专题文章，对产品全生命周期数据的一致性进行了深入解读。
《智能制造能力成熟度模型》(GB/T 39116-2020)指出，集成是智能制造成熟度评估体系中一个关键能力子域。从内容上看，集成包括设备间集成、系统间集成、设备与系统间的集成。从维度上看，集成又分为横向集成、纵向集成和端到端集成；无论从哪个层面看，集成的目标都是为了打通业务数据，让数据在设备、系统乃至企业间实现自由流动。
智能制造的动态性
智能制造领域的支撑技术发展非常迅速，尤其是人工智能领域近期取得重大突破，在智能制造领域有众多应用场景，例如AI质检、设备故障诊断和预测性维护、创成设计、需求预测和生产排产等；在工业机器人领域，并联机器人、桁架式机械手、协作机器人、移动式协作机器人和多种形态的物流机器人为推进智能制造应用带来新模式，也带来物流机器人调度等新课题；在智能装备领域，直线电机在数控加工中心的应用日趋广泛，显著提升了加工中心的定位精度；近几年来，数字孪生技术正在从概念走向现实，应用到智能工厂、智能服务等诸多场景。因此，制造企业在推进智能制造的过程中，应当对新兴技术的发展保持持续关注，从而有选择地进行应用。
从另一个角度来看，制造企业本身也处于动态发展之中，每个行业的发展都会呈现出周期性，例如，当前工程机械行业处在下行周期，而船舶行业处于上升周期。在动态波动的市场环境下，企业的组织架构、业务流程也会不断发生变化，这就要求企业的智能制造系统具有更好的适应性，具有动态企业建模的能力，应用软件系统应当实现平台化，具有良好的配置功能和低代码扩展能力。
智能制造的实践性
制造企业在推进智能制造的过程中，面临诸多实际问题，例如如何实现优化排产、如何提高设备稼动率（OEE）、如何提高物流配送效率等，因此，智能制造推进需要知行合一，在学习中实践，在实践中学习。最近我拜访了一些优秀的制造企业，例如全球轮胎模具冠军企业山东豪迈集团在智能制造实践当中，自主研发了多种型号的数控加工中心，2022年已开始对外销售五轴加工中心。但是，不少企业还在使用传统的机械装备；没有建立自动化的物料输送系统，设备也没有联网，还有很大的改善空间。很多企业还没有实现全三维设计，甚至使用通用的二维CAD软件绘制钣金展开图，而这是钣金CAD软件的基本功能。类似的难点问题还有很多，例如企业级BOM、变更控制，产线如何实现快速换型等。因此，推进智能制造既需要理论指导，又需要实践牵引。
为了更好地引导制造企业正确开展智能制造实践，e-works发布了大量选型手册、研究报告和白皮书，组织了30多届国际智能制造考察，带领500多名企业高管，考察了12个国家近两百家全球知名企业，还组织了数十次国内标杆智能工厂考察。e-works成功组织了两届《》评选，还发布了《》、《》和《》等权威榜单。
智能制造的行业性
智能制造具有鲜明的行业特质，各个行业虽然推进智能制造的理念相通，但实现路径差异很大。流程工业的自动化程度更高，一些龙头企业已实现生产现场无人化，控制远程化，例如“用鼠标炼钢”，但是，流程工业企业要灵活调整配方，实现混线生产的难度较大。离散制造行业又有很多种生产类型，大型装备制造业基本上是项目型制造，ETO模式，实现生产自动化难度很大；汽车整车企业在推进混流制造方面，已经形成了成熟的模式。离散制造企业推进智能制造，离不开标准化、系列化和模块化设计，需要持续改进，推进精益生产。流程行业领先企业正在积极推进工厂的数字化交付，即工程公司在将建成的工厂交付给业主时，同步交付数字孪生工厂。
从电子、机械装备、汽车、钢铁冶金和石油化工等细分行业来看，均具有比较强的行业特征。譬如电子行业产品迭代快、技术发展快，制造企业需要不断加速新产品研发和创新；机械装备行业注重将设计仿真、拓扑优化、增材制造等应用于产品自身的研发创新，加强高端化、智能化、轻量化等类型产品研制；汽车行业注重大批量定制，满足消费者多元化需求；钢铁冶金和石油化工行业则对设备运行状态监控、质量管控以及生产安全要求比较高。总的来说，不同行业企业推进智能制造差异巨大，特点鲜明。
智能制造的自主性
推进智能制造，制造企业是主体。纵然有各种类型的合作伙伴，但制造企业必须建立自己的人才队伍，企业的高层不仅需要正确理解智能制造，更需要身体力行地引领智能制造工程，只有企业各个层级的一把手真正理解智能制造的相关技术如何为我所用，如何帮助企业提升相关的绩效指标，才能实现良性循环。e-works在2023年发布的《智能制造人才白皮书》中提出，制造企业需要培养智能制造的领军人才、推进人才、应用人才和技能人才。其中，智能制造推进人才可以细分为四大领域，即研发数字化、管理数字化、工业自动化和基础数字化，应当具备智能制造规划、需求分析、项目管理、合作伙伴发展与管理等能力。制造企业在智能制造实践当中，并非所有的需求都能够靠外部力量满足，尤其是行业龙头企业，需要具备一定的自研能力，包括专业软件、专用设备和非标自动化产线。
智能制造的探索性
推进智能制造个性化很强，即使是同行企业，也无法采用通用模板。对于每个智能制造技术应当先试点，再推广。推进智能制造是企业转型的长期征程，需要循序渐进，不断总结经验教训和正确规律。最近，不少行业龙头企业联系e-works，希望申报灯塔工厂。实际上，不论是世界经济论坛评选的灯塔工厂，还是e-works评选的标杆智能工厂，都是基于企业长期的积累，并在智能制造推进过程中，一步一个脚印，实现PDCA循环，注重实效。制造企业应当洞察动态多变的市场环境和智能制造技术的创新发展，及时调整“航向”和“航速”，找到适应企业的推进路径、推进节奏和突破口。
事实上，已经获评灯塔工厂或标杆智能工厂的制造企业并没有停止探索的步伐，仍在积极开展跨行业的学习交流，探索最佳实践、发展路线图，以便在市场和技术快速变革的大背景下，继续向以人为本、绿色低碳和可持续发展的方向转型升级。
智能制造的生态性
智能制造涵盖面广，没有任何一个厂商能够提供面向众多制造业细分行业的所有智能制造产品和解决方案，每个厂商都需要明确自身的产品定位，专注于特定领域和特定行业。智能制造厂商之间势必需要取长补短，开展生态合作，软硬件产品应当注重开放性和兼容性，有利于与其它相关产品集成应用。制造企业在进行智能制造相关产品选型时，也应当树立生态合作的观念，不是简单地选择供应商，而是要选择长期的合作伙伴。
在今年e-works参与举办的中关村论坛-智能制造创新发展论坛上，机械工业仪器仪表综合技术经济研究所牵头发起了“智能制造生态合作伙伴计划”倡议，倡导各方携手开展智能制造基础共性技术研究与标准研制，研究智能制造效率能力评价方法，促进生产制造数据互联互操作，建设基础数字底层，使机器泛在可读和智能执行，不断深化智能制造生态合作。
智能制造的风险性
在智能制造的落地实践过程中，需要面对诸多风险，包括投资风险、选型风险、安全风险、人才风险和实施风险等。例如，近年来已发生多起知名制造企业的工控网络被病毒入侵，导致停产和巨额损失的事件，还有不少企业巨额资金采购的自动线和专用设备由于不能满足企业的实际需求，柔性程度差而被闲置，而各类管理软件在实施过程中，由于多种原因导致“烂尾”也层出不穷。因此，制造企业需要深入研究各类智能制造新模式，理性面对实施和应用过程中的各种风险。
制造企业在大胆开展智能制造实践的同时，需要制定明确的风险防范策略。选择中立的第三方咨询服务机构，与制造企业合作做好智能制造的现状评估、需求分析和整体规划，确定实施方案，三年一规划，一年一滚动，对于企业规避风险具有实实在在的价值。e-works在长期的智能制造第三方咨询服务实践当中，总结出切实可行的智能制造规划与实施方法论，帮助数百家知名制造企业降低了风险，取得了实效。
智能制造的赋能性
智能制造覆盖整个制造企业的价值链，而不仅是生产制造环节。智能制造的全面推进本质上是为制造企业提升研发、制造、运营和服务能力赋能的过程。智能制造的赋能性还体现在，通过典型项目的推进，有助于提振企业发展信心，甚至可以提升企业美誉度。
e-works认为，评价智能制造系统应用的实效，完全不同于某个单元系统和单机设备的自动化改造，不能简单地评价ROI，而是要从提升企业的市场拓展能力、研发创新能力、成本控制能力、供应保障能力、生产管控能力、按期交付能力和质量管理能力等方面，对制造企业关键绩效指标提升进行量化分析。
总结
当前，我国制造业面临着诸多挑战，招工难、招工贵，原材料价格波动迅速，众多行业供过于求，竞争白热化，部分行业处于市场下行周期。为了应对挑战，制造企业需要持续提升管理水平和运营能力，通过推进智能制造实现数字化、少人化、柔性自动化、精益化和智能化，实现数据驱动决策，更好地洞察市场变化。
对于制造企业而言，只有在新产品研发效率、设备利用率、产品合格率、按期交货率、库存周转率、客户满意度等方面持续改善，才能提升自己的盈利能力，实现可持续健康发展。希望通过本文的总结，让制造企业能够正确认识和客观评估智能制造的价值和投资收益，真正取得实效。
切勿错过！首届“东湖论坛”先进制造展
10月20-22日·武汉光谷