智能制造到底是什么？ 20项技术你用了吗？

　　在过去的几年，智能制造一直是业内专家、战略家和思想家间的热门话题之一。然而，尽管有很多媒体报道，许多制造业的前沿人士并不十分清楚智能制造到底是什么，或者为什么它们与企业组织相关。

　　简而言之，智能制造就是按照人和机器所需要的形式，使用实时数据和技术。

　　如果要寻找更全面的定义，有两个领先的组织提供了定义。

　　美国国家标准与技术研究院(NIST)的说法是，智能系统是“完全集成的协作式制造系统，能够实时响应，以满足工厂、供应网络和客户需求中不断变化的需求和条件。”

　　智能制造领导联盟(SMLC)将智能定义为“通过开放的基础架构来解决现有和未来问题的能力，从而使解决方案能够以业务的速度实施，同时创造有利的价值”。

　　智能制造的概念和成功实施预计将引发第四次工业革命。而且近年来还有许多其他的进步，都与技术连通性和数据访问、处理有关。

　　制造正在发展，业务也需要发展。 随着制造商将诸如物联网(IoT)、机器人技术、虚拟现实(VR)和人工智能(AI)等新技术融入其商业战略，第四次工业革命已经到来。智能制造—感知、测量、分析、报告和培训—将成为这一战略的重要组成部分。

　　麦肯锡全球研究院在其报告“物联网：超越假设的价值”中指出，到2025年，智能制造将产生3.9万亿美元到11.1万亿美元的总经济影响。报告指出，预计工厂是会对智能制造产生最大的潜在影响—每年高达3.7万亿美元。如果不前进，就会被淘汰。

　　幸运的是，不需要成为一家大企业也可以享受智能制造带来的益处。然而，人员、流程和技术需要保持平衡和协作才能达到效果。智能制造解决方案的其他关键组件包括：

　　• 设备和连接

　　• 数据采集

　　• 信息管理和可视化

　　• 数据分析和情报

　　• 商业决策

　　• 工作流执行

　　智能制造系统的大脑是制造中的数据。这为确定商业的健康状况提供了标记。 然后使用这些数据进行一系列的分析规程，包括：

　　• 描述性：用于捕捉产品的状况，环境和操作

　　• 诊断：检查降低产品性能或失败的原因

　　• 预测性：检测即将发生事件的模式

　　• 说明性：确定改善结果或纠正问题的措施

　　关于智能制造的一个常见误解是，它将要求组织机构彻底改变他们目前的业务，投资先进的技术。而这些技术往往太复杂企业无法适应。一些改变是必要的，但实际上智能制造通过建立在制造商当前的能力基础上，大大简化了这一转变。

　　所涉及的关键概念之一是认识到数据的价值，是开发和管理的关键资产。换句话说，对于分析数据的系统来说，关键资产不是分析系统本身，而是数据。用生成的数据来构建和验证分析。对数据的这种强调使得我们对于在哪里集中资源有不同的思考。

　　对于任何运营目标，都需要有相关数据源。数据源可以像传真机、平板电脑或智能手机一样基本，或像广域传感器网络一样复杂。重点是，数据在运营目标的背景下是有价值的，而不是传感器的复杂性。有许多非常有价值的应用程序可以利用数据。

　　基础设施的变化需要适应在智能平台上使用和操作数据的应用程序，为制造商的基础设施最小变化提供便利。随着时间的推移，智能制造将会导致商业机会和运营的重大变化。

　　中小型制造商，距离“智能”有多远?

　　如果只是一个小型制造企业，那么提升改进流程的策略是什么呢?想要达到什么目的增加销售额、降低成本、提高效率、或者拥有更灵活的供应链?可能购买了硬件或软件以及使用该技术的许可证来帮助实现一个或多个目标。它还提供了与上游和下游供应商更有效协作的能力。

　　这里列出了成为智能数字企业的四个步骤。

　　首先，是网络安全。

　　网络安全是一个潜在的智能、值得信赖的商业合作伙伴。 越依赖制造业的数字平台，对于客户、供应商和投资者越希望有更高的安全性。

　　其次，了解智能制造。

　　国家标准与技术研究院(NIST)和智能制造领导联盟(SMLC)有两个智能制造的官方定义。 从本质上说，智能制造是将所有技术整合在一起进行监控、管理和改进的一种理念。

　　第三，意识到任何供应链都可能传递智能制造。

　　Capgemini咨询集团的数据表明，大多数美国乃至全球的大型制造商和零售商都在投资智能技术。他们发现，76%的大型制造商有智能制造计划，而56%的企业在过去的五年投资了1亿美元以上。随着大公司的投资和部署，智能制造业很可能渗透到供应链中，像及时、精益、ISO 9000一样成为规定或事实标准。

　　第四，列出清单，评估智能状态。

　　佐治亚州对500多家制造商的调研中，发现了20种重要的技术被广泛使用，用以推进智能制造的发展。包括用于库存和仓库跟踪的RFID，或用于计划、库存控制或采购(如ERP)的软件。

图1 制造商技术实施情况

　　如图1所示，紧随ERP、CAD之后，预防性维护已经成为制造商优先实施的第三个技术实施选项。

　　有了四个简单问题，可以帮助企业评估当前状态。更进一步的问题，包括是否在制造过程中安装了传感器，以及是否对这些元素连接和整合，从而进行数据访问和监控，并有效分析。

　　最大的挑战是人，而不是技术

　　早期成功的一个主要原因是与公司文化和团队成员的承诺相关。要记住，如果将技术的整合和使用与那些不能理解新技术如何让自己的工作变得更容易，而不是更难的员工结合，将会毫无用处。

　　对于一条成功的智能路径来说，员工支持非常重要，这也是智能制造实施过程中最大的障碍。