走出“智能制造”误区

埃森哲公司注册成立于爱尔兰，是一家全球领先的专业服务公司，依靠卓越的数字化能力，为客户提供战略与咨询、互动营销、技术和运营服务及解决方案，业务涵盖40多个行业，以及企业日常运营部门的各个职能。埃森哲是《财富》全球500强企业之一，目前拥有约50.6万名员工，服务于120多个国家和地区的客户。

埃森哲在大中华区开展业务30余年，并在该区域拥有一支1.7万多人的员工队伍，分布于多个城市。作为可信赖的数字化转型卓越伙伴，埃森哲正在更创新地参与商业和技术生态圈的建设，帮助中国企业和政府把握数字化力量，实现转型，提升全球竞争力。

智能制造的核心不是“智能”，而是“制造”。

更具体地说，智能制造是“制造运营管理知识”。

在工业3.0时代，制造运营管理是一种闭环管理模式，基于由上至下的金字塔组织结构、通过流程信息化与生产自动化实现，核心要素是规范化。但是，在这一模式中，生产计划与生产执行、工艺设计与过程控制之间不可避免地会出现延迟滞后的现象，进而带来一系列质量、成本和交期问题。这种缓慢的模式，已远远无法满足工业4.0时代的敏捷要求。

“智能”的出现，就是要减轻乃至彻底解决这些问题。

但是，驱动“智能”的数字化使能技术大多源自互联网，它们在车间实施的过程中出现了严重的水土不服。很多早期的智能制造项目都以高开低走、虎头蛇尾的方式告终。

要构建行之有效的智能制造方案，我们必须对“数字化”与“智能化”这两个被过度使用的名词有正确的理解。

制造运营管理模式迎来升级

根据中国制造能力成熟度模型，智能制造的成熟度可分为五个级别：

一级：规划级——管理规范化；二级：规范级——流程信息化、生产自动化；三级：集成级——IT/OT数据集成与共享；四级：优化级——数字化、智能化；五级：引领——业务模式创新。

第一级是管理规范，要求企业在进入该领域之前，首先确保管理规范的落实，包括管理流程和工艺路线等方面。第二级是流程信息化和生产自动化，即通过ERP、MES等IT系统及自动化生产线，把管理与工艺流程固化下来，确保管理规范严格执行。

至此，该企业达到了工业3.0的成熟度，满足了“大规模、标准化”生产的制造运营管理要求。

但要进一步实现从第二级到第三级的跃升，并不是简单的线性过程。制造企业需要跨越一道认知鸿沟，进行一场技术与思想的自我革命。

如今的市场环境与客户需求，要求制造企业在动态环境中仍然能实现高质量、低成本、短交期业务目标。这一更高要求驱使着企业制造的运营管理思想从对质量、成本、交期的“事后改善”向“事中干预”“事先预防”方向转变。

在此背景下，一种以质量、成本、交期结果导向，通过知识驱动的实时制造运营管理模式应运而生，拥有对生产运营状态的即时感知、分析、决策、执行能力。

解码数字化制造运营管理思维

制造运营管理是一项复杂与精细的工作，复杂度源自制造运营问题的多维度特性。

制造运营管理有质量、成本、交期等多个目标维度。它们之间相互矛盾、彼此约束，经常是按下了交期的“葫芦”，浮起了成本的“瓢”。要兼顾这些相互制约的目标，我们需要协调人、机、料、法、环、测六个生产要素维度。最后，对于这些多维度问题的分析与决策，还要实现极高的实时性（比如，生产节拍）和精准性（比如，6 Sigma）。

人脑的运力终归是有限的；如此复杂的分析决策过程，自然需要人工智能的辅助。这一全新的分析决策方式并不属于流程，而是数字化的思维范式。这种思维方式的转变，就是习惯于流程驱动、过程管理的企业高层迈向智能制造的最大认知鸿沟。

要理解数字化思维范式，我们需要厘清五个关键名词的定义，也就是人类进行分析决策时的五个步骤：

目标：衡量决策好坏的评价体系是什么？比如，对质量好坏的定义。

智能：在多个由人、机、料、法、环、测生产要素（5M1E）构成的方案中，实现目标的最佳方案/最优路径是什么？比如，给出料和法的最佳组合，实现最高质量和较低成本。

知识：连接目标与5M1E生产要素的关系是什么？比如，生产工艺知识。

信息：5M1E生产要素的属性是什么？比如，第五产线浇注机的工艺参数是多少？

数据：存在磁盘里，来自传感器、设备、IT系统的实时、在线与历史数据。

我们发现，人们常说的“智能制造就是数据驱动的制造”有很强的误导性。这句话源于数字化技术最早发展与成熟的地方——互联网。互联网催生了最早一批参与智能制造的从业者，他们习惯了互联网无时无刻产生的海量免费数据，以及对分析决策方案粗颗粒度、非实时性的要求。

但是，生产车间的环境与互联网中的应用环境大相径庭。生产车间里的特征数据（比如，质量缺陷数据）是极为有限的，采集数据的过程是极为昂贵的，并且车间对于分析决策方案有着极高的精准度与实时性要求。这就导致前几年很多制造企业通过大规模投资技术改造、数据采集、数据入湖、数据中台提升质量、成本、交期的美好愿望，最后都以失望告终。

所以说，智能制造需要的是在工程知识框架内精准且实时的数据，而不是无工程知识框架的所谓大数据。

制造运营管理的数字化与智能化进程

在这里，我们为智能制造做一次溯本清源。第四次工业革命发生的背景是“大规模、标准化”制造运营管理模式已无法应对市场变化，敏捷的制造运营管理模式成为变革目标。

数字化与智能化技术所具有的多维度、实时性分析决策能力，使得敏捷制造运营管理模式成为可能。其中，数字化技术，即运营数字孪生技术带给制造企业实时的制造运营态势感知与执行能力。

结合运营数字孪生技术的实时感知与执行能力，智能化技术，即人工智能算法提供了“感知、分析、决策、执行”闭环管理中的实时多维度分析与决策能力，从而大幅度提升制造运营管理的敏捷性。

总而言之，智能制造（智能制造成熟度第三、第四级）的实现过程就是数字化与智能化的推进过程。其中，数字化进程实现实时生产运营状态的感知与执行。具体来讲，就是对生产管理、库存管理、质量管理、检修运维管理、能源管理等制造运营管理知识的数字化表达。结合实时数据，我们就可以对物理空间的制造运营过程在数字空间内实现实时镜像表达，即运营数字孪生：它源自工程知识，是同时可以被生产人员和人工智能所解读的。

有了这一层表达式，人工智能算法才可以像车间主任一样了解生产运营状态，并针对质量、成本、交期业务目标，对5M1E生产要素做原因分析、提出改善建议，并在物理空间内的5M1E生产要素上执行，实现敏捷制造，最终实现工业4.0的终极目标：自适应生产运营管理，也就是人们常说的“黑灯工厂”（见图）。

智能制造不是单一项目，而是一段利用数字化与智能化技术，持续优化“制造运营管理知识”的旅程。它最合适的起点与抓手是所有制造企业的核心，即生产工艺设计与质量控制的数字化和智能化进程。制造企业以此为主轴，逐步扩展到生产管理、物料管理、能源管理等领域，最终实现质量、成本、交期目标的大幅改善。