關注黑湖科技微博，抽獎活動進行中！
點擊此處添加圖片說明文字
我們這個時代，總是有那麼多的概念在製造業裡流行，精益生產、智能製造、工業4.0、數字化工廠、工業物聯網、工業大數據、人工智能……然而，這麼多的概念卻讓人們陷入迷茫之中，每個人似乎都懂得製造，但說起來的時候，聽者越聽越困惑。我們該如何理清這些概念之間的關係以及扮演的角色，本文試圖為讀者進行一個梳理，希冀有所裨益。
老黑（blacklake6）整理
內容來源控制與傳動，侵刪
智能製造必須服務於企業經營
無論我們對於智能製造何種定義與實現方法進行探討，我們都必須以企業的經營戰略為目標，企業的經營在於①為消費者/客戶提供質優價廉的產品，②確保股東投資回報，③為員工謀取福利，這是企業經營者必須考慮的，也是企業整體的價值所在。
當下對於智能製造的討論多數聚焦於技術的實現，標榜智能製造產線，多是以局部看全局，而另一方面，為了智能製造而上系統也是偏離了企業經營之本質，如何理清經營與智能製造間的關係，建立有效的路徑分析與判斷，並逐次有效的實施整體戰略，對於企業而言，尤為重要，因為，這關乎企業長久的存亡，而非短期之政策紅利。
點擊此處添加圖片說明文字
每個概念所扮演的角色如何？
儘管我們不能把已經實現的稱之為概念，但是這裡我們以其所對應的領域來進行闡述。
01
精益是數字化的根基
精益是一種不斷改善經營效率，發揮資源和人的能動性力量，持續學習、不斷改善，讓企業不斷提升競爭能力，最終去實現經營的利潤率最大化。
精益對生產中的過度生產、等待、運輸、過度加工、庫存、缺陷返工、走動、人才浪費進行了聚焦，並提出了諸多的方法予以消除。這些與生產製造單元的經營目標緊密相關。
我們總把計算機、MES/ERP這些理解為數字化系統，但是，數字化的根基是“數字”—是基於“量化管理”的管理科學思想，因此，所謂的數字化運營的本質在運營，而非數字，數字只是實現的數字化運營的手段。
點擊此處添加圖片說明文字
之所以說精益是數字化的根基在於精益為生產提供了各種量化方法、工具，例如KPI、OEE、TPM、RCA、5S、目視化管理、看板等，這些使得工廠成為了一個可以被量化、可視化、透明化的工廠，一切都服務於經營目標：質量、成本與交付能力。
下面的表是對智能工廠的性能指標定義，它事實上是基於精益的可量化而定義的，這些是數字化運營、智能製造、工業4.0等所有概念必須去實現的目標。
點擊此處添加圖片說明文字
02
自動化的角色
傳統上，我們僅站在自動化行業的角度理解自動化，就是傳感器檢測、控制循環、顯示、趨勢報警，然而，當我們把自動化放在智能製造大環境下，我們會發現它扮演的角色是服務於運營本質的。
點擊此處添加圖片說明文字
（1）確保效率
為什麼要自動化？從傳統生產運營而言，採用人工搬運、加工的過程顯然與機器的速度無法相比，尤其是談到智能製造的集成生產，將繼續削減中間不必要的環節—精益中所定義的不增值環節。而今天我們討論離散的製造業數字化，事實上，在自動化程度上，連續型生產的自動化程度要更高。
（2）確保生產質量
高精度的伺服定位與同步、機器人集成製造使得產品質量及其一致性不斷提高，這些都是機器相較於人而言更為重要的作用。
（3）提供生產靈活性
運動控制不僅提供了高精度的加工質量，而且還確保了生產的柔性，就像在各種機器上，運動控制扮演讓生產更為靈活的角色，通過參數設置，伺服系統自己規劃加工曲線，確保平滑的工藝切換。
（4）提供上行數據採集與下行指令執行
當然了，自動化系統還扮演了精益的可視化管理角色，包括趨勢、報警，當然也包括生產中的能源、維護、品質數據向管理系統的輸送，當然，也接受來自管理系統的指令，如新的訂單加工參數、工序等。
03
數字化/信息化的角色
自動化已經讓標準化的大規模生產達到了極高的水平，但是，當生產的個性化需求變得越來越多的時候就產生了新的挑戰，從精益角度，質量、成本與交付都成了困難，幾個例子來說明：
不良品率：當印刷批次變小時，開機浪費將提高不良品率，使得質量實際上下降；
成本：當不良品率提高，成本顯然提高，而個性化生產帶來的工藝切換時間也會造成成本上升、當機也會造成成本的損耗，而從個性化產品成本計量角度，必須將成本分配在每個批次的產品上，那麼這個生產計劃中的能耗、機器效率就變得更為重要-顯著提高了成本。
交付能力顯著下降：工藝切換的時間消耗、當機、返工這種在大批量生產已經非常成熟的解決方案在個性化時代就會放大，使得交付下降。
從這個角度來觀察生產製造的要求就會發現，在更大的全局來優化產線成為了必然，例如：
如何讓生產運營過程最大的協同來消除中間的時間、能耗等浪費？
當有設備停機產線如何自動分配負載？
在批次降低質量迭代週期變小時如何削減開機浪費？
工藝切換的時間耗費如何降低以達成快速交付？
再回到運營角度來思考，就會發現，智能製造必須藉助於信息的透明來分析問題，數據連接起來，才能全景的觀察產線，才能尋找運營的優化。
點擊此處添加圖片說明文字
而製造級的數據採集由於垂直行業的差異性一直是一個挑戰，而事實上在最近幾年運營智能製造的項目中這一問題也比較突出，造成了很大的障礙，這也是為什麼OPCUA成為了熱點的原因，因為OPCUA解決了以下幾個問題：
共享數據模型使得數據對象變得簡單，可以較為便利的方式對數據進行採集；
語義互操作使得跨平臺的系統之間可以進行數據基於標準與規範進行交互；
垂直行業信息模型的集成更為垂直方向提供了數據便利。
點擊此處添加圖片說明文字
OPCUA提供了通信與設備層的規範，而數據字典則提供了在管理級的信息建模規範，在RAMI4.0的參考模型中包括管理殼（AdministrationShell）、數據字典都解決全局的業務層面的信息標準與模型。這是一種在水平角度的信息集成。
點擊此處添加圖片說明文字
不僅要梳理數據的傳輸，也要明白數據的流向—即，用途，也是要服務於生產運營的。上圖是來自NIST的陸燕教授整理的關於與智能製造相關的標準，包括從底層的現場總線、信息模型、數據模型、設計、製造各個環節，以全景形式給了我們以參考。
04
智能化——全局優化與決策支持
自動化建立在對單個控制任務的調節，即使多變量系統通常也是在一臺機器、一個子系統（如煉化、製藥過程）中，而生產的全局優化要在更高維度，而這個時候，計算能力、模型能力已經超出了目前的機理模型。
從精益到智能運營的幾個層級
點擊此處添加圖片說明文字
該圖全景的描繪了從精益到智能的全局過程，數據採集、信息處理、全局利用直到最終的自主學習能力。
因此，總結而言，智能化是必須建立在精益運營、自動化、信息化之上的全局的優化問題，通過更為全局的模型，對市場端的需求拉動、工藝設計與輔助製造、供應鏈（除了傳統意義的供應鏈還包括智能電網、物流）、生產製造環節、運營維護整個的協同，就形成了整體的基於設備狀態、生產訂單、能源消耗、財務成本等共同構成的“尋優”，並給予運營“決策支持”。
閱讀更多 黑湖科技 的文章
