工業4.0概念的推廣，智能製造2025戰略的實施，市場競爭環境的變化，各類新IT技術的不斷湧現，各類企業尤其是製造型企業紛紛開始企業數字化轉型，踐行智能製造之路。此頭條號以IT部門的視角，重點關注製造業行業、企業及個人在奔向智能製造的實踐中，對智能製造的學習理解、思考總結和經驗分享。在此開篇中從總體角度討論IT部門作為企業內部推進智能製造的責任部門如何引領企業奔向智能製造，今後將結合實際經驗分列文章逐步深入探討。

圖1. 企業推進智能製造實施與管理框架圖

什麼是智能製造？簡單說就是新工業技術推動下的更具效率的製造組織方式。 新工業技術在現在來說包括物聯網、雲計算、大數據、3D打印、機器人、VR/AR/AI，甚至區塊鏈等，這些新技術有機的、多層次的滲透到組織各業務單元，推動整體制造業務效率的提升。同以往工業1.0機械化、工業2.0電氣化、工業 3.0自動化 時代一樣，依然是以低成本、高質量、短交期的滿足客戶需求為終極目標，依然服務於組織戰略目標的實現，只是在智能製造時代的生產方式有了更多智能特徵，具有更廣泛的信息感知（數據採集）能力，更多的自動控制和決策（基於數據）功能，這些智能特徵將推動製造企業由生產型到服務型的轉型。

智能製造的推進依賴於良好的企業運營，明確有效的企業戰略規劃為智能製造的落地提供了方向，精益理念的貫徹執行是智能製造實施的基礎。企業戰略規劃是各業務單元運營的指揮棒，戰略規劃的目標通過各類KPI分解到各執行單元，智能製造在協助各業務單元KPI的達成中可以起到重要作用，比如大數據應用協助更精準的市場預測和產品投放，各類計算機輔助工具（CAD/CAE）、仿真技術推進研發效率的提高， PLM用於協同研發和製造等全產品生命週期的管理，ERP/MES分別在計劃層和執行層面對各類資源進行調度和管控進而以最小的資源消耗達成客戶交付，智能裝備的應用對於改善質量、提高效率的作用更是顯而易見。精益理念的核心是消除浪費，智能製造是在精益的運營模式下，通過信息工具的使用更進一步的消除浪費，提高效率。智能製造和精益理念相互作用，逐步深入，不斷把製造業的成本、質量和交付推向極致。

有了良好的企業運營環境，還需要有可行的智能製造推進規劃。智能製造的規劃是企業戰略規劃的一部分，需要綜合考慮企業運行狀況，市場環境，財務能力，信息化現狀等因素，長遠規劃，分步實施。規劃的內容涉及到產品智能化，管理智能化和裝備的智連化。技術的發展為產品的智能化提供了更多可能，產品可以從更多角度為用戶提供更多的增值服務，智能電錶可以自動上報電錶讀數從而避免人工抄表，智能交通燈基於交通流量的數據分析優化紅綠燈切換時間，最大程度上優化交通流量，未來還有更多的智能產品可以使用戶直觀的體驗到智能製造的發展成果。管理智能化旨在通過PLM，ERP, MES等諸多系統，雲計算、物聯網、大數據等多種技術手段對從客戶需求到研發到製造到供應鏈到產品交付及服務的全價值鏈智能化升級。裝備的智連化是生產裝備的智能化和互聯互通，生產裝備不僅僅是生產的工具，它是先進製造技術，信息技術和智能技術的集成和深度融合，也是工業數據的重要來源。這些工業數據為各類生產資源的自協同提供了可能，也為裝備的自我優化打下良好基礎，生產裝備和AI/AR/VR/BI等技術的融合為未來智能裝備的發展提供了廣闊的發展空間。

再好的規劃也需要通過落地發揮價值，如何保障智能製造規劃的落地？合格的人才和組織建設是基礎，優秀的項目管理能力是關鍵。智能製造的落地要善於利用三個層次的人才，引領部門內部人才，公司各職能領域的人才和外部人才。作為公司內部引領智能製造實施的部門，要有人對智能製造有全面的理解和前瞻，能結合公司現狀、市場狀況制定未來數年的智能製造發展規劃，能整合公司內外部資源推動這些規劃的落地和運營；公司內部各領域的專業人員才是對業務理解最深入的人，才是最瞭解需求的人，組織職能製造實施的過程中要充分調動這部分同事的積極性，發揮他們的作用，可以考慮在公司設立智能製造推進委員會，把這部分人納入到委員會中，從管理體制上保證他們可以發揮作用；外部顧問相對於公司內部資源可能有更廣闊的視野，要善於借用外部資源為公司建設添磚加瓦。優秀的項目管理能使各類項目的實施處於可控狀態，是智能製造項目落地的保障。

智能製造項目的落地往往只是其發揮作用的開始，要使之持續有效的支持業務運營，還需要建立規範化的運營規則。規範化運營的基礎是合格的人力資源，必要的財務預算；然後是系統預防機制的建立，比如通過FMEA對可能導致系統運營問題的各種因素進行分析，提前採取應對措施予以避免，或者建立起系統監控機制，一旦有問題發生可以自動提醒處理；最後提前規劃好一旦出現系統運營問題的應對機制，比如對於IT方面的系統問題是否有備份方案，如果是業務流程問題，是否有降級模式等。此外變更控制管理流程的建立可以使系統的優化改進處於有序狀態，也需要格外重視。

系統落地並運行一段時間後，如何評估智能製造項目是否在如預期發揮作用，各支持部門是否積極按照操作和支持規範保障系統正常運行？KPI的定義及發佈可以直觀的展示系統運行狀態。KPI可以從系統和人兩個方面進行定義，系統角度關注 系統本身的運行狀態，比如對於數據採集功能，可以定義KPI關注採集的完整性；而人的角度更多的關注系統操作和支持人員是否按照操作規程執行，比如主數據是否及時錄入，數據備份是否週期性的測試等。智能製造各子項目的使用是個長期的過程，如同溫度計監控溫度一樣，KPI的持續發佈與監控也是個長期的過程，對保持系統健康有很重要的作用。

什麼樣的人能引領工廠智能製造發展？

奔向智能製造

如在開篇中談到的，合格的人才和團隊是是智能製造落地併發揮作用的基礎。我們要善於利用三個層次的人才，智能製造引領部門的人才，公司各職能領域的人才和外部人才。其中引領部門是智能製造推動的核心部門（它可能是IT部門，也可能是製造工程部門），負責智能製造的整體規劃，組織規劃中各子項目的實施落地，保障已經實施的系統正常運行及不斷優化，合格的智能製造引領部門人才就顯得尤為重要。本文將重點討論智能製造引領責任人的能力需求，要具備什麼樣的知識儲備和技術能力才是理想的能承擔引領公司智能製造發展重任的人員。

圖一、智能製造推進責任人能力需求模型

能力的需求依賴於根據公司實際情況定義的智能製造規劃，不同的公司可能規劃不同，應用環境不同， 那麼對應的能力需求也不盡相同。本文以比較通用的智能製造應用框架為基礎進行討論（如圖一左側所示），其中不同的層級對應解決工廠不同層級的問題，時間維度從長到短，業務執行的顆粒度也逐步變細，為了和不同管理層級的用戶進行順暢的溝通，並理解用戶需求，作為智能製造推動人員需要對多個管理層級涉及的業務領域知識有所瞭解甚至理解。同時為了推動業務方案通過系統實施落地，對應的管理和技術能力也是必須的，如圖一右側所示列出了作者所認為的每一層級所需要的業務知識、管理和技術能力需求，供參考和討論。

智能製造應用框架在這裡是分為四個層次：設備層（從數據採集的角度進一步細分為生產設備-PLC-監控與採集三個層次）、製造執行層、研發與計劃層、數據分析層。設備層是實際執行生產並實現增值的地方，在自動化時代生產裝備的生產效率已經有了很大提高，但智能製造時代對設備的數據採集、自動化的深度協同提出了更高的要求；製造執行層的存在進一步優化各類車間資源的調度和管控，為設備層的生產創造條件；研發和計劃層的管控時間跨度相對製造執行層更長，從更宏觀的角度根據客戶需求進行產品設計，對內外部供應鏈進行規劃，並與製造執行層系統交互，達成客戶交付，滿足公司財務目標；大數據分析應用是智能製造區別於傳統IT系統的重要特徵，它的數據來源於多個層次，通過抽取整合存儲後，對數據進行建模分析，實現從數據到知識到決策的管理支持。

下面分別從業務知識，技術和管理兩方面討論引領工廠智能製造發展所需要的知識結構。

圖二、智能製造業務知識

1. 業務知識

對應於企業的運營管理體系，不同的管理層級需要的知識積累和能力是不一樣的，相應的智能製造應用框架的不同層級要解決的業務問題也不盡相同，考慮到智能製造的規劃實施是全方位的，作為智能推動人員對各個層級的業務知識都要有不同程度的涉獵。

大數據分析層更多的面對中高層管理人員，幫助管理人員從大量數據中提煉出知識，進而輔助決策。企業戰略規劃是怎樣的，規劃是如何落地的，企業組織結構是怎麼設定的，各部門如何進行考核並協同達成企業目標，公司各層級又是如何做決策的等等，要具備從公司管理層角度思考的能力，這樣保障規劃和實施的大數據應用場景是可以為管理人員服務，可以發揮應有的價值；

研發與計劃層覆蓋了客戶需求採集，產品研發與設計，並驅動內外部供應鏈及生產製造，是製造企業運營管理的主體，也是對企業運營成本影響最大的部分。智能製造責任人對研發流程，供應鏈管理，生產計劃及物流，工藝過程，客戶交付及服務流程要比較熟悉，對財務管理尤其是各業務階段的成本數據採集及優化都需要有深入理解，和各業務部門人員保持頻繁的溝通交流，能對業務運營過程中的痛點有所體會，從跨業務領域、跨部門的角度去審視價值鏈，追求整體價值最大化的業務方案，進而定義出有效支撐業務運作的IT系統，且確保系統間信息交互簡單、有效。

製造執行層要求推進人員有一定的生產運作管理知識，尤其熟悉精益製造理論並應用。製造執行層的目標是以最小的成本代價，最高的產品質量，最短的生產時間滿足客戶需求，其管理顆粒度較之研發與計劃層更細，生產工單的生成，計劃排程，物料派送，工藝過程，生產質量，生產設備，車間員工，倉庫管理，成品報產及客戶發運等都可能影響產品的成本質量及交付，這些領域知識需要有所涉獵。

圖三、智能製造技術和管理需求

2. 技術和管理能力

工廠業務領域知識的瞭解和掌握為業務需求向智能製造方案的轉換打下了良好基礎。在將業務需求轉換為智能製造方案並落地的過程中，較強的技術和管理能力是需要具備的。我們從下面5各方面闡述需要的技術和管理能力。

首先要具有規劃整合能力，這體現在智能製造戰略的制定及落地上。智能製造戰略是服務於企業戰略的，如何基於成本、公司現狀及各種資源約束規劃出效果好、可執行性高的智能製造戰略是有一定挑戰的；而在規劃落地的過程中，從業務交互來說涉及到多個部門、多個層級的業務梳理整合和溝通，從技術上來說涉及不同規模、技術類型的系統集成，這種複雜性要求有很強的資源整合能力和推動能力。很多項目在啟動之初看起來很不錯，但最後實施下來並不滿意，源頭可能就在規劃和整合上出了問題。

其次是項目管理與運營能力，這也是對項目落地過程進行科學管控並保障順利運行的過程。按照PMP認證的定義，項目管理涉及5大過程（啟動、規劃、執行、監控、收尾）和9大知識領域（整合、範圍、時間、成本、質量、人力資源、溝通、風險和採購管理），不僅理論上理解這些內容，更重要的是能在實際工作中靈活運用這些知識處理項目實施過程中的問題；項目實施完畢只是項目開始發揮作用的開始，還需要進一步定義規範化的運營規則，持續監控項目運行，糾正偏差，不斷優化，使系統始終保持健康狀態。

第三點是方案制定與集成能力。這是對業務需求進行調研並轉化為系統方案的實際執行步驟，並通盤考慮不同業務類型、不同IT系統之間的集成。下面會談到智能製造方案中涉及到的不同系統，比如PLM, ERP, MES等，這些系統本身比較複雜，而相互之間有頻繁的數據交互。 項目組織中通常有不同的角色，可能有專門的諮詢顧問承擔需求調研、方案制定等工作，但作為核心人員，瞭解並能承擔這些工作是有意義的。

第四是對技術方案及其應用的熟悉。對圖一中所列智能製造框架中，技術方案涉及到數據倉庫、商務智能BI、PLM、ERP、MES、PLC、數據感知（傳感器）多種系統，這些系統相互集成共同組成一套相對完整的智能製造方案。不管是那一種系統，需要理解系統的主要操作流程及應用模式、熟悉系統架構及部署方式，對各自系統的應用難點最好也有相應研究，比如數據倉庫的建立、BI建模、高級計劃及排程、設備的數據集成方式等。另外所有的技術方案離不開IT基礎設施的支持，對基本的網絡架構、數據安全、服務器架設等需要學習和理解。

最後要保持對各類新技術的敏感度，引入合適的新技術支持業務改善。物聯網、大數據、雲計算、機器人、人工智能AI、增強現實AR、虛擬現實VR、3D打印甚至區塊鏈等多種智能製造時代的新技術層出不窮，有很多已經投入實際應用，在業務運作中發揮著重要作用。自動數據識別極大提高了財務發票匹配的效率，大數據分析在提高設備利用率也顯現出效果，機器人在提高效率和良率上有相當的優勢，很多的應用也在往雲平臺上遷移，使IT系統也能輕資產運行。當然對新技術保持敏感度，並不意味著為了應用新技術而應用，要冷靜思考工廠是否有合適的業務場景，是否有可信的投資回報，是否能從長遠優化業務，優先挑選能帶來切實改善的方案。

這裡想強調的是雖然上述討論對智能製造引領部門責任人提出了各種能力需求，但不意味著智能製造的推進是一種個人行為，相反它必須依靠團隊的力量，個人很難精通所有的業務和技術領域知識。如圖一中所示， 這裡將各種知識和技能按照(a)掌握、(b)理解和(c)瞭解三個層次進行分類，掌握必須掌握的，而需要理解和了解的知識在項目管理和溝通中將發揮重要作用。