10月底与同济管理科学与工程硕士班的同学就智能制造进行了交流，他们也提出了16个问题，进行了作答，跨界的交流显然是必要的，来自管理专业的人与来自机电工程这类工程技术专业的人是有很大的不同，其差异在于全局的视野，可能对于细节不甚了然，然而，其所关注的成本效率、整体规划，企业战略话题，显然是我们常常被忽视的。

 

 

智能制造热潮中的误解

在过去的很长一段时间里，当谈到智能制造，我们会发现很多对智能制造的碎片化的理解造成的理解片面性，这使得很多人对智能制造有一些误解

1.制造本身是有Know-How的

无论是传统制造，还是智能制造，其核心仍然是制造，制造本身是有非常悠久的历史的，制造的运营管理，泰勒制、戴明环、TPS、敏捷制造，这些本身也是Know-How，制造的Know-How，制造是一个工程（Engineering），如何让其约束到最经济本身是有Know-How的，来自于现场经验丰富的制程管理人员、品质工程人员。

如果我们在这方面的基础薄弱，那么，所有技术就无法被落地实施。

 

 

 

2.技术是传承，而非割裂

人们喜欢把智能制造与传统制造割裂开，好像智能制造就高级了，其实，智能制造并不高级，智能制造它只是因为个性化需求，使得必须寻求新的智能技术来帮助企业，它甚至某种意义上是一种被迫行为，因为大规模生产才是最成熟的，质量品质可靠的，智能制造是对制造的延续，它是一个过程，从几十年前人们就在寻找解决办法了。

 

还有就是把自动化与智能化分开，似乎这两个是独立的，其实，自动化本身一直在引用新的IT技术，结合本身的行业属性进行再次开发，融入到应用中解决问题，智能本身并非是所谓的AI的专利，自动化一直在这条道路上孜孜以求。

3.技术是有经济性的

技术必须拥有经济性才能推进，但是，技术的经济性是需要不断的测试验证过程才能落地的，不是突然就有了经济性的，而很多智能制造所涉及的方法、技术都是经过一代又一代的产业人通过工程不断优化出来的—AI因为芯片成本下降才开始为大家关注的，数字孪生也是因为软件算法积累到一定程度才有应用的可能的。

 

 

4.制造必须服务于战略

如果制造不是服务于企业的发展战略的，什么样的企业需要以制造为核心？对于很多外包的生产来说，代工厂只是在使用人力，像Apple连设备都会给代工厂提供、工艺都是由其掌握。

制造只是实现企业战略的一环，如果企业自身没有明确的赢得客户的盈利模式。

5.技术必须服务于制造本身

有了企业战略，有了产品设计的规划，才能去制造，在设计规划阶段，就要考虑可制造性、以及质量控制，这些都必须依赖于规划，而不是技术决定制造，这个逻辑顺序是需求拉动技术。

6.智能制造并非是制造+AI

人们把制造的智能赋予了AI，似乎AI来了就智能了，其实，从统计学+野蛮的算力角度来说，AI可以解决一部分问题，但是，工业的数据并非是大数据，这需要精准的DoE设计（Design of Experiement）,构建有效的测试模型，来对工艺进行验证，因为如果产生了大数据，尤其是大量的故障数据—这对于机器制造商、产线提供商来说，就意味着退出市场，这里的大数据是不可接受的，因此，就目前来说，AI必须与机理模型来结合，并且在有限的范围解决问题。

 

企业战略必须清晰才能匹配制造执行

如果我们不知道自己要干什么，我们就不会真正发挥技术的价值，因为，智能制造的实现路径必须服务于企业本身的，各个不同行业现有的基础状态不同、生产的个性化需求不同、相应的管理运营基础、人才储备能力等都是不同的，因此，智能制造是否是一个合适的方向，或者，智能制造只是一个过程，而非一个产品，人们似乎很难摆脱它是一个什么确定东西的思维，而不会把它视作“动态”、“迭代”的过程，就像买一个锅做菜，把智能制造理解为一个锅，而不是把它理解为一个做菜工艺的升级的过程。

 

对于企业来说，赢得竞争的途径可以由不同的战略组合来实现，对于企业来说，必须要有为客户解决问题的聚焦，必须去思考—我们如何赢得客户？什么是客户关注，以及未来会关注的？

 

如果说个性化是一种必然的趋势，那么，如何实现差异化竞争对于企业来说，必然要去思考，但是，差异化的实现路径是很多的，企业盈利模式也是多样的。

 

 

 

实现个性化生产的路径

（1）.工艺的颠覆是最为有效的：电动汽车与燃油车的竞争，印刷电路和覆铜板电路的竞争，SiC,GaN材料功率器件与硅基IGBT的竞争，3D减材与增材制造的竞争，在非常多的领域，真正的颠覆性竞争力来自于材料科技的变革。当然，这并非意味着传统领域的没落，相反，新的智能技术可以帮助传统行业实现转型，包括传统行业自身原有在机电工程领域的积累，也可以通过面向新材料、新工艺转型中获得生机。

深耕制造业的人都会知道，材料是竞争的最终归属，因为，制造的本质是对材料进行物理和化学的加工过程，因此，如果你需要更为个性化的制造能力，材料领域的突破才是关键。

 

（2）柔性制造技术

即使FMS在过去很多年里推进，至少在80年代，柔性制造系统就已经出现了，然而，对于其中的物料输送采用传统的皮带、链条、分度盘的模式而言，仍然是以纯机械方式，使得其难以实现柔性，因为机械是刚性的。自从有了像贝加莱ACOPOStrak这类柔性轨道系统，它就将生产的组织形式进行了颠覆性的设计，使得柔性成为了可能，原来的机器、输送、网络、调度就成为可实现的整体。

 

 

 

 

（3）.智能技术加速迭代

其实，所谓智能制造是要应对生产中的质量迭代，解决小批量时候的故障带来的OEE下降，协同削减时间消耗，这些都是要让制造过程具有在个性化需求下具有快速的质量迭代，降低换型中的测试验证成本，提升机器的响应能力，降低成本。

这个目的必须是要意识到的，才能去匹配对应的技术，如果不知道OEE如何计算，就不知道如何提高OEE。

 

把握关键盈利—聚焦用户需求

 

其实智能制造不智能制造的不是关键，在整个产业的链条上，各自都有各自的角色，掌握市场，掌握客户者才有话语权，今天制造业的盈利差，因为像阿里、京东这样的流通环节赚了过高的利润，因为他们掌握了用户，包括最近的集采中心脏搭桥支架价格的快速下降，这是因为消除了中间环节，流通环节过高的盈利对制造业本身形成了压榨，这个是因为整体的运营能力问题，当然也是因为我们更多处于缺乏技术核心的话语权导致的这种权益让渡，这种让渡包括了在金融投资中的话语权丧失—其实，很多上市公司不足以支撑它的股价，因为没有足够的核心技术掌控，使得盈利能力下降，在博弈中丧失更多权益。

 

 

 

制造业难，与是否智能制造在某种意义上说，其实没有那么重要的关系，是否有具有收费站模式的掌控力，是否在上游把握，是否有核心的知识，这些构成了在整个产业链条中的话语权，也为自身赢得权益的比重，这需要差异化竞争力设计，需要大量的研发投入，如果大家都是做的同质化的产品，或者仅仅是产业链条中的“代工环节”—这个本身不可能赋予你过多的盈利能力。

 

很多时候，企业会陷入价格竞争，是因为没有什么特别吸引别人的，价格是唯一能拿得出手的竞争力，但是，很可惜的是，即使你价格低，很多大厂都不会用你的设备，很多人就把自己没有技术含量卖不出去这个事情又怪罪在用户崇洋媚外上了，我看也并非如此，做生产的企业心里都有杆秤，都是现实的不得了的，而且有非常强的成本管控能力，就拿设备残值一项来说，用了10年后这个设备二手还能卖多少钱？

 

今天和一个朋友谈到纸巾行业的裁切刀的事情，大的品牌厂商的刀的寿命是10倍，价格也是10倍，那我买10把便宜的刀不是一样的吗？但是，换刀产生的浪费就已经大于这个成本了，低价并非低成本。还有就是，钝刀切出来的产品，质量不好，卖不到好价格。

 

我们究竟为客户带来了什么？

很多人关注的是智能制造，我这里有什么高大上的线，高大上的系统，其实，你有什么都不如给客户带来可靠稳定的系统，高品质的产品，良好的服务体验。

 

当企业卓越的时候，它的制造也是卓越的，卓越的属性是一个整体，不会只在某个环节卓越，但是，你买了高级的智能制造产线，却未必会给你带来卓越的运营。心里没有客户，没有为他们解决问题的想法，智能制造也是徒劳的。

 

其实，道理似乎都懂，不过，又想起来《闻香识女人》中Frank少校的那句话“在人生的十字路口，我都知道往那里走，可是我从来不走，因为TMD太难了”。

 

赚快钱也是一种好的盈利模式—资金周转速度够快，1%的毛利也是可以堆积利润的，这其实也是考校管理运营能力的，管理也是竞争力。

 

 

提升知识的使用效率

将传统行业积累的领域知识，通过建模封装为可复用的软件，这会节省大量的成本，将老法师在大脑里的经验如何形成可复用的知识，这的确是智能时代必须去实现的，很多时候，人们谈到工业软件，都把聚焦放在了这个软件多贵，但是，如果真的有效使用这些软件—那些领先的企业数十年，百年积累的经验会给我们带来巨大的成本节省，人们不在乎软件的价值，这是不尊重知识的价值，不认同知识是值钱的，那么，这个所谓的“附加值”就无法体现，竞争力就无从落地实现。

 

 

 

 

 

复合型人才的需求

人们认为今天谈人才，这个能力也需要，那个能力也需要，简直是太苛刻了，似乎每个人都得十八般兵器样样精通的感觉。

 

 

 

智能制造需要规划型人才，以及人才的规划—首先，智能制造本身是一个“集成”的过程，它从来没有实现，只是一直在路上，所以，不要把智能制造当做一个产品技术那样思考，它的实现是从最需要解决问题的地方开始。

 

规划型人才必须在机电、运营、工艺多个方面具有接口能力，不一定要精通每个方向的深度知识，但是，对于之间的逻辑关系、流程、接口、规范与标准要有通盘的认识，并且站在企业全局来规划，不仅是技术路线，也包括匹配的组织、人才、流程、考核方面的规划，这样才能形成一个有效的整体运行。

 

 

 

人才规划是在各个专业方向能够有垂直领域的专家解决局部工艺、机电建模、数据建模的人员，大学的垂直专业训练到了产业里就会遇到横向集成的矛盾，而到了企业就必须有横向集成能力的培训。

 

昨天和冰老师聊到工科教育，他提到学生完全不了解戴明环，PDCA这样的制造领域的思想方法与工具，而机械通常关注了“设计”，而没有“制造系统”的训练，按照贝克老师意思就是大学专业太细分。产业应用是一个集成，管理学科又与机电工程脱节的，管理科学与工程又缺乏对技术的了解，非工科出身又无法深入现场，总归是缺乏有效的复合型人才的训练体系和方法--企业自身的培养就显得尤为重要，这也需要大量的投入。

 

总结

1.智能制造必须全局的认识，它不仅是技术的转型升级，而是企业战略的转型需求下的辅助战略；

2.制造本身的Know-How必须有足够的认知，才能合理使用技术资源，否则会高投入低产出；

3.人才培养不能叶公好龙，一边说重视，另一边却不愿意投入。