智能制造：多重困境与五大难点

当前，我国制造业面临着异常严峻的挑战，在这种背景下，制造企业如何实现转型升级？推进智能制造成为重要的途径。然而，我国制造企业在推进智能制造过程中面临着诸多难点问题。

1

概念满天飞，技术一大堆

从“工业4.0”的热潮开始，智能制造、CPS、工业互联网（平台）、企业上云、工业APP、人工智能、工业大数据、数字工厂、数字经济、数字化转型、C2B（C2M）等概念接踵而至，对于大多数制造企业而言，可以说是眼花缭乱、无所适从。

智能制造涉及的技术非常多，例如云计算、边缘计算、RFID、工业机器人、机器视觉、立体仓库、AGV、虚拟现实/增强现实、三维打印/增材制造、工业安全、TSN（时间敏感网络）、深度学习、Digital twin、MBD、预测性维护……让企业目不暇接。这些技术看起来都很美，但如何应用，如何取得实效？很多企业还不得而知。

2

摸着石头过河

企业在推进智能制造过程中缺乏相关技术经验，目前，制造企业存在三种类型的孤岛，即信息孤岛、自动化孤岛、信息系统与自动化系统之间的孤岛。此外，许多企业缺乏统一的部门来系统规划和推进企业智能制造进程。在实际推进智能制造的过程中，企业也仍然是头痛医头，缺乏章法。

3

理想很丰满，现实很骨感

◉ 一是规模持续扩大。以WMS产品为例，2021年10月有媒体发布信息称，据大东时代智库（TD）不完全统计，中国共有248家专业WMS服务商，据测算，2020年中国WMS市场规模达到30.6亿元，同比增长14.6%。预计未来几年，中国WMS市场仍将呈高速增长态势，年复合增速约24.1%，2025年市场规模将达到90亿元。
◉二是更多厂商涌入，但行业集中度较低。从市场格局来看，除了专业物流软件企业、ERP企业，物流系统集成商、自动化设备供应商等都在快速进入物流软件市场。其中，ERP企业的特点是软件功能完善，系统稳定，目前多为大中型企业应用；但软件可塑性较差，操作要求高。物流系统集成商越来越重视物流软件，有些不断加大软件研发投入，打造更多的专业化产品；有些则通过兼并专业软件公司来增强自己的软件能力。
◉三是国内企业崭露头角。国外软件价格高、对于国内企业管理流程适配度较差，国内企业选择性价比更高、服务更好的本土供应商。主要原因在于，国内物流软件企业在技术水平方面与国际物流软件企业已经不相上下；在服务方面，由于物流软件具有更加重视用户体验，以及在使用过程中需要不断升级的特点，国内软件企业在了解用户需求、服务响应等方面更加方便、及时，使其在市场竞争中获得优势。
◉四是企业发展分化。物流软件如何同时兼顾行业覆盖的广度和细分行业的专业度，是软件企业面临的最大挑战。无锡中鼎集成技术有限公司软件总监潘颖认为，未来的物流软件市场将会出现总体解决方案供应商和细分领域专业供应商的分化。前者能够以自主交付的方式给企业提供一体化解决方案和一站式服务，但这类企业数量并不多。细分领域专业供应商包括两类，一类是在某一领域，针对某一行业提供软件产品和服务；另一类是提供算法服务的公司，侧重解决某一个点上的难题，如专注于机器人调度，做视觉软件，做物流仿真软件、数字孪生等。4

自动化、数字化还是智能化？

在推进智能制造过程中，不少企业对于建立无人工厂、黑灯工厂跃跃欲试，认为这些就是智能工厂。而实际上，高度自动化是“工业3.0”的理念。

对于大批量生产的产品，国外优秀企业早已实现无人工厂。例如，日本FANUC全自动装配伺服电机，可以做到40秒生产一个产品，但其前提是生产的产品需要做到标准化、系列化，以及拥有面向自动化装配的设计，将需要用线缆进行插装的结构改为插座式的结构。

从技术和管理的角度来看，中国制造向中国智造转变还存在五大难点：

1 ► 智能制造是基于新的物联网、大数据、云计算等数字化技术与先进制造技术的深度融合，贯穿于设计、供应、生产制造、服务等整个供应链制造、运营和管理环节。因此，智能制造包含两个系统工程，一个是智能制造技术（制造技术和信息技术）整合的系统工程，另一个是管理的系统工程。目前，这两个系统工程不仅是中国企业面临的问题，欧美企业也同样面临这个问题。

2 ► 装备制造业仍然是瓶颈，跟不上智能制造发展的要求。智能制造最终还是要落到制造技术和装备上，虽然我国在互联网、物联网、大数据、云计算等数字化技术以及5G深入应用上处于优势地位，但在制造执行单元——机床方面，我国与欧美日相比还存在很大的差距。

3 ► 基础数据平台深度开发不受控。企业要实现智能制造，需要MES和ERP等两个基础系统平台。而我国还没有相关自主研发的软件平台，系统平台要依赖于欧美，因此在深度定制开发上受到限制。

4 ► 算法开发。智能制造需要基于数据并充分挖掘数据价值而实现自决策、自管理、自学习，从数据源采集、数据呈现、数据分析到自行诊断、自动反馈、自动调整控制，过程离不开算法开发。而算法开发是一个多元跨界和交叉学科的工作，既要求对业务有深入理解，又要求有IT技术思维。目前，我国在算法开发的资源上还存在很大差距。

5 ► 管理和组织的变革。一方面，智能制造基于数据可实现端对端、信息充分共享、管理平台化，打破了企业原有金字塔管理体制结构。因此来自原有权力结构拥有者的变革阻力会很大，往往他们掌握了决策权，导致智能制造的资源投入不到位。另一方面，管理方式会因信息平台化而发生改变，个体和任务小团队的自管理、自决策机制会越来越普遍，但是，目前还没有找到比较好的组织管理方式及组织文化。

基于以上原因，智能制造还有很长一段路需要走。其中有三点亟须创新和突破：

一是在技术上需要自主研发，突破装配和软件技术的瓶颈，同时关注整个生态链中的核心技术。

二是在管理上需要推动组织和管理的变革，以适应信息技术带来的管理变化。

三是在智能化道路上需要引入系统工程、顶层设计，才有可能实现制造技术、信息技术和组织管理三者的深度融合。