工业4.0概念的推广，智能制造2025战略的实施，市场竞争环境的变化，各类新IT技术的不断涌现，各类企业尤其是制造型企业纷纷开始企业数字化转型，践行智能制造之路。此头条号以IT部门的视角，重点关注制造业行业、企业及个人在奔向智能制造的实践中，对智能制造的学习理解、思考总结和经验分享。在此开篇中从总体角度讨论IT部门作为企业内部推进智能制造的责任部门如何引领企业奔向智能制造，今后将结合实际经验分列文章逐步深入探讨。

图1. 企业推进智能制造实施与管理框架图

什么是智能制造？简单说就是新工业技术推动下的更具效率的制造组织方式。 新工业技术在现在来说包括物联网、云计算、大数据、3D打印、机器人、VR/AR/AI，甚至区块链等，这些新技术有机的、多层次的渗透到组织各业务单元，推动整体制造业务效率的提升。同以往工业1.0机械化、工业2.0电气化、工业 3.0自动化 时代一样，依然是以低成本、高质量、短交期的满足客户需求为终极目标，依然服务于组织战略目标的实现，只是在智能制造时代的生产方式有了更多智能特征，具有更广泛的信息感知（数据采集）能力，更多的自动控制和决策（基于数据）功能，这些智能特征将推动制造企业由生产型到服务型的转型。

智能制造的推进依赖于良好的企业运营，明确有效的企业战略规划为智能制造的落地提供了方向，精益理念的贯彻执行是智能制造实施的基础。企业战略规划是各业务单元运营的指挥棒，战略规划的目标通过各类KPI分解到各执行单元，智能制造在协助各业务单元KPI的达成中可以起到重要作用，比如大数据应用协助更精准的市场预测和产品投放，各类计算机辅助工具（CAD/CAE）、仿真技术推进研发效率的提高， PLM用于协同研发和制造等全产品生命周期的管理，ERP/MES分别在计划层和执行层面对各类资源进行调度和管控进而以最小的资源消耗达成客户交付，智能装备的应用对于改善质量、提高效率的作用更是显而易见。精益理念的核心是消除浪费，智能制造是在精益的运营模式下，通过信息工具的使用更进一步的消除浪费，提高效率。智能制造和精益理念相互作用，逐步深入，不断把制造业的成本、质量和交付推向极致。

有了良好的企业运营环境，还需要有可行的智能制造推进规划。智能制造的规划是企业战略规划的一部分，需要综合考虑企业运行状况，市场环境，财务能力，信息化现状等因素，长远规划，分步实施。规划的内容涉及到产品智能化，管理智能化和装备的智连化。技术的发展为产品的智能化提供了更多可能，产品可以从更多角度为用户提供更多的增值服务，智能电表可以自动上报电表读数从而避免人工抄表，智能交通灯基于交通流量的数据分析优化红绿灯切换时间，最大程度上优化交通流量，未来还有更多的智能产品可以使用户直观的体验到智能制造的发展成果。管理智能化旨在通过PLM，ERP, MES等诸多系统，云计算、物联网、大数据等多种技术手段对从客户需求到研发到制造到供应链到产品交付及服务的全价值链智能化升级。装备的智连化是生产装备的智能化和互联互通，生产装备不仅仅是生产的工具，它是先进制造技术，信息技术和智能技术的集成和深度融合，也是工业数据的重要来源。这些工业数据为各类生产资源的自协同提供了可能，也为装备的自我优化打下良好基础，生产装备和AI/AR/VR/BI等技术的融合为未来智能装备的发展提供了广阔的发展空间。

再好的规划也需要通过落地发挥价值，如何保障智能制造规划的落地？合格的人才和组织建设是基础，优秀的项目管理能力是关键。智能制造的落地要善于利用三个层次的人才，引领部门内部人才，公司各职能领域的人才和外部人才。作为公司内部引领智能制造实施的部门，要有人对智能制造有全面的理解和前瞻，能结合公司现状、市场状况制定未来数年的智能制造发展规划，能整合公司内外部资源推动这些规划的落地和运营；公司内部各领域的专业人员才是对业务理解最深入的人，才是最了解需求的人，组织职能制造实施的过程中要充分调动这部分同事的积极性，发挥他们的作用，可以考虑在公司设立智能制造推进委员会，把这部分人纳入到委员会中，从管理体制上保证他们可以发挥作用；外部顾问相对于公司内部资源可能有更广阔的视野，要善于借用外部资源为公司建设添砖加瓦。优秀的项目管理能使各类项目的实施处于可控状态，是智能制造项目落地的保障。

智能制造项目的落地往往只是其发挥作用的开始，要使之持续有效的支持业务运营，还需要建立规范化的运营规则。规范化运营的基础是合格的人力资源，必要的财务预算；然后是系统预防机制的建立，比如通过FMEA对可能导致系统运营问题的各种因素进行分析，提前采取应对措施予以避免，或者建立起系统监控机制，一旦有问题发生可以自动提醒处理；最后提前规划好一旦出现系统运营问题的应对机制，比如对于IT方面的系统问题是否有备份方案，如果是业务流程问题，是否有降级模式等。此外变更控制管理流程的建立可以使系统的优化改进处于有序状态，也需要格外重视。

系统落地并运行一段时间后，如何评估智能制造项目是否在如预期发挥作用，各支持部门是否积极按照操作和支持规范保障系统正常运行？KPI的定义及发布可以直观的展示系统运行状态。KPI可以从系统和人两个方面进行定义，系统角度关注 系统本身的运行状态，比如对于数据采集功能，可以定义KPI关注采集的完整性；而人的角度更多的关注系统操作和支持人员是否按照操作规程执行，比如主数据是否及时录入，数据备份是否周期性的测试等。智能制造各子项目的使用是个长期的过程，如同温度计监控温度一样，KPI的持续发布与监控也是个长期的过程，对保持系统健康有很重要的作用。

什么样的人能引领工厂智能制造发展？

奔向智能制造

如在开篇中谈到的，合格的人才和团队是是智能制造落地并发挥作用的基础。我们要善于利用三个层次的人才，智能制造引领部门的人才，公司各职能领域的人才和外部人才。其中引领部门是智能制造推动的核心部门（它可能是IT部门，也可能是制造工程部门），负责智能制造的整体规划，组织规划中各子项目的实施落地，保障已经实施的系统正常运行及不断优化，合格的智能制造引领部门人才就显得尤为重要。本文将重点讨论智能制造引领责任人的能力需求，要具备什么样的知识储备和技术能力才是理想的能承担引领公司智能制造发展重任的人员。

图一、智能制造推进责任人能力需求模型

能力的需求依赖于根据公司实际情况定义的智能制造规划，不同的公司可能规划不同，应用环境不同， 那么对应的能力需求也不尽相同。本文以比较通用的智能制造应用框架为基础进行讨论（如图一左侧所示），其中不同的层级对应解决工厂不同层级的问题，时间维度从长到短，业务执行的颗粒度也逐步变细，为了和不同管理层级的用户进行顺畅的沟通，并理解用户需求，作为智能制造推动人员需要对多个管理层级涉及的业务领域知识有所了解甚至理解。同时为了推动业务方案通过系统实施落地，对应的管理和技术能力也是必须的，如图一右侧所示列出了作者所认为的每一层级所需要的业务知识、管理和技术能力需求，供参考和讨论。

智能制造应用框架在这里是分为四个层次：设备层（从数据采集的角度进一步细分为生产设备-PLC-监控与采集三个层次）、制造执行层、研发与计划层、数据分析层。设备层是实际执行生产并实现增值的地方，在自动化时代生产装备的生产效率已经有了很大提高，但智能制造时代对设备的数据采集、自动化的深度协同提出了更高的要求；制造执行层的存在进一步优化各类车间资源的调度和管控，为设备层的生产创造条件；研发和计划层的管控时间跨度相对制造执行层更长，从更宏观的角度根据客户需求进行产品设计，对内外部供应链进行规划，并与制造执行层系统交互，达成客户交付，满足公司财务目标；大数据分析应用是智能制造区别于传统IT系统的重要特征，它的数据来源于多个层次，通过抽取整合存储后，对数据进行建模分析，实现从数据到知识到决策的管理支持。

下面分别从业务知识，技术和管理两方面讨论引领工厂智能制造发展所需要的知识结构。

图二、智能制造业务知识

1. 业务知识

对应于企业的运营管理体系，不同的管理层级需要的知识积累和能力是不一样的，相应的智能制造应用框架的不同层级要解决的业务问题也不尽相同，考虑到智能制造的规划实施是全方位的，作为智能推动人员对各个层级的业务知识都要有不同程度的涉猎。

大数据分析层更多的面对中高层管理人员，帮助管理人员从大量数据中提炼出知识，进而辅助决策。企业战略规划是怎样的，规划是如何落地的，企业组织结构是怎么设定的，各部门如何进行考核并协同达成企业目标，公司各层级又是如何做决策的等等，要具备从公司管理层角度思考的能力，这样保障规划和实施的大数据应用场景是可以为管理人员服务，可以发挥应有的价值；

研发与计划层覆盖了客户需求采集，产品研发与设计，并驱动内外部供应链及生产制造，是制造企业运营管理的主体，也是对企业运营成本影响最大的部分。智能制造责任人对研发流程，供应链管理，生产计划及物流，工艺过程，客户交付及服务流程要比较熟悉，对财务管理尤其是各业务阶段的成本数据采集及优化都需要有深入理解，和各业务部门人员保持频繁的沟通交流，能对业务运营过程中的痛点有所体会，从跨业务领域、跨部门的角度去审视价值链，追求整体价值最大化的业务方案，进而定义出有效支撑业务运作的IT系统，且确保系统间信息交互简单、有效。

制造执行层要求推进人员有一定的生产运作管理知识，尤其熟悉精益制造理论并应用。制造执行层的目标是以最小的成本代价，最高的产品质量，最短的生产时间满足客户需求，其管理颗粒度较之研发与计划层更细，生产工单的生成，计划排程，物料派送，工艺过程，生产质量，生产设备，车间员工，仓库管理，成品报产及客户发运等都可能影响产品的成本质量及交付，这些领域知识需要有所涉猎。

图三、智能制造技术和管理需求

2. 技术和管理能力

工厂业务领域知识的了解和掌握为业务需求向智能制造方案的转换打下了良好基础。在将业务需求转换为智能制造方案并落地的过程中，较强的技术和管理能力是需要具备的。我们从下面5各方面阐述需要的技术和管理能力。

首先要具有规划整合能力，这体现在智能制造战略的制定及落地上。智能制造战略是服务于企业战略的，如何基于成本、公司现状及各种资源约束规划出效果好、可执行性高的智能制造战略是有一定挑战的；而在规划落地的过程中，从业务交互来说涉及到多个部门、多个层级的业务梳理整合和沟通，从技术上来说涉及不同规模、技术类型的系统集成，这种复杂性要求有很强的资源整合能力和推动能力。很多项目在启动之初看起来很不错，但最后实施下来并不满意，源头可能就在规划和整合上出了问题。

其次是项目管理与运营能力，这也是对项目落地过程进行科学管控并保障顺利运行的过程。按照PMP认证的定义，项目管理涉及5大过程（启动、规划、执行、监控、收尾）和9大知识领域（整合、范围、时间、成本、质量、人力资源、沟通、风险和采购管理），不仅理论上理解这些内容，更重要的是能在实际工作中灵活运用这些知识处理项目实施过程中的问题；项目实施完毕只是项目开始发挥作用的开始，还需要进一步定义规范化的运营规则，持续监控项目运行，纠正偏差，不断优化，使系统始终保持健康状态。

第三点是方案制定与集成能力。这是对业务需求进行调研并转化为系统方案的实际执行步骤，并通盘考虑不同业务类型、不同IT系统之间的集成。下面会谈到智能制造方案中涉及到的不同系统，比如PLM, ERP, MES等，这些系统本身比较复杂，而相互之间有频繁的数据交互。 项目组织中通常有不同的角色，可能有专门的咨询顾问承担需求调研、方案制定等工作，但作为核心人员，了解并能承担这些工作是有意义的。

第四是对技术方案及其应用的熟悉。对图一中所列智能制造框架中，技术方案涉及到数据仓库、商务智能BI、PLM、ERP、MES、PLC、数据感知（传感器）多种系统，这些系统相互集成共同组成一套相对完整的智能制造方案。不管是那一种系统，需要理解系统的主要操作流程及应用模式、熟悉系统架构及部署方式，对各自系统的应用难点最好也有相应研究，比如数据仓库的建立、BI建模、高级计划及排程、设备的数据集成方式等。另外所有的技术方案离不开IT基础设施的支持，对基本的网络架构、数据安全、服务器架设等需要学习和理解。

最后要保持对各类新技术的敏感度，引入合适的新技术支持业务改善。物联网、大数据、云计算、机器人、人工智能AI、增强现实AR、虚拟现实VR、3D打印甚至区块链等多种智能制造时代的新技术层出不穷，有很多已经投入实际应用，在业务运作中发挥着重要作用。自动数据识别极大提高了财务发票匹配的效率，大数据分析在提高设备利用率也显现出效果，机器人在提高效率和良率上有相当的优势，很多的应用也在往云平台上迁移，使IT系统也能轻资产运行。当然对新技术保持敏感度，并不意味着为了应用新技术而应用，要冷静思考工厂是否有合适的业务场景，是否有可信的投资回报，是否能从长远优化业务，优先挑选能带来切实改善的方案。

这里想强调的是虽然上述讨论对智能制造引领部门责任人提出了各种能力需求，但不意味着智能制造的推进是一种个人行为，相反它必须依靠团队的力量，个人很难精通所有的业务和技术领域知识。如图一中所示， 这里将各种知识和技能按照(a)掌握、(b)理解和(c)了解三个层次进行分类，掌握必须掌握的，而需要理解和了解的知识在项目管理和沟通中将发挥重要作用。