6. 智能工厂（Smart Factory）：

一个工厂通常由多个车间组成，大型企业有多个工厂。前文已经提到了智能工厂与数字化工厂的区别，一个普遍的共识是，仅仅有自动化生产线和一大堆机器人，并不是智能工厂。作为智能工厂，不仅生产过程应实现自动化、透明化、可视化、精益化，同时，产品检测、质量检验和分析、生产物流也应当与生产过程实现闭环集成。一个工厂的多个车间之间要实现信息共享、准时配送、协同作业。一些离散制造企业也建立了类似流程制造企业那样的生产指挥中心，对整个工厂进行指挥和调度，及时发现和解决突发问题，这也是智能工厂的重要标志。智能工厂必须依赖无缝集成的信息系统支撑，主要包括PLM、ERP、CRM、SCM和MES五大核心系统。大型企业的智能工厂需要应用ERP系统制定多个车间的生产计划（Production planning），并由MES系统根据各个车间的生产计划进行详细排产(production scheduling)，MES排产的粒度是天、小时，甚至分钟。MES是一个企业级的实时信息系统，MES的选型绝不允许各个车间或分厂各自为政。

三星开展了移动工厂（Mobile plant）的实践，工人可以通过智能手机查询工单，可以开视频会议，维修人员碰到疑难问题，可以通过手机视频寻求专家解答，还给智能手机配备了RFID和条码扫描的接口，这也是一个智能工厂的创新实践。还有一些企业实现了刀具管理的智能化，通过在刀柄上植入RFID芯片，对刀具的全生命周期进行管理，从而提高刀具的使用寿命。智能工厂还应当重视利用智能的检测仪器，检测结果直接进入信息系统，无需人工干预。而展望未来，AR（Augmented Reality，增强现实）技术也将在智能工厂大显身手。工人带上AR眼镜，就可以“看到”需要操作的工作位置，例如，需要拧紧螺栓的地方，拧紧力矩OK，也会有相应提示，从而提高作业人员的工作效率。

最近，美国GE公司宣布将工业互联网平台Predix开放。我理解，Predix实际上就是智能工厂的一个集成化的开发平台，GE力图抢占“工业操作系统”的阵地，成为智能工厂领域的“微软”。而思科公司提出万物互联（Internet of Everything,IOE）理念、技术和解决方案，也可以支撑智能服务和智能工厂。

7、智能研发（Smart R&D）：

离散制造企业在产品研发方面，已经应用了CAD/CAM/CAE/CAPP/EDA等工具软件和PDM/PLM系统，但是e-works在为制造企业提供咨询服务的过程中发现，很多企业应用这些软件的水平并不高。比如，很多企业还处于二维CAD和三维CAD软件混用的阶段，存档依然是二维，没有实现全三维设计（MBD，基于模型的产品定义）；应用仿真技术仍然处于事后验证，没有实现仿真驱动设计；虽然应用了PDM系统，但还没有建立企业内部的通用件库，重用率不高；对工程/制造/服务BOM的管理还不到位等等。企业要开发智能产品，需要机电软多学科的协同配合；要缩短产品研发周期，需要深入应用仿真技术，建立虚拟数字化样机，实现多学科仿真，通过仿真减少实物试验；需要贯彻标准化、系列化、模块化的思想，以支持大批量客户定制或产品个性化定制；需要将仿真技术与试验管理结合起来，以提高仿真结果的置信度。流程制造企业已开始应用PLM系统实现工艺管理和配方管理，LIMS（实验室信息管理系统）系统比较广泛。

目前，在产品研发方面，已经出现了一些智能化的软件系统，成为智能研发的具体体现。例如Geometric的DFM PRO软件可以自动判断三维模型的工艺特征是否可制造、可装配、可拆卸；CAD Doctor软件可以自动分析三维模型中存在的问题；基于互联网与客户、供应商和合作伙伴协同设计，也是智能研发的创新形式；Altair的拓扑优化技术可以在满足产品功能的前提下，减轻结构的重量；系统仿真技术可以在概念设计阶段，分析与优化产品性能，这方面达索系统、西门子(LMS)已有成熟的技术，天喻软件也开发出系统仿真的平台，并在中国商飞得到应用；PLM向前延伸到需求管理，向后拓展到工艺管理，例如，西门子的Teamcenter Manufacturing系统将工艺结构化，可以更好地实现典型工艺的重用；开目软件推出的基于三维的装配CAPP、机加工CAPP，以及参数化CAPP也具有了一定智能，华天软件、湃睿软件也有类似产品；此外，索为高科和金航数码合作，开发了面向飞机机翼、起落架等大部件的快速设计系统，也是一种智能研发的软件，可以大大提高产品设计效率。

汽车整车企业和设计公司广泛应用Cave技术，利用虚拟现实技术辅助产品研发，也是一个智能研发技术。全球PLM领导厂商之一，达索系统公司提出了三维体验（3D Experience）的理念，在VR和AR方面提供了解决方案。仿真巨头ANSYS在多学科仿真技术方面已有很大突破，而仿真领域的先驱MSC.Software2014年发布了APEX，将CAD和CAE实现了融合，易学易用性得到极大提升。安世亚太最近提出工业再设计的理念，将仿真技术与精密制造紧密结合，可以将以为需要多个零件分散制造融合为一个复杂零件，从而提升了零件的工艺性能，降低了零件的重量。

8、智能管理（Smart Management）：

一谈到管理，大家都会想到ERP（企业资源计划）系统。记得在2003年，国内就曾经出现过ERP过时的说法，事实上时至今日，ERP仍然是制造企业实现现代化管理的基石。以销定产是ERP最基本的思想，MRP（物料需求计划）是ERP的核心。制造企业核心的运营管理系统还包括人力资产管理系统（HCM）、客户关系管理系统（CRM）、企业资产管理系统（EAM）、能源管理系统（EMS）、供应商关系管理系统（SRM）、企业门户（EP）、业务流程管理系统（BPM）等，国内企业也把办公自动化（OA）作为一个核心信息系统。为了统一管理企业的核心主数据，近年来主数据管理（MDM）也在大型企业开始部署应用。实现智能管理和智能决策，最重要的条件是基础数据准确和主要信息系统无缝集成。

智能管理主要体现在与移动应用、云计算和电子商务的结合。例如，移动版的CRM系统可以自动根据位置服务确定销售人员是否按计划拜访了特定客户；许多消费品制造企业实现了全渠道营销，实现了多个网店系统与ERP系统的无缝集成，从而实现自动派单。此外，主流电梯制造企业纷纷研发了销售配置器软件系统，可以让销售人员根据客户的需求灵活地进行产品配置，快速进行报价，美国主流管理软件Epicor也包含了配置器功能。戴尔公司是基于互联网实现在线选配的先驱，宝马汽车也提供了在线选配的功能，海尔也开始了这方面的实践。业务流程管理（BPM）软件可以实现对业务流程进行建模，实现业务流程的可视化、模拟与优化，这也是一个典型的智能管理应用。

到目前为止，SAAS（软件即服务）模式的软件应用最成功的领域是CRM，Salesforce无疑是领导者，国内的Xtools和八百客也发展得不错，而最近国内的纷享销客、销售易更是风生水起，拿到多轮投资。阿里叮叮、微信企业号等也迅速发展了很多用户。此外，人力资源领域也是社交网络和云模式的重要领域，继美国的Linkedin（领英）之后，我国的陌陌、拉勾网等社交平台也已开始提供人力资源招聘服务，我国制造企业已经开始应用基于公有云的人力资源招聘、绩效和人才管理系统。例如广东生益科技就应用了SAP的Successfactors软件，完全基于公有云。

9、智能物流与供应链（Smart logistics and SCM）：

制造企业内部的采购、生产、销售流程都伴随着物料的流动，因此，越来越多的制造企业在重视生产自动化的同时，也越来越重视物流自动化，自动化立体仓库、无人引导小车（AGV）、智能吊挂系统得到了广泛的应用；而在制造企业和物流企业的物流中心，智能分拣系统、堆垛机器人、自动辊道系统的应用日趋普及。WMS（Warehouse Management System，仓储管理系统）和TMS（Transport Management System，运输管理系统）也受到制造企业和物流企业的普遍关注。其中，TMS系统涉及到GPS定位和GIS的集成，可以实现供应商、客户和物流企业三方的信息共享。上海科箭2015年推出运输云服务，迅速得到企业的接受。

实现智能物流与供应链的关键技术包括自动识别技术，例如RFID或条码、GIS/GPS定位、电子商务、EDI（电子数据交换），以及供应链协同计划与优化技术。其中，EDI技术是企业间信息集成（B2B Integration）的必备手段，然而我国企业对EDI的重视程度非常不够。EDI技术最重要的价值，就是可以实现供应链上下游企业之间，通过信息系统之间的通讯，实现整个交易过程无需人工干预、而且不可抵赖。历经多年发展，主流的EDI技术已经是基于互联网来传输数据，而我国很大大型企业建立的供应商门户，实际上只是一种Web EDI，不能够与供应商的信息系统集成，供应商只能手工查询。德国Seeburger公司的B2B Integration平台支持各种EDI标准，为欧洲最大的第三方供应链平台SupplyOn提供了基础平台，2015年秋季e-works的第三届德国工业4.0考察团曾前往Seeburger公司总部考察。供应链协同计划与优化是智能供应链最核心的技术，可以实现供应链同步化，真正消除供应链的牛鞭效应，帮助企业及时应对市场波动。JDA公司是该领域的领导厂商，IBM也有优秀的解决方案。三星已实现了供应链同步化。

10.智能决策（Smart Decision Making）：

企业在运营过程中，产生了大量的数据。一方面是来自各个业务部门和业务系统产生的核心业务数据，比如与合同、回款、费用、库存、现金、产品、客户、投资、设备、产量、交货期等数据，这些数据一般是结构化的数据，可以进行多维度的分析和预测，这就是BI（Business Intelligence，业务智能）技术的范畴，也被称为管理驾驶舱或决策支持系统。同时，企业可以应用这些数据提炼出企业的KPI，并与预设的目标进行对比，同时，对KPI进行层层分解，来对干部和员工进行考核，这就是EPM（Enterprise Performance Management,企业绩效管理）的范畴。从技术角度来看，内存计算是BI的重要支撑。SAP HANA和QlikView软件在这方面已经先行一步。BI软件的另一个趋势是移动BI，支持在智能手机和PAD上进行分析和应用，而要提升移动BI的应用效果，基于云服务无疑是必由之路。

而今，企业在运营当中，已经产生了诸多的大数据，包括生产现场采集的实时生产数据，设备运行的大数据，质量的大数据，产品运营的大数据，电子商务带来的营销大数据，来自社交网络的与公司有关的大数据等，这些大数据统称为工业大数据（Industrial Big Data），对这些工业大数据的分析，需要引入新的分析工具。因为大数据具有4V的特点，即体量大（Volume）、价值密度低（Value）、种类多(Variety)和速度快（Velocity）。目前，IBM、SAP、ORACLE、微软等国际大公司在大数据分析工具方面激战正酣，而IBM推出的认知计算（Cognitive Computing）代表了智能决策的前沿方向。

对于制造企业而言，要实现智能决策，首先必须将业务层的信息系统用好，实现信息集成，确保基础数据的准确，这样才能使信息系统产生的数据真实可信。在此基础上应用BI软件进行分析。近年来，BI也有一些新的发展，一个比较重要的创新是美国Infor公司推出的In-Context BI，意思是根据某个用户当前工作的场景，自动展现与当前业务相关的分析图表。而对于工业大数据，企业首先要采集这些大数据，才谈得上分析。据了解，长安汽车曾经做过一个有趣的分析，通过与阿里合作，根据其客户在淘宝的购买行为特点，来优化产品定位。三一重工则借助大数据和物联网技术,将工程机械通过机载控制器、传感器和无线通讯模块进行实时采集，通过对大数据进行多维度分析和预测，使“挖掘机”指数成为我国经济运行的晴雨表。

本文提出十项智能技术，不是想定义更多的名词，而是希望便于制造企业理解和应用智能制造技术，根据自身的产品特点和生产模式，制定智能制造应用的规划与蓝图。一个优秀的制造企业，并不需要成为“十项全能”的冠军，实际上只有其中某几个方面做得很出色，就将成为一个具有差异化竞争优势的企业。同时，任何技术都只是使能工具，企业最终要在市场上成功，根本的原因在于能够发现和满足客户不断升级的需求，能够找寻到一片属于自己的蓝海。

在智能制造的大潮之下，信息化与自动化厂商的界限变得越来越模糊。很多国内外主流厂商致力于不断完善自身的智能制造整体解决方案。因此，国际市场上每年都有诸多并购。最近，西门子以将近10亿美金并购了流体仿真厂商CD-ADAPCO，以提供更加完整的CAE解决方案；达索系统并购MES厂商Apriso，供应链计划与优化软件Quntiq，从而可以实现工业4.0理念中的三个集成；几年前施耐德电气对Wonderware母公司Invensys的并购也体现出自动化与信息化融合的趋势。国内的CAXA、艾克斯特等主流PLM厂商也已将智能制造作为核心发展方向。

智能制造技术的内涵非常深远，实际上，云计算、大数据分析、电子商务、移动应用、物联网和企业社交网络、工业互联网（或产业互联网）等技术都属于智能制造的支撑技术或实现手段，可以说智能制造本身已经蕴含了互联网+制造业。同时，推进智能制造应当符合绿色制造的理念，实现绿色设计、绿色工艺、绿色包装，减少三废排放，建立环保节能的绿色工厂和绿色园区。实现智能制造的核心依然是数据和集成，基础数据要准确，信息系统之间，信息系统与自动化系统之间要实现深度集成。在智能制造的框架下，原有的制造业信息系统并没有过时，而是实现了升华。制造业信息化专家宁振波和赵敏老师提出了智能制造的二十字箴言：状态感知、实时分析、自主决策、精准执行、学习提升，揭示了智能制造技术的发展方向。

最后强调，智能制造，现状是Smart Manufacturing，而未来是Intelligent Manufacturing。