制造业升级从精益到智慧的路径

本文约3000字，预计阅读时间6分钟。

来源：贝加莱公司

我们这个时代，充斥着各种概念：智慧制造、精益生产、工业4.0、数字化工厂、工业互联网、大资料、人工智能……然而，这么多的概念却让人们陷入迷茫之中。本文试图为读者进行一个梳理，希冀有所裨益。

1. 智慧制造必须服务于企业经营

无论我们对于智慧制造何种定义与实现方法进行探讨，我们都必须以企业的经营战略为目标。企业的经营旨在 ①为消费者/客户提供质优价廉的产品 ②为股东投资确保回报 ③为员工提供福利。这些，也是企业作为整体的价值之所在。

当下对于智慧制造的讨论多数聚焦于纯技术，标榜智慧制造产线，仅仅以区域性看全域性，而另一方面，为了智慧制造而上系统也是偏离了企业经营之本质，如何厘清经营与智慧制造间的关系，建立有效的路径分析，并逐次有效的实施整体战略，对于企业而言，尤为重要，因为，这关乎企业存亡，而非短期之政策红利。

2. 每个概念所扮演的角色如何？

尽管我们不能把已经实现的称之为概念，但是这里我们以其所对应的领域来进行阐述。

2.1 精益是数字化的根基

精益是一种不断改善经营效率，发挥资源，包括核心的人的能动性力量，持续学习不断改善，让企业不断提升竞争能力，消除浪费就是一种对资源的最大化利用，发挥成本效率的途径，最终去实现经营的利润率最大化。

我们总把计算机、MES/ERP这些理解为数字化系统，但是，其根基是基于“量化管理”的管理科学思想，所谓数字化运营的本质在于运营，而非数字。数字只是一种实现手段而已。

之所以说精益是数字化的根基，在于精益为生产提供了各种量化方法和工具，例如KPI、OEE、TPM、RCA、5S、目视化管理、看板等。这些使得工厂成为了一个可以被量化、视觉化、透明化的物件。一切都服务于经营目标：质量、成本与交付能力。

图1是智慧制造的效能指标列表，它事实上是基于精益的可量化而定义的，这些目标是数字化工厂、工业4.0等所有概念都必须实现的。

图1-智慧制造的效能指标要求

2.2 自动化的角色

传统上，我们仅站在自动化行业的角度理解自动化，就是感测器检测、控制循环、显示、趋势报警，然而，当我们把自动化放在智慧制造大环境下，我们会发现它的角色是服务于运营本质的。

（1）它确保效率：为什么要自动化？

从传统生产运营而言，采用人工搬运、加工的过程显然与机器的速度无法相比，尤其是谈到智慧制造的整合生产，将继续削减中间不必要的环节—精益中所定义的不增值环节。今天很多人讨论离散制造业的数字化。事实上，连续型生产的自动化程度往往更高。

（2）确保生产质量

高精度的伺服定位与同步、机器人整合制造使得产品质量及其一致性不断提高，这些都是机器相较于人而言更为重要的作用。

（3）提供生产灵活性

运动控制不仅提供了高精度的加工质量，而且还确保了生产的柔性，就像在各种机器上，运动控制让生产更为灵活，通过引数设定，伺服系统自己规划加工曲线，确保平滑的工艺切换。

（4）提供上行资料采集与下行指令执行

当然了，自动化系统还扮演了精益的视觉化管理角色，包括趋势、报警，当然也包括生产中的能源、维护、品质资料向管理系统的输送，当然，也接受来自管理系统的指令，如新的订单加工引数、工序等。

图2-关于智慧制造的标准体系架构参考。来源：NIST

不仅要梳理资料的流向，也要明白资料的用途，确保其服务于生产运营。图2是来自NIST的陆燕教授整理的智慧制造标准，包括底层现场总线、资讯模型、设计、制造等环节，以全景形式给了我们参考。

2.3 数字化/资讯化的角色

自动化已经让标准化的大规模生产达到了极高的水平，但是，当生产的个性化需求变得越来越多的时候就产生了新的挑战，从精益角度，质量、成本与交付都成了困难，几个例子来说明：

（1）不良品率：当印刷批次变小时，开机浪费将提高不良品率，使得质量实际上下降；

（2）成本：当不良品率提高，成本显然提高，而个性化生产带来的工艺切换时间也会造成成本上升。从个性化产品成本计量的角度，必须将成本分配在每个批次的产品上，那么这个生产计划中的能耗、机器效率就变得更为重要 - 因为成本可能显著提高了。

（3）交付能力显著下降：工艺切换的时间消耗、当机、返工等在大批量生产已经成熟的解决方案，在个性化时代就会被放大。

从这些角度来观察，就会发现：只有从更大的全域性来优化，才能解决生产管理的痛点。例如：

如何让生产运营过程最大的协同来消除中间的时间、能耗等浪费？当有装置停机产线如何自动分配负载？在批次变小、周期变短时如何保证质量？工艺切换的时间耗费如何降低？….

再回到运营角度来思考，就会发现，智慧制造必须借助于资讯的透明，把资料连线起来，才能全景的观察产线，才能寻找运营的优化。

而制造级的资料采集，由于垂直行业的差异性一直是一个挑战。事实上，这一问题在最近几年的智慧制造专案中比较突出，造成了很大的障碍。这也是为什么OPC UA技术成为了热点，因为OPC UA解决了以下几个问题：

（1）共享资料模型使得资料物件变得简单，较为便利地对资料进行采集；

（2）语义互操作使得跨平台的系统之间，能进行资料基于标准与规范进行互动；

（3）垂直行业资讯模型的整合，更为垂直方向提供了资料便利。

图3-基于OPC UA/MQTT的制造资讯整合

OPC UA提供了通讯与装置层的规范，而资料字典则提供了在管理级的资讯建模规范，在RAMI4.0的参考模型中包括管理壳（AdministrationShell）、资料字典都解决全域性的业务层面的资讯标准与模型。这是一种在水平角度的资讯整合。

2.4 智慧化—全域性优化与决策支援

自动化建立在对单个控制任务的调节，即使多变数系统通常也是在一台机器、一个子系统（如炼化、制药过程）中，而生产的全域性优化要在更高维度，而这个时候，计算能力、模型能力已经超出了目前的机理模型。

图4-从精益到智慧运营的几个层级（来自优也工业大资料傅源-前Mckinsey全球副董事）

图4是笔者与优也工业大资料的傅源女士交流中，她所提供用于阐明从精益运营到智慧化的全过程，该图全景的描绘了从精益到智慧的全域性过程，资料采集、资讯处理、全域性利用直到最终的自主学习能力。

因此，智慧化是建立在精益运营、自动化、资讯化基础上的全域性优化问题，通过更为全面的模型，来响应市场端的需求拉动。工艺设计与辅助制造、供应链、生产制造等环节协同，基于装置状态、生产订单、能源消耗、财务成本等共同构成了“寻优”链条，并给运营提供决策支援。

3. 知识化人才培养-并非题外话

第2节我们探讨的是企业从精益基础走向智慧的过程，我们也必须考虑知识与人才培养的关系，这对于智慧制造同样至关重要。

3.1 知识化-智慧资源的重用

人是最为重要的一个环节，在整个制造过程中，从精益的持续改善、到自动化控制的机器设计、资讯化乃至智慧化的学习等，这些都将依赖于人的智慧传输成为“标准”、“规范”，可重用的，能够让知识成为一种可被系统重复利用，并能自己不断学习升级，用于最终的优化决策。

不仅软件复用，人的知识经验也必须复用，实物的材料和非实物的时间都是资源，而人的智慧、经验也是资源，从价效比的角度来说，人的经验具有巨大的潜力，超越其它种类的资产。

图5-mapp为机器开发提供高效的实现途径

图5显示了贝加莱公司的mapp架构，mapp技术即是基于知识自动化的软件复用、元件技术而开发，将过去数十年在塑料、印刷、光伏等各个细分行业的知识进行了封装，让这些知识可以被重用，以获得最大的资源效用。这让员工无需将大量的聪明才智耗费在重复工作中，可以解放出来做价值更高的工作。

3.2 人才培养与教育是智慧制造的根基

人才培养是智慧制造的关键。对于智慧制造缺乏全域性的认知，其实来源于在教育中缺乏全域性与系统思维的训练。更为全域性的学习方向应该包括自动化专业向IT和机械的延伸、机器人、通讯技术、PLCopen的软件开发思想等。

图6：智慧制造人才知识结构分析与规划

拿运动控制来说：作为智慧制造中执行层面确保质量、效率、柔性的重要一环，在大学的教育与训练却是严重缺乏的。PLCopen Motion 第四部分的协同运动控制本身就是针对智慧制造的协同，更是缺乏基础的训练。

图6是贝加莱学界联盟对于人才培养的规划，包括从全域性推动智慧制造的人才培养，与众多大学、自动化教学指导委员会、教育部持续合作，培养智慧制造工程人才。

毕竟，人是公司最宝贵的资产。