管理視角談智能制造

◆宋華振 / 文

一、智能制造服務(wù)于企業(yè)戰(zhàn)略轉(zhuǎn)型

智能制造是企業(yè)戰(zhàn)略實現(xiàn)的一個環(huán)節(jié)，而企業(yè)戰(zhàn)略則必須服務(wù)于市場。對于智能時代，必須從源頭去理清，即消費者需求的個性化變得更為迫切和顯著，智能制造作為一種應(yīng)對變化的實現(xiàn)環(huán)節(jié)，必須要有響應(yīng)變化的能力，而且企業(yè)自身也要有利可圖。

因此，良好的規(guī)劃——包括市場的發(fā)展趨勢把握、客戶的需求演進、橫向技術(shù)的演進等，必須清晰把握客戶需求和橫向技術(shù)兩個重點。創(chuàng)新首先必須是用戶導(dǎo)向的，橫向技術(shù)變得成熟后，就可以融入到生產(chǎn)制造中，將原有的機械電氣與新的感測、通信、計算技術(shù)融合，共同開發(fā)更具競爭力的裝備。而對于制造型企業(yè)來說，就是要把數(shù)字化設(shè)計、產(chǎn)線運營和維護結(jié)合起來，能夠?qū)崿F(xiàn)更為經(jīng)濟的“個性化”生產(chǎn)——這也是實現(xiàn)“差異化”產(chǎn)品的關(guān)鍵。

雖然變化是無處不在的，但是落地必須是有規(guī)劃、有序的，必須以有序應(yīng)對無序。企業(yè)所處的環(huán)境在任何時候都是變化著的、不確定的，而企業(yè)的運營能力就體現(xiàn)在以有序應(yīng)對無序。規(guī)劃就是對變化的預(yù)測以及確定適應(yīng)的方法與工具來應(yīng)對。

二、智能制造需要跨界人才

圖1 精益中的七大浪費

智能制造是個熱議話題，但人們大多聚焦于“技術(shù)”視角。智能制造需要全局的規(guī)劃，包括規(guī)劃的人才以及人才的規(guī)劃。規(guī)劃型的人才能夠在管理與技術(shù)之間有效協(xié)同。由于大學(xué)的專業(yè)垂直屬性使得大多數(shù)畢業(yè)生缺乏全局規(guī)劃，因此同時掌握管理思維和技術(shù)能力的人才較為缺乏。

精益生產(chǎn)是一種應(yīng)對個性化生產(chǎn)、提高客戶滿意度、縮短面市時間的思想體系，目前我們的企業(yè)在精益生產(chǎn)運營方面還比較弱，在很多時候尚未具備很強的踐行能力。僅精益思想提出消除生產(chǎn)中的七大浪費（圖1），就可以讓企業(yè)的運營效率得到大幅改善。

技術(shù)一定是服務(wù)于生產(chǎn)的。至于智能制造所談到的各種技術(shù)，只是實現(xiàn)精益目標(biāo)的手段。自動化技術(shù)解決生產(chǎn)中的不良品問題，商業(yè)智能可以讓庫存得到更好的優(yōu)化，通過機器人降低搬運的時間消耗。

我們需要跨界人才來整合這些資源，用最小的成本干最大的事，這本身就是人才的力量，而非技術(shù)的力量。因為，技術(shù)要被人有效地利用，而能夠更好利用技術(shù)的人就是智能制造所需的人才。

三、智能制造旨在實現(xiàn)個性化定制的成本效率

智能制造的核心在于應(yīng)對“個性化生產(chǎn)”，旨在讓個性化生產(chǎn)與大規(guī)模生產(chǎn)具有相等或接近的成本效率，品質(zhì)、成本、交付能力一致，這顯然是非常困難的。

為了解決這些問題，需要對生產(chǎn)制造過程進行全局的協(xié)同，通過連接后尋找解耦——就是消除中間的浪費環(huán)節(jié)，讓生產(chǎn)在時間、位置、工藝參數(shù)上獲得最優(yōu)匹配，讓系統(tǒng)具有一定的預(yù)測性、動態(tài)調(diào)節(jié)能力。這就是智能制造的任務(wù)。

要實現(xiàn)這一點，第一步是讓生產(chǎn)系統(tǒng)連接，包括物理的機械連接以及數(shù)字、軟件層面的連接，實現(xiàn)數(shù)字化，只有數(shù)字化才能為后續(xù)的工作奠定基礎(chǔ)。第二步，對生產(chǎn)過程進行數(shù)字孿生映射，通過物理對象與虛擬對象的映射，對生產(chǎn)過程進行虛擬環(huán)境中的測試驗證，并對其物流、時間節(jié)拍、工藝參數(shù)進行匹配，實現(xiàn)虛擬環(huán)境下的最優(yōu)。這是需要機理建模的過程，如果物理對象真的“確定”，可以采用邊緣計算對生產(chǎn)過程進行調(diào)度、優(yōu)化。第三步，通過數(shù)字孿生體反饋來的數(shù)據(jù)，對那些不確定性的過程進行學(xué)習(xí)，通過與質(zhì)量、時間、成本相關(guān)性的分析來優(yōu)化，形成持續(xù)優(yōu)化能力，將生產(chǎn)中的知識變?yōu)榭芍貜?fù)利用的技術(shù)。當(dāng)然，需要人的介入，需要人與機器的協(xié)同。

對于整個智能制造系統(tǒng)，產(chǎn)線設(shè)計與規(guī)劃、制程管理、精益制造的人員必須介入。因為，對于智能系統(tǒng)的技術(shù)人員來說，他們必須了解用戶需求。Know-How不僅是技術(shù)，也包括產(chǎn)品如何設(shè)計規(guī)劃以及生產(chǎn)制程設(shè)計，這些設(shè)計最終要能夠被有效執(zhí)行。生產(chǎn)制造必須與智能技術(shù)形成協(xié)作，才能實現(xiàn)技術(shù)與生產(chǎn)的任務(wù)、目標(biāo)、過程的結(jié)合。因此，未來我們會發(fā)現(xiàn)需要大量可以銜接管理與技術(shù)的人員。

但是必須意識到，在真正實現(xiàn)個性化生產(chǎn)方面，工藝本身的突破才是真正顛覆性的。這也需要一個成熟過程，并且需要傳統(tǒng)制造和新制造的相互彌補。工藝上的變革比較難，因為需要大量的技術(shù)研發(fā)投入，相對來說也更容易產(chǎn)生顛覆性的生產(chǎn)能力。比如數(shù)字印刷技術(shù)，它會取代傳統(tǒng)的印刷版輥，實現(xiàn)個性化生產(chǎn)。當(dāng)然，數(shù)字印刷在生產(chǎn)速度和產(chǎn)品品質(zhì)方面無法與傳統(tǒng)印刷相較，它勝在靈活。3D打印也是一種更為有效的生產(chǎn)方式，增材制造與傳統(tǒng)的減材制造相比顯然更具靈活性，但它有賴于材料和工藝處理的更好發(fā)展。通過印刷方式生產(chǎn)電路板的柔性混合電子同樣是更為高效的生產(chǎn)方式，但它對制造技術(shù)也提出了更高要求。任何新生產(chǎn)方式并不能完全脫離原有的制造技術(shù)，但要求更高效地發(fā)揮這些技術(shù)的作用。新舊技術(shù)之間是連續(xù)的，而非割裂的。

四、制造業(yè)應(yīng)該尋求更為有效的盈利模式

從上市公司中的制造業(yè)企業(yè)的年報來看，盈利能力并不高，因為傳統(tǒng)制造業(yè)的確處在競爭的紅海狀態(tài)。人們應(yīng)該先關(guān)注什么樣的業(yè)務(wù)模式可以更好地盈利，無論是傳統(tǒng)制造還是智能制造，其本質(zhì)都是讓我們在競爭中贏得先機。很多企業(yè)依賴高速的“資金周轉(zhuǎn)率”來盈利，低利潤率并不意味著低的整體利潤?？焖傧M品、日用化妝品、服裝類都是這類盈利模式。但是，在狹義的制造業(yè)中，非消費市場的制造業(yè)（如機器與裝備領(lǐng)域）產(chǎn)品制造周期比較長，如果沒有較高的利潤率保障，資金年化回報就會比較低，相對于重資產(chǎn)來說，資產(chǎn)回報率也會低。這個主要以財務(wù)評價指標(biāo)來看待。那么，盈利能力強的地方在哪里？

1.從產(chǎn)品各環(huán)節(jié)分析

盈利能力高自然來源于稀缺性和人員智力的凝聚，最容易走的路也是最難走的路，這就是辯證法。如果沒有技術(shù)門檻或者行政門檻，大家都可以進入，那就會成為一個純競爭市場。因此，加大技術(shù)投入、筑高壁壘，能夠獲得更高的回報。從產(chǎn)品制造的各環(huán)節(jié)來看，設(shè)計的物理性投入最小，但回報變數(shù)最大——它可能很弱，但也有可能很大；其次是制造環(huán)節(jié)。因此，歐美國家會把設(shè)計、工業(yè)研發(fā)牢牢抓在手中，而把制造部分分包出去；把包括生產(chǎn)工藝在內(nèi)的制程管理抓在手中，而把制造組裝分包出去。分包出去的，都是利潤比較低的環(huán)節(jié)，需要大量的設(shè)備投入、人員投入。

2.從產(chǎn)業(yè)鏈來看——上游筑壩

對一個產(chǎn)業(yè)來說，往往越往上走，越容易把握高利潤環(huán)節(jié)。例如一個產(chǎn)品，末端是生產(chǎn)企業(yè)，上游是制造設(shè)備的廠商，再上游可能就是自動化廠商，再上游就是材料提供商。材料一直屬于高回報領(lǐng)域，不管是3D打印的金屬粉末、柔性混合電子與數(shù)碼印刷的油墨，還是芯片生產(chǎn)中的光刻膠、SiC和GaN的功率器件，原料本身往往處于高壟斷地位，當(dāng)然機器與設(shè)備對這些原料的成型處理的工藝本身也需要大量的測試驗證。這些技術(shù)含量比較高的地方，利潤也比較高。

3.軟的比硬的更值錢

有一家公司做軟件，每次報關(guān)都被要求提交說明，因為幾張光盤就賣好幾百萬。光盤的物理成本可以忽略不計，光盤里面承載的被“卡脖子”的工業(yè)軟件才具有真正的價值。通過大量測試驗證形成的知識，被復(fù)用為各種軟件，這些都是高附加值的。其實，管理也是一樣的。好的管理會帶來效率，而差的管理會帶來災(zāi)難。好的人才會讓企業(yè)擁有更好的產(chǎn)品與技術(shù)，而磨洋工的員工只會增加成本。中國的工業(yè)軟件之所以沒有發(fā)展好，對于軟件不重視只是一方面，另一方面對知識產(chǎn)權(quán)保護不嚴(yán)格，太容易被復(fù)制而法律追溯又耗時費力，使得很多企業(yè)不愿意投入研發(fā)。

五、提升成本效率是制造的永恒話題

無論是傳統(tǒng)制造還是智能制造企業(yè)，必須以成本效率為生產(chǎn)運營的追求目標(biāo)。傳統(tǒng)的精益運營打下了良好的基礎(chǔ)。智能制造業(yè)仍然是制造，它的挑戰(zhàn)在于“個性化”，即如何在個性化生產(chǎn)時代實現(xiàn)低成本、高效率的問題。對于傳統(tǒng)標(biāo)準(zhǔn)化、大批量生產(chǎn)來說，開機成本較低，浪費可以承受，但是小批量則完全是另外一種情況。智能制造要解決的是“小批量、多品種”生產(chǎn)下的成本效率問題，包括很多實現(xiàn)方法：通過設(shè)備互聯(lián)，削減中間環(huán)節(jié)，提高速度；通過CPS架構(gòu)設(shè)計，讓數(shù)字孿生在早期驗證、采用虛擬方式打樣；更快的工藝換型，降低時間的消耗，提高產(chǎn)出；采用新的產(chǎn)線規(guī)劃方法、調(diào)度，讓效率提高；動態(tài)的質(zhì)量預(yù)測，降低質(zhì)量的不確定性；采用智能，形成更好的質(zhì)量、路徑規(guī)劃等以提升效率。智能制造與傳統(tǒng)大規(guī)模生產(chǎn)的成本效率訴求是一致的，仍然可以基于原有的生產(chǎn)目標(biāo)設(shè)定，但是要通過質(zhì)量、成本、交付，包括機械、電氣、工藝的各種升級來實現(xiàn)。

六、提高知識的使用效率推進智能制造

生產(chǎn)系統(tǒng)運行邏輯始終是：一旦發(fā)生問題，人根據(jù)經(jīng)驗分析問題、根據(jù)經(jīng)驗調(diào)整以解決問題，然后進一步積累經(jīng)驗。依據(jù)人的經(jīng)驗，這當(dāng)然也是一種智能方法，但這種方法具有“不可復(fù)制性”，受到個體的因素制約。因為它存在“對人的依賴”、“不易復(fù)制”、“難以自動化實現(xiàn)”的特點。機器智能就是將人的智能轉(zhuǎn)換為可被復(fù)制的“智能”，因為機器智能具有高一致性、穩(wěn)定性。實現(xiàn)人的智能方法有演繹和歸納?；谀Ｐ途褪菍ξ锢韺ο蟮臋C械、電氣、光學(xué)、電磁、熱、流體等進行建模并形成穩(wěn)定的算法，對輸入進行推理，得出穩(wěn)定的控制輸出，并周期性執(zhí)行。這是所有自動化技術(shù)的基本原理，不僅成本低而且非常成熟。另一類智能實現(xiàn)是“歸納法”，基于數(shù)據(jù)的收集形成“模型”，即所謂的“數(shù)據(jù)驅(qū)動的建?！?。但這類建模適合于“非線性系統(tǒng)”，因為它沒有直觀的可解釋、確定性的模型，只能依賴大量數(shù)據(jù)來“訓(xùn)練”模型。這便是產(chǎn)業(yè)里常說的機理建模（Physics Modeling）、數(shù)據(jù)驅(qū)動的建模(Data-Driven Modeling)。相對來說，機理建模的歷史更悠久、更成熟，也更穩(wěn)定，經(jīng)濟性更高。當(dāng)機理模型發(fā)揮到極致時，人們會尋求數(shù)據(jù)建模方法，以期獲得更為有效的模型改善生產(chǎn)。

必須說明的是，機理建模非常好。如果能夠有物理建模，那么一定是既經(jīng)濟且可解釋性、確定性最好的。今天的人們聚焦在“數(shù)據(jù)驅(qū)動建?！钡娜斯ぶ悄芊较?，其實是一種“捷徑”思想，就像在傳統(tǒng)的燃油發(fā)動機領(lǐng)域，中國經(jīng)過這么多年發(fā)展也沒有更好的發(fā)動機材料、設(shè)計、制造等方面的能力，希望通過“電動汽車”換條路走走的想法。其實，無論是燃油汽車還是電動汽車，汽車本身的空氣動力學(xué)儲備和精益運營方面的管理能力，仍然是要有的。

七、AI人才在智能制造中更具優(yōu)勢

AI的應(yīng)用必須是計算技術(shù)結(jié)合物理對象、行業(yè)經(jīng)驗的。如果沒有行業(yè)經(jīng)驗、對物理對象的了解，你就不知道你要干什么。

AI在商業(yè)領(lǐng)域主要處理圖像、語音、視頻等數(shù)據(jù)。這類數(shù)據(jù)維度高，更適合AI來干。但是工業(yè)數(shù)據(jù)具有低維度特征，而且數(shù)據(jù)類型包括溫度、壓力、液位、流量、開關(guān)量、速度、扭矩、視覺、脈沖等參數(shù)。同時，工業(yè)的應(yīng)用有“周期性”要求，數(shù)據(jù)處理和傳輸方法不同，必須是實時網(wǎng)絡(luò)。所以，要在系統(tǒng)中構(gòu)建適用于工業(yè)的知識、算法、模型，必須有工業(yè)背景知識的人才配合，而AI只是工具。作為AI產(chǎn)業(yè)來說，進入工業(yè)中往往會陷入泥潭。他們的優(yōu)勢在于工具與平臺的能力，但如果陷入到具體的應(yīng)用中則很難從經(jīng)濟性上支撐其快速發(fā)展。因此，具有可復(fù)制性、易于學(xué)習(xí)、易于使用的工具設(shè)計，利用在軟件工程、用戶體驗方面的能力，可能是最好的選擇。