近几年来，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。

　　企业推进智能制造领域的相关技术十分缺乏经验，欠缺可以借鉴的成功案例。目前，制造企业已经存在三种类型的孤岛：信息孤岛、自动化孤岛，以及信息系统与自动化系统之间的孤岛。企业目前也缺乏统一的部门来系统规划和推进智能制造。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。

　　推进智能制造，前景很美好。但是绝大多数制造企业利润率很低，缺乏自主资金投入。在“专项”、“示范”以及“机器换人”等政策刺激下，一些国有企业和大型民营企业争取到各级政府给予的资金扶持，而中小企业只能“隔岸观火”，自力更生。然而，为了争取政府项目，方案必须做得漂亮，档次必须高大上，投入必须上亿。

　　大屏幕指挥中心是必须有的，大量采用机器人的自动化生产线是必须建的，立体仓库、AGV也是可以有的，MES更是必不可少的，国产系统是必须用的。至于究竟能否取得实效，就只有企业“冷暖自知”了。

　　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，国外的优秀企业早就实现了无人工厂，例如日本FANUC全自动装配伺服电机，40秒一个，但其前提是产品的标准化、系列化，以及面向自动化装配的设计，例如将需要用线缆进行插装的结构改为插座式的结构。

　　e-works两次组团参观三菱电机的名古屋制作所可儿工厂，他们非常明确，对于大批量生产的产品，大量应用机械手，实现高度自动化；对于中小批量的产品，推进低成本自动化，即部分工位的自动化；而对于单件定制的产品，采取手工装配。

　　去年，e-works考察团参观施耐德电气的法国诺曼底工厂，他们非常客观地介绍，该工厂是生产继电器的自动化工厂，但还不是智能工厂，邀请我们来年再去，实际上该工厂实现了从绕线、装配、包装等全流程的自动化，而且可以在一条产线生产多种变型产品。

　　西门子一直将被广泛誉为工业4.0典范的安贝格电子工厂称为数字化工厂，其特点是人机协作的柔性自动化生产、智能物流、工业软件广泛应用、海量的数据采集以及大数据分析。

　　一个真正的智能工厂，应该是精益、柔性、绿色、节能和数据驱动，能够适应多品种小批量生产模式的工厂。智能工厂不是无人工厂，却是少人化和人机协作的工厂，推进智能工厂绝不是简单地实现机器换人。南京的爱立信工厂有一条装配线，一开始设置的自动化率是90%，后来发现调整为70%，增加若干人工工位，整体质量和效率反而是最优的。此外，对于装备制造行业，机加工等工序并不适合建立自动化生产线，而建立FMS(柔性制造系统)，则是更现实的选择。MAZAK、FANUC的机加工车间应用FMS已达到720小时无人值守，自动生产不同的机械零件。

　　制造企业的企业家，尤其是中小型民营企业的老板，非常关心投资回报。我多次听到一些企业家提出，必须能够在三到四年能够收回投资的信息化、自动化系统才投入，甚至有期望值更高的，希望能够找到“下金蛋的鸡”。然而，有些账容易算，比如某条产线减少了多少工人。有些账却不那么容易算，例如工业软件的应用涉及到如何满足企业不断变化的个性化需求。

　　作为一个使能要素，企业离不开工业软件，却难以计算出它究竟为企业直接或间接节省了多少成本，赚了多少钱。如果选型、实施和应用不到位，更是常常用不起来，业务部门牢骚满腹。长此以往，制造企业更加重硬轻软，最后停留在小打小闹地做一点局部的自动化改善。

　　企业要真正实现智能制造，必须进行生产、质量、设备状态和能耗等数据的自动采集，实现生产设备(机床、机器人)、检测设备、物流设备(AGV、立库、*车等)，以及移动终端的联网，没有这个基础，智能制造就是无源之水。

　　但是，我常常看到很多制造企业还停留在单机自动化阶段，甚至一些知名企业的生产线也未联网。没有基础的设备联网，何谈工业互联网？！

　　无论是推进企业信息化、两化融合，还是进一步实现数字化转型，推进智能制造，基础数据的规范性和准确性都是必要条件。很多企业在实施ERP，或者ERP升级换型的过程中，花费时间最多的就是基础数据的整理。企业管理的规范性、业务流程的清晰，也是企业推进智能制造的“敲门砖”。但现实的情况是，一些企业的基础数据还没有理顺，却在大谈“工业大数据”。这种舍本逐末的做法，注定是难以取得实效的。