构建智能制造体系

制造企业不一定有自己的研发部门，但是都有自己的工厂，这个步骤适合所有的制造型企业。这一步的目标是把制造流程标准化、数字化、智能化。

1.第一步：MES系统的规划和实施

MES系统要管理制造现场的人、设备、工具工装、物料（在制品）、订单、质量、工艺等流程要素。以这个标准评价，目前成功系统实施MES的企业并不多，多数已经实施MES的企业只是上线了MES中的几个功能，一部分原因是MES系统本身功能不完整，另一个原因是企业管理的基础不够，致使一些生产要素的管控不能做到标准化和数据化。

MES系统中会涉及各个专业领域大量的业务知识，所有业务规则的管控都是基于这些知识。一个理想的MES系统是可以让管控现场的这些专业知识转变而来的业务规则，可以直达现场，并使软件和现场的硬件配合做到知识自动化控制。例如，依据物料和工艺对设备参数进行自动调整，物料工具设备与订单自动匹配并实现自动防错。

2.第二步：APS（高级计划排程）系统的实施

对于流程制造业来说，生产计划主要是供应链的优化；对于离散制造业来说，生产计划涉及大量的变量和限制因素，需要科学地计划排程才能实现设备、物料、人、工具、制造资源按照工艺的限制和交付的要求，高效率地生产。对于基于大量数据和业务规则的优化问题，内涵大数据和数学模型软件的应用对企业来说有着重要的意义。

APS系统的实施需要和ERP、PDM、MES系统进行深度的集成，要保证数据源的准确及时和全面，才能够输出高质量、可执行的生产计划排程。尤其在大规模定制的业务模式中，用系统自动排产是必不可少的核心系统。用人来做单件批量每天数百订单、数十个工序的海量信息的计划排程是一件不可能高质量完成的任务。

自动化高级计划排程系统的实施，需要企业对各个资源的管理标准化、数据化、并且能够通过MES系统采集实时的状态信息。基于这些准确的信息，计划排程系统运用自己强大的优化能力，确保生产高效率、短交期、低库存、高准时的运营。

3.第三步：构架工厂物联网

让设备、物料、产品、工具以及人能够实时互联是智能工厂的基石。运用条码、二维码、RFID等技术，对每个物料、设备、工具和人准确识别，是把管理精细度和准确度落到每个物料、每个设备、每个人、每个工具、每个作业、每个订单的前提条件。如果每个订单的物料在RFID或二维码上给出每道工序的顺序，以及每道工序的作业参数，那么这样的智能产品（物料）就可以“指挥”物流系统和生产系统，对自己进行加工和组装。这就实现了分布式控制。

构建物联网的技术越来越成熟，传感器、物联网软件平台越来越便宜，标准化越来越强，实现物联工厂的门槛越来越低。我们不要用过去的视角看今天的解决方案，要用未来的视角看今天的解决方案。物联网解决方案的提供商，也处于技术日新月异的变革中，他们的方案和技术也在推陈出新。总之，企业可以用越来越低的成本建设物联工厂。

4.第四步：设备智能化

智能化设备的重要性在前几章已经做了详细的论述，在此不再重复。现在的问题是我们不能把原来工厂中不是智能化的、不是自动化的设备处理掉，不能把原来的工厂推倒重建新的智能工厂吧？这样的发问非常接地气。在这个升级的过程中，我们确实不能把所有的工厂都推倒重建。红领服饰的实践给出了一个很好的解决办法。在多数工位上依然是人在操作老套的缝纫机，红领在每个工位安装了一个小电脑，每套西服半成品带有一个RFID卡，内嵌订单在每个工位的工艺信息，转移到这个工位时，通过RFID的读写器刷卡，电脑上就会显示这个订单在这个工位的加工工艺要求，工人按着要求进行作业。人、电脑与产品联网，实现互联生产的智能化作业控制。在德国企业的实践也给出了一个解决思路，他们会在设备上加装传感器，或对原有的设备的控制系统进行升级改造，实现传统的设备的智能化互联化升级。

无论是设备智能化升级改造，还是设备更新，设备的互联必须依据标准协议。这样才能低成本实现设备和设备的互联，使CRM、ERP、PLM、MES等系统的管控可以直达现场。

5.第五步：虚拟物理系统和知识自动化

在前四步完成后或实施过程中，企业就可以对工厂进行物理和业务建模。同时把各个学科的专业知识内嵌在模型当中，从而实现知识自动化。

这个过程中就要采用CAM、CAE等工具软件对设备、工艺、工具、材料以及人员建模，从而实现制造技术知识的自动化。

通过订单的BOM和精益供应链管理的知识对业务建模，进而支持生产排产、生产执行和供应链管控的自动化。

对质量标准建模，并把质量管控的知识内嵌到质量管控系统中，依据物联网和MES系统的实时质量数据实现质量管控的知识自动化。

在构建虚拟物理系统和知识自动化时，需要海量的数据存储、计算能力以及大数据技术。越来越便宜、便捷和强大的云存储、云计算和云服务是一个最佳的解决方案。此外我们还可以凭借强大的云计算能力来实施大数据技术、深度学习的技术，来挖掘和深化企业的知识资产，快速累积企业知识资产的竞争力。