台湾制造业向智能制造转型的挑战

面对快速迭代的新技术，企业如何在市场上站稳脚跟而不被淘汰，投入，凝聚智慧，创造新的未来?IBM台湾总经理表示，几个月前，IBM邀请了全球100家领先公司的首席执行官，讨论投注重点的未来发展。她建议企业不要盲目追随新技术，要重新审视自己的核心竞争力，然后再决定用哪些技术来发展智能制造。两年前，该公司引入了工业4.0，开始了智能制造，并开始从生产线上的单一应用(如机械臂或计算机视觉检测)中取得成果。然而，很难复制到其他生产线和场景。

台湾企业发展智能制造面临的四大挑战

IBM全球企业咨询服务集团台湾合伙人表示:“全球智能制造的困境是，近70%的智能制造难以快速推广和规模化。”缺乏纵向整合和横向扩张，使得难以产生具体的经济效益，使得智能制造遇到了瓶颈，并进一步指出，在台湾发展智能制造的过程中，制造业普遍面临以下四大挑战:

• 挑战1:自动化不应该是旧工厂系统的唯一积极解决方案。
  制造业有很多布局自动化，希望取代人力，提高产品的良率，掀起一股无人工厂、熄灯工厂的浪潮。“智能制造需要一个完整的垂直领域才能产生一定的经济规模和垂直效率，这将是转型成功的关键!”如果仅仅发展自动化，它是不与供应链、生产计划、物料计划等流程进行结构化和场景集成的，如设备升级、创建数据接口等，将面临自动化资本支出是否满足投资回报的问题。李立人建议，针对企业现状和要开拓的市场，画出未来的整体结构和新技术的融合。
• 挑战2:人工智能的经济规模和效益
  智能制造已经发展出成熟的单一场景，比如机器视觉用于良率提升、缺陷检测、预测性维护等，但为什么仍然不能提高公司良率、节省人力呢?这是因为单点成果还没有形成经济规模，可以复制到其他生产线，或者缺乏高经济效益的应用和组合。李立人建议，企业用投资回报率和企业KPI来指导价值验证和结构整合，加快实施。
• 挑战3:人才的负担和庞大的旧系统。
  智能制造要发展垂直集成，将面临it架构和80%以上的应用系统都是旧系统的问题。除了IT预算放在维护机器系统上，甚至内部人才技能也集中在旧系统上。要用好生态伙伴，快速执行，快速扩张。一旦进入数字化转型和智能制造的发展阶段，就有必要为内部人才培养新的技能。如果集团经济规模足够大，可以投资组建新的集成商角色明确的项目团队，利用新聘人才进行快速验证、部署、推广，快速实现场景应用。如果董总能采取主动，他就能加速收益。
• 挑战4:垂直整合和水平扩散。
  企业在发展智能制造时，往往从项目试验开始，将应用场景分割得非常碎片化，初期的投入和成果成为后续发展的负担。此外，如果没有未来的整合结构，很难快速扩散到不同的生产线或集团部门。企业应建立清晰完整的执行蓝图和时间表，执行计划应以三年为时间，每年规划执行预算。

从日本工业机器人制造商和中国重型机械集团的经验，一窥智能制造成功的关键。

日本一家工业机器人制造商想要开发一种新的商业模式，决定投资智能制造，建设智能工厂和机器人自动化，迅速向市场扩张。这家日本工业机器人制造商将强大的OT (Operational Technology)整合到IT中，做出完整的垂直整合结构，快速走出单一工厂，快速扩张。为了建设数字化工厂，中国重型机械集团规划了一个四步走的总体蓝图。

• 第一步是做一个现状评估，完成现有企业资源的盘点，分析数字化工厂的结构。
• 第二步是业务改进和需求分析，提出管理改进建议和目标，确定数字化工厂的关键系统支撑点和需求，确定企业的数字化工厂业务模式。
• 第三步是整体数字工厂规划架构，包括完整的数字工厂规划蓝图、战略目标，建立与业务相匹配的数字工厂应用架构，以及相关的基础技术和系统。
• 第四步是数字化工厂，确定要实现的项目，并列出详细的实施方案，围绕目标进行三年滚动和一年调整，并建立完善的数字化工厂管理体系，创建系统监督体系，以系统保证成功。

5C成熟度模型，回顾企业智能制造过程

那么，制造业如何检验企业智能制造流程的深度和广度呢?IBM针对智能制造推出了“5C成熟度模型”，根据成熟度分为五个阶段:

第一步:设备连接(Connect):利用物联网和机器联网实现设备与设备之间的连接和协作。如果旧设备不够智能，无法收集数据，就很难开发AI和应用场景。

第二步:数据转换(Convert):结合AI大数据平台和边缘计算，在设备端开发智能AI应用场景。例如，AI视觉检测，AI预测维护。

步骤3:预测模拟(Cyber):向数字工厂引入数字双胞胎(digital Twin)。可视化生产现场，并动态模拟调度，甚至实现学习引擎订单和生产线的动态调度。

第四步:智能工厂(认知):构建人工智能学习平台，使工厂能够自我诊断、自我修复、自动调度，加速模型验证和部署。

第五步:动态定制(配置):通过B2B混合云平台，区块链，动态定制，实现小品种短交付时间，实现软件定义价值链平台。

随着场景应用的日趋成熟，企业投资智能制造面临四大挑战。最大的瓶颈是垂直和跨产品线、跨部门的整合。IBM建议企业规划整体蓝图，并在每个阶段匹配合适的合作伙伴。