台湾制造业向智慧制造转型的挑战

面对快速迭代的新技术，企业如何在市场中站稳脚跟而不被淘汰，投资，巩固智慧，创造新的未来?台湾IBM总经理说，几个月前，IBM邀请了全球100家领先公司的首席执行官，讨论投注焦点的未来发展。她建议企业不要盲目追随新技术，重新审视自己的核心竞争力，然后决定使用哪些技术来发展智能制造。两年前，该公司推出了工业4.0，开始智能制造，并开始从生产线上的单个应用中获得结果，例如机械臂或计算机视觉检测。然而，人们发现很难复制到其他生产线和场景。

台湾企业发展智能制造的四大挑战

IBM全球企业咨询服务集团在台湾的一位合作伙伴表示:“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，提高产品产量，掀起一波无人工厂和轻型工厂。“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!”如果只开发自动化，则没有将其与供应链、生产计划、物料计划和其他流程集成(如设备升级、创建数据接口等)结构化和场景化，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，针对企业和待发展市场的现状，绘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，但为什么还是不能提高公司良率、节省人力呢?这是因为单点成果尚未形成经济规模，无法复制到其他生产线，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来引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一体化，将面临it架构问题，80%以上的应用系统是旧系统的问题。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训新技能。如果集团的经济规模足够大，可以投资组建一个新的项目团队，明确集成商的角色，利用新聘的人才进行快速验证、部署、推广，从而快速实现场景应用。如果董总是设法采取主动，他可以加快效益。
• 挑战四:纵向整合和横向扩散。
  企业在发展智能制造时，往往从项目试验开始，将应用场景切割得非常碎片化，而初期的投入和成果已经成为后续发展的负担。此外，如果没有未来的一体化结构，很难快速推广到不同的生产线或集团部门。企业应制定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中，窥见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，并迅速向市场扩张。这家日本工业机器人制造商将强大的OT (Operational Technology)整合到IT中，形成完整的垂直整合结构，快速走出单一工厂，快速扩张。为了发展数字化工厂，中国重型机械集团公司规划了一个分四步走的总体蓝图。

• 第一步是做现状评估，对现有企业资源进行完整的盘点，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点和需求，确定企业的数字化工厂业务模式。
• 第三步是数字化工厂总体规划架构，包括完整的数字化工厂规划蓝图、战略目标，建立与业务相匹配的数字化工厂应用架构，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，并列出详细的实施计划，以三年滚动、一年调整为重点，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

制造业如何考察企业智能制造流程的深度和广度?IBM针对智能制造推出了“5C成熟度模型”，按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到设备的连接和协作。如果旧设备没有足够的智能来收集数据，很难开发人工智能和应用场景。

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。比如AI目视检查，AI预测性维护。

第三步:预测模拟(Cyber):将数字孪生(digital Twin)引入数字工厂。可视化生产现场，对调度进行动态模拟，甚至实现学习引擎订单和生产线的动态调度。

step4:智能工厂(认知):构建人工智能学习平台，使工厂实现自诊断、自修复、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，实现小品种短交货期，实现软件定义的价值链平台。

随着场景应用日趋成熟，企业在投资智能制造时面临四大挑战。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，加速智能制造的实施。