通过零部件生产管理软件元器件mes探寻智能制造前沿趋势

企业进化与智能制造

智能制造涉及面广，涉及技术多。仅仅在概念和技术层面理解智能制造是不够的。

企业发展是一个不断进化的过程。市场在不断发展，技术也在不断进步。任何企业为了应对激烈的市场竞争，实现自身使命和可持续发展，都需要不断进化。正如自然界是物竞天择，适者生存，在激烈的市场竞争中，只有那些产品不断进化，流程不断优化，能够构建有竞争力的企业生态系统的企业，才能立于不败之地。其实质是讨论智能制造技术的应用能给制造企业的进化带来什么价值。

企业的进化首先在于产品的不断进化。对于制造企业来说，拥有一个符合市场需求的好产品是生存和发展的基本前提。本文分析了柯达、诺基亚和摩托罗拉市场兴衰的经典案例，指出数字化、网络化和智能化技术大大加速了产品的进化。给出智能产品的定义:智能产品是通过数字化、智能化技术的应用，呈现出一些智能属性(计算、感知、识别、存储、记忆、互联、呈现、模拟、学习、推理……)的产品。一个智能产品应该具备感知外界、记忆计算、学习适应、行为决策、控制执行等能力。智能产品的计算智能高于人类，智能机器对制造条件的主动感知和自动控制能力高于人类。智能产品(不是纯软件)往往包括物理组件、智能组件、互联组件和软件。在我看来，智能产品就是具有计算、通信和控制能力的CPS。

智能产品研发应考虑以下原则:产品是提供服务的载体；注重用户体验；要建立产品生态，包括产品集群生态、产品合作伙伴生态、开放性、数字世界和物理世界的融合、云应用，分析一些智能功能的必要性和实用性。

目前汽车创新70%来自汽车电子，汽车电子创新60%属于软件创新。

没有过程进化，就没有企业进化。不同领域、不同业务活动的流程差异很大，流程演化最重要、最常见的方式就是互联重组。

互联主要表现在流程内部的互联和不同流程之间的互联。在推进智能制造的实践中，设备的数据采集和车间的网络化是建设智能工厂的基础。在企业中，两个流程往往是自动的，但流程之间需要人工处理。企业中还存在很多信息孤岛、自动化孤岛、IT和OT断层，甚至是云孤岛。这些问题亟待解决。

技术进步导致流程再造。例如，材料和制造过程的变化将导致过程再造以及效率和质量的大幅度提高。列举了增材制造和无模铸造的例子。特斯拉大量使用压铸技术代替车身零部件的焊接，也是技术进步导致流程再造的典型案例。进化需要流程再造。业务流程的改变会导致组织的改变，这显然需要数字技术的支持。

为实现产品设计开发过程的进化，应引入并行工程的思想，如PLM系统、虚拟仿真、数字孪生、创成式设计、多领域物理统一建模、基于云的协同设计等。

对于工艺演化，数字化工艺设计软件，特别是基于三维的结构化工艺设计软件，以及利用数字化技术进行工艺控制，应用工艺模拟软件和ICME(集成计算材料工程)都是有效的途径。

对于车间生产过程的演变，部署MES/MOM系统，以及流程工业集成的全过程优化平台和环保实时监控及应急指挥平台，是提高工厂运行效率和安全运行的重要途径。同时，还需要实现AGV、无人叉车等物流设备与自动化仓库、生产线的信息交互和无缝集成应用。推动智能工厂的建设需要通过精益生产与持续改进相结合。

要实现服务流程的演进，就要建立基于传感器和物联网数据的智能维护平台，监控设备运行，诊断故障，实现故障预警甚至预测性维护。同时，将故障问题反馈给产品R&D部门，以改进产品。企业还可以对设备进行建模，通过digital twin技术对设备的digital twin模型进行分析和优化，从而优化实际设备的运行。此外，通过数字化技术提高设备运行效率也非常重要。比如全球工程机械巨头小松公司，通过无人机绘制施工现场地图，从而计算出需要挖掘的土方，进而计算出需要的施工设备和施工方案。设计变更还可以通过数字化技术及时反馈到施工现场，显著提高施工作业效率，实现智能化施工。

给出了企业生态系统的定义:企业生态系统是为了某一特定目标而在一定范围内形成的企业群体及其社会技术环境构成的统一整体。

企业之间的竞争本质上是企业生态系统之间的竞争，企业的进化离不开企业生态系统的进化。首先，企业需要意识到供应链生态的演变，推进数字化供应链的应用，关注供应链管理中的客户生态。企业要重视生态系统协同创新和跨界合作。

企业的生态战略非常重要。企业生态再生产是实现可持续发展的重要保证：合作应该是基本战略；生态进化和商业模式进化往往是相辅相成的。数字生态系统是企业生态进化的关键技术。

智能制造的技术要点和前沿趋势

数据、软件定义、虚实融合、整体连接，这16个字和4个方面是智能制造的技术要领。

在企业运营过程中，需要对物流、资金流和信息流进行有效控制。智能制造系统能够应对各种异常情况和动态变化。它通过收集、存储、显示、分析和预测与企业运营相关的各种数据，驱动相关软件进行调度和决策。智能制造的关键之一是重视数据的驱动作用。在传统模式下，工业系统的数据是常见的原材料；在智能制造模式下，工业系统的数据是原材料+石油。

数据驱动首先体现在数据驱动产品创新。具体包括:数字化技术在产品中的直接应用:使产品产生数据(增加传感器和通信模块)，以及产品本身的数字化(如使用电子票，在云端存储数据等。);数字驱动创新:例如，特斯拉可以通过收集在役车辆的数据，建立车辆和驾驶员的数据孪生模型，识别需要改进的问题，不断改善驾驶体验。此外，客户需求数据是产品创新的源泉，与客户协同创新是必然趋势。

其次，数据驱动体现在数据驱动的演进过程中。包括:数据驱动的协同设计流程、数据驱动的大规模定制、数据驱动的流程改进、数据驱动的智能服务。

数据驱动的工作流和新业务活动，数据驱动的企业战略等。你能不能成为一个数据驱动的企业，取决于所有员工的支持，让每个人都能根据数据调整自己的思维模式和工作模式。因此，企业必须培育数字文化。通过数据洞察，帮助企业各级管理者做出正确决策，既见树又见林。通过数据驱动的企业运营模式变革，创新商业模式和制造模式。

要实现真正的数据驱动，企业需要尽可能将其业务数字化。同时，数据工作也要有可操作性。企业应该建立专注于数据管理的新部门。企业需要密切关注数据质量和数据治理，避免数据失真，定期清理数据。

关于软件定义

软件已经融入到产品中，业界已经形成软件定义产品的共识。产品差异化越来越多的体现在软件上，产品的功能和性能可以由软件来定义。而智能设备的智能化更多体现在强大软件功能的集成上。如华中科技大学李院士团队开展了智能技术在塑料注射成型工艺和机床中的应用研究。基于数据驱动，通过学习和认知，将模具、设备和工艺有机结合，实现高效、高精、节能成型。

关于“软件定义制造”的提法，能够定义制造的软件主要是工业软件。真正定义制造业的是软件中沉淀的人的经验、知识和智能，以及数据驱动的人工智能。事实上，软件在制造过程中起着越来越重要的作用。可以说，车间生产的控制是由软件定义的。工厂/车间的运营需要很多软件系统，如智能MES系统、智能物流系统、智能生产监控中心、设备在线监控系统、智能运营管理平台、大数据分析平台等。

制造企业对市场变化和市场需求的控制能力需要充分利用软件和数据能力，制造企业自身的竞争力更大程度上取决于其软件能力。产业是形成软实力的关键。软能力鼓励硬能力，最终体现在企业的硬能力上。

本文系统介绍了CPS、虚拟仿真、数字孪生和XR(VR虚拟现实、AR增强现实和MR混合现实)。其中，虚拟仿真技术涵盖工程仿真、过程仿真和工厂仿真，仿真驱动设计已成为行业共识。数字孪生技术已广泛应用于产品研发、产品运维(主要是装备制造企业的产品)、生产线设计和虚拟调试等应用场景。特别是对于流程工业来说，建立数字化双工厂，实现数字化交付到数字化运营，具有重要的实用价值。XR技术在产品研发、设备运维、员工和客户培训、产品营销等方面有着广阔的应用场景。

智能制造是一项复杂的系统工程，不能孤立地理解和实施一项智能制造技术，必须考虑各个软硬件系统之间的整体关系。对于一个企业来说，无论是在机器系统中，还是在车间、工厂乃至更大的企业生态系统中，都需要从整体联系的角度来考虑和分析问题，采用系统的思维。在企业数字化转型过程中，需要整体考虑数字化和智能化的战略。对人才的统筹考虑也是数字化、智能化战略成功的重要因素。