中国制造现阶段存在的问题

第一，中国制造不应该再停留在人力或工厂领域。国内的一些制造企业目前还只是停留在工厂进行加工生产，而不是开发技术，那么即使行业做得再大，关键零部件仍要依靠进口。

第二，中国制造不应该再把贴牌当作是一种正常的模式。贴牌生产并不能代表企业强大与否，因为企业基础零部件基本上全部靠进口，基础工艺全部靠照搬。

制造追求的是对工艺的卓越性，从手工制造、到机器制造、到软件集成，到最后的未来数字化制造--让全世界帮我们制造，而不是我们帮别人生产，才是制造的智慧，才是中国制造应该具备的智慧。

 我国智能制造业面临着哪些严峻的挑战？

智能制造提升生产效率的功能有助于抵消劳动力成本上涨的影响，保持并强化“中国制造”的综合竞争力。制造业向智能制造的转型会产生对智能装备、智能     传感器   、新材料、     工业软件   系统以及相关服务的大量需求，能够形成新的产业增长点。智能制造借力新的生产模式和商业模式，能够实现生产制造与市场多样化需求之间的动态匹配，有利于减少过剩产能和库存，这与供给侧结构性改革的目标方向高度契合。同时，中国也具有发展智能制造的有利条件。我国工业化起步晚，技术积累相对薄弱，先进技术的产业化能力与工业强国存在显著差距，我国智能制造业面临着哪些严峻的挑战？

一、智能制造的基础研发能力相对较弱。

我国产、学、研的整体科技水平与美日欧等先进国家仍有较大差距，智能化的软硬件缺乏自主研发技术，高端传感器、操作系统、关键零部件主要依赖进口，在一定程度上阻碍了智能制造的发展。

二、智能制造生产模式尚处于起步阶段。

我国企业长期依靠低廉劳动力成本形成的成本洼地，惯于在国际国内市场上拼价格，导致全球价值链低端锁定，多数企业使用智能设备替代人工的动力不足。现阶段，即使一些引入智能设备的企业，也仅停留在初级应用阶段，以智能制造整合价值链和商业模式的企业屈指可数，更没有形成构建智能制造体系的战略思维和总体规划。

三、“两化”融合的整体水平有待进一步提升。

我国地区间、行业间以及企业之间信息化发展不平衡，一些企业已经开始智能化探索，但更多的企业尚处于电气化、自动化甚至机械化阶段，半机械化和手工生产在一些欠发达地区仍然存在。

四、高素质复合型人才严重不足。

从经营管理层面来看，我国企业缺少具有预见力的领军人物，以及在高水平的研发、市场开拓、财务管理等方面的专门人才。从员工队伍层面来看，我国企业存在初级技工多，高级技工少，传统型技工多，现代型技工少，单一技能的技工多，复合型的技工少的现象。员工综合素质偏低，直接制约了智能制造系统的应用和推广。而在国家战略层面，涉及智能制造标准制定、国际谈判、法律法规等方面的高级专业人才更是明显的“短板”。

五、智能制造标准、工业软件、网络信息安全基础薄弱。

标准是产业特别是高技术产业领域工业大国和商业巨头的必争之地，主导标准制定意味着掌握市场竞争和价值分配的话语权。目前，德国除了在国内及欧盟层面推广工业4.0标准化工作外，还在国际标准化组织设立了与工业4.0相关的咨询小组。我国虽然是制造大国，但是由我国主导制定的制造业国际标准数量并不多，国际上对中国标准的认可度也不高，中国在全球制造标准领域缺少话语权及影响力。

 如何实现智能制造？

要实现智能制造，首先要解决智能维护这个大问题，再做智能预测，最后做到无忧系统与大价值。具体来看分为以下几个阶段：

第一阶段，全员生产系统。这个是日本提出来的。应该是七八十年代整个制造系统当中引以为核心的标准。这种固化在了组织和对人培训方面。

第二阶段，精益制造和6-Sigma。它的核心价值是如何以数据作为标准建立管理体系，在这个基从础下面包括质量管理体系、产品全生命周期管理体系等等。这个时候数据真正在制造使用过程中发挥作用。

第三阶段，数据驱动的预测性建模分析。目前处于转型的最重要时期，我们还没有完全到达第三个阶段。以数据驱动的预测性建模分析，指的是怎么把隐性的问题显性化，显性化之后解决隐性的问题，避免显性问题的发生。

第四阶段，以预测为基础的资源有效性运营决策优化。对于过去产生的关联性都能够建模之后，怎么根据系统生产、环境、人员多方要素变化进行实时动态优化。

第五阶段，“信息-物理”系统。我们认为它是建立在对于所有设备本身运行的环境、活动目标非常精确建模基础上，这个时候我们产生知识的应用和传承问题。

 智能制造听起来宏大，其实就在我们身边

比如A是个吃货，网购了不少食品，但是质量参差不齐，A吃了一块夹心饼干就闹了肚子。心里不服气，要找店家理论一番，可是问题出在哪里？没人知道。如果有了透明的智能制造，所有环节都能查到！「饼干→快递→店家→食品厂→原材料」顺着手里这块小饼干，能够追溯到运输、包装、生产的每一个环节，这种数据的透明从根本上解决了食品安全问题！终于发现，原来是运输员开车时绕了远路耽误了饼干配送。

A吃坏了肚子，于是自己买了肠胃药，可吃了一直不见好。原来，西医是根据抽样群体取的平均值制药，但是每个人的致病机理、身体情况都各不相同，这样吃药治疗不能达到精准的治疗效果，需要具体问题具体问诊。智能制造将人的基因图谱数据收集起来，通过柔性定制，针对个人不同的情况制作不同的药品，价格也不贵，不用再购买批量生产的药品了。这种医药领域可控成本的柔性定制，在未来一定会实现。

 智能制造在工业生产中如何运用？

如果将工厂简化成一个两端开口的箱子，制造商在入口端投入原料、能源和生产资源，就能在出口端收获相应的产品。然而，在大多数制造商眼里，这个箱子却是黑色的——工厂管理者能够清楚的核算箱子之外的投入和产出，但是箱子里具体发生了什么，比如生产进行的如何？怎样组织生产最优？为什么订单没有按时完成……往往不太清楚。

工厂里90%的问题都是因为信息不透明所致。首先，有用信息被掩盖，管理层无法洞悉生产过程，也就无法对正确决策形成辅助，谓之“看不见”；第二，管理决策流程不合理，导致管理层很难把真正的战略意图落实下去，谓之“够不着”；最后，问题追溯不及时，导致企业无法及时止损，谓之“来不及”。这导致企业生产效率难以提高，产品质量上不去，成本下不来。

为了降本增效，近年来世界范围内掀起一股智能制造的热潮，转型升级成为制造企业时刻挂在嘴边的热词。不同的国家有不同的智能制造战略，但本质都是为了提高本国制造业在全球市场的竞争力。

换言之，无论是“工业4.0”还是“工业互联网”，无论概念说得如何天花乱坠，最终都要落实到产品的交期、质量，工厂的成本、效率这些实实在在的问题上面。

如何实现智能制造？就是要回归制造的本质，打开工厂的“黑箱”，让生产制造的过程变得透明可视。唯有正确的数据信息，才能让管理洞悉纤毫；唯有合理的决策流程，才能让执行有的放矢；唯有及时的干预，才能让问题防患未然。

1997年，施耐德最早提出了“透明工厂”的概念，并基于面向工业市场的EcoStruxure架构，如今已形成更加完善的“透明工厂”解决方案。

 智能制造对中小企业也触手可及

“透明工厂”本身是一个融合了OT运营技术、IT数字化技术和AT自动化技术的完整系统。其中，涉及硬件的自动化是最容易被直观看到的部分，所以说起智能制造、透明工厂，不少人会想当然的把这些概念和机器换人、无人工厂、自动化流水线联系在一起。然而，对于大多数中小企业来说，这样的场景显得有些遥远。

法国某智能制造业务部负责人曾在演讲中提到了一个例子，令人印象深刻——中国某个中小规模制造企业的领导在参观过一些高大上的智能工厂后，竟然放弃了对自家工厂做智能化升级改造的想法。因为他觉得，自己根本不可能做到这种程度，或者说如果想要做到同样的水准，需要投入的时间和资金成本简直难以估算！

在中国，这种中小规模的企业才是制造业的主流。他们的盈利能力有限，但降本增效的需求却最为迫切，为他们找到一条切实可行的转型升级路径，才是智能制造真正的价值所在。

中小企业转型要——“软硬结合，先软后硬”。也就是说，并不是所有的制造业问题都必须通过自动化的手段去解决，这就像是跑步，步子迈得太大，反而容易拉伤自己。自动化投资往往是高昂、见效慢的，很多情况下，先从软性的部分的下手，通过对企业流程的梳理和优化，帮助企业在数据透明和管理精细方面做出切切实实的改善，或许是一条更为合适的转型升级之路。