智能制造熱潮中的誤解

在過去的很長一段時間里，當談到智能制造，我們會發現很多對智能制造的碎片化的理解造成的理解片面性，這使得很多人對智能制造有一些誤解

1.制造本身是有Know-How的

無論是傳統制造，還是智能制造，其核心仍然是制造，制造本身是有非常悠久的歷史的，制造的運營管理，泰勒制、戴明環、TPS、敏捷制造，這些本身也是Know-How，制造的Know-How，制造是一個工程（Engineering），如何讓其約束到最經濟本身是有Know-How的，來自于現場經驗豐富的制程管理人員、品質工程人員。

如果我們在這方面的基礎薄弱，那么，所有技術就無法被落地實施。

2.技術是傳承，而非割裂

人們喜歡把智能制造與傳統制造割裂開，好像智能制造就高級了，其實，智能制造并不高級，智能制造它只是因為個性化需求，使得必須尋求新的智能技術來幫助企業，它甚至某種意義上是一種被迫行為，因為大規模生產才是最成熟的，質量品質可靠的，智能制造是對制造的延續，它是一個過程，從幾十年前人們就在尋找解決辦法了。

還有就是把自動化與智能化分開，似乎這兩個是獨立的，其實，自動化本身一直在引用新的IT技術，結合本身的行業屬性進行再次開發，融入到應用中解決問題，智能本身并非是所謂的AI的專利，自動化一直在這條道路上孜孜以求。

3.技術是有經濟性的

技術必須擁有經濟性才能推進，但是，技術的經濟性是需要不斷的測試驗證過程才能落地的，不是突然就有了經濟性的，而很多智能制造所涉及的方法、技術都是經過一代又一代的產業人通過工程不斷優化出來的—AI因為芯片成本下降才開始為大家關注的，數字孿生也是因為軟件算法積累到一定程度才有應用的可能的。

4.制造必須服務于戰略

如果制造不是服務于企業的發展戰略的，什么樣的企業需要以制造為核心？對于很多外包的生產來說，代工廠只是在使用人力，像Apple連設備都會給代工廠提供、工藝都是由其掌握。

制造只是實現企業戰略的一環，如果企業自身沒有明確的贏得客戶的盈利模式。

5.技術必須服務于制造本身

有了企業戰略，有了產品設計的規劃，才能去制造，在設計規劃階段，就要考慮可制造性、以及質量控制，這些都必須依賴于規劃，而不是技術決定制造，這個邏輯順序是需求拉動技術。

6.智能制造并非是制造+AI

人們把制造的智能賦予了AI，似乎AI來了就智能了，其實，從統計學+野蠻的算力角度來說，AI可以解決一部分問題，但是，工業的數據并非是大數據，這需要精準的DoE設計（Design of Experiement）,構建有效的測試模型，來對工藝進行驗證，因為如果產生了大數據，尤其是大量的故障數據—這對于機器制造商、產線提供商來說，就意味著退出市場，這里的大數據是不可接受的，因此，就目前來說，AI必須與機理模型來結合，并且在有限的范圍解決問題。

企業戰略必須清晰才能匹配制造執行

如果我們不知道自己要干什么，我們就不會真正發揮技術的價值，因為，智能制造的實現路徑必須服務于企業本身的，各個不同行業現有的基礎狀態不同、生產的個性化需求不同、相應的管理運營基礎、人才儲備能力等都是不同的，因此，智能制造是否是一個合適的方向，或者，智能制造只是一個過程，而非一個產品，人們似乎很難擺脫它是一個什么確定東西的思維，而不會把它視作“動態”、“迭代”的過程，就像買一個鍋做菜，把智能制造理解為一個鍋，而不是把它理解為一個做菜工藝的升級的過程。

對于企業來說，贏得競爭的途徑可以由不同的戰略組合來實現，對于企業來說，必須要有為客戶解決問題的聚焦，必須去思考—我們如何贏得客戶？什么是客戶關注，以及未來會關注的？

如果說個性化是一種必然的趨勢，那么，如何實現差異化競爭對于企業來說，必然要去思考，但是，差異化的實現路徑是很多的，企業盈利模式也是多樣的。