文/李琛浩

2021年工信部等八个部门发布的《“十四五”智能制造发展规划》指出，到2035年，规模以上制造业企业全面普及数字化网络化，重点行业骨干企业基本实现智能化。我国“政产学研用金”各个主体抢抓机遇，因势利导，初步形成了推进智能制造的热潮。智能制造是制造业创新发展的主要抓手，是制造业转型升级的主要路径，是建设制造强国的主攻方向。其中，制造企业是智能制造的实施主体，质量和效益提升是企业实施智能制造的目标。近年来，已有很多大小型制造企业步入智能制造的转型发展方向。据统计，2022年我国智能制造成熟度指数达106，同比增长6%，智能工厂普及率三年增长12个百分点，各项数据均显示出我国智能制造成熟度水平正稳步提升。在智能制造推进过程中，企业应明晰智能制造的内涵，梳理出智能制造的基本范式，着力推动制造企业转型升级。

目前，上海在推进智能制造的过程中，还面临着以下几个方面的问题：

一、数字化全面升级的基础有待提升

目前，上海已累计建成19家国家级智能工厂，100家市级智能工厂，完成1000多个智能制造场景推广和落地应用。众多企业完成数字化升级，数字化制造从探索示范阶段进入推广普及发展阶段。但与此同时，真正完成数字化制造转型的企业数量，相对上海巨大的企业基数，特别是中小企业，还是少数。

二、自动化、数字化与智能化的概念存在理解差异

在推进智能制造过程中，不少企业对于建立无人工厂、黑灯工厂跃跃欲试，并将此理解为智能工厂。实际上，高度自动化是工业3.0的理念，对于大批量生产的产品，国外的优秀企业早就实现了无人工厂。例如，施耐德电气的法国诺曼底工厂是生产继电器的自动化工厂，实现了绕线、装配、包装等全流程自动化，可在一条产线生产多种变型产品，但尚不属于真正意义上的智能工厂。真正的智能工厂是精益、柔性、绿色、节能和数据驱动，能够适应多品种小批量生产模式的工厂。智能工厂不是无人工厂，却是少人化和人机协作的工厂，推进智能工厂也绝不是简单地实现机器换人。

三、单机自动化与基础数据管理依然存在“硬伤”

真正的智能制造必须自动采集生产、质量、设备状态和能耗等数据，实现生产设备(机床、机器人)、检测设备、物流设备，以及移动终端联网。现阶段很多制造企业由于理念、经费投入、产品特征等因素，尚停留在单机自动化阶段，甚至一些知名企业的生产线也未联网，缺乏基础的设备联网，更难以实现数据采集、柔性链接，离以大数据为依托的智能制造还有非常远的距离。

针对以上情况，提出如下对策建议:

一、提升意识层——提高企业全员智能化素养

智能制造是制造企业转型变革的主要方式之一，需要全员参与。前提是企业全员要明确数字化转型和智能制造的意义，建立相关思维意识，才能全面发力。基于提高认识的需要，企业要加强教育培训与行动实践，提升企业全员特别是与数字化智能化转型密切相关领域人员的前瞻思维和职业素养。

二、强化规划层——整体布局数字化企业顶层设计

以建立数字化企业为目标，通过内部调研或借助外部行业专家指导，基于企业信息化和自动化产线建设基础，明确支撑信息系统建设运行的基本条件、实施不同转型举措的阶段，统筹制定具备行业领先或独特优势、切实可行的数字化工厂设计方案或规划，明确实施路径及关键技术的落地点，特别是针对不同基础、不同阶段、不同资源条件设置不同的任务目标和预期成果，为阶段性有序推进智能制造转型提供有力指引和支撑。

三、健全实施层——建立企业数据库、明确定义并有效实施关键系统

一是建立具有企业特色的大数据库。大数据是实施智能制造的关键因素，企业在初期探索、中期应用、远期运行等不同阶段中都需要制造数据的支撑。

二是制定生产工厂的数字化标准与标识定义。逐步建立健全以各主要制造资源的数字化代码、数字化地理位置、数字化属性等为组成的数字化标准体系，以相对统一、有效流通、高效融合的标准体系，打破不同环节、要素间的断层或阻隔，为实现物联和互联奠定基础。

三是拉动(协助)两大关键系统快速有效实施。按照数字化企业(工厂)的要求，拉动已部署和实施的两大关键系统(产品生命周期管理PLM、企业资源计划ERP)的全面实施与有效运作。

四、落地应用层——实现三层级、提升智能制造能力成熟度

通过以上数字化基础、数据基础、系统基础的支撑，基于各生产单元具体生产工序的特点，实施统一平台基础的个性化制造运营管理MOM系统(车间、产线、单元级制造执行系统MES)，第一层级要实现各生产单元所有生产环境的精益化普及(面)，第二层级实现关键工序产线高效化(线)，第三层级通过自动化单元(点)手段达到劳动密集恶劣环境下的减人化。

本文观点供交流参考