本文摘自 NIST 网站上 Tab 的文章“成为 a 的五个步骤”和 CMTC 博客上的 Brand 的文章“不要离开，SMART 是小型和小型的”，并有一些删节。
在过去的几年里，智能制造一直是行业专家、战略家和思想家最热门的话题之一。然而，尽管有很多媒体报道，但制造业前沿的许多人并不确定智能制造到底是什么，或者为什么它们与企业组织相关。
简而言之，智能制造是以人和机器需要的形式使用实时数据和技术。
如果要寻找更全面的定义，两个领先的组织会提供定义。
根据美国国家标准与技术研究院 (NIST) 的说法，智能系统是“完全集成的协作制造系统，可以实时响应工厂、供应网络和客户需求不断变化的需求和条件。”
智能制造领导联盟 (SMLC) 将智能定义为“通过开放式基础设施解决现有和未来问题的能力，从而能够以业务速度实施解决方案，同时创造有益价值”。
智能制造的概念和成功实施有望引发第四次工业革命。近年来还有许多其他进步，都与技术连接以及数据访问和处理有关。
制造业正在增长，业务也在增长。随着制造商将物联网 (IoT)、机器人技术、虚拟现实 (VR) 和人工智能 (AI) 等新技术纳入其业务战略，第四次工业革命已经到来。智能制造——传感、测量、分析、报告和培训——将成为这一战略的重要组成部分。
麦肯锡全球研究所在其报告“物联网：超越假设”中指出，到 2025 年，智能制造将产生 3.9 万亿美元到 11.1 万亿美元的总经济影响。根据该报告，预计工厂将对智能制造产生最大的潜在影响——每年高达 3. 7 万亿美元。如果你不前进，你就会被淘汰。
幸运的是，您无需成为大企业即可享受智能制造带来的好处。然而，人员、流程和技术需要平衡和协作才能有效。智能制造解决方案的其他关键组件包括：
• 设备和连接
• 数据采集
• 信息管理和可视化
• 数据分析和智能
• 商业决策
• 工作流程执行
智能制造系统的大脑是制造中的数据。这为确定企业的健康状况提供了一个标志。然后将这些数据用于执行一系列分析程序，包括：
• 描述性：用于捕捉产品的状况、环境和操作
• 诊断：检查产品性能下降或故障的原因
• 预测：检测即将发生的事件的模式
• 规定性：确定改进结果或纠正问题的行动
关于智能制造的一个常见误解是，它将要求组织彻底改革其当前业务并投资于先进技术。而且这些技术通常过于复杂，企业无法适应。一些改变是必要的，但实际上智能制造通过构建制造商当前的能力大大简化了过渡。
涉及的关键概念之一是认识到数据的价值，这是开发和管理的关键资产。换句话说，对于一个分析数据的系统来说，关键资产不是分析系统本身，而是数据。使用生成的数据来构建和验证分析。这种对数据的强调使我们对将资源集中在哪里有了不同的看法。
对于任何操作目标，都需要相关的数据源。数据源可以像传真机、平板电脑或智能手机一样基本，也可以像广域传感器网络一样复杂。关键是数据在运营目标的背景下是有价值的，而不是传感器的复杂性。有许多利用数据的非常有价值的应用程序。
基础设施的变化需要适应在智能平台上使用和操作数据的应用程序，这些应用程序有助于对制造商的基础设施进行最小的更改。随着时间的推移，智能制造将导致商业机会和运营发生重大变化。
中小厂商离“聪明”还有多远？
如果只是一家小型制造公司，改进流程的策略是什么？您想实现什么来增加销售额、降低成本、提高效率或拥有更灵活的供应链？可能已经购买了使用该技术的硬件或软件和许可来帮助实现一个或多个目标。它还提供了与上游和下游供应商更有效地协作的能力。
以下是成为智能数字企业的四个步骤。
首先是网络安全。
网络安全是一个潜在的智能、值得信赖的商业伙伴。您在制造业中越依赖数字平台，就越期望为客户、供应商和投资者提供更高的安全性。
第二，了解智能制造。
美国国家标准与技术研究院 (NIST) 和智能制造领导联盟 (SMLC) 对智能制造有两个官方定义。从本质上讲，智能制造是将所有技术结合在一起进行监控、管理和改进的想法。
第三，意识到任何供应链都可能提供智能制造。
该咨询集团的数据显示，大多数美国和全球大型制造商和零售商都在投资智能技术。他们发现，76% 的大型制造商拥有智能制造计划，56% 的制造商在过去五年中投资超过 1 亿美元。随着大公司的投资和部署，智能制造很可能会渗透到供应链中，成为准时制、精益、ISO 9000 等规范或事实上的标准。
第四，制定清单，评估情报状况。
乔治亚州对 500 多家制造商进行的一项调查确定了 20 项广泛用于推进智能制造的重要技术。这包括用于库存和仓库跟踪的 RFID，或用于计划、库存控制或采购的软件，例如 ERP。
图1 厂商的技术实现
如图 1 所示，继 ERP 和 CAD 之后，预防性维护已成为制造商优先考虑的第三个技术实施方案。
有四个简单的问题可以帮助企业评估其当前状态。进一步的问题包括传感器是否安装在制造过程中，以及这些元素是否连接和集成以进行数据访问、监控和有效分析。
最大的挑战是人，而不是技术
早期成功的一个主要原因与公司文化和团队成员的承诺有关。请记住，如果您将技术的集成和使用与不了解新技术如何使他们的工作变得更轻松而不是更难的员工结合起来，那么它将毫无用处。
员工的支持对于一条成功的智能路径非常重要，也是智能制造实施的最大障碍。
编译
杨晔：博士，清华大学机械工程系，赛迪智能制造工程技术中心顾问
编辑
林学平：南山工业学院创始人智能制造，
