智能制造热潮中的误解

在过去的很长一段时间里，当谈到智能制造，我们会发现很多对智能制造的碎片化的理解造成的理解片面性，这使得很多人对智能制造有一些误解

1.制造本身是有Know-How的

无论是传统制造，还是智能制造，其核心仍然是制造，制造本身是有非常悠久的历史的，制造的运营管理，泰勒制、戴明环、TPS、敏捷制造，这些本身也是Know-How，制造的Know-How，制造是一个工程（Engineering），如何让其约束到最经济本身是有Know-How的，来自于现场经验丰富的制程管理人员、品质工程人员。

如果我们在这方面的基础薄弱，那么，所有技术就无法被落地实施。

2.技术是传承，而非割裂

人们喜欢把智能制造与传统制造割裂开，好像智能制造就高级了，其实，智能制造并不高级，智能制造它只是因为个性化需求，使得必须寻求新的智能技术来帮助企业，它甚至某种意义上是一种被迫行为，因为大规模生产才是最成熟的，质量品质可靠的，智能制造是对制造的延续，它是一个过程，从几十年前人们就在寻找解决办法了。

还有就是把自动化与智能化分开，似乎这两个是独立的，其实，自动化本身一直在引用新的IT技术，结合本身的行业属性进行再次开发，融入到应用中解决问题，智能本身并非是所谓的AI的专利，自动化一直在这条道路上孜孜以求。

3.技术是有经济性的

技术必须拥有经济性才能推进，但是，技术的经济性是需要不断的测试验证过程才能落地的，不是突然就有了经济性的，而很多智能制造所涉及的方法、技术都是经过一代又一代的产业人通过工程不断优化出来的—AI因为芯片成本下降才开始为大家关注的，数字孪生也是因为软件算法积累到一定程度才有应用的可能的。

4.制造必须服务于战略

如果制造不是服务于企业的发展战略的，什么样的企业需要以制造为核心？对于很多外包的生产来说，代工厂只是在使用人力，像Apple连设备都会给代工厂提供、工艺都是由其掌握。

制造只是实现企业战略的一环，如果企业自身没有明确的赢得客户的盈利模式。

5.技术必须服务于制造本身

有了企业战略，有了产品设计的规划，才能去制造，在设计规划阶段，就要考虑可制造性、以及质量控制，这些都必须依赖于规划，而不是技术决定制造，这个逻辑顺序是需求拉动技术。

6.智能制造并非是制造+AI

人们把制造的智能赋予了AI，似乎AI来了就智能了，其实，从统计学+野蛮的算力角度来说，AI可以解决一部分问题，但是，工业的数据并非是大数据，这需要精准的DoE设计（Design of Experiement）,构建有效的测试模型，来对工艺进行验证，因为如果产生了大数据，尤其是大量的故障数据—这对于机器制造商、产线提供商来说，就意味着退出市场，这里的大数据是不可接受的，因此，就目前来说，AI必须与机理模型来结合，并且在有限的范围解决问题。

企业战略必须清晰才能匹配制造执行

如果我们不知道自己要干什么，我们就不会真正发挥技术的价值，因为，智能制造的实现路径必须服务于企业本身的，各个不同行业现有的基础状态不同、生产的个性化需求不同、相应的管理运营基础、人才储备能力等都是不同的，因此，智能制造是否是一个合适的方向，或者，智能制造只是一个过程，而非一个产品，人们似乎很难摆脱它是一个什么确定东西的思维，而不会把它视作“动态”、“迭代”的过程，就像买一个锅做菜，把智能制造理解为一个锅，而不是把它理解为一个做菜工艺的升级的过程。

对于企业来说，赢得竞争的途径可以由不同的战略组合来实现，对于企业来说，必须要有为客户解决问题的聚焦，必须去思考—我们如何赢得客户？什么是客户关注，以及未来会关注的？

如果说个性化是一种必然的趋势，那么，如何实现差异化竞争对于企业来说，必然要去思考，但是，差异化的实现路径是很多的，企业盈利模式也是多样的。