近日，苏州市举办了苏州市智能制造生态大会暨苏州市智能制造产业联盟第二届二次会员大会，苏州市工信局副局长万资平表示，苏州自2021年率先启动“智改数转”工作以来，制造业企业加快智能化、数字化改造步伐，成效显著。当前苏州正在谋划新一轮“智改数转”三年行动计划，主要从推动产业链数字化协同、加快中小企业转型、强化服务商培育等方面着力。

一直以来，智能化的热搜总是产生于科技互联网企业，而制造业的智能化总是被大众忽略，其实，智能化在生产制造企业的落地才是工业强国的根本。最近几年，随着云计算、大数据、物联网的发展，越来越多的制造业企业开始了数字化、智能化的转型探索中，转型快的企业已经开始尝到了数字化带来的硕果，而转型中的企业还依然在摸索中。

从制造业的角度看，智能化的发展究竟是怎样的趋势？当前制造业企业智能化转型的难点在哪里？应该如何推进制造业企业的数智化转型呢？本文将围绕这三个问题展开。

三个阶段

站在发展方向的角度来看，生产制造企业的智能化可以分为三个阶段：信息化自动化阶段、智能化分布式控制阶段和智能化自适应控制阶段。

信息自动化阶段是指通过ERP、MES等信息系统实现生产过程的数字化、自动化和可视化。在这个阶段，关键的技术和工具包括计算机、传感器、控制系统和网络通信等。该阶段的主要流程和特点包括数据采集和监控、自动化控制、生产计划与调度、数据分析与决策支持。目前来看，很多转型的制造业企业大多处于这个阶段。

智能化分布式控制阶段是指将生产过程中的各个环节互相连接，通过云计算、发数据、物联网等网络技术实现智能化控制，提高生产效率和质量。智能化分布式控制阶段是生产制造智能化的进一步发展阶段，其重点是实现生产系统的分布式控制和协同。这个阶段主要特点和流程分为四个部分：分布式控制系统、实时协同与通信、智能化决策支持、故障自诊与自修复。

● 分布式控制系统是指生产系统中的各个子系统被分解为多个分布式控制单元，通过网络连接实现互联互通。每个控制单元都具有自主的决策和控制能力。

● 实时协同与通信是指通过网络通信，各个分布式控制单元可以实时协同工作，共享信息并相互协调，实现生产过程的高效运行。

● 智能化决策支持是指分布式控制系统中的各个控制单元可以基于自身的数据和算法进行智能化决策，实现更加精确的控制和优化。

● 故障自诊与自修复是指分布式控制系统具有故障自诊断和自修复的能力，能够快速发现和处理故障，提高生产系统的稳定性和可靠性。

目前来说，智能化分布式控制阶段仍处于探索和建设阶段，有些数字化程度高的企业，也只是部分实现了该阶段的一些流程，受制于技术的发展，仍有进一步探索的空间。

最后一个阶段是智能化自适应控制阶段，也就是利用人工智能技术，通过学习和预测实现生产过程的自适应、预测和优化。这是智能化的最高阶段，其关键是实现生产系统的自适应性和智能化决策。在这个阶段中，主要的特点和流程有四个：智能感知与学习、自适应优化调整、自主决策与协同控制、预测及预防维护。

● 智能感知与学习是指生产系统中的各个节点具备智能感知环境和数据，并能通过机器学习和深度学习等技术进行模式识别和学习，提高系统的智能化水平。

● 自适应优化与调整是指基于智能感知和学习的结果，生产系统可以自主地进行优化和调整，以适应不同的生产条件和需求变化，提高生产效率和灵活性。

● 自主决策与协同控制是指智能化自适应控制系统具备自主决策和协同控制的能力，可以根据实时数据和目标要求，自动制定最优的决策和控制策略。

● 预测与预防维护是指通过对生产数据的分析和预测，智能化自适应控制系统可以提前预测设备故障和维护需求，实现预防性维护，减少停机时间和维修成本。

不难看出，最后阶段的智能化程度更加深入，而且灵活性也越来越强。这三个阶段其实可以理解为，生产效率在不断提高，规模化生产在不断加深，而传统的规模化与个性化互相牵制的两难问题，也随着智能化的增强而逐渐被解决，成本、效率和柔性化三大难题不再制约企业发展，理想照进了现实。

三个“难题”

然而，理想照进现实说起来容易，做起来却很难。很多人都知道智能化的优势，但依然有很多企业面对智能化踟蹰不前。之所以犹豫，是有三个难点：技术壁垒、资金投入和人才培养。

首先是技术壁垒。制造业智能化需要应用先进的技术，比如人工智能、机器学习、5G等，但这些技术的发展和应用仍存在技术壁垒，比如：制造业企业虽然在技术应用上有很多创新，但是很少在技术研发上投入过多资源和精力，真正顶尖的技术往往在高校、科技企业的手中，如果企业要获得，要么需要资金投入，要么需要自主研发和创新，无论哪种选择，都将导致生产成本的增加，而收益能否增加，却是未知数。

其次是资金投入。资金投入是指实施智能制造需要大量的资金投入，包括购买智能化设备、软件平台开发及部署、培训人员等。这对中小企业来说可能是一个较大的经济负担，而且正如上文所提及，资金投入与收益能否成正比或指数增长，不确定性太多，因此，毛利率低的制造业企业根本不敢投入太多资金做数智化的转型，只能被市场推着往前走。

最后是人才培养。智能化转型升级需要员工具备新的技能和知识。然而，传统制造业工人缺乏相关的技术和知识，需要进行培训和转岗。而技术人员虽然懂技术，但是缺乏生产流程的经验，依然需要培养和锻炼。由此可见，人才的培养和适应性，需要企业提前规划和培养。

表面上看，缺钱、缺人、缺技术是制造企业智能化转型的“拦路虎”，但真正的问题其实是企业对转型的不确定性和未知性存在质疑和担忧。毕竟，谁也不敢保证企业转型之后，就一定可以实现“质”的飞跃，在激烈的市场竞争中赢得客户，扩大市场占有率。

三个方法

既然企业管理者对数智化转型存在质疑，是否有其他的方式可以探索呢？企业该如何推进数智化转型呢？可以考虑从三个角度入手：精益化、模块化和生态化。

精益化主要是指对资源的重新分配。从制造业到服务业，精益所追求的“创造价值，消除浪费”的思想、方法和工具促进了生产资源的优化配置，获得质量、效率和反应速度的快速提升。智能制造不可能建立在低效的生产模式之上，精益是必须要走的第一步，而且是投资回报最高的一条路径。因为精益几乎不需要企业做出额外的投资，只是在现有基础上重新配置生产资源，就可以获得超出想象的回报。

模块化主要是指标准统一。众所周知，产品从设计到制造完成的所有环节中，每个环节、每个流程都有一套自己的标准，而模块化就是降低从设计、采购到生产的复杂程度。标准化的流程、接口和连接方式可以提高通用性，降低制造成本与周期，进而使得自动化生产、物流与信息沟通更加容易实现。不过凭心而论，模块化实施起来相对较难，涉及行业与企业标准，需要上下游企业共同参与。

生态化可以理解为“团队作战”、“抱团取暖”。前几年“生态位”一词非常火，就是指企业在行业生态环境中所处的位置，发挥的价值作用。未来，随着国内环境越来越“卷”，企业的竞争很可能从单个企业之间逐渐向供应链之间乃至生态系统之间的竞争转变。前几年，在科技互联网产业中，“极化”的发展很明显，比如腾讯系、阿里系等，大企业的关系从竞争、兼并变成结盟、共赢，以伙伴关系实现协同控制、人机混合控制。未来，生产制造业如果竞争升级，供应链的竞争或生态系统间的竞争也可能会出现，“抱团取暖”也是一种生存方式。

无论是精益化、模块化还是生态化，其实都是采用“小步子原理”，一点一点的向数智化的方向迈进，精益化和模块化都是在不断的做铺垫，从战术的角度向智能化转变，而生态化更多的是一种战略，也是着眼于长期的行业布局，通过“抱团取暖”降低转变成本，提升竞争力。

工欲善其事，必先利其器。数智化这把“器”越早适应，越能帮助企业提前占据有利的竞争位，当众多竞争者都转变或者开始具备相同的数智化能力时，行业又将高水平的“卷起来”。

·关于吴斌

吴斌，男，本科，曾获福建省高级人才B类人才称号。担任过福龙马集团股份有限公司CIO兼龙马互联科技有限公司副总经理、广东申菱环境系统股份有限公司流程与IT中心总监等职务，从事数字化建设与规划工作15年，负责多个上市公司数字化从0-1的团队建设，先后任职过美的、福龙马等大型制造企业。熟悉制造业主流的信息系统：ERP、PDM、PLM、APS、MES、WMS、QMS、SRM、CRM、OA等信息管理系统。亲自带领团队负责过SRM、CRM、MES、WMS等产品的自主研发，包括技术架构选型、业务架构规划、产品研发、实施落地等过程。对制造企业IT与OT的融合有深入理解，主导过福龙马智慧环卫工业互联网AIOT平台的研发及实施落地，并获得国家级大数据产业发展试点示范项目认定。

★以上由吴斌投递申报的观点性文章，最终将会角逐由数据猿与上海大数据联盟联合推出的《2023中国数智化转型升级优秀CIO》榜单/奖项。

该榜单奖项最终将于11月14日以下活动中进行榜单的首发与奖项的颁发，欢迎报名莅临现场

来源：数据猿