工业发展
450 浏览
两张图看清智能制造的挑战在哪里?
机械自动化类 喷漆李 2016-12-13 10:59 发表了文章
智能制造的核心关键词是自动化、连接和智能控制，核心要实现的是整合资源、降低成本和提高效率。作为工业制造业的下一个发展方向，它容易实现么?将会遭遇哪些挑战？
1 问题思考
在看图之前，先想一个问题，为什么智能制造和工业4.0是下一个方向?从最早工匠使用工具开始，科技进步的物质形式基本体现在了制造发展的过程，将科技应用到制造的过程最能体现人类理性应用工具和技术等先进手段追求利润最大化和效率最高的伟大境界。所以，按照科技发展的逻辑推断，制造必然向信息化、智能化阶段发展。简单来说，很可能是因为人类智慧已经发展到这个阶段了，再不表现出来已经不能彰显人类的更高级能力。
2第1张图：智能制造流程全景图
西门子德国数字化工厂作为优秀的先驱者，用25年的时间已实现75%的生产作业自动化，生产线上的在线监测节点超过1000个，每天采集数据超过5000万。每年生产元器件30亿个，可24小时为客户供货，产能较数字化前提高了8倍。光看数字会觉得基本上智能制造的核心关键指标都提到了，只是不能直接感受到具体牛在哪儿。HCR慧辰TMT研究部整理了一张智能制造流程的全景图(如下)，希望能够从全局角度梳理智能制造的相关参与方和影响因素。
从上图不难看出智能制造是个系统工程，即使单点切入也需要系统化规划之后的逐一实现。
3 挑战：全连接
缺少任一节点的连接，都有可能影响全面自动化的实现。这里面会涉及多少连接呢?举个例子，说一个现在不太多见的产品，比如摩托车，仅发动机就有250多个零件，至于汽车约有30000个左右。对于制造过程，一个螺丝都不能少，智能制造的连接也是一样。除了这些，其他相关信息包括资金量、管理信息流、物流信息流、服务信息流等各个相关环节需要全面连接。在信息化阶段，ERP系统最大的问题点是逆向流程实现困难。到了智能化阶段除了连接点，还需要在全面连接点中设置双向监控点和生产管理连接点。基于时时海量信息传递和多节点控制的需求，需要单独的连接和数据流转通道以保证整个过程不断点、不丢包，顺利完成全过程。另外，是否有智能产品是与用户建立直接连接的前提。
挑战2：全控制
智能制造将数据流转作为核心，连接全部制造和相关环节，中间的全部过程都似“暗箱”般，非常需要随时知道发生了什么并予以人为纠偏和预警干涉。每个节点的交互设计和计算能力是实现全控制的基础。除了对环节的控制，还需要对智能设备(包括工业机器人)进行监测和控制。智能制造的生产线上将由多个智能设备来替代人类完成执行工作。人与机器的配合及人对机器的控制和管理也是智能制造挑战中比较容易出现掌控外事故的问题点。
挑战:3：资源整合
图中社会环境和用户都是智能制造的影响因素。智能制造阶段，主要存在的工厂形式为大的制造平台和小型个性化工作室。大平台可以满足小批量的定制化需求，小工作室更多体现在与用户的更直接、更短平快的连接。至于智能供应链也将出现大的供应链整合平台，针对不同个性化需求提供快速、“零库存”的供应。智能制造系统化工程需整合供应链、生产、物流、服务平台、营销资源等等，才能最大化的实现智能制造的自动化及产能最大化。
智能制造既然有如此高的要求，从以上可以总结出来两条实现路径：一条是作为龙头企业，自行尝试然后把成功经验复制到行业内其他企业，推动行业整体进步，从而实现更大范围的智能制造。另一条是行业内主要企业把相关资源整合在一起，共同尝试将所有相关环节集中在这一个平台上操作，作为独立的OEM中心存在。不难推断，产业联盟和第三方提供相关解决方案及数据服务或将成为必不可少的存在。
综上所述，智能制造即使还没实现也是符合社会经济发展规律的，本来就是一件任重道远的事儿。另外，所谓挑战对于不同发展阶段和数字化程度不同的企业意义不太一样，不能一概而论。
4 第2张图：智能制造数据流图
挑战4：数据采集及整合应用
企业内外大小数据的采集及整合应用是智能制造效率的基础。智能产品相关数据的获取也将是产品升级的基础数据。数据采集及整合能力，尤其是外部环境数据、行业数据和用户数据的获取整合能力最耗费成本，也最能体现企业资源整合实力。智能制造对于企业数据能力的要求包括数据入口掌控数量、数据采集方式(众包之后新的模式)、数据中心规划和实现能力、数据计算资源以及智能算法的驾驭能力等等。
挑战5：数据传递通道与时时交互
这里涉及到网络通道及网络上多节点协议标准建设。多节点交互、监测和控制，以及跨行业、跨领域、跨产品等多场景的要求，需要建立新的、系统性的、统一的协议标准，除了整体架构和基础物联网外，至少先从同一行业(领域)开始细化和建立统一标准。另外，无论是从带宽(实时数据承载量)还是网速要求，目前的网络资源显然支持不了智能制造的发展要求。现在大家把希望寄予5G，寄望于物联网新的协议标准。还能说什么呢，共同期待吧。
挑战6：数据模型的多场景创建与打通
一个统计方法吃八方，一个数据模型占领全天下的幸福时光不会再有了。尽管大数据和智能算法就那些，真正考验智能制造的是基于不同场景和条件的数据架构搭建和模型应用，以及多模式和场景下的数据及数据模型打通。任何事情都会有偏差，即使没有偏差，也需要根据外部的变化进行及时调整，完全依赖机器对数据的解读和归纳也不太可能。因此，还需要能够洞察行业发展和业务路线的专业分析师对规则进行调整、优化、升级和废除。
未来，数据将成为智能制造的生命线，数据收集、存储、快速调拨、模型搭建、规则创建及整合、计算和应用，每个环节都与连接、控制和自动化息息相关。HCR慧辰TMT研究部认为，数据服务能力未来将成为第三方服务的重要发展领域和方向，数据专家和工程师都会成为炙手可热的人才。
有专家说，即使只从三大产业的角度看，这些年互联网一直致力于影响第三产业，接下来必然在农业和工业(制造业)发力，而且很有前景。专家说的对，不过，专家没说啥时候能产生全面、大范围的影响。如果一直向远方眺望，确实是早晚都能实现。如果从挑战的难度来看，仅仅依靠商业的力量是不够的。目前，世界前二经济体均在此领域有所动作，美国政府6月20日公布了一个通过刺激被称为“智能制造业”的方法来推动美国制造业的复兴的法案。智能制造创新研究所是奥巴马政府颁布的第九个制造中心，并将在美国范围内发起5个地区制造创新中心，每个中心将专注于本地区的相关技术迁移和劳动力开发。中国政府去年5月亦由国务院出台制造强国中长期发展战略规划《中国制造2025》，预计2025年制造业重点领域全面实现智能化，试点示范项目运营成本降低50%，产品生产周期缩短50%，不良品率降低50%。
政策驱动、人才储备、企业投入、科研支持这些都是必要条件。新技术的开发和应用难免要在无数个坑里摸爬滚打，多少英烈仰天长叹生不逢时，也只能对抓住技术与市场最好契合时点成为英雄的人翻个白眼，继续义无反顾趟下一个泥坑。对于智能制造的发展来说，最需要的还是那些敢于趟过一个又一个坑点，拍拍泥土，总结经验教训，继续下一轮尝试的勇士。没有迎接挑战的决心，便没有迎接胜利的机会。
来源：网络。
智造家 查看全部
1 问题思考
在看图之前，先想一个问题，为什么智能制造和工业4.0是下一个方向?从最早工匠使用工具开始，科技进步的物质形式基本体现在了制造发展的过程，将科技应用到制造的过程最能体现人类理性应用工具和技术等先进手段追求利润最大化和效率最高的伟大境界。所以，按照科技发展的逻辑推断，制造必然向信息化、智能化阶段发展。简单来说，很可能是因为人类智慧已经发展到这个阶段了，再不表现出来已经不能彰显人类的更高级能力。
2第1张图：智能制造流程全景图
西门子德国数字化工厂作为优秀的先驱者，用25年的时间已实现75%的生产作业自动化，生产线上的在线监测节点超过1000个，每天采集数据超过5000万。每年生产元器件30亿个，可24小时为客户供货，产能较数字化前提高了8倍。光看数字会觉得基本上智能制造的核心关键指标都提到了，只是不能直接感受到具体牛在哪儿。HCR慧辰TMT研究部整理了一张智能制造流程的全景图(如下)，希望能够从全局角度梳理智能制造的相关参与方和影响因素。
从上图不难看出智能制造是个系统工程，即使单点切入也需要系统化规划之后的逐一实现。
3 挑战：全连接
缺少任一节点的连接，都有可能影响全面自动化的实现。这里面会涉及多少连接呢?举个例子，说一个现在不太多见的产品，比如摩托车，仅发动机就有250多个零件，至于汽车约有30000个左右。对于制造过程，一个螺丝都不能少，智能制造的连接也是一样。除了这些，其他相关信息包括资金量、管理信息流、物流信息流、服务信息流等各个相关环节需要全面连接。在信息化阶段，ERP系统最大的问题点是逆向流程实现困难。到了智能化阶段除了连接点，还需要在全面连接点中设置双向监控点和生产管理连接点。基于时时海量信息传递和多节点控制的需求，需要单独的连接和数据流转通道以保证整个过程不断点、不丢包，顺利完成全过程。另外，是否有智能产品是与用户建立直接连接的前提。
挑战2：全控制
智能制造将数据流转作为核心，连接全部制造和相关环节，中间的全部过程都似“暗箱”般，非常需要随时知道发生了什么并予以人为纠偏和预警干涉。每个节点的交互设计和计算能力是实现全控制的基础。除了对环节的控制，还需要对智能设备(包括工业机器人)进行监测和控制。智能制造的生产线上将由多个智能设备来替代人类完成执行工作。人与机器的配合及人对机器的控制和管理也是智能制造挑战中比较容易出现掌控外事故的问题点。
挑战:3：资源整合
图中社会环境和用户都是智能制造的影响因素。智能制造阶段，主要存在的工厂形式为大的制造平台和小型个性化工作室。大平台可以满足小批量的定制化需求，小工作室更多体现在与用户的更直接、更短平快的连接。至于智能供应链也将出现大的供应链整合平台，针对不同个性化需求提供快速、“零库存”的供应。智能制造系统化工程需整合供应链、生产、物流、服务平台、营销资源等等，才能最大化的实现智能制造的自动化及产能最大化。
智能制造既然有如此高的要求，从以上可以总结出来两条实现路径：一条是作为龙头企业，自行尝试然后把成功经验复制到行业内其他企业，推动行业整体进步，从而实现更大范围的智能制造。另一条是行业内主要企业把相关资源整合在一起，共同尝试将所有相关环节集中在这一个平台上操作，作为独立的OEM中心存在。不难推断，产业联盟和第三方提供相关解决方案及数据服务或将成为必不可少的存在。
综上所述，智能制造即使还没实现也是符合社会经济发展规律的，本来就是一件任重道远的事儿。另外，所谓挑战对于不同发展阶段和数字化程度不同的企业意义不太一样，不能一概而论。
4 第2张图：智能制造数据流图
挑战4：数据采集及整合应用
企业内外大小数据的采集及整合应用是智能制造效率的基础。智能产品相关数据的获取也将是产品升级的基础数据。数据采集及整合能力，尤其是外部环境数据、行业数据和用户数据的获取整合能力最耗费成本，也最能体现企业资源整合实力。智能制造对于企业数据能力的要求包括数据入口掌控数量、数据采集方式(众包之后新的模式)、数据中心规划和实现能力、数据计算资源以及智能算法的驾驭能力等等。
挑战5：数据传递通道与时时交互
这里涉及到网络通道及网络上多节点协议标准建设。多节点交互、监测和控制，以及跨行业、跨领域、跨产品等多场景的要求，需要建立新的、系统性的、统一的协议标准，除了整体架构和基础物联网外，至少先从同一行业(领域)开始细化和建立统一标准。另外，无论是从带宽(实时数据承载量)还是网速要求，目前的网络资源显然支持不了智能制造的发展要求。现在大家把希望寄予5G，寄望于物联网新的协议标准。还能说什么呢，共同期待吧。
挑战6：数据模型的多场景创建与打通
一个统计方法吃八方，一个数据模型占领全天下的幸福时光不会再有了。尽管大数据和智能算法就那些，真正考验智能制造的是基于不同场景和条件的数据架构搭建和模型应用，以及多模式和场景下的数据及数据模型打通。任何事情都会有偏差，即使没有偏差，也需要根据外部的变化进行及时调整，完全依赖机器对数据的解读和归纳也不太可能。因此，还需要能够洞察行业发展和业务路线的专业分析师对规则进行调整、优化、升级和废除。
未来，数据将成为智能制造的生命线，数据收集、存储、快速调拨、模型搭建、规则创建及整合、计算和应用，每个环节都与连接、控制和自动化息息相关。HCR慧辰TMT研究部认为，数据服务能力未来将成为第三方服务的重要发展领域和方向，数据专家和工程师都会成为炙手可热的人才。
有专家说，即使只从三大产业的角度看，这些年互联网一直致力于影响第三产业，接下来必然在农业和工业(制造业)发力，而且很有前景。专家说的对，不过，专家没说啥时候能产生全面、大范围的影响。如果一直向远方眺望，确实是早晚都能实现。如果从挑战的难度来看，仅仅依靠商业的力量是不够的。目前，世界前二经济体均在此领域有所动作，美国政府6月20日公布了一个通过刺激被称为“智能制造业”的方法来推动美国制造业的复兴的法案。智能制造创新研究所是奥巴马政府颁布的第九个制造中心，并将在美国范围内发起5个地区制造创新中心，每个中心将专注于本地区的相关技术迁移和劳动力开发。中国政府去年5月亦由国务院出台制造强国中长期发展战略规划《中国制造2025》，预计2025年制造业重点领域全面实现智能化，试点示范项目运营成本降低50%，产品生产周期缩短50%，不良品率降低50%。
政策驱动、人才储备、企业投入、科研支持这些都是必要条件。新技术的开发和应用难免要在无数个坑里摸爬滚打，多少英烈仰天长叹生不逢时，也只能对抓住技术与市场最好契合时点成为英雄的人翻个白眼，继续义无反顾趟下一个泥坑。对于智能制造的发展来说，最需要的还是那些敢于趟过一个又一个坑点，拍拍泥土，总结经验教训，继续下一轮尝试的勇士。没有迎接挑战的决心，便没有迎接胜利的机会。
来源：网络。
智造家 查看全部
智能制造的核心关键词是自动化、连接和智能控制，核心要实现的是整合资源、降低成本和提高效率。作为工业制造业的下一个发展方向，它容易实现么?将会遭遇哪些挑战？
1 问题思考
在看图之前，先想一个问题，为什么智能制造和工业4.0是下一个方向?从最早工匠使用工具开始，科技进步的物质形式基本体现在了制造发展的过程，将科技应用到制造的过程最能体现人类理性应用工具和技术等先进手段追求利润最大化和效率最高的伟大境界。所以，按照科技发展的逻辑推断，制造必然向信息化、智能化阶段发展。简单来说，很可能是因为人类智慧已经发展到这个阶段了，再不表现出来已经不能彰显人类的更高级能力。
2第1张图：智能制造流程全景图
西门子德国数字化工厂作为优秀的先驱者，用25年的时间已实现75%的生产作业自动化，生产线上的在线监测节点超过1000个，每天采集数据超过5000万。每年生产元器件30亿个，可24小时为客户供货，产能较数字化前提高了8倍。光看数字会觉得基本上智能制造的核心关键指标都提到了，只是不能直接感受到具体牛在哪儿。HCR慧辰TMT研究部整理了一张智能制造流程的全景图(如下)，希望能够从全局角度梳理智能制造的相关参与方和影响因素。
从上图不难看出智能制造是个系统工程，即使单点切入也需要系统化规划之后的逐一实现。
3 挑战：全连接
缺少任一节点的连接，都有可能影响全面自动化的实现。这里面会涉及多少连接呢?举个例子，说一个现在不太多见的产品，比如摩托车，仅发动机就有250多个零件，至于汽车约有30000个左右。对于制造过程，一个螺丝都不能少，智能制造的连接也是一样。除了这些，其他相关信息包括资金量、管理信息流、物流信息流、服务信息流等各个相关环节需要全面连接。在信息化阶段，ERP系统最大的问题点是逆向流程实现困难。到了智能化阶段除了连接点，还需要在全面连接点中设置双向监控点和生产管理连接点。基于时时海量信息传递和多节点控制的需求，需要单独的连接和数据流转通道以保证整个过程不断点、不丢包，顺利完成全过程。另外，是否有智能产品是与用户建立直接连接的前提。
挑战2：全控制
智能制造将数据流转作为核心，连接全部制造和相关环节，中间的全部过程都似“暗箱”般，非常需要随时知道发生了什么并予以人为纠偏和预警干涉。每个节点的交互设计和计算能力是实现全控制的基础。除了对环节的控制，还需要对智能设备(包括工业机器人)进行监测和控制。智能制造的生产线上将由多个智能设备来替代人类完成执行工作。人与机器的配合及人对机器的控制和管理也是智能制造挑战中比较容易出现掌控外事故的问题点。
挑战:3：资源整合
图中社会环境和用户都是智能制造的影响因素。智能制造阶段，主要存在的工厂形式为大的制造平台和小型个性化工作室。大平台可以满足小批量的定制化需求，小工作室更多体现在与用户的更直接、更短平快的连接。至于智能供应链也将出现大的供应链整合平台，针对不同个性化需求提供快速、“零库存”的供应。智能制造系统化工程需整合供应链、生产、物流、服务平台、营销资源等等，才能最大化的实现智能制造的自动化及产能最大化。
智能制造既然有如此高的要求，从以上可以总结出来两条实现路径：一条是作为龙头企业，自行尝试然后把成功经验复制到行业内其他企业，推动行业整体进步，从而实现更大范围的智能制造。另一条是行业内主要企业把相关资源整合在一起，共同尝试将所有相关环节集中在这一个平台上操作，作为独立的OEM中心存在。不难推断，产业联盟和第三方提供相关解决方案及数据服务或将成为必不可少的存在。
综上所述，智能制造即使还没实现也是符合社会经济发展规律的，本来就是一件任重道远的事儿。另外，所谓挑战对于不同发展阶段和数字化程度不同的企业意义不太一样，不能一概而论。
4 第2张图：智能制造数据流图
挑战4：数据采集及整合应用
企业内外大小数据的采集及整合应用是智能制造效率的基础。智能产品相关数据的获取也将是产品升级的基础数据。数据采集及整合能力，尤其是外部环境数据、行业数据和用户数据的获取整合能力最耗费成本，也最能体现企业资源整合实力。智能制造对于企业数据能力的要求包括数据入口掌控数量、数据采集方式(众包之后新的模式)、数据中心规划和实现能力、数据计算资源以及智能算法的驾驭能力等等。
挑战5：数据传递通道与时时交互
这里涉及到网络通道及网络上多节点协议标准建设。多节点交互、监测和控制，以及跨行业、跨领域、跨产品等多场景的要求，需要建立新的、系统性的、统一的协议标准，除了整体架构和基础物联网外，至少先从同一行业(领域)开始细化和建立统一标准。另外，无论是从带宽(实时数据承载量)还是网速要求，目前的网络资源显然支持不了智能制造的发展要求。现在大家把希望寄予5G，寄望于物联网新的协议标准。还能说什么呢，共同期待吧。
挑战6：数据模型的多场景创建与打通
一个统计方法吃八方，一个数据模型占领全天下的幸福时光不会再有了。尽管大数据和智能算法就那些，真正考验智能制造的是基于不同场景和条件的数据架构搭建和模型应用，以及多模式和场景下的数据及数据模型打通。任何事情都会有偏差，即使没有偏差，也需要根据外部的变化进行及时调整，完全依赖机器对数据的解读和归纳也不太可能。因此，还需要能够洞察行业发展和业务路线的专业分析师对规则进行调整、优化、升级和废除。
未来，数据将成为智能制造的生命线，数据收集、存储、快速调拨、模型搭建、规则创建及整合、计算和应用，每个环节都与连接、控制和自动化息息相关。HCR慧辰TMT研究部认为，数据服务能力未来将成为第三方服务的重要发展领域和方向，数据专家和工程师都会成为炙手可热的人才。
有专家说，即使只从三大产业的角度看，这些年互联网一直致力于影响第三产业，接下来必然在农业和工业(制造业)发力，而且很有前景。专家说的对，不过，专家没说啥时候能产生全面、大范围的影响。如果一直向远方眺望，确实是早晚都能实现。如果从挑战的难度来看，仅仅依靠商业的力量是不够的。目前，世界前二经济体均在此领域有所动作，美国政府6月20日公布了一个通过刺激被称为“智能制造业”的方法来推动美国制造业的复兴的法案。智能制造创新研究所是奥巴马政府颁布的第九个制造中心，并将在美国范围内发起5个地区制造创新中心，每个中心将专注于本地区的相关技术迁移和劳动力开发。中国政府去年5月亦由国务院出台制造强国中长期发展战略规划《中国制造2025》，预计2025年制造业重点领域全面实现智能化，试点示范项目运营成本降低50%，产品生产周期缩短50%，不良品率降低50%。
政策驱动、人才储备、企业投入、科研支持这些都是必要条件。新技术的开发和应用难免要在无数个坑里摸爬滚打，多少英烈仰天长叹生不逢时，也只能对抓住技术与市场最好契合时点成为英雄的人翻个白眼，继续义无反顾趟下一个泥坑。对于智能制造的发展来说，最需要的还是那些敢于趟过一个又一个坑点，拍拍泥土，总结经验教训，继续下一轮尝试的勇士。没有迎接挑战的决心，便没有迎接胜利的机会。
来源：网络。
智造家
1 问题思考
在看图之前，先想一个问题，为什么智能制造和工业4.0是下一个方向?从最早工匠使用工具开始，科技进步的物质形式基本体现在了制造发展的过程，将科技应用到制造的过程最能体现人类理性应用工具和技术等先进手段追求利润最大化和效率最高的伟大境界。所以，按照科技发展的逻辑推断，制造必然向信息化、智能化阶段发展。简单来说，很可能是因为人类智慧已经发展到这个阶段了，再不表现出来已经不能彰显人类的更高级能力。
2第1张图：智能制造流程全景图
西门子德国数字化工厂作为优秀的先驱者，用25年的时间已实现75%的生产作业自动化，生产线上的在线监测节点超过1000个，每天采集数据超过5000万。每年生产元器件30亿个，可24小时为客户供货，产能较数字化前提高了8倍。光看数字会觉得基本上智能制造的核心关键指标都提到了，只是不能直接感受到具体牛在哪儿。HCR慧辰TMT研究部整理了一张智能制造流程的全景图(如下)，希望能够从全局角度梳理智能制造的相关参与方和影响因素。
从上图不难看出智能制造是个系统工程，即使单点切入也需要系统化规划之后的逐一实现。
3 挑战：全连接
缺少任一节点的连接，都有可能影响全面自动化的实现。这里面会涉及多少连接呢?举个例子，说一个现在不太多见的产品，比如摩托车，仅发动机就有250多个零件，至于汽车约有30000个左右。对于制造过程，一个螺丝都不能少，智能制造的连接也是一样。除了这些，其他相关信息包括资金量、管理信息流、物流信息流、服务信息流等各个相关环节需要全面连接。在信息化阶段，ERP系统最大的问题点是逆向流程实现困难。到了智能化阶段除了连接点，还需要在全面连接点中设置双向监控点和生产管理连接点。基于时时海量信息传递和多节点控制的需求，需要单独的连接和数据流转通道以保证整个过程不断点、不丢包，顺利完成全过程。另外，是否有智能产品是与用户建立直接连接的前提。
挑战2：全控制
智能制造将数据流转作为核心，连接全部制造和相关环节，中间的全部过程都似“暗箱”般，非常需要随时知道发生了什么并予以人为纠偏和预警干涉。每个节点的交互设计和计算能力是实现全控制的基础。除了对环节的控制，还需要对智能设备(包括工业机器人)进行监测和控制。智能制造的生产线上将由多个智能设备来替代人类完成执行工作。人与机器的配合及人对机器的控制和管理也是智能制造挑战中比较容易出现掌控外事故的问题点。
挑战:3：资源整合
图中社会环境和用户都是智能制造的影响因素。智能制造阶段，主要存在的工厂形式为大的制造平台和小型个性化工作室。大平台可以满足小批量的定制化需求，小工作室更多体现在与用户的更直接、更短平快的连接。至于智能供应链也将出现大的供应链整合平台，针对不同个性化需求提供快速、“零库存”的供应。智能制造系统化工程需整合供应链、生产、物流、服务平台、营销资源等等，才能最大化的实现智能制造的自动化及产能最大化。
智能制造既然有如此高的要求，从以上可以总结出来两条实现路径：一条是作为龙头企业，自行尝试然后把成功经验复制到行业内其他企业，推动行业整体进步，从而实现更大范围的智能制造。另一条是行业内主要企业把相关资源整合在一起，共同尝试将所有相关环节集中在这一个平台上操作，作为独立的OEM中心存在。不难推断，产业联盟和第三方提供相关解决方案及数据服务或将成为必不可少的存在。
综上所述，智能制造即使还没实现也是符合社会经济发展规律的，本来就是一件任重道远的事儿。另外，所谓挑战对于不同发展阶段和数字化程度不同的企业意义不太一样，不能一概而论。
4 第2张图：智能制造数据流图
挑战4：数据采集及整合应用
企业内外大小数据的采集及整合应用是智能制造效率的基础。智能产品相关数据的获取也将是产品升级的基础数据。数据采集及整合能力，尤其是外部环境数据、行业数据和用户数据的获取整合能力最耗费成本，也最能体现企业资源整合实力。智能制造对于企业数据能力的要求包括数据入口掌控数量、数据采集方式(众包之后新的模式)、数据中心规划和实现能力、数据计算资源以及智能算法的驾驭能力等等。
挑战5：数据传递通道与时时交互
这里涉及到网络通道及网络上多节点协议标准建设。多节点交互、监测和控制，以及跨行业、跨领域、跨产品等多场景的要求，需要建立新的、系统性的、统一的协议标准，除了整体架构和基础物联网外，至少先从同一行业(领域)开始细化和建立统一标准。另外，无论是从带宽(实时数据承载量)还是网速要求，目前的网络资源显然支持不了智能制造的发展要求。现在大家把希望寄予5G，寄望于物联网新的协议标准。还能说什么呢，共同期待吧。
挑战6：数据模型的多场景创建与打通
一个统计方法吃八方，一个数据模型占领全天下的幸福时光不会再有了。尽管大数据和智能算法就那些，真正考验智能制造的是基于不同场景和条件的数据架构搭建和模型应用，以及多模式和场景下的数据及数据模型打通。任何事情都会有偏差，即使没有偏差，也需要根据外部的变化进行及时调整，完全依赖机器对数据的解读和归纳也不太可能。因此，还需要能够洞察行业发展和业务路线的专业分析师对规则进行调整、优化、升级和废除。
未来，数据将成为智能制造的生命线，数据收集、存储、快速调拨、模型搭建、规则创建及整合、计算和应用，每个环节都与连接、控制和自动化息息相关。HCR慧辰TMT研究部认为，数据服务能力未来将成为第三方服务的重要发展领域和方向，数据专家和工程师都会成为炙手可热的人才。
有专家说，即使只从三大产业的角度看，这些年互联网一直致力于影响第三产业，接下来必然在农业和工业(制造业)发力，而且很有前景。专家说的对，不过，专家没说啥时候能产生全面、大范围的影响。如果一直向远方眺望，确实是早晚都能实现。如果从挑战的难度来看，仅仅依靠商业的力量是不够的。目前，世界前二经济体均在此领域有所动作，美国政府6月20日公布了一个通过刺激被称为“智能制造业”的方法来推动美国制造业的复兴的法案。智能制造创新研究所是奥巴马政府颁布的第九个制造中心，并将在美国范围内发起5个地区制造创新中心，每个中心将专注于本地区的相关技术迁移和劳动力开发。中国政府去年5月亦由国务院出台制造强国中长期发展战略规划《中国制造2025》，预计2025年制造业重点领域全面实现智能化，试点示范项目运营成本降低50%，产品生产周期缩短50%，不良品率降低50%。
政策驱动、人才储备、企业投入、科研支持这些都是必要条件。新技术的开发和应用难免要在无数个坑里摸爬滚打，多少英烈仰天长叹生不逢时，也只能对抓住技术与市场最好契合时点成为英雄的人翻个白眼，继续义无反顾趟下一个泥坑。对于智能制造的发展来说，最需要的还是那些敢于趟过一个又一个坑点，拍拍泥土，总结经验教训，继续下一轮尝试的勇士。没有迎接挑战的决心，便没有迎接胜利的机会。
来源：网络。
智造家
369 浏览
产业观察：10句话把中国制造说到位！
管理类 凯麦亿精密机械 2016-11-28 16:01 发表了文章
中国制造业要迈向工业4.0，必须先补工业3.0的课——精益生产；甚至是工业2.0的课——IE（工业工程）。
E是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上！
互联网对商业环节的渗透和改造是逆向的，从与消费者最近的广告营销端开始，进入零售、渗透进分销环节，最终倒逼到生产制造环节，在此过程中生产方式、管理理念、生产设备、甚至原材料都将发生重大变化。关于互联网+制造业会发生什么样的变革？传统制造业企业如何拥抱互联网倒逼的变革？阿里研究院基于制造业经典理论和产业边缘发生的变革端倪，总结分析，与业内人士共同探讨。
1、互联网+制造业是倒逼出来的，其改造动力来源于下游环节
图1：“产销消”协同升级
制造业的互联网化是“生产-销售-消费”协同升级中的一环，其改造动力来源于下游流通端和消费端。下游互联网化程度（在线化、数据化）程度越高，对上游制造环节的倒逼作用越显著。目前，图书行业的零售端互联网化程度最高，保守估计超过50%。所以，我们看到图书的生产制造环节—“印刷出版”环节已经高度互联网化，数字出版、数字发行十分普及。纺织服装是另外一个零售端高度互联网化的产业，行业估计在30%以上，这意味着全国每100件服装就有30件是在互联网上销售出去的。
可以想象，其对上游生产制造产生了多大的倒逼力量。所以，我们看到在服装工厂里面，柔性化生产加速，生产周期缩短，生产方式和装备都有了变化。对于大量的工业制造业企业，下游是B类客户，这类企业互联网+的需求更多来自企业间的协同需求，但动力依旧来自下游客户。譬如，目前热火朝天的智能装备和智能产品，将传感器嵌入产品上，卖给客户后可以不断采集数据上传到云端。但是你可以看到，只有当客户有这样的需求并愿意分享数据的时候，制造端才有这样的动力。
2、“微笑曲线”误导中国制造业
1992年，台湾企业家施振荣提出了“微笑曲线”（Smile Curve）理论。微笑曲线认为，曲线左右两侧附加价值高，利润空间大；而处在曲线中间弧底位置的加工、组装、制造等，技术含量不高，附加价值低，利润微薄。中国产业界对“微笑曲线”奉为经典并因此陷入迷惘。在这一思想指导下，中国制造业转型升级的方向必须向所谓的价值链高端延伸，特别是走品牌化的道路。而面向零售市场和品牌之路是“败九成一”的策略，风险极大，并非适用所有制造业企业。
图2：微笑曲线VS武藏曲线
事实上，制造业并没有那么悲观，理论和实践上都存在与微笑曲线相反的现象。2004年日本索尼中村研究所所长中村末广提出了“武藏曲线”，即和微笑曲线相反的拱形曲线——真正最丰厚的利润源正是在“制造”上。而2005年6月，日本《2004年度制造业白皮书》通过对近400家制造业企业的调查也验证了，认同 “制造&组装”利润率最高的企业非常多。而中国制造业之所以被微笑曲线所迷惑，根本原因是中国制造业的管理水平糟糕。
近20年，中国制造业在WTO外贸红利和政府主导的投资拉动型增长模式下，获利轻松，同时做房地产、金融太容易赚钱，企业主普遍不愿在制造业投入精力。中国制造业30年不仅没有向全球输出任何思想，反而连IE（Industrial Engineering）、TPS（Toyota Production System）、6Sigma等成熟的制造业管理理论也极少应用。这一切导致“制造”应有的利润远远没有体现出来。
3、制造业转型的方向是由单纯“生产制造”转向“供应链协同”
制造业的互联网转型中，C2M模式需要具备零售的基因和塑造品牌的慢功夫，并不是所有企业都具备这种能力。我们认为，制造业更切实可行的转型之路是做供应链服务。但什么是做供应链？很多人都在讲，但似乎又各有所指。举个简单的例子来说明“单纯制造”与“供应链协同”的区别。
一个服装工厂在6月1日接到品牌商的一个订单，生产AB两个款式各1000件衣服，要求7月1日前交货。这个工厂埋头苦干，保质保量生产出衣服，在7月1日前把货发出，这叫生产制造。而“供应链协同”的做法是，工厂在生产过程中了解到品牌商那里：A款式畅销，在6月中旬已经低于最低安全库存了，马上就要断货；而B款式滞销，尚有大量库存。那么工厂应该加速A款式的生产和交期，而延缓B款式的生产甚至减少订单量，这就是“供应链协同”的做法。
图3：自动生产、补货系统
无论是消费品还是工业品的生产制造，只要是2B业务，都可以使用这个模型。制造业的长期价值在于帮助你下游的客户赚钱。在没有互联网的时候，一些优秀的企业已经在这方面进行了卓越的探索，比如思科、沃尔玛、丰田汽车、戴尔、华为等。而互联网作为一种广域的连接工具，完全可以更低成本地将供应链的上下游连接起来，通过数据协同实现更大范围的供应链协同。
4、供应链协同的基础是：打通电商大数据、ERP、MES系统，实现纵向一体化
要实现供应链协同，需要实现价值链各环节的数据共享和策略一致。在生产制造端，首先需要打通ERP与MES的割裂，实现内部协同。ERP是企业层级的资源计划管理；MES则是位于上层计划管理系统与底层工业控制之间，面向车间层的管理信息系统。ERP 的计划生成可执行的生产工单，而MES则对工单的执行过程跟踪记录，并防止错误发生。其管理范围从投产到出货。不幸的是大部分的制造业工厂ERP与MES都是两套系统，各自为政。产能情况、订单进度和生产库存对ERP来说只是黑箱作业。
图4：三层企业集成模型
若企业内部能实现ERP、MES，乃至CRM的集成协同，进一步就是需要对接电商大数据，包括实时订单数据、需求预测数据等，这部分数据可能分属于不同的合作伙伴。这时候合作伙伴的协同意识、信息化水平、数据接口标准，乃至激励机制就至关重要了。当产业链所有系统都全面集成之后，一条连接市场最终客户、制造业内部各部门、上下游各方的实时协同供应链就形成了。IT时代供应链的最高境界CPFA（Collaborative Planning Forecasting and Replenishment）--协同规划、预测与补货 系统就横空出现了。
过去，只有大企业才能达到这一点，因为涉及巨大的IT和人才投入，但现在互联网出现之后，有可能改变这一格局，小企业也可以做到，而且可以玩的更为极致。
因为，企业内部的系统集成通过以太网（局域网）即可完成，而跨企业之间的协同互联网则扮演重要角色。特别是电商出现之后，基于电商交易的数据丰富度、实时性和预测准确性，远非POS信息单一维度的日报所能比拟。我们也期待在2B的电商平台上，能尽早看到平台级的供应链协同系统出现。
5、柔性化生产将成为制造业的核心竞争力
国务院参事汤敏教授认为：未来中国，以大批量生产、低成本取胜的劳动密集型产业外迁到东南亚势不可挡，中国唯一可以留下的就是小批量、定制化的柔性制造产能。换个角度理解这句话，如果中国能大规模的改造生产制造系统，使之都具备柔性化生产能力，那么就可以把更多的制造业留住中国。
所谓柔性化生产是指，在品质、交期、成本保持一致的条件下，生产线在大批量生产和小批量生产之间任意切换。业界谈论更多的“大规模个性化定制”只是柔性生产的一种形式，并不是通用模型。同时，所谓“小多快”（小批量、多品类、快速生产）也不是真正的柔性化，因为大批量订单做不了也不是真正的柔性生产。目前，方兴未艾的“智能制造”，我们认为也是应用IOT技术来实现柔性化生产或定制化生产，总体上也属于这个范畴。
柔性化生产之所以成为制造业企业的核心竞争力，结合前面第三点“供应链协同”就不难理解。“供应链协同”要求制造企业的产能根据市场的实际需求变化弹性释放：卖得好、需求多就多生产；卖不好，需求少就少生产。制造业柔性能力不够，意味着你的客户就要倒霉了，要不必须大批量采购占压资金，要不就要忍受断货停产的风险。
纵观国内，从服装、鞋包到钢铁、原材料，各行各业的制造柔性化都在加速。以炼钢厂为例，以前订单生产都是以月为交期，以“炉”为单位批量生产（一个品种一炉至少50T）；而现在钢厂面临的多品种、小批次订单越来越多，交期也从月到按周交货，这样的市场形势倒逼钢厂在生产模式也发生变化。比如，变连续生产为半连续生产，炼钢炉不停变化钢种，优化钢种排产顺序合并小浇次，精细排产计划。总体上，所谓国内的产能过剩指的都是落后产能、一般性产能，真正具备柔性生产能力的产能十分稀缺。
6、车间里如何实现柔性化生产，互联网诞生之前已经出现；互联网要解决的是车间之外的事情
60年前大野耐一创立的“丰田式生产方式”（TPS，美国人总结为精益生产）已经极大地突破了柔性化生产问题。精益生产不仅仅是通过消除浪费来提高效率，更重要的是通过快速换模（SMED）、单件流（one piece flow） 等生产方式的创新实现了柔性化生产。大野先生认为生产市场不需要的产品、过多生产是最大的浪费。这在本质上，已经包含了产销和谐、产销匹配的深意。到90年代，佳能的细胞生产（Cell）又将柔性化生产推进了一大步。以大量运用多能工的细胞式生产，不仅实现了多品种生产组装的快速切换，而且激发了工人的创新能力。
同时期，以戴尔大规模定制为代表的生产革新代表了另外一种柔性化生产思路，即对产品按照其功能进行划分而进行模块化设计，建立产品族和零部件族，内部实现零部件的标准化、通用化。这一模式成就了戴尔的辉煌，并作为一种商业思想广泛传播。国内工业3.0的标杆企业尚品宅配、索菲亚、青岛红领等也都沿袭这一模式而成为行业翘楚。
所以说柔性化生产本身与互联网无关，互联网要解决的问题在于更大范围的产业链协同问题，包括生产制造企业与下游的客户，也包括与上游的原材料商、设备制造商之间的协同。
7、不但要柔还要快，快速响应比降低生产成本更重要
在需求快速变化的今天，制造业企业最重要的一项能力是快速响应市场，而非生产成本。快速响应包括产品创新能力、快速交货能力，以及连续补货能力等。在产能过剩和互联网的倒逼下，无论是服装鞋帽箱包等消费品，还是棉纱、钢铁、有色金属、五金、塑料等工业品，在订单需求上都出现了小批量、多品类的变化趋势。
在市场需求不确定的情况下，厂商都不愿意大批量订货，而是更多地通过小批量订货来试产试销，直到测试出市场的真实需求，才开始大批量连续订货。为保障生产和销售的机会，小单、急单、短单已经大行其道，这无形中倒逼生产制造企业必须能否快速响应，否则将逐步出局。
快速响应对下游客户的价值体现在，把客户从库存积压和断货停产的风险中解放出来，及时把握市场销售机会。
8、就单个企业而言，迈向工业4.0，精益和IE是绕不开的一道坎；那么出现互联网之后，有没有可能通过“范式转移”实现超越呢？
基于第6个观点，就不难理解接下来这个命题。中国制造业要迈向工业4.0，必须先补工业3.0的课——精益生产；甚至是工业2.0的课——IE（工业工程）。IE是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上。甚至丰田也讲到：丰田生产方式就是工业工程在丰田公司的具体应用。IE是以科学的方法，有效地利用人、财、物、信息、时间等经营资源，实现产出最大化。
有效实施IE可以实现企业在不需要资本投入的条件下，实现成本降低和效率大幅度提升。但是因为IE起源于泰勒的科学管理，在阶级论之下长期被误解和打压，直到90年代才在我国局部得到重视。
必须承认用精益和IE来改造现有传统制造业存在巨大困难，最重要的是一把手的观念、决心，甚至情怀。因此，就单个工厂升级到工业4.0无法超越这道鸿沟。在互联网条件下，有没有可能通过“技术-经济范式转移”的方式实现超越呢？是否会出现制造业的“云端制”？是否能实现超越工厂围墙的社会化柔性化生产？理论是可行的，现实也具备条件，但是我们还没有看到！这个值得持续观察。
9、“机器换人”的核心问题是软件如何柔性化
以自动化设备、批量生产、降低制造成本为导向的“机器换人”可能存在陷阱，因为这正与全球制造业发展方向背道而驰。比如，自动缝纫机一台可以替代6个缝纫工，确实提高了产能节省人工。
但是问题来了：自动缝纫机要求针对不同服装款式，不同缝制要求，预先制作工装夹具，还需要人工编程打板，制作缝迹文件。这些额外成本使得自动缝纫机依然最适合的是单一款式大批量生产，而这与服装行业柔性化生产的整体发展方向相悖。因此，“机器换人”的关键是如何实现软件的柔性化、敏捷编程，或自动编程，就像TPS中的“快速换模”一样。
以“机器换人”为主要内容的技术改造主要解决的是高人力成本问题，而实际上中国制造业面临的主要问题是产能过剩、产销脱离问题。其次，机器人确实可以提高某个操作环节的效率，并不一定能提升企业整体效益，要让机器人真正发挥作用还需要将生产管理、人力资源、信息化管理等“软件”与生产线的硬件进行同步规划。这就意味着机器并不是最主要的技改内容，系统思考更加重要。
10、制造业转型要放在C2B模式中予以整体思考
互联网时代，我们要从产供销一体化来看待制造业，任何局部的优化，整体结果可能更糟糕。因此要看到未来整个商业模式的转化。我们坚定地相信，C2B（Consumer to Business）是未来信息经济时代的主流商业模式。C2B=客户定义价值+SNS营销+拉动式配送体系+柔性化生产。
这其中，柔性化生产体系是C2B落地的重要一环，如果制造业做不到批量可大可小的柔性化生产，C2B不会彻底，并且会因此深受伤害。因为实施C2B的下游企业会把库存都压给制造业。以往大品牌实施的VIM（供应商管理库存）就是这样。
反之，如果下游零售端模式不变，那么柔性化生产的价值也难以体现。譬如，你依然愿意接沃尔玛这样的大批量采购订单，你自然还是一件产品三万件、五万件地生产，不会有动力和意识去做生产方式的改变。所以商业模式的转变是整体性的，是产供销一体化的转型。
转自：工业4点0 公众号
智造家提供 查看全部
E是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上！
互联网对商业环节的渗透和改造是逆向的，从与消费者最近的广告营销端开始，进入零售、渗透进分销环节，最终倒逼到生产制造环节，在此过程中生产方式、管理理念、生产设备、甚至原材料都将发生重大变化。关于互联网+制造业会发生什么样的变革？传统制造业企业如何拥抱互联网倒逼的变革？阿里研究院基于制造业经典理论和产业边缘发生的变革端倪，总结分析，与业内人士共同探讨。
1、互联网+制造业是倒逼出来的，其改造动力来源于下游环节
图1：“产销消”协同升级
制造业的互联网化是“生产-销售-消费”协同升级中的一环，其改造动力来源于下游流通端和消费端。下游互联网化程度（在线化、数据化）程度越高，对上游制造环节的倒逼作用越显著。目前，图书行业的零售端互联网化程度最高，保守估计超过50%。所以，我们看到图书的生产制造环节—“印刷出版”环节已经高度互联网化，数字出版、数字发行十分普及。纺织服装是另外一个零售端高度互联网化的产业，行业估计在30%以上，这意味着全国每100件服装就有30件是在互联网上销售出去的。
可以想象，其对上游生产制造产生了多大的倒逼力量。所以，我们看到在服装工厂里面，柔性化生产加速，生产周期缩短，生产方式和装备都有了变化。对于大量的工业制造业企业，下游是B类客户，这类企业互联网+的需求更多来自企业间的协同需求，但动力依旧来自下游客户。譬如，目前热火朝天的智能装备和智能产品，将传感器嵌入产品上，卖给客户后可以不断采集数据上传到云端。但是你可以看到，只有当客户有这样的需求并愿意分享数据的时候，制造端才有这样的动力。
2、“微笑曲线”误导中国制造业
1992年，台湾企业家施振荣提出了“微笑曲线”（Smile Curve）理论。微笑曲线认为，曲线左右两侧附加价值高，利润空间大；而处在曲线中间弧底位置的加工、组装、制造等，技术含量不高，附加价值低，利润微薄。中国产业界对“微笑曲线”奉为经典并因此陷入迷惘。在这一思想指导下，中国制造业转型升级的方向必须向所谓的价值链高端延伸，特别是走品牌化的道路。而面向零售市场和品牌之路是“败九成一”的策略，风险极大，并非适用所有制造业企业。
图2：微笑曲线VS武藏曲线
事实上，制造业并没有那么悲观，理论和实践上都存在与微笑曲线相反的现象。2004年日本索尼中村研究所所长中村末广提出了“武藏曲线”，即和微笑曲线相反的拱形曲线——真正最丰厚的利润源正是在“制造”上。而2005年6月，日本《2004年度制造业白皮书》通过对近400家制造业企业的调查也验证了，认同 “制造&组装”利润率最高的企业非常多。而中国制造业之所以被微笑曲线所迷惑，根本原因是中国制造业的管理水平糟糕。
近20年，中国制造业在WTO外贸红利和政府主导的投资拉动型增长模式下，获利轻松，同时做房地产、金融太容易赚钱，企业主普遍不愿在制造业投入精力。中国制造业30年不仅没有向全球输出任何思想，反而连IE（Industrial Engineering）、TPS（Toyota Production System）、6Sigma等成熟的制造业管理理论也极少应用。这一切导致“制造”应有的利润远远没有体现出来。
3、制造业转型的方向是由单纯“生产制造”转向“供应链协同”
制造业的互联网转型中，C2M模式需要具备零售的基因和塑造品牌的慢功夫，并不是所有企业都具备这种能力。我们认为，制造业更切实可行的转型之路是做供应链服务。但什么是做供应链？很多人都在讲，但似乎又各有所指。举个简单的例子来说明“单纯制造”与“供应链协同”的区别。
一个服装工厂在6月1日接到品牌商的一个订单，生产AB两个款式各1000件衣服，要求7月1日前交货。这个工厂埋头苦干，保质保量生产出衣服，在7月1日前把货发出，这叫生产制造。而“供应链协同”的做法是，工厂在生产过程中了解到品牌商那里：A款式畅销，在6月中旬已经低于最低安全库存了，马上就要断货；而B款式滞销，尚有大量库存。那么工厂应该加速A款式的生产和交期，而延缓B款式的生产甚至减少订单量，这就是“供应链协同”的做法。
图3：自动生产、补货系统
无论是消费品还是工业品的生产制造，只要是2B业务，都可以使用这个模型。制造业的长期价值在于帮助你下游的客户赚钱。在没有互联网的时候，一些优秀的企业已经在这方面进行了卓越的探索，比如思科、沃尔玛、丰田汽车、戴尔、华为等。而互联网作为一种广域的连接工具，完全可以更低成本地将供应链的上下游连接起来，通过数据协同实现更大范围的供应链协同。
4、供应链协同的基础是：打通电商大数据、ERP、MES系统，实现纵向一体化
要实现供应链协同，需要实现价值链各环节的数据共享和策略一致。在生产制造端，首先需要打通ERP与MES的割裂，实现内部协同。ERP是企业层级的资源计划管理；MES则是位于上层计划管理系统与底层工业控制之间，面向车间层的管理信息系统。ERP 的计划生成可执行的生产工单，而MES则对工单的执行过程跟踪记录，并防止错误发生。其管理范围从投产到出货。不幸的是大部分的制造业工厂ERP与MES都是两套系统，各自为政。产能情况、订单进度和生产库存对ERP来说只是黑箱作业。
图4：三层企业集成模型
若企业内部能实现ERP、MES，乃至CRM的集成协同，进一步就是需要对接电商大数据，包括实时订单数据、需求预测数据等，这部分数据可能分属于不同的合作伙伴。这时候合作伙伴的协同意识、信息化水平、数据接口标准，乃至激励机制就至关重要了。当产业链所有系统都全面集成之后，一条连接市场最终客户、制造业内部各部门、上下游各方的实时协同供应链就形成了。IT时代供应链的最高境界CPFA（Collaborative Planning Forecasting and Replenishment）--协同规划、预测与补货 系统就横空出现了。
过去，只有大企业才能达到这一点，因为涉及巨大的IT和人才投入，但现在互联网出现之后，有可能改变这一格局，小企业也可以做到，而且可以玩的更为极致。
因为，企业内部的系统集成通过以太网（局域网）即可完成，而跨企业之间的协同互联网则扮演重要角色。特别是电商出现之后，基于电商交易的数据丰富度、实时性和预测准确性，远非POS信息单一维度的日报所能比拟。我们也期待在2B的电商平台上，能尽早看到平台级的供应链协同系统出现。
5、柔性化生产将成为制造业的核心竞争力
国务院参事汤敏教授认为：未来中国，以大批量生产、低成本取胜的劳动密集型产业外迁到东南亚势不可挡，中国唯一可以留下的就是小批量、定制化的柔性制造产能。换个角度理解这句话，如果中国能大规模的改造生产制造系统，使之都具备柔性化生产能力，那么就可以把更多的制造业留住中国。
所谓柔性化生产是指，在品质、交期、成本保持一致的条件下，生产线在大批量生产和小批量生产之间任意切换。业界谈论更多的“大规模个性化定制”只是柔性生产的一种形式，并不是通用模型。同时，所谓“小多快”（小批量、多品类、快速生产）也不是真正的柔性化，因为大批量订单做不了也不是真正的柔性生产。目前，方兴未艾的“智能制造”，我们认为也是应用IOT技术来实现柔性化生产或定制化生产，总体上也属于这个范畴。
柔性化生产之所以成为制造业企业的核心竞争力，结合前面第三点“供应链协同”就不难理解。“供应链协同”要求制造企业的产能根据市场的实际需求变化弹性释放：卖得好、需求多就多生产；卖不好，需求少就少生产。制造业柔性能力不够，意味着你的客户就要倒霉了，要不必须大批量采购占压资金，要不就要忍受断货停产的风险。
纵观国内，从服装、鞋包到钢铁、原材料，各行各业的制造柔性化都在加速。以炼钢厂为例，以前订单生产都是以月为交期，以“炉”为单位批量生产（一个品种一炉至少50T）；而现在钢厂面临的多品种、小批次订单越来越多，交期也从月到按周交货，这样的市场形势倒逼钢厂在生产模式也发生变化。比如，变连续生产为半连续生产，炼钢炉不停变化钢种，优化钢种排产顺序合并小浇次，精细排产计划。总体上，所谓国内的产能过剩指的都是落后产能、一般性产能，真正具备柔性生产能力的产能十分稀缺。
6、车间里如何实现柔性化生产，互联网诞生之前已经出现；互联网要解决的是车间之外的事情
60年前大野耐一创立的“丰田式生产方式”（TPS，美国人总结为精益生产）已经极大地突破了柔性化生产问题。精益生产不仅仅是通过消除浪费来提高效率，更重要的是通过快速换模（SMED）、单件流（one piece flow） 等生产方式的创新实现了柔性化生产。大野先生认为生产市场不需要的产品、过多生产是最大的浪费。这在本质上，已经包含了产销和谐、产销匹配的深意。到90年代，佳能的细胞生产（Cell）又将柔性化生产推进了一大步。以大量运用多能工的细胞式生产，不仅实现了多品种生产组装的快速切换，而且激发了工人的创新能力。
同时期，以戴尔大规模定制为代表的生产革新代表了另外一种柔性化生产思路，即对产品按照其功能进行划分而进行模块化设计，建立产品族和零部件族，内部实现零部件的标准化、通用化。这一模式成就了戴尔的辉煌，并作为一种商业思想广泛传播。国内工业3.0的标杆企业尚品宅配、索菲亚、青岛红领等也都沿袭这一模式而成为行业翘楚。
所以说柔性化生产本身与互联网无关，互联网要解决的问题在于更大范围的产业链协同问题，包括生产制造企业与下游的客户，也包括与上游的原材料商、设备制造商之间的协同。
7、不但要柔还要快，快速响应比降低生产成本更重要
在需求快速变化的今天，制造业企业最重要的一项能力是快速响应市场，而非生产成本。快速响应包括产品创新能力、快速交货能力，以及连续补货能力等。在产能过剩和互联网的倒逼下，无论是服装鞋帽箱包等消费品，还是棉纱、钢铁、有色金属、五金、塑料等工业品，在订单需求上都出现了小批量、多品类的变化趋势。
在市场需求不确定的情况下，厂商都不愿意大批量订货，而是更多地通过小批量订货来试产试销，直到测试出市场的真实需求，才开始大批量连续订货。为保障生产和销售的机会，小单、急单、短单已经大行其道，这无形中倒逼生产制造企业必须能否快速响应，否则将逐步出局。
快速响应对下游客户的价值体现在，把客户从库存积压和断货停产的风险中解放出来，及时把握市场销售机会。
8、就单个企业而言，迈向工业4.0，精益和IE是绕不开的一道坎；那么出现互联网之后，有没有可能通过“范式转移”实现超越呢？
基于第6个观点，就不难理解接下来这个命题。中国制造业要迈向工业4.0，必须先补工业3.0的课——精益生产；甚至是工业2.0的课——IE（工业工程）。IE是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上。甚至丰田也讲到：丰田生产方式就是工业工程在丰田公司的具体应用。IE是以科学的方法，有效地利用人、财、物、信息、时间等经营资源，实现产出最大化。
有效实施IE可以实现企业在不需要资本投入的条件下，实现成本降低和效率大幅度提升。但是因为IE起源于泰勒的科学管理，在阶级论之下长期被误解和打压，直到90年代才在我国局部得到重视。
必须承认用精益和IE来改造现有传统制造业存在巨大困难，最重要的是一把手的观念、决心，甚至情怀。因此，就单个工厂升级到工业4.0无法超越这道鸿沟。在互联网条件下，有没有可能通过“技术-经济范式转移”的方式实现超越呢？是否会出现制造业的“云端制”？是否能实现超越工厂围墙的社会化柔性化生产？理论是可行的，现实也具备条件，但是我们还没有看到！这个值得持续观察。
9、“机器换人”的核心问题是软件如何柔性化
以自动化设备、批量生产、降低制造成本为导向的“机器换人”可能存在陷阱，因为这正与全球制造业发展方向背道而驰。比如，自动缝纫机一台可以替代6个缝纫工，确实提高了产能节省人工。
但是问题来了：自动缝纫机要求针对不同服装款式，不同缝制要求，预先制作工装夹具，还需要人工编程打板，制作缝迹文件。这些额外成本使得自动缝纫机依然最适合的是单一款式大批量生产，而这与服装行业柔性化生产的整体发展方向相悖。因此，“机器换人”的关键是如何实现软件的柔性化、敏捷编程，或自动编程，就像TPS中的“快速换模”一样。
以“机器换人”为主要内容的技术改造主要解决的是高人力成本问题，而实际上中国制造业面临的主要问题是产能过剩、产销脱离问题。其次，机器人确实可以提高某个操作环节的效率，并不一定能提升企业整体效益，要让机器人真正发挥作用还需要将生产管理、人力资源、信息化管理等“软件”与生产线的硬件进行同步规划。这就意味着机器并不是最主要的技改内容，系统思考更加重要。
10、制造业转型要放在C2B模式中予以整体思考
互联网时代，我们要从产供销一体化来看待制造业，任何局部的优化，整体结果可能更糟糕。因此要看到未来整个商业模式的转化。我们坚定地相信，C2B（Consumer to Business）是未来信息经济时代的主流商业模式。C2B=客户定义价值+SNS营销+拉动式配送体系+柔性化生产。
这其中，柔性化生产体系是C2B落地的重要一环，如果制造业做不到批量可大可小的柔性化生产，C2B不会彻底，并且会因此深受伤害。因为实施C2B的下游企业会把库存都压给制造业。以往大品牌实施的VIM（供应商管理库存）就是这样。
反之，如果下游零售端模式不变，那么柔性化生产的价值也难以体现。譬如，你依然愿意接沃尔玛这样的大批量采购订单，你自然还是一件产品三万件、五万件地生产，不会有动力和意识去做生产方式的改变。所以商业模式的转变是整体性的，是产供销一体化的转型。
转自：工业4点0 公众号
智造家提供 查看全部
中国制造业要迈向工业4.0，必须先补工业3.0的课——精益生产；甚至是工业2.0的课——IE（工业工程）。
E是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上！
互联网对商业环节的渗透和改造是逆向的，从与消费者最近的广告营销端开始，进入零售、渗透进分销环节，最终倒逼到生产制造环节，在此过程中生产方式、管理理念、生产设备、甚至原材料都将发生重大变化。关于互联网+制造业会发生什么样的变革？传统制造业企业如何拥抱互联网倒逼的变革？阿里研究院基于制造业经典理论和产业边缘发生的变革端倪，总结分析，与业内人士共同探讨。
1、互联网+制造业是倒逼出来的，其改造动力来源于下游环节
图1：“产销消”协同升级
制造业的互联网化是“生产-销售-消费”协同升级中的一环，其改造动力来源于下游流通端和消费端。下游互联网化程度（在线化、数据化）程度越高，对上游制造环节的倒逼作用越显著。目前，图书行业的零售端互联网化程度最高，保守估计超过50%。所以，我们看到图书的生产制造环节—“印刷出版”环节已经高度互联网化，数字出版、数字发行十分普及。纺织服装是另外一个零售端高度互联网化的产业，行业估计在30%以上，这意味着全国每100件服装就有30件是在互联网上销售出去的。
可以想象，其对上游生产制造产生了多大的倒逼力量。所以，我们看到在服装工厂里面，柔性化生产加速，生产周期缩短，生产方式和装备都有了变化。对于大量的工业制造业企业，下游是B类客户，这类企业互联网+的需求更多来自企业间的协同需求，但动力依旧来自下游客户。譬如，目前热火朝天的智能装备和智能产品，将传感器嵌入产品上，卖给客户后可以不断采集数据上传到云端。但是你可以看到，只有当客户有这样的需求并愿意分享数据的时候，制造端才有这样的动力。
2、“微笑曲线”误导中国制造业
1992年，台湾企业家施振荣提出了“微笑曲线”（Smile Curve）理论。微笑曲线认为，曲线左右两侧附加价值高，利润空间大；而处在曲线中间弧底位置的加工、组装、制造等，技术含量不高，附加价值低，利润微薄。中国产业界对“微笑曲线”奉为经典并因此陷入迷惘。在这一思想指导下，中国制造业转型升级的方向必须向所谓的价值链高端延伸，特别是走品牌化的道路。而面向零售市场和品牌之路是“败九成一”的策略，风险极大，并非适用所有制造业企业。
图2：微笑曲线VS武藏曲线
事实上，制造业并没有那么悲观，理论和实践上都存在与微笑曲线相反的现象。2004年日本索尼中村研究所所长中村末广提出了“武藏曲线”，即和微笑曲线相反的拱形曲线——真正最丰厚的利润源正是在“制造”上。而2005年6月，日本《2004年度制造业白皮书》通过对近400家制造业企业的调查也验证了，认同 “制造&组装”利润率最高的企业非常多。而中国制造业之所以被微笑曲线所迷惑，根本原因是中国制造业的管理水平糟糕。
近20年，中国制造业在WTO外贸红利和政府主导的投资拉动型增长模式下，获利轻松，同时做房地产、金融太容易赚钱，企业主普遍不愿在制造业投入精力。中国制造业30年不仅没有向全球输出任何思想，反而连IE（Industrial Engineering）、TPS（Toyota Production System）、6Sigma等成熟的制造业管理理论也极少应用。这一切导致“制造”应有的利润远远没有体现出来。
3、制造业转型的方向是由单纯“生产制造”转向“供应链协同”
制造业的互联网转型中，C2M模式需要具备零售的基因和塑造品牌的慢功夫，并不是所有企业都具备这种能力。我们认为，制造业更切实可行的转型之路是做供应链服务。但什么是做供应链？很多人都在讲，但似乎又各有所指。举个简单的例子来说明“单纯制造”与“供应链协同”的区别。
一个服装工厂在6月1日接到品牌商的一个订单，生产AB两个款式各1000件衣服，要求7月1日前交货。这个工厂埋头苦干，保质保量生产出衣服，在7月1日前把货发出，这叫生产制造。而“供应链协同”的做法是，工厂在生产过程中了解到品牌商那里：A款式畅销，在6月中旬已经低于最低安全库存了，马上就要断货；而B款式滞销，尚有大量库存。那么工厂应该加速A款式的生产和交期，而延缓B款式的生产甚至减少订单量，这就是“供应链协同”的做法。
图3：自动生产、补货系统
无论是消费品还是工业品的生产制造，只要是2B业务，都可以使用这个模型。制造业的长期价值在于帮助你下游的客户赚钱。在没有互联网的时候，一些优秀的企业已经在这方面进行了卓越的探索，比如思科、沃尔玛、丰田汽车、戴尔、华为等。而互联网作为一种广域的连接工具，完全可以更低成本地将供应链的上下游连接起来，通过数据协同实现更大范围的供应链协同。
4、供应链协同的基础是：打通电商大数据、ERP、MES系统，实现纵向一体化
要实现供应链协同，需要实现价值链各环节的数据共享和策略一致。在生产制造端，首先需要打通ERP与MES的割裂，实现内部协同。ERP是企业层级的资源计划管理；MES则是位于上层计划管理系统与底层工业控制之间，面向车间层的管理信息系统。ERP 的计划生成可执行的生产工单，而MES则对工单的执行过程跟踪记录，并防止错误发生。其管理范围从投产到出货。不幸的是大部分的制造业工厂ERP与MES都是两套系统，各自为政。产能情况、订单进度和生产库存对ERP来说只是黑箱作业。
图4：三层企业集成模型
若企业内部能实现ERP、MES，乃至CRM的集成协同，进一步就是需要对接电商大数据，包括实时订单数据、需求预测数据等，这部分数据可能分属于不同的合作伙伴。这时候合作伙伴的协同意识、信息化水平、数据接口标准，乃至激励机制就至关重要了。当产业链所有系统都全面集成之后，一条连接市场最终客户、制造业内部各部门、上下游各方的实时协同供应链就形成了。IT时代供应链的最高境界CPFA（Collaborative Planning Forecasting and Replenishment）--协同规划、预测与补货 系统就横空出现了。
过去，只有大企业才能达到这一点，因为涉及巨大的IT和人才投入，但现在互联网出现之后，有可能改变这一格局，小企业也可以做到，而且可以玩的更为极致。
因为，企业内部的系统集成通过以太网（局域网）即可完成，而跨企业之间的协同互联网则扮演重要角色。特别是电商出现之后，基于电商交易的数据丰富度、实时性和预测准确性，远非POS信息单一维度的日报所能比拟。我们也期待在2B的电商平台上，能尽早看到平台级的供应链协同系统出现。
5、柔性化生产将成为制造业的核心竞争力
国务院参事汤敏教授认为：未来中国，以大批量生产、低成本取胜的劳动密集型产业外迁到东南亚势不可挡，中国唯一可以留下的就是小批量、定制化的柔性制造产能。换个角度理解这句话，如果中国能大规模的改造生产制造系统，使之都具备柔性化生产能力，那么就可以把更多的制造业留住中国。
所谓柔性化生产是指，在品质、交期、成本保持一致的条件下，生产线在大批量生产和小批量生产之间任意切换。业界谈论更多的“大规模个性化定制”只是柔性生产的一种形式，并不是通用模型。同时，所谓“小多快”（小批量、多品类、快速生产）也不是真正的柔性化，因为大批量订单做不了也不是真正的柔性生产。目前，方兴未艾的“智能制造”，我们认为也是应用IOT技术来实现柔性化生产或定制化生产，总体上也属于这个范畴。
柔性化生产之所以成为制造业企业的核心竞争力，结合前面第三点“供应链协同”就不难理解。“供应链协同”要求制造企业的产能根据市场的实际需求变化弹性释放：卖得好、需求多就多生产；卖不好，需求少就少生产。制造业柔性能力不够，意味着你的客户就要倒霉了，要不必须大批量采购占压资金，要不就要忍受断货停产的风险。
纵观国内，从服装、鞋包到钢铁、原材料，各行各业的制造柔性化都在加速。以炼钢厂为例，以前订单生产都是以月为交期，以“炉”为单位批量生产（一个品种一炉至少50T）；而现在钢厂面临的多品种、小批次订单越来越多，交期也从月到按周交货，这样的市场形势倒逼钢厂在生产模式也发生变化。比如，变连续生产为半连续生产，炼钢炉不停变化钢种，优化钢种排产顺序合并小浇次，精细排产计划。总体上，所谓国内的产能过剩指的都是落后产能、一般性产能，真正具备柔性生产能力的产能十分稀缺。
6、车间里如何实现柔性化生产，互联网诞生之前已经出现；互联网要解决的是车间之外的事情
60年前大野耐一创立的“丰田式生产方式”（TPS，美国人总结为精益生产）已经极大地突破了柔性化生产问题。精益生产不仅仅是通过消除浪费来提高效率，更重要的是通过快速换模（SMED）、单件流（one piece flow） 等生产方式的创新实现了柔性化生产。大野先生认为生产市场不需要的产品、过多生产是最大的浪费。这在本质上，已经包含了产销和谐、产销匹配的深意。到90年代，佳能的细胞生产（Cell）又将柔性化生产推进了一大步。以大量运用多能工的细胞式生产，不仅实现了多品种生产组装的快速切换，而且激发了工人的创新能力。
同时期，以戴尔大规模定制为代表的生产革新代表了另外一种柔性化生产思路，即对产品按照其功能进行划分而进行模块化设计，建立产品族和零部件族，内部实现零部件的标准化、通用化。这一模式成就了戴尔的辉煌，并作为一种商业思想广泛传播。国内工业3.0的标杆企业尚品宅配、索菲亚、青岛红领等也都沿袭这一模式而成为行业翘楚。
所以说柔性化生产本身与互联网无关，互联网要解决的问题在于更大范围的产业链协同问题，包括生产制造企业与下游的客户，也包括与上游的原材料商、设备制造商之间的协同。
7、不但要柔还要快，快速响应比降低生产成本更重要
在需求快速变化的今天，制造业企业最重要的一项能力是快速响应市场，而非生产成本。快速响应包括产品创新能力、快速交货能力，以及连续补货能力等。在产能过剩和互联网的倒逼下，无论是服装鞋帽箱包等消费品，还是棉纱、钢铁、有色金属、五金、塑料等工业品，在订单需求上都出现了小批量、多品类的变化趋势。
在市场需求不确定的情况下，厂商都不愿意大批量订货，而是更多地通过小批量订货来试产试销，直到测试出市场的真实需求，才开始大批量连续订货。为保障生产和销售的机会，小单、急单、短单已经大行其道，这无形中倒逼生产制造企业必须能否快速响应，否则将逐步出局。
快速响应对下游客户的价值体现在，把客户从库存积压和断货停产的风险中解放出来，及时把握市场销售机会。
8、就单个企业而言，迈向工业4.0，精益和IE是绕不开的一道坎；那么出现互联网之后，有没有可能通过“范式转移”实现超越呢？
基于第6个观点，就不难理解接下来这个命题。中国制造业要迈向工业4.0，必须先补工业3.0的课——精益生产；甚至是工业2.0的课——IE（工业工程）。IE是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上。甚至丰田也讲到：丰田生产方式就是工业工程在丰田公司的具体应用。IE是以科学的方法，有效地利用人、财、物、信息、时间等经营资源，实现产出最大化。
有效实施IE可以实现企业在不需要资本投入的条件下，实现成本降低和效率大幅度提升。但是因为IE起源于泰勒的科学管理，在阶级论之下长期被误解和打压，直到90年代才在我国局部得到重视。
必须承认用精益和IE来改造现有传统制造业存在巨大困难，最重要的是一把手的观念、决心，甚至情怀。因此，就单个工厂升级到工业4.0无法超越这道鸿沟。在互联网条件下，有没有可能通过“技术-经济范式转移”的方式实现超越呢？是否会出现制造业的“云端制”？是否能实现超越工厂围墙的社会化柔性化生产？理论是可行的，现实也具备条件，但是我们还没有看到！这个值得持续观察。
9、“机器换人”的核心问题是软件如何柔性化
以自动化设备、批量生产、降低制造成本为导向的“机器换人”可能存在陷阱，因为这正与全球制造业发展方向背道而驰。比如，自动缝纫机一台可以替代6个缝纫工，确实提高了产能节省人工。
但是问题来了：自动缝纫机要求针对不同服装款式，不同缝制要求，预先制作工装夹具，还需要人工编程打板，制作缝迹文件。这些额外成本使得自动缝纫机依然最适合的是单一款式大批量生产，而这与服装行业柔性化生产的整体发展方向相悖。因此，“机器换人”的关键是如何实现软件的柔性化、敏捷编程，或自动编程，就像TPS中的“快速换模”一样。
以“机器换人”为主要内容的技术改造主要解决的是高人力成本问题，而实际上中国制造业面临的主要问题是产能过剩、产销脱离问题。其次，机器人确实可以提高某个操作环节的效率，并不一定能提升企业整体效益，要让机器人真正发挥作用还需要将生产管理、人力资源、信息化管理等“软件”与生产线的硬件进行同步规划。这就意味着机器并不是最主要的技改内容，系统思考更加重要。
10、制造业转型要放在C2B模式中予以整体思考
互联网时代，我们要从产供销一体化来看待制造业，任何局部的优化，整体结果可能更糟糕。因此要看到未来整个商业模式的转化。我们坚定地相信，C2B（Consumer to Business）是未来信息经济时代的主流商业模式。C2B=客户定义价值+SNS营销+拉动式配送体系+柔性化生产。
这其中，柔性化生产体系是C2B落地的重要一环，如果制造业做不到批量可大可小的柔性化生产，C2B不会彻底，并且会因此深受伤害。因为实施C2B的下游企业会把库存都压给制造业。以往大品牌实施的VIM（供应商管理库存）就是这样。
反之，如果下游零售端模式不变，那么柔性化生产的价值也难以体现。譬如，你依然愿意接沃尔玛这样的大批量采购订单，你自然还是一件产品三万件、五万件地生产，不会有动力和意识去做生产方式的改变。所以商业模式的转变是整体性的，是产供销一体化的转型。
转自：工业4点0 公众号
智造家提供
E是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上！
互联网对商业环节的渗透和改造是逆向的，从与消费者最近的广告营销端开始，进入零售、渗透进分销环节，最终倒逼到生产制造环节，在此过程中生产方式、管理理念、生产设备、甚至原材料都将发生重大变化。关于互联网+制造业会发生什么样的变革？传统制造业企业如何拥抱互联网倒逼的变革？阿里研究院基于制造业经典理论和产业边缘发生的变革端倪，总结分析，与业内人士共同探讨。
1、互联网+制造业是倒逼出来的，其改造动力来源于下游环节
图1：“产销消”协同升级
制造业的互联网化是“生产-销售-消费”协同升级中的一环，其改造动力来源于下游流通端和消费端。下游互联网化程度（在线化、数据化）程度越高，对上游制造环节的倒逼作用越显著。目前，图书行业的零售端互联网化程度最高，保守估计超过50%。所以，我们看到图书的生产制造环节—“印刷出版”环节已经高度互联网化，数字出版、数字发行十分普及。纺织服装是另外一个零售端高度互联网化的产业，行业估计在30%以上，这意味着全国每100件服装就有30件是在互联网上销售出去的。
可以想象，其对上游生产制造产生了多大的倒逼力量。所以，我们看到在服装工厂里面，柔性化生产加速，生产周期缩短，生产方式和装备都有了变化。对于大量的工业制造业企业，下游是B类客户，这类企业互联网+的需求更多来自企业间的协同需求，但动力依旧来自下游客户。譬如，目前热火朝天的智能装备和智能产品，将传感器嵌入产品上，卖给客户后可以不断采集数据上传到云端。但是你可以看到，只有当客户有这样的需求并愿意分享数据的时候，制造端才有这样的动力。
2、“微笑曲线”误导中国制造业
1992年，台湾企业家施振荣提出了“微笑曲线”（Smile Curve）理论。微笑曲线认为，曲线左右两侧附加价值高，利润空间大；而处在曲线中间弧底位置的加工、组装、制造等，技术含量不高，附加价值低，利润微薄。中国产业界对“微笑曲线”奉为经典并因此陷入迷惘。在这一思想指导下，中国制造业转型升级的方向必须向所谓的价值链高端延伸，特别是走品牌化的道路。而面向零售市场和品牌之路是“败九成一”的策略，风险极大，并非适用所有制造业企业。
图2：微笑曲线VS武藏曲线
事实上，制造业并没有那么悲观，理论和实践上都存在与微笑曲线相反的现象。2004年日本索尼中村研究所所长中村末广提出了“武藏曲线”，即和微笑曲线相反的拱形曲线——真正最丰厚的利润源正是在“制造”上。而2005年6月，日本《2004年度制造业白皮书》通过对近400家制造业企业的调查也验证了，认同 “制造&组装”利润率最高的企业非常多。而中国制造业之所以被微笑曲线所迷惑，根本原因是中国制造业的管理水平糟糕。
近20年，中国制造业在WTO外贸红利和政府主导的投资拉动型增长模式下，获利轻松，同时做房地产、金融太容易赚钱，企业主普遍不愿在制造业投入精力。中国制造业30年不仅没有向全球输出任何思想，反而连IE（Industrial Engineering）、TPS（Toyota Production System）、6Sigma等成熟的制造业管理理论也极少应用。这一切导致“制造”应有的利润远远没有体现出来。
3、制造业转型的方向是由单纯“生产制造”转向“供应链协同”
制造业的互联网转型中，C2M模式需要具备零售的基因和塑造品牌的慢功夫，并不是所有企业都具备这种能力。我们认为，制造业更切实可行的转型之路是做供应链服务。但什么是做供应链？很多人都在讲，但似乎又各有所指。举个简单的例子来说明“单纯制造”与“供应链协同”的区别。
一个服装工厂在6月1日接到品牌商的一个订单，生产AB两个款式各1000件衣服，要求7月1日前交货。这个工厂埋头苦干，保质保量生产出衣服，在7月1日前把货发出，这叫生产制造。而“供应链协同”的做法是，工厂在生产过程中了解到品牌商那里：A款式畅销，在6月中旬已经低于最低安全库存了，马上就要断货；而B款式滞销，尚有大量库存。那么工厂应该加速A款式的生产和交期，而延缓B款式的生产甚至减少订单量，这就是“供应链协同”的做法。
图3：自动生产、补货系统
无论是消费品还是工业品的生产制造，只要是2B业务，都可以使用这个模型。制造业的长期价值在于帮助你下游的客户赚钱。在没有互联网的时候，一些优秀的企业已经在这方面进行了卓越的探索，比如思科、沃尔玛、丰田汽车、戴尔、华为等。而互联网作为一种广域的连接工具，完全可以更低成本地将供应链的上下游连接起来，通过数据协同实现更大范围的供应链协同。
4、供应链协同的基础是：打通电商大数据、ERP、MES系统，实现纵向一体化
要实现供应链协同，需要实现价值链各环节的数据共享和策略一致。在生产制造端，首先需要打通ERP与MES的割裂，实现内部协同。ERP是企业层级的资源计划管理；MES则是位于上层计划管理系统与底层工业控制之间，面向车间层的管理信息系统。ERP 的计划生成可执行的生产工单，而MES则对工单的执行过程跟踪记录，并防止错误发生。其管理范围从投产到出货。不幸的是大部分的制造业工厂ERP与MES都是两套系统，各自为政。产能情况、订单进度和生产库存对ERP来说只是黑箱作业。
图4：三层企业集成模型
若企业内部能实现ERP、MES，乃至CRM的集成协同，进一步就是需要对接电商大数据，包括实时订单数据、需求预测数据等，这部分数据可能分属于不同的合作伙伴。这时候合作伙伴的协同意识、信息化水平、数据接口标准，乃至激励机制就至关重要了。当产业链所有系统都全面集成之后，一条连接市场最终客户、制造业内部各部门、上下游各方的实时协同供应链就形成了。IT时代供应链的最高境界CPFA（Collaborative Planning Forecasting and Replenishment）--协同规划、预测与补货 系统就横空出现了。
过去，只有大企业才能达到这一点，因为涉及巨大的IT和人才投入，但现在互联网出现之后，有可能改变这一格局，小企业也可以做到，而且可以玩的更为极致。
因为，企业内部的系统集成通过以太网（局域网）即可完成，而跨企业之间的协同互联网则扮演重要角色。特别是电商出现之后，基于电商交易的数据丰富度、实时性和预测准确性，远非POS信息单一维度的日报所能比拟。我们也期待在2B的电商平台上，能尽早看到平台级的供应链协同系统出现。
5、柔性化生产将成为制造业的核心竞争力
国务院参事汤敏教授认为：未来中国，以大批量生产、低成本取胜的劳动密集型产业外迁到东南亚势不可挡，中国唯一可以留下的就是小批量、定制化的柔性制造产能。换个角度理解这句话，如果中国能大规模的改造生产制造系统，使之都具备柔性化生产能力，那么就可以把更多的制造业留住中国。
所谓柔性化生产是指，在品质、交期、成本保持一致的条件下，生产线在大批量生产和小批量生产之间任意切换。业界谈论更多的“大规模个性化定制”只是柔性生产的一种形式，并不是通用模型。同时，所谓“小多快”（小批量、多品类、快速生产）也不是真正的柔性化，因为大批量订单做不了也不是真正的柔性生产。目前，方兴未艾的“智能制造”，我们认为也是应用IOT技术来实现柔性化生产或定制化生产，总体上也属于这个范畴。
柔性化生产之所以成为制造业企业的核心竞争力，结合前面第三点“供应链协同”就不难理解。“供应链协同”要求制造企业的产能根据市场的实际需求变化弹性释放：卖得好、需求多就多生产；卖不好，需求少就少生产。制造业柔性能力不够，意味着你的客户就要倒霉了，要不必须大批量采购占压资金，要不就要忍受断货停产的风险。
纵观国内，从服装、鞋包到钢铁、原材料，各行各业的制造柔性化都在加速。以炼钢厂为例，以前订单生产都是以月为交期，以“炉”为单位批量生产（一个品种一炉至少50T）；而现在钢厂面临的多品种、小批次订单越来越多，交期也从月到按周交货，这样的市场形势倒逼钢厂在生产模式也发生变化。比如，变连续生产为半连续生产，炼钢炉不停变化钢种，优化钢种排产顺序合并小浇次，精细排产计划。总体上，所谓国内的产能过剩指的都是落后产能、一般性产能，真正具备柔性生产能力的产能十分稀缺。
6、车间里如何实现柔性化生产，互联网诞生之前已经出现；互联网要解决的是车间之外的事情
60年前大野耐一创立的“丰田式生产方式”（TPS，美国人总结为精益生产）已经极大地突破了柔性化生产问题。精益生产不仅仅是通过消除浪费来提高效率，更重要的是通过快速换模（SMED）、单件流（one piece flow） 等生产方式的创新实现了柔性化生产。大野先生认为生产市场不需要的产品、过多生产是最大的浪费。这在本质上，已经包含了产销和谐、产销匹配的深意。到90年代，佳能的细胞生产（Cell）又将柔性化生产推进了一大步。以大量运用多能工的细胞式生产，不仅实现了多品种生产组装的快速切换，而且激发了工人的创新能力。
同时期，以戴尔大规模定制为代表的生产革新代表了另外一种柔性化生产思路，即对产品按照其功能进行划分而进行模块化设计，建立产品族和零部件族，内部实现零部件的标准化、通用化。这一模式成就了戴尔的辉煌，并作为一种商业思想广泛传播。国内工业3.0的标杆企业尚品宅配、索菲亚、青岛红领等也都沿袭这一模式而成为行业翘楚。
所以说柔性化生产本身与互联网无关，互联网要解决的问题在于更大范围的产业链协同问题，包括生产制造企业与下游的客户，也包括与上游的原材料商、设备制造商之间的协同。
7、不但要柔还要快，快速响应比降低生产成本更重要
在需求快速变化的今天，制造业企业最重要的一项能力是快速响应市场，而非生产成本。快速响应包括产品创新能力、快速交货能力，以及连续补货能力等。在产能过剩和互联网的倒逼下，无论是服装鞋帽箱包等消费品，还是棉纱、钢铁、有色金属、五金、塑料等工业品，在订单需求上都出现了小批量、多品类的变化趋势。
在市场需求不确定的情况下，厂商都不愿意大批量订货，而是更多地通过小批量订货来试产试销，直到测试出市场的真实需求，才开始大批量连续订货。为保障生产和销售的机会，小单、急单、短单已经大行其道，这无形中倒逼生产制造企业必须能否快速响应，否则将逐步出局。
快速响应对下游客户的价值体现在，把客户从库存积压和断货停产的风险中解放出来，及时把握市场销售机会。
8、就单个企业而言，迈向工业4.0，精益和IE是绕不开的一道坎；那么出现互联网之后，有没有可能通过“范式转移”实现超越呢？
基于第6个观点，就不难理解接下来这个命题。中国制造业要迈向工业4.0，必须先补工业3.0的课——精益生产；甚至是工业2.0的课——IE（工业工程）。IE是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上。甚至丰田也讲到：丰田生产方式就是工业工程在丰田公司的具体应用。IE是以科学的方法，有效地利用人、财、物、信息、时间等经营资源，实现产出最大化。
有效实施IE可以实现企业在不需要资本投入的条件下，实现成本降低和效率大幅度提升。但是因为IE起源于泰勒的科学管理，在阶级论之下长期被误解和打压，直到90年代才在我国局部得到重视。
必须承认用精益和IE来改造现有传统制造业存在巨大困难，最重要的是一把手的观念、决心，甚至情怀。因此，就单个工厂升级到工业4.0无法超越这道鸿沟。在互联网条件下，有没有可能通过“技术-经济范式转移”的方式实现超越呢？是否会出现制造业的“云端制”？是否能实现超越工厂围墙的社会化柔性化生产？理论是可行的，现实也具备条件，但是我们还没有看到！这个值得持续观察。
9、“机器换人”的核心问题是软件如何柔性化
以自动化设备、批量生产、降低制造成本为导向的“机器换人”可能存在陷阱，因为这正与全球制造业发展方向背道而驰。比如，自动缝纫机一台可以替代6个缝纫工，确实提高了产能节省人工。
但是问题来了：自动缝纫机要求针对不同服装款式，不同缝制要求，预先制作工装夹具，还需要人工编程打板，制作缝迹文件。这些额外成本使得自动缝纫机依然最适合的是单一款式大批量生产，而这与服装行业柔性化生产的整体发展方向相悖。因此，“机器换人”的关键是如何实现软件的柔性化、敏捷编程，或自动编程，就像TPS中的“快速换模”一样。
以“机器换人”为主要内容的技术改造主要解决的是高人力成本问题，而实际上中国制造业面临的主要问题是产能过剩、产销脱离问题。其次，机器人确实可以提高某个操作环节的效率，并不一定能提升企业整体效益，要让机器人真正发挥作用还需要将生产管理、人力资源、信息化管理等“软件”与生产线的硬件进行同步规划。这就意味着机器并不是最主要的技改内容，系统思考更加重要。
10、制造业转型要放在C2B模式中予以整体思考
互联网时代，我们要从产供销一体化来看待制造业，任何局部的优化，整体结果可能更糟糕。因此要看到未来整个商业模式的转化。我们坚定地相信，C2B（Consumer to Business）是未来信息经济时代的主流商业模式。C2B=客户定义价值+SNS营销+拉动式配送体系+柔性化生产。
这其中，柔性化生产体系是C2B落地的重要一环，如果制造业做不到批量可大可小的柔性化生产，C2B不会彻底，并且会因此深受伤害。因为实施C2B的下游企业会把库存都压给制造业。以往大品牌实施的VIM（供应商管理库存）就是这样。
反之，如果下游零售端模式不变，那么柔性化生产的价值也难以体现。譬如，你依然愿意接沃尔玛这样的大批量采购订单，你自然还是一件产品三万件、五万件地生产，不会有动力和意识去做生产方式的改变。所以商业模式的转变是整体性的，是产供销一体化的转型。
转自：工业4点0 公众号
智造家提供
450 浏览
两张图看清智能制造的挑战在哪里?
机械自动化类 喷漆李 2016-12-13 10:59 发表了文章
智能制造的核心关键词是自动化、连接和智能控制，核心要实现的是整合资源、降低成本和提高效率。作为工业制造业的下一个发展方向，它容易实现么?将会遭遇哪些挑战？
1 问题思考
在看图之前，先想一个问题，为什么智能制造和工业4.0是下一个方向?从最早工匠使用工具开始，科技进步的物质形式基本体现在了制造发展的过程，将科技应用到制造的过程最能体现人类理性应用工具和技术等先进手段追求利润最大化和效率最高的伟大境界。所以，按照科技发展的逻辑推断，制造必然向信息化、智能化阶段发展。简单来说，很可能是因为人类智慧已经发展到这个阶段了，再不表现出来已经不能彰显人类的更高级能力。
2第1张图：智能制造流程全景图
西门子德国数字化工厂作为优秀的先驱者，用25年的时间已实现75%的生产作业自动化，生产线上的在线监测节点超过1000个，每天采集数据超过5000万。每年生产元器件30亿个，可24小时为客户供货，产能较数字化前提高了8倍。光看数字会觉得基本上智能制造的核心关键指标都提到了，只是不能直接感受到具体牛在哪儿。HCR慧辰TMT研究部整理了一张智能制造流程的全景图(如下)，希望能够从全局角度梳理智能制造的相关参与方和影响因素。
从上图不难看出智能制造是个系统工程，即使单点切入也需要系统化规划之后的逐一实现。
3 挑战：全连接
缺少任一节点的连接，都有可能影响全面自动化的实现。这里面会涉及多少连接呢?举个例子，说一个现在不太多见的产品，比如摩托车，仅发动机就有250多个零件，至于汽车约有30000个左右。对于制造过程，一个螺丝都不能少，智能制造的连接也是一样。除了这些，其他相关信息包括资金量、管理信息流、物流信息流、服务信息流等各个相关环节需要全面连接。在信息化阶段，ERP系统最大的问题点是逆向流程实现困难。到了智能化阶段除了连接点，还需要在全面连接点中设置双向监控点和生产管理连接点。基于时时海量信息传递和多节点控制的需求，需要单独的连接和数据流转通道以保证整个过程不断点、不丢包，顺利完成全过程。另外，是否有智能产品是与用户建立直接连接的前提。
挑战2：全控制
智能制造将数据流转作为核心，连接全部制造和相关环节，中间的全部过程都似“暗箱”般，非常需要随时知道发生了什么并予以人为纠偏和预警干涉。每个节点的交互设计和计算能力是实现全控制的基础。除了对环节的控制，还需要对智能设备(包括工业机器人)进行监测和控制。智能制造的生产线上将由多个智能设备来替代人类完成执行工作。人与机器的配合及人对机器的控制和管理也是智能制造挑战中比较容易出现掌控外事故的问题点。
挑战:3：资源整合
图中社会环境和用户都是智能制造的影响因素。智能制造阶段，主要存在的工厂形式为大的制造平台和小型个性化工作室。大平台可以满足小批量的定制化需求，小工作室更多体现在与用户的更直接、更短平快的连接。至于智能供应链也将出现大的供应链整合平台，针对不同个性化需求提供快速、“零库存”的供应。智能制造系统化工程需整合供应链、生产、物流、服务平台、营销资源等等，才能最大化的实现智能制造的自动化及产能最大化。
智能制造既然有如此高的要求，从以上可以总结出来两条实现路径：一条是作为龙头企业，自行尝试然后把成功经验复制到行业内其他企业，推动行业整体进步，从而实现更大范围的智能制造。另一条是行业内主要企业把相关资源整合在一起，共同尝试将所有相关环节集中在这一个平台上操作，作为独立的OEM中心存在。不难推断，产业联盟和第三方提供相关解决方案及数据服务或将成为必不可少的存在。
综上所述，智能制造即使还没实现也是符合社会经济发展规律的，本来就是一件任重道远的事儿。另外，所谓挑战对于不同发展阶段和数字化程度不同的企业意义不太一样，不能一概而论。
4 第2张图：智能制造数据流图
挑战4：数据采集及整合应用
企业内外大小数据的采集及整合应用是智能制造效率的基础。智能产品相关数据的获取也将是产品升级的基础数据。数据采集及整合能力，尤其是外部环境数据、行业数据和用户数据的获取整合能力最耗费成本，也最能体现企业资源整合实力。智能制造对于企业数据能力的要求包括数据入口掌控数量、数据采集方式(众包之后新的模式)、数据中心规划和实现能力、数据计算资源以及智能算法的驾驭能力等等。
挑战5：数据传递通道与时时交互
这里涉及到网络通道及网络上多节点协议标准建设。多节点交互、监测和控制，以及跨行业、跨领域、跨产品等多场景的要求，需要建立新的、系统性的、统一的协议标准，除了整体架构和基础物联网外，至少先从同一行业(领域)开始细化和建立统一标准。另外，无论是从带宽(实时数据承载量)还是网速要求，目前的网络资源显然支持不了智能制造的发展要求。现在大家把希望寄予5G，寄望于物联网新的协议标准。还能说什么呢，共同期待吧。
挑战6：数据模型的多场景创建与打通
一个统计方法吃八方，一个数据模型占领全天下的幸福时光不会再有了。尽管大数据和智能算法就那些，真正考验智能制造的是基于不同场景和条件的数据架构搭建和模型应用，以及多模式和场景下的数据及数据模型打通。任何事情都会有偏差，即使没有偏差，也需要根据外部的变化进行及时调整，完全依赖机器对数据的解读和归纳也不太可能。因此，还需要能够洞察行业发展和业务路线的专业分析师对规则进行调整、优化、升级和废除。
未来，数据将成为智能制造的生命线，数据收集、存储、快速调拨、模型搭建、规则创建及整合、计算和应用，每个环节都与连接、控制和自动化息息相关。HCR慧辰TMT研究部认为，数据服务能力未来将成为第三方服务的重要发展领域和方向，数据专家和工程师都会成为炙手可热的人才。
有专家说，即使只从三大产业的角度看，这些年互联网一直致力于影响第三产业，接下来必然在农业和工业(制造业)发力，而且很有前景。专家说的对，不过，专家没说啥时候能产生全面、大范围的影响。如果一直向远方眺望，确实是早晚都能实现。如果从挑战的难度来看，仅仅依靠商业的力量是不够的。目前，世界前二经济体均在此领域有所动作，美国政府6月20日公布了一个通过刺激被称为“智能制造业”的方法来推动美国制造业的复兴的法案。智能制造创新研究所是奥巴马政府颁布的第九个制造中心，并将在美国范围内发起5个地区制造创新中心，每个中心将专注于本地区的相关技术迁移和劳动力开发。中国政府去年5月亦由国务院出台制造强国中长期发展战略规划《中国制造2025》，预计2025年制造业重点领域全面实现智能化，试点示范项目运营成本降低50%，产品生产周期缩短50%，不良品率降低50%。
政策驱动、人才储备、企业投入、科研支持这些都是必要条件。新技术的开发和应用难免要在无数个坑里摸爬滚打，多少英烈仰天长叹生不逢时，也只能对抓住技术与市场最好契合时点成为英雄的人翻个白眼，继续义无反顾趟下一个泥坑。对于智能制造的发展来说，最需要的还是那些敢于趟过一个又一个坑点，拍拍泥土，总结经验教训，继续下一轮尝试的勇士。没有迎接挑战的决心，便没有迎接胜利的机会。
来源：网络。
智造家 查看全部
1 问题思考
在看图之前，先想一个问题，为什么智能制造和工业4.0是下一个方向?从最早工匠使用工具开始，科技进步的物质形式基本体现在了制造发展的过程，将科技应用到制造的过程最能体现人类理性应用工具和技术等先进手段追求利润最大化和效率最高的伟大境界。所以，按照科技发展的逻辑推断，制造必然向信息化、智能化阶段发展。简单来说，很可能是因为人类智慧已经发展到这个阶段了，再不表现出来已经不能彰显人类的更高级能力。
2第1张图：智能制造流程全景图
西门子德国数字化工厂作为优秀的先驱者，用25年的时间已实现75%的生产作业自动化，生产线上的在线监测节点超过1000个，每天采集数据超过5000万。每年生产元器件30亿个，可24小时为客户供货，产能较数字化前提高了8倍。光看数字会觉得基本上智能制造的核心关键指标都提到了，只是不能直接感受到具体牛在哪儿。HCR慧辰TMT研究部整理了一张智能制造流程的全景图(如下)，希望能够从全局角度梳理智能制造的相关参与方和影响因素。
从上图不难看出智能制造是个系统工程，即使单点切入也需要系统化规划之后的逐一实现。
3 挑战：全连接
缺少任一节点的连接，都有可能影响全面自动化的实现。这里面会涉及多少连接呢?举个例子，说一个现在不太多见的产品，比如摩托车，仅发动机就有250多个零件，至于汽车约有30000个左右。对于制造过程，一个螺丝都不能少，智能制造的连接也是一样。除了这些，其他相关信息包括资金量、管理信息流、物流信息流、服务信息流等各个相关环节需要全面连接。在信息化阶段，ERP系统最大的问题点是逆向流程实现困难。到了智能化阶段除了连接点，还需要在全面连接点中设置双向监控点和生产管理连接点。基于时时海量信息传递和多节点控制的需求，需要单独的连接和数据流转通道以保证整个过程不断点、不丢包，顺利完成全过程。另外，是否有智能产品是与用户建立直接连接的前提。
挑战2：全控制
智能制造将数据流转作为核心，连接全部制造和相关环节，中间的全部过程都似“暗箱”般，非常需要随时知道发生了什么并予以人为纠偏和预警干涉。每个节点的交互设计和计算能力是实现全控制的基础。除了对环节的控制，还需要对智能设备(包括工业机器人)进行监测和控制。智能制造的生产线上将由多个智能设备来替代人类完成执行工作。人与机器的配合及人对机器的控制和管理也是智能制造挑战中比较容易出现掌控外事故的问题点。
挑战:3：资源整合
图中社会环境和用户都是智能制造的影响因素。智能制造阶段，主要存在的工厂形式为大的制造平台和小型个性化工作室。大平台可以满足小批量的定制化需求，小工作室更多体现在与用户的更直接、更短平快的连接。至于智能供应链也将出现大的供应链整合平台，针对不同个性化需求提供快速、“零库存”的供应。智能制造系统化工程需整合供应链、生产、物流、服务平台、营销资源等等，才能最大化的实现智能制造的自动化及产能最大化。
智能制造既然有如此高的要求，从以上可以总结出来两条实现路径：一条是作为龙头企业，自行尝试然后把成功经验复制到行业内其他企业，推动行业整体进步，从而实现更大范围的智能制造。另一条是行业内主要企业把相关资源整合在一起，共同尝试将所有相关环节集中在这一个平台上操作，作为独立的OEM中心存在。不难推断，产业联盟和第三方提供相关解决方案及数据服务或将成为必不可少的存在。
综上所述，智能制造即使还没实现也是符合社会经济发展规律的，本来就是一件任重道远的事儿。另外，所谓挑战对于不同发展阶段和数字化程度不同的企业意义不太一样，不能一概而论。
4 第2张图：智能制造数据流图
挑战4：数据采集及整合应用
企业内外大小数据的采集及整合应用是智能制造效率的基础。智能产品相关数据的获取也将是产品升级的基础数据。数据采集及整合能力，尤其是外部环境数据、行业数据和用户数据的获取整合能力最耗费成本，也最能体现企业资源整合实力。智能制造对于企业数据能力的要求包括数据入口掌控数量、数据采集方式(众包之后新的模式)、数据中心规划和实现能力、数据计算资源以及智能算法的驾驭能力等等。
挑战5：数据传递通道与时时交互
这里涉及到网络通道及网络上多节点协议标准建设。多节点交互、监测和控制，以及跨行业、跨领域、跨产品等多场景的要求，需要建立新的、系统性的、统一的协议标准，除了整体架构和基础物联网外，至少先从同一行业(领域)开始细化和建立统一标准。另外，无论是从带宽(实时数据承载量)还是网速要求，目前的网络资源显然支持不了智能制造的发展要求。现在大家把希望寄予5G，寄望于物联网新的协议标准。还能说什么呢，共同期待吧。
挑战6：数据模型的多场景创建与打通
一个统计方法吃八方，一个数据模型占领全天下的幸福时光不会再有了。尽管大数据和智能算法就那些，真正考验智能制造的是基于不同场景和条件的数据架构搭建和模型应用，以及多模式和场景下的数据及数据模型打通。任何事情都会有偏差，即使没有偏差，也需要根据外部的变化进行及时调整，完全依赖机器对数据的解读和归纳也不太可能。因此，还需要能够洞察行业发展和业务路线的专业分析师对规则进行调整、优化、升级和废除。
未来，数据将成为智能制造的生命线，数据收集、存储、快速调拨、模型搭建、规则创建及整合、计算和应用，每个环节都与连接、控制和自动化息息相关。HCR慧辰TMT研究部认为，数据服务能力未来将成为第三方服务的重要发展领域和方向，数据专家和工程师都会成为炙手可热的人才。
有专家说，即使只从三大产业的角度看，这些年互联网一直致力于影响第三产业，接下来必然在农业和工业(制造业)发力，而且很有前景。专家说的对，不过，专家没说啥时候能产生全面、大范围的影响。如果一直向远方眺望，确实是早晚都能实现。如果从挑战的难度来看，仅仅依靠商业的力量是不够的。目前，世界前二经济体均在此领域有所动作，美国政府6月20日公布了一个通过刺激被称为“智能制造业”的方法来推动美国制造业的复兴的法案。智能制造创新研究所是奥巴马政府颁布的第九个制造中心，并将在美国范围内发起5个地区制造创新中心，每个中心将专注于本地区的相关技术迁移和劳动力开发。中国政府去年5月亦由国务院出台制造强国中长期发展战略规划《中国制造2025》，预计2025年制造业重点领域全面实现智能化，试点示范项目运营成本降低50%，产品生产周期缩短50%，不良品率降低50%。
政策驱动、人才储备、企业投入、科研支持这些都是必要条件。新技术的开发和应用难免要在无数个坑里摸爬滚打，多少英烈仰天长叹生不逢时，也只能对抓住技术与市场最好契合时点成为英雄的人翻个白眼，继续义无反顾趟下一个泥坑。对于智能制造的发展来说，最需要的还是那些敢于趟过一个又一个坑点，拍拍泥土，总结经验教训，继续下一轮尝试的勇士。没有迎接挑战的决心，便没有迎接胜利的机会。
来源：网络。
智造家 查看全部
智能制造的核心关键词是自动化、连接和智能控制，核心要实现的是整合资源、降低成本和提高效率。作为工业制造业的下一个发展方向，它容易实现么?将会遭遇哪些挑战？
1 问题思考
在看图之前，先想一个问题，为什么智能制造和工业4.0是下一个方向?从最早工匠使用工具开始，科技进步的物质形式基本体现在了制造发展的过程，将科技应用到制造的过程最能体现人类理性应用工具和技术等先进手段追求利润最大化和效率最高的伟大境界。所以，按照科技发展的逻辑推断，制造必然向信息化、智能化阶段发展。简单来说，很可能是因为人类智慧已经发展到这个阶段了，再不表现出来已经不能彰显人类的更高级能力。
2第1张图：智能制造流程全景图
西门子德国数字化工厂作为优秀的先驱者，用25年的时间已实现75%的生产作业自动化，生产线上的在线监测节点超过1000个，每天采集数据超过5000万。每年生产元器件30亿个，可24小时为客户供货，产能较数字化前提高了8倍。光看数字会觉得基本上智能制造的核心关键指标都提到了，只是不能直接感受到具体牛在哪儿。HCR慧辰TMT研究部整理了一张智能制造流程的全景图(如下)，希望能够从全局角度梳理智能制造的相关参与方和影响因素。
从上图不难看出智能制造是个系统工程，即使单点切入也需要系统化规划之后的逐一实现。
3 挑战：全连接
缺少任一节点的连接，都有可能影响全面自动化的实现。这里面会涉及多少连接呢?举个例子，说一个现在不太多见的产品，比如摩托车，仅发动机就有250多个零件，至于汽车约有30000个左右。对于制造过程，一个螺丝都不能少，智能制造的连接也是一样。除了这些，其他相关信息包括资金量、管理信息流、物流信息流、服务信息流等各个相关环节需要全面连接。在信息化阶段，ERP系统最大的问题点是逆向流程实现困难。到了智能化阶段除了连接点，还需要在全面连接点中设置双向监控点和生产管理连接点。基于时时海量信息传递和多节点控制的需求，需要单独的连接和数据流转通道以保证整个过程不断点、不丢包，顺利完成全过程。另外，是否有智能产品是与用户建立直接连接的前提。
挑战2：全控制
智能制造将数据流转作为核心，连接全部制造和相关环节，中间的全部过程都似“暗箱”般，非常需要随时知道发生了什么并予以人为纠偏和预警干涉。每个节点的交互设计和计算能力是实现全控制的基础。除了对环节的控制，还需要对智能设备(包括工业机器人)进行监测和控制。智能制造的生产线上将由多个智能设备来替代人类完成执行工作。人与机器的配合及人对机器的控制和管理也是智能制造挑战中比较容易出现掌控外事故的问题点。
挑战:3：资源整合
图中社会环境和用户都是智能制造的影响因素。智能制造阶段，主要存在的工厂形式为大的制造平台和小型个性化工作室。大平台可以满足小批量的定制化需求，小工作室更多体现在与用户的更直接、更短平快的连接。至于智能供应链也将出现大的供应链整合平台，针对不同个性化需求提供快速、“零库存”的供应。智能制造系统化工程需整合供应链、生产、物流、服务平台、营销资源等等，才能最大化的实现智能制造的自动化及产能最大化。
智能制造既然有如此高的要求，从以上可以总结出来两条实现路径：一条是作为龙头企业，自行尝试然后把成功经验复制到行业内其他企业，推动行业整体进步，从而实现更大范围的智能制造。另一条是行业内主要企业把相关资源整合在一起，共同尝试将所有相关环节集中在这一个平台上操作，作为独立的OEM中心存在。不难推断，产业联盟和第三方提供相关解决方案及数据服务或将成为必不可少的存在。
综上所述，智能制造即使还没实现也是符合社会经济发展规律的，本来就是一件任重道远的事儿。另外，所谓挑战对于不同发展阶段和数字化程度不同的企业意义不太一样，不能一概而论。
4 第2张图：智能制造数据流图
挑战4：数据采集及整合应用
企业内外大小数据的采集及整合应用是智能制造效率的基础。智能产品相关数据的获取也将是产品升级的基础数据。数据采集及整合能力，尤其是外部环境数据、行业数据和用户数据的获取整合能力最耗费成本，也最能体现企业资源整合实力。智能制造对于企业数据能力的要求包括数据入口掌控数量、数据采集方式(众包之后新的模式)、数据中心规划和实现能力、数据计算资源以及智能算法的驾驭能力等等。
挑战5：数据传递通道与时时交互
这里涉及到网络通道及网络上多节点协议标准建设。多节点交互、监测和控制，以及跨行业、跨领域、跨产品等多场景的要求，需要建立新的、系统性的、统一的协议标准，除了整体架构和基础物联网外，至少先从同一行业(领域)开始细化和建立统一标准。另外，无论是从带宽(实时数据承载量)还是网速要求，目前的网络资源显然支持不了智能制造的发展要求。现在大家把希望寄予5G，寄望于物联网新的协议标准。还能说什么呢，共同期待吧。
挑战6：数据模型的多场景创建与打通
一个统计方法吃八方，一个数据模型占领全天下的幸福时光不会再有了。尽管大数据和智能算法就那些，真正考验智能制造的是基于不同场景和条件的数据架构搭建和模型应用，以及多模式和场景下的数据及数据模型打通。任何事情都会有偏差，即使没有偏差，也需要根据外部的变化进行及时调整，完全依赖机器对数据的解读和归纳也不太可能。因此，还需要能够洞察行业发展和业务路线的专业分析师对规则进行调整、优化、升级和废除。
未来，数据将成为智能制造的生命线，数据收集、存储、快速调拨、模型搭建、规则创建及整合、计算和应用，每个环节都与连接、控制和自动化息息相关。HCR慧辰TMT研究部认为，数据服务能力未来将成为第三方服务的重要发展领域和方向，数据专家和工程师都会成为炙手可热的人才。
有专家说，即使只从三大产业的角度看，这些年互联网一直致力于影响第三产业，接下来必然在农业和工业(制造业)发力，而且很有前景。专家说的对，不过，专家没说啥时候能产生全面、大范围的影响。如果一直向远方眺望，确实是早晚都能实现。如果从挑战的难度来看，仅仅依靠商业的力量是不够的。目前，世界前二经济体均在此领域有所动作，美国政府6月20日公布了一个通过刺激被称为“智能制造业”的方法来推动美国制造业的复兴的法案。智能制造创新研究所是奥巴马政府颁布的第九个制造中心，并将在美国范围内发起5个地区制造创新中心，每个中心将专注于本地区的相关技术迁移和劳动力开发。中国政府去年5月亦由国务院出台制造强国中长期发展战略规划《中国制造2025》，预计2025年制造业重点领域全面实现智能化，试点示范项目运营成本降低50%，产品生产周期缩短50%，不良品率降低50%。
政策驱动、人才储备、企业投入、科研支持这些都是必要条件。新技术的开发和应用难免要在无数个坑里摸爬滚打，多少英烈仰天长叹生不逢时，也只能对抓住技术与市场最好契合时点成为英雄的人翻个白眼，继续义无反顾趟下一个泥坑。对于智能制造的发展来说，最需要的还是那些敢于趟过一个又一个坑点，拍拍泥土，总结经验教训，继续下一轮尝试的勇士。没有迎接挑战的决心，便没有迎接胜利的机会。
来源：网络。
智造家
1 问题思考
在看图之前，先想一个问题，为什么智能制造和工业4.0是下一个方向?从最早工匠使用工具开始，科技进步的物质形式基本体现在了制造发展的过程，将科技应用到制造的过程最能体现人类理性应用工具和技术等先进手段追求利润最大化和效率最高的伟大境界。所以，按照科技发展的逻辑推断，制造必然向信息化、智能化阶段发展。简单来说，很可能是因为人类智慧已经发展到这个阶段了，再不表现出来已经不能彰显人类的更高级能力。
2第1张图：智能制造流程全景图
西门子德国数字化工厂作为优秀的先驱者，用25年的时间已实现75%的生产作业自动化，生产线上的在线监测节点超过1000个，每天采集数据超过5000万。每年生产元器件30亿个，可24小时为客户供货，产能较数字化前提高了8倍。光看数字会觉得基本上智能制造的核心关键指标都提到了，只是不能直接感受到具体牛在哪儿。HCR慧辰TMT研究部整理了一张智能制造流程的全景图(如下)，希望能够从全局角度梳理智能制造的相关参与方和影响因素。
从上图不难看出智能制造是个系统工程，即使单点切入也需要系统化规划之后的逐一实现。
3 挑战：全连接
缺少任一节点的连接，都有可能影响全面自动化的实现。这里面会涉及多少连接呢?举个例子，说一个现在不太多见的产品，比如摩托车，仅发动机就有250多个零件，至于汽车约有30000个左右。对于制造过程，一个螺丝都不能少，智能制造的连接也是一样。除了这些，其他相关信息包括资金量、管理信息流、物流信息流、服务信息流等各个相关环节需要全面连接。在信息化阶段，ERP系统最大的问题点是逆向流程实现困难。到了智能化阶段除了连接点，还需要在全面连接点中设置双向监控点和生产管理连接点。基于时时海量信息传递和多节点控制的需求，需要单独的连接和数据流转通道以保证整个过程不断点、不丢包，顺利完成全过程。另外，是否有智能产品是与用户建立直接连接的前提。
挑战2：全控制
智能制造将数据流转作为核心，连接全部制造和相关环节，中间的全部过程都似“暗箱”般，非常需要随时知道发生了什么并予以人为纠偏和预警干涉。每个节点的交互设计和计算能力是实现全控制的基础。除了对环节的控制，还需要对智能设备(包括工业机器人)进行监测和控制。智能制造的生产线上将由多个智能设备来替代人类完成执行工作。人与机器的配合及人对机器的控制和管理也是智能制造挑战中比较容易出现掌控外事故的问题点。
挑战:3：资源整合
图中社会环境和用户都是智能制造的影响因素。智能制造阶段，主要存在的工厂形式为大的制造平台和小型个性化工作室。大平台可以满足小批量的定制化需求，小工作室更多体现在与用户的更直接、更短平快的连接。至于智能供应链也将出现大的供应链整合平台，针对不同个性化需求提供快速、“零库存”的供应。智能制造系统化工程需整合供应链、生产、物流、服务平台、营销资源等等，才能最大化的实现智能制造的自动化及产能最大化。
智能制造既然有如此高的要求，从以上可以总结出来两条实现路径：一条是作为龙头企业，自行尝试然后把成功经验复制到行业内其他企业，推动行业整体进步，从而实现更大范围的智能制造。另一条是行业内主要企业把相关资源整合在一起，共同尝试将所有相关环节集中在这一个平台上操作，作为独立的OEM中心存在。不难推断，产业联盟和第三方提供相关解决方案及数据服务或将成为必不可少的存在。
综上所述，智能制造即使还没实现也是符合社会经济发展规律的，本来就是一件任重道远的事儿。另外，所谓挑战对于不同发展阶段和数字化程度不同的企业意义不太一样，不能一概而论。
4 第2张图：智能制造数据流图
挑战4：数据采集及整合应用
企业内外大小数据的采集及整合应用是智能制造效率的基础。智能产品相关数据的获取也将是产品升级的基础数据。数据采集及整合能力，尤其是外部环境数据、行业数据和用户数据的获取整合能力最耗费成本，也最能体现企业资源整合实力。智能制造对于企业数据能力的要求包括数据入口掌控数量、数据采集方式(众包之后新的模式)、数据中心规划和实现能力、数据计算资源以及智能算法的驾驭能力等等。
挑战5：数据传递通道与时时交互
这里涉及到网络通道及网络上多节点协议标准建设。多节点交互、监测和控制，以及跨行业、跨领域、跨产品等多场景的要求，需要建立新的、系统性的、统一的协议标准，除了整体架构和基础物联网外，至少先从同一行业(领域)开始细化和建立统一标准。另外，无论是从带宽(实时数据承载量)还是网速要求，目前的网络资源显然支持不了智能制造的发展要求。现在大家把希望寄予5G，寄望于物联网新的协议标准。还能说什么呢，共同期待吧。
挑战6：数据模型的多场景创建与打通
一个统计方法吃八方，一个数据模型占领全天下的幸福时光不会再有了。尽管大数据和智能算法就那些，真正考验智能制造的是基于不同场景和条件的数据架构搭建和模型应用，以及多模式和场景下的数据及数据模型打通。任何事情都会有偏差，即使没有偏差，也需要根据外部的变化进行及时调整，完全依赖机器对数据的解读和归纳也不太可能。因此，还需要能够洞察行业发展和业务路线的专业分析师对规则进行调整、优化、升级和废除。
未来，数据将成为智能制造的生命线，数据收集、存储、快速调拨、模型搭建、规则创建及整合、计算和应用，每个环节都与连接、控制和自动化息息相关。HCR慧辰TMT研究部认为，数据服务能力未来将成为第三方服务的重要发展领域和方向，数据专家和工程师都会成为炙手可热的人才。
有专家说，即使只从三大产业的角度看，这些年互联网一直致力于影响第三产业，接下来必然在农业和工业(制造业)发力，而且很有前景。专家说的对，不过，专家没说啥时候能产生全面、大范围的影响。如果一直向远方眺望，确实是早晚都能实现。如果从挑战的难度来看，仅仅依靠商业的力量是不够的。目前，世界前二经济体均在此领域有所动作，美国政府6月20日公布了一个通过刺激被称为“智能制造业”的方法来推动美国制造业的复兴的法案。智能制造创新研究所是奥巴马政府颁布的第九个制造中心，并将在美国范围内发起5个地区制造创新中心，每个中心将专注于本地区的相关技术迁移和劳动力开发。中国政府去年5月亦由国务院出台制造强国中长期发展战略规划《中国制造2025》，预计2025年制造业重点领域全面实现智能化，试点示范项目运营成本降低50%，产品生产周期缩短50%，不良品率降低50%。
政策驱动、人才储备、企业投入、科研支持这些都是必要条件。新技术的开发和应用难免要在无数个坑里摸爬滚打，多少英烈仰天长叹生不逢时，也只能对抓住技术与市场最好契合时点成为英雄的人翻个白眼，继续义无反顾趟下一个泥坑。对于智能制造的发展来说，最需要的还是那些敢于趟过一个又一个坑点，拍拍泥土，总结经验教训，继续下一轮尝试的勇士。没有迎接挑战的决心，便没有迎接胜利的机会。
来源：网络。
智造家
369 浏览
产业观察：10句话把中国制造说到位！
管理类 凯麦亿精密机械 2016-11-28 16:01 发表了文章
中国制造业要迈向工业4.0，必须先补工业3.0的课——精益生产；甚至是工业2.0的课——IE（工业工程）。
E是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上！
互联网对商业环节的渗透和改造是逆向的，从与消费者最近的广告营销端开始，进入零售、渗透进分销环节，最终倒逼到生产制造环节，在此过程中生产方式、管理理念、生产设备、甚至原材料都将发生重大变化。关于互联网+制造业会发生什么样的变革？传统制造业企业如何拥抱互联网倒逼的变革？阿里研究院基于制造业经典理论和产业边缘发生的变革端倪，总结分析，与业内人士共同探讨。
1、互联网+制造业是倒逼出来的，其改造动力来源于下游环节
图1：“产销消”协同升级
制造业的互联网化是“生产-销售-消费”协同升级中的一环，其改造动力来源于下游流通端和消费端。下游互联网化程度（在线化、数据化）程度越高，对上游制造环节的倒逼作用越显著。目前，图书行业的零售端互联网化程度最高，保守估计超过50%。所以，我们看到图书的生产制造环节—“印刷出版”环节已经高度互联网化，数字出版、数字发行十分普及。纺织服装是另外一个零售端高度互联网化的产业，行业估计在30%以上，这意味着全国每100件服装就有30件是在互联网上销售出去的。
可以想象，其对上游生产制造产生了多大的倒逼力量。所以，我们看到在服装工厂里面，柔性化生产加速，生产周期缩短，生产方式和装备都有了变化。对于大量的工业制造业企业，下游是B类客户，这类企业互联网+的需求更多来自企业间的协同需求，但动力依旧来自下游客户。譬如，目前热火朝天的智能装备和智能产品，将传感器嵌入产品上，卖给客户后可以不断采集数据上传到云端。但是你可以看到，只有当客户有这样的需求并愿意分享数据的时候，制造端才有这样的动力。
2、“微笑曲线”误导中国制造业
1992年，台湾企业家施振荣提出了“微笑曲线”（Smile Curve）理论。微笑曲线认为，曲线左右两侧附加价值高，利润空间大；而处在曲线中间弧底位置的加工、组装、制造等，技术含量不高，附加价值低，利润微薄。中国产业界对“微笑曲线”奉为经典并因此陷入迷惘。在这一思想指导下，中国制造业转型升级的方向必须向所谓的价值链高端延伸，特别是走品牌化的道路。而面向零售市场和品牌之路是“败九成一”的策略，风险极大，并非适用所有制造业企业。
图2：微笑曲线VS武藏曲线
事实上，制造业并没有那么悲观，理论和实践上都存在与微笑曲线相反的现象。2004年日本索尼中村研究所所长中村末广提出了“武藏曲线”，即和微笑曲线相反的拱形曲线——真正最丰厚的利润源正是在“制造”上。而2005年6月，日本《2004年度制造业白皮书》通过对近400家制造业企业的调查也验证了，认同 “制造&组装”利润率最高的企业非常多。而中国制造业之所以被微笑曲线所迷惑，根本原因是中国制造业的管理水平糟糕。
近20年，中国制造业在WTO外贸红利和政府主导的投资拉动型增长模式下，获利轻松，同时做房地产、金融太容易赚钱，企业主普遍不愿在制造业投入精力。中国制造业30年不仅没有向全球输出任何思想，反而连IE（Industrial Engineering）、TPS（Toyota Production System）、6Sigma等成熟的制造业管理理论也极少应用。这一切导致“制造”应有的利润远远没有体现出来。
3、制造业转型的方向是由单纯“生产制造”转向“供应链协同”
制造业的互联网转型中，C2M模式需要具备零售的基因和塑造品牌的慢功夫，并不是所有企业都具备这种能力。我们认为，制造业更切实可行的转型之路是做供应链服务。但什么是做供应链？很多人都在讲，但似乎又各有所指。举个简单的例子来说明“单纯制造”与“供应链协同”的区别。
一个服装工厂在6月1日接到品牌商的一个订单，生产AB两个款式各1000件衣服，要求7月1日前交货。这个工厂埋头苦干，保质保量生产出衣服，在7月1日前把货发出，这叫生产制造。而“供应链协同”的做法是，工厂在生产过程中了解到品牌商那里：A款式畅销，在6月中旬已经低于最低安全库存了，马上就要断货；而B款式滞销，尚有大量库存。那么工厂应该加速A款式的生产和交期，而延缓B款式的生产甚至减少订单量，这就是“供应链协同”的做法。
图3：自动生产、补货系统
无论是消费品还是工业品的生产制造，只要是2B业务，都可以使用这个模型。制造业的长期价值在于帮助你下游的客户赚钱。在没有互联网的时候，一些优秀的企业已经在这方面进行了卓越的探索，比如思科、沃尔玛、丰田汽车、戴尔、华为等。而互联网作为一种广域的连接工具，完全可以更低成本地将供应链的上下游连接起来，通过数据协同实现更大范围的供应链协同。
4、供应链协同的基础是：打通电商大数据、ERP、MES系统，实现纵向一体化
要实现供应链协同，需要实现价值链各环节的数据共享和策略一致。在生产制造端，首先需要打通ERP与MES的割裂，实现内部协同。ERP是企业层级的资源计划管理；MES则是位于上层计划管理系统与底层工业控制之间，面向车间层的管理信息系统。ERP 的计划生成可执行的生产工单，而MES则对工单的执行过程跟踪记录，并防止错误发生。其管理范围从投产到出货。不幸的是大部分的制造业工厂ERP与MES都是两套系统，各自为政。产能情况、订单进度和生产库存对ERP来说只是黑箱作业。
图4：三层企业集成模型
若企业内部能实现ERP、MES，乃至CRM的集成协同，进一步就是需要对接电商大数据，包括实时订单数据、需求预测数据等，这部分数据可能分属于不同的合作伙伴。这时候合作伙伴的协同意识、信息化水平、数据接口标准，乃至激励机制就至关重要了。当产业链所有系统都全面集成之后，一条连接市场最终客户、制造业内部各部门、上下游各方的实时协同供应链就形成了。IT时代供应链的最高境界CPFA（Collaborative Planning Forecasting and Replenishment）--协同规划、预测与补货 系统就横空出现了。
过去，只有大企业才能达到这一点，因为涉及巨大的IT和人才投入，但现在互联网出现之后，有可能改变这一格局，小企业也可以做到，而且可以玩的更为极致。
因为，企业内部的系统集成通过以太网（局域网）即可完成，而跨企业之间的协同互联网则扮演重要角色。特别是电商出现之后，基于电商交易的数据丰富度、实时性和预测准确性，远非POS信息单一维度的日报所能比拟。我们也期待在2B的电商平台上，能尽早看到平台级的供应链协同系统出现。
5、柔性化生产将成为制造业的核心竞争力
国务院参事汤敏教授认为：未来中国，以大批量生产、低成本取胜的劳动密集型产业外迁到东南亚势不可挡，中国唯一可以留下的就是小批量、定制化的柔性制造产能。换个角度理解这句话，如果中国能大规模的改造生产制造系统，使之都具备柔性化生产能力，那么就可以把更多的制造业留住中国。
所谓柔性化生产是指，在品质、交期、成本保持一致的条件下，生产线在大批量生产和小批量生产之间任意切换。业界谈论更多的“大规模个性化定制”只是柔性生产的一种形式，并不是通用模型。同时，所谓“小多快”（小批量、多品类、快速生产）也不是真正的柔性化，因为大批量订单做不了也不是真正的柔性生产。目前，方兴未艾的“智能制造”，我们认为也是应用IOT技术来实现柔性化生产或定制化生产，总体上也属于这个范畴。
柔性化生产之所以成为制造业企业的核心竞争力，结合前面第三点“供应链协同”就不难理解。“供应链协同”要求制造企业的产能根据市场的实际需求变化弹性释放：卖得好、需求多就多生产；卖不好，需求少就少生产。制造业柔性能力不够，意味着你的客户就要倒霉了，要不必须大批量采购占压资金，要不就要忍受断货停产的风险。
纵观国内，从服装、鞋包到钢铁、原材料，各行各业的制造柔性化都在加速。以炼钢厂为例，以前订单生产都是以月为交期，以“炉”为单位批量生产（一个品种一炉至少50T）；而现在钢厂面临的多品种、小批次订单越来越多，交期也从月到按周交货，这样的市场形势倒逼钢厂在生产模式也发生变化。比如，变连续生产为半连续生产，炼钢炉不停变化钢种，优化钢种排产顺序合并小浇次，精细排产计划。总体上，所谓国内的产能过剩指的都是落后产能、一般性产能，真正具备柔性生产能力的产能十分稀缺。
6、车间里如何实现柔性化生产，互联网诞生之前已经出现；互联网要解决的是车间之外的事情
60年前大野耐一创立的“丰田式生产方式”（TPS，美国人总结为精益生产）已经极大地突破了柔性化生产问题。精益生产不仅仅是通过消除浪费来提高效率，更重要的是通过快速换模（SMED）、单件流（one piece flow） 等生产方式的创新实现了柔性化生产。大野先生认为生产市场不需要的产品、过多生产是最大的浪费。这在本质上，已经包含了产销和谐、产销匹配的深意。到90年代，佳能的细胞生产（Cell）又将柔性化生产推进了一大步。以大量运用多能工的细胞式生产，不仅实现了多品种生产组装的快速切换，而且激发了工人的创新能力。
同时期，以戴尔大规模定制为代表的生产革新代表了另外一种柔性化生产思路，即对产品按照其功能进行划分而进行模块化设计，建立产品族和零部件族，内部实现零部件的标准化、通用化。这一模式成就了戴尔的辉煌，并作为一种商业思想广泛传播。国内工业3.0的标杆企业尚品宅配、索菲亚、青岛红领等也都沿袭这一模式而成为行业翘楚。
所以说柔性化生产本身与互联网无关，互联网要解决的问题在于更大范围的产业链协同问题，包括生产制造企业与下游的客户，也包括与上游的原材料商、设备制造商之间的协同。
7、不但要柔还要快，快速响应比降低生产成本更重要
在需求快速变化的今天，制造业企业最重要的一项能力是快速响应市场，而非生产成本。快速响应包括产品创新能力、快速交货能力，以及连续补货能力等。在产能过剩和互联网的倒逼下，无论是服装鞋帽箱包等消费品，还是棉纱、钢铁、有色金属、五金、塑料等工业品，在订单需求上都出现了小批量、多品类的变化趋势。
在市场需求不确定的情况下，厂商都不愿意大批量订货，而是更多地通过小批量订货来试产试销，直到测试出市场的真实需求，才开始大批量连续订货。为保障生产和销售的机会，小单、急单、短单已经大行其道，这无形中倒逼生产制造企业必须能否快速响应，否则将逐步出局。
快速响应对下游客户的价值体现在，把客户从库存积压和断货停产的风险中解放出来，及时把握市场销售机会。
8、就单个企业而言，迈向工业4.0，精益和IE是绕不开的一道坎；那么出现互联网之后，有没有可能通过“范式转移”实现超越呢？
基于第6个观点，就不难理解接下来这个命题。中国制造业要迈向工业4.0，必须先补工业3.0的课——精益生产；甚至是工业2.0的课——IE（工业工程）。IE是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上。甚至丰田也讲到：丰田生产方式就是工业工程在丰田公司的具体应用。IE是以科学的方法，有效地利用人、财、物、信息、时间等经营资源，实现产出最大化。
有效实施IE可以实现企业在不需要资本投入的条件下，实现成本降低和效率大幅度提升。但是因为IE起源于泰勒的科学管理，在阶级论之下长期被误解和打压，直到90年代才在我国局部得到重视。
必须承认用精益和IE来改造现有传统制造业存在巨大困难，最重要的是一把手的观念、决心，甚至情怀。因此，就单个工厂升级到工业4.0无法超越这道鸿沟。在互联网条件下，有没有可能通过“技术-经济范式转移”的方式实现超越呢？是否会出现制造业的“云端制”？是否能实现超越工厂围墙的社会化柔性化生产？理论是可行的，现实也具备条件，但是我们还没有看到！这个值得持续观察。
9、“机器换人”的核心问题是软件如何柔性化
以自动化设备、批量生产、降低制造成本为导向的“机器换人”可能存在陷阱，因为这正与全球制造业发展方向背道而驰。比如，自动缝纫机一台可以替代6个缝纫工，确实提高了产能节省人工。
但是问题来了：自动缝纫机要求针对不同服装款式，不同缝制要求，预先制作工装夹具，还需要人工编程打板，制作缝迹文件。这些额外成本使得自动缝纫机依然最适合的是单一款式大批量生产，而这与服装行业柔性化生产的整体发展方向相悖。因此，“机器换人”的关键是如何实现软件的柔性化、敏捷编程，或自动编程，就像TPS中的“快速换模”一样。
以“机器换人”为主要内容的技术改造主要解决的是高人力成本问题，而实际上中国制造业面临的主要问题是产能过剩、产销脱离问题。其次，机器人确实可以提高某个操作环节的效率，并不一定能提升企业整体效益，要让机器人真正发挥作用还需要将生产管理、人力资源、信息化管理等“软件”与生产线的硬件进行同步规划。这就意味着机器并不是最主要的技改内容，系统思考更加重要。
10、制造业转型要放在C2B模式中予以整体思考
互联网时代，我们要从产供销一体化来看待制造业，任何局部的优化，整体结果可能更糟糕。因此要看到未来整个商业模式的转化。我们坚定地相信，C2B（Consumer to Business）是未来信息经济时代的主流商业模式。C2B=客户定义价值+SNS营销+拉动式配送体系+柔性化生产。
这其中，柔性化生产体系是C2B落地的重要一环，如果制造业做不到批量可大可小的柔性化生产，C2B不会彻底，并且会因此深受伤害。因为实施C2B的下游企业会把库存都压给制造业。以往大品牌实施的VIM（供应商管理库存）就是这样。
反之，如果下游零售端模式不变，那么柔性化生产的价值也难以体现。譬如，你依然愿意接沃尔玛这样的大批量采购订单，你自然还是一件产品三万件、五万件地生产，不会有动力和意识去做生产方式的改变。所以商业模式的转变是整体性的，是产供销一体化的转型。
转自：工业4点0 公众号
智造家提供 查看全部
E是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上！
互联网对商业环节的渗透和改造是逆向的，从与消费者最近的广告营销端开始，进入零售、渗透进分销环节，最终倒逼到生产制造环节，在此过程中生产方式、管理理念、生产设备、甚至原材料都将发生重大变化。关于互联网+制造业会发生什么样的变革？传统制造业企业如何拥抱互联网倒逼的变革？阿里研究院基于制造业经典理论和产业边缘发生的变革端倪，总结分析，与业内人士共同探讨。
1、互联网+制造业是倒逼出来的，其改造动力来源于下游环节
图1：“产销消”协同升级
制造业的互联网化是“生产-销售-消费”协同升级中的一环，其改造动力来源于下游流通端和消费端。下游互联网化程度（在线化、数据化）程度越高，对上游制造环节的倒逼作用越显著。目前，图书行业的零售端互联网化程度最高，保守估计超过50%。所以，我们看到图书的生产制造环节—“印刷出版”环节已经高度互联网化，数字出版、数字发行十分普及。纺织服装是另外一个零售端高度互联网化的产业，行业估计在30%以上，这意味着全国每100件服装就有30件是在互联网上销售出去的。
可以想象，其对上游生产制造产生了多大的倒逼力量。所以，我们看到在服装工厂里面，柔性化生产加速，生产周期缩短，生产方式和装备都有了变化。对于大量的工业制造业企业，下游是B类客户，这类企业互联网+的需求更多来自企业间的协同需求，但动力依旧来自下游客户。譬如，目前热火朝天的智能装备和智能产品，将传感器嵌入产品上，卖给客户后可以不断采集数据上传到云端。但是你可以看到，只有当客户有这样的需求并愿意分享数据的时候，制造端才有这样的动力。
2、“微笑曲线”误导中国制造业
1992年，台湾企业家施振荣提出了“微笑曲线”（Smile Curve）理论。微笑曲线认为，曲线左右两侧附加价值高，利润空间大；而处在曲线中间弧底位置的加工、组装、制造等，技术含量不高，附加价值低，利润微薄。中国产业界对“微笑曲线”奉为经典并因此陷入迷惘。在这一思想指导下，中国制造业转型升级的方向必须向所谓的价值链高端延伸，特别是走品牌化的道路。而面向零售市场和品牌之路是“败九成一”的策略，风险极大，并非适用所有制造业企业。
图2：微笑曲线VS武藏曲线
事实上，制造业并没有那么悲观，理论和实践上都存在与微笑曲线相反的现象。2004年日本索尼中村研究所所长中村末广提出了“武藏曲线”，即和微笑曲线相反的拱形曲线——真正最丰厚的利润源正是在“制造”上。而2005年6月，日本《2004年度制造业白皮书》通过对近400家制造业企业的调查也验证了，认同 “制造&组装”利润率最高的企业非常多。而中国制造业之所以被微笑曲线所迷惑，根本原因是中国制造业的管理水平糟糕。
近20年，中国制造业在WTO外贸红利和政府主导的投资拉动型增长模式下，获利轻松，同时做房地产、金融太容易赚钱，企业主普遍不愿在制造业投入精力。中国制造业30年不仅没有向全球输出任何思想，反而连IE（Industrial Engineering）、TPS（Toyota Production System）、6Sigma等成熟的制造业管理理论也极少应用。这一切导致“制造”应有的利润远远没有体现出来。
3、制造业转型的方向是由单纯“生产制造”转向“供应链协同”
制造业的互联网转型中，C2M模式需要具备零售的基因和塑造品牌的慢功夫，并不是所有企业都具备这种能力。我们认为，制造业更切实可行的转型之路是做供应链服务。但什么是做供应链？很多人都在讲，但似乎又各有所指。举个简单的例子来说明“单纯制造”与“供应链协同”的区别。
一个服装工厂在6月1日接到品牌商的一个订单，生产AB两个款式各1000件衣服，要求7月1日前交货。这个工厂埋头苦干，保质保量生产出衣服，在7月1日前把货发出，这叫生产制造。而“供应链协同”的做法是，工厂在生产过程中了解到品牌商那里：A款式畅销，在6月中旬已经低于最低安全库存了，马上就要断货；而B款式滞销，尚有大量库存。那么工厂应该加速A款式的生产和交期，而延缓B款式的生产甚至减少订单量，这就是“供应链协同”的做法。
图3：自动生产、补货系统
无论是消费品还是工业品的生产制造，只要是2B业务，都可以使用这个模型。制造业的长期价值在于帮助你下游的客户赚钱。在没有互联网的时候，一些优秀的企业已经在这方面进行了卓越的探索，比如思科、沃尔玛、丰田汽车、戴尔、华为等。而互联网作为一种广域的连接工具，完全可以更低成本地将供应链的上下游连接起来，通过数据协同实现更大范围的供应链协同。
4、供应链协同的基础是：打通电商大数据、ERP、MES系统，实现纵向一体化
要实现供应链协同，需要实现价值链各环节的数据共享和策略一致。在生产制造端，首先需要打通ERP与MES的割裂，实现内部协同。ERP是企业层级的资源计划管理；MES则是位于上层计划管理系统与底层工业控制之间，面向车间层的管理信息系统。ERP 的计划生成可执行的生产工单，而MES则对工单的执行过程跟踪记录，并防止错误发生。其管理范围从投产到出货。不幸的是大部分的制造业工厂ERP与MES都是两套系统，各自为政。产能情况、订单进度和生产库存对ERP来说只是黑箱作业。
图4：三层企业集成模型
若企业内部能实现ERP、MES，乃至CRM的集成协同，进一步就是需要对接电商大数据，包括实时订单数据、需求预测数据等，这部分数据可能分属于不同的合作伙伴。这时候合作伙伴的协同意识、信息化水平、数据接口标准，乃至激励机制就至关重要了。当产业链所有系统都全面集成之后，一条连接市场最终客户、制造业内部各部门、上下游各方的实时协同供应链就形成了。IT时代供应链的最高境界CPFA（Collaborative Planning Forecasting and Replenishment）--协同规划、预测与补货 系统就横空出现了。
过去，只有大企业才能达到这一点，因为涉及巨大的IT和人才投入，但现在互联网出现之后，有可能改变这一格局，小企业也可以做到，而且可以玩的更为极致。
因为，企业内部的系统集成通过以太网（局域网）即可完成，而跨企业之间的协同互联网则扮演重要角色。特别是电商出现之后，基于电商交易的数据丰富度、实时性和预测准确性，远非POS信息单一维度的日报所能比拟。我们也期待在2B的电商平台上，能尽早看到平台级的供应链协同系统出现。
5、柔性化生产将成为制造业的核心竞争力
国务院参事汤敏教授认为：未来中国，以大批量生产、低成本取胜的劳动密集型产业外迁到东南亚势不可挡，中国唯一可以留下的就是小批量、定制化的柔性制造产能。换个角度理解这句话，如果中国能大规模的改造生产制造系统，使之都具备柔性化生产能力，那么就可以把更多的制造业留住中国。
所谓柔性化生产是指，在品质、交期、成本保持一致的条件下，生产线在大批量生产和小批量生产之间任意切换。业界谈论更多的“大规模个性化定制”只是柔性生产的一种形式，并不是通用模型。同时，所谓“小多快”（小批量、多品类、快速生产）也不是真正的柔性化，因为大批量订单做不了也不是真正的柔性生产。目前，方兴未艾的“智能制造”，我们认为也是应用IOT技术来实现柔性化生产或定制化生产，总体上也属于这个范畴。
柔性化生产之所以成为制造业企业的核心竞争力，结合前面第三点“供应链协同”就不难理解。“供应链协同”要求制造企业的产能根据市场的实际需求变化弹性释放：卖得好、需求多就多生产；卖不好，需求少就少生产。制造业柔性能力不够，意味着你的客户就要倒霉了，要不必须大批量采购占压资金，要不就要忍受断货停产的风险。
纵观国内，从服装、鞋包到钢铁、原材料，各行各业的制造柔性化都在加速。以炼钢厂为例，以前订单生产都是以月为交期，以“炉”为单位批量生产（一个品种一炉至少50T）；而现在钢厂面临的多品种、小批次订单越来越多，交期也从月到按周交货，这样的市场形势倒逼钢厂在生产模式也发生变化。比如，变连续生产为半连续生产，炼钢炉不停变化钢种，优化钢种排产顺序合并小浇次，精细排产计划。总体上，所谓国内的产能过剩指的都是落后产能、一般性产能，真正具备柔性生产能力的产能十分稀缺。
6、车间里如何实现柔性化生产，互联网诞生之前已经出现；互联网要解决的是车间之外的事情
60年前大野耐一创立的“丰田式生产方式”（TPS，美国人总结为精益生产）已经极大地突破了柔性化生产问题。精益生产不仅仅是通过消除浪费来提高效率，更重要的是通过快速换模（SMED）、单件流（one piece flow） 等生产方式的创新实现了柔性化生产。大野先生认为生产市场不需要的产品、过多生产是最大的浪费。这在本质上，已经包含了产销和谐、产销匹配的深意。到90年代，佳能的细胞生产（Cell）又将柔性化生产推进了一大步。以大量运用多能工的细胞式生产，不仅实现了多品种生产组装的快速切换，而且激发了工人的创新能力。
同时期，以戴尔大规模定制为代表的生产革新代表了另外一种柔性化生产思路，即对产品按照其功能进行划分而进行模块化设计，建立产品族和零部件族，内部实现零部件的标准化、通用化。这一模式成就了戴尔的辉煌，并作为一种商业思想广泛传播。国内工业3.0的标杆企业尚品宅配、索菲亚、青岛红领等也都沿袭这一模式而成为行业翘楚。
所以说柔性化生产本身与互联网无关，互联网要解决的问题在于更大范围的产业链协同问题，包括生产制造企业与下游的客户，也包括与上游的原材料商、设备制造商之间的协同。
7、不但要柔还要快，快速响应比降低生产成本更重要
在需求快速变化的今天，制造业企业最重要的一项能力是快速响应市场，而非生产成本。快速响应包括产品创新能力、快速交货能力，以及连续补货能力等。在产能过剩和互联网的倒逼下，无论是服装鞋帽箱包等消费品，还是棉纱、钢铁、有色金属、五金、塑料等工业品，在订单需求上都出现了小批量、多品类的变化趋势。
在市场需求不确定的情况下，厂商都不愿意大批量订货，而是更多地通过小批量订货来试产试销，直到测试出市场的真实需求，才开始大批量连续订货。为保障生产和销售的机会，小单、急单、短单已经大行其道，这无形中倒逼生产制造企业必须能否快速响应，否则将逐步出局。
快速响应对下游客户的价值体现在，把客户从库存积压和断货停产的风险中解放出来，及时把握市场销售机会。
8、就单个企业而言，迈向工业4.0，精益和IE是绕不开的一道坎；那么出现互联网之后，有没有可能通过“范式转移”实现超越呢？
基于第6个观点，就不难理解接下来这个命题。中国制造业要迈向工业4.0，必须先补工业3.0的课——精益生产；甚至是工业2.0的课——IE（工业工程）。IE是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上。甚至丰田也讲到：丰田生产方式就是工业工程在丰田公司的具体应用。IE是以科学的方法，有效地利用人、财、物、信息、时间等经营资源，实现产出最大化。
有效实施IE可以实现企业在不需要资本投入的条件下，实现成本降低和效率大幅度提升。但是因为IE起源于泰勒的科学管理，在阶级论之下长期被误解和打压，直到90年代才在我国局部得到重视。
必须承认用精益和IE来改造现有传统制造业存在巨大困难，最重要的是一把手的观念、决心，甚至情怀。因此，就单个工厂升级到工业4.0无法超越这道鸿沟。在互联网条件下，有没有可能通过“技术-经济范式转移”的方式实现超越呢？是否会出现制造业的“云端制”？是否能实现超越工厂围墙的社会化柔性化生产？理论是可行的，现实也具备条件，但是我们还没有看到！这个值得持续观察。
9、“机器换人”的核心问题是软件如何柔性化
以自动化设备、批量生产、降低制造成本为导向的“机器换人”可能存在陷阱，因为这正与全球制造业发展方向背道而驰。比如，自动缝纫机一台可以替代6个缝纫工，确实提高了产能节省人工。
但是问题来了：自动缝纫机要求针对不同服装款式，不同缝制要求，预先制作工装夹具，还需要人工编程打板，制作缝迹文件。这些额外成本使得自动缝纫机依然最适合的是单一款式大批量生产，而这与服装行业柔性化生产的整体发展方向相悖。因此，“机器换人”的关键是如何实现软件的柔性化、敏捷编程，或自动编程，就像TPS中的“快速换模”一样。
以“机器换人”为主要内容的技术改造主要解决的是高人力成本问题，而实际上中国制造业面临的主要问题是产能过剩、产销脱离问题。其次，机器人确实可以提高某个操作环节的效率，并不一定能提升企业整体效益，要让机器人真正发挥作用还需要将生产管理、人力资源、信息化管理等“软件”与生产线的硬件进行同步规划。这就意味着机器并不是最主要的技改内容，系统思考更加重要。
10、制造业转型要放在C2B模式中予以整体思考
互联网时代，我们要从产供销一体化来看待制造业，任何局部的优化，整体结果可能更糟糕。因此要看到未来整个商业模式的转化。我们坚定地相信，C2B（Consumer to Business）是未来信息经济时代的主流商业模式。C2B=客户定义价值+SNS营销+拉动式配送体系+柔性化生产。
这其中，柔性化生产体系是C2B落地的重要一环，如果制造业做不到批量可大可小的柔性化生产，C2B不会彻底，并且会因此深受伤害。因为实施C2B的下游企业会把库存都压给制造业。以往大品牌实施的VIM（供应商管理库存）就是这样。
反之，如果下游零售端模式不变，那么柔性化生产的价值也难以体现。譬如，你依然愿意接沃尔玛这样的大批量采购订单，你自然还是一件产品三万件、五万件地生产，不会有动力和意识去做生产方式的改变。所以商业模式的转变是整体性的，是产供销一体化的转型。
转自：工业4点0 公众号
智造家提供 查看全部
中国制造业要迈向工业4.0，必须先补工业3.0的课——精益生产；甚至是工业2.0的课——IE（工业工程）。
E是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上！
互联网对商业环节的渗透和改造是逆向的，从与消费者最近的广告营销端开始，进入零售、渗透进分销环节，最终倒逼到生产制造环节，在此过程中生产方式、管理理念、生产设备、甚至原材料都将发生重大变化。关于互联网+制造业会发生什么样的变革？传统制造业企业如何拥抱互联网倒逼的变革？阿里研究院基于制造业经典理论和产业边缘发生的变革端倪，总结分析，与业内人士共同探讨。
1、互联网+制造业是倒逼出来的，其改造动力来源于下游环节
图1：“产销消”协同升级
制造业的互联网化是“生产-销售-消费”协同升级中的一环，其改造动力来源于下游流通端和消费端。下游互联网化程度（在线化、数据化）程度越高，对上游制造环节的倒逼作用越显著。目前，图书行业的零售端互联网化程度最高，保守估计超过50%。所以，我们看到图书的生产制造环节—“印刷出版”环节已经高度互联网化，数字出版、数字发行十分普及。纺织服装是另外一个零售端高度互联网化的产业，行业估计在30%以上，这意味着全国每100件服装就有30件是在互联网上销售出去的。
可以想象，其对上游生产制造产生了多大的倒逼力量。所以，我们看到在服装工厂里面，柔性化生产加速，生产周期缩短，生产方式和装备都有了变化。对于大量的工业制造业企业，下游是B类客户，这类企业互联网+的需求更多来自企业间的协同需求，但动力依旧来自下游客户。譬如，目前热火朝天的智能装备和智能产品，将传感器嵌入产品上，卖给客户后可以不断采集数据上传到云端。但是你可以看到，只有当客户有这样的需求并愿意分享数据的时候，制造端才有这样的动力。
2、“微笑曲线”误导中国制造业
1992年，台湾企业家施振荣提出了“微笑曲线”（Smile Curve）理论。微笑曲线认为，曲线左右两侧附加价值高，利润空间大；而处在曲线中间弧底位置的加工、组装、制造等，技术含量不高，附加价值低，利润微薄。中国产业界对“微笑曲线”奉为经典并因此陷入迷惘。在这一思想指导下，中国制造业转型升级的方向必须向所谓的价值链高端延伸，特别是走品牌化的道路。而面向零售市场和品牌之路是“败九成一”的策略，风险极大，并非适用所有制造业企业。
图2：微笑曲线VS武藏曲线
事实上，制造业并没有那么悲观，理论和实践上都存在与微笑曲线相反的现象。2004年日本索尼中村研究所所长中村末广提出了“武藏曲线”，即和微笑曲线相反的拱形曲线——真正最丰厚的利润源正是在“制造”上。而2005年6月，日本《2004年度制造业白皮书》通过对近400家制造业企业的调查也验证了，认同 “制造&组装”利润率最高的企业非常多。而中国制造业之所以被微笑曲线所迷惑，根本原因是中国制造业的管理水平糟糕。
近20年，中国制造业在WTO外贸红利和政府主导的投资拉动型增长模式下，获利轻松，同时做房地产、金融太容易赚钱，企业主普遍不愿在制造业投入精力。中国制造业30年不仅没有向全球输出任何思想，反而连IE（Industrial Engineering）、TPS（Toyota Production System）、6Sigma等成熟的制造业管理理论也极少应用。这一切导致“制造”应有的利润远远没有体现出来。
3、制造业转型的方向是由单纯“生产制造”转向“供应链协同”
制造业的互联网转型中，C2M模式需要具备零售的基因和塑造品牌的慢功夫，并不是所有企业都具备这种能力。我们认为，制造业更切实可行的转型之路是做供应链服务。但什么是做供应链？很多人都在讲，但似乎又各有所指。举个简单的例子来说明“单纯制造”与“供应链协同”的区别。
一个服装工厂在6月1日接到品牌商的一个订单，生产AB两个款式各1000件衣服，要求7月1日前交货。这个工厂埋头苦干，保质保量生产出衣服，在7月1日前把货发出，这叫生产制造。而“供应链协同”的做法是，工厂在生产过程中了解到品牌商那里：A款式畅销，在6月中旬已经低于最低安全库存了，马上就要断货；而B款式滞销，尚有大量库存。那么工厂应该加速A款式的生产和交期，而延缓B款式的生产甚至减少订单量，这就是“供应链协同”的做法。
图3：自动生产、补货系统
无论是消费品还是工业品的生产制造，只要是2B业务，都可以使用这个模型。制造业的长期价值在于帮助你下游的客户赚钱。在没有互联网的时候，一些优秀的企业已经在这方面进行了卓越的探索，比如思科、沃尔玛、丰田汽车、戴尔、华为等。而互联网作为一种广域的连接工具，完全可以更低成本地将供应链的上下游连接起来，通过数据协同实现更大范围的供应链协同。
4、供应链协同的基础是：打通电商大数据、ERP、MES系统，实现纵向一体化
要实现供应链协同，需要实现价值链各环节的数据共享和策略一致。在生产制造端，首先需要打通ERP与MES的割裂，实现内部协同。ERP是企业层级的资源计划管理；MES则是位于上层计划管理系统与底层工业控制之间，面向车间层的管理信息系统。ERP 的计划生成可执行的生产工单，而MES则对工单的执行过程跟踪记录，并防止错误发生。其管理范围从投产到出货。不幸的是大部分的制造业工厂ERP与MES都是两套系统，各自为政。产能情况、订单进度和生产库存对ERP来说只是黑箱作业。
图4：三层企业集成模型
若企业内部能实现ERP、MES，乃至CRM的集成协同，进一步就是需要对接电商大数据，包括实时订单数据、需求预测数据等，这部分数据可能分属于不同的合作伙伴。这时候合作伙伴的协同意识、信息化水平、数据接口标准，乃至激励机制就至关重要了。当产业链所有系统都全面集成之后，一条连接市场最终客户、制造业内部各部门、上下游各方的实时协同供应链就形成了。IT时代供应链的最高境界CPFA（Collaborative Planning Forecasting and Replenishment）--协同规划、预测与补货 系统就横空出现了。
过去，只有大企业才能达到这一点，因为涉及巨大的IT和人才投入，但现在互联网出现之后，有可能改变这一格局，小企业也可以做到，而且可以玩的更为极致。
因为，企业内部的系统集成通过以太网（局域网）即可完成，而跨企业之间的协同互联网则扮演重要角色。特别是电商出现之后，基于电商交易的数据丰富度、实时性和预测准确性，远非POS信息单一维度的日报所能比拟。我们也期待在2B的电商平台上，能尽早看到平台级的供应链协同系统出现。
5、柔性化生产将成为制造业的核心竞争力
国务院参事汤敏教授认为：未来中国，以大批量生产、低成本取胜的劳动密集型产业外迁到东南亚势不可挡，中国唯一可以留下的就是小批量、定制化的柔性制造产能。换个角度理解这句话，如果中国能大规模的改造生产制造系统，使之都具备柔性化生产能力，那么就可以把更多的制造业留住中国。
所谓柔性化生产是指，在品质、交期、成本保持一致的条件下，生产线在大批量生产和小批量生产之间任意切换。业界谈论更多的“大规模个性化定制”只是柔性生产的一种形式，并不是通用模型。同时，所谓“小多快”（小批量、多品类、快速生产）也不是真正的柔性化，因为大批量订单做不了也不是真正的柔性生产。目前，方兴未艾的“智能制造”，我们认为也是应用IOT技术来实现柔性化生产或定制化生产，总体上也属于这个范畴。
柔性化生产之所以成为制造业企业的核心竞争力，结合前面第三点“供应链协同”就不难理解。“供应链协同”要求制造企业的产能根据市场的实际需求变化弹性释放：卖得好、需求多就多生产；卖不好，需求少就少生产。制造业柔性能力不够，意味着你的客户就要倒霉了，要不必须大批量采购占压资金，要不就要忍受断货停产的风险。
纵观国内，从服装、鞋包到钢铁、原材料，各行各业的制造柔性化都在加速。以炼钢厂为例，以前订单生产都是以月为交期，以“炉”为单位批量生产（一个品种一炉至少50T）；而现在钢厂面临的多品种、小批次订单越来越多，交期也从月到按周交货，这样的市场形势倒逼钢厂在生产模式也发生变化。比如，变连续生产为半连续生产，炼钢炉不停变化钢种，优化钢种排产顺序合并小浇次，精细排产计划。总体上，所谓国内的产能过剩指的都是落后产能、一般性产能，真正具备柔性生产能力的产能十分稀缺。
6、车间里如何实现柔性化生产，互联网诞生之前已经出现；互联网要解决的是车间之外的事情
60年前大野耐一创立的“丰田式生产方式”（TPS，美国人总结为精益生产）已经极大地突破了柔性化生产问题。精益生产不仅仅是通过消除浪费来提高效率，更重要的是通过快速换模（SMED）、单件流（one piece flow） 等生产方式的创新实现了柔性化生产。大野先生认为生产市场不需要的产品、过多生产是最大的浪费。这在本质上，已经包含了产销和谐、产销匹配的深意。到90年代，佳能的细胞生产（Cell）又将柔性化生产推进了一大步。以大量运用多能工的细胞式生产，不仅实现了多品种生产组装的快速切换，而且激发了工人的创新能力。
同时期，以戴尔大规模定制为代表的生产革新代表了另外一种柔性化生产思路，即对产品按照其功能进行划分而进行模块化设计，建立产品族和零部件族，内部实现零部件的标准化、通用化。这一模式成就了戴尔的辉煌，并作为一种商业思想广泛传播。国内工业3.0的标杆企业尚品宅配、索菲亚、青岛红领等也都沿袭这一模式而成为行业翘楚。
所以说柔性化生产本身与互联网无关，互联网要解决的问题在于更大范围的产业链协同问题，包括生产制造企业与下游的客户，也包括与上游的原材料商、设备制造商之间的协同。
7、不但要柔还要快，快速响应比降低生产成本更重要
在需求快速变化的今天，制造业企业最重要的一项能力是快速响应市场，而非生产成本。快速响应包括产品创新能力、快速交货能力，以及连续补货能力等。在产能过剩和互联网的倒逼下，无论是服装鞋帽箱包等消费品，还是棉纱、钢铁、有色金属、五金、塑料等工业品，在订单需求上都出现了小批量、多品类的变化趋势。
在市场需求不确定的情况下，厂商都不愿意大批量订货，而是更多地通过小批量订货来试产试销，直到测试出市场的真实需求，才开始大批量连续订货。为保障生产和销售的机会，小单、急单、短单已经大行其道，这无形中倒逼生产制造企业必须能否快速响应，否则将逐步出局。
快速响应对下游客户的价值体现在，把客户从库存积压和断货停产的风险中解放出来，及时把握市场销售机会。
8、就单个企业而言，迈向工业4.0，精益和IE是绕不开的一道坎；那么出现互联网之后，有没有可能通过“范式转移”实现超越呢？
基于第6个观点，就不难理解接下来这个命题。中国制造业要迈向工业4.0，必须先补工业3.0的课——精益生产；甚至是工业2.0的课——IE（工业工程）。IE是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上。甚至丰田也讲到：丰田生产方式就是工业工程在丰田公司的具体应用。IE是以科学的方法，有效地利用人、财、物、信息、时间等经营资源，实现产出最大化。
有效实施IE可以实现企业在不需要资本投入的条件下，实现成本降低和效率大幅度提升。但是因为IE起源于泰勒的科学管理，在阶级论之下长期被误解和打压，直到90年代才在我国局部得到重视。
必须承认用精益和IE来改造现有传统制造业存在巨大困难，最重要的是一把手的观念、决心，甚至情怀。因此，就单个工厂升级到工业4.0无法超越这道鸿沟。在互联网条件下，有没有可能通过“技术-经济范式转移”的方式实现超越呢？是否会出现制造业的“云端制”？是否能实现超越工厂围墙的社会化柔性化生产？理论是可行的，现实也具备条件，但是我们还没有看到！这个值得持续观察。
9、“机器换人”的核心问题是软件如何柔性化
以自动化设备、批量生产、降低制造成本为导向的“机器换人”可能存在陷阱，因为这正与全球制造业发展方向背道而驰。比如，自动缝纫机一台可以替代6个缝纫工，确实提高了产能节省人工。
但是问题来了：自动缝纫机要求针对不同服装款式，不同缝制要求，预先制作工装夹具，还需要人工编程打板，制作缝迹文件。这些额外成本使得自动缝纫机依然最适合的是单一款式大批量生产，而这与服装行业柔性化生产的整体发展方向相悖。因此，“机器换人”的关键是如何实现软件的柔性化、敏捷编程，或自动编程，就像TPS中的“快速换模”一样。
以“机器换人”为主要内容的技术改造主要解决的是高人力成本问题，而实际上中国制造业面临的主要问题是产能过剩、产销脱离问题。其次，机器人确实可以提高某个操作环节的效率，并不一定能提升企业整体效益，要让机器人真正发挥作用还需要将生产管理、人力资源、信息化管理等“软件”与生产线的硬件进行同步规划。这就意味着机器并不是最主要的技改内容，系统思考更加重要。
10、制造业转型要放在C2B模式中予以整体思考
互联网时代，我们要从产供销一体化来看待制造业，任何局部的优化，整体结果可能更糟糕。因此要看到未来整个商业模式的转化。我们坚定地相信，C2B（Consumer to Business）是未来信息经济时代的主流商业模式。C2B=客户定义价值+SNS营销+拉动式配送体系+柔性化生产。
这其中，柔性化生产体系是C2B落地的重要一环，如果制造业做不到批量可大可小的柔性化生产，C2B不会彻底，并且会因此深受伤害。因为实施C2B的下游企业会把库存都压给制造业。以往大品牌实施的VIM（供应商管理库存）就是这样。
反之，如果下游零售端模式不变，那么柔性化生产的价值也难以体现。譬如，你依然愿意接沃尔玛这样的大批量采购订单，你自然还是一件产品三万件、五万件地生产，不会有动力和意识去做生产方式的改变。所以商业模式的转变是整体性的，是产供销一体化的转型。
转自：工业4点0 公众号
智造家提供
E是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上！
互联网对商业环节的渗透和改造是逆向的，从与消费者最近的广告营销端开始，进入零售、渗透进分销环节，最终倒逼到生产制造环节，在此过程中生产方式、管理理念、生产设备、甚至原材料都将发生重大变化。关于互联网+制造业会发生什么样的变革？传统制造业企业如何拥抱互联网倒逼的变革？阿里研究院基于制造业经典理论和产业边缘发生的变革端倪，总结分析，与业内人士共同探讨。
1、互联网+制造业是倒逼出来的，其改造动力来源于下游环节
图1：“产销消”协同升级
制造业的互联网化是“生产-销售-消费”协同升级中的一环，其改造动力来源于下游流通端和消费端。下游互联网化程度（在线化、数据化）程度越高，对上游制造环节的倒逼作用越显著。目前，图书行业的零售端互联网化程度最高，保守估计超过50%。所以，我们看到图书的生产制造环节—“印刷出版”环节已经高度互联网化，数字出版、数字发行十分普及。纺织服装是另外一个零售端高度互联网化的产业，行业估计在30%以上，这意味着全国每100件服装就有30件是在互联网上销售出去的。
可以想象，其对上游生产制造产生了多大的倒逼力量。所以，我们看到在服装工厂里面，柔性化生产加速，生产周期缩短，生产方式和装备都有了变化。对于大量的工业制造业企业，下游是B类客户，这类企业互联网+的需求更多来自企业间的协同需求，但动力依旧来自下游客户。譬如，目前热火朝天的智能装备和智能产品，将传感器嵌入产品上，卖给客户后可以不断采集数据上传到云端。但是你可以看到，只有当客户有这样的需求并愿意分享数据的时候，制造端才有这样的动力。
2、“微笑曲线”误导中国制造业
1992年，台湾企业家施振荣提出了“微笑曲线”（Smile Curve）理论。微笑曲线认为，曲线左右两侧附加价值高，利润空间大；而处在曲线中间弧底位置的加工、组装、制造等，技术含量不高，附加价值低，利润微薄。中国产业界对“微笑曲线”奉为经典并因此陷入迷惘。在这一思想指导下，中国制造业转型升级的方向必须向所谓的价值链高端延伸，特别是走品牌化的道路。而面向零售市场和品牌之路是“败九成一”的策略，风险极大，并非适用所有制造业企业。
图2：微笑曲线VS武藏曲线
事实上，制造业并没有那么悲观，理论和实践上都存在与微笑曲线相反的现象。2004年日本索尼中村研究所所长中村末广提出了“武藏曲线”，即和微笑曲线相反的拱形曲线——真正最丰厚的利润源正是在“制造”上。而2005年6月，日本《2004年度制造业白皮书》通过对近400家制造业企业的调查也验证了，认同 “制造&组装”利润率最高的企业非常多。而中国制造业之所以被微笑曲线所迷惑，根本原因是中国制造业的管理水平糟糕。
近20年，中国制造业在WTO外贸红利和政府主导的投资拉动型增长模式下，获利轻松，同时做房地产、金融太容易赚钱，企业主普遍不愿在制造业投入精力。中国制造业30年不仅没有向全球输出任何思想，反而连IE（Industrial Engineering）、TPS（Toyota Production System）、6Sigma等成熟的制造业管理理论也极少应用。这一切导致“制造”应有的利润远远没有体现出来。
3、制造业转型的方向是由单纯“生产制造”转向“供应链协同”
制造业的互联网转型中，C2M模式需要具备零售的基因和塑造品牌的慢功夫，并不是所有企业都具备这种能力。我们认为，制造业更切实可行的转型之路是做供应链服务。但什么是做供应链？很多人都在讲，但似乎又各有所指。举个简单的例子来说明“单纯制造”与“供应链协同”的区别。
一个服装工厂在6月1日接到品牌商的一个订单，生产AB两个款式各1000件衣服，要求7月1日前交货。这个工厂埋头苦干，保质保量生产出衣服，在7月1日前把货发出，这叫生产制造。而“供应链协同”的做法是，工厂在生产过程中了解到品牌商那里：A款式畅销，在6月中旬已经低于最低安全库存了，马上就要断货；而B款式滞销，尚有大量库存。那么工厂应该加速A款式的生产和交期，而延缓B款式的生产甚至减少订单量，这就是“供应链协同”的做法。
图3：自动生产、补货系统
无论是消费品还是工业品的生产制造，只要是2B业务，都可以使用这个模型。制造业的长期价值在于帮助你下游的客户赚钱。在没有互联网的时候，一些优秀的企业已经在这方面进行了卓越的探索，比如思科、沃尔玛、丰田汽车、戴尔、华为等。而互联网作为一种广域的连接工具，完全可以更低成本地将供应链的上下游连接起来，通过数据协同实现更大范围的供应链协同。
4、供应链协同的基础是：打通电商大数据、ERP、MES系统，实现纵向一体化
要实现供应链协同，需要实现价值链各环节的数据共享和策略一致。在生产制造端，首先需要打通ERP与MES的割裂，实现内部协同。ERP是企业层级的资源计划管理；MES则是位于上层计划管理系统与底层工业控制之间，面向车间层的管理信息系统。ERP 的计划生成可执行的生产工单，而MES则对工单的执行过程跟踪记录，并防止错误发生。其管理范围从投产到出货。不幸的是大部分的制造业工厂ERP与MES都是两套系统，各自为政。产能情况、订单进度和生产库存对ERP来说只是黑箱作业。
图4：三层企业集成模型
若企业内部能实现ERP、MES，乃至CRM的集成协同，进一步就是需要对接电商大数据，包括实时订单数据、需求预测数据等，这部分数据可能分属于不同的合作伙伴。这时候合作伙伴的协同意识、信息化水平、数据接口标准，乃至激励机制就至关重要了。当产业链所有系统都全面集成之后，一条连接市场最终客户、制造业内部各部门、上下游各方的实时协同供应链就形成了。IT时代供应链的最高境界CPFA（Collaborative Planning Forecasting and Replenishment）--协同规划、预测与补货 系统就横空出现了。
过去，只有大企业才能达到这一点，因为涉及巨大的IT和人才投入，但现在互联网出现之后，有可能改变这一格局，小企业也可以做到，而且可以玩的更为极致。
因为，企业内部的系统集成通过以太网（局域网）即可完成，而跨企业之间的协同互联网则扮演重要角色。特别是电商出现之后，基于电商交易的数据丰富度、实时性和预测准确性，远非POS信息单一维度的日报所能比拟。我们也期待在2B的电商平台上，能尽早看到平台级的供应链协同系统出现。
5、柔性化生产将成为制造业的核心竞争力
国务院参事汤敏教授认为：未来中国，以大批量生产、低成本取胜的劳动密集型产业外迁到东南亚势不可挡，中国唯一可以留下的就是小批量、定制化的柔性制造产能。换个角度理解这句话，如果中国能大规模的改造生产制造系统，使之都具备柔性化生产能力，那么就可以把更多的制造业留住中国。
所谓柔性化生产是指，在品质、交期、成本保持一致的条件下，生产线在大批量生产和小批量生产之间任意切换。业界谈论更多的“大规模个性化定制”只是柔性生产的一种形式，并不是通用模型。同时，所谓“小多快”（小批量、多品类、快速生产）也不是真正的柔性化，因为大批量订单做不了也不是真正的柔性生产。目前，方兴未艾的“智能制造”，我们认为也是应用IOT技术来实现柔性化生产或定制化生产，总体上也属于这个范畴。
柔性化生产之所以成为制造业企业的核心竞争力，结合前面第三点“供应链协同”就不难理解。“供应链协同”要求制造企业的产能根据市场的实际需求变化弹性释放：卖得好、需求多就多生产；卖不好，需求少就少生产。制造业柔性能力不够，意味着你的客户就要倒霉了，要不必须大批量采购占压资金，要不就要忍受断货停产的风险。
纵观国内，从服装、鞋包到钢铁、原材料，各行各业的制造柔性化都在加速。以炼钢厂为例，以前订单生产都是以月为交期，以“炉”为单位批量生产（一个品种一炉至少50T）；而现在钢厂面临的多品种、小批次订单越来越多，交期也从月到按周交货，这样的市场形势倒逼钢厂在生产模式也发生变化。比如，变连续生产为半连续生产，炼钢炉不停变化钢种，优化钢种排产顺序合并小浇次，精细排产计划。总体上，所谓国内的产能过剩指的都是落后产能、一般性产能，真正具备柔性生产能力的产能十分稀缺。
6、车间里如何实现柔性化生产，互联网诞生之前已经出现；互联网要解决的是车间之外的事情
60年前大野耐一创立的“丰田式生产方式”（TPS，美国人总结为精益生产）已经极大地突破了柔性化生产问题。精益生产不仅仅是通过消除浪费来提高效率，更重要的是通过快速换模（SMED）、单件流（one piece flow） 等生产方式的创新实现了柔性化生产。大野先生认为生产市场不需要的产品、过多生产是最大的浪费。这在本质上，已经包含了产销和谐、产销匹配的深意。到90年代，佳能的细胞生产（Cell）又将柔性化生产推进了一大步。以大量运用多能工的细胞式生产，不仅实现了多品种生产组装的快速切换，而且激发了工人的创新能力。
同时期，以戴尔大规模定制为代表的生产革新代表了另外一种柔性化生产思路，即对产品按照其功能进行划分而进行模块化设计，建立产品族和零部件族，内部实现零部件的标准化、通用化。这一模式成就了戴尔的辉煌，并作为一种商业思想广泛传播。国内工业3.0的标杆企业尚品宅配、索菲亚、青岛红领等也都沿袭这一模式而成为行业翘楚。
所以说柔性化生产本身与互联网无关，互联网要解决的问题在于更大范围的产业链协同问题，包括生产制造企业与下游的客户，也包括与上游的原材料商、设备制造商之间的协同。
7、不但要柔还要快，快速响应比降低生产成本更重要
在需求快速变化的今天，制造业企业最重要的一项能力是快速响应市场，而非生产成本。快速响应包括产品创新能力、快速交货能力，以及连续补货能力等。在产能过剩和互联网的倒逼下，无论是服装鞋帽箱包等消费品，还是棉纱、钢铁、有色金属、五金、塑料等工业品，在订单需求上都出现了小批量、多品类的变化趋势。
在市场需求不确定的情况下，厂商都不愿意大批量订货，而是更多地通过小批量订货来试产试销，直到测试出市场的真实需求，才开始大批量连续订货。为保障生产和销售的机会，小单、急单、短单已经大行其道，这无形中倒逼生产制造企业必须能否快速响应，否则将逐步出局。
快速响应对下游客户的价值体现在，把客户从库存积压和断货停产的风险中解放出来，及时把握市场销售机会。
8、就单个企业而言，迈向工业4.0，精益和IE是绕不开的一道坎；那么出现互联网之后，有没有可能通过“范式转移”实现超越呢？
基于第6个观点，就不难理解接下来这个命题。中国制造业要迈向工业4.0，必须先补工业3.0的课——精益生产；甚至是工业2.0的课——IE（工业工程）。IE是一切之本，TPS、6Sigma、TOC（Theory of constraints，瓶颈理论，常与精益生产、六西格玛并提）、5S（源自日本的现代工厂管理理论）都是建立在IE基础之上。甚至丰田也讲到：丰田生产方式就是工业工程在丰田公司的具体应用。IE是以科学的方法，有效地利用人、财、物、信息、时间等经营资源，实现产出最大化。
有效实施IE可以实现企业在不需要资本投入的条件下，实现成本降低和效率大幅度提升。但是因为IE起源于泰勒的科学管理，在阶级论之下长期被误解和打压，直到90年代才在我国局部得到重视。
必须承认用精益和IE来改造现有传统制造业存在巨大困难，最重要的是一把手的观念、决心，甚至情怀。因此，就单个工厂升级到工业4.0无法超越这道鸿沟。在互联网条件下，有没有可能通过“技术-经济范式转移”的方式实现超越呢？是否会出现制造业的“云端制”？是否能实现超越工厂围墙的社会化柔性化生产？理论是可行的，现实也具备条件，但是我们还没有看到！这个值得持续观察。
9、“机器换人”的核心问题是软件如何柔性化
以自动化设备、批量生产、降低制造成本为导向的“机器换人”可能存在陷阱，因为这正与全球制造业发展方向背道而驰。比如，自动缝纫机一台可以替代6个缝纫工，确实提高了产能节省人工。
但是问题来了：自动缝纫机要求针对不同服装款式，不同缝制要求，预先制作工装夹具，还需要人工编程打板，制作缝迹文件。这些额外成本使得自动缝纫机依然最适合的是单一款式大批量生产，而这与服装行业柔性化生产的整体发展方向相悖。因此，“机器换人”的关键是如何实现软件的柔性化、敏捷编程，或自动编程，就像TPS中的“快速换模”一样。
以“机器换人”为主要内容的技术改造主要解决的是高人力成本问题，而实际上中国制造业面临的主要问题是产能过剩、产销脱离问题。其次，机器人确实可以提高某个操作环节的效率，并不一定能提升企业整体效益，要让机器人真正发挥作用还需要将生产管理、人力资源、信息化管理等“软件”与生产线的硬件进行同步规划。这就意味着机器并不是最主要的技改内容，系统思考更加重要。
10、制造业转型要放在C2B模式中予以整体思考
互联网时代，我们要从产供销一体化来看待制造业，任何局部的优化，整体结果可能更糟糕。因此要看到未来整个商业模式的转化。我们坚定地相信，C2B（Consumer to Business）是未来信息经济时代的主流商业模式。C2B=客户定义价值+SNS营销+拉动式配送体系+柔性化生产。
这其中，柔性化生产体系是C2B落地的重要一环，如果制造业做不到批量可大可小的柔性化生产，C2B不会彻底，并且会因此深受伤害。因为实施C2B的下游企业会把库存都压给制造业。以往大品牌实施的VIM（供应商管理库存）就是这样。
反之，如果下游零售端模式不变，那么柔性化生产的价值也难以体现。譬如，你依然愿意接沃尔玛这样的大批量采购订单，你自然还是一件产品三万件、五万件地生产，不会有动力和意识去做生产方式的改变。所以商业模式的转变是整体性的，是产供销一体化的转型。
转自：工业4点0 公众号
智造家提供
