當(dang)前(qian)，我(wo)國(guo)製(zhi)造(zao)業(ye)麵(mian)臨(lin)著(zhe)異(yi)常(chang)嚴(yan)峻(jun)的(de)挑(tiao)戰(zhan)，在(zai)這(zhe)種(zhong)背(bei)景(jing)下(xia)
，製(zhi)造(zao)企(qi)業(ye)如(ru)何(he)實(shi)現(xian)轉(zhuan)型(xing)升(sheng)級(ji)
？推(tui)進(jin)智(zhi)能(neng)製(zhi)造(zao)成(cheng)為(wei)重(zhong)要(yao)的(de)途(tu)徑(jing)。然(ran)而(er)

，我(wo)國(guo)製(zhi)造(zao)企(qi)業(ye)在(zai)推(tui)進(jin)智(zhi)能(neng)製(zhi)造(zao)過(guo)程(cheng)中(zhong)麵(mian)臨(lin)著(zhe)諸(zhu)多(duo)難(nan)點(dian)問(wen)題(ti)。

　　1、概念滿天飛，技術一大堆

　　從“工業4.0”的熱潮開始，智能製造
、CPS
、工業互聯網（平台）、企業上雲、工業APP、人工智能、工業大數據、數字工廠、數字經濟
、數字化轉型、C2B（C2M）等概念接踵而至
，對於大多數製造企業而言，可以說是眼花繚亂、無所適從。

　　智能製造涉及的技術非常多，例如雲計算、邊緣計算、RFID、工業機器人
、機器視覺
、立體倉庫、AGV、虛擬現實/增強現實
、三維打印/增材製造
、工業安全、TSN（時間敏感網絡）、深度學習

、Digital twin、MBD、預測性維護......讓企業目不暇接。這些技術看起來都很美，但如何應用，如何取得實效？很多企業還不得而知。

　　2、摸著石頭過河

　　企業在推進智能製造過程中缺乏相關技術經驗
，目前，製造企業存在三種類型的孤島，即信息孤島、自動化孤島、xinxixitongyuzidonghuaxitongzhijiandegudao。ciwai
，xuduoqiyequefatongyidebumenlaixitongguihuahetuijinqiyezhinengzhizaojincheng。zaishijituijinzhinengzhizaodeguochengzhong，qiyeyerengranshitoutongyitou，quefazhangfa。

　　3
、理想很豐滿，現實很骨感

　　tuijinzhinengzhizao，qianjinghenmeihao。danshijuedaduoshuzhizaoqiyelirunlvhendi
，quefazizhuzijintouru。yixieguoyouqiyehedaxingminyingqiyekeyizhengqudaogejizhengfudezijinfuchi，dandaduoshudezhongxiaoqiyezhineng“隔岸觀火”

，自力更生。企業在智能化轉型升級過程中，大屏幕指揮中心是必須有的
，大量采用機器人的自動化生產線是必須建的，MES係統更是必不可少的。但至於究竟能否取得實效
，就隻有企業“冷暖自知”。

　　4、自動化、數字化還是智能化
？

　　在推進智能製造過程中，不少企業對於建立無人工廠
、黑燈工廠躍躍欲試，認為這些就是智能工廠。而實際上
，高度自動化是“工業3.0”的理念。

　　對於大批量生產的產品

，國外優秀企業早已實現無人工廠。例如，日本FANUC全自動裝配伺服電機，可以做到40秒生產一個產品，但其前提是生產的產品需要做到標準化、係列化，以及擁有麵向自動化裝配的設計
，將需要用線纜進行插裝的結構改為插座式的結構。

　　從技術和管理的角度來看，中國製造向中國智造轉變還存在五大難點：

1. 智能製造是基於新的物聯網
   、大數據、雲計算等數字化技術與先進製造技術的深度融合
   
   ，貫穿於設計
   
   
   、供應
   、生產製造、服務等整個供應鏈製造、運營和管理環節。因此，智能製造包含兩個係統工程，一個是智能製造技術（製造技術和信息技術）整合的係統工程
   ，另一個是管理的係統工程。目前，這兩個係統工程不僅是中國企業麵臨的問題，歐美企業也同樣麵臨這個問題。
2. 裝備製造業仍然是瓶頸，跟不上智能製造發展的要求。智能製造最終還是要落到製造技術和裝備上
   ，雖然我國在互聯網、物聯網
   、大數據、雲計算等數字化技術以及5G深入應用上處於優勢地位，但在製造執行單元——機床方麵，我國與歐美日相比還存在很大的差距。
3. 基礎數據平台深度開發不受控。企業要實現智能製造
   ，需要MES和ERP等兩個基礎係統平台。而我國還沒有相關自主研發的軟件平台，係統平台要依賴於歐美，因此在深度定製開發上受到限製。
4. 算法開發。智能製造需要基於數據並充分挖掘數據價值而實現自決策、自管理、自學習
   ，從數據源采集、數據呈現、數據分析到自行診斷、自動反饋、自動調整控製
   ，過程離不開算法開發。而算法開發是一個多元跨界和交叉學科的工作，既要求對業務有深入理解
   ，又要求有IT技術思維。目前，我國在算法開發的資源上還存在很大差距。
5. 管理和組織的變革。一方麵
   
   
   ，智能製造基於數據可實現端對端、信息充分共享、管(guan)理(li)平(ping)台(tai)化(hua)
   
   ，打(da)破(po)了(le)企(qi)業(ye)原(yuan)有(you)金(jin)字(zi)塔(ta)管(guan)理(li)體(ti)製(zhi)結(jie)構(gou)。因(yin)此(ci)來(lai)自(zi)原(yuan)有(you)權(quan)力(li)結(jie)構(gou)擁(yong)有(you)者(zhe)的(de)變(bian)革(ge)阻(zu)力(li)會(hui)很(hen)大(da)，往(wang)往(wang)他(ta)們(men)掌(zhang)握(wo)了(le)決(jue)策(ce)權(quan)，導(dao)致(zhi)智(zhi)能(neng)製(zhi)造(zao)的(de)資(zi)源(yuan)投(tou)入(ru)不(bu)到(dao)位(wei)。另(ling)一(yi)方(fang)麵(mian)，管(guan)理(li)方(fang)式(shi)會(hui)因(yin)信(xin)息(xi)平(ping)台(tai)化(hua)而(er)發(fa)生(sheng)改(gai)變(bian)，個(ge)體(ti)和(he)任(ren)務(wu)小(xiao)團(tuan)隊(dui)的(de)自(zi)管(guan)理(li)、自決策機製會越來越普遍，但是
   ，目前還沒有找到比較好的組織管理方式及組織文化。

　　基於以上原因
，智能製造還有很長一段路需要走。其中有三點亟須創新和突破：

　　一是在技術上需要自主研發，突破裝配和軟件技術的瓶頸，同時關注整個生態鏈中的核心技術。

　　二是在管理上需要推動組織和管理的變革，以適應信息技術帶來的管理變化。

　　三是在智能化道路上需要引入係統工程、頂層設計
，才有可能實現製造技術、信息技術和組織管理三者的深度融合。