行业新闻

各位下午好！因为我在智能制造行业干了七八年，关于如何落地智能制造，我觉得这个主题比较有意义，但我会更偏向实际的内容，也就是具体的问题。

首先我来介绍一下自己，我现在就职于洁美科技。洁美科技是一家生产半导体行业原材料的公司，其产品在全球市场占据 70% 的份额，所以这是一款小众但极具竞争力的产品。我个人本科读的是自动化专业，研究生读的是软件工程，因此在自动化领域和智能制造领域有一些自己的见解。包括十几年前，我在外企从事开发工作，后来也做过互联网、IT 相关的工作，以及制造业相关工作。近八年我一直深耕制造业，参与了很多系统的实施，像 ERP 研发、WMS、OMS、TMS、MES 等，其中很多都是我们自己开发的。一般来说，制造业公司中拥有几十人的 IT 团队是比较少见的，但我们公司有这样的团队。

我们还实施研发过很多自动化类型的项目，比如智能仓储、智能包装、自动投料、上下料、装配等等。

智能制造落地的前提与本质

在讲智能制造落地之前，我想先谈谈智能制造落地的前提条件。像 5G、数字孪生这类高新技术并非必需，因为即便没有这些，依然可以落地智能制造。它们不是必要选择，而是要根据企业自身需求来适配。

高层支持的重要性不言而喻，一把手的支持很关键，但有一个前提是资金。很多高层、一把手都想推进智能制造，但如果企业没钱，毛利和净利都很低，那么在智能制造上的投入就不可能持续。所以大家在选择职业或项目时，要考虑这方面因素，尤其是企业的净利和毛利一定要关注。

我们再来看智能制造的本质。这里我想强调一点，基于第一性原理，所有谈论的数字化、转型、智能制造，其根本目的都是降本、增效、提质。不管是通过软件项目、自动化项目等，目的都是提质增效降本。这是一个迭代的过程，因为降本和增效本身是持续进行的，所以我们推进智能制造落地也是一个持续的过程。

尤其要结合企业自身的工艺、物料特性、管理成熟度，找到合适的项目，分阶段、分模块去落实。

此外，推进智能制造需要一定的基础，并非能立刻开展，需要具备一定条件，比如要有基础系统，像 ERP、MES，还要有一些基础数据。讲到数据，比如物料数据要统一、工艺数据要标准化。如果物料不统一，不同机台、不同车间、不同流水线之间就无法实现交互；如果工艺数据不标准化，在自动化设备上的投入就会大打折扣。

智能制造落地的重点与案例

我想说，智能制造落地的重点，我认为像 MES、WMS、ERP 之类的信息系统，以及大屏、数据分析等数字化项目，都不是重点，因为它们对降本、增效的效果并不明显或不直接有效。但如果引进一台设备，实现不同装配环节的自动化，包括上小料、视觉检测等，效果就很显著：视觉检测系统能直接替代人工，上料自动化能减轻工人的劳动强度、减少工人数量，装配线实现自动化能立刻提高生产节拍和效率。从老板的角度来说，他们更关注这些，因为这些能带来实实在在的降本增效。

我举个例子，我们是一家生产卷材类产品的企业，涉及多道检测工序：

第一道工序是卷材切割，切割后的产品需要人工检查是否有污点或其他问题。引入视觉检测系统后，就不再需要人工检查了，直接节省了人力。更重要的是，检测结果能传递到下一道工序，下一道工序可以自动剔除上一道工序检测出的有问题的部分。为什么不在上一道工序检测出问题就直接剔除呢？因为第一道工序的 860 毫米卷材切割成两卷后，还需要再切成 100 条，检测出有问题时，不能把整卷都淘汰，因为 100 条中可能只有两三条有问题，需要找出这两三条。这种视觉检测的难度很高，难不在于检测设备的智能相机本身，而在于如何与产品结合。比如，我们的卷材是很软的膜，绕成一卷一卷后，检测出某个位置有污点，需要确定其纵向、横向距离以及所在通道。但软膜会有拉伸，一旦拉伸，之前确定的距离就不准了。怎么解决这个问题呢？我们需要结合设备和产品特性一起考虑，增加更多传感器未必有效，这其实是个行业难题，但我们根据自身特点解决了。

所以我认为，自动化设备的导入和研发是我们需要重点推进的工作，也是难度很大的事情，稍后我会讲讲如何解决这些难点。至于采集数据后通过 MES 传到下一个工艺，相对来说就比较简单了。

还有一块是数据分析与优化，我们要引导生产和管理人员对设备数据、生产数据进行分析。之前姜总也提到过生产数据，数据呈现得再好，如果生产管理者不去分析，也是没用的。所以一定要引导他们进行分析，通过分析提高设备的稳定性和生产效率。

自动化设备的研发设计与项目失败原因

我们再看自动化设备研发和设计的四层结构。对于一条自动化产线或一组自动化设备，我们最先看到的是其布局、各种执行机构及执行动作。但为什么要这样设计布局和执行机构呢？这与约束条件有关，包括空间、成本、节拍、良率以及物料特性，尤其是物料特性。

举个例子，我们需要输送大负载物品时，环形轨道、皮带就不适合，可能需要竖列输送。但即便考虑了这些约束条件进行自动化设计，也未必能实现稳定运行，因为还要考虑物理现实世界的不完美。所有自动化设备或项目都属于数模世界，而实际的物理世界存在很多不完美的因素，这就需要进行防御性设计。比如物料存在微小误差，环境中存在电磁干扰、光干扰、振动干扰等，这些都会导致设备在 7×24 小时运行过程中出现不稳定因素。我们可以设计缓存机构来应对上一道工序节拍不稳定的问题，存储一定量的物料，在节拍变慢时进行调整，这其实是用空间来平衡时间。

对于高精度要求的上料和下料，经过多道工序后可能会产生累计误差，这时需要二次定位来解决。有些物品在传输过程中会变形或扭曲，我们需要设计整形机构来增强容错性。所有这些都是为了让混沌的现实情况与计算机或设备的数学世界更好地融合。当然，往往需要人的介入，实现人机合作，很多自动化产线并非做到无人化就是最好的，无人化只是理想状态，大多数所谓的无人工厂，其实有一定的掩饰成分，真正高效率、高节拍的生产还是需要人与设备协同配合，这样更有效。未来，随着 AI 的深入发展，有可能通过 AI 实现机器的自主智能，但目前核心还是要做好交互设计。

我们再看自动化项目失败的原因，90% 都在技术之外。首先是员工的阻力，很多员工担心失去工作，会消极抵抗。通常我们会采用双轨制，一边引入和开发新设备，一边重塑组织、调整职责分工、重新定义流程，同时培训员工，让他们适应新的角色和岗位。

另一块是管理脱节，设备升级后，花费几百万、几千万买回来或研发出设备，但管理没有同步升级，很多人只会开关机器，不会分析设备和生产数据，管理凭感觉，这会导致项目失败的风险很大。

还有一块是思维固化，引进了高级设备，却还用几十年前的管理和维护模式，势必会导致整个自动化项目或产线的效率大打折扣。

自动化设备及项目的核心问题

接下来我们谈谈与自动化设备和自动化项目相关的几个核心问题：

第一，稳定性

这是不可避免的问题，因为一条产线中任何一个设备出现不稳定，都可能导致整个产线瘫痪，这样还不如不上自动化设备，很多情况下项目就这样失败了。谈到稳定性问题，通常与以下四方面有关：

坚持模块的独立性，各个模块之间不能相互影响，上一个模块出问题后，通过人为介入仍能继续运行，而不是完全瘫痪，这在设计时一定要考虑到。

冗余的安全系数，设备不稳定很大程度上是因为不够结实。很多国外设备看起来很结实，要让设备稳定，最简单有效的方法就是加大、加粗部件，使用厚实的材料，因为厚实的材料能通过金属应力抵抗振动或其他不稳定因素，比如德系设备就很扎实。同时，要预留一定容量，比如气缸、电机至少预留 20% 的容量，以应对不确定性情况，这些余量在关键时刻能起到重要作用。

适应环境系数，设备要对环境有一定的适应度。比如，我们生产的膜有时厚有时薄，晚上偏薄、白天偏厚，虽然都在合格范围内，但这与温度有关。晚上温度较低，即使空调设定温度相同，实际车间温度也可能有差异。监控到这些数据后，设备本身要能进行一定调节，如果设备能根据温度实现自适应调节和反馈，就会很好。

设备稳定性和降本不是对立的，有时候增加一个气缸、提高电机功率会增加成本，但能让设备更稳定，进而提高生产效率和设备有效使用率（OEE）。

我刚刚接到下属的电话，我们的自动投料系统在抽取化工品并按一定配比灌装时，流量控制系统受到了电磁阀的干扰，这就是典型的没有考虑到环境适应度的情况。很多类似的情况都会导致自动化设备不稳定，进而牺牲效率，增加项目失败的风险。

第二，自动化设备的精度问题

自动化产线的很多问题都与精度有关，但精度不是买来的。你可以花大价钱买更高级的设备，但买来后精度依然可能不行，因为精度 30% 受环境影响，比如振动、光线、温度等。比如，楼上和楼下的设备可能会产生共振，怎么办呢？我们可以通过安装橡胶脚垫、错开开机时间、合理布局不同类型设备等方式来避免。还有 30% 的精度问题受人的因素影响，不同人测量同一个东西，结果可能相差 10%-20%，这就需要通过标准化培训来排除人的影响。这两方面就占了 60%，剩下的 40% 才与硬件有关，所以 60% 的精度问题是可以通过调整解决的，精度是调出来的，而不是买来的。

我们再看，自动化项目最核心的是上下料自动化，尤其是上料环节，只有上料实现自动化，整个流程才能顺畅进行。因为很多设备在加工过程中已经实现了较高程度的自动化，但如果上料环节不自动化，就无法实现全自动。当然，并非所有上料环节都必须实现全自动，因为上料受物料公差、不稳定性、环境以及物料特性等多种因素影响，针对不同情况有不同的上料自动化方式，时间有限，这里就不细讲了。

设备选型原则与全生命周期成本

设备选型要做到 “三看”：

1.看可靠性，宣传得再好的可靠性，都不如设备具备正负偏移自动调节功能，通过调节提高可靠性更实在，要基于实际应用来判断。

2.看适用性，这里需要纠正一下，之前说 “看使用性” 表述不准确，应看设备是否适用于小批量多批次等生产情况，因为小批量、多批次生产需要设备具备快速启动功能，同时要看设备的全生命周期成本，因为设备采购成本只占 30%-40%。

3.看全生命周期成本，这一点后面会详细谈到。

设备选型还要做到 “四不看”：

1.不看品牌光环，大品牌不等于稳定可靠，小品牌也不等于不可靠，要基于实际情况选型。

2.不看复杂参数，复杂参数往往是包装出来的，不能作为选型的唯一依据。

3.不看展厅演示效果，要看实战表现，因为展厅演示与 7×24 小时不间断运行的实战情况相差很大。

4.不看初始价格。

最后我们来看全生命周期成本，大家在购买设备、开展项目研发时，评估成本往往只考虑显性成本，比如价格、安装、调试、培训等，而这些在全生命周期成本中只占 30%-40%。还有很多隐性成本，比如设备的电耗、气耗，维修保养成本，停机损失成本等。停机损失成本就是前面提到的因设备不稳定导致的，一旦停机，生产效率就会降低，一台设备的实际有效运行时间往往要在其宣传的最高值上打八折。

此外，还有设备使用失效产生的成本，比如零部件问题、设备未达预期、运行速度低下等导致的成本，这些隐性成本才是我们必须考虑进去的。

以上就是我的分享，谢谢！