原標題：工業4.0時代 智能制造面臨的最大挑戰是什么

對傳統制造業來說，最美好的場景莫過于“千人一面”，產品的同質化意味著生產的規模化，工廠可以借此有效降低成本、提升效率。然而，在消費側，如果一個人和另一個人買的產品之間沒有什么太大的差別，那又何來的品牌忠誠度呢？

隨著90后、00后逐漸成為新的消費主力軍，市場需求相比于過去發生了天翻地覆的變化。除了實用性，世代青年還要追求彰顯個性的獨特配置。在這種情況下，工廠必須重構自己的柔性，實現生產的小批量、定制化。

如今，工業4.0、工業互聯網、智能制造的概念鋪天蓋地，但從本質上來看，制造企業的目標就是利用物聯網、人工智能和大數據等技術賦能傳統制造業，把傳統制造從以規模、成本、效益為第一要務，變成以定制化的體驗、創新性的交付為競爭核心。

那么，究竟該如何實現這一跨越式的轉變？在由AWS于廣州主辦的“重構高頻·AWS轉型與創新峰會”上，聯想集團首席科學家、副總裁于辰濤發表了題為《邊云融合和工業智能推動制造業全域效能提升》的主旨演講，闡述了自己對制造業數字化轉型的獨到見解，并分享了AWS助力聯想全球化部署以及助力聯想客戶實現數字化轉型的實例。

攔在數字化轉型之路上的“四座大山”

“工廠當前面臨的最大挑戰并不是無法實現柔性生產，而是如何在保證跟原來規模化生產成本差不多的前提下去生產定制化的產品。”在演講一開始，于辰濤便一針見血地指出了問題所在。

過去，工廠升級改造的過程經常會談到機器換人等話題，但那只是初級的自動化階段；現在企業的目標則是要實現制造過程的數字化以及由此帶來的信息流的自動化，這需要從“人-機-料-法-環-測”幾個環節全面地進行改造。然而，轉型升級的過程中卻橫亙著四座不得不翻越的“大山”：

第一大挑戰是工廠里的人工過程過多，導致工單流轉的方式難于滿足數字化。雖然現在很多工廠已經部署了MES系統用于管理生產工單的執行，然而訂單、物料、生產、交付各環節中人機交互復雜，多數以手工表單電子化進行操作，導致交付周期長、出錯率高。電子報單需要手工來填寫嗎？如果利用物聯網的手段，從物料的入庫，到生產制造過程中不同工位之間數據的流轉，再到產品的交付，都應該可以以數字化的手段完成。

第二大挑戰在于企業難以實時處理產線設備及終端的數據，實現生產過程的實時響應。工廠信息流自動化的實現需要依賴于設備數據的采集和獲取，但這個過程卻絕非易事。單以傳輸過程來看，IT領域僅需一種傳輸控制協議TCP/IP，但是工業領域的控制協議卻超過2000種，有些專有工業協議的數據獲取甚至需額外付費，或依賴日志數據讀取，更別說生產協作還需要對接MES、ERP、PLM、WMS等系統的數據。

第三大挑戰在于企業的信息化基礎差，業務數據既不全面，也不準確，計劃準確性低。我們不如以排產過程為例，中國目前有90%的離散制造工廠沒有APS（高級計劃排產）系統，排產只能靠廠長每天帶領工人開生產決策會，這就導致排產的準確度不高。但是，即使給這些工廠上了APS，排產也依然不準確，因為工廠只管控自己的生產，卻沒有整合供應商上下游（包括天氣、地震、物流等）的數據。試想一下，如果物料的物流出現了異常，勢必會耽誤生產的進程。

第四大挑戰是難于用人工智能技術發現數據的潛在價值，實現決策過程的智能化。很多人說人工智能會顛覆制造業，但事實真的如此嗎？一方面，很多重要的工業決策依賴于實時的邊緣計算，根本來不及將數據上傳到云端經過分析再返回；另一方面，深度學習具有不可解釋性，但是工業智能的東西卻要求是可解釋的，這就要求方案商必須深刻掌握工業機理。

“所以我們認為數字化轉型一定要遵從雙環驅動，即結合IT域和OT域組建統一的數據平臺，然后通過統一的模型來賦能企業的數字化轉型。這種統一的模型不單單是AI，而是AI+工業機理模型。”于辰濤進一步總結道。返回搜狐，查看更多

責任編輯：