随着《中国制造2025》和《工业4.0》的提出，智能制造概念被炒的火热。如今越来越多的制造商们将“自动化”和“数据分析”等技术结合到业务运营的各个方面，智能制造将彻底改变制造业生产模式，重构整个价值链。
智能工厂建设体系
智能制造、智能工厂建设是传统制造业与新技术的一次融合，在这个融合过程中，其应该是有一套切实可行的方法论的。对于这套方法论我权且叫它“智能工厂建设体系”。该体系大致归纳为以下几个方面。
以提质增效为目的。无论是传统工厂还是智能工厂，制造工厂的目的始终是提高生产效率、提高产品质量、降低生产成本。这个根本目的始终是第一位的，离开了这一目的，为了智能化而智能化始终是空中楼阁不能够持续进行。智能化是推动这一目的的高效方式，一切的智能化建设也应紧紧围绕这个根本目的开展。
以智能装备为基础。智能工厂说到底首先要有先进的生产装备，这是开展智能化的硬实力，是智能工厂建设的基础。只有这个基础打得牢、夯的实，才有可能满足个性化、柔性化、快速化的需求，才能提高效率、降低人力、物力、财力的投入。智能装备从仪器、仪表到整机、条线的不断发展，将成为智能工厂的生产力保障。
以运行数据为源泉。数据是财富，设备运行数据、产品质量数据、管理业务数据等一切企业经济运行数据都是智能化开展的源泉和生产资料。智能化的一个显着特征就是充分依赖数据、充分挖掘数据、广泛应用数据。离开数据谈智能化是无源之水。充分获得、整合、利用这一新的生产资料尤为关键。
以业务需求为方向。有需求才会有动力，有需求才会有创新。业务应用的需求就是智能化建设的方向。智能化就是解决这些实际问题。通过新的技术让各类业务更加便捷、更加灵活、更加准确。通过智能化解决现在存在的痛点、难点，丰富管理业务模式、发展管理业务模式、创新管理业务模式。
以智能应用为支撑。智能应用是智能化的最显着特征标签，也是大家谈论的主要关注点。通过多级平台、多类数据、多种方法，以多种形式的智能应用，支撑生产、设备、工艺、质量、安全、人员管理等各类业务需求，让设备更可靠，人机更和谐、生产更敏捷、产品更优越、人员更优秀、管理更高效是智能化的本质出发点。
以数据管理为保障。数据是生产资料、是智能工厂健康持续高质量运行的血液，因此数据管理的作用在智能工厂建设中就显得格外突出。需要哪些数据、如何获得、怎样管理、怎样应用，数据质量怎么样，这些问题都是数据管理的基本任务。针对企业运行数据的采集、传输、集成、应用、归档、销毁及数据质量检查、数据安全保证等数据全生命周期的维护管理是智能应用的重要保障。
以评价改善为提升。凡事都是不断发展变化的，智能工厂建设也不是一蹴而就的，是一个长期不断发展完善的工作。发展出题目，改革做文章，应用怎么样，效果好不好，需要通过不断地评价来衡量。新的要求，老的问题，需要不断的改善去解决。在一个又一个PDCA循环中，智能工厂才会越来越精益，越来越有生命力。
实施挑战
在智能工厂建设过程中有几点挑战值得关注，这些挑战对于这项工程的高质量、可持续进行尤为关键。
应用的碎片化。智能工厂的业务是多样的，每项需求千姿百态。从风机震动检测、到智能排产、从空调智能控制到包装机维保决策，每一项应用都十分具体，且应用迥异。因此智能应用的碎片化特点十分显着。每一个应用都要特需的数据、特定的方法、特别的参数。一套方法通行，推而广之的做法不能够行之有效，每一种应用都是特例。并且在新的业务需求到来后虽然有经验可借鉴，但也大多需要修改方法，修正参数，从头再出发。
数据的多源化。工厂的数据是多种多样的，多个维度、多个层次，既有设备运行的原始数据，又有管理产生的业务数据。往往这些数据的维度、粒度不同，导致数据彼此交叉。同一业务数据可能就有多种形式，多个数值，这源于不同的口径、不同的业务来源、不同的计算方法，如何在海量的数据中抽丝剥茧选择合适的数据，是一项艰巨而富有挑战的工作。
结果的专业化。智能工厂建设面临的一个极为棘手的问题是需求和结果的专业化。从事智能化的专业技术外援，缺少相关业务储备，对于提出的需求不能理解，对于表现出的问题不能够很好的做出分析和诊断。而工厂的业务人员对于业务往往十分熟悉，但又缺少转化为智能化工具方法的途径，针对表现的业务问题不能够很好的借助智能工具进行摸索和测试。这种突出的矛盾十分普遍，对于专业技术人员变成业务达人，还是业务人员变成技术能手的争论也由来已久。对此，笔者偏向于后者。前者在商业化形势下不太现实，且极不稳定;后者，培养一支自己的人才队伍是保持自主权和长期发展的动力源泉。
（原标题：智能制造、智能工厂建设是传统制造业与新技术的一次融合）
