最近一直比较忙，也就很久没写东西了，智能制造这个话题真够热门的—真是值得好好讨论一下，讨论来讨论去，最终发现还是得懂点精益—还好当年我曾经在某电梯公司做过一段时间跟精益相关的工作，这让我理解起来占了便宜。

我们讨论Industry 4.0还是Smart Manufacturing，或者制造业2025，其实，我们必须回归到问题的本源--如何为消费者提供物美价廉的，满足其个性化需求的产品，并且让公司获得盈利，让员工获得不断提高的福利。

不讨论这些问题，为了智能而智能都是会走弯路，想不明白，不如慢慢想想，免得走错了，浪费时日。

一、共识：个性化定制

我的总部同事-自动化学院院长Franz Enhuber先生在2014年的用户会议曾经介绍过工业4.0，他提到了“消费者价格可接受的个性化产品”，即，这个产品是满足其个性化需求的—但是，他不能因此而价格高昂。关于这一点，相信目前大家已经达成共识“智能制造主要为了解决个性化生产，进而让企业赢得市场竞争力的产品”。

因为传统上，个性化往往交付周期长、价格高，就像定制一件西装，对于体型较胖如我，就没法买成衣—直接可以付款拿走这种，得去定制，因为成衣的话，腰围合适的时候，袖子会长，或者袖子合适就穿不进去-可怜衣服都是为那些体型标准的人设计的。

但是，定制的服装显然不能马上拿到，一般定都是1个月的交付，然后试穿，再修改又是一周，通常得一个星期，当然，价钱嘛！就不好说了，有的2-3千，有的上万也是正常的。

总之，在传统的生产来说，定制是交付周期长且价格高的，而智能制造却要实现一个看上去无法完成的任务—在个性化的同时还保持低成本，这样才更具竞争力，这是显然的，如果你能给我生产一件按照我体型贴合的西装还给我普通成衣的价格，我自然会欣然接受。

二、个性化生产下的挑战

我们不讨论手工缝装这一模式，因为，这只能是小作坊的玩法，不能成就工业化生产的企业的市场拓展，因此，我们仍然回到工厂来实现生产。

但是，无论你准备怎样的生产，采用半自动化、全自动化或者采用更为先进的智能制造系统来生产产品，产品的质量、交付时间、工厂必须盈利是不能改变的，否则，一切都失去意义。

个性化会给质量、成本带来巨大的挑战，这主要在于以下几个方面：

1.个性化生产的质量怎么下降的？

质量的迭代问题

在大规模生产时期，质量是不断迭代完成进化的—持续改善、质量环、品质小组，精益生产QCPC、RRCA（根源分析）、MFA（市场反馈分析）等形成质量的闭环控制，但是，这个都是通过一个个的批次生产来实现，而且，对于那些长期从事这一生产的企业而言，也是通过长期的质量优化所建立的体系来支撑质量的不断迭代，进而提高的，但是，个性化就会带来新的问题：

“你没有机会进行长时间的质量迭代”—因为，你的订单量很小，甚至就一次工装生产就会换装生产另一个型号、款式的产品，这样你失去了质量迭代的机会。

例如：10万个生产可以不断的在生产时间里进行质量迭代，使得他们达到最佳质量状态，问题是1000个呢？100个呢？你还有机会吗？

不良品率：在个性化生产中，需要频繁的换装，但是，换装过程会产生废料，这是显然的，例如：印刷开机的一个多纸路是被废掉的，因为还没有套准，而注塑机第一批注射成型的产品也是废掉的，因为要调校质量满足要求的工艺配置，我们会发现，对于大批量生产而言，这些换装时候的质量损耗是可以忽略的，但是，对于一个小批量生产而言，这个质量损耗就会使得不良品率上升。

这就是在个性化生产时代所遇到的问题：质量迭代和换装的质量损耗比例上升。

2.个性化生产的成本是怎么提高的？

如果我们去分析在个性化生产里的质量问题，我们不得不说，按照传统的生产方式而言，成本只会增加而不会减少。这包括以下很多方面都会带来质量的下降。

让我们先明确一个非常重要的成本计算基准：

成本的基准—时间

对于可计价的原材料而言，可以直接按照个数来计算成本，但是，对于生产的整个工厂和生产本身而言，时间则是计算的基准。

换装时间的成本：如果频繁的换装，那么就会带来机器调校的时候产生废品-直接的成本，而人工、产线摊销、工厂管总摊销全部是按照时间来统计的成本。

当机成本—机器因为故障（润滑、机械、电气故障）造成的停机损失，不仅包含在制品的直接成本，也包含了备件成本，以及时间累积的成本（摊销）。

这么算下来：“凡是不增值生产过程最终都会成为成本。”

能耗问题也会成为成本，原因是这种消耗在有效的生产时间下降的时候分摊出来的单位能耗将会提高，在大规模生产时候产出100万个产品的能耗比在个性化时候产生100万个产品的能耗是低的，因此分摊成本也是低的—因为，频繁的启动需要更高的总能耗。

效率问题另外写吧，太复杂了，还得计算OEE。

三、智能时代的质量改善

那么在智能时代如何改善质量呢？

1.缩短质量迭代周期

（1）为什么互联生产系统并要提高实时性？

互联系统就是能够对整个机器的各个单元进行监测，能够动态的获取生产机器、被加工对象中影响质量以及质量当前状态的参数，动态的调整生产系统，使得质量迭代发生在最小的生产间隔区间里，这样，一个产品的生产质量参数如机器配置、机械调校位置都需要及时反馈以便高速实时调整生产系统。

MES系统在智能时代的角色就是一个动态获取并实时调整生产系统进而降低质量迭代周期，使得实现最小生产调整间隔的方法。

2.仿真技术可以降低不良品率

为什么仿真技术会在未来成为关键，因为，质量需要在一个不产生实际物料投放情况下生产系统的参数、过程得以预先模拟，以便直接上线可以获得更好的品质，并且，仿真系统可以反馈问题后及时的调整，让生产在预先设计阶段即确保高品质。

--改进生产线的工作周期

--克服机器损坏

--避免环境破坏

--确保人员安全

--有时间考虑和评估

因为通过仿真可以实现尽可能多次重复的测试周期

3.大数据对质量的改进

对于机器制造业业同样存在质量迭代问题，但是，过去人们往往通过数年乃至数十年积累下来的数据、经验来实现对质量的迭代，今天，通过在生产系统的传感器加装，可以让我们以秒甚至mS为单位对整个生产运行进行监测，获取进行质量优化的参数，通过人工智能算法来快速实现质量的迭代。

四、智能制造中的成本改善

1.削减不增值时间，让生产更为连续紧凑

既然，我们发现时间是计算成本的基准，那么，所有不产生增值的时间必须被削减，为什么我们需要机器自动调整来适应个性化的生产？因为，系统根据订单自动计算来调校机器，而不是采用人工的方式来调校机器。

通过机器的互联，我们可以采用过程数据采集PDA来实现生产状态的数据采集—过程、生产（启停、运行、换装、等待时间—OEE相关参数）、机器数据、质量数据。

通过数据的动态分析，可以对整个生产进行调整，而通过集中式的管理系统调度，为质量所进行的联动可以被统一的指令下发到每个单元，避免人工调校造成的时间浪费。

消除在整个生产过程中的时间浪费就是降低成本。

现在回想一下初中学的课程上写的剩余价值是由劳动者的额外的工作时间产生的，看来时间一直就是成本的指标。

2.能源监测

如前所说，小批量会产生单位能耗的提高，因此，必须对生产中的能耗进行最精细的管理，锱铢必较才能让单位能耗下降，例如：在前道工序为完成，而后道机器必须空转等待中能源被浪费，而最佳匹配的时间也会让能耗分摊降低。

3.预测性维护技术

由于生产的停机对于大批量生产可能会影响不大，但是对于一个小批量生产而言，生产的停机则会带来成本的大幅度上升，因为，如果按照时间摊销的话，相对于10000个批次的生产而言，100个批次所要获得的成本摊销更大。

必须确保生产系统的可靠与稳定，必须预测性的维护来确保系统不会对生产带来问题。

从另一个方面来说，预测性维护也延长了设备的使用寿命，如果1000万的设备多延长一年的寿命（10年到11年），财务摊销上就是节省了接近100万，而因此产生的生产总值也会提高，回报还是很高的。

4.安全系统也是提高效率，降低成本的方法

其实，很多人认为安全的投资是产出很小的，但是以下几个方面会告诉你安全带来整体效率的提升。

（1）安全与OEE，机器的运行时间不能被中断，否则就会导致OEE下降，但是，不能不保障生命的安全吧？因此，必须在安全和效率间平衡—这是安全技术研究的目标，SLS@TCP就是为机器人提供安全机制，让其不停机状态下获得安全。

（2）人机协同对于安全的需求—也是为了降低生产占地面积、在更换生产时候更易于切换，而不是浪费时间在调校安全系统上，另外，机器关在笼子里所需要的各种安全防范也需要设备配合，但是，基于总线的安全可以降低这些调整的时间—个性化生产所需要多出来的时间。

这一点，我相信很多人并没有意识到其重要性—因为大部分时间人们都把安全看成成本，而不是看成效率提高的手段。

在防护栏里的机器人占地面积会比较大—而且不灵活，如果生产系统要调整，这就意味着重装。

相较于传统的机器人生产，基于人-机安全协同的机器人生产系统，其占地面积都减少了很多，至少削减50%，想想现在的房价—或者已有的老厂房来说，这可是很大的成本节省啊！

6.云计算也是为了成本—使用开放的资源，而不是自己建立一个网络基础设施，庞大的费用与维护成本，真的是不必要的。

写东西最耗费时间，而且，认真写的话也没人看--这真的是我之所以不想经常性写东西的重要原因。