為什么要進行數字化、智能化轉型？

從需求端研究發現，消費者的需求已經發生了變化，傳統的大批量、標準的產品已經無法滿足人們日益增長的多樣性需求，這個時候作為供給端需要怎樣跟上消費端的需求，是需要重點考慮的問題。

不管是汽車生產廠家，還是供應商都應該考慮如何解決由產品本身的不確定性、多樣性、復雜性而帶來的生產方式的不確定性與復雜性問題。

智能制造要解決的核心問題就是，面對客戶需求的變化及不確定性，企業如何適應和跟上這一快速的變化，如何更好地滿足客戶需求，這是智能制造轉型的邏輯起點。其根本還是為了適應市場快速的變化，提升公司應對未來市場不確定性的能力，提升綜合競爭力，降低自己的成本，從而在市場上贏得立足之地，具體表現在效率、成本、質量、服務四個關鍵要素方面。

（1）效率。縮短產品的上市周期，加快新產品的迭代速度；提升制造的柔性與靈活性，以應對市場日益增長的個性定制化需求。

（2）質量。打造可追溯的質量管理體系，向客戶保證能夠持續兌現高質量地按時交付。

（3）成本。讓企業單位的成本投入獲得比同業競爭對手更大的產出。

（4）服務。通過對設備的連接，實現對生產設備數據的完整采集與分析，幫助客戶提升生產效率、預測性維護，以及生產可視透明化，通過數據有效合理地調動能量，通過數字化進行運維服務。

而怎樣消除或減少不確定呢？香農在20世紀40年代就已經給出了答案——信息是用來消除隨機不確定性的東西。工信部安筱鵬博士提出，數字化轉型的本質就是通過信息的采集、分析、決策，從而實現全局的制造效率提升，響應“大規模定制”中的高品質、低成本要求。

如何進行數字化、智能化轉型工作？

貫穿人類科技發展的歷史，有兩條主線，一個是能量，另一個是信息。第一次工業革命與第二次電氣革命，更多是能量的轉換和生產效率的提升。進入近代，能量增加的速率在放緩，信息增加的速率在遞增。信息在社會中的權重增加，代表著信息置換能量成為技術迭代、社會發展的主要手段。

在能量主線，傳統的生產工具或方式需要演化到智能工具階段，生產效率得到進一步提升。例如：搬運機器人通過視覺識別、算法優化可以自主決策運動軌跡，傳統的夾具設計、PLC設計通過標準化、模塊化、數字化、智能化的改進，可以進行快速地參數化設計，提升設計的效率，減少成本的投入。

在信息主線，傳統的經驗決策方式需要演化到通過“數據+算法”的方式進行決策，目前的管理系統例如ERP、CRM、MES等更多是管理思想的數字化、代碼化，通過信息化的方式已經提升了企業的管理效率。如圖1所示，我們可以通過不斷挖掘、匯聚、分析消費者以及研發、生產、供應鏈等數據，基于“數據+算法”構建一套新的決策機制，替代傳統的經驗決策，實現更加高效、科學、精準、及時的決策，以適應需求的快速變化。

圖1? 基于“數據+算法”構建的全新決策機制

智能工具

通過“標準化→數字化→網絡化→智能化”的演化路徑（見圖2），將能量工具轉換為智能工具，包含硬件工具與軟件工具。例如，軟件智能工具就是將數據轉換為信息，將初始設計數據整理成知識。讓知識顯性化、共享化、工具化以及智慧化，使知識跟設計過程融合。比如把設計過程變成組件化、參數化，形成工程化知識，具有自動化特征，網絡化可以關聯更多的信息快速形成合力，參數化輸入可以自動生成夾具單元，并加入算法模型，就具備了智能化特征。

圖2? 智能工具演化路徑

標準化、模塊化是所有的基礎。要解決一個復雜的系統或復雜的過程，必然的也是唯一的方法就是對復雜系統或復雜過程進行分解。這也是為什么自工業化開始，“標準化”就是一個永恒的主題。只有在實現標準化、模塊化的基礎上，智能化才能進一步演化，而模塊化也是現在數據中臺概念的核心理念。

智能決策

通過“行業知識+數據+算法模型”幫助客戶實現輔助決策，通過PLC及傳感器采集現場設備運行的數據，并且將其轉換成具有時間標簽的工業大數據，加之適用的算法和算力，通過行業知識的總結分析，解析出這些數據背后所蘊含的特定的工況模式和特征（知識），根據這些知識進行設備參數的優化、預防性維護以及改進設備的設計。通過以上模式（見圖3）輔助客戶在生產線運營的過程中進行效率提升、成本優化、質量追溯。

圖3? 智能決策