對智能制造最大的誤解是機器換人，實作高度自動化。我們講智能制造，實際上是在讨論，如何解決當下企業痛點問題，輕松擷取資料，将資料串聯，打破資訊孤島，實作業務的融合，進而提高生産力，平衡生産力和生産關系。
01
智能制造系統之殇
企業資訊化建設是三駕馬車并駕齊驅：ERP、PDM與MES。ERP管理企業資源，如人員、裝置折舊等，從客戶開始，到訂單，到主計劃，回答為什麼生産；PDM管理産品設計過程，如産品圖紙、工藝等，PDM從産品需求開始到工藝編寫，回答怎麼生産；MES管理制造的過程，如生産計劃、生産作業等，從計劃到具體加工，回答到底是怎麼幹的。
綜合來看，ERP、MES與PDM都屬于管理系統，MES（ManufacturingExecution System）全稱是制造執行系統，主要面向的對象是管理層。
戰略層：戰略層如企業總經理、型号總師等，主要獲知生産的趨勢性資料，如生産問題發生率、任務完成率、額定工時統計等等，都屬于分析統計類資料，簡稱高階資料；
管理層：管理層如計劃員、排程員等，主要獲知生産的實時資料，如生産進度、現場問題等，屬于實時性資料，對資料的實時性要求較高；
執行層：執行層如班組長、現場勞工，主要獲知的是相對靜止的資訊，如産品的操作手冊、加工工藝或者臨時工藝通知等内容。
綜上執行層雖然處于資料采集最核心的位置，但對于他們工作KPI（工時/件數）等均沒有增益，甚至會影響産量。
MES大部分功能面向管理層，但是MES的應用主要靠執行層表現。
執行層的資料來源于機器采集、手工錄入、上遊系統傳遞、硬體內建等等，其中主要的資料還是來源于手工錄入，是以在上線MES系統後，執行層需要學習MES系統的操作。
由于管理層希望看到更多來自于執行層的資料資訊，以輔助工廠的決策。執行層的勞工們開始罔顧生産，去大量的在系統中錄入資料，這種本末倒置的行為，導緻兩種結果：
1.系統教育訓練浪費時間，造成本職工作未按時完成；
2.沒有減少工作量，反而因為要錄入資料降低了效率；
在這樣的現狀下，MES的應用效果大打折扣。造成了一個智能制造之殇：管理層需要更多更全面的資料，執行層希望更具備效率更簡單舒适的工作工具。如何輕松簡潔的擷取資料，再将資料串聯起來，打破資訊孤島，實作業務融合是目前智能制造的重中之重。
02
智能制造的解救之鑰
事實上，在我國工廠的很多工廠中的房間裡，各個生産裝置之間、生産裝置和控制器之間，都已經基本實作了資訊化的連通。再厲害一點的公司，整個工廠已經通過制造執行系統（MES）連通起來，而業務部門全部通過ERP連通起來了。
這樣的情況下，問題出在哪裡呢？
ERP和MES其實并沒有連起來！
這之間存在資訊孤島。是以當ERP給MES下達生産計劃指令後，如果MES在生産過程中發生與計劃偏差的事項（比如裝置壞了，原料不合格等等），MES會根據工廠中的房間的實際情況進行調整。但是ERP不知道，它會繼續按照原本的計劃執行訂單，時間久了，财務系統和工廠的實際情況就會出現非常大的偏差。
沒有連起來的原因也很簡單：
1、ERP和MES的開發公司通常是兩撥人，搞财務的和搞生産的合作，不但互相不懂對方的職業術語，雞同鴨講，而且互相看不上對方。
2、公司内部的業務部門和生産部門通常是分開營運，在沒有實時溝通的情況下，各自是不知道對方的調整的。
當然，ERP和MES的問題隻是工廠内系統斷層的一個問題縮影，事實上工廠裡還有非常多的其他系統，設計、制造、采購等，這些系統都是一個個資訊孤島，互相都不知道對方的行動和接下來的計劃。這個問題自工業革命以來就存在，但是工業時代，産品的生産周期很長，是以問題在生産研發的過程中能夠得到調整。
但是網際網路和智能時代的到來，帶來了新的變化。
網際網路和智能讓經濟得以高速發展，與此同時，産能過剩嚴重成了全球性的問題。企業的競争越來越激烈，我們的産品更新換代越來越快，以往一款産品賣十年二十年，現在我們看到的是，每隔幾個月，就會有多個産品的更新疊代。
另外，網際網路幫我們消除了資訊的不對稱。過去的大批量統一生産的做法顯然已經行不通。随着消費更新，消費者更青睐于個性化的産品。這就要求工業企業能夠實作小批量、定制化的快速生産。
如果這個時代延續過去的做法，顯然很快就會被淘汰，是以，企業最迫切需要做的就是連接配接ERP和MES，打破業務和生産之間的資訊孤島，進入完全的自動化和資訊化階段，也就是工業3.0大圓滿階段。 這個階段的單點功能不需要太完美，在下一個階段，中國人自己的智能制造階段，需要解決的就是單點資料。
03
智能制造的AI之路
資料采集：
采集資料是根本的，但是需要在不增加工作量的基礎上，因為人為的采集資料就不可取。AI的到來，為我們提供了可能，我們現在看到的人臉識别、智能語音等等，都展現了AI這一強大的實力。
是以工業的AI之旅注定達到的目的是：最大限度的擷取非隐私資料，極多數的單點工具，讓勞工隻做本職工作的事情，不再因為管理需求而做一些無用功。
資料處理：
AI為我們采集到過多的資料，但是這些資料中必然存在大量的無用冗雜資料，如果不進行擇優清洗，後續的工作會很難進行，基于AI的大資料處理應用而生，幫助我們實作資料的轉化和存儲。
資料分析：
當世界多變，我們就不能隻是單純的從一個點出發去做判斷和決策。由于大量的多面的資料存在，會要求更多的算法去處理資料，挖掘更多的深層的多元資訊，把這些資料轉化成自己的智慧，做出最理智最正确的判斷和決策，進而創造在這個領域的财富，才是智能制造要實作的最終目标。