# 精益智能——學習智能工廠建設方案 #
2、完全整合精益生産概念
充分展現産業工程和精益生産的概念，真正達到訂單驅動、拉動式生産，最大限度地減少産品的庫存，避免原材料的浪費。推動智能工廠建設要最大限度的融合産品和工藝的特點，處于研發階段的時候也應該不遺餘力的推進标準化、子產品化、系列化，為推進精益生産打下堅實的基礎。
3、實作靈活的自動化
結合企業産品以及生産的特征，不斷提高生産、檢查及工廠物流的自動化水準。産品品種相對比較少，并且批量生産多的企業能夠完成高度自動化，甚至于還可以設立黑燈工廠。批量小、品種多的企業就應該注意人少化，充分做到人機的結合，不能一味的推行自動化，要非常注意打造智能生産單元。
工廠的自動化生産線以及裝配線必須想到備援，以防止因為核心裝置發生故障而停機。同時，要全面考慮怎樣才能盡快改變模具，以便适應多種多樣的混線生産。
4、注意環保綠色制造
及時收集裝置和生産線消耗能源的情況，進而提高能源的使用率。在存在危險和污染的流程中，首先考慮用機器人取代人工，可以實作廢物的回收和二次利用。
5、工業軟體的廣泛應用
廣泛應用制造執行系統、進階生産日程安排、能源管理、品質管理等行業軟體，讓生産現場實作可視化以及透明化。建造新工廠的過程中，也可以借助數字工廠模拟軟體模拟裝置及生産線的布局、工廠物流、人機工程等，讓工廠的結構真正合理化。
在推動進行數字化轉的時候，工廠的資料安全以及裝置自動化系統的安全一定要獲得百分之百的保障。通過專門的檢查裝置檢測出有不合格産品時，不僅可以自動與合格品進行區分，并且能夠借助統計過程控制軟體對品質産生問題的原因進行分析。
智能工廠需要的能力
智能工廠業務在領域知識的了解和掌握為業務需求向智能制造方案的轉換打下了良好基礎。在将業務需求轉換為智能制造方案并落地的過程中，較強的技術和管理能力是需要具備的。
下面5個方面闡述需要的技術和管理能力：
規劃整合能力
這展現在智能制造戰略的制定及落地上。智能制造戰略是服務于企業戰略的，如何基于成本、公司現狀及各種資源限制規劃出效果好、可執行性高的智能制造戰略是有一定挑戰的；而在規劃落地的過程中，從業務互動來說涉及到多個部門、多個層級的業務梳理整合和溝通，從技術上來說涉及不同規模、技術類型的系統內建，這種複雜性要求有很強的資源整合能力和推動能力。很多項目在啟動之初看起來很不錯，但最後實施下來并不滿意，源頭可能就在規劃和整合上出了問題。
項目管理與營運能力
這也是對項目落地過程進行科學管控并保障順利運作的過程。按照認證的定義，項目管理涉及5大過程（啟動、規劃、執行、監控、收尾）和9大知識領域（整合、範圍、時間、成本、品質、人力資源、溝通、風險和采購管理），不僅理論上了解這些内容，更重要的是能在實際工作中靈活運用這些知識處理項目實施過程中的問題；項目實施完畢隻是項目發揮作用的開始，還需要進一步定義規範化的營運規則，持續監控項目運作，糾正偏差，不斷優化，使系統始終保持健康狀态。
方案制定與內建能力
這是對業務需求進行調研并轉化為系統方案的實際執行步驟，并通盤考慮不同業務類型、不同IT系統之間的內建。下面會談到智能制造方案中涉及到的不同系統，比如PLM, ERP, MES等，這些系統本身比較複雜，而互相之間有頻繁的資料互動。項目組織中通常有不同的角色，有專門的咨詢顧問承擔需求調研、方案制定等工作，但作為核心人員，了解并能承擔這些工作是有意義的。
對技術方案及其應用的熟悉
對智能制造架構中，技術方案涉及到資料倉庫、商務智能BI、PLM、ERP、MES、PLC、資料感覺（傳感器）多種系統，這些系統互相內建共同組成一套相對完整的智能制造方案。不管是那一種系統，需要了解系統的主要操作流程及應用模式、熟悉系統架構及部署方式，對各自系統的應用難點最好也有相應研究，比如資料倉庫的建立、BI模組化、進階計劃及排程、裝置的資料內建方式等。另外所有的技術方案離不開IT基礎設施的支援，對基本的網絡架構、資料安全、伺服器架設等需要學習和了解。
保持對各類新技術的敏感度，引入合适的新技術支援業務改善
物聯網、大資料、雲計算、機器人、人工智能AI、增強現實AR、虛拟現實VR、3D列印甚至區塊鍊等多種智能制造時代的新技術層出不窮，有很多已經投入實際應用，在業務運作中發揮着重要作用。自動資料識别極大提高了财務發票比對的效率，大資料分析在提高裝置使用率也顯現出效果，機器人在提高效率和良率上有相當的優勢，很多的應用也在往雲平台上遷移，使IT系統也能輕資産運作。當然對新技術保持敏感度，并不意味着為了應用新技術而應用，要冷靜思考工廠是否有合适的業務場景，是否有可信的投資回報，是否能從長遠優化業務，優先挑選能帶來切實改善的方案。
