智能制造的起源是智慧工廠，而智慧工廠的概念最早由IBM于2009年提出，屬于IBM“智慧地球”理念在制造業(yè)的應用實踐。隨著智能化成為各國制造業(yè)的發(fā)展方向，企業(yè)管理方式、個人生活理念和國際競爭格局也發(fā)生了巨變，智能制造建設得到前所未有的重視，有望成為未來制造業(yè)的新模式，那么，到底是什么智慧工廠或者智能制造呢？

　　智能制造定義每個國家有稍微區(qū)別，但是重要程度都不言而喻，根據(jù)德勤就先進制造技術在未來重要性的排名來看，“智能工廠”在美國、歐洲、中國三大地區(qū)的重要性排名分別為第4位、第1位與第2位，突顯出其在未來智能制造技術中的重要地位：

　　中國：智能制造定義為基于新一代信息技術，貫穿設計、生產(chǎn)、管理、服務等制造活動各個環(huán)節(jié)，具有信息深度自感知、智慧優(yōu)化自決策、精準控制自執(zhí)行等功能的先進制造過程、系統(tǒng)與模式的總稱”。

　　美國：“智能制造創(chuàng)新研究院”對智能制造的定義是：智能制造是先進傳感、儀器、監(jiān)測、控制和過程優(yōu)化的技術和實踐的組合，它們將信息和通信技術與制造環(huán)境融合在一起，實現(xiàn)工廠和企業(yè)中能量、生產(chǎn)率、成本的實時管理。

　　德國：“工業(yè)4.0”的內(nèi)涵就是數(shù)字化、智能化、人性化、綠色化，產(chǎn)品的大批量生產(chǎn)已經(jīng)不能滿足客戶個性化訂制的需求，要想使單件小批量生產(chǎn)能夠達到大批量生產(chǎn)同樣的效率和成本，需要構建可以生產(chǎn)高精密、高質(zhì)量、個性化智能產(chǎn)品的智能工廠。

　　綜合來看，智能制造并沒有嚴格的定義，一般可以理解在工廠管控基礎之上利用信息技術、物聯(lián)網(wǎng)技術、設備監(jiān)控等技術對工廠計劃、資源、執(zhí)行等業(yè)務進行有效管控，及時了解生產(chǎn)現(xiàn)狀，減少因為信息溝通不暢而造成的窩工現(xiàn)象，降低因為人手工在紙質(zhì)單據(jù)中錄入引起的質(zhì)量數(shù)據(jù)錯誤的風險。并加上綠色智能的手段和智能系統(tǒng)等新興技術于一體，構建一個高效節(jié)能、綠色環(huán)保、成本可控、質(zhì)量可追的現(xiàn)代工廠。

　　《中國智能制造“十三五”規(guī)劃》的頒布確立了到2020年，傳統(tǒng)制造業(yè)完成數(shù)字化改造，到2025年，重點企業(yè)實現(xiàn)智能化轉(zhuǎn)型。在政策引導推動下，中國智能制造業(yè)在制造業(yè)中扮演越來越重要角色。既然智能制造的重要性不言而喻而且迫在眉睫，那么智能制造最原始的驅(qū)動力在哪？效率？環(huán)保？還是質(zhì)量？

　　目前國內(nèi)制造業(yè)大部分屬于中低端制造業(yè)，大多數(shù)還是吃人口紅利的血汗工廠，但是由于人力成本相對較低，所以工廠的老板沒有必要去建立所謂的智能工廠，還不如將精力傾注于銷售端拉更多的訂單。

　　除此之外，還因為投入一條產(chǎn)線或者數(shù)字化系統(tǒng)少則上百萬，而即使工廠沒有一條自動化產(chǎn)線或者信息化系統(tǒng)，全部用人工去操作反而成本比建設產(chǎn)線的成本要小，即幾年人工累計成本＜產(chǎn)線建設成本。正因如此在現(xiàn)實當中見過太多場景：工廠建立一套管控系統(tǒng)需要壹佰萬，而即使專門雇傭幾個實習生通過人工收集數(shù)據(jù)、Excel匯總，幾年以內(nèi)幾個工人的成本累計加起來還沒有壹佰萬，那么對于老板來說如何選擇已經(jīng)躍然紙上了。所以智能制造最大的阻礙不是外國競爭對手，也不不是技術難點，而是國內(nèi)的人口紅利。

　　但是“九宵龍吟驚天變、風云際會淺水游”，盡管美國勞動力成本是國內(nèi)勞動力成本的2.57倍，但美國自動化程度高且用工少。國內(nèi)兩條月總產(chǎn)量為4500噸的生產(chǎn)線用工250人，美國設備改進，同產(chǎn)能兩條生產(chǎn)線才用工180人。按照目前國內(nèi)工人工資上漲趨勢，如考慮國內(nèi)5年工資再翻倍、10年工資翻兩番計算，那么中國在人工成本上也占不到任何優(yōu)勢了。即使相對于印度、越南、泰國等國家的人力成本優(yōu)勢也在逐漸減弱，自2008年以來，我國勞動力成本的增速明顯快于工業(yè)生產(chǎn)效率增速，根據(jù)測算，2019年，我國制造業(yè)勞動成本將為越南的177%、印度的218%。下圖為地區(qū)工資上漲幅度（估算）與名義GDP增速，明顯已經(jīng)能夠看出人工成本增長迅速，企業(yè)人力成本管控難度與日俱增，尤其是勞動密集型企業(yè)招工難從來都不是新鮮的事，比如2020年疫情剛開始消退，義務就大舉旗號：來義務打工，報銷車費。

　　人工成本劇增的同時，如今外賣、滴滴之類的第三產(chǎn)業(yè)也蜂擁而起，甚至利潤增長空間遠大于中低端制造業(yè)，并且受制于很多技術和非技術困難，許多業(yè)務場景很難實現(xiàn)無人化自動化（比如快遞派送、電氣上門安裝、無人駕駛等），因此可以制造大量薪資水平更高的勞動密集型的低端就業(yè)崗位。本人曾親眼見過至少十幾個身邊朋友告別之前比亞迪工廠的工作，然后在京東送外賣、開滴滴，反而比比亞迪薪水高出不少，活的更加體面。

　　所以以外賣業(yè)為代表的第三產(chǎn)業(yè)的發(fā)展，相當于對制造業(yè)來說其實是進行了一次放血式療法，大面積搶奪人工，倒逼企業(yè)發(fā)力去推動智能制造實現(xiàn)機器代人，從而降低人工參與度，實現(xiàn)成本可控、質(zhì)量可控。假設沒有以外賣、滴滴、快遞為代表的第三產(chǎn)業(yè)大規(guī)模發(fā)展與侵占制造業(yè)人口紅利，吸收過剩的低端勞動力，智能制造缺少最根本、最原始的驅(qū)動力去發(fā)展智能制造。

　　當你想到的時候一定要抓緊時間與機會，因為指不定已經(jīng)有人開始在行動了。比如，2011年開始郭臺銘為解決招工難和人力成本快速上漲等問題，就啟動了大規(guī)模的機器換人計劃，計劃到2020年讓富士康的自動化率達到30%；而如今富士康已部署超過4萬臺自研的Foxbot工業(yè)機器人，大量的流水線工人被機器人替代，盡管如此還是不得不面對工人成本劇增而考慮搬遷工廠到越南的局面。因為據(jù)測算2017年中國城鎮(zhèn)單位就業(yè)人員平均工資是泰國和越南的2.14/3.51倍，這也造成部分勞動密集型的制造業(yè)傾向于向人力成本更低、環(huán)保要求更寬松的東南亞國家轉(zhuǎn)移。

　　與富士康類似，2012年美的已投入6億元改造費和6年的時間，打造中央空調(diào)核心零部件全自動組裝生產(chǎn)線，生產(chǎn)效率提升70%，生產(chǎn)線人數(shù)下降50%，產(chǎn)品合格率達到99.9%。而在東莞勁勝的打磨車間，60臺機器手日夜無休地打磨一個個手機中框結構件。一臺機器手替代6至8名工人，原來需要650名工人的車間，現(xiàn)在只有60人負責看線和檢查，未來將減少到20人。與熟練工人相比，剛上線的機器手雖是“新人”，但生產(chǎn)的產(chǎn)品數(shù)量和質(zhì)量卻遠超熟工、能手。

　　與此同時，工人成本工資不斷上漲，而機器人成本回收時間逐年降低：2012年一臺工業(yè)機器人成本回收的時間約為5.2年，到2018年約下降至1.05年。同時，在人力成本上升與設備價格下降的確定性趨勢下，未來工業(yè)機器人回收期有望進一步縮短，制造業(yè)機器換人、智能制造升級已經(jīng)是大勢所趨。勞動力減少、人力成本上升倒逼制造業(yè)向智能化自動化升級，智能制造將逐步替代人力勞動，提高生產(chǎn)效率，是制造業(yè)未來的發(fā)展趨勢。

　　所以綜合而言，目前工廠對于智能制造的訴求更多的其實并不是來源于競爭或者技術發(fā)展，當然這兩個也有影響的因素，但并不是倒逼企業(yè)數(shù)字化改造的根本原因，最原始的驅(qū)動力更多的是為了擺脫勞動密集型這種特性，為了更好的控制成本而不得不做出的改變。那么有人與無人之下工廠運營的模式又有哪些不同？或者說智能制造為勞動密集型其他帶來了哪些，目前比較成熟的有以下幾個場景：

　　設備巡檢

　　目前中國大部分企業(yè)仍然保持著“人工智能”的本性，凡是人工能夠完成的，肯定以人工為主，之所以有這樣的局面，是因為之前人工成本比較便宜或者說信息技術成本比較高，但現(xiàn)在人工成本劇增外加信息技術逐漸成熟，仍然再保持“人工智能”的現(xiàn)狀，就有些敝帚自珍了。

　　比如大型流程行業(yè)最影響交付的時間與質(zhì)量的無非是設備與各類儀表，但是現(xiàn)在大面積化工廠，即使是杭州恒逸集團這樣在全球范圍內(nèi)具有定價權的企業(yè)，也保持著人工巡檢的傳統(tǒng)。定期巡檢設備進行點檢，定期巡檢儀表查看溫度、壓力等工藝參數(shù)，再將數(shù)據(jù)記錄在紙質(zhì)單據(jù)中，耗時費力成本大。類似于這種業(yè)務完全可以通過數(shù)據(jù)自動采集、報警完成，實現(xiàn)半自動化、數(shù)字化，從而降低成本、管控交付周期。

　　基于機器視覺的質(zhì)量檢驗：

　　印刷品質(zhì)量目前大部分需要人工查看，長時間進行質(zhì)量觀測對于眼睛有不可逆轉(zhuǎn)的傷害，而且眼睛檢測的效率、效果都有待商榷，很多工廠這個工作崗位兩三個月就要輪一次崗，因為肉眼確實受不了。這種情況下就可以采用基于機器視覺的質(zhì)量檢測方式，通過CCD采集待檢測印刷品的圖像，并對圖像進行處理，根據(jù)印刷品所要求達到的質(zhì)量要求設定標準（由客戶提出標準），如待檢測圖像相關指標超過所設定的標準，系統(tǒng)自動報警，被檢測品被認為不合格品自動發(fā)起不合格品處置流程。通過這種降低人為參與的方式，降低成本、提升質(zhì)量。

　　倉儲物流的應用

　　倉儲物流也是勞動密集的業(yè)務之一，目前傳統(tǒng)工廠充斥著大量的叉車司機、手工分揀、庫管員等人員，從入庫分揀、庫位管理、上下架、出庫分揀到物料運輸，尤其倉儲類業(yè)務勞動強度大，而且容易出錯。通過計算機視覺用于分揀機器人的感知和地圖定位，利用機器學習和深度學習，實現(xiàn)分檢機器人的路徑規(guī)劃和避障。通過數(shù)學規(guī)劃等運籌優(yōu)化算法和遺傳算法，實現(xiàn)倉庫上下架策略管理。通過多智能體算法蟻群算法用于多個分揀機器人的協(xié)調(diào)行動?；谌斯ぶ悄芗夹g實現(xiàn)貨架、商品、機器人的整體協(xié)調(diào)，能夠更快速的實現(xiàn)產(chǎn)品出入庫和高效的倉庫貨架規(guī)劃。在工廠倉儲中，各種類型的全自動流水線、自動分撥、倉儲和配送機器人已經(jīng)開始慢慢應用，基于人工智能技術可以讓每一個物料都有最優(yōu)路徑，最短時間送達。

　　生產(chǎn)運營管控：

　　目前工廠大量存在人工管控，即使相對來說流水線自動化程度比較高的企業(yè)同樣存在這樣的問題。甚至部門企業(yè)因為領導需求成立“數(shù)據(jù)科”，通過人工錄入的形式收集企業(yè)管理運營數(shù)據(jù)，然后以Excel進行匯總統(tǒng)計，管理本并不應該屬于勞動密集型崗位，但是因為黑盒工廠的存在，造成管理人員數(shù)量突增。完全可以通過數(shù)字化改造，通過數(shù)字驅(qū)動企業(yè)管理，尋找企業(yè)窩工、低效率、低質(zhì)量的業(yè)務點，然后進行優(yōu)化升級，提升客戶體驗、降低交付周期。

　　目前企業(yè)通過機器、軟件代替低端、重復性勞動的需求已逐步呈現(xiàn)出風起云涌之勢，但理想很豐滿，現(xiàn)實很骨感，由于種種技術、成本等條框的限制造成許多業(yè)務根本沒辦法擺脫人為干涉，只能極大限度的降低人工參與度，從而減少人數(shù)、降低因為人為引起的質(zhì)量風險。而整個企業(yè)包含的業(yè)務鏈非常冗長，目前只能在質(zhì)量檢測、倉儲等單點業(yè)務上進行升級優(yōu)化，然后根據(jù)技術的發(fā)展與多項技術的不斷融合，逐漸由點到線拓撲式蔓延發(fā)展。
責任編輯：YYX