对于智能，往往仁者见仁，智者见智。企业的管理者往往会根据自身情况进行判断，比如某某装置要改造、某某设备要替换，生产经营数据要可视化，仪器仪表要电子化，计量要无人化、精确化，上下物流运输要高效、无人化，物料要稳定、平衡供给，配料要最优方案、能耗要最低，工艺过程要全自动控制，反应终点自动判断等等；无疑自动化、信息化、无人化、数字化都已经成了“智能化转型”发展道路的主要标签。
笔者认为智能化是一个持续的发展过程，不能一蹴而就，自动化是基础，但并不是一谈智能就考虑改造设备，企业要根据自身的实际情况，量力而行，在某些点上结合信息化做智能化的提升，也会为企业带来不少价值。
二、生产计划新特性：追求成本最低、收益最高的计划量
生产计划作为生产管理部门非常重要的工作之一，它将指导下面各生产车间的生产工作，但如何制定科学的生产计划是一门深奥的学问。在ERP时代，我们经常听说，计划模式有面向库存、面向订单。针对离散行业经常用MRP算法解决中间物料需求问题，倒排正排推算日期，这些方式，在计划量的确定上，相对简单、纯粹。如今，客户在确定计划生产量时加入了更多可以量化的科学因素以减少人的主观性，让最终确定的生产量的过程数字化、科学化，当然也是最大收益化。 第一：不论离散和流程，确定计划量前，都需要先进行测算成本、测算边际效益
对于化工行业，化工行业产品种类多，装置多，相互之间都有互供关系，所以需要考虑各个产品的盈利情况，平衡各装置能力、需求。对于大型轴承加工，其加工周期长，市场变数多，中间环节可能还存在委外的复杂加工过程，也需要测算生产成本，保证生产环节的利润，才能确定敢不敢接单、该不该接单、接多少最合适。
第二：确定计划量，需要综合平衡原料、中间产品、产品的供需关系
对于依赖矿石原材料的冶炼企业，大部分矿需要进口，进口资源受限，所以在安排计划时需要考虑资源的供给量，还需要考虑能够产出多少中间物料，存储空间多大，能被下游消耗多少，产出产品的销售接单情况等等，这些因素需要工厂模型、物料模型、平衡计算，才能得到相对科学的计划生产量。
三、排产变化：多约束的智能排产取代人为粗放判断
当确定了需要完成的生产计划量后，接下来，对于生产组织者来讲，就要考虑如何生产，才能确保生产成本最低。当初在确定生产计划量时，已经做了初步考虑，此处需要进一步确定，明确排产。
第一：首先排程不是任何时候都需要，在市场供不应求时，只需要满负荷生产，不存在复杂的排产考虑，只有当生产能力大于需要时，就需要考虑有优化的排产模式。
第二：考虑原材料的约束，设备对原料有没有特定的需要，当一种料不能满足使用时，如何搭配使用，也能得到相同品质的产品，这时就会存在着优化配料，目的是平衡资源，降低成本。此时需要了解每种原材料的特性，互补特性，成分含量，综合考虑其价值。
第三：考虑产线差异，当多条产线完全相同时，再考虑是否有最低负荷的前提下，简单会采取平均分配的原则，但是当投料和产出出现非线性变化时，也需要进行排程计算。对于有差异的产线，就需要考虑分别在那条产线排多少量划算，这个划算，需要综合考虑物流成本、用料成本、能耗成本、切换成本、设备损耗成本、人工成本等因素。在众多的约束下完成了排产算法。
四、生产调度变化：系统模型计算的结果代替人的经验判断
对于流程企业来讲，基本前端生产都是混合料热反应的过程，控制温度、压力、进料速度等工艺参数。目前，绝大多数企业都依赖有经验的工艺师、技术员的目视、耳听、嗅觉再结合相对滞后的化验数据发现问题、判断问题。企业在这个环节迫切的需要智能算法、在线监测、智能模型去替代人的主观判断，去减弱对工艺师的依赖。智能算法结果是要精准的指导投料、指导参数调整，确定反应终点，达到优化调度的目的。
第一：建立智能模型的前提是要有数据，并且要求影响目标结果的工艺数据要尽可能的齐全。
第二：其次要进行机理研究和数据挖掘分析，按照企业提供的多年大数据，建立经验型的理性知识、寻找规律，得到一个算法模型，最后根据当前的数据以及模型，推算今后可能发生的改变与转变。
第三：除了依赖模型，我们也可以初步提供一些相关性数据，通过散点图、折线图、直方图等友好的展现给调度人员并辅助其做出判断。
智能化是一个逐步实现的过程，先实现数据采集、信息化，再通过工艺和数据模型辅助人的判断，进而实现计算机指挥人，最终实现计算机指挥机器设备并完全实现自动化、智能化。
五、物流管理变化：智能物流、高效利用资源替代传统的低效分配
物流管理是优化资源配置的过程，从仓库选址、空间分配到存货分配，从运输工具到承运人、运输计划、运输路线安排以及运输环节的控制，无不考虑“安全”、“成本”、“效率”、“效益”。
第一：当工厂条件允许时，企业会考虑在布局上进行整改，会考虑一些自动轨道传输设备（如RGV、立体仓库等），通过信息系统与设备联机控制，这无疑很大程度解决了运输的效率问题。
第二：不能实现这些自动化改造时，企业也会想到从信息化协同层面并结合AGV小车提高物流效率，下游自动发送准确的要料信息或者上游自动推送给下游物料指令，然后自动完成车辆优化调度，车辆精准定位，准确的识别出从A地点运送货物到B地点，实现物料自动、高效配送。
智能物流整个环节依赖大量的IT信息技术支撑，比如：地图、卫星定位、RFID扫码货物识别、视频等。
六、物料追踪变化：先进的跟踪技术取代原始的粗放跟踪方式
对从事产品加工的工业企业来讲，无论流程还是离散都会把物料跟踪摆到一定高度去谈，跟踪是为了在后续产品出现问题时，便于追溯源头，分析问题，寻找原因。跟踪也可以实现投料的放错校验。
第一：流程行业，在产品生产过程往往伴随着复杂物理化学及界面的反应以及分子结构的改变，物料跟踪首先指元素的跟踪，会做杂质平衡计算。当源头的物料批成分确定后，在漫长的生产转换过程中，检测各环节各种物料元素成分，判断是否达到产品质量的要求，确保生产的有效性；其次，需要进行量的平衡跟踪，跟踪回收率，跟踪中间物料的库存，跟踪每一次移动过程中的量差，以此判断生产异常、跑冒滴漏、上下游能力的匹配等。
第二：离散行业，重点实现组装环节零部件的跟踪，对零部件进行信息标识，需要校验每个零件的型号是否正确可用，相对简单可行。如果再去追溯零部件的原材料，又类似流程行业，中间生产环节较多，伴随物理化学反应，很多时候只是进行粗略的批量跟踪即可，大致掌握原材料和产品的对应关系，以便产品出现质量问题，可以回溯原料批次质量。
物料追踪时，目前基本是采用了条码、芯片记载信息，通过读取设备，实现防错、校验的目的，这些条码视不同的场景需要，对材质和粘贴方式都有特殊的要求。
七、数据分析变化：大数据分析取代传统的统计分析
智能制造，离不开数据的支撑，要想实现智能化，数据是基础，模型是核心。为了实现智能化，企业首先考虑的是增设自动化设备、传感设备、计量设备和视频设备等，将设备的一些信息参数数字化，通过标准的OPC接口实现和下位机的连接通信以及和其他软件的接口，实现生产数据、设备数据和视频设备的采集。
数据采集接口实现后要进行数据处理，要根据数据处理的时间、频率、处理方式不同进行分批、分类处理，处理包括了采集、计算、存储、清洗等过程，大量的数据处理要考虑性能、效率等问题，确保数据计算准确、高效。
处理完成的数据为分析决策、数据模型提供依据，当然在使用时要进行分级分组织的数据授权。
八、指挥调度变化：大屏调度中心取代传统电话沟通
流程行业大部分依赖DCS可以实现远程控制，企业也基本都建有调度指挥中心。在智能制造的浪潮下，项目建设首先从升级调度中心开始，调度中心不再是简单的视频监控、电话调度中心，大屏的元素变得更加丰富起来。通过信息化在生产过程的全面应用，大屏里实时刷新着最新的生产工艺数据、产量、处理量、安环、能源、设备、质量、人员等方方面面的信息，甚至一部分生产的自动指令，也从这里发送出来。大屏调度中心是名符其实的智慧心脏，也是企业智能制造宣传的窗口。
而离散行业，受制于条件、技术成熟度大部分设备都无法实现集中控制，多数PLC在现场进行人工操作，对调度大屏实际需求相对弱化。今后，随着数控机床的不断改造，集中化的控制和调度，也会成为重要诉求。
小结
本阶段针对企业内部智能化提出了相关需求，根据用友所提出的工业企业智能化转型路径，内部智能化基本实现、生产效率明显提升后，企业需要考虑价值链向产业链延伸，此后再基于开放生态逐步走向社会化平台。详细进阶方案与实践成果将在8月18日，北京雁西湖国际会展中心，由用友网络主办的“2018全球企业服务大会”“工业互联 智造未来”分论坛发布。敬请关注！ 
