对智能制造最大的误解是机器换人，实现高度自动化。我们讲智能制造，实际上是在讨论，如何解决当下企业痛点问题，轻松获取数据，将数据串联，打破信息孤岛，实现业务的融合，从而提高生产力，平衡生产力和生产关系。
01、智能制造系统之殇
企业信息化建设是三驾马车并驾齐驱：ERP、PDM与MES。ERP管理企业资源，如人员、设备折旧等，从客户开始，到订单，到主计划，回答为什么生产；PDM管理产品设计过程，如产品图纸、工艺等，PDM从产品需求开始到工艺编写，回答怎么生产；MES管理制造的过程，如生产计划、生产作业等，从计划到具体加工，回答到底是怎么干的。
综合来看，ERP、MES与PDM都属于管理系统，MES（ManufacturingExecution System）全称是制造执行系统，主要面向的对象是管理层。
战略层：战略层如企业总经理、型号总师等，主要获知生产的趋势性数据，如生产问题发生率、任务完成率、额定工时统计等等，都属于分析统计类数据，简称高阶数据；
管理层：管理层如计划员、调度员等，主要获知生产的实时数据，如生产进度、现场问题等，属于实时性数据，对数据的实时性要求较高；
执行层：执行层如班组长、现场工人，主要获知的是相对静止的信息，如产品的操作手册、加工工艺或者临时工艺通知等内容。
综上执行层虽然处于数据采集最核心的位置，但对于他们工作KPI（工时/件数）等均没有增益，甚至会影响产量。
MES大部分功能面向管理层，但是MES的应用主要靠执行层表现。
执行层的数据来源于机器采集、手工录入、上游系统传递、硬件集成等等，其中主要的数据还是来源于手工录入，所以在上线MES系统后，执行层需要学习MES系统的操作。
由于管理层希望看到更多来自于执行层的数据信息，以辅助工厂的决策。执行层的工人们开始罔顾生产，去大量的在系统中录入数据，这种本末倒置的行为，导致两种结果：
1.系统培训浪费时间，造成本职工作未按时完成；
2.没有减少工作量，反而因为要录入数据降低了效率；
在这样的现状下，MES的应用效果大打折扣。造成了一个智能制造之殇：管理层需要更多更全面的数据，执行层希望更具备效率更简单舒适的工作工具。如何轻松简洁的获取数据，再将数据串联起来，打破信息孤岛，实现业务融合是目前智能制造的重中之重。
02、智能制造的解救之钥
事实上，在我国工厂的很多车间里，各个生产设备之间、生产设备和控制器之间，都已经基本实现了信息化的连通。再厉害一点的公司，整个工厂已经通过制造执行系统（MES）连通起来，而业务部门全部通过ERP连通起来了。
这样的情况下，问题出在哪里呢？
ERP和MES其实并没有连起来！
这之间存在信息孤岛。所以当ERP给MES下达生产计划指令后，如果MES在生产过程中发生与计划偏差的事项（比如设备坏了，原料不合格等等），MES会根据车间的实际情况进行调整。但是ERP不知道，它会继续按照原本的计划执行订单，时间久了，财务系统和工厂的实际情况就会出现非常大的偏差。
没有连起来的原因也很简单：
1、ERP和MES的开发公司通常是两拨人，搞财务的和搞生产的合作，不但互相不懂对方的职业术语，鸡同鸭讲，而且互相看不上对方。
2、公司内部的业务部门和生产部门通常是分开运营，在没有实时沟通的情况下，各自是不知道对方的调整的。
当然，ERP和MES的问题只是工厂内系统断层的一个问题缩影，事实上工厂里还有非常多的其他系统，设计、制造、采购等，这些系统都是一个个信息孤岛，互相都不知道对方的行动和接下来的计划。这个问题自工业革命以来就存在，但是工业时代，产品的生产周期很长，所以问题在生产研发的过程中能够得到调整。
但是互联网和智能时代的到来，带来了新的变化。
互联网和智能让经济得以高速发展，与此同时，产能过剩严重成了全球性的问题。企业的竞争越来越激烈，我们的产品更新换代越来越快，以往一款产品卖十年二十年，现在我们看到的是，每隔几个月，就会有多个产品的更新迭代。
另外，互联网帮我们消除了信息的不对称。过去的大批量统一生产的做法显然已经行不通。随着消费升级，消费者更青睐于个性化的产品。这就要求工业企业能够实现小批量、定制化的快速生产。
如果这个时代延续过去的做法，显然很快就会被淘汰，因此，企业最迫切需要做的就是连接ERP和MES，打破业务和生产之间的信息孤岛，进入完全的自动化和信息化阶段，也就是工业3.0大圆满阶段。这个阶段的单点功能不需要太完美，在下一个阶段，中国人自己的智能制造阶段，需要解决的就是单点数据。
03、智能制造的AI之路
数据采集：
采集数据是根本的，但是需要在不增加工作量的基础上，因为人为的采集数据就不可取。AI的到来，为我们提供了可能，我们现在看到的人脸识别、智能语音等等，都体现了AI这一强大的实力。
所以工业的AI之旅注定达到的目的是：最大限度的获取非隐私数据，极多数的单点工具，让工人只做本职工作的事情，不再因为管理需求而做一些无用功。
数据处理：
AI为我们采集到过多的数据，但是这些数据中必然存在大量的无用冗杂数据，如果不进行择优清洗，后续的工作会很难进行，基于AI的大数据处理应用而生，帮助我们实现数据的转化和存储。
数据分析：
当世界多变，我们就不能只是单纯的从一个点出发去做判断和决策。由于大量的多面的数据存在，会要求更多的算法去处理数据，挖掘更多的深层的多维信息，把这些数据转化成自己的智慧，做出最理智最正确的判断和决策，从而创造在这个领域的财富，才是智能制造要实现的最终目标。
