智能制造本质与变革的效益【智能制造】

本文由授权转载三思派（ID：Science-Pie），作者：Stephen J. Ezell

文章内容节选自美国信息技术与创新基金会（ITIF）于2016年11月30日发布的《智能制造决策者指南》报告。报告由上海市科学学研究所课题组翻译，报告翻译全文可向三思派索取。本文标题为三思派编辑添加。

智能制造的本质

智能制造是制造业正迎来的一次历史性变革，将重塑全球产业竞争格局，世界主要国家和地区纷纷加紧布局、加快发展智能制造。文章内容节选自国际领先的科技智库美国信息技术与创新基金会（ITIF）于2016年11月30日发布的《智能制造决策者指南》报告。《报告》全面陈述了智能制造的来龙去脉和对制造业带来的巨大变化，并在梳理分析主要竞争国家和地区政府举措的基础上，向美国国会和新一届政府提出了举措建议。报告由上海市科学学研究所课题组翻译。

先进制造并不等同于智能制造

各种不同的用于描述目前技术变革的术语造成了相当大的混乱。“先进制造”这个表述经常被用来代替“智能制造”。例如，经济合作与发展组织（OECD）对先进制造的官方定义——“先进制造技术被定义为在设计、制造或操作产品过程中使用了计算机控制或微电子设备”——在一定程度上等同于智能制造。还有人使用这一概念来形容生产高技术产品的制造行业。

美国总统科技顾问委员会（PCAST）将先进制造定义为“基于信息协同、自动化、计算、软件、传感、网络，和/或使用尖端先进材料和物理及生物领域科技的新原理的一系列活动。这既包括现有产品的新制造方法，也包括了新的先进技术发展出的新产品的制造”。在本质上，先进制造包括两方面的概念：先进产品的制造，以及先进的、基于信息通信技术的生产过程。而智能制造则主要指的是后者。

智能制造是指信息技术在现代制造生产过程的各个方面的应用

事实上，智能制造具体指的是现代生产制造过程的各个环节中信息技术的应用过程——从产品的设计、生产和应用的方式，到具体生产相关的机器设备的连接和驱动方式，以及中间产品如何经过整个供应链装配到最终产品上。智能制造将信息技术应用在整个制造过程，以达到提高生产效率、节省成本、降低能耗，以及向购买者提供创新和定制化产品的目标。

为了明确定义，美国第114届国会上有议案提出了可行的、正式的智能制造定义，并将其作为《2016年北美能源安全和基础设施法案》（S.2012）的一部分。法案中定义智能制造如下：

在信息、自动化、监测、计算、传感、建模和网络方面的先进技术：

1、数字模拟制造生产线、计算机操控的制造设备、生产线状态的监控和交互、全生产过程中能源消耗和效率的管理及优化。

2、厂房能源效率的建模、模拟和优化。

3、监测和优化建筑的节能性能。

4、产品能源效率及可持续化性能的建模、模拟和优化，包括使用数字模型和增材制造加强产品的设计。

5、将制造产品连入网络以监控和优化网络性能，包括自动化网络操作。

6、供应链网络的数字化连接。

制造业一直面对着物质和信息两方面的挑战

然而，很多人认为制造只涉及到“原子”——也就是操纵物理材料生产实物产品。但制造还涉及到了“比特”——零件在哪里、机器运行的效率怎么样、如何来控制机器以及如何预见产品的外观和功能。换句话说，制造业一直面对的是物质和信息两方面的挑战（事实上，制造商应当尽量争取用信息方面的改进来替代物质方面的改进，并且尽可能地接近最终客户）。

直到这一批信息和通信技术（软件、数据分析、无处不在的无线信息传输、传感等）的突破，制造业才开始有能力充分解决信息方面的挑战。从这个意义上来讲，正如一些纯信息活动（如旅游代理商、财务、会计等）被信息和通信技术改变一样，制造业也开始迎来转变。

从本质上讲，智能制造就是将制造-生产-使用的各个环节的信息同制造相结合。正如Autodesk公司的资深设计、制造行业战略专家Diego Tamburini所说：完全无法想象一个设计水平低下、高油耗、不环保的车辆本身是通过最高效的制造流程生产出来的。然而智能制造并不是单一技术和因素组成的：智能制造必须包括产品从设计（包括能量利用以及操作方面的构思）到产品系统运行效率，再到产品应用的智能程度和可持续性等整个产品生命周期中的连续过程的优化。

政策制定者应当了解智能制造的四个层级

美国制造技术协会 (AMT) 的技术副主席Tim Shinbara表示，政策制定者应当了解智能制造的四个层级。

第一层级，是智能机器本身，通过加装传感器的方式使用于成型、剪切、锻造、冲压的各种特定机器形成信息流并融入工业互联网。

第二层级，是数字线程通过工艺链的联接，将分散于独立机器之间的信息实现跨车间的信息流整合（创建出覆盖整个企业范围的制造系统）。这表示原本彼此独立的工艺链通过信息和通信技术的整合构成企业整体的制造生产体系。

第三层级，要在这个庞大的“制造信息”体系中通过数据分析来优化制程，并通过迭代的方式设计智能化产品。

第四层级，则是智能化的CEO或者高管，在建立了企业信息系统和部门的基础上被授权对生产水平、生产地点、生产设置等实施优化和实时决策。

智能制造从设计开始

产品设计数字化大大减少了大企业产品的开发时间

计算机辅助设计（CAD）和计算机辅助工程（CAE）的建模和仿真技术随着计算速度的不断加快，包括高性能计算（HPC）系统的发展，开始逐渐改变产品的设计过程。CAD使用几何参数创建电脑模型，CAE则使用CAD生成的数据来控制自动化的机器装备。CAD、CAE和CAM（计算机辅助制造）系统已经在近些年有了长足的发展，变得更廉价、更强大、更普遍、更友好。

例如在飞机设计方面，数字模拟使设计人员可以在风洞实验之前就对许多关键的飞机组件——包括机翼和机身——进行改进设计和模拟操作。事实上，计算建模允许航空设计师得以从容应付“虚拟化环境尺度下多场耦合流体动力学”等复杂问题的计算。在减少新飞机所需的风洞试验时长的努力中，这种数字化技术的贡献占到了50%。

同样，通用电气（GE）利用HPC驱动的建模和仿真工具取消了喷气发动机实体组件技术，转为对发动机的各个独立组件（压缩机、燃烧室、涡轮桨叶等）做全建模分析。GE估计数字设计工具的使用使其新喷气发动机的开发时间缩短了半年，并且发现每减少1%的燃料消耗就能使航空运营商每年节省20亿美元的成本。

此外，固特异（Goodyear）公司也使用CAD工具将其设计一款新轮胎的时间从三年缩短到一年以内，并且将公司研发预算中轮胎成型和测试费用的比例从40%降低到了15%。

数字设计工具的普及使中小型制造企业获益

中小型制造企业同样能够从数字化的生产-研发工具中获益，主要是由于越来越多的云端（减少内部信息通信基础建设）和应用许可的租赁机制（比以往那种昂贵的永久许可模式节约早期支出）等数字工具（包括作为硬件支撑的计算设备）越来越普遍。

例如Zipp Speed Weaponry公司是一家位于美国印第安纳州的主要生产高性能自行车配件（例如轮毂和车胎）的小型制造商，也是美国目前仅存的一家高性能自行车配件厂。该公司装备了HPC并用虚拟仿真软件协助设计赛车轮胎，这一方法使得他们能够更好地计算流体动力学问题，并成功解决了湍流的影响。而以往如果不使用风洞实验，这个问题是无法解决的。

这一技术也使得该公司在全球竞争中保住了独特的市场空间。在此基础上设计出的空气动力轮胎于2010年上市，并在两年内使公司的全球收入翻倍，还在印第安纳州产生了120个新的就业机会。

生成设计工具拓宽了设计者的想象空间

数字建模和仿真工具的这些令人形象深刻的应用案例也只是刚刚开始。今天，基于计算机的生成设计工具允许产品设计师设计出以往难以想象的产品形状、结构和材料属性。生成设计技术能够让设计师告诉软件他所想要的产品形状、相关限定条件以及结构和材料特性；然后计算机将给出比设计师设想的更高效、完善、结实、轻巧和耐用的方案。

例如Autodesk公司的CAD软件已经流行了数十年，但是该公司现在正在开发更多的数据驱动方法，用一种新的算法协议使设计师能够基于一张材料和性能需求清单来使用高精度的增材制造（如3D打印）方式管理设计方案。下图展示了生成设计的飞机机舱部件，一种通过生成设计然后3D打印成型的仿生隔舱。

部件上使用的先进材料也比传统设计减少了将近50%的重量（同时强度也得到了大幅提升）。如果全部使用这种隔舱，一架空客A320的重量能够减轻高达1100磅的重量。同时由于每减少2.2磅的自重就能够节省每年233英镑的燃料消耗，一架应用新型隔舱的飞机每年能够减少166吨二氧化碳的排放。如果在一家航空公司的所有A320上都是用这种新的设计方法，每年可以少排放多达46500吨二氧化碳，相当于96000辆大客车停驶一年。

图 生成设计技术构建的概念飞机机舱部件

生成设计工具，加上增材制造等新的生产技术，同时拓宽了设计者和制造者的想象空间。《华尔街日报》的John Koten表示，“GE的设计师和工程师已经开始对古代文物和史前鸟类化石重新进行拓扑研究，以寻找设计的灵感。他们设想：几个世纪前的前辈们可能因为当时铣削或铸造等传统手段的限制而不得不放弃一些创新的结构。”

简单来说，信息技术的应用正在改变产品的设计过程，加快产品研发的速度，节约资金，给顾客提供优质产品，甚至可以成为制造商竞争优势的来源。

智能制造变革的效益，你知道多少？

显著提高运营效率和降低成本

智能制造技术的应用在企业层面以及行业和供应链层面都带来了显著的生产效益，并且这些益处累积起来有助于为国家产生广泛的经济效益。例如，一家领先的美国汽车制造商因其开发的强大的物联网和数据分析能力，在2011-2015年为企业节省了20亿美元。

根据智能制造领导联盟（SMLC）的估算，仅仅在车间层面，需求牵引、资源和供给高效利用的车间采用智能制造技术，将会带来：

• 整体运营效率提高10%；

• 能源效率提高25%；

• 面向消费者的包装减少25%；

• 安全事故减少25%；

• 周期时间减少40%；

• 用水量减少40%。

带来企业新增收入和更多高技术含量的工作岗位

在量化评估企业采用智能制造技术给制造业产品开发周期和成本降低带来的作用方面，SMLC测算在建模仿真上的成本将下降80%，而投放目标行业的产品面世速度将整体提升10倍。将这些影响分析累积到美国工业基础层面的话，SMLC预计智能制造能够使公司从相应的新产品和服务获得25%的新增收入，同时给相邻行业也带来25%的收入提升。

SMLC进一步预测，智能制造可拓宽中小企业的潜在市场，并为所有的制造商（大企业和中小企业）创造更多高技术含量的工作岗位。在此值得重申的是，制造业的工作对整体就业具有显著的乘数效应。在美国的经济环境中，平均而言，每新创造一个制造业的工作岗位将支持其他额外的四个工作岗位，但如果该工作岗位属于先进制造领域，就业乘数将增至16。正如Nosbuch和Bernaden两位专家写道：“随着工厂变得更加‘聪明’和先进，就业乘数显著增加。”在某些先进制造业如电子计算机制造业，乘数效应可高达16倍，也就是说，每1个制造业工作岗位将支持其他15个工作。

在更广泛的层面上，据市场情报公司IDC估计，未来四年，由数据驱动的“智能制造”过程通过以下两种方式将产生3710亿美元的全球净值：1)利用数据创造价值；2)简化设计过程，减少工厂操作和降低供应链风险。麦肯锡全球研究院则预测会有更显著的收益，到2025年世界范围内的工业物联网每年将产生高达1.8万亿美元的新增价值。

使个性化产品规模化生产成为可能

巨大的增长数字背后，我们也必须深刻认识智能制造将如何改变制造业的本质，尤其是智能制造将简化流水线生产流程（大规模定制）并变得更经济。柔性的工厂和运用IT技术优化的供应链使得生产过程可定制更多个性化产品，如特定剂量的药物。正如戴尔开创了定制化的个人电脑革命，特斯拉也已展示了类似的汽车工业转型——允许客户网上指导工厂将所需的个性化功能导入到他们的汽车中。

事实上，在未来无论是巧克力棒、汽车、游泳眼镜、运动鞋，还是助听器、假肢甚至许多其他项目，科技将逐步使更多的个性化产品规模化生产成为可能。高效生产所需规模的缩小和生产所需经济体量的减小，将很可能产生两个重要的影响。

首先，它将使小型制造商比以往更容易获得市场份额，特别是针对那些想要更加个性化产品和愿意支付适度价格溢价的客户。Autodesk公司的Tamburini认为，这将是全新模式的突破，即“创业者或企业家可以再次与大公司竞争并给市场带来创新”。

第二，智能制造，通过提高劳动生产率和降低高效生产所需的批量规模，可能会实现更多的本地化生产（即“在岸”生产）。根据世界经济论坛的观察，“通过与数字系统和数据科学、自动化和自适应过程相结合，智能制造使生产更加贴近市场和需求”。

持续提升高人力成本地区的制造业竞争力

随着智能制造提高了劳动生产率，劳动力成本相对于总成本将减少，使处于成本边界上的制造业更容易扎根到劳动力成本较高的地区。同时，智能制造将提高生产车间所需的技能水平，使那些只拥有有限技能工人的传统低工资国家会新发生更多问题。最后，通过减少有效的最小生产规模，部分得益于定制化生产，智能生产使得生产地点贴近客户群变得经济可行。这往往意味着需要在高收入国家进行生产制造。

洛桑大学Suzanne de Treville教授发明了一种可帮助企业量化本地制造的优势并进行定价的供应链分析工具，使人们更容易发现低工资国家的竞争者所给出明显更低成本的条件可能并不像看上去的那样有吸引力。

通过应用计量金融工具查询动态数据，Treville教授的成本差异边境（CDF）价格计算器使制造商可对因交付时间增加而增大的需求波动进行定价。许多公司通过这项工具发现，因需求波动增大引起的供应链错配，增加的费用往往大于因选择离岸供应商而减少的成本，即选择离岸生产并不划算。结合上述分析与量化需求函数，企业应重新考虑取决于时间敏感度的成本分配问题。总的来说，该工具帮助制造商理解波动性并更好地贴近所在市场（并且是在不要求相应补贴的情况下）。

总之，在现代制造业中，将创意、设计、系统开发、生产和供应链管理设在同一地区有了越来越多合理的经济学解释。这颠覆了以往将研发设计与生产阶段相隔离的旧有制造模式，比如劳动密集型产业制造商去寻求更廉价的海外生产地。

简而言之，智能制造使美国制造商不再仅仅追求低成本、程式化的商品生产，而是提高他们在美国生产更高附加值、高利润率零件和产品的能力。世界经济合作组织（OECD）于2013年发布了一份名为《InterconnectedEconomies: Benefitting From Global Value Chains》的报告，宣称“迄今为止，几乎没有证据证明技术变革的浪潮使得全球价值链发生转移”，但事实是，第五次技术浪潮（即智能制造）正在迅速成熟并将对全球生产链产生重大影响。

作者介绍

Stephen J. Ezell 是美国信息技术与创新基金会资深分析师，从事科技、研发、贸易、制造业等方面的政策研究，与该基金会的创始人和主席 Robert D. Atkinson 合著有《创新经济学：全球优势竞争》。

该报告《智能制造决策者指南》（A Policymaker’s Guide to Smart Manufacturing）由美国信息技术与创新基金会（ITIF）于2016年11月30日发布，由上海市科学学研究所产业创新研究室助理研究员赵越博士，助理研究员沈应龙博士，副主任、副研究员庄珺博士，实习生戴子姗编译。文章观点不代表主办机构立场。