智能工厂要求：完全指南
Amber Biela-Weyenberg | 内容策略师 | 2023 年 10 月 16 日
所谓智能工厂，即制造商通过一个由各种机器设备、装置和先进技术构成的网络驱动制造流程自动化，改善决策。
Rockwell Automation 在 2023 年的一项调查表明，13 个国家和地区的 1350 家受访制造商中的绝大多数都表示正在使用或计划在接下来 1 到 2 年内实施智能制造技术，包括工业物联网 (IIoT)、AI 分析、数字孪生和高级信息安全，以此提高产品质量、降低成本、提升盈利能力和构建更专业的员工队伍。
不过，在 2022 年的一项调查中，更多制造商（前述制造商的两倍）担心自己在采用前沿技术方面落后于人。三分之一的受访者表示广泛数量的系统和平台可能导致自己“技术瘫痪”。以下指南将帮助制造商避免这一问题，成功构建智能工厂。
关键要点
- 通过在早期获得所有层级员工的支持，制造商可以更轻松地转型为智能工厂。
- 构建智能工厂要求制造商投资部署工业物联网、高级分析和人工智能等技术。
- 随着智能工厂生产流程数字化，员工需要提升技能。制造商甚至可能需要雇佣高技能人才，例如机器人和数字孪生工程师。
智能工厂要求详解
智能工厂是技术驱动的，且各项技术必须相互集成，所以规划工作十分重要。制造商必须仔细评估和判断需要采用哪些技术，并制定适当的关键性能指标 (KPI) 来衡量各项技术的影响。例如，为了衡量改装一台设备（为其安装传感器来预测维护需求）的功效，制造商可能需要衡量设备综合效率 (OEE) 指标 — 基于设备的生产可用时间、工作速度和产出质量计算。为了量化部署生产线机器人的价值，制造商需要跟踪整体劳动力效能 (OLE) 或工厂劳动力的总利用率、绩效和工作质量。
同时，制造商需要开展员工培训或雇佣新员工。例如，智能工厂中的传感器、机械设备和装置会生成海量数据。员工必须了解如何设置和维护传感器（包括传感器控制软件），了解如何基于生成的数据提高 OEE、OLE、产能利用率和成本效益等等。
智能工厂的 9 大要求
1. 获得所有利益相关者认可
在构建智能工厂或为现有工厂引入“智能”技术和流程前，制造高管需要获得工厂管理人员和 IT 人员的认可。同时，征集工人的反馈和意见也十分重要，例如，一名设备操作人员可能会就跟踪哪些生产线指标，就如何调整生产线配置来提高产出提出自己的建议。这样做的原因在于，在将新技术和新设备投入日常运营前需要进行测试，而这需要所有员工通力合作。总而言之，在智能工厂计划的每一个实施阶段，制造商都需要尽早获得利益相关者支持，确保顺利完成智能化转型。
2. 制定实施计划和 KPI
分阶段实施计划有助于提高工厂智能化转型过程的可管理性并防止停机。制造商可能会优先改造投资回报率最高的环节，例如高价值生产线。在每一个阶段，制造商都应制定一套 KPI 来跟踪工厂现代化改造进度。例如，在安装启用了传感器且接入互联网的机械设备并为生产流程部署机器人时，制造商可以衡量吞吐量指标，跟踪生产速度提升表现；在转型后期阶段，制造商可以衡量设备停机时间，进而衡量基于 AI 的维护需求预测的准确性和生产团队效率提升。
3. 传感器和其他工业物联网技术
在智能工厂实施前期，IT 团队需要配置网络和实施网络安全保护措施，确保高效、可靠地跨各种机械设备、“物”和软件传输数据。目前，5G 系统由于高容量和低延迟特点，正越来越受到智能工厂的欢迎。这样，搭载了传感器的机械设备、机器人和其他联网“物”才能向工厂决策者分享数据，或者为自动化流程提供数据支持。例如，软件工程师可以为机械设备编写程序，使设备在传感器检测到特定温度后自动停机，防止设备损坏或工人受伤；管理人员可以基于设备数据跟踪 OEE 指标，识别设备和相关流程的改进方向。此外，管理人员还可以基于 IIoT 数据衡量工厂的能源使用和碳排放情况，满足可持续发展目标和新兴的报告监管要求。
4. 大数据管理
在每一个生产阶段，智能工厂都会从机械设备、装置、机器人以及制造管理、项目管理和其他后端流程应用采集大量数据（大数据）。制造商需要在一个数据仓库中存储、处理和管理所有这些数据，然后将数据注入分析系统，方便制造高管、管理人员和主管访问。
5. 基于 AI 和机器学习的高级分析
人工智能 (AI) 和作为其一个子集的机器学习 (ML) 技术可以关联、解释和持续学习（所摄取的）稳定数据流，帮助企业做出更明智的决策。在制造业，基于人工智能和机器学习的业务软件可以增强产品开发、需求和设备故障预测、潜在产品缺陷识别、废弃物减排以及运输路线优化等工作。例如，智能工厂的机器人和机械设备可以在 AI/机器学习分析预测消费者需求即将增长时，自动扩展特定产品的生产规模。简而言之，智能系统能够审查并“学习”AI/机器学习分析结果，在未来优化制造商决策。
6. 互联式工厂和企业系统
通过打通工厂设备数据与制造、供应链、财务、销售、HR 以及其他企业资源计划 (ERP) 系统应用数据，企业可以更好地解决问题。例如，当来自一家供应商的一批零件未如期运抵或可能无法如期运抵时，智能工厂的互联系统可以拉取供应链管理数据、库存数据和客户订单信息，分析该等延误是否有可能导致无法按时履行订单，以及是否需要调用其他供应商或其他位置的零件。
7. 网络安全
智能工厂将大量设备、装置和应用连接在一起，有时甚至将它们连接到一个单一网络，因此任何一个系统上的漏洞都可能导致制造商陷入安全危机。常见的安全攻击包括恶意软件（尤其是勒索软件）攻击、盗取个人可识别信息和重要知识产权以及拒绝服务攻击 (DoS)。对此，制造商不仅要部署最新的安全系统，还要时刻警惕并及时修复系统漏洞，设置复杂密码，开展用户培训，以及如何避免网络钓鱼防范知识以及其他社会工程技术。另外，为了增强网络安全，很多制造商还转向使用云计算来运行后台应用 — 云技术供应商托管应用并在整个技术体系的每一层（包括业务软件、服务器和硬件）都采用最新工具和技术，及时安装最新安全补丁。
8. 拥有适当技能的专业人员
Linkedln 数据粗略分析结果显示，当前智能工厂的人才缺口主要包括：智能制造系统主管、战略性洞察和分析高级经理、机器人协同统筹员、数字化转型主管和自动化车辆专家。同时，很多制造商虽然仍然需要焊工、机械师、工厂经理和产线工人，但对专业性的要求正日益提升。这要求制造商提升员工技能并在必要时招募新的人才。例如，相对而言，制造商可以轻松将一名工厂管理人员培养成一名智能工厂管理人员，但对于数字孪生工程师这类更为专业的角色，绝大多数制造商需要从人才市场上招募。
9. 精细化照管
智能工厂虽然能为制造商赋予强大的自动化优势，帮助制造商提高生产效率和安全性，降低成本和减少人为错误，但专业的管理人员和主管依旧必不可少。例如，机器人固然能执行很多工厂任务，但却需要机器人专家来编写程序，进行维护。机器学习算法可以高效分析海量产品数据，基于数据来衡量消费者需求、识别产品缺陷和提供产品设计改进建议，但却需要“有血有肉”的产品设计经理来权衡和判断。
使用 Oracle Smart Manufacturing 助力制造业创新
Oracle Smart Manufacturing 是一个全面的云技术应用组合，它提供了众多基于 AI 的应用，能够帮助制造商成功实施物联网，增强设备维护、质量控制、供应链计划以及业务分析工作。由此，制造商可以更好地监视生产绩效、调整生产安排、提高产品质量并避免代价高昂的停机事件。
智能工厂要求常见问题解答
智能工厂之所以被称为智能工厂的关键是什么？
与传统工厂不同，智能工厂将机械设备、装置和应用连接成“网”，以此收集和分析数据、驱动流程自动化并改善决策 — 很多时候会使用 AI 和机器学习技术。
智能工厂技术有哪些？
智能工厂技术一般包括：工业物联网 (IIoT)、高级数据分析、AI 和机器学习、数字孪生、机器人/协作式机器人、3D 打印、4G/5G 无线网络、云技术应用、边缘计算设备和高级信息安全。
智能工厂将如何改变制造业工作岗位？
与传统工厂相比，智能工厂同样需要大量的生产线工人和管理人员，但自动化技术一方面正逐步“淘汰”一些工作岗位，另一方面提高了其他一些岗位的技能要求。目前，智能工厂在人才方面尤其重视批判性思维和问题解决能力，对机器人、数据管理、数据科学、软件工程、AI/机器学习、项目管理以及网络/系统管理领域的专业人员的需求非常旺盛。
阅读专家观点，了解当下制造商的 6 大工作要点以及这些将如何帮助制造商克服挑战，成功部署工业 4.0。
注：为免疑义，本网页所用以下术语专指以下含义：
- 除Oracle隐私政策外，本网站中提及的“Oracle”专指Oracle境外公司而非甲骨文中国。
- 相关Cloud或云术语均指代Oracle境外公司提供的云技术或其解决方案。