隨著時代的發(fā)展與進步，我國已將智能制造（Intelligent Manufacturing，IM）/數(shù)字化轉(zhuǎn)型（Digital Transformation，DX）作為制造業(yè)未來發(fā)展的重要方向，也是支持制造業(yè)從高速發(fā)展向高質(zhì)量發(fā)展的重要推動手段。近年來，很多大小型制造企業(yè)紛紛加入到IM/DX的行列，開始大量投入資金，但部分項目實際效果卻不如預期，其原因是缺乏系統(tǒng)化思考與有效的項目評估。

很多企業(yè)在推進相關IM/DX工作時多為效仿，缺少對企業(yè)自身存在問題原因分析，在總體規(guī)劃、目標制定、方案評審、效果評估方面相對薄弱，缺少閉環(huán)管理；在項目推進中往往采取業(yè)務外包，外包的技術廠商難以在短時間內(nèi)準確把握企業(yè)自身業(yè)務痛點與真實需求，導致在IM/DX推進中困難重重，效果難以保證；項目完工后，因之前缺少與目標的聯(lián)動評審，致使效果難以真正體現(xiàn)在生產(chǎn)運營中，對成本、品質(zhì)、效率貢獻有限，甚至導致效率降低，以上都是近年來IM/DX中的常見問題。為此，本文通過梳理產(chǎn)業(yè)政策與行業(yè)態(tài)勢，提出在檢討IM/DX項目時，需采取科學的策劃與管理方法，文中提出建立以DST-PDCA為基礎框架的分析模式，助力企業(yè)在IM/DX項目推進中做好立項評審、過程推進及效果評估，旨在為我國企業(yè)實施智能制造和數(shù)字化轉(zhuǎn)型提供借鑒參考。

1 IM/DX概述

1.1 定義、內(nèi)涵與作用

智能制造與數(shù)字化轉(zhuǎn)型本質(zhì)是把機器智能融合于制造的各種活動中，滿足企業(yè)相應的目標要求。國家工業(yè)和信息化部、財政部發(fā)布的《智能制造發(fā)展規(guī)劃（2016—2020年）》中指出：“智能制造是基于新一代信息通信技術與先進制造技術深度融合，貫穿于設計、生產(chǎn)、管理、服務等制造活動的各個環(huán)節(jié)，具有自感知、自學習、自決策、自執(zhí)行、自適應等功能的新型生產(chǎn)方式。”體現(xiàn)在智能制造的技術基礎與應用的各個環(huán)節(jié)。智能制造的核心是數(shù)據(jù)驅(qū)動，需要有數(shù)據(jù)的支持，因此數(shù)字化是實現(xiàn)智能制造的前提。由此可知，IM/DX的內(nèi)涵是利用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等先進技術認識、控制和駕馭制造系統(tǒng)，達到降本增效、提升質(zhì)量的目標。

廣汽集團“十四五規(guī)劃”的智能制造行動，提出通過電氣化、智聯(lián)化、數(shù)字化、共享化、國際化五大提升實現(xiàn)集團高質(zhì)量發(fā)展。在汽車新四化進程中，應用智能制造，實現(xiàn)新一代信息通信技術與先進制造技術深度融合。工業(yè)制造存在大量的重復性場景，如設備點檢、品質(zhì)檢查、零件手工安裝等，在機器視覺、機器學習等智能化技術助力下，可依靠智能化設備及系統(tǒng)輔助完成，大幅提升傳統(tǒng)企業(yè)生產(chǎn)效率。

1.2 國內(nèi)外IM/DX發(fā)展情況

IM/DX是全球制造業(yè)變革的重要方向，給人類經(jīng)濟和社會可持續(xù)發(fā)展展示了美好前景，各國紛紛出臺相關戰(zhàn)略規(guī)劃：2012年，美國發(fā)布“先進制造業(yè)國家戰(zhàn)略計劃”，大力推動以“工業(yè)互聯(lián)網(wǎng)”和“新一代機器人”為特征的智能制造戰(zhàn)略布局；2013年，德國實施“工業(yè)4.0”戰(zhàn)略，鞏固其制造業(yè)領先地位；作為全球工業(yè)機器人裝機數(shù)量最多的國家，日本政府于2015年1月發(fā)布《機器人新戰(zhàn)略》。2015年，我國出臺制造強國中長期發(fā)展戰(zhàn)略規(guī)劃《中國制造2025》，全面部署并推進制造強國戰(zhàn)略實施，堅持創(chuàng)新驅(qū)動，智能轉(zhuǎn)型，強化基礎，綠色發(fā)展，加快我國從制造大國向制造強國轉(zhuǎn)變。

前瞻產(chǎn)業(yè)研究院在2019年頒布《中國智能制造發(fā)展現(xiàn)狀及趨勢分析報告》里提到：目前，中國仍處于“工業(yè)2.0”（電氣化）的后期階段，產(chǎn)業(yè)結構不佳、資源轉(zhuǎn)化率低、質(zhì)量基礎較為落后、行業(yè)信息化水平薄弱、勞動力成本持續(xù)提升。“工業(yè)3.0”（信息化）進一步提升空間較大，“工業(yè)4.0”（智能化）以試點形式開展為主，制造的自動化和信息化已逐步布局推廣。

目前各行業(yè)中通過智能制造，創(chuàng)新了生產(chǎn)方式和銷售方式，實現(xiàn)了效率的大幅提升，其中汽車行業(yè)尤其具有代表性，如廣汽埃安、上汽大通等通過訂單式生產(chǎn)供應方式，為客戶提供個性化產(chǎn)品，提升對用戶的吸引力。未來幾年，還有一批新興的智能汽車工廠落地投產(chǎn)，如東風日產(chǎn)武漢工廠、上汽大眾安亭工廠、北汽新能源-麥格納智能工廠等等。智能制造工廠的投入將大幅提升各汽車生產(chǎn)企業(yè)的生產(chǎn)效率，有助于將我國從制造大國推動成為制造強國。

2 企業(yè)實施IM/DX的幾點思考

2.1 企業(yè)推進IM/DX的問題與對策

IM/DX是手段，而不是目的，其核心價值是幫助企業(yè)提升生產(chǎn)與經(jīng)營效率，降低成本并構筑長期競爭優(yōu)勢，行業(yè)現(xiàn)狀普遍存在以下問題。

1）戰(zhàn)略不清晰導致IM/DX方向迷失。部分企業(yè)沒能準確識別自身問題點與未來競爭的著眼點。企業(yè)存在孤島式盲目部署數(shù)字化的普遍情況，尚未能從數(shù)字化投入中洞察到核心價值，中投顧問發(fā)文指出52%的企業(yè)在IM/DX貢獻度小于10%。

2）局部試點現(xiàn)象明顯，全面系統(tǒng)化思考與布局不足。企業(yè)原有的系統(tǒng)老舊，管理流程復雜且基本定型，IM/DX基礎不牢固，在原有基礎上修補往往出現(xiàn)兼容性差的問題，很多制造企業(yè)缺少數(shù)字化人才，多為已有業(yè)務人員轉(zhuǎn)型或兼職對應，總體來講，缺少將精益管理與智能制造匹配的管理基礎。

3）缺少對IM/DX科學有效的評估與推進方法，沒有長期思維做指導。只有全面部署、系統(tǒng)深入才能最大化體現(xiàn)數(shù)字價值。如果急于見到成效，用傳統(tǒng)的績效指標衡量轉(zhuǎn)型效果，沒有根據(jù)企業(yè)實際去建立策劃、推進與評估體系，IM/DX效果難以顯著體現(xiàn)，價值常常受到管理層的質(zhì)疑，對投資持續(xù)減少，造成惡性循環(huán)，長此以往實現(xiàn)工業(yè)4.0也就成為空談。

2.2 基于DST-PDCA框架的思考與運用

DST-PDCA框架主要用于中長期規(guī)劃和年度事業(yè)計劃，也可用來解決某些重要課題，IM/DX是典型長期布局及實施的課題，該框架適用于IM/DX總體規(guī)劃與統(tǒng)籌思考。

DST是英文單詞Draw、See、Think的縮寫。Draw是先要描繪一個理想的目標。See是要將現(xiàn)狀與理想目標對比，提取出問題。Think是在對提取問題的思考，深入挖掘問題存在的原因，確定對策方向。對IM/DX項目而言，是一項持續(xù)性工作，需要基于長期主義思考，通過系統(tǒng)性思考與方法，建立系統(tǒng)性的規(guī)劃與管理框架，做到有的放矢，既要解決企業(yè)短期面臨的急迫問題，更要與企業(yè)未來發(fā)展相匹配，將業(yè)務戰(zhàn)略與業(yè)務規(guī)劃相結合。因此DST框架方法適用于對IM/DX項目的規(guī)劃制定。

PDCA是計劃（Plan）、實施（Do）、檢查（Check）、處理（Act）的首字母組合。PDCA循環(huán)是推進目標達成的有效手段，需要經(jīng)過制定計劃、執(zhí)行計劃、檢查計劃、對計劃進行調(diào)整并不斷改善這樣4個階段。 對IM/DX項目而言，涉及人、機、料、法、環(huán)各因素，需要持續(xù)夯實與提升企業(yè)基礎條件（如工業(yè)工程、精益管理），實施中除面臨具體的技術問題外，還會涉及對現(xiàn)有流程與機構的調(diào)整等復雜問題，是一個需要持續(xù)推進問題解決的過程，PDCA框架非常適用于在問題明確后將其關閉的全過程管理。通過相互作用，逐步形成牢固的推進體系，以實現(xiàn)質(zhì)量提升、成本降低、效率提高為子目標，以實現(xiàn)企業(yè)利潤改善為主目標，圖1給出了企業(yè)推進智能制造與數(shù)字化轉(zhuǎn)型的體系架構。

圖1 智能制造與數(shù)字化轉(zhuǎn)型系統(tǒng)運行圖

3 基于DST-PDCA框架開展IM/DX實例

本節(jié)以G公司發(fā)動機機加工車間IM/DX實例說明DST-PDCA框架的應用模式。

G公司發(fā)動機機加工生產(chǎn)線主要對發(fā)動機缸體和缸蓋進行加工與組裝，設備數(shù)量多達200余臺，涵蓋數(shù)控加工中心及加工專機、差壓式試漏機、氣電轉(zhuǎn)換測量機、多工位清洗機、壓裝機、擰緊機等，工藝復雜且品質(zhì)要求為微米級，是典型的離散型高精密的加工車間，具備深度實踐智能制造與數(shù)字化轉(zhuǎn)型實踐的基礎。

3.1 基于DST 框架確定IM/DX的規(guī)劃

1）建立了機加工車間IM/DX規(guī)劃與目標。根據(jù)國家標準發(fā)布的《智能制造能力成熟度模型》，從人員、技術、資源、制造4個能力要素評估成熟度等級，成熟度等級分為一級（規(guī)劃級）、二級（規(guī)范級）、三級（集成級）、四級（優(yōu)化級）和五級（引領級），機加工車間現(xiàn)有智能制造水平基本處于二級（規(guī)范級）：雖然大量運用了自動化和信息化技術進行生產(chǎn)，但數(shù)據(jù)及業(yè)務未實現(xiàn)跨領域共享，未充分利用數(shù)據(jù)實現(xiàn)核心業(yè)務的精準預測和優(yōu)化。首先，通過DST方式建立了“打造QCD領先的數(shù)字化標桿車間”三年規(guī)劃，確立了以四級水平為規(guī)劃管理總目標。

圖2 智能制造成熟度等級

2）根據(jù)業(yè)務架構建立了系統(tǒng)大數(shù)據(jù)平臺，并通過大數(shù)據(jù)平臺實現(xiàn)數(shù)據(jù)關聯(lián)，打破數(shù)據(jù)孤島，并搭建總體系統(tǒng)架構：基于總體架構，通過頭腦風暴、專項研討等方式企劃制定并評審通過推進的技術路線圖，其中充分結合當前系統(tǒng)與流程的問題點，面向目標明確各項工作的要件，實現(xiàn)生產(chǎn)模式、管理模式、生產(chǎn)技術、信息技術、人才培養(yǎng)、設備革新充分融合，再通過數(shù)字賦能實現(xiàn)數(shù)字化與業(yè)務變革的雙驅(qū)動，形成技術路線圖指導團隊開展工作。

圖3 機加工車間數(shù)字化平臺總體架構

3.2 基于PDCA框架推進IM/DX項目實施與落地

缸體AI項目是機加工車間IM/DX規(guī)劃中的一個具體項目，在技術路線規(guī)劃指引下，運用PDCA框架推進完成的一個典型案例。

缸體為發(fā)動機核心部件，缸體表面復雜且對密封要求高，在不同的密封部位可容許的缺陷大小基準有不同的要求，一旦缺陷大小超出允許基準將會產(chǎn)生漏氣、漏冷卻液、漏油等市場不良。

1）問題與原因分析。缸體是通過鋁液高壓鑄造+機加工銑、鉆、鉸等工藝而成，不可避免地會產(chǎn)生表面缺陷，行業(yè)內(nèi)缸體表面缺陷率達到40%～50%。根據(jù)缺陷類型、缺陷大小、所在區(qū)域以及失效影響，制訂《外觀缺陷判定基準》，作為檢查標準區(qū)分合格品和待返修品，常見缺陷多達14種，主要有氣孔、缺肉、冷隔、裂紋、傷痕、刀紋、毛刺等，行業(yè)內(nèi)主要采用人工目視檢查。由于人員存在疲勞等客觀影響，人工目視檢查的檢出能力較低，存在缺陷流入市場風險，影響品牌口碑；此外，由于檢查時間受限，目視檢查難以在60 s的節(jié)拍內(nèi)對所有缺陷大小及缺陷所在的區(qū)域做出精確判斷，存在較高誤判率，約20%；而且檢查人員長期對視光源，容易造成視力疲勞和損傷等。

2）對策制定。行業(yè)首創(chuàng)AI深度學習視覺檢測，解決缸體缸蓋外觀缺陷檢查效率低的行業(yè)難題，缺陷傳統(tǒng)視覺檢測技術主要采用相機拍照，然后將檢測圖像與事先生成的標準圖像進行比對，找出差異，一般應用于缺陷類型比較單一、有無缺陷檢測等場景。如果應用于缸體外觀缺陷檢測，將產(chǎn)生大量的誤判，無法滿足缸體外觀復雜的缺陷檢測要求。機加工車間經(jīng)過技術評估研討后，開創(chuàng)性地采用AI深度學習視覺檢測進行缸體外觀缺陷檢查，通過對圖片缺陷進行標注、深度學習、訓練，建立最佳的檢測模型并不斷地自學優(yōu)化、迭代，使得檢測結果準確率不斷提高，如同新員工，經(jīng)過對缺陷和外觀基準不斷地學習和訓練，逐步提高對復雜缺陷形貌、缺陷類型、缺陷大小、缺陷所在位置等檢查的準確度和缺陷外觀判定基準的熟練度。

基于計劃與目標，以PDCA模式推進問題解決，通過創(chuàng)建“正向+方向”檢測模型解決無法識別“未學習過”缺陷的難題，通過研發(fā)多角度藍光技術特顯缺陷特征解決特征區(qū)分不明顯導致漏判誤判難題，通過設計兼容性及柔性強的檢測模型和算法實現(xiàn)不同機種共享共用，大幅縮短新機種導入的模型學習迭代周期。期間定期組織召開線上、線下會議，堅持以問題→原因→對策制定→效果確認的PDCA框架開展工作，累計解決問題300余項，解決問題快速、有效。

3）效果確認。AI深度學習視覺檢測是行業(yè)首創(chuàng)，無成熟方案可借鑒，需要自主摸索。另外，AI深度學習視覺檢測是對缺陷圖片進行學習，但初期可能遺漏不常見缺陷，進而出現(xiàn)漏判，這也是行業(yè)的一大痛點，實施時要考慮這些特殊場景。經(jīng)過約6個月持續(xù)的優(yōu)化、迭代，達到漏判率為0%、誤判率≤1%的行業(yè)標桿水平。

3.3 IM/DX項目推進成果

機加工車間規(guī)劃與實施的IM/DX項目，通過采用領先的數(shù)字化技術，在人機交互、智慧集約上有著非常鮮明的獨創(chuàng)性，實現(xiàn)了多機種高品質(zhì)量產(chǎn)，取得了良好的經(jīng)濟效益和社會效益。

在品質(zhì)領域，建立工藝參數(shù)與質(zhì)量之間的數(shù)字模型，發(fā)動機質(zhì)量處于國內(nèi)領先水平，開發(fā)基于AI的產(chǎn)品缺陷視覺識別，提升工序品質(zhì)保證能力，助力所在企業(yè)于2021年J.D.Power IQS（新車質(zhì)量）、SSI（銷售滿意度）、CSI（顧客滿意度）均獲得第一名，處于中國汽車行業(yè)領先地位。

在產(chǎn)能領域，通過導入基于5G的工業(yè)互聯(lián)網(wǎng)，革新傳統(tǒng)工業(yè)通信架構，運用基于預防性維護的數(shù)字化技術，設備開動率顯著提升，整體在原有1050 輛/d產(chǎn)能提升至接近1080 輛/d產(chǎn)能。

在成本領域，通過賬票無紙化、大數(shù)據(jù)等平臺，實現(xiàn)傳統(tǒng)目視化管理的飛躍，多種業(yè)務流程通過大數(shù)據(jù)平臺自動關聯(lián)及計算，人員業(yè)務效率約提升30%，項目投入1年以來，項目整體已產(chǎn)生經(jīng)濟效益100余萬元。

4 結語

智能制造與數(shù)字化轉(zhuǎn)型是一個綜合性、系統(tǒng)性工程，需要將所涉及的人、設備、材料、流程、環(huán)境等要素聯(lián)系起來，因此需要以更加宏觀的視角去規(guī)劃，并明確總體與分階段計劃。在項目實施中難免遇到各種流程、觀念、技術問題與挑戰(zhàn)，需要構建相適應的應對體制與方法。此外，通過持續(xù)加強對復合型人才培養(yǎng)，構建既懂技術又懂業(yè)務的復合型團隊，也是智能制造與數(shù)字化轉(zhuǎn)型成功的重要因素，并運用科學的方法指導工作開展。

本文案例中成功運用DST-PDCA的框架推進數(shù)字化轉(zhuǎn)型工作，證明可以取得良好的效果。隨著造車新勢力的崛起和汽車智能化水平的提升，汽車行業(yè)正面臨著史無前例的轉(zhuǎn)變，借助智能制造技術，持續(xù)推動企業(yè)提質(zhì)增效，并最終實現(xiàn)產(chǎn)品競爭力提升，將會更加有助于企業(yè)健康持續(xù)地發(fā)展。