说真的，这几年“智能制造”这个词被炒得，跟当年的“纳米技术”似的，好像不贴点边就落伍。可你真走到车间里看看——黑灯工厂？没几个。大部分企业连设备数据都还捞不上来呢。AI？哈哈，能先把OEE算准就算烧高香了。 最近跑了不少工厂，有个强烈感受：**智能制造的落地，最大的障碍不是技术，是人心。** 或者说，是急于求成的那股子浮躁劲儿。上个月在苏州，一家做精密冲压的老板拉着我倒苦水：“花两百万上了套MES，结果生产线一换模具，工位还是得手工录数据。你说这智能在哪？” 我瞅了瞅他那台用了八年的老冲床，心里苦笑——连个网口都没有，你让它怎么“智”？

上平台就灵？别逗了

工业互联网平台这几年火得一塌糊涂，好像企业只要一上平台，立马就脱胎换骨。真这么简单？那制造业的痛也太好治了。我见过最夸张的案例，一家中型机加工厂，被某个平台厂商的销售忽悠，直接签了百万级的“智能制造整体解决方案”。结果呢？平台部署半年，大屏上数据花花绿绿，机器利用率却还是那个惨样。问车间主任怎么看，他撇撇嘴：“看那个还不如我巡线来得快。” 问题出在哪？**基础不牢，地动山摇。** 很多企业连设备互联都没搞定，就急着上分析、搞预测。就像还没学会走，就想跨栏。工业场景的复杂，岂是消费互联网那套逻辑能覆盖的？协议不通、接口不统一，一个车间里七八种PLC，西门子、三菱、欧姆龙，有的还是几十年前的老古董——你怎么连？靠喊吗？ 老旧工厂设备数据采集改造现场 坦白讲，我挺佩服那些还在用拨码开关的老设备改造。有家宁波的注塑厂，愣是自己做了个数据采集盒子，把二十台老爷机接入了云。成本不到五万。虽然采集的数据粗糙，但至少能知道机器是开着还是停了。这比那些花里胡哨的大屏实在得多。

数据，永远的第一道坎

做智能制造，绕不开数据。可一提数据，工控人直摇头。为什么？**脏、乱、差。** 你永远不知道哪个传感器偷偷漂移了，也不知道凌晨三点哪个员工把量具不小心磕了一下。数据质量就像薛定谔的猫——不看的时候以为挺好，一看吓一跳。 问：搞智能制造，为什么数据这么难弄？我们不是有各种数据库吗？ 答：唉，你以为是存着就行？工业数据有它的怪脾气。高频、多源、时序强相关，而且大部分没有标签。举个简单例子，一台CNC主轴振动信号，每秒采样两万次，一天下来就是几十GB。存哪？怎么存？存完了怎么检索？这还不算完，当你需要训练一个故障模型时，你会发现：哎？正常数据一大堆，故障数据没几条！没故障怎么建模？有些聪明的工程师会故意“造”故障——把刀具故意磨钝一点，记录下信号。可这敢大规模搞吗？机床受不了啊。 更别提数据孤岛了。MES一套数据，ERP一套数据，SCADA又是另一套，各说各话，连时间戳都对不齐。想做分析？先花三个月做数据清洗吧。对了，清洗完了可能发现：设备日志里那个字段原来是德文缩写……逼疯英语八级。 工业数据治理流程图 怎么办？没速效药。老老实实从机联网开始，把设备开口说话的能力先具备了。然后建立标准的数据模型，哪怕先小范围跑通。我建议学学德国人，他们搞工业4.0之前，先花了大力气做“管理壳” (AAS, Asset Administration Shell)，就是给每个物理资产建立一个数字画像。慢，但扎实。

数字孪生，别神化它

数字孪生，别神化它 这两年数字孪生被吹得神乎其神，好像有了它，工厂就能先知先觉。实际上呢？**大多数数字孪生就是个3D可视化大屏。** 看着炫，点进去能看个设备状态，但要说真正实时双向交互？跟风洞仿真？没几家做到。 当然，我不是否定它的价值。在大型复杂装备上，比如风力发电机、航空发动机，数字孪生确实能实现远程监控和预测性维护。可一般离散制造，搞个全车间级的数字孪生，投入产出比极低。有那个预算，不如多装几个传感器，把关键设备的健康度先管起来。 问：那就中小制造企业而言，数字孪生完全用不上吗？ 答：也不是。我觉得可以换个思路——**“微”孪生。** 针对某个关键工艺或瓶颈设备做小规模孪生。比如有一家做焊接的，只给焊接机器人工作站建了孪生模型，实时监控焊接参数和熔池状态，回溯时候可以像放电影一样看每个焊点的形成过程。一旦出现质量问题，能快速定位。这就很实用，投入也就几十万。不要贪大求全，吃相太难看，反而噎着。 记住，数字孪生是手段，不是目的。最终目的是解决实际问题，而不是给领导参观时—哇！好酷！—那叫表演艺术。

少谈点AI，多做点“连起来”的事

现在行业有个怪现象：言必称AI，算法、模型满天飞。可你问他OEE提升多少？良率改善没有？他说不出来。AI在制造业落地，面临的最大挑战不是算法不够先进，而是**场景碎片化、复制难、ROI不明确。** 辛辛苦苦训练一个视觉检测模型，换一个产品型号可能就得重来。更气人的是，有的工厂光照条件变了，模型就懵了。 所以我常跟企业说：别被AI冲昏头，先把精益生产做好，把数据采集和监控（SCADA）做扎实。**连起来，看得见，你才有资格谈智能。** 数据采集率不到80%，就别扯AI了，先把那20%的黑洞补上。连设备都管不好，人工智能帮不了你。 最近一个很振奋的案例，是东莞一家电子代工厂。他们没搞什么高大上的AI，就做了一件事：把所有的SMT贴片机、回流焊、AOI检测数据打通，用了一个简单的SPC（统计过程控制）系统。结果呢？贴片不良率从800ppm降到了300ppm。仅仅是让数据流动起来，让异常及时暴露。这算不算智能制造？当然算。智能制造不是非得无人工厂，**数据驱动改善，就是智能制造的核心。** SMT产线数据监控中心大屏 问：我们公司预算有限，老板又想搞智能制造，怎么开始？ 答：先把痛点列出来，用数据说话。哪台设备老坏？哪个工序不良最高？然后聚焦一个点，投入小预算做改善验证。比如选择一台关键设备，安装振动、温度传感器，采集数据上云，先做远程监控和报警。成本可控，见效快。老板看到甜头，自然会支持下一步。千万别一上来就买平台、买全家桶，八成钱打水漂。对了，别忘了找有工业背景的团队，纯互联网团队坑你没商量——他们连气缸和液压缸都分不清。 --- 说来说去，智能制造不是技术问题，本质是管理变革。当老板的得有耐心，当工程师的得沉下心。罗马不是一天建成的，智能工厂也不是一纸合同能堆出来的。少听概念，多跑现场，这是我的忠告。