如果哪家公司跟我说要上智能制造，我第一反应不是关心方案，而是先问：你都准备好了让老设备开口说话吗？

说实话，很多老板以为智能制造就是买几条机械臂、安几个大屏、连上MES。结果呢？数据不准，流程卡壳，最后变成摆设。这事儿我见得太多了。

设备数据采集：智能制造的“地基”是否牢固？

车间里最不值钱的是线，最贵的是数据。但数据从哪来？从PLC里来，从传感器里来，从毫不起眼的电流信号里来。我见过不少工厂，PLC是西门子200，用了十几年，连以太网口都没有。这不丢人，真正丢人的是——连加装传感器的方案都没想过。

工业车间PLC设备数据采集网络架构图

这里头有个核心问题：采集什么频率？存多久？和ERP怎么交互？很多时候，MES实施商就是不问你这些，上来就铺设备，结果数据不连续，或者干脆存不上。💡 我的建议很直接：先把采集层夯实。老设备没有接口？加近红外传感器，加振动传感器，用IO模块硬接。别嫌丑，管用就行。

举一个实际的例子。我接触过一家汽配厂，他们的注塑机是2008年的，控制器是专用系统，导出数据只能靠U盘，一个班次拔下来一次。后来他们花了几百块钱，在设备电箱里加了电流传感器和一个小型数据采集器，用MODBUS协议把数据上传到网关。就这么点小改动，稼动率的统计从人工估算变成了实时计算。老板第一次看到车间大屏上的红色区块时，愣了半天——原来自己一直以为的“满负荷运行”，真实稼动率连70%都不到。

问：设备数据采集改造的成本高不高？尤其是对老设备。 答：看你怎么算账。一个点改造成本可能几千到几万块，但对比整个产线因故障停机造成的损失，这钱花得值。而且现在很多国产传感器价格已经低到惊人的程度，一两百块钱的霍尔传感器就能用来测电流、测转速。

MES系统真的能解决所有问题吗？

当然不能。但很多企业把MES当成了大脑。实际上，MES只是一套管理和执行系统，它替你干活的前提是你得先教会它你的工艺。问题是什么？工艺本身是老师傅脑子里的经验，写不到系统里。

有一个典型的场景：某厂上了MES，派工单倒是自动了，但车间调度还是拿着Excel在排产。为什么？因为MES里的工艺路线全是错的。这怨谁？怨业务部门没有配合梳理流程。于是，系统上线了三个月，反而增加了录数据的工作量，工人怨声载道。

所以，别急着上MES，先把工艺标准化、物料编码搞统一。不然，MES就是一台昂贵的打字机。❗这可是真金白银买来的教训。

MES系统与ERP系统集成应用示意图

问：上了MES之后，车间里的纸质报表是不是可以扔了？ 答：你最好先留着。因为你的录入设备可能还没到位，或者员工不规范操作，导致系统里的数据是脏的。纸质报表至少能对账。等系统数据稳定了，再逐步淘汰。

数字孪生和AI：别只盯着炫酷

不知道为什么，很多老板对数字孪生有一种近乎浪漫的想象。总以为可以建一个虚拟工厂，然后所有问题都能在虚拟世界里提前解决。这话对一半。数字孪生是可以做仿真，但前提是你的模型得准。模型怎么准？靠数据喂。数据从哪来？又绕回设备采集了。哈，有意思。

再说AI。真正落地得好的是AI视觉质检。比如冲压件表面缺陷检测，之前靠人眼，疲劳率太高。现在用工业相机+深度学习算法，误检率可以控制在0.5%以内。✅ 这不算科幻，是已经成熟的东西。

但我也得泼一盆冷水：AI不是万能的。你得有足够的坏样本让模型学习。很多工厂连不良品样本都存不下来，玩什么AI？我见过一家企业在做PCB插装件检测时，样本库里只有200多张图片，其中正常品占了180张，这模型训练出来能准吗？还不如用传统视觉的规则来判断。

预测性维护：离钱最近的地方

预测性维护：离钱最近的地方

如果说智能制造的诸多特征里，哪个最能快速回本，我赌预测性维护。电机轴承坏了，你提前一周发现，就可以在停机检修时换掉，而不是半夜三更被叫醒，才发现生产线已经停了四小时。设备上装个振动传感器，采集加速度和温度，用切比雪夫不等式或者简单的阈值法就能报警。根本用不着什么深度学习。

很多企业觉得“预测”太高深，其实最简单的方式是：每天记录设备电流波形，当波形畸变率达到某个阈值时，就安排检查。就这么个土办法，救过不少工厂的急。

一个务实的推进路径

别想着一步到位。先做产线级的自动采集，再做车间的可视化监控，然后试点一个工位的智能质检或预测性维护。哪怕只是把几个关键设备的稼动率实时算出来，都能立刻看到效益。

另外，别迷信大平台。现在很多云平台、工业互联网平台说得天花乱坠，但真正适合你企业的，可能就是一个简单的开源数据库加几块看板。工具不贵，贵的是把人从习惯里拽出来的成本。

记住：智能制造不是终点，而是一种生产方式。它不需要什么宏伟蓝图，需要的是你从车间里最疼的那个点开始动。