推進智能制造，必須兼顧三個方面的要求：首先是必須要搞真正的智能制造，而不是給自動化、信息化等傳統技術戴上“智能制造”的帽子，避免喪失歷史的機遇。其次是搞智能制造的目的，必須是為企業創造價值，而不是去搞先進而不實用的東西。第三個要求是可行性，而可行性必須結合鋼鐵行業的特點，而不能照抄照搬離散制造業的做法。
鍍鋅鋼管廠對此事一直非常關注！
”前言
“有家工廠采用流水線的生產方式。生產的每個產品都可以是不同的、對應的工藝也不一樣。但工廠仍然能夠高效率、高質量、低成本地組織生產?！笨吹竭@樣的描述，很多人可能會認為：這就是未來標準的工業4.0智能工廠。其實，寶鋼等先進鋼鐵企業幾十年來就是這么做的：熱軋廠、冷軋廠生產的每一卷鋼，都可以有不同的成分、規格、出廠檢驗標準和規格?，F在流行的ERP、MES、PLM、CPS等概念，在寶鋼的L1~L4級計算機系統中其實也早就有了雛形。
“在流水線上實現個性化定制”是工業4.0的重要標志之一。對很多行業來說，目前還是個遙遠的理想、是下一步追求的目標。但鋼鐵企業早已實現了，下一步又該如何辦呢?
自從智能制造成為熱點，AR、VR、云制造、透明工廠等概念就開始滲透到鋼企。有人認為，推進智能制造就要搞這樣的技術。但我們的困惑卻是：這些技術能創造價值嗎?投入產出比合適嗎?
我們知道，智能制造的基礎是數字化，要發展數字化仿真技術。許多鋼企在多年前就在做這一方面的工作了。但行業特點決定了，這些問題非常困難，難度遠遠超過離散制造業常見的、基于三維模型的模擬仿真。方向正確，卻難以推進。
有人指出：與國外同行相比，我們的自動化水平還很低、人均噸鋼數還較低。應該提高自動化水平、趕超國外。但我認為，目前我國在自動化領域的差別主要是經濟可行性，尤其是勞動力成本的差別導致的。從經濟發展角度看，提高自動化水平的工作是有意義的。但是，如果僅僅是用機器代替簡單、重復性的勞動，只是補自動化的課，還是走在傳統自動化技術的延長線上，并非智能制造的主流。
推進智能制造的另外一個思路是從業務需求出發。十多年前，許多鋼企就提出了“大規模定制”、“從制造到服務”等戰略口號。但實際進展與戰略定位相比，卻不理想。
總之，中國的鋼鐵企業既要補課，又要面臨真正的創新。但創新之路如何走下去，需要認真地思考。
突破困境的思路
推進智能制造，必須兼顧三個方面的要求：首先是必須要搞真正的智能制造，而不是給自動化、信息化等傳統技術戴上“智能制造”的帽子，避免喪失歷史的機遇。其次是搞智能制造的目的，必須是為企業創造價值，而不是去搞先進而不實用的東西。第三個要求是可行性，而可行性必須結合鋼鐵行業的特點，而不能照抄照搬離散制造業的做法。
價值創造和行業特色，本質上都是體現在業務上的。要落實以上原則，必須落實在具體的業務上。也就是技術要服從業務。然而，智能制造不同于傳統自動化和信息化的地方，在于支持業務本身的創新、幫助企業推進業務轉型和提升，而不是局限于當前的業務。所以，要實現上述原則，我們需要從業務創新的角度考慮三個問題：
(1)智能制造促進業務創新的目標應該是什么?
(2)實現新業務目標的技術線路是什么?
(3)為了實現技術線路的配套條件應該是什么?
“方法決定于目標條件和約束”。業務目標確定以后，我們要確定技術線路，而技術的實現受到技術和非技術因素的約束。這是我們要解決的具體問題。三個問題都不好回答。難在爭議很大，到底聽誰的。要正確認識這些爭議，就要分析這些觀點是怎么來的。正如殷瑞鈺院士所言，很多觀點來自于國外先進的離散制造行業。我們知道，行業和國情不同，目標和方法都不能直接借鑒。要趕上智能制造這趟車，必須從智能制造的本質出發。
“本質”又是什么呢?要認識本質我們需要一個最基本的共識。我認為：以ICT技術為出發點、以價值創造為歸宿，應該是基本的共識。在出發點和歸宿之間的漫長道路，是智能制造所包含的內容。這條道路之所以漫長，是因為涉及到工業與ICT技術的深度融合，是互相促進、互為因果的漫長發展過程。我們把這個邏輯體系內的技術，歸結為智能制造的核心內容。
智能制造的業務目標的業務目標
作為智能制造的業務目標，應該符合前面所述的三個基本要求。
對離散制造業來說，“在流水線上實現個性化定制”是最典型的業務目標。這個目標在先進鋼鐵企業早已實現。然而，為了實現這一目標，鋼鐵企業也付出了極大的代價：交接坯、余材、質量穩定性差、生產組織的困難、物流不順暢、高能耗、人員業務量大(進而導致人多、自動化水平低)、產品設計問題多。從這個角度看，我們可以把解決上述問題的工作歸結為減少個性化定制的負面問題。事實上，提高質量、自動化水平、縮短交貨期、減少庫存、推進個性化服務和集約化生產等大量的業務需求，都可以劃歸到這個范疇中來。我們把解決這些問題作為鋼鐵行業智能制造的業務目標。從這個角度看，人們對這個業務定位的目標是熟悉的、需求也是明顯的。
于是，人們會產生新的疑問：對企業來說，這些問題都是老的問題，怎么能夠通過智能制造來解決呢?這里就涉及到實現技術目標的技術線路了。
鍍鋅鋼管廠家，實現業務目標的技術線路
要實現“降低個性化定制的負面作用”這一目標，本質是要在具體的業務活動中更加科學、快速地決策，進行更大范圍的優化。智能制造的優勢，在于推進智能決策。事實上，產品的(外)設計、鋼種的合并、余材的處置、生產的組織、生產和產品異常的處置、質量動態控制、技術服務的本質都是做決策。過去，這些決策過多地依賴于人的經驗，而今后則要推進智能決策來做得更好。
智能決策可以有不同的程度?？梢允菣C器完全自動決策、可以是受人監控的自動決策、可以是機器輔助人決策。智能決策利用了計算機突飛猛進的計算能力，可以讓決策更加科學、迅速。智能決策體現在算法上，但背后依托的則是數字化的信息和知識。
人們自然會有另外一種疑問：即便現在依靠人的決策，缺少的也是信息和知識。比如，很多問題出在用戶需求識別不準確、設備狀態不清晰、動態質量控制的知識缺乏、不知道鋼種如何改判。這些知識往往是專業知識，在這種條件下，智能決策還不如人的決策，推進智能決策又有什么用呢?
我們認為：知識匱乏確實是個長期沒有解決的問題。知識匱乏本質原因是“知識生產”的投入產出比問題。
我們知道，獲取知識是需要成本的，比如做實驗、培養人才等。在傳統的決策模式下，知識往往附著于少數優秀專家的大腦中，這使得知識不能共享、難以重用、難以拓展。對于復雜的問題，受人的精力和能力的限制，往往要劃分成若干子問題來完成，進而弱化了優化效果。這樣，知識帶來的收益是少的。而智能制造能夠推動知識的重用、推動大尺度的優化、推動資源的共享、各個部門的協同，可以進一步推動知識的優化、無人化少人化、管理水平的提高、智能服務以及加快交貨周期等。所以，在智能制造時代，知識帶來的效益是完全不一樣的。
要做到上述問題，不僅要加大“知識的生產”，更要對知識進行數字化、模型化。這個工作非常困難。但是要推進智能制造，這個困難是無法繞過的。
此外，還應該看到：智能制造所需要的知識難以數字化是鋼鐵行業的一個重要特點。冶金部原總工程師殷瑞鈺院士也多次指出這個問題。這也決定了我們在知識管理的思路上與離散制造業是有差別的。離散制造業的PLM難以直接用于鋼鐵行業，也是這個道理。但是，我們認為：這個問題雖然困難，但取得本質性進展是完全可行的。
技術線路的重點之一，是解決如何低成本高質量地生產知識、管好知識，如何科學高頻度地使用知識。這樣，問題又轉化成另外的問題：平臺問題、標準問題、方法問題、組織結構問題等。例如，所謂標準問題，即要像過去管理產品和工藝標準那樣管理智能制造所需要的、智能決策的知識。由于相關知識是零散的，需要用平臺來管理;平臺不僅要提升人對知識的管理能力，還要與知識的應用過程對接起來。這些問題，基本上是技術問題了。
我們設想，未來的知識生產可能由三類人分工協作：一部分人提出原始的知識，如操作工、現場操作人員。一部分人將知識進行提煉和規范化，轉化成可數字化模型化的知識，如懂IT的業務專家;還有一部分人實現知識的數字化模型化，主要是IT技術和管理人員。這種設想，與人的專業能力局限有關。
智能制造的配套條件
知識是用在業務流程上的。在業務流程上實現智能化，要把感知、決策和執行統一起來。這里涉及到很多的問題：如感知和決策涉及到權限，執行涉及到資源和手段。如果沒有權限和手段，業務流程是轉不起來的。為了解決這些問題，就需要組織流程、商業模式改革。
如前所述，智能決策相關的大量知識，往往都是在人的腦子里面的。在很多場合下，知識的貢獻意味著貢獻者自己價值的貶值。面對這樣的悖論，企業需要思考考核機制、企業文化、組織設置等問題。
再看得遠一些會發現：知識重用和業務流程、市場定位、企業核心業務密切相關。要讓知識發揮作用，必須轉型到需要知識的地方(比如服務對象的改變)，要為知識的重用尋找“市場”。比如，要實現“制造到服務”的轉型，很可能要面對中小客戶。因為中小客戶對服務的需求才是迫切的。
殷瑞鈺院士一再強調：“鋼鐵是個耗散系統?！边@一特征決定了我們還需要關注生產流程本身的設計和優化。事實上，“物理側”是“賽博側”發揮作用的基礎和前提;對“物理側”的優化和改進，也反映了“深度融合”的思想。
智能制造是個系統工程，有很多的層次和側面。比如，技術要服從業務需求，尤其是新的業務需求，而新的業務需求決定于公司的戰略方向，戰略方向又取決于對外部市場的選擇，對外部市場的選擇又決定于社會發展所導致的市場本身的變化。我們設想，如果公司把快速響應、重視服務、推進無人化作為未來戰略目標，智能制造就是必須要做的基礎工作。
