智慧工厂一体化系统、传统企业如何改造智慧工厂？

其实这边说到了改造，我的理解是基于现在的工厂发展是在传统形式的节奏里；那么我将从两大方面梳理一下
价值层面的智慧工厂

1.产品研发与创新方面

需要优化业务流程和供应商网络，剪除冗余环节，整体研制态度上要包容接纳（各行各业我们要学习强者），在精神上要严谨细致，在创新上要勇敢，大胆。

不思考，不改变，不创新的企业 行业 注定是要被淘汰的。

2.基于用户大数据的产品设计

要充分利用大数据分析的结果，参考并且尽可能的将产品按照大数据结果的导向去贴合用户意向，数据是最客观的，不会骗人的。

当然如果厂家有毒辣的眼光可以超前预知市场那就另说

3.用户界面

不管是做什么产品，一定要考虑最终端用户使用产品的感受，不管这个产品是一颗螺丝钉还是一个精致的摆台，这个讨好用户是一定要的。

即便是工业用品不信你们看SAP的以前产品界面和现在的SAP

以前：

后来的hana

生产运营优化

加速发现生产与质量问题。这就要求在生产分析上要使足功夫，

使用电子商务，以及营销活动执行等来管理价格优化，增加销售；

3.销售服务提升

提高首次响应的成功率，当然这也需要对销售团队人员响应机制以及服务业务能力有一定的要求；

防止不必要的维修与质保要求，产品互联基础上的客户服务

深入理解最终用户

最后就是单纯智慧工厂的规划（纯建设层面的）

这个的话其实就单纯的是在建设层面的了

就是在一些自动化，智能化 硬件软件的配备购买以及规划的

具体可以阅读这个。

我们先从智慧工厂的底层到顶层说起，智慧工厂的架构，底层到顶层自动化的物流，自动化的设备，自动化的产线 ，智能设备控制系统，工厂一体化管理，整个工厂的虚拟仿真，ERP，CRM，MRO等等。

总架构总设计上得一个建议就是

→尽量减少软硬件供应商种数

一个中大型制造企业的智慧工厂打造中所涉及到的厂商以及产品如下：

如上的智慧工厂建设完毕大约有500多个接口，这些涉及到很多的厂商沟通，费用支出，因为很多厂商数据就是不提供的，想要数据，你得拿钱来，有些设备内部都没有数控程序，唯一的接口就是开放给自己的显示器的。所以前期的整体规划以及硬件采购尽量的减少供应商的数量。

然后，每家企业所处的发展阶段以及信息化的阶段都是不一样的，而且智慧工厂非常庞大，给大家分享一下一些经验和重点建议

1.建议对车间布局进行整体优化

避免频繁的出库入库，避免工序和工序产线和产线之间用在制品积压，一定要改变产线的布局，比如：部装线和总装线的布局如何更好的去协同这也是需要考虑优化的地方，机加工和总装怎么协同。所以这个整体规划一定是需要做在前面，尽可能的将后期的坑想到，

（举例，厂方盖好了，要做立体仓库，后来发现最上面顶部层高不够，后来把已经做好的自流平敲掉一个大坑，才去做起来立体仓库，那么提前布局规划就可以规避这样的返工）

车间布局如大众佛山工厂的总装线h型布局，大众工厂用的小H形走，日产用的大U形

一汽大众已投产的三大整车生产基地的总装车间中，全部采用了h型规划布局，这样的布局大大的缩短了物流距离，也是生产线的延长更加灵活了。

其他的产线如下：

T字型

U字型

2.建议加强车间自动化改造

要想做智慧工厂底层的自动化设备采购这个是一定要做在前面的，

例如一些企业应用包边机器人，生产节拍由240S缩短至80S，提升3倍，生产效率提升18倍，总体节省人工5人，年度经济效益64万元。等等这样的例子很多。

再比如：一些钣金加工企业引进钣金机机器人，节省多个工人岗位，减少人工拿去板材的安全隐患，降低劳动强度，大幅度提升产能，采用“通电监测技术“消除机器人，导轨的本身精度误差以及积累误差，保证了产品的精度与机床的加工精度关联。

3.车间联网与设备控制系统的设施建议

下图为某智能个工厂的数据采集架构

一般生产制造型企业在做智慧工厂进程中都会遇到的问题有：

设备种类多，老设备较多，数据获取难度很大；

产品多，数据的采集量巨大；

生产现场的标准化程度极低；

数据关联性高。

那么针对这些问题给出的实施建议：

→从工艺与质量角度入手分析数据采集要求；

→最好统一设备采购标准，规范设备控制系统，接口协议等要素；

→最底层要实现与机器的双向互联，数控程序的自动管理，车间现场异常预警等；

实现与安灯系统，环境系统，能源系统，工装系统，设备系统等多个系统的互联。

4.工厂一体化管理

系统的实施与应用建议

智慧工厂中工厂一体化管理系统是一个特别核心的系统，承上启下的系统，做工厂一体化管理系统国内国外都尊崇工厂一体化管理的这个标准，但是标准在生产计划，在质量，在设备在物料相对来说并没有完整的或者清晰的边界定义，所以每个工厂一体化管理系统在这些地方会有些跟企业实际情况结合的应用，这些地方是最容易产生集成和边界的地方，所以建议大家在做工厂一体化管理设计的时候这些地方是重点要考虑，重点设计的地方，这四个地方也是最容易发生跟ERP集成的地方，
工厂一体化管理的特点：

    行业性非常强，实施前最好对公司的数据，流程，工艺，接口等进行一次全面的梳理。比如同样是做车的工厂，但是做整车，商务车，卡车，他们对工厂一体化管理系统的要求就是完全不一样，正式因为工厂一体化管理行业性非常强所以也导致了他的开发工作非常庞大，比ERP系统的个性化开发定制的工作量要大多了所以大家在选择工厂一体化管理的时候尽量选择，一款平台化，柔性化，可被配置性强的产品，比如选建模方面，尽量是图形化建模的软件，不要一行一行的去写建模，这个后期改起来的话就非常的麻烦；

    工厂一体化管理系统对基础数据的要求是非常高的，基础数据的问题会影响工厂一体化管理应用的深度和范围，比如工艺，在ERP中我们物料是采用的树状BOM，但在工厂一体化管理中我更倾向于是一个线性BOM，所以建议及早启动工厂一体化管理基础数据的梳理；
    工厂一体化管理对于追溯体系的建立要考虑哪些物料单件追溯哪些批次追溯，同时部分需要对物料周转容器进行标准化；
    就是你的每一个物料都应该在你的这条工艺路线上去挂钩的，后期的每一个作业指导书，每一个工装，每一个物料都是要挂到工艺路线节点上去的。

应用工厂一体化管理系统（含APS，RFID）

实现智能优化排产

实现车间生产的透明化

产品生产过程全称追溯与信息采集

实现车间无纸化，规范和指导车间标准化作业

构建集中的生产调度指挥中心。

如下图：谋公司的工厂一体化管理系统应用介绍

工厂一体化管理系统最基本的三层架构：

最底层的 安灯 PDA RFID现场的工控机；中间的是管理 质量管理 物料管理 设备管理第三层的 预警 看板，想做工厂一体化管理 ，那么最底层的硬件一定是要考量进来的，硬件包括自动化的改造等这个方面的费用还是非常庞大的，大家在考虑预算考虑实施的时候要去考量的。

5.构建基于数字模型的企业

未来要打造建立在3D产品数据定义的数据共享重用的全集成和协同的工作环境（MBE）,实现三维设计，三维工艺，三维制造以及三维服务，从根本上上减少产品创新，开发，制造和支持的时间和成本。

小编觉得呢 ：

在建立智慧工厂的第一步动的不应该是生产部门而应该是设计部门，设计先行，设计的标准化 模块化，设计的三维工艺 三维设计 三维模型 到制造 到服务等，整个数字化模型的贯穿。
实施碰到的最大困难不是软件技术，最大的困难是工艺，是工艺人员管理意识的缺失，（从二维的图纸转变成三维的图纸，再转到三维的工艺，很难转变的）
中国制造工艺方面还是比较落后的，我们的工艺人员很多时候是在编工艺卡片，而不是在对工艺进行研究，对工艺进行革新，这种情况下 第一个难点就是工艺人员的思维意识和操作习惯等等这些问题

6.智能物流与供应链应用

入库：这边的自动化立体库位，我们都知道做立库的时候烤炉最核心的其实不是立库本身了，立库本身的设计没有多大的要考虑的东西了，基本相对来说是比较很成熟的了，最主要的就是你的堆垛机 是一台还是两台，是共用堆垛机还是一个巷道一台，是双升位还是单升位是双货位还是单货位，货位的储量，吞吐量，最重要的是输送系统和立库的配合 如何更大的匹配，否则就会发生，有些物料进不去，有些物料出不来，仓库系统满足不了生产上的物料需求，

大家遇到最多的可能就是：到底是用铲叉车还是用AGV铲叉车，

铲叉车他的特点是：路线比较固定但是速度非常快；
AGV 速度比较慢，但是路线比较灵活，所以我们设计的时候要更多的考虑。

关于自动化立体仓库的设计要点：

1.货位数量，空间损失，库存容量；

2.存取速度与数量

3.货架承重与维保

4.存储货品的限制

5.入口和出口的设计

6.仓库出货能力计算

7.托盘标准化程度，货物存放周期

8.拣货方式

9.堆垛机与穿梭机系统

10.提出 厂房高度，基建要求。

立体仓库的核心：货架，堆垛机，输送系统，电控系统，WMS，WCS

智能运输类型：电磁导引，光学导引，磁带导引，惯性导引，激光导引，超声波导引，视觉导引，GPS导引。

7.智能产品与服务推进建议

智能产品实际应用的几个特点：监测，感知，交互，自主

系统架构

8.智能管理与决策 基于移动与大数据的管理架构

企业在计划做智慧工厂的时候就应该要构思自己的大数据系统。

其实我们很多制造型企业的数据还远远没没达到大数据的这个规模，如果说你底层的生产现场没有大量的传感器的应用产品没有大量传感器的监测，实际上我们觉得这样的数据量还远远称不上大数据。生产线上采集的那些数据其实严格意义上是不能称之为数据量庞大的大数据的了当然了我们需要用大数据的技术去分析一些未知原因，比如质量问题发生了，那么到底是生产设备问题导致的，还是工装的问题导致的 还是人员的问题，有可能需要追根溯源，有可能需要大数据的技术去处理。
当企业发展到一定程度的时候，数据其实是企业很重要的资产，大家对数据的认识会越来越高，所以对企业来说，内部是应该要有一个完整的对数据管理的组织架构，第二个要强化数据资产管理 第三个 数据一定要分层，主数据 和业务数据， 业务数据又分 账册 表单，报表等。

大数据最难的点： 底层数据采集，数据模型的建立。

企业数据管理的重要点：

建立完善的数据管理组织；

强化数据资产的管理；

明确主数据，基础数据，业务数据，主体数据，分析数据等不同数据的管理策略

大数据如何自动化采集

大数据分析模型的建立

信息资源规划应以流程为基础

9.要有完整的智慧工厂规划

10 规划重点：信息化蓝图设计 未来自动化蓝图 系统集成设计

→设计未来智慧工厂的整体蓝图，横向覆盖产品的生命周期，纵向覆盖决策，管理，执行，控制等多个层次，实现业务的闭环管理。

包括：

总体目标的设计，核心指标的设计，整体框架的设计，核心系统的设计。

→对未来的车间布局与自动化产线进行规划与优化，包括：园区规划，布局规划，物流规划，工艺规划，自动化规划，核心设备/产线改造。

→未来系统集成设计 设计未来智慧工厂的横向集成，纵向集成，端到端集成体系，使企业的业务形式形成一个网络，其中包括：

1）机器与机器的互联；

2）机器与系统的互联；

3）机器与物料的互联；

4）人员与系统的互联；

5）系统与系统的互联；

6）物料与系统的互联；

7）人员与系统的互联；

8）工厂与工厂的互联；

9）外部供应链的互联。

新建智慧工厂要注意的问题

1）非标自动化与机器人的应用

2)产线的布局与产品分类，产量

3)新工厂生产物流与仓储物流的匹配；

4）车间的合理布局，层高

5）新产线的人工匹配，工序匹配等

6）基建的基本要求：弱强电，地基，空间等

7）投资与收益的精细核算

8）新工厂的流程规划与设计。

10.人才体系与治理架构的建设建议

1）智慧工厂建设需要复合型人才

2）有专业的建设团队和人才队伍

3）人才结构体系变化

4）业务流程与部分业务模式变化

5）绩效体系变革

6）标准化工作是关键

7)行业不同，业务特点不同，切入点不同。