在当前智能制造的热潮之下，很多企业都在规划建设智能工厂。那么，智能工厂的规划要考虑哪些核心要素？关注哪些维度？

1.制造工艺的分析与优化

在新工厂建设时，首先需要根据企业在产业链的定位，拟生产的主要产品、生产类型（单件、小批量多品种、大批量少品种等）、生产模式（离散、流程及混合制造）、核心工艺（例如机械制造行业的热加工、冷加工、热处理等），以及生产纲领，对加工、装配、包装、检测等工艺进行分析与优化。

企业需要充分考虑智能装备、智能产线、新材料和新工艺的应用对制造工艺带来的优化。

同时，企业也应当基于绿色制造和循环经济的理念，通过工艺改进节能降耗、减少污染排放；还可以应用工艺仿真软件，来对制造工艺进行分析与优化。

2.设备联网

实现智能工厂乃至工业4.0，推进工业互联网建设，实现MES应用，最重要的基础就是要实现M2M，也就是设备与设备之间的互联，建立工厂网络。那么，设备与设备之间如何互联？采用怎样的通信方式（有线、无线）、通信协议和接口方式？采集的数据如何处理？这些问题企业应当建立统一的标准。

此基础上，企业可以实现对设备的远程监控，机床联网之后，可以实现DNC（分布式数控）应用。设备联网和数据采集是企业建设工业互联网的基础。

3.设备管理

设备是生产要素，发挥设备的效能（OEE-设备综合效率）是智能工厂生产管理的基本要求，OEE的提升标志产能的提高和成本的降低。生产管理信息系统需设置设备管理模块，使设备释放出最高的产能，通过生产的合理安排，使设备尤其是关键、瓶颈设备减少等待时间；

在设备管理模块中，要建立各类设备数据库，设置编码，及时对设备进行维保；通过实时采集设备状态数据，为生产排产提供设备的能力数据；企业应建立设备的健康管理档案，根据积累的设备运行数据建立故障预测模型，进行预测性维护，最大限度地减少设备的非计划性停机；要进行设备的备品备件管理。

4.数据采集

生产过程中需要及时采集产量、质量、能耗、加工精度和设备状态等数据，并与订单、工序、人员进行关联，以实现生产过程的全程追溯。出现问题可以及时报警，并追溯到生产的批次、零部件和原材料的供应商。此外，还可以计算出产品生产过程产生的实际成本。有些行业还需要采集环境数据，如温度、湿度、空气洁净度等数据。

企业需要根据采集的频率要求来确定采集方式，对于需要高频率采集的数据，应当从设备控制系统中自动采集。企业在进行智能工厂规划时，要预先考虑好数据采集的接口规范，以及SCADA（监控和数据采集）系统的应用。不少厂商开发了数据采集终端，可以外接在机床上，解决老设备数据采集的问题，企业可以进行选型应用。

5.工厂智能物流

推进智能工厂建设，生产现场的智能物流十分重要，尤其是对于离散制造企业。智能工厂规划时，要尽量减少无效的物料搬运。很多优秀的制造企业在装配车间建立了集中拣货区(Kitting Area)，根据每个客户订单集中配货，并通过DPS(Digital Picking System)方式进行快速拣货，配送到装配线，消除了线边仓。

标致雪铁龙工厂装配车间的集中拣货和RGV应用

离散制造企业在两道机械工序之间可以采用带有导轨的工业机器人、桁架式机械手等方式来传递物料，还可以采用AGV、RGV（有轨穿梭车）或者悬挂式输送链等方式传递物料。在车间现场还需要根据前后道工序之间产能的差异，设立生产缓冲区。立体仓库和辊道系统的应用，也是企业在规划智能工厂时，需要进行系统分析的问题。

6.生产质量管理

提高质量是工厂管理永恒的主题，在智能工厂规划时，生产质量管理更是核心的业务流程。质量保证体系和质量控制活动必须在生产管理信息系统建设时统一规划、同步实施，贯彻质量是设计、生产出来，而非检验出来的理念。

质量控制在信息系统中需嵌入生产主流程，如检验、试验在生产订单中作为工序或工步来处理；质量审理以检验表单为依据启动流程开展活动；质量控制的流程、表单、数据与生产订单相互关联、穿透；按结构化数据存储质量记录，为产品单机档案提供基本的质量数据，为质量追溯提供依据；构建质量管理的基本工作路线：质量控制设置-检测-记录-评判-分析-持续改进；

质量控制点需根据生产工艺特点科学设置，质量控制点太多影响效率，太少使质量风险放大；检验作为质量控制的活动之一，可分为自检、互检、专检，也可分为过程检验和终检；质量管理还应关注质量损失，以便从成本的角度促进质量的持续改进。对于采集的质量数据，可以利用SPC系统进行分析。制造企业应当提升对QIS（质量管理信息系统）的重视程度。

7.智能厂房设计

智能工厂的厂房设计需要引入BIM（建筑信息模型），通过三维设计软件进行建筑设计，尤其是水、电、气、网络、通信等管线的设计。同时，智能厂房要规划智能视频监控系统、智能采光与照明系统、通风与空调系统、智能安防报警系统、智能门禁一卡通系统、智能火灾报警系统等。

采用智能视频监控系统，通过人脸识别技术以及其他图像处理技术，可以过滤掉视频画面中无用的或干扰信息、自动识别不同物体和人员，分析抽取视频源中关键有用信息，判断监控画面中的异常情况，并以最快和最佳的方式发出警报或触发其它动作。

整个厂房的的工作分区（加工、装配、检验、进货、出货、仓储等）应根据工业工程的原理进行分析，可以使用数字化制造仿真软件对设备布局、产线布置、车间物流进行仿真。在厂房设计时，还应当思考如何降低噪音，如何能够便于设备灵活调整布局，多层厂房如何进行物流输送等问题。

8.智能装备的应用

制造企业在规划智能工厂时，必须高度关注智能装备的最新发展。机床设备正在从数控化走向智能化，实现边测量、边加工，对热变形、刀具磨损产生的误差进行补偿，企业也开始应用车铣复合加工中心，很多企业在设备上下料时采用了工业机器人。

未来的工厂中，金属增材制造设备将与切削加工（减材）、成型加工（等材）等设备组合起来，极大地提高材料利用率。除了六轴的工业机器人之外，还应该考虑SCARA机器人和并联机器人的应用，而协作机器人则将会出现在生产线上，配合工人提高作业效率。

9.智能产线规划

智能产线是智能工厂规划的核心环节，企业需要根据生产线要生产的产品族、产能和生产节拍，采用价值流图等方法来合理规划智能产线。智能产线的特点是：在生产和装配的过程中，能够通过传感器、数控系统或RFID自动进行生产、质量、能耗、设备绩效（OEE）等数据采集，并通过电子看板显示实时的生产状态，能够防呆防错；

通过安灯系统实现工序之间的协作；生产线能够实现快速换模，实现柔性自动化；能够支持多种相似产品的混线生产和装配，灵活调整工艺，适应小批量、多品种的生产模式；具有一定冗余，如果生产线上有设备出现故障，能够调整到其他设备生产；针对人工操作的工位，能够给予智能的提示，并充分利用人机协作。

设计智能产线需要考虑如何节约空间，如何减少人员的移动，如何进行自动检测，从而提高生产效率和生产质量。企业建立新工厂非常强调少人化，因此要分析哪些工位应用自动化设备及机器人，哪些工位采用人工。对于重复性强、变化少的工位尽可能采用自动化设备，反之则采用人工工位。

10.能源管理

为了降低智能工厂的综合能耗，提高劳动生产率，特别是对于高能耗的工厂，进行能源管理是非常有必要的。采集能耗监测点（变配电、照明、空调、电梯、给排水、热水机组和重点设备）的能耗和运行信息，形成能耗的分类、分项、分区域统计分析，可以对能源进行统一调度、优化能源介质平衡，达到优化使用能源的目的。

同时，通过采集重点设备的实时能耗，还可以准确知道设备的运行状态（关机、开机还是在加工），从而自动计算OEE。通过感知设备能耗的突发波动，还可以预测刀具和设备故障。此外，企业也可以考虑在工厂的屋顶部署光伏系统，提供部分能源。

施耐德电气的Ecostructure平台提供了企业能效管理的整体解决方案；三菱电机则提出了能源JIT理念，福山制作所对空调系统、空压机、锅炉等耗能设备进行重点监控，对于非生产时间的能耗进行追溯，对生产线每个工位的能耗进行检测，将节能的责任分配到班组，从而节约能源。

11.制造执行系统

MES（制造执行系统）是智能工厂规划落地的着力点，MES是面向车间执行层的生产信息化管理系统，上接ERP系统，下接现场的PLC程控器、数据采集器、条形码、检测仪器等设备。MES旨在加强MRP计划的执行功能，贯彻落实生产策划，执行生产调度，实时反馈生产进展；

面向生产一线工人：指令做什么、怎么做、满足什么标准，什么时候开工，什么时候完工，使用什么工具等等；记录“人、机、料、法、环、测”等生产数据，建立可用于产品追溯的数据链；反馈进展、反馈问题、申请支援、拉动配合等；面向班组：发挥基层班组长的管理效能，班组任务管理和派工；面向一线生产保障人员：确保生产现场的各项需求，如料、工装刀量具的配送，工件的周转等等。

为提高产品准时交付率、提升设备效能、减少等待时间，MES系统需导入生产作业排程功能，为生产计划安排和生产调度提供辅助工具，提升计划的准确性。在获取产品制造的实际工时、制造BOM信息的基础上，企业可以应用APS(先进生产排程)软件进行排产，提高设备资源的利用率和生产排程的效率。

12.生产无纸化

生产过程中工件配有图纸、工艺卡、生产过程记录卡、更改单等纸质文件作为生产依据。随着信息化技术的提高和智能终端成本的降低，在智能工厂规划可以普及信息化终端到每个工位，结合轻量化三维模型和MES系统，操作工人将可在终端接受工作指令，接受图纸、工艺、更单等生产数据，可以灵活第适应生产计划变更、图纸变更和工艺变更。有很多厂商提供工业平板显示器，甚至可以利用智能手机作为终端，完成生产信息查询和报工等工作。

13.工业安全

企业在进行新工厂规划时，需要充分考虑各种安全隐患，包括机电设备的安全，员工的安全防护，设立安全报警装置等安防设施和消防设备。同时，随着企业应用越来越多的智能装备和控制系统，并实现设备联网，建立整个工厂的智能工厂系统，随之而来的安全隐患和风险也会迅速提高，现在已出现了专门攻击工业自动化系统的病毒。因此，企业在做智能工厂规划时，也必须将工业安全作为一个专门的领域进行规划。

14.人工智能技术应用

人工智能技术正在被不断地被应用到图像识别、语音识别、智能机器人、故障诊断与预测性维护、质量监控等各个领域，覆盖从研发创新、生产管理、质量控制、故障诊断等多个方面。在智能工厂建设过程中，应当充分应用人工智能技术。

例如，可以利用机器学习技术，挖掘产品缺陷与历史数据之间的关系，形成控制规则，并通过增强学习技术和实时反馈，控制生产过程减少产品缺陷。同时集成专家经验，不断改进学习结果。利用机器视觉代替人眼，提高生产柔性和自动化程度，提升产品质检效率和可靠性。IBM开展了通过人工智能算法来分析质量问题，并找出改进措施的实践，取得了实效。

15.精益生产

精益生产的核心思想是消除一切浪费，确保工人以最高效的方式进行协作。很多制造企业采取按订单生产或按订单设计，满足小批量、多品种的生产模式。智能工厂需要实现零部件和原材料的准时配送，成品和半成品按照订单的交货期进行及时生产，建立生产现场的电子看板，通过拉动方式组织生产，采用安东系统及时发现和解决生产过程中出现的异常问题；同时，推进目视化、快速换模。很多企业采用了U型的生产线和组装线，建立了智能制造单元。推进精益生产是一个持续改善的长期过程，要与信息化和自动化的推进紧密结合。

16.生产监控与指挥系统

流程行业企业的生产线配置了DCS系统或PLC控制系统，通过组态软件可以查看生产线上各个设备和仪表的状态，但绝大多数离散制造企业还没有建立生产监控与指挥系统。

实际上，离散制造企业也非常需要建设集中的生产监控与指挥系统，在系统中呈现关键的设备状态、生产状态、质量数据，以及各种实时的分析图表。在一些国际厂商的MES软件系统中，设置了MII（Manufacturing Ingetration and Intelligence）模块，其核心功能就是呈现出工厂的关键KPI数据和图表，辅助决策。

17.数据管理

数据是智能工厂建设的血液，在各应用系统之间流动。在智能工厂运转的过程中，会产生设计、工艺、制造、仓储、物流、质量、人员等业务数据，这些数据可能分别来自ERP、MES、APS、WMS、QIS等应用系统。因此，在智能工厂的建设过程中，需要一套统一的标准体系来规范数据管理的全过程，建立数据命名、数据编码和数据安全等一系列数据管理规范，保证数据的一致性和准确性。

另外，必要时，还应当建立专门的数据管理部门，明确数据管理的原则和构建方法，确立数据管理流程与制度，协调执行中存在的问题，并定期检查落实优化数据管理的技术标准、流程和执行情况。企业需要规划边缘计算、雾计算、云计算的平台，确定哪些数据在设备端进行处理，哪些数据需要在工厂范围内处理，哪些数据要上传到企业的云平台进行处理。

18.劳动力管理

在智能工厂规划中，还应当重视整体人员绩效的提升。设备管理有OEE，人员管理同样有整体绩效-OLE（整体劳动效能）。通过对整体劳动效能指标的分析，可以清楚了解劳动力绩效，找出人员绩效改进的方向和办法，而分析劳动力绩效的基础是及时、完整、真实的数据。

通过考勤机、排班管理软件、MES系统等实时收集的考勤、工时和车间生产的基础数据，用数据分析的手段，可以衡量人工与资源（如库存或机器）在可用性、绩效和质量方面的相互关系。让决策层对工厂的劳动生产率和人工安排具备实时的可视性，通过及时准确地考勤数据分析评估出劳动力成本和服务水平，从而实现整个工厂真正的人力资本最优化和整体劳动效能的提高。

总之，要做好智能工厂的规划，需要综合运用这“十八般武艺”，从各个视角综合考虑，从投资预算、技术先进性、投资回收期、系统复杂性、生产的柔性等多个方面进行综合权衡、统一规划，从一开始就避免产生新的信息孤岛和自动化孤岛，才能确保做出真正可落地，既具有前瞻性，又有实效性的智能工厂规划方案。同时，还可以基于这些维度来建立智能工厂的评估体系。

智能工厂的规划是一个十分复杂的系统工程，需要企业的生产、工艺、IT、自动化、设备和精益等部门通力协作；同时，也需要引入专业的工厂设计和智能制造咨询服务机构深入合作。

文章来自网络，版权归作者所有，如有侵权请联系删除

“感谢冠卓咨询老师对项目组的全程辅导，通过做项目我们学会了如何用系统科学的方法分析研究问题；开阔了我们的视野并让我们的管理人员明白了团队协作的重要性。”

——北京某电器公司