推进智能制造，必须兼顾三个方面的要求：首先是必须要搞真正的智能制造，而不是给自动化、信息化等传统技术戴上“智能制造”的帽子，避免丧失历史的机遇。其次是搞智能制造的目的，必须是为企业创造价值，而不是去搞先进而不实用的东西。第三个要求是可行性，而可行性必须结合钢铁行业的特点，而不能照抄照搬离散制造业的做法。镀锌钢管厂对此事一直非常关注！
　　”前言
　　“有家工厂采用流水线的生产方式。生产的每个产品都可以是不同的、对应的工艺也不一样。但工厂仍然能够高效率、高质量、低成本地组织生产。”看到这样的描述，很多人可能会认为：这就是未来标准的工业4.0智能工厂。其实，宝钢等先进钢铁企业几十年来就是这么做的：热轧厂、冷轧厂生产的每一卷钢，都可以有不同的成分、规格、出厂检验标准和规格。现在流行的ERP、MES、PLM、CPS等概念，在宝钢的L1~L4级计算机系统中其实也早就有了雏形。
　　“在流水线上实现个性化定制”是工业4.0的重要标志之一。对很多行业来说，目前还是个遥远的理想、是下一步追求的目标。但钢铁企业早已实现了，下一步又该如何办呢?
　　自从智能制造成为热点，AR、VR、云制造、透明工厂等概念就开始渗透到钢企。有人认为，推进智能制造就要搞这样的技术。但我们的困惑却是：这些技术能创造价值吗?投入产出比合适吗?
　　我们知道，智能制造的基础是数字化，要发展数字化仿真技术。许多钢企在多年前就在做这一方面的工作了。但行业特点决定了，这些问题非常困难，难度远远超过离散制造业常见的、基于三维模型的模拟仿真。方向正确，却难以推进。
　　有人指出：与国外同行相比，我们的自动化水平还很低、人均吨钢数还较低。应该提高自动化水平、赶超国外。但我认为，目前我国在自动化领域的差别主要是经济可行性，尤其是劳动力成本的差别导致的。从经济发展角度看，提高自动化水平的工作是有意义的。但是，如果仅仅是用机器代替简单、重复性的劳动，只是补自动化的课，还是走在传统自动化技术的延长线上，并非智能制造的主流。
　　推进智能制造的另外一个思路是从业务需求出发。十多年前，许多钢企就提出了“大规模定制”、“从制造到服务”等战略口号。但实际进展与战略定位相比，却不理想。
　　总之，中国的钢铁企业既要补课，又要面临真正的创新。但创新之路如何走下去，需要认真地思考。
　　突破困境的思路
　　推进智能制造，必须兼顾三个方面的要求：首先是必须要搞真正的智能制造，而不是给自动化、信息化等传统技术戴上“智能制造”的帽子，避免丧失历史的机遇。其次是搞智能制造的目的，必须是为企业创造价值，而不是去搞先进而不实用的东西。第三个要求是可行性，而可行性必须结合钢铁行业的特点，而不能照抄照搬离散制造业的做法。
　　价值创造和行业特色，本质上都是体现在业务上的。要落实以上原则，必须落实在具体的业务上。也就是技术要服从业务。然而，智能制造不同于传统自动化和信息化的地方，在于支持业务本身的创新、帮助企业推进业务转型和提升，而不是局限于当前的业务。所以，要实现上述原则，我们需要从业务创新的角度考虑三个问题：
　　(1)智能制造促进业务创新的目标应该是什么?
　　(2)实现新业务目标的技术线路是什么?
　　(3)为了实现技术线路的配套条件应该是什么?
　　“方法决定于目标条件和约束”。业务目标确定以后，我们要确定技术线路，而技术的实现受到技术和非技术因素的约束。这是我们要解决的具体问题。三个问题都不好回答。难在争议很大，到底听谁的。要正确认识这些争议，就要分析这些观点是怎么来的。正如殷瑞钰院士所言，很多观点来自于国外先进的离散制造行业。我们知道，行业和国情不同，目标和方法都不能直接借鉴。要赶上智能制造这趟车，必须从智能制造的本质出发。
　　“本质”又是什么呢?要认识本质我们需要一个最基本的共识。我认为：以ICT技术为出发点、以价值创造为归宿，应该是基本的共识。在出发点和归宿之间的漫长道路，是智能制造所包含的内容。这条道路之所以漫长，是因为涉及到工业与ICT技术的深度融合，是互相促进、互为因果的漫长发展过程。我们把这个逻辑体系内的技术，归结为智能制造的核心内容。
　　智能制造的业务目标的业务目标
　　作为智能制造的业务目标，应该符合前面所述的三个基本要求。
　　对离散制造业来说，“在流水线上实现个性化定制”是最典型的业务目标。这个目标在先进钢铁企业早已实现。然而，为了实现这一目标，钢铁企业也付出了极大的代价：交接坯、余材、质量稳定性差、生产组织的困难、物流不顺畅、高能耗、人员业务量大(进而导致人多、自动化水平低)、产品设计问题多。从这个角度看，我们可以把解决上述问题的工作归结为减少个性化定制的负面问题。事实上，提高质量、自动化水平、缩短交货期、减少库存、推进个性化服务和集约化生产等大量的业务需求，都可以划归到这个范畴中来。我们把解决这些问题作为钢铁行业智能制造的业务目标。从这个角度看，人们对这个业务定位的目标是熟悉的、需求也是明显的。
　　于是，人们会产生新的疑问：对企业来说，这些问题都是老的问题，怎么能够通过智能制造来解决呢?这里就涉及到实现技术目标的技术线路了。
　　镀锌钢管厂家，实现业务目标的技术线路
　　要实现“降低个性化定制的负面作用”这一目标，本质是要在具体的业务活动中更加科学、快速地决策，进行更大范围的优化。智能制造的优势，在于推进智能决策。事实上，产品的(外)设计、钢种的合并、余材的处置、生产的组织、生产和产品异常的处置、质量动态控制、技术服务的本质都是做决策。过去，这些决策过多地依赖于人的经验，而今后则要推进智能决策来做得更好。
　　智能决策可以有不同的程度。可以是机器完全自动决策、可以是受人监控的自动决策、可以是机器辅助人决策。智能决策利用了计算机突飞猛进的计算能力，可以让决策更加科学、迅速。智能决策体现在算法上，但背后依托的则是数字化的信息和知识。
　　人们自然会有另外一种疑问：即便现在依靠人的决策，缺少的也是信息和知识。比如，很多问题出在用户需求识别不准确、设备状态不清晰、动态质量控制的知识缺乏、不知道钢种如何改判。这些知识往往是专业知识，在这种条件下，智能决策还不如人的决策，推进智能决策又有什么用呢?
　　我们认为：知识匮乏确实是个长期没有解决的问题。知识匮乏本质原因是“知识生产”的投入产出比问题。
　　我们知道，获取知识是需要成本的，比如做实验、培养人才等。在传统的决策模式下，知识往往附着于少数优秀专家的大脑中，这使得知识不能共享、难以重用、难以拓展。对于复杂的问题，受人的精力和能力的限制，往往要划分成若干子问题来完成，进而弱化了优化效果。这样，知识带来的收益是少的。而智能制造能够推动知识的重用、推动大尺度的优化、推动资源的共享、各个部门的协同，可以进一步推动知识的优化、无人化少人化、管理水平的提高、智能服务以及加快交货周期等。所以，在智能制造时代，知识带来的效益是完全不一样的。
　　要做到上述问题，不仅要加大“知识的生产”，更要对知识进行数字化、模型化。这个工作非常困难。但是要推进智能制造，这个困难是无法绕过的。
　　此外，还应该看到：智能制造所需要的知识难以数字化是钢铁行业的一个重要特点。冶金部原总工程师殷瑞钰院士也多次指出这个问题。这也决定了我们在知识管理的思路上与离散制造业是有差别的。离散制造业的PLM难以直接用于钢铁行业，也是这个道理。但是，我们认为：这个问题虽然困难，但取得本质性进展是完全可行的。
　　技术线路的重点之一，是解决如何低成本高质量地生产知识、管好知识，如何科学高频度地使用知识。这样，问题又转化成另外的问题：平台问题、标准问题、方法问题、组织结构问题等。例如，所谓标准问题，即要像过去管理产品和工艺标准那样管理智能制造所需要的、智能决策的知识。由于相关知识是零散的，需要用平台来管理;平台不仅要提升人对知识的管理能力，还要与知识的应用过程对接起来。这些问题，基本上是技术问题了。
　　我们设想，未来的知识生产可能由三类人分工协作：一部分人提出原始的知识，如操作工、现场操作人员。一部分人将知识进行提炼和规范化，转化成可数字化模型化的知识，如懂IT的业务专家;还有一部分人实现知识的数字化模型化，主要是IT技术和管理人员。这种设想，与人的专业能力局限有关。
　　智能制造的配套条件
　　知识是用在业务流程上的。在业务流程上实现智能化，要把感知、决策和执行统一起来。这里涉及到很多的问题：如感知和决策涉及到权限，执行涉及到资源和手段。如果没有权限和手段，业务流程是转不起来的。为了解决这些问题，就需要组织流程、商业模式改革。
　　如前所述，智能决策相关的大量知识，往往都是在人的脑子里面的。在很多场合下，知识的贡献意味着贡献者自己价值的贬值。面对这样的悖论，企业需要思考考核机制、企业文化、组织设置等问题。
　　再看得远一些会发现：知识重用和业务流程、市场定位、企业核心业务密切相关。要让知识发挥作用，必须转型到需要知识的地方(比如服务对象的改变)，要为知识的重用寻找“市场”。比如，要实现“制造到服务”的转型，很可能要面对中小客户。因为中小客户对服务的需求才是迫切的。
　　殷瑞钰院士一再强调：“钢铁是个耗散系统。”这一特征决定了我们还需要关注生产流程本身的设计和优化。事实上，“物理侧”是“赛博侧”发挥作用的基础和前提;对“物理侧”的优化和改进，也反映了“深度融合”的思想。
　　智能制造是个系统工程，有很多的层次和侧面。比如，技术要服从业务需求，尤其是新的业务需求，而新的业务需求决定于公司的战略方向，战略方向又取决于对外部市场的选择，对外部市场的选择又决定于社会发展所导致的市场本身的变化。我们设想，如果公司把快速响应、重视服务、推进无人化作为未来战略目标，智能制造就是必须要做的基础工作。