从已接触的几十家智能工厂和智能车间的案例情况来看，笔者发现他们存在几个相对普遍的现象。
1.生产批量较大的行业，智能工厂的投入产出较好。比如在化纤、棉纺、医药、电子这些行业，从投料到产成品的过程中，人工作业越来越少，通过生产装备智能化跃迁，企业赢得了可靠的规模优势。
江苏一家知名棉纺企业，在2018-2019年成功建起智能工厂，同样纱锭的用工人数只有传统工厂的五分之一，整体效能远超本地同行，竞争优势显著，现已基本收回了投资。
2.离散制造业的智能工厂建设容易重硬件、轻软件，忽视系统性。这种情况在机械加工、食品等行业比较普遍。
一方面，硬件看得见，也相对好比价，采购、安装都会顺利一些。另一方面，软件主要涉及生产管理、物料管理以及设备的控制系统与生产计划系统的对接等，在建设期难以充分考虑到正常运营以后的情形，所以后期有许多不匹配之处。
而系统性不仅包括信息系统，还包括上下游协同机制与智能工厂的互适应，基本上要在正式使用后才开始“见招拆招”地解决问题。
有一家做家居地板的企业，在裁切工段实现了智能化，但是由于工业协议的问题，每次生产任务执行前，都要花很长时间调节设计参数，并人工录入机器终端，造成效率低下，没有两三天批量的活，一般不轻易安排到这里。以至该工厂“沦为”一个可供参观的景点，而极少开机。
3.规划不同步。有些企业非常重视智能工厂的建设，但是在做新厂规划时比较草率，缺乏充分的调研学习，往往难以想象在一个具体空间里究竟如何让各个工站协同运作，会有哪些冲突等。
这就好像一家人突然从住惯的平房搬到楼房一样不适应。有一家企业在做新工厂布局的时候，待加工中心安装好之后，才发现AGV小车的物流路线与消防通道的设计冲突，解决办法是要么砸墙，要么撤掉一套加工中心，企业十分苦恼。
智能工厂的规划，其实涉及的领域非常多，包括水电气的管线、生产设备的空间布局、最短物流路线、机器人作业环境、工人操作的便利、人员动线、消防等等。
通常情况下，企业对智能工厂的理解是首先开展基建工作，基建完成后才考虑如何安放设备、更精细地规划空间，而没能有效实现提前设置。
总体来看，这些现象反映的问题如下：
一是忽视了规模经济规律，在工厂智能化投资的必要性上准备不足；
二是智能工厂作为工厂建设的创新容器，有一些完全不同于传统基建的流程和模式，而企业在人机协同、功能空间协同、上下游业务协同等方面缺乏预判；
三是常态业务情况下，企业对运营智能工厂所需要的资源、能力、外部条件的配置等缺少预判，导致增加了新的不可逆成本。
从某种意义上讲，智能工厂这几年被“玩坏了”。相当一部分投入成为工业互联网和智能制造这些标签下的“泡沫”。一些企业成为创新路上的“先烈”。同样，还有更多的企业在观望，他们因看到身边的失败例子而愈加恐惧。
那么，智能工厂在决策、建设与运营时，首要的考虑因素究竟是什么呢？
规模经济规律依然是经济的基本规律，尤其是在微观经济领域。与以往不同的是，现在的规模经济可以支持生产并非一模一样的产品，实现连续生产过程中“免”换型。数字时代的规模经济是基于经营分摊成本的测算展开的，其生产换型有条件做到完全不同的产品也可以低频换型，从而赢得规模，如3D打印机一样，又如数控钻床的钻头在预置后可以根据加工件的需要自动调换。在工业场景中，我们将规模性体现在工业能力被高效能“复用”，复用频度越高，工业能力的经济价值越强，其可持续性也就越好。工业场景的规模性要求工业能力充分社会化。在单一、封闭的价值网络里，工业能力被其他管理单元（市场主体）调用的机会并不多。但是通过在线方式的社会化之后，工业能力可以被更多的工业场景“看见”，这是一个相互作用的过程。工业场景的规模性产生订单“虹吸”，带来产业虹吸。保持规模化意味着单件产品的加工费用、采购成本可以更低，从而出现“价值洼地”，产生虹吸效应。规模经济并不是实态产品的规模大，而是随着同一种生产加工工艺持续时间越长，同一能力结构复用频度越高，从而带来了时间价值上的规模效益。从上面的叙述中，我们可以看到智能工厂的规模性局限主要来自两个方面：一是智能工厂换型的时间成本高，这往往来自上下游产业环境的约束；二是智能工厂装备之间的耦合性太强，订单匹配成本比较高。在生产任务不饱和的时候，产能的社会化受到极大的约束。因此，一部分企业家认为，智能工厂并不完全需要向“黑灯”工厂、全自动工厂这个方向发展，企业还需要从实际出发，突破性地提高瓶颈设备的产能，渐进性地提高装备之间的协同度，以及装备与业务订单履行之间的协同度。
△ 通过生产装备智能化跃迁，一些企业赢得了可靠的规模优势。图为自动落纱粗纱机，纺织行业智能工厂的主力装备之一（摄影：王甲佳）
务实之道
更精益地进行自动化改造
用数字技术升级价值链
1.在一些重复性工作较多、规范和标准相对完善的生产领域，可以更多地利用数字技术提高机器自动化水平，甚至采用机器人作业。比如针对装配、涂装、搬运等工作，工人只要监控机器状态，适时予以调整即可。在工作标准统一的场景下，机器的优势更为明显。比如以一牛顿的力把一号零件压入二号零件的孔内。对于一牛顿的力有多大，工人容易凭借自己的感觉和经验来把握。不同的人，甚至是同一个人在不同时间会有不同的感受，实际工作交付也只能“大差不差”。但是机器人却可以很好地解决这个问题。在传感器的帮助下，一牛顿的力始终就是那么大，保证每次都是同一标准。如果出现异常情况，机器人也会有差错，比如，零件的孔内有异物，但机器感知不到，会依然走固定程序。这时，就需要人工介入，随时监控机器人的运行状态，排除隐患。通过一些传感器的设置，这类问题也不难解决。机器人和工人特点各异，在具体场景中互相合作，各司其职，最终完成交付，这应该是一个比较合适的主流状态。机器人作业在遇到例外情况的时候，是不是一定需要人来干预呢？能不能产生新的应对策略，自主排除，恢复正常秩序呢？这个问题可能需要分不同的产业及场景进一步具体分析，属于持续迭代的范畴。2.在辅料、工具消耗比较多的领域，可采用数字技术进行升级。有一家钢材加工厂，在钢材的截断车间，每天要消耗二百多根锯条，是一笔不菲的成本。每天还有十几起因为锯条老化，锯条断在钢材里的情况，增加了电机烧坏后维修、返工等成本。电气和能源工程师根据历史数据，设定了一个不同工况条件下锯条使用寿命时长的基本数据。同时，通过电流传感器检测电流的变化，锯条老化后，电机工作电流会慢慢升高。当检测到电流连续3分钟（不同工况有不同的时间）超过额定值的时候，适时与该工况下的锯条使用寿命做比较，并通过警铃提示进行人工干预。这个技术改进项目实施半个月后，截断车间的锯条消耗下降了20%，额外的损失没有再发生。令人惊喜的是，能耗也下降了，节约综合成本经测算达1万多元。这就是非常显著地通过数字技术进行“小改小革”的例子，实际上是升级了企业价值链，企业节约了成本，生产秩序得到了更好的保证。实现这些并不需要立刻上马高端的锯床设备。前面我们提到智能工厂的一个约束，即由于标准意义的智能工厂在其组件和环境方面的高度耦合，它更适合作为一个整体来实现社会化，也就是为其他同行企业所用。在需要敏捷协同的领域，尤其是项目制造类的业务中，这是一个局限。国内有一些项目制造类公司，他们在关注单台设备效能的同时，更关注如何通过面向产业链上下游的透明来实现既有产能所创效益的最大化。实际上是通过数字技术将自己的单台设备、设备组合的工况动态信息开放给产业伙伴。
工厂智能化改造优先，还是透明化改造优先？不同企业会有不同选择。就最终的商业利益以及市场竞争力而言，在生产方式维度增强透明化，在生产力维度增强智能化，是相得益彰的
