近些年我国智能制造技术及其产业化发展迅速，并取得了较为显著的成效。智能化以及工业自动化等新兴的科学技术已经融入到了工业发展之中，与国外发达国家相比我们已经取得了不小的成绩。但就目前中国智能制造的现状而言，我国与发达国家相比差距还是很大的，如果放在一个更为宏观的场景里观察中国智能制造，我们会发现有很多制约因素影响着它的发展。鉴于此，我们在发展智能制造过程中，也还需要且行且思考。

一、生产模式与材料的制约

在本文中，我们明确智能制造以实现“个性化生产”这个提升企业自身竞争力的产品战略为导向，采用信息技术，将生产中各个环节的数据传输到管理系统，通过动态的优化来“提升质量、降低成本、缩短产品交付周期”。

机械刚性制约

目前很多产业的生产方式，多是对现有的原材料，无论是金属材料、塑性材料、纤维材料还是半导体材料等，通过一定的切削、成型、编织等工艺进行加工，而这些加工很多在机械上是有制约的。例如制药，我们不能进行“插单”实现灵活定制化，因为每个批次的药物需要进行清洗生产环境才能进行另一个生产，很多影响生产质量的参数无法实现在线的调整，这必然会导致产生不良品，而质量迭代需要有批量基础的数据才能实现提升。

材料科技与制造的融合研究

智能制造中的3D增材打印技术是中国智能制造的一个热点，但是，在材料方面、加工速度与成本方面还是有瓶颈制约的。材料科技没有突破，传统的生产工艺也无法实现突破。例如：节能最有效的是工艺节能——通过工艺的彻底改善，以新的生产方式来实现能耗的降低。但改进工艺是困难的。一个例子是，数字印刷虽然很好，但是喷墨头的材料与加工目前没有创新性进步，国内在这个方向就无法实现制造领域的新进展。其他像油墨技术、黏胶技术、高性能金属材料、特种纤维材料等，都在各自应用领域存在类似问题。

在基础和新型材料方面缺乏创新，会导致我们的制造业仍然在这些领域受制于人，无法真正实现制造业的升级，在信息化、自动化方面的能力再强，也无法产生更具竞争力的产品。

二、现阶段信息融合的制约

数据未被系统有效采集存储

目前，在推进智能工厂的过程中，我们会发现由于原有的设备来自不同厂商、不同代次，这造成工厂设备间无法互联。在控制器上，动态的数据如印刷套色的偏差及影响值、纱线CV值等传统生产的数据都无法被有效采集。很多时候，这种情况出现并非是技术封锁造成的。供应商当然不愿意开放核心技术，但很多时候，这些参数在传统的生产模式下根本未被考虑，因而导致数据被大量浪费，没有实现有效采集。而无法互联互通则仅仅是制约因素之一，反倒是相对容易突破的。

信息模型

在很多企业的生产线数据互联升级中缺乏信息模型，使得对于采集什么样的数据，如何使用这些数据，都没有有效的标准化以及应用软件的支撑。

信息化与自动化的融合

在信息化与自动化的融合中，最为普遍的现象就是，在很多工厂里，管理系统使用最有名的SAP/ORACLE的ERP系统，代表着全球最顶级的管理水平，采用的是自动化程度最高的生产线。然而，这些信息化系统和自动化系统仿佛两个世界的人，他们相互并不认识，说的也是不同的语言，两化融合的效果并不尽如人意。原因在于，很多企业并没有很清晰的产业升级初衷，只是因为老板说了“我们的同行都在做智能制造，我们也要上智能制造系统”，只是为了升级而升级，这种升级投入，效果打折扣是在意料之中的。

智能算法的推进

经过数据采集、传输，数据到达所谓的云平台、大数据平台，之后这些数据如何被分析优化呢?传统的专家系统采用类似于深蓝这种工程，经过了数十年的数据累积与处理经验。因此，如果没有数十年的积累，智能化制造仍然是没有能力实现“智能优化与决策”的。

三、管理升级的制约

精益生产

“精益”是数字化的基础，这已经有很多共识，包括现在投入到智能制造项目中的人也会深刻体会到这一点。然而，精益生产的基础在日本已经数十年，应用到中国智造中，却显得有些急功近利。

事实上，如果去一些企业，甚至是大企业观察会发现，在生产制造的质量控制、仓储物料管理、能源管理、资产维护等环节，仍然存在大量的“浪费”——如果用精益生产的标准去看这些问题，我们就会发现，制造业内部的提升空间仍然是巨大的，仅在现有的生产环节上去挖掘，依然可以带来巨大的收益，可以让企业产品质量得到提升，生产成本得以降低。

组织架构设计

除了精益生产带来的收益，面向未来的智能制造，我们还会发现，原有企业的垂直事业部门之组织架构也对智能制造的顺利开展形成制约。因为需要信息采集与共享，这里共享的不仅仅是数据，也包括了业务流程的重组与优化。传统的企业组织架构实际上已经无法满足新智能制造对于信息流的需要，以及由此产生的新的职责界定、内部决策机制的变化的需求。

基于这种现实，打破部门界限，使管理架构向扁平化发展，更为“网络化”的组织内部信息流才能适应智能制造的网络互联特性，否则，就会导致整体系统无法正常运行。

合作战略

在智能制造时代，显而易见的趋势是，企业不再是个体的竞争，而是企业联盟的竞争，仍然依靠自己的力量形成垄断的组织将会在未来的协同中被逐渐边缘化，而新的商业生态系统正在构建。如何将内部的信息更加有效地分享，新的合作模式如何更加明确地被定义与实践，都是需要探索的方向。

四、人才培养与教育的制约

创新性人才

创新驱动已经谈了很多年，然而，在缺乏人才与开放体系支撑的情况下，所谓的创新无非是“新瓶装旧酒”，缺乏本质的变化。对制造业的智能化进程来说，用传统的思维去理解未来的智能制造无法推动整个制造业的发展。

智能制造并不等于机器换人。机器人并不能完全替代人工，且智能制造与机器人自身发展离不开专业技术人员，其催生的新产业生态更是需要大量合适劳动力。因此，如果不能形成智能人才支撑，企业可能跌入转型陷阱：有智能工厂，却没有人操作。“互联网+”和智能制造时代对技术技能人才知识结构复合型的要求更高，但企业普遍面临的窘境是，目前院校培养的学生素质和企业实际要求严重脱节，许多新业态已风生水起，但院校却没有相关专业。

在一个市场化的环境里，制造业企业应当积极培养与引进创新型人才，虽然这种投入不是每个企业都有实力的，但一些龙头企业可以率先这样做。除了培养和引进创新人才，如何整合人才资源也十分关键。这要求我们要有一个顶层的设计，即制度设计和体系设计，这样各行各业的制造企业才会有积极性。

全局性人才培养

智能制造需要架构设计，而这种架构，从集团企业的每个部门的架构形成，到产品、技术的研发细节，都需要结构性的思维和对问题分析的完整性、连续性。这些思维的缺乏会导致智能制造从顶层设计到底层实现的各个环节发生“顾此失彼”、“捉襟见肘”、“东拼西凑”的现象。如果没有形成整体的架构运行机制设计，也会造成“重复投资”、“项目返工”、“未解决实质问题”等后遗症，不仅不能成为智能制造效率提升的方向，反而限制了公司的升级速度。

五、平台架构缺乏制约

中国制造进程中，我们重视在可见的硬件方面的投入，但是，在软件开发平台方面，我们还有着不少软肋。智能制造最大的特点在于“集成”特性，而集成就一定会需要基于“平台”来实现。而像AutomationStudio、西门子的Portal这样的开发平台，尤其是Pro-e、Solidworks、CITIA等这种集仿真、设计、制造等于一体的平台的缺乏，对于智能制造所需的“集成”形成羁绊。

六、安全风险制约

安全不仅包括技术性的信息安全问题，也包括管理性的安全问题，包括在法律层面的安全问题。

信息安全风险

信息安全首先是我们谈到的“被攻击”、病毒防护问题，这些只是技术层面的问题，能够找得到有效的解决机制。

在大数据时代，数据的使用权利界定问题会更加明确，信息作为最重要的资产如何管理、如何协作，仍缺乏法规方面的界定。

智能制造中的安全问题曾经在欧洲引起极为广泛的关注。基本上大部分设备厂商都在开发功能安全系统并已经投入应用，而我们对功能安全的投入相对还很少。

这很大程度上缘于我们对安全问题的认识不足。传统上，我们认为系统安全不会有直接产出。实际上，对于智能制造时代的互联而言，其中一个单元的安全都会影响其他生产单元，某个机器的停机会造成巨大的关联浪费，因此集成系统的安全就成为迫切需要关注的问题。

当然，很多安全问题本身也是因为基础缺乏，还没有发展到更高的自动化程度，或者没有升级到信息化融合的过程。对安全系统的清晰认识还制约着我们的智能制造进程。

智能制造业还需要国家资金、政策的支持，这也是制约因素，但是如果对上述六点限制能够有足够的重视和有效的行动，也足以让我们在智能制造业发展路上走得相对更加扎实些。