什么样的人能引领工厂智能制造发展？

如在开篇中谈到的，合格的人才和团队是是智能制造落地并发挥作用的基础。我们要善于利用三个层次的人才，智能制造引领部门的人才，公司各职能领域的人才和外部人才。其中引领部门是智能制造推动的核心部门（它可能是IT部门，也可能是制造工程部门），负责智能制造的整体规划，组织规划中各子项目的实施落地，保障已经实施的系统正常运行及不断优化，合格的智能制造引领部门人才就显得尤为重要。本文将重点讨论智能制造引领责任人的能力需求，要具备什么样的知识储备和技术能力才是理想的能承担引领公司智能制造发展重任的人员。

图一、智能制造推进责任人能力需求模型

能力的需求依赖于根据公司实际情况定义的智能制造规划，不同的公司可能规划不同，应用环境不同，那么对应的能力需求也不尽相同。本文以比较通用的智能制造应用框架为基础进行讨论（如图一左侧所示），其中不同的层级对应解决工厂不同层级的问题，时间维度从长到短，业务执行的颗粒度也逐步变细，为了和不同管理层级的用户进行顺畅的沟通，并理解用户需求，作为智能制造推动人员需要对多个管理层级涉及的业务领域知识有所了解甚至理解。同时为了推动业务方案通过系统实施落地，对应的管理和技术能力也是必须的，如图一右侧所示列出了作者所认为的每一层级所需要的业务知识、管理和技术能力需求，供参考和讨论。

智能制造应用框架在这里是分为四个层次：设备层（从数据采集的角度进一步细分为生产设备-PLC-监控与采集三个层次）、制造执行层、研发与计划层、数据分析层。设备层是实际执行生产并实现增值的地方，在自动化时代生产装备的生产效率已经有了很大提高，但智能制造时代对设备的数据采集、自动化的深度协同提出了更高的要求；制造执行层的存在进一步优化各类车间资源的调度和管控，为设备层的生产创造条件；研发和计划层的管控时间跨度相对制造执行层更长，从更宏观的角度根据客户需求进行产品设计，对内外部供应链进行规划，并与制造执行层系统交互，达成客户交付，满足公司财务目标；大数据分析应用是智能制造区别于传统IT系统的重要特征，它的数据来源于多个层次，通过抽取整合存储后，对数据进行建模分析，实现从数据到知识到决策的管理支持。

下面分别从业务知识，技术和管理两方面讨论引领工厂智能制造发展所需要的知识结构。

1.业务知识

对应于企业的运营管理体系，不同的管理层级需要的知识积累和能力是不一样的，相应的智能制造应用框架的不同层级要解决的业务问题也不尽相同，考虑到智能制造的规划实施是全方位的，作为智能推动人员对各个层级的业务知识都要有不同程度的涉猎。

大数据分析层更多的面对中高层管理人员，帮助管理人员从大量数据中提炼出知识，进而辅助决策。企业战略规划是怎样的，规划是如何落地的，企业组织结构是怎么设定的，各部门如何进行考核并协同达成企业目标，公司各层级又是如何做决策的等等，要具备从公司管理层角度思考的能力，这样保障规划和实施的大数据应用场景是可以为管理人员服务，可以发挥应有的价值；

研发与计划层覆盖了客户需求采集，产品研发与设计，并驱动内外部供应链及生产制造，是制造企业运营管理的主体，也是对企业运营成本影响最大的部分。智能制造责任人对研发流程，供应链管理，生产计划及物流，工艺过程，客户交付及服务流程要比较熟悉，对财务管理尤其是各业务阶段的成本数据采集及优化都需要有深入理解，和各业务部门人员保持频繁的沟通交流，能对业务运营过程中的痛点有所体会，从跨业务领域、跨部门的角度去审视价值链，追求整体价值最大化的业务方案，进而定义出有效支撑业务运作的IT系统，且确保系统间信息交互简单、有效。

制造执行层要求推进人员有一定的生产运作管理知识，尤其熟悉精益制造理论并应用。制造执行层的目标是以最小的成本代价，最高的产品质量，最短的生产时间满足客户需求，其管理颗粒度较之研发与计划层更细，生产工单的生成，计划排程，物料派送，工艺过程，生产质量，生产设备，车间员工，仓库管理，成品报产及客户发运等都可能影响产品的成本质量及交付，这些领域知识需要有所涉猎。

2. 技术和管理能力

工厂业务领域知识的了解和掌握为业务需求向智能制造方案的转换打下了良好基础。在将业务需求转换为智能制造方案并落地的过程中，较强的技术和管理能力是需要具备的。我们从下面5各方面阐述需要的技术和管理能力。

首先要具有规划整合能力，这体现在智能制造战略的制定及落地上。智能制造战略是服务于企业战略的，如何基于成本、公司现状及各种资源约束规划出效果好、可执行性高的智能制造战略是有一定挑战的；而在规划落地的过程中，从业务交互来说涉及到多个部门、多个层级的业务梳理整合和沟通，从技术上来说涉及不同规模、技术类型的系统集成，这种复杂性要求有很强的资源整合能力和推动能力。很多项目在启动之初看起来很不错，但最后实施下来并不满意，源头可能就在规划和整合上出了问题。

其次是项目管理与运营能力，这也是对项目落地过程进行科学管控并保障顺利运行的过程。按照PMP认证的定义，项目管理涉及5大过程（启动、规划、执行、监控、收尾）和9大知识领域（整合、范围、时间、成本、质量、人力资源、沟通、风险和采购管理），不仅理论上理解这些内容，更重要的是能在实际工作中灵活运用这些知识处理项目实施过程中的问题；项目实施完毕只是项目开始发挥作用的开始，还需要进一步定义规范化的运营规则，持续监控项目运行，纠正偏差，不断优化，使系统始终保持健康状态。

第三点是方案制定与集成能力。这是对业务需求进行调研并转化为系统方案的实际执行步骤，并通盘考虑不同业务类型、不同IT系统之间的集成。下面会谈到智能制造方案中涉及到的不同系统，比如PLM, ERP, MES等，这些系统本身比较复杂，而相互之间有频繁的数据交互。项目组织中通常有不同的角色，可能有专门的咨询顾问承担需求调研、方案制定等工作，但作为核心人员，了解并能承担这些工作是有意义的。

第四是对技术方案及其应用的熟悉。对图一中所列智能制造框架中，技术方案涉及到数据仓库、商务智能BI、PLM、ERP、MES、PLC、数据感知（传感器）多种系统，这些系统相互集成共同组成一套相对完整的智能制造方案。不管是那一种系统，需要理解系统的主要操作流程及应用模式、熟悉系统架构及部署方式，对各自系统的应用难点最好也有相应研究，比如数据仓库的建立、BI建模、高级计划及排程、设备的数据集成方式等。另外所有的技术方案离不开IT基础设施的支持，对基本的网络架构、数据安全、服务器架设等需要学习和理解。

最后要保持对各类新技术的敏感度，引入合适的新技术支持业务改善。物联网、大数据、云计算、机器人、人工智能AI、增强现实AR、虚拟现实VR、3D打印甚至区块链等多种智能制造时代的新技术层出不穷，有很多已经投入实际应用，在业务运作中发挥着重要作用。自动数据识别极大提高了财务发票匹配的效率，大数据分析在提高设备利用率也显现出效果，机器人在提高效率和良率上有相当的优势，很多的应用也在往云平台上迁移，使IT系统也能轻资产运行。当然对新技术保持敏感度，并不意味着为了应用新技术而应用，要冷静思考工厂是否有合适的业务场景，是否有可信的投资回报，是否能从长远优化业务，优先挑选能带来切实改善的方案。

这里想强调的是虽然上述讨论对智能制造引领部门责任人提出了各种能力需求，但不意味着智能制造的推进是一种个人行为，相反它必须依靠团队的力量，个人很难精通所有的业务和技术领域知识。如图一中所示，这里将各种知识和技能按照(a)掌握、(b)理解和(c)了解三个层次进行分类，掌握必须掌握的，而需要理解和了解的知识在项目管理和沟通中将发挥重要作用。