中国制造业总量和规模已跃居世界第一，但制造业竞争力仅排世界第七。从“制造”到“智造”的革命之路，仍然漫长。
那到底什么是智能制造呢？
智能制造关注的是信息技术与制造技术的融合——即将物联网、大数据、云计算等新一代信息技术，与设计、生产、管理、服务等各个制造环节融合起来，形成先进的制造过程、系统与模式。
就是说，不是你在工厂里放几个机器人就能傲娇地宣称自己是“智能制造”了，那顶多叫“生产自动化”。要做到真正的智能制造，至少需要做到1253，请记住这一四位数的神秘代码！
一个概念：虚拟工厂
通常我们提到传统制造的时候，一定会想到工厂、生产线和设备，在智能制造时代，载体依然是工厂，但是智能制造建设的新模式是“物理工厂+虚拟工厂”。
物理工厂的概念不难理解。它依靠自动化生产设备构建而成，是智能制造的基础，也是绝大多数中国制造工厂现阶段转型提升的重点，即实现生产自动化。
但何谓“虚拟工厂”呢？请看图：
在生产自动化的基础上，通过应用物联网和大数据，以端到端数据流为基础，以互联互通为支撑，构建高度灵活的个性化和数字化智能制造模式，实现信息深度自感知、智慧优化自决策、精准控制自执行，这是虚拟工厂建设的重点，也是制造行业在生产自动化程度已经达到较高水平后，将装备优势转化为产品和市场优势、实现升级转型和赶超世界先进水平的重点路径。
两个新主角：物联网、大数据
物联网的核心价值是运用新一代信息和通信技术，把传感器、感应器等智能装置（信息系统）嵌入到电网、交通、建筑、工厂、货物等各种物体和环境（物理系统）中，通过有线和无线网络加以连接形成物联网，再通过网络和云计算，把物联网和互联网整合起来，将物体接入信息网络，通过人、生产与产品的实时联通与有效沟通，实现对实体世界的控制。
大数据分析应用指通过将企业内部全流程运营数据和外部移动互联端、社交媒体端、社会化物联网端，以及延伸到消费者的智慧化物联网数据，纳入到完整的“洞察—响应—提升”闭环式精益管理中来，帮助企业充分发挥大数据分析的辅助决策作用。
制造型工厂以提升质量、降低成本、提高效率为根本目标，聚焦产品的生产能力和保障能力。应用物联网技术，在生产设备自动化基础上，让制造过程中的各种数据源互联互通，实现信息流的自动化，使整个制造链条全程可视，通过大数据分析将海量的隐形数据转化为显性数据，并将信息及决策建议实时提供给生产一线的操作工人、主管和高级管理人员，帮助企业增强制造洞察力，提高IT灵活性，帮助工厂完成最有挑战性的运营目标。
五个目标：生产柔性、质量优质、设备稳定、成本控制、能耗寻优
生产柔性：为适应瞬息万变的市场，企业由大规模生产向大规模定制和更高级的个性化定制转变，要求工厂的生产线具备模块组合能力；在模块组合生产中，借助于物联网技术，对生产模块中混线生产的个性化定制半成品、成品进行实时追踪、组合配置与调度，实现工厂的柔性化生产，并解决大规模生产向定制化生产转型带来的不确定性、多样性和复杂性问题。
海尔集团通过物联网技术，通过布设在门体、U壳等各模块和总装线之间的数百个RFID和数千个传感器，实现各模块生产与总装线互联。在接收个性化订单后，各模块按个性化需求生产相应部件。在总装线混线装配中，根据订单及产出的各部件关联的消费者信息进行零误差装配。物联网技术让生产周期缩短50%，也让消费者参与到生产中。
质量优质：借助物联网技术，企业可以对全生产过程的数据打上批次烙印，整个链条每个环节彼此关联，并记录每个环节的关键参数。出现质量异常时，可追溯任何一个工艺环节，并确定异常产生的原因。另外，运用大数据分析工具建立质量预测分析模型，通过主动分析原材辅料质量检验数据、设备工艺参数变化等，发现潜在质量问题，保证产品优质。
厦门烟草和埃森哲携手合作，借助物联网和大数据技术，通过建立质量批次管理机制，实现对卷烟生产全过程的物料使用状况跟踪，及全过程质量关联性分析。确保不同型号的机台，在使用不同产地种植的烟叶时，按照同样的生产工艺及配方保持感官口味一致；并在发现质量异常时，快速定位和分析质量异常的原因。
设备稳定：传统的设备运维策略只是从设备本身出发，未考虑设备特性及设备对业务的影响程度及维修成本，很难制定高效的设备运维策略。在设备出现故障后，简单的依据设备重要性采取分类分级维修保养策略，并不能有效提高设备管理效率，也不能保证生产系统的稳定，可能在故障发生时已有大批存在潜在质量风险的产品被产出。新的技术可以提前知晓设备状态参数的微小变动，避免带来不易察觉的质量隐患。
力拓集团携手埃森哲，通过对设备历史故障几率、维修成本、业务影响程度分析，结合设备属性，对设备进行分类排序；根据设备历史故障大数据分析，建立设备预知性模型。通过接收设备传感器数据，实时监控设备状态；利用预知性模型分析数据，对运行状态分类；通过设备健康性实时分析，分析设备故障出现概率，避免计划外的设备故障所造成的损失。设备预知性平台上线后，设备非计划停工时间最大减少至75%，设备生产效率提升5%到25%，设备总体成本降低至15%至30%，项目投资回报率超过10倍。
成本控制：按照财务维度逐层从车间、工段，一直细化到机台和生产线，明确各层级岗位对应的可控成本费用范围及成本目标。按照业务维度结合生产计划和物料清单,将成本目标分解到各产品规格，结合各产品的生产工艺，制定工序成本定额标准体系，输出产品各工序定额成本，建立产品的目标成本；最终形成岗位成本自我改善目标，使企业获得较强的竞争优势。
埃森哲与厦门烟草联手，将工厂成本管理责任单元分为部门（车间）、区域、生产线（工段）、机台4个层级。高一层级不仅对归属于本级的可控直接成本负责，对下一级的可控成本也负有一定的间接管理责任；每一层级制定相关的指标和参数，准确及时反映整个成本管理过程中存在的问题；将成本管理的事后控制转变为过程控制，让管理层及时采取措施应对暴露出的问题，实现成本管理的精细化；通过构建统一的成本数据应用平台，实现成本数据与业务现场数据的集成；用大数据分析全面支持业务运作、成本管控和决策分析，实现岗位成本自我改善，帮助决策层更准确地评估企业成本状况，大大提高企业决策的成功率。
能耗寻优：提高能源效率是节能减排、降本增效的主要手段。借助物联网对能耗进行监控，运用大数据分析建立多维数据分析模型，通过关联更多维度和数据项，揭示人为因素与能效控制目标的偏差；对设备运行参数和能耗历史数据作出分析，发现能耗偏离计划目标的情况；整合相关数据并分析、挖掘能耗异常原因，指导设备调整，优化生产工艺，实施更高效节能管理，最终改进企业能耗表现。
华谊集团在化工生产过程中结合设备工艺数据，收集和分析大量分散的能耗数据，帮助能源管理人员找到影响设备能耗的因素，通过物联网对能源管网实行动态监测，在线检测整个企业的生产能耗动态过程，使整个能源消耗过程信息化、可视化，实现用能从粗放式到精细化管理的转变；对出现的能耗异常作出报警、预处理并实时调整，实现平衡、调度与优化，从整体上提高能效水平和能源管理效率。
三个阶段：信息、洞察、行动
要充分发挥物联网和大数据分析技术的长处，帮助工厂应对转型挑战，需统一考虑物理层级与虚拟层级的能力建设要求，在推进生产过程数字化、管理流程智能化、决策智能化建设等方面进行能力建设，将数据转化为洞察，由洞察产生行动，推动技术、组织、管控、能力各维度的同步提升，真正实现“感知—洞察—评估—响应”闭环的顺利运作与循环提升。
这一部分包含三个阶段。1、数据提炼信息。聚焦于信息和数据管理，建立数据管理规则，指导海量数据辨识处理与信息提炼。2、信息转化为洞察。重点是通过相应的运行机制、数据分析平台和数据分析手段，利用数据分析挖掘原因，为管理决策提供支持。3、由洞察产生行动。通过将分析洞察引入业务运营，实现最优决策的相关工作流程及建立相关评价工具、方法和流程，衡量大数据分析带来的业务洞察对业务产生的实际价值。
文章最后，小A将智能制造新模式下的企业业绩提升情况汇总成了一张图表，供您参考。
（作者敖方为埃森哲产品制造行业总监，孙凌志为埃森哲信息技术咨询经理，王林为埃森哲战略咨询供应链经理。）