智能制造能力成熟度模型|智能制造成熟度模型与实施路径

智能制造能力成熟度模型（智能制造成熟度模型与实施路径）
在笔者看来，作为制造企业的愿景和目标，智能制造的本质不只在于企业的产品或服务的竞争力（企业之“用”），更在于企业作为一个系统的生态存活能力（企业之“体”），即企业适应环境和市场变化的能力。在智能制造时代，企业要能够敏捷执行和实时变化，要能够自学习和自适应。“学习型组织”是彼得圣吉对优秀企业的要求，不过他主要指的是企业中的人、组织结构和企业文化；智能制造则把自学习、自适应的能力要求扩充到企业的整个系统，包括人、组织、文化、技术、流程、资源、设备、工具，等等。具体来说，就是运营技术（Operation Technology ， OT）、信息技术（Information Technology ， IT）、通讯技术（Communication Technology ， CT）、人和组织等四者的融合，以及融合之后的自学习和自适应。
（1）进化阶段和路径
企业系统从无知、混沌的状态到自学习、自适应的状态，是从无序到有序，从懵懂到明智的进化过程。从企业数字化转型和智能制造建设的角度来看，这个过程大体可以分为五个阶段：互联化、可视化、透明化、可预测和自适应，这也可作为企业智能制造的建设路径。

图1：智能制造的进化阶段和路径
在互联化阶段，企业系统的各个要素及运行都可用数字来表达。在信息化时代，业务的数字化显现主要通过手工录入来完成，在数据的准确性、完整性、及时性方面都有一定的缺陷。面向智能制造时代，通过物联网和人工智能（图像识别、语音识别等）等技术的应用，理论上讲，业务的数字化显现工作可以自动完成，数据在准确性、完整性和及时性等方面有了指数级提高。
在可视化阶段，企业系统的数字化显现被赋予了业务意义。在信息化时代，业务的可视化主要以交易或记录为中心，以统计学技术来表示业务运营的特征，比如总量、最大、最小、平均、中位数、环比、同比、TOP N ，等等。面向智能制造时代，随着云计算技术的发展，企业更注重业务发展轨迹的变化，数字主线和数字孪生成为了业务可视化的新型展现方式，并使业务远程管理等业务场景成为可能。
在透明化阶段，关注的是企业系统各要素之间的关系，以及企业业务运营和变化的背后，因果关系的寻求。在信息化时代，企业能够得到的主要是业务变化的“How” 。面向智能制造时代，随着数据数量和质量的大大提高，以及高级分析技术的发展，企业更关注业务变化的“Why” 。有了对企业系统中因果关系的清晰认识，就可以做制造运营的仿真和优化，从而实现精益制造。
在可预测阶段，关注的是业务运营的未来变化，以便于企业提前做好应对。在信息化时代，企业对业务变化的预测主要是通过统计学方法来实现的，比如SPC（统计过程控制技术）在制造管理中的应用，其在适用范围和准确性等方面还有很大的局限。面向智能制造时代，随着机器学习等技术的发展，可供应用的预测技术更加多元化，线性回归、神经网络、决策树、支持向量机等技术在制造业都可以找到其适用场景。
在自适应阶段，企业系统的运营已经实现了高度自主。作为智能制造的高级阶段，企业系统可以根据环境的变化做出实时调整，并根据应对措施的效果反馈进行自学习和算法优化。在自适应阶段，智能制造的表象就是少人化，甚至零人工干预，并实现柔性制造和自主制造。
（2）组织范围和能力要求
根据企业系统智能化的五阶段划分，对于不同的系统要素，其所处的阶段是不同的。为了对系统要素的智能化程度有个更具体的认识，以便于后续的改进优化，本文从四个维度、九大视角来对组织范围和能力要求进行划分，即资源维度，包括资源的数字化映射和结构化沟通；技术维度，包括数据处理和信息集成；流程维度，包括纵向的执行链，端到端的产品链和资产链，横向的价值链；文化维度，包括变革的意愿和社会化协作。