标签: 工厂智能化

企业信息化数据转型管理 目前随着工厂智能化企业信息化管理的推进，很多企业都开始对企业内部业务模式进行创新，怎样让内部和外部信息对接更加流畅、快捷、精准，也就是怎么做数字化转型?数据化转型需要技术，但是技术也要在了解行业的前提下才能把它用好。 核心是信息和数据分析 中国工厂智能化企业数据化转型可以分为两类，一类是一批互联网和科技龙头企业已经在数字化转型方面取得了非常明显的效果，他们已经形成了数字化产业。还有一类是传统企业的数字化转型，他们不属于数字化产业，但是企业利用数字化的进度非常惊人。 从企业的角度来说，数字化实际上渗透进了企业的价值链，从前端的营销、销售渠道、客户的管理到中台的风险、内部控制、内部审计，再到后端的财务与运营等所有的环节，改进的空间都很大。当然，不同行业、不同企业需要的数字化转型服务是不同的。 而从为企业提供咨询服务来说，就是要针对不同应用领域的场景，为企业提供不同的解决方案。比如，有的企业很关心销售，需要了解销量在未来3个月、6个月是怎么样的发展情况。提前了解到这些信息以后，对整个生产的排班计划，对原材料采购，仓储管理就有了统筹考虑，同时也可以准确预测未来3—6个月产品的销量。 以食品为例，食品的消耗和使用取决于很多因素，比如当地人口密度、经济水平、天气情况、节假日等因素，这些是外部因素的影响。还有企业的内部因素，每年什么时候是食品销售的旺季，通过什么渠道，是走门店的形式、走销售，还是直营的形式。综合考虑到以上的外部和内部因素，可以预测产品的销量，进而为企业制定最有效的生产方案。 以公司考勤管理系统为例，之前企业用EXCEL表单、考勤机自带系统、或者OA系统或者ERP系统，或者用轻型钉钉系统，转变到具有全局规划性的定制化的eHR人力资源管理系统，架构企业集团化公司人力资源管理，方便扩展企业更多信息化管理系统。 简单地说，核心就是通过数据分析为企业提供解决方案。这些数据既有企业自己提供的，也有根据以往的行业性和区域性经验生成的外部数据，将内部和外部数据综合起来提出解决方案。 企业信息化管理数据转型关键点 中国在数字化转型当中会遇到很多困难，这些困难是有共性的。 第一是人才不足，人才分布也不不均衡。目前中国的创新人才主要存在于三种企业中：新技术人才通常很年轻，他们很多时候分布在互联网公司，特别是典型的互联网公司聚集了一大批这样的技术人才。还有一类人才在咨询服务机构，第三类人才主要集中在龙头企业。从另外一个方面来说，这些企业对战略非常重视，他们也引入了相应的人才，相对来说很多企业并不具备这样的人才储备。 第二是基础设施不完备。由于历史原因，很多企业在信息化的过程中缺乏长期长远规划，今天上一个系统，明天上一个系统，造成了很多历史上遗留的问题，最典型的是数据和系统之间不兼容，互相补通。举个最简单的例子，前台的销售系统记录了客户信息，后台的售后系统还有售后信息，对客户要进行多角度观察，不能系统之间有割裂，形成信息孤岛。基础建设方面并不是投入多少钱买多少软件，买多少硬件就能解决的，更多的是如何能够把信息在企业内部无缝流畅地流转。 第三是企业的机制需要改进。一旦步入了信息化时代，从信息化中得到的收益，包括对整个价值链条上的销售人员、风险管理人员、财务人员，对他们的管理机制也需要转型。在数字化时代，不是按照传统的方式，今天加了多少班、完成了多少报表，而是要让人有去做技术意识的转型。 对于企业的转型速度，并不能简单说传统企业转得慢。适应创新是对的，但创新也意味着风险。虽然互联网企业的运作非常好，但也要看到大批的“独角兽”死掉了。 “独角兽”企业死掉的原因比较复杂，其中一个比较突出的问题是不能找准市场，有稳定的用户基础，这就是一个很关键的要素。我们看到，有些企业更多地是兜售概念，走的是投资、圈钱的路子。所以企业时刻应该思考下一步的风险，下一步的重点，下一步的创新在什么地方。我们看到一些龙头金融企业，他们也创建了自己的金融科技公司，这就是很典型的创新表现。 企业大数据整合运用 未来的企业，需要的是一个数据大整合平台，对大企业来说要通过一个很大的咨询项目深入的了解到企业背后的原因，制定转型的方向，比如公司 考勤管理系统 ;对中小企业来说，可能就缺乏这样的人力和财力去集中解决问题。 举例来说就是，大型企业反欺诈、反舞弊是很重要的课题，可是在小企业，怎么样能专门有一组人去研究反欺诈、反舞弊，他们请不起咨询公司做一个立项，但是问题又真实的存在，所以利用大数据会成为成本低又有效的解决办法。 谁拥有了数字，谁就拥有了未来市场的先机。所有企业的经营和管理的决策都是基于信息做出的，企业首先要做的事情是能把整个企业的运行的全貌有一个系统性的了解。 当然，大数据平台的搭建需要企业拿出自己的数据，这首先需要打消企业的顾虑，因为企业数据最重要的就是有很强的保密性，这就需要平台搭建是建立在强大的技术和安全基础之上的。数据的互联，可以很容易接入到大数据平台上，包括销售、采购、运营、财务、内控的企业软件管理等方面数据的无缝对接。这也需要提供很好的用户体验，平台进行联通后企业可以快速获得他想要的信息。 目前很多企业都对数据共享存在顾虑，数据安全与数据价值，永远需要平衡。从技术上来说，未来两到三年在数字化产业或者说转型中，会有一些企业软件管理领域取得突破。首先，随着技术的推广和下沉，技术不仅仅服务于龙头企业，还会惠及更多中小企业，特别是实体经济企业，这些技术会给企业带来更多的收益。 其次，目前很多技术侧重于前端，也就是企业的获客、营销相对来说占了很大比重。像财务、风险、内控，这些领域会成为新技术应用的低洼地带。这会在两到三年内，看到企业在这些方面获得很大提升。这是企业发生的内在要求，在发展期比较注重前段，在转型期随着价值链不断完善，技术会渗透到企业运营的方方面面，内控、内审、财务等领域会有比较大的提升。 值得注意的是，技术的应用场景在中国市场的复杂性、产业链的完整性，其实超过了发达国家，这就需要为创新提供很好的环境和土壤。其实，现在很多国家来看中国怎么做的，这种趋势正在发生。

如果把第四次工业革命看成是一场追逐游戏，第一梯队的各玩家都有什么样的杀手锏？他们的出招模式有何不同？中国工业的发展路子该怎样走？ “知道”(nz_zhidao)跟你谈谈在工业4.0各国都在干神马。 默克尔访问中国汽车工厂。 在刚刚过去的10月份，德国工业4.0与中国制造2025完成了一次漂亮的“联姻”。10月29日，德国总理默克尔访问中国，与中国签署了“德国先进技术推广中心”、“电镀污水处理”等15个合作文件，拉开了中德两国工业4.0合作的序幕。 工业老大哥为何看重还未完全从2.0模式中脱骨的中国小弟？对此，德国驻华大使柯慕贤曾向南方周末记者透露，在工业4.0的发展路径上，中国和德国的切入点类似，是德国的天然合作伙伴。而美国、日本等传统工业强国却因切入点的差异与德国存在竞争属性。 那么，如果把第四次工业革命看成是一场追逐游戏，第一梯队的各玩家都有什么样的杀手锏？他们的出招模式有何不同？对于中国工业的发展有何借鉴？让我们先从这场游戏的规则制定者开始一探究竟。 规则制定者：德国 杀手锏：工厂智能化 路径：自下而上，传统工业的智能改造 要理解德国工业4.0路径，可以追溯到这个概念提出的背景。在工业2.0及之前的世界工业变革中，德国一直是世界工业化领导者、行业游戏规则制定者。然而，从以信息技术为主导的工业3.0以来，德国曾经一度落后。由于整个欧洲的互联网底子极为薄弱，作为以实体经济为主导的国家，德国天生缺乏信息技术的革命土壤。 面对美国等发达国家的“再工业化”带来的刺激，以及以中国为首的新兴国家制造业的“底层翻身”，德国只能从自己的优势领域开始革命，先发制人提出工业4.0战略。基于德国工业的优势与弱势，其4.0战略路径必定是传统工业向信息技术化发展的“自下而上”路径。简单说来就是传统工业制造的智能革命，借助信息产业将其原有的工业模式智能化和虚拟化，定义智能工厂和智慧生产，抢先建立“游戏规则”。 在智能工厂的生产流水线上，每一个原材料的盒子上都贴有射频码。 智能工厂什么样？我们可以从一个刹车部件生产车间里看到它样貌。在流水线上，每一个装有原材料的盒子上都贴有射频码，也就是这盒零部件的“身份证”。这张身份证可以在不同场景下进行不同的“对话”：与机器对话，在流水线生产中，告诉机器下一步应该做什么；与仓库对话，盒中的零部件用完后，在特定环节通过盒子 上的射频码识别进入网络系统，自动向供应商提出新的订货要求……这种高自动化原材料输送系统，是庞大的智能工厂中的一小部分，它可以实现生产流程可视化监 管，从而减少库存，降低消耗，提高效率。 玩家二：美国 杀手锏：IoT（Internet of Things，物联网） 路径：自上而下，通过信息产业带动工业发展 同样以汽车制造业为例，我们可以发现，美国路径与德国路径最大的不同，在于工业革命的驱动力。“工业4.0”的美国版称为“工业互联网”，顾名思义，美国希望在各种工业环境下建立互联性，充分利用它强大的互联网能力，带动工业的发展。 举特斯拉的例子，它的安全极速可达每小时297.7公里，百公里加速只需3.2秒，续航480公里。然而这样一款酷炫的车型其实是“拼凑”出来的，它的材料 和零部件分别来自14个国家的不同供应商。不同于德国努力打造智能工厂，优化制造流程，美国却把自己的制造业外包出去，它通过“互联网”建立中枢系统，支配其他国家为其供给“血液”和“营养”。这就需要一个IT技术极为成熟的国际网络生产管理系统来支持全球化的生产，通过大量的数据收集和分析，保证所有生 产线持续不断的标准化生产。 工业机器人在汽车生产车间工作。 举个简单的模型为例，如果要做到甲厂生产的螺丝恰好可以被乙厂的螺丝刀拧进丙厂生产的螺母，那么每一颗螺丝的尺寸就都需要完全符合标准。特斯拉的动力系统中 7000多块电压完全一致的圆柱型小型锂电池的生产正是根据这个模型。生产线上大量的传感器和软件，以及大数据分析，可以实时测试每个电池组的电压，然后 自动的调节电流，以确保电压完全一致。 这一工业资源的智能整合，其内涵大大超过了制造过程本身，是美国工业互联网的一大特色。 玩家三：日本 杀手锏：能源与效率 路径：延续德国模式，加大社会创新力度 在美德两国火拼下，日本制造业也不再低调。 实 际上，日本的产业竞争力一直居于世界前列，甚至一度赶超德国和美国。联合国工业发展组织发布的《2012-2013年世界制造业竞争力指数》报告表明，日 本以0.5409的工业竞争力指数排第一，德国和美国分别排第二和第三。这和上世纪六、七十年代日本在发展的转折点选择重点发展工业制造，而非重点发展 IT产业的决定有关。 面对工业4.0的压力，日本重新将IT、物联网、大数据在制造业中的作用写进了《日本2015版制造业白皮书》。由此 看来，日本工业的发展路径与德国类似，但它更走出了自己的优势。日立（中国）有限公司总经理水本真治先生在接受南方周末记者采访时说到，“日本工业的发展 趋势总体看来和美德等国都是一样的，而日本的特色是利用工业4.0手段进行的社会创新，从改善社会基础设施切入，通过完整的工业解决方案，最大程度地提高 人们的生活水平与生活效率。” 第17届中国国际工业博览会日立展位。 在 日前开幕的第17届中国国际工业博览会上，记者了解到日立为了推进智能物流业务，开发了智能物流模拟系统Cyber-PoC。在现场展示的该系统在苏州的 模拟事例中可以清晰地看到，利用循环取货和共同配送的核心功能，可以提高供应链效率，降低城市能耗。通过Cyber-PoC智能演示道具，可在事前设定不 同条件进行模拟，让效果直观呈现。 首先，日立智能物流系统Cyber-PoC会根据多家客户每天不同的供应链需求，定制一张原材料供应商的 最优取货路线图，以及当天卡车的装载方案。然后，对应的卡车会到第一个供应商处装上准备发运的原材料，按事先设计好的路线到第二家、第三家，以此类推，直 到装完所有材料再运送到各客户工厂处。 在高度共享与连贯的网络中，如果制造商的生产计划有变，将会实时反馈至系统，确保卡车可以迅速调整取货方案。并且，系统会实时显示配送路况，卡车可以灵活调整取货路线，避开拥堵。 日立工作人员在工博会展台向记者讲解智能物流系统的工作模式。 这种高度集成的智能物流系统，实现了“高频少量”的运输模式，进而减少了供货不及时的风险，降低配送延迟率；同时，大幅减少了车辆数、驾驶员数，并且避免了 单线模式的空载返回的情况，降低了总体成本，减少尾气排放。在日立集团公司的智能物流试行中，以循环集货为前提，智能物流可以令运输配送路程削减42%， 配送成本削减10%-20%。 不仅在工业制造领域需要物流，在一个供应链日趋全球化的时代中，每天都有成千上万的生活物资在流通、交换，因 此智能物流系统是社会创新的基础与保障。而如何通过工业4.0触及更广泛的民生问题则体现了一个国家的社会创新是否可以达到新的深度。在这点上，日立在民 生领域的发展版图也成为了日本工业的缩影。 在医药领域，医药品生产管理系统“HITPHAMS”可记录从原药生产到之际制造工序的完整信 息，提高实现优质、可靠的以药品制造；食品工业领域，数字综合监控系统“HIDIC-AZ”可为食品加工企业提供智能型的监控解决方案；在智能硬件制造领 域，日立糖尿病康复伴侣系统可为使用者提供个性化服务（饮食、运动指导等），提供与医生以随时沟通的管理平台…… 从日立的发展我们可以看到日本制造业社会化发展的决心。我们可以大胆地猜测在未来生活的每一秒钟，各种需求都可能被积聚起来进行有效整合，从而实现最有效的生产供给。 无论路径如何，德国、美国、日本这些工业第一梯队上的玩家都看到了实体经济的重要性。反观中国的工业化发展，那个在世界印象中只会生产衬衣袜子的时代已经远 去。从中 共十六大第一次提出“两化融合”的雏形，再到2015年国务院公布《中国制造2025》， 中国制造业的水平已经有了质的飞跃。但在今天我们仍然可以看到它所存在的诸多基础问题：制造业大而不强，自主创新能力弱、产品档次不高……而不同于美德等 国从工业3.0到工业4.0的渐进式发展，我们需要实现从工业2.0到4.0的跨越式发展。这一过程难免痛苦，有些问题只能“边跑边调整”，并不断从美、德、日等工业强国的发展路径中获得一些借鉴。

　　无论在美国、还是在欧洲、或是日本，构建智能工厂(Smart Plant / Intelligent Plant)正在被全球制造业领域不约而同地选为下一个中长期的愿景目标;而工厂智能化作为当前国内制造业转型升级的重要目标，也得到了业界、学界和政府层面的广泛认同。 　　然而，我们却发现，“什么是智能工厂”在世界范围内，并没有一个明确的统一标准。不同的人对此都有个性化的理解与表述。主观有积极推进智能工厂，提升自身竞争力的工业企业们和所谓智能化工厂解决方案提供商们也都站在自己需求角度、或针对特定目标的实现方式上，存在着或多或少的差异化解读。 智能工厂有体量门槛? 　　大家对“智能工厂”愿景的细节理解莫衷于是，所以如果有比较中立的相关基金会、非盈利组织，其观点就更容易让众多业界的讨论者与关注者求同存异地达成基本共识。Smart Process Manufacturing基金会，一个关于“智能工厂”话题的国际组织对智能工厂有所阐述，内容主要提及：智能工厂的概念构建是多维度的，它包括工程交接，应用集成，在运营、维护和决策支撑的ERP系统之间的工程协作;客户或监管的远程浏览门户，文档管理和控制。而所有这些解决方案是为了让客户、合同承包商，供应商在统一的信息分享环境下，简化协同工作的流程。提高企业内部外部全价值链的工作流的质量与效率。霍尼韦尔(中国)过程控制部的资深技术专家姜亚春先生也关注到了这个国际组织在智能工厂话题上的论述，他告诉记者：“我认为这个智能工厂基金会组织的概念大方向是正确的，尽管现在这个概念还很难落地。” 　　姜亚春之所以认同这个概念，是因为这个概念采用了现在IT发展方向上一个大趋势，那就是云计算。这也就是说，大型生产型工业企业应该建一个平台，就类似Google的安卓或者苹果的应用商店一样，建这么一个庞大的系统放在云端。然后跟这家大企业相关的客户，供应商，或者其他合作伙伴，都围绕这个平台来建APP应用。这其中的潜台词难道是说，建设智能工厂只能是有构建大型信息化自动化平台能力的大型生产企业的专属品吗?姜亚春对此直言不讳，他说：“是的。超大型工业企业才是推动智能工厂的核心玩家，全力打造符合自身集成和协同、知识管理、绩效管理需求的综合智能化平台。而中小企业的角色更多的是大企业建好的平台和规则下，做外围价值链上供应商、配套商应该做的技术升级与改变。” 　　如果事实真如姜亚春先生所言，那会着实影响不少对智能工厂概念保持关注的中小生产企业的积极性了。争议在于，对于智能工厂的文字拆解上的浅显理解就是智能化的工厂，即：一家工厂的自动化程度到达一定水平之后，通过信息化与自动化的结合，实现更少人因的介入，更智能的机器、设备与生产系统，能实现更加高效、优化的、柔性的生产。这未必与姜亚春重点强调的云计算有直接的关系。作为一个集团而言，多个智能化工厂的管理和彼此之间的信息化通讯才需要考虑通过云平台，但没有云平台就不是严格意义的智能工厂吗?没有供应链整合也算不上智能工厂吗? 　　“智能工厂是针对实体而言的，针对一个厂，这种描述没有错，”姜对此回答说，“但是它不可能是静态的，割裂的，不向周围延伸的。对于一个集团公司而言，它一定会有上下游企业，有供应链。工厂里头面临的最大的挑战就是上下游供应链上的问题，这包括能源的供应链，把上下游供应链解决好，智能工厂的流程才能真正捋顺，否则可能就很难说了。价值链上的众多外围的配套企业、服务企业，其客观财力及其对构建平台的话语权上，都是根本无法和大型集团级别生产企业相提并论的。” 智能工厂难度极大? 　　在姜亚春的脑海中，智能工厂除了实体的工厂要有智能化生产的基础软硬件条件以外，还要将各个工厂间做系统集成，并引入与之智能化“节奏”相配套的供应链。这都是牵一发动全身的事情，必须得到整个集团公司的认可和顶层设计，而这个顶层设计尚没有固定的模式，也没有固定的方向，所以实践起来还是需要摸着石头过河。 　　是智能工厂实践难度确实很大，当前讨论尚不成熟?或是实现智能工厂这个目标本身就不够清晰，存在很大变数和风险的不确定性呢?难道说智能工厂不过一种是当前工业领域的有市场导向的炒作行为?姜说：炒作谈不上，但智能工厂的实践很难，难点不在于外围供应商的协作配合，而是在于位于价值链核心地位的大型、超大型集团企业自身的智慧化平台的建设。这就好比基于在苹果ios平台或是谷歌安卓平台上开发应用，很多人都可以开发，但要建立这个平台，无论是苹果公司，还是谷歌公司，其自身绝对实力和为此平台的海量投入都是能达到这个量级的少数企业才有可能做到的成就。并非每一个企业都能玩得起的。其实，姜亚春认为：“讨论智能工厂也有一些好处，把某些理念推广一下，或者鼓励某些行业的人尝试增加投入，就能在技术上对工厂企业实现某些有益的改进。我想如果在工厂的现场层、感知层做出努力，可能在短期内就能对于某些方面实现能力上的局部性的提升，乃至跃升。但是如果要在整体上达到我们所谓的智能化工厂目标，那还有很长的路要走。当前无论国内国外，我们还没有看到任何工厂是真正在实施这样一个完整的整体架构的，更不用提是否获得成功了。” 智能长征第一步 　　打造智能工厂虽挑战很大，但这仍不妨碍我们现在就着手做些什么，以期让我们距离智能工厂的远期目标更加接近一步。当前什么才是我们首先要先做到的呢?对此，姜亚春给出了自己的建议，那就是解决好当前工业企业最迫切的提升需求。 　　什么是当前工业各行业最迫切的，最有普遍性的需求呢?姜亚春介绍说：拿石油石化行业举例，可视化协同是这个行业企业一个比较迫切的需求。特别是对那些综合性的部门，像总调度，或者是生产部门，他们想解决的问题就是可视化。此前，大屏幕显示是有的，但是有7、8套系统的信息需要显示，操作员要在每套系统的显示界面之间来回切换，然后去找信息，很不方便。信息化系统是建了很多套，但建完以后，控制室操作员意识到，信息变成了海洋，想找到他最关心的核心信息反而比较难了。 　　智能化工厂第一个特征要做到可视化。可视化并不等同于“大屏幕”，而是强调对信息的实时把握。很多不同职能部门的人需要的信息不一样，生产管理者、运营者最关注的指标与信息并非越多越好，可视化就是要通过统一的界面让不同角色的人能看到其需要的准确信息。不同部门交流的时候，在一个统一的平台上就可以直接做交流。可视化可以有助于及时发现问题，而解决问题时，在工作流的具体执行上需要协同、交流、形成结论并贯彻执行，对进程有可追溯的进度报告。协同很可能涉及到多个部门，甚至与外部的咨询专家，协同平台的好处就在于大家可以基于统一的在线平台，而不是离线的。据姜亚春说，智能化工厂，最起码要有这样一个统一的可视化的协作平台。霍尼韦尔下一代的协同可视化软件Intuition Executive (简称IX)，就重点着力解决可视化和协同的问题。 　　另外，无论是霍尼韦尔的协同可视化软件IX，或是其最新版本的报警管理系统，都可支持在平板电脑和手机上的可视化和协同。本来这个报警信息是中心控制室的操作员才能看到的，受众范围很小。而现在可以通过移动互联网的方式，让更多的人更方便的看到。这对于现场和控制中心，乃至其他部门的人，非常方便的进行协同工作。移动互联也是工厂智能化的一个比较明确的发展方向。 　　从工程角度上看，每一个行业都有行业特性，所以企业别说你要一个什么标准的智能化工厂，所谓智能化，一定要根据你企业自身需求量身定做的。姜亚春说：智能化工厂目前没有一个统一的标准设计，但建议作为集团公司建设智能化工厂时需要在顶层设计统一的基础架构，例如霍尼韦尔的协同可视化软件IX及Intuition家族的其他应用(包括操作监视IOM，操作日志IOL，报警管理等)都是建立在统一的Intuition平台上的，该平台可以统一提供一些共性的东西，例如支持移动设备，工作流管理，统一数据采集接口，语义模型等。一个某企业真要实施智能化工厂这样一个项目的话，那么这一定是一个行业特征性很强的项目，而且跟各个工厂自身特点有关联的定制化项目，所以完全照搬复制的模式几乎不可行。 　　知识的传承和共享的电子化也是一大趋势。老的操作员有经验的操作员退休，新的操作员得接上，他脑袋里形成的经验和知识，如何有效地传递给新人?这是一个现在很现实的问题。霍尼韦尔现在的报警管理系统新的功能，叫报警管理数据库。其作用就是对各种报警的价值、意义做出说明，如一个报警发生的原因是什么?如果不处理造成后果是什么?如果要处理的话应该怎么去处理?而这些信息，正是企业有经验的操作员作为知识经验记录下来的。 智能工厂需要顶层设计与基础建设并重 　　姜亚春的观点是：若小处着眼，无论报警管理系统多先进，它也只是一个系统工具，要较好的运用这个工具，和运用这个工具的企业水平，包括人员水平都有关系。若大处着眼，构建智能工厂面临问题也是一样的。姜连续设问：“企业要做智能工厂，你的基础在哪?你达到了什么水平?你的总体架构师在哪?”你的基础在哪?基础不只是说拿钱砸的硬件基础，还包括人的素质基础。你达到了什么水平?台阶总要一个一个上，跨越式发展谈何容易。智能工厂，不管你预测维护，还是要做产品升级基础要先做好，比如仪表检测。感知层要有足够的数据量，有足够的数据源，这样智能化决策才不至于沦为无源之水、无本之木的断头方案。你的总体架构师在哪?谈到总体架构师，姜对这个职位的描述是：这个人级别很高，要达到集团副总裁级别的，而且他不管人，只管统一架构设计，这个人在业务上很厉害，很有权威。他拥有IT部门的背景，对行业、应用也非常熟悉，他来把握整个集团公司的架构。包括硬件架构、软件架构、流程架构等架构的规划设计。国外的超级工业企业都有这样一个职位的人。而在国内他还没有看到过。“总体架构师确实能自上而下，有效地推动解决很多问题，然而，如果你企业生产底层仍有一大堆的技术细节遗留问题，那智能工厂项目一样还是走不下去。顶层要往下走，但是下面也要往上走，现场感知层的数据采集源要逐渐的建起来。水涨自然船高，企业无论硬件条件，还是人员素质，整体水平的提升才是我们能逐渐走近智能工厂概念的现实基础。”姜亚春如是说。 　　和姜亚春的交流中，我们发现智能工厂的目标宏大，既涉及设备、生产线的自动化之上的智能化，更涉及打通企业自身“全身经脉”，根据市场需求约束，合理高效配置各种生产资源的复杂变化;同时还要让供应链都能围绕中心企业形成一动皆动，一变皆变的快速响应状态。这对于大型企业推进如此之多的改变而言，难度很大，可以称得上革命了。而且除了大量采用新技术的技术革命之外，难度还在于创新对传统流程，传统管理模式的挑战。做企业的人或多有感触，要在管理上的谋求重大改变远比技术上的大刀阔斧的破旧立新所面临的压力更大，挑战更多更复杂。 　　姜亚春作为工程专家给出了他对智能工厂概念的冷思考，如果智能工厂发展的最终面貌真的没有标准的答案，那么或许没有“标准的答案”就是“答案”本身。智能工厂作为一个愿景概念，很可能在实践中，因每个致力于构建智能工厂的企业的诉求不同与自身基础条件不同，发展形成了形态各异的呈现结果。 　　可能是因为姜亚春个人的工程师背景，他其实更欣赏现实一些的企业，这些企业不一定要去戴“智能工厂”这顶帽子，而是对供应商说明他现在想解决哪一方面的问题，针对这个问题的解决需要多少预算?解决此问题的国外最新技术是什么?最佳实践又是什么?这就是不断取得进步的务实做法。“与之相反，你现在想到一个宏大的目标，恨不得马上明天就去实现，这就容易犯类似共和国1958年时大跃进的错误。一口气吃个胖子的可能性几乎为零，特别是国内工业整体技术水平还没有特别高。”姜亚春对当前我国工业技术整体水平不能估计过高的论断显然是其建议“发展要力求务实”的根本出发点。 　　姜亚春感觉谈智能工厂项目目前看还是有些风险的。因为理论指导性的东西都处于摸索阶段，不太成熟。考虑到这还是一个技术与管理相结合的复杂项目，很可能在实施中走偏，或达不到我们的规划预期。风险是完全可能存在的。 　　无论结果如何，国内有雄心的大型工业企业希望朝着这个方向加速前进，他们正在积极研究、评估如何实践智能化工厂的愿景目标，同时也请霍尼韦尔公司参与其中，做相关的咨询服务。这一点得到了姜亚春的证实。