飓风野游智能制造是实现整个制造业价值链的智能化和创新，是信息化与工业化深度融合的进一步提升。智能制造融合了信息技术、先进制造技术、自动化技术和人工智能技术。

　　智能制造包括开发智能产品；应用智能装备；自底向上建立智能产线，构建智能车间，打造智能工厂；践行智能研发；形成智能物流和供应链体系；开展智能管理；推进智能服务；最终实现智能决策。

　　“ 在智能制造的关键技术当中，智能产品与智能服务可以帮助企业带来商业模式的创新；智能装备、智能产线、智能车间到智能工厂，可以帮助企业实现生产模式的创新；智能研发、智能管理、智能物流与供应链则可以帮助企业实现运营模式的创新；而智能决策则可以帮助企业实现科学决策。智能制造的十项技术之间是息息相关的，制造企业应当渐进式、理性地推进这十项智能技术的应用。

　　智能产品通常包括机械、电气和嵌入式软件，具有记忆、感知、计算和传输功能。典型的智能产品包括智能手机、智能可穿戴设备、无人机、智能汽车、智能家电、智能售货机等，包括很多智能硬件产品。智能装备也是一种智能产品。企业应该思考如何在产品上加入智能化的单元，提升产品的附加值。

　　基于传感器和物联网（IoT），可以感知产品的状态，从而进行预防性维修维护，及时帮助客户更换备品备件，甚至可以通过了解产品运行的状态，帮助客户带来商业机会。还可以采集产品运营的大数据，辅助企业进行市场营销的决策。此外，企业通过开发面向客户服务的APP，也是一种智能服务的手段，可以针对企业购买的产品提供有针对性的服务，从而锁定用户，开展服务营销。

　　制造装备经历了机械装备到数控装备，目前正在逐步发展为智能装备。智能装备具有检测功能，可以实现在机检测，从而补偿加工误差，提高加工精度，还可以对热变形进行补偿。以往一些精密装备对环境的要求很高，现在由于有了闭环的检测与补偿，可以降低对环境的要求。

　　很多行业的企业高度依赖自动化生产线，比如钢铁、化工、制药、食品饮料、烟草、芯片制造、电子组装、汽车整车和零部件制造等，实现自动化的加工、装配和检测，一些机械标准件生产也应用了自动化生产线，比如轴承。但是，装备制造企业目前还是以离散制造为主。很多企业的技术改造重点，就是建立自动化生产线、装配线和检测线。自动化生产线可以分为刚性自动化生产线和柔性自动化生产线，柔性自动化生产线一般建立了缓冲。为了提高生产效率，工业机器人、吊挂系统在自动化生产线上应用越来越广泛。

　　一个车间通常有多条生产线，这些生产线要么生产相似零件或产品，要么有上下游的装配关系。要实现车间的智能化，需要对生产状况、设备状态、能源消耗、生产质量、物料消耗等信息进行实时采集和分析，进行高效排产和合理排班，显着提高设备利用率（OEE）。因此，无论什么制造行业，制造执行系统（MES）成为企业的必然选择。

　　一个工厂通常由多个车间组成，大型企业有多个工厂。作为智能工厂，不仅生产过程应实现自动化、透明化、可视化、精益化，同时，产品检测、质量检验和分析、生产物流也应当与生产过程实现闭环集成。一个工厂的多个车间之间要实现信息共享、准时配送、协同作业。一些离散制造企业也建立了类似流程制造企业那样的生产指挥中心，对整个工厂进行指挥和调度，及时发现和解决突发问题，这也是智能工厂的重要标志。智能工厂必须依赖无缝集成的信息系统支撑，主要包括PLM、ERP、CRM、SCM和MES五大核心系统。大型企业的智能工厂需要应用ERP系统制定多个车间的生产计划（ProducTIon planning），并由MES系统根据各个车间的生产计划进行详细排产（producTIon scheduling），MES排产的力度是天、小时，甚至分钟。

　　离散制造企业在产品研发方面，已经应用了CAD/CAM/CAE/CAPP/EDA等工具软件和PDM/PLM系统，但是很多企业应用这些软件的水平并不高。企业要开发智能产品，需要机电软多学科的协同配合；要缩短产品研发周期，需要深入应用仿真技术，建立虚拟数字化样机，实现多学科仿真，通过仿真减少实物试验；需要贯彻标准化、系列化、模块化的思想，以支持大批量客户定制或产品个性化定制；需要将仿真技术与试验管理结合起来，以提高仿真结果的置信度。

　　制造企业核心的运营管理系统还包括人力资产管理系统（HCM）、客户关系管理系统（CRM）、企业资产管理系统（EAM）、能源管理系统（EMS）、供应商关系管理系统（SRM）、企业门户（EP）、业务流程管理系统（BPM）等，国内企业也把办公自动化（OA）作为一个核心信息系统。为了统一管理企业的核心主数据，近年来主数据管理（MDM）也在大型企业开始部署应用。实现智能管理和智能决策，最重要的条件是基础数据准确和主要信息系统无缝集成。

　　制造企业内部的采购、生产、销售流程都伴随着物料的流动，因此，越来越多的制造企业在重视生产自动化的同时，也越来越重视物流自动化，自动化立体仓库、无人引导小车（AGV）、智能吊挂系统得到了广泛的应用；而在制造企业和物流企业的物流中心，智能分拣系统、堆垛机器人、自动辊道系统的应用日趋普及。WMS（Warehouse Management System，仓储管理系统）和TMS（Transport Management System，运输管理系统）也受到制造企业和物流企业的普遍关注。

　　企业在运营过程中，产生了大量的数据。一方面是来自各个业务部门和业务系统产生的核心业务数据，比如与合同、回款、费用、库存、现金、产品、客户、投资、设备、产量、交货期等数据，这些数据一般是结构化的数据，可以进行多维度的分析和预测，这就是BI（Business Intelligence，业务智能）技术的范畴，也被称为管理驾驶舱或决策支持系统。同时，企业可以应用这些数据提炼出企业的KPI，并与预设的目标进行对比，同时，对KPI进行层层分解，来对干部和员工进行考核，这就是EPM（Enterprise Performance Management，企业绩效管理）的范畴。从技术角度来看，内存计算是BI的重要支撑。

　　目前，我国工业机器人在汽车制造、电子产品制造等成熟度高的领域应用率逐渐饱和。随着企业数字化、网络化、智能化改造的内生需求和动力逐渐增长，智能制造将逐渐向以冶金、石化、纺织、工程机械等传统领域渗透，智能制造发展将持续升温。

　　人工智能与工业的深度融合将逐步从通用性技术领域向技术纵深程度高的专业技术场景转变，实现从上游设计、原料投递，到中游制造、人机协作，再到下游服务、监测运维，最终再指导工业设计和技术升级的应用闭环。

　　随着工业数据属性发生根本性改变，工业大数据价值越来越被重视。未来工业数据将呈现从消费数据、工业大数据到精准数据流的转变，构建从采集、分析、转化、反馈等环节的精准数据流闭环将成为打造智能制造生态体系的关键。

　　互联网企业进军工业领域具有天然的技术和平台优势，我国“互联网+智能制造”已取得初步成效，包括阿里云产业大脑、百度智慧工厂以及京东智慧供应链等。未来聚焦智能制造具体行业及场景，将成为互联网企业发展智能制造的重要切入点。

　　通用性行业平台由于纵深程度有限，市场供给与需求并不匹配，使得企业上云意愿不强，尚未探索出成熟的市场化模式。行业级工业互联网平台由于兼具聚焦和普适双重特性，面对智能制造各行业不同需求，有望率先探索出可行的市场化商业模式。

　　工业发展进程正在从企业产品牵引用户需求转变为用户需求引领企业生产，智能制造对于工业领域附加值的提升也应该逐步从生产制造环节的降本增效，转向提供高附加值衍生服务，即“智能制造“生产的”智能产品”提供的“智能服务”，将成为工业企业附加值提升的关键。

　　工业核心数据、关键技术专利、企业用户数据等数字化资产已成为企业核心资产。目前我国数据安全法规体系和监督机制尚不健全，一定程度上抑制了企业智能化升级步伐。未来，提高数据全生命周期安全性，增加企业上云信任度和意愿，将成为中国企业智能化升级决策的重要依据。

　　智能制造系统解决方案作为综合性集成服务，既要面对“两头占款”带来的资金压力，还要满足团队对于专业人才的高需求，多领域“全面出击”的发展路线将给企业来带沉重的包袱。未来，深度聚焦细分行业的系统集成商有望扛起产业发展大旗。

　　增材制造技术具有生产成本下限高、上限低的特性，在桌面级应用及简单工艺大规模制造场景都不具备成本优势，规模化商用迟迟不能铺开，而以发动机、风电叶片、潜艇螺旋桨等为代表的超高附加值、超大型定制化单品制造领域，有望成为增材制造技术在工业领域的最优切入点。

　　数字孪生技术作为企业数字化升级和智能工厂建设的第一选择，将从数字产品孪生、生产制造流程数字孪生和设备数字孪生三个层面，优先在工艺成熟度较高的汽车制造、电子制造领域铺开。预计到2020年，至少50%年收入超过10亿元的制造商将为其产品或资产启动至少一项数字孪生项目。

　　巴黎高等科学技术与经济商业学院（简称法国高等商学院 ISTEC）是中法两国政府认可的精英商学院之一，拥有55年商科专业优质的教学经验。教学涵盖14个各领域的专业学士、硕士、博士课程，ENIM À METZ工程师学院的双学位课程，设立了100 个国际交流中心，3个学期在海外名校研习实践的机会。