智能制造源于業務痛點，最前線在應用場景
制造企業總是用最務實的語言，表達最真實的選擇。
他們不會“符號化”地將智能制造，描述為打破“數據孤島”，但他們已在快節奏地拋棄慢節奏的交付體系，以柔性化的混線生產，滿足用戶個性化的需求；他們也不會高調地宣傳已在推倒“應用煙囪”，但他們卻已實現了“研發、生產、銷售”的業務協同；他們更不會解釋，為什么要建立統一的“數據格式”，但他們產線上的每臺設備都在說“普通話”，設備的每個動作都已被數字化記錄。
所以，華為理解的智能制造，源于業務痛點，但他的最前線在應用場景。
01
智能制造源于應用場景
長安汽車，中國四大汽車集團之一，162年的歷史底蘊、40年的造車積累。位于重慶的阿維塔數智工廠建筑面積41萬平方米，年產能28萬輛，是全球首個全域5G數智AI柔性超級工廠，5G專網覆蓋了廠區的1.2萬臺設備，關鍵工序自動化率達到100%，可實現黑燈生產。
但這還不是重點。
長安汽車理解的智能制造是商業模式創新是銷售端給予用戶更多的選擇，生產端更靈活匹配，是從“按庫存生產”，轉向“按訂單生產”。
傳統車企多是沿襲“按庫存生產”模式，通過庫存去“預測”用戶需求，并以此倒推，組織采購、排產、生產、物流。但實話實說，這種“預測”跟“猜”并沒有多大區別，勢必會帶來高周期、高成本、高庫存的壓力。
而改變就始于智能制造。
通過落地C2M（從消費者到生產者）模式，長安汽車率先實現了“按訂單生產”，支持消費者選配顏色、輪轂、內飾、軟件等。例如，長安汽車旗下阿維塔、深藍、啟源等幾款車型，目前可選配置就已經從200種增加至7000種。
這意味著，生產線上可能沒有兩臺完全一樣的車，但所有的零部件，都會在該出現的時間，出現在該出現的位置，即整個供應鏈和生產計劃，都在圍繞“訂單”分秒不差地高效調度運轉。
而據華為中國政企CMO郁賽華介紹，這是基于統一數據格式的商業信息流、生產工藝流、工程數據流的“三流打通”，更是“三流打通”后的設計協同、訂單協同、供應協調、工序協調，以及資源協調。
中國政企CMO郁賽華
或者說，此時的數智工廠就像是一個巨大的智能體。用戶在線下單一臺“星紫色車漆、21英寸氣璇輪轂、巖棕內飾”的阿維塔07，數智工廠就會“吃”進去所有相關配件，并“吐”出一臺阿維塔07。
02
問界無界，技術服務于場景
同樣是在重慶。
距離阿維塔數智工廠僅半小時路程，就是重慶的超級工廠，就是“問界”汽車的出生地之一。“超級工廠”可滿足你對科幻的所有想象，園區內36輛純電無人駕駛重卡，24小時不間斷地將零部件進行高效輸送；車間里超3000臺機器人，超5000臺智能化設備，按部就班地工作。
這背后是華為打造的零丟包、確定時延、高速暢通的高品質萬兆園區網絡。據悉，華為交付的園區生產網可提供毫秒級確定性聯接，可支撐移動AGV、機器人等設備，在復雜環境中的零漫游、零丟包。
更重要的是，還已經將智能從車間延伸至園區，從物理世界孿生至虛擬世界，實現了從生產到運營，再到管理的全流程智能化。尤其是智慧運營中心IOC，已經上線園區總覽、綜合態勢、智慧安防、智慧人行、智慧車行、智慧辦公、智慧餐飲、生態態勢、產線可視化等諸多功能模塊，實現了全局態勢可視、全域業務可管、全面安全可控。
換句話說，重慶的超級工廠，就像一幅采用散點透視法勾勒，且徐徐展開的畫卷。它已將不同的應用場景串聯在一起，并產生了移步換景的效果，而多視點的動態組合，又展現出“超級工廠”的全貌。
關鍵是，“超級工廠”還在持續進化中。
以重慶為模板，未來“超級工廠”的總裝車間，一定會追求更高的自動化率，“超級工廠”的運營管理，也必是希望借助數字孿生技術，全生產周期，以此提供預測性解決方案，縮短研發及調試周期及成本。
這就有賴于，科技企業在技術上的持續突破，更有賴于科技企業能深入應用場景——為場景找技術、為場景找伙伴。
03
圍繞應用場景找伙伴
確實，智能制造正在改變，科技企業的生態合作模式。例如華為，其基于應用場景，尋找合作伙伴；圍繞應用場景，識別伙伴能力；深入應用場景，聯合伙伴共同打造解決方案，并橫向共同進行市場營銷和業務拓展。
在此過程中，一個又一個應用場景，已成為智能制造的突破口；一個又一個應用場景，已成為制造企業的核心競爭力。
在研發領域廣汽集團通過AI使能代碼輔助生成，整車研發周期從36個月減少至18個月；在供應領域，廣西柳藥利用天籌求解器，實現綜合排線效率提升15%，路徑規劃時間從3小時縮短至30分鐘；在銷售領域，五糧液智慧門店年度銷售實現4倍增長，動銷率提升至91.9%。
所以，智能制造是個啥？
智能制造是“橫向的體系化建設”，也是“縱向的場景化突破”；是“效率提升”，也是“價值創造”；是“技術+場景”的深度融合，也是“伙伴+華為”的生態融合；是圍繞應用場景的業務流程優化，也是源于應用場景重構的商業模式創新。所以還是那句話：智能制造源于業務痛點，但最前線在應用場景。
轉載自：張戈BP
