近些年我国智能制造技术及其产业化发展迅速，并取得了较为显著的成效。智能化以及工业自动化等新兴的科学技术已经融入到了工业发展之中，与国外发达国家相比我们已经取得了不小的成绩。但就目前中国智能制造的现状而言，我国与发达国家相比差距还是很大的，如果放在一个更为宏观的场景里观察中国智能制造，我们会发现有很多制约因素影响着它的发展。鉴于此，我们在发展智能制造过程中，也还需要且行且思考。
　　一.生产模式与材料的制约
　　我们明确智能制造以实现“个性化生产”这个提升企业自身竞争力的产品战略为导向，采用信息技术，将生产的各个环节的数据传输到管理系统，通过动态的优化来“提升质量、降低成本、缩短产品交付周期”。
　　1.1机械刚性制约
　　目前很多产业的生产方式，多是对现有的原材料无论是金属材料、塑性材料、纤维材料还是半导体材料等通过一定的切削、成型、编织等工艺进行加工，而这些加工很多在机械上是有制约的，例如：制药，我们不能进行“插单”灵活定制化，因为每个批次的药物需要进行清洗生产环境才能进行另一个生产，而很多影响生产质量的参数无法实现在线的调整，必然会产生不良品，而质量迭代需要批量基础的数据才能实现提升。

　　HP 数字3D打印技术

　　1.2材料科技与制造的融合研究
　　3D增材打印技术是一个热点，但是，在材料方面、加工速度与成本方面还是有瓶颈制约的，而材料科技没有突破，那么传统的生产工艺也无法实现突破，例如：节能最有效的是工艺节能—通过工艺的彻底改善以新的生产方式来实现能耗的降低，例如：数字印刷虽然是很好的一种方式，但是喷墨头的材料与加工目前没有突破，我们国内在这个方向就无法实现突破，其它像油墨技术、黏胶技术、高性能金属材料、特种纤维材料。

　　在基础和新型材料方面缺乏突破会导致我们的制造业仍然在这些领域受制于人，无法真正实现制造业的升级，在信息化、自动化方面的能力再强也无法产生竞争力的产品。
　　二.现阶段技术条件与技术融合的制约
　　2.1数据未被系统采集存储
　　目前，在推进智能工厂的过程中，我们会发现由于原有的设备来自不同厂商、代次，这造成工厂无法互联，在控制器上动态的数据如印刷套色的偏差及影响值、纱线CV值等传统生产的数据都无法被有效采集，很多时候并非是技术封锁，厂商不愿意开放，但很多时候，这些是在传统的生产模式下未被考虑的因素，进而导致数据被大量浪费，没有被有效采集。而无法互联互通则仅仅是制约因素之一，反倒是容易突破的。

　　2.2信息模型
　　缺乏信息模型，使得对于采集什么样的数据，如何使用这些数据都没有有效的标准化以及应用软件的支撑。

　　2.3信息化与自动化的融合
　　最为普遍的现象就是在很多工厂里，他们都用的是最有名望的SAP/ORACLE的ERP系统，也采用了自动化程度最高的生产线，很多都代表着全球最顶级的水平，然而，这些信息化系统和自动化系统仿佛两个世界的人，他们相互并不认识，说的也是不同的语言，喊了多少年的两化融合，现在看来效果非常一般。因为，你若问他们为什么？因为他们老板说了“我们的同行都在做智能制造，我们也要上智能制造系统”—很多企业推动智能制造的初衷大致如此。
　　包括机器人领域也是，机器人换人是国家政策重点扶持的对象，因此，大量的机器人企业产生，并生产了大量的机器人被安装在现场，但是，机器人正的能够带来效率的提升吗？换一个人就能节省成本吗？这并非是经过严格论证的投资，很多时候，效果可能远不及所期望的。
　　2.4智能算法的推进
　　经过数据采集、传输到所谓的云平台、大数据平台后，这些数据如何被分析优化？传统的专家系统都是类似于深蓝那种工程值的数十年累积，而非是学习算法自学习的智能优化，因此，如果你没有数十年的积累，你仍然是没有能力实现“智能优化与决策”能力的。
　　而另一方面，这么孱弱的制造业，无论如何没有移动互联、金融以及国家不在乎钱的航空航天领域的算法应用能力强，你的人才储备不足以投入在这个领域，缺乏基础应用开发人员。

　　三.管理升级的制约
　　3.1精益生产
　　关于“精益”是数字化的基础，已经有很多共识，包括现在投入到智能制造项目中的人也会深刻体会这一点，然而，精益的基础在日本已经数十年，然而，急功近利的中国制造业却很难下功夫，长期投入进行这样的管理升级。
　　事实上，今天，我们的制造业出现了问题，看上去有外部因素，但是，如果你去一些企业，甚至是大企业，你看看他们的生产制造环节的质量控制、仓储物料管理、能源管理、资产维护等环节，你会发现大量的“浪费”—如果你用精益标准去看这些问题，你就会明白制造业带来的问题除了外部的，内部的提升空间仍然是巨大的，仅在现有的能力上去挖掘，依然可以带来巨大的收益，甚至可以不需要投资所谓的智能制造升级项目都是可以让企业质量提升赢得竞争力，降低成本获取价格优势的。

　　3.2组织架构设计
　　不提精益生产带来的收益，我们仍然讨论面向未来的智能制造，我们会发现，原有企业的垂直事业部门的组织架构对于智能制造就是一个大的制约，因为需要信息采集与共享，这种共享不仅仅是数据，也包括了业务流程的重组与优化，传统的企业组织架构实际上已经无法满足新智能对于信息流，以及此产生的新的职责界定、内部决策机制的变化的需求。
　　打破部门界限，更趋向扁平化、更为“网络化”的组织内部信息流才能适应智能制造的这种网络互联特性，否则，就会形成各种制约因素导致无法通常运行。

　　3.3合作战略
　　企业不再是个体的竞争，而是企业联盟的竞争，仍然依靠自己趋向于形成垄断的组织将会在未来的协同中被逐渐边缘化，而新的商业生态系统构建，内部的信息如何分享、边界定义也将需要新的模式研究与实践。
　　四.人才培养与教育的制约
　　4.1创新性人才
　　创新驱动已经谈了很多年了，然而，在缺乏人才与开放的体系支撑的情况下，所谓的创新无非是“新瓶卖旧酒”的缺乏本质的变化。制造业的思维仍然是局限的，用传统的思维去理解未来的智能制造是无法推动整个制造的发展的。
　　在智能制造的推动中需要的是材料科技的颠覆式创新、管理领域的创新、技术的创新，而这些如果缺乏“批判性思维”不敢挑战权威与传统的思维人才，以及缺乏创新的激励机制、创新的方法支撑，这些创新都会流于形式，各种所谓的“鉴定”“评估”出来的所谓突破性项目，都是没有真材实料的，为了应对创新驱动、为了获得创新项目奖金而进行的集体性活动。

　　实际上，就像让小学生学奥数，甚至现在连幼儿园都打算要学奥数--现在的教育应试功能仍然在加强，可是培养出来的一代代的学生正在由于应试而对教育失去兴趣，进而毁灭了其创造力。
　　4.2全局性人才培养
　　智能制造需要架构设计，而这种架构包括了大的架构以及在集团企业的每个部门、公司之间形成，甚至到产品、技术的研发细节，都需要结构性的思维，对问题分析的完整性、连续性，这些思维的缺乏会导致在智能制造从顶层到底层实现的各个环节“顾此失彼”、“捉襟见肘”、“东拼西凑”的现象，如果没有形成整体的架构运行机制设计，会造成“重复投资”、“项目返工”、“瓶颈制约—未解决实质问题”，大大影响智能制造的推动，不仅不能成为效率提升的方向，反而成为了让公司走向毁灭的境地的投资。
　　五.平台架构缺乏
　　中国一直是重视大型工程项目，也重视在可见的硬件方面的投入，但是，无论是智能装备开发的集成开发环境如B&R的Automation
　　Studio、SIEMENS的Portal这些都是缺乏的，这对于形成智能制造所需“集成而言”是制约的。

　　图-Automation Studio平台，实现基于集成开发平台可以实现面向所有对象、整个流程的开发

　　在工厂级与企业级，MES、ERP、PLM等平台软件， Pro-e、Solidworks、CITIA等这种集仿真、设计、制造等于一体的平台都是缺乏的。或者像华为这样的IPD平台。
　　智能制造最大的特点在于“集成”特性，而集成就一定会需要基于“平台”来实现。
　　六、安全风险
　　安全不仅包括技术性的安全问题，也包括管理性的安全问题，包括在法律层面的制约问题。
　　6.1信息安全风险
　　信息安全首先是我们谈到的“被攻击”问题、病毒防护问题，这些还都只是技术层面的问题，还是能够找到有效的机制来解决的。
　　在大数据时代，数据的使用权利界定问题就会需要明确，信息作为最重要的资产如何管理？如何协作，仍按缺乏在法规方面的界定。

　　6.2功能安全
　　智能制造中的安全问题在欧洲最为广泛的关注，基本上大部分设备厂商都在开发功能安全系统并已经投入应用，而我们对功能安全的投入还很少。
　　因为我们对安全问题的认识是不足的，我们总是认为安全投入大，而事实上，安全问题并非是一个仅仅投入而不产出的领域，对于智能制造时代的互联而言，其中一个单元的安全都会影响其它生产单元，某个机器的停机会造成巨大的关联浪费，因此集成系统的安全如何实现就是一个迫切需要关注的问题。
　　当然，很多安全问题本身也是因为基础缺乏，没有走过逐步的自动化升级到信息化融合的过程，因此，尚未发展到对它认识清晰的阶段。

　　openSAFETY-异构网络的集成安全解决方案

　　当然，智能制造业需要国家资金、政策的支持，这也是制约因素，但是，这些就不在我的讨论范围了，我仅仅在我们涉及的技术、管理领域来观察智能制造。（来源：说东道西）