本书基于作者在工作实践中经历的数十个实战案例撰写而成。全书分九章，阐述了第四次工业革命，对中国智能制造第一个五年进行了回顾并展望制造强国战略的第二个五年规划，系统总结了当今中国制造业实践智能制造的六大方面共33个误区，详细分析了每个误区的特征、产生的根本原因及如何走出这些误区。每个误区中列举的案例都具有广泛的代表性，紧扣企业实际需求。本书对即将要实践智能制造的企业有非常大的参考价值，能够让后来者少走弯路，甚至不走弯路。

序 为推进制造强国战略，助力实体经济高质量发展，中国智能制造百人会秘书处联合电子工业出版社有限公司共同出版智能制造新模式应用系列图书，以推广制造企业智能化升级典型经验，普及智能制造技术应用，更好地服务于广大科技工作者、制造业从业者、研究机构科研人员及对智能制造领域感兴趣的技术爱好者。 今逢中国智能制造百人会专家欧阳生老师团队新书付梓之际，有幸受邀写序，我借此谈点体会。 欧阳生老师是理论联系实践的实战派精益专家和智能制造专家，有十分丰富的制造业降本增效转型升级经验，非常善于在实践中总结及提炼制造型企业做大做强的一般性方法论，其独创的精益智能制造理论是基于当代中国制造业基本国情、适合当今中国制造业转型升级的通用理论，是中国制造业转型升级的行动指南，具有十分重要的学术价值。 本书基于欧阳生老师、宋海涛博士、徐东博士亲历的数十个实战案例，系统总结了当今中国制造业实践智能制造的六大方面共33个误区，每个误区中的案例都具有广泛的代表性。本书内容紧扣企业实际需求，详细分析了每个误区的特征、产生的根本原因及如何走出这些误区。这些内容对即将实践智能制造的企业有很大的参考价值，能够让后来者少走弯路，甚至不走弯路。 作为工业4.0先行者的德国认为：判断一家企业是否成功转型升级的标准是降本增效。这本《未来智路——实例解读如何走出智能制造33个误区》就是基于这样的标准，从实践中提炼理论，又将理论指导实践，帮助企业实现降本增效转型升级。 期望本书能够为中国制造企业走上降本增效转型升级之路，进而为推进中国制造迈进制造强国之列做出积极贡献。 李伯虎 2020年秋 前言 前言 “好事不出名，坏事传千里”，这句话用在一般的场合或许非常恰当，但是对于变革而言，往往截然相反。在变革的道路上，广为传颂的一般都是创业英雄们的故事。如在风险投资领域，让人们津津乐道的都是高回报项目，而忽略了这为数不多的成功案例都是建立在众多的失败案例基础之上的。 在智能制造领域也是如此。在中国实践智能制造的第一个五年间，标杆工厂的故事广为流传，殊不知为了打造标杆工厂，众多先行者成为了“先烈”。其中一个典型现象是企业为了降本增效而实践智能制造，结果却是“增本降效”。为什么会事与愿违呢？以常见的机器换人为例，由于中国制造业基础较差、自动化程度偏低，过去几年机器换人非常热，很多公司甚至把机器换人等同于智能制造，不管有没有用，先把机器人买回来再说。可当机器人买回来后，发现根本用不起来，结果一直闲置在生产现场直到报废，导致企业“增本降效”，这只是众多“增本降效”例子中的沧海一粟，而这些失败的故事很少被企业拿出来分享，在笔者看来是巨大的社会知识浪费，也在一定程度上制约了中国制造业升级转型的质量和速度。失败是成功之母，总结失败案例中的经验教训往往是成功的捷径。倘若这些经验教训能够供更多的人学习，失败案例也能有价值。 本书正是本着这样的目的，通过分析过去智能制造先行者的失败案例，从中提炼出经验教训和一般性对策。希望前人的经验教训能够给后来者带来一定的启发，从而少走弯路甚至不走弯路。 本书的整体结构如下： ? 第一章和第二章介绍当前智能制造的背景，阐述本书六大方面33个误区所产生的时代背景。 ? 第三章到第八章从企业的角度总结了过去几年智能制造先行者所陷入的六大方面33个误区，每个方面为一章，共六章，构成了本书的主体。每个误区都采用“典型案例+表现特征+原因分析+方法”的模式来呈现：通过案例提炼陷入误区企业的表现特征，供其他企业识别自身是否已经陷入了误区（发现问题）；通过分析根本原因，让企业明白是因为什么因素导致自身陷入误区（原因分析）；指出走出误区的一般路径是什么，给陷入误区的企业提供建议及对策（方法）。 ? 第九章阐述了中国社会宏观层面的五大误区、三大机会和三大挑战，最后指出中国制造业“未来智路”的一般模式是精益智能制造。 本书总结的33个误区在中国具有广泛的代表性。中国制造业转型升级要基于基本国情，走自己的道路，不能模仿德国工业4.0，也不能模仿美国工业互联网。未来在实践智能制造的过程中，一定还会有新的误区出现，希望本书能够起到抛砖引玉的作用。 本书在写作过程中得到了社会各界朋友们的关心和支持，在此表示诚挚感谢，大家的期待和鼓励是我们完成此书的源动力。特别感谢中国智能制造百人会李伯虎院士、刘明雷秘书长；特别感谢同济大学孔德洋副教授对本书整体结构提出建议；特别感谢灵满咨询众多资深专家顾问的案例分享和宝贵建议；本书在写作过程中还得到了众多朋友的建议，得以让本书更丰富和严谨，感谢大家的无私奉献。最后，感谢我的两个伙伴宋海涛和徐东与我共同完成此书，写作过程中和完稿后，我们进行了反复修正，让本书更上一层楼。 由于实施智能制造的企业的实际情况各有不同，再加上作者们的水平和经验有限，本书难免有不足之处，特此开通了读者助手微信号“lw18049989962”和邮箱weilaizhilu@lm-smart.com，欢迎大家进行交流和反馈。祝愿大家在智能制造的道路上越走越远、越走越好，为中国制造强国之路添砖加瓦。 欧阳生 2020年秋

第一章 第四次工业革命 1.1 人类历史上的四次工业革命 1.2 美国：工业互联网 1.3 德国：工业4.0 1.4 中国：制造强国战略 1.4.1 制造强国战略的目标 1.4.2 制造强国战略的框架 1.5 制造强国战略与智能制造 1.6 智能制造与几个相关概念间的关系 1.6.1 智能制造与云计算 1.6.2 智能制造与大数据 1.6.3 智能制造与工业互联网 1.6.4 智能制造与人工智能 第二章 中国智能制造第一个五年回顾 2.1 中国智能制造第一个五年取得的成绩 2.2 中国智能制造第一个五年出现的问题 2.3 中国制造业实践智能制造六大方面33个误区 第三章 走出认知误区 3.1 误区1：对智能制造的了解不系统 3.1.1 误区1典型案例 3.1.2 误区1表现特征 3.1.3 误区1原因分析 3.1.4 走出误区1的方法 3.2 误区2：问供应商能做什么 3.2.1 误区2典型案例 3.2.2 误区2表现特征 3.2.3 误区2原因分析 3.2.4 走出误区2的方法 3.3 误区3：机器换人等于智能制造 3.3.1 误区3典型案例 3.3.2 误区3表现特征 3.3.3 误区3原因分析 3.3.4 走出误区3的方法 3.4 误区4：数字化工厂等于智能制造 3.4.1 误区4典型案例 3.4.2 误区4表现特征 3.4.3 误区4原因分析 3.4.4 走出误区4的方法 3.5 误区5：工厂数字建模等于CPS 3.5.1 误区5典型案例 3.5.2 误区5表现特征 3.5.3 误区5原因分析 3.5.4 走出误区5的方法 3.6 误区6：数据采集等于数据生产 3.6.1 误区6典型案例 3.6.2 误区6表现特征 3.6.3 误区6原因分析 3.6.4 走出误区6的方法 3.7 误区7：传感器等于数据 3.7.1 误区7典型案例 3.7.2 误区7表现特征 3.7.3 误区7原因分析 3.7.4 走出误区7的方法 3.8 误区8：MES等于效率提升 3.8.1 误区8典型案例 3.8.2 误区8表现特征 3.8.3 误区8原因分析 3.8.4 走出误区8的方法 3.9 误区9：定制化是完全个性化的，产生不了规模效益 3.9.1 误区9典型案例 3.9.2 误区9表现特征 3.9.3 误区9原因分析 3.9.4 走出误区9的方法 第四章 走出基础误区 4.1 误区10：在落后产能上实施智能制造 4.1.1 误区10典型案例 4.1.2 误区10表现特征 4.1.3 误区10原因分析 4.1.4 走出误区10的方法 4.2 误区11：管理不善直接实施智能制造 4.2.1 误区11典型案例 4.2.2 误区11表现特征 4.2.3 误区11原因分析 4.2.4 走出误区11的方法 4.3 误区12：多品种小批量生产模式不适合实施智能制造 4.3.1 误区12典型案例 4.3.2 误区12表现特征 4.3.3 误区12原因分析 4.3.4 走出误区12的方法 4.4 误区13：我们不一样 4.4.1 误区13典型案例 4.4.2 误区13表现特征 4.4.3 误区13原因分析 4.4.4 走出误区13的方法 第五章 走出顶层架构设计误区 5.1 误区14：不进行顶层架构设计 5.1.1 误区14典型案例 5.1.2 误区14表现特征 5.1.3 误区14原因分析 5.1.4 走出误区14的方法 5.2 误区15：不做调研规划，完全依赖供应商出方案 5.2.1 误区15典型案例 5.2.2 误区15表现特征 5.2.3 误区15原因分析 5.2.4 走出误区15的方法 5.3 误区16：智能制造顶层架构设计变成要素堆积 5.3.1 误区16典型案例 5.3.2 误区16表现特征 5.3.3 误区16原因分析 5.3.4 走出误区16的方法 5.4 误区17：没有设定具体指标 5.4.1 误区17典型案例 5.4.2 误区17表现特征 5.4.3 误区17原因分析 5.4.4 走出误区17的方法 5.5 误区18：运营指标与企业战略脱节 5.5.1 误区18典型案例 5.5.2 误区18表现特征 5.5.3 误区18原因分析 5.5.4 走出误区18的方法 5.6 误区19：补丁式规划 5.6.1 误区19典型案例 5.6.2 误区19表现特征 5.6.3 误区19原因分析 5.6.4 走出误区19的方法 第六章 走出执行误区 6.1 误区20：信息化部门主导智能制造 6.1.1 误区20典型案例 6.1.2 误区20表现特征 6.1.3 误区20原因分析 6.1.4 走出误区20的方法 6.2 误区21：重品牌、轻匹配 6.2.1 误区21典型案例 6.2.2 误区21表现特征 6.2.3 误区21原因分析 6.2.4 走出误区21的方法 6.3 误区22：想免费利用服务商来降低智能制造转型升级成本 6.3.1 误区22典型案例 6.3.2 误区22表现特征 6.3.3 误区22原因分析 6.3.4 走出误区22的方法 6.4 误区23：不愿创新，寄希望于成功案例 6.4.1 误区23典型案例 6.4.2 误区23表现特征 6.4.3 误区23原因分析 6.4.4 走出误区23的方法 6.5 误区24：第一步就做数字化 6.5.1 误区24典型案例 6.5.2 误区24表现特征 6.5.3 误区24原因分析 6.5.4 走出误区24的方法 6.6 误区25：抓小放大 6.6.1 误区25典型案例 6.6.2 误区25表现特征 6.6.3 误区25原因分析 6.6.4 走出误区25的方法 6.7 误区26：未突破瓶颈 6.7.1 误区26典型案例 6.7.2 误区26表现特征 6.7.3 误区26原因分析 6.7.4 走出误区26的方法 6.8 误区27：旧问题解决、新问题出现 6.8.1 误区27典型案例 6.8.2 误区27表现特征 6.8.3 误区27原因分析 6.8.4 走出误区27的方法 6.9 误区28：企业上云 6.9.1 误区28典型案例 6.9.2 误区28表现特征 6.9.3 误区28原因分析 6.9.4 走出误区28的方法 6.10 误区29：降本增效变成了增本降效 6.10.1 误区29典型案例 6.10.2 误区29表现特征 6.10.3 误区29原因分析 6.10.4 走出误区29的方法 第七章 走出人才误区 7.1 误区30：不知道如何培养 7.1.1 误区30典型案例 7.1.2 误区30表现特征 7.1.3 误区30原因分析 7.1.4 走出误区30的方法 7.2 误区31：没有系统的智能制造人才培养规划 7.2.1 误区31典型案例 7.2.2 误区31表现特征 7.2.3 误区31原因分析 7.2.4 走出误区31的方法 第八章 走出智能制造服务商误区 8.1 误区32：重应用、轻技术 8.1.1 误区32典型案例 8.1.2 误区32表现特征 8.1.3 误区32原因分析 8.1.4 走出误区32的方法 8.2 误区33：重收益、轻效果 8.2.1 误区33典型案例 8.2.2 误区33表现特征 8.2.3 误区33原因分析 8.2.4 走出误区33的方法 第九章 实施制造强国战略的第二个五年展望 9.1 需求个性化与供给标准化的矛盾将长期存在 9.2 宏观层面五大误区 9.2.1 宏观误区1：一窝蜂倒向政府政策 9.2.2 宏观误区2：面子工程 9.2.3 宏观误区3：政策骗补 9.2.4 宏观误区4：高投入、低产出的研发机制 9.2.5 宏观误区5：重商业模式、轻技术研发 9.3 三大机会 9.3.1 机会1：同一起跑线 9.3.2 机会2：完整的产业链 9.3.3 机会3：巨大的市场需求 9.4 三大挑战 9.4.1 挑战1：技术基础薄弱 9.4.2 挑战2：技术工人短缺 9.4.3 挑战3：人才培养机制不完善 9.5 未来智路 9.5.1 精益化 9.5.2 创新化 9.5.3 自动化 9.5.4 数字化 9.5.5 智能化 9.5.6 互联化 9.6 回归根本：降本增效 9.7 赢得未来：转型升级 9.7.1 客户升级 9.7.2 产品升级 9.7.3 制造升级 9.7.4 管理升级 9.7.5 人员升级 参考文献