●有人把“智能制造”简单地理解为用机器代人、提高劳动效率。在这种思想的影响下，有的地方盲目推进机器人等无人化、少人化技术。笔者认为，这种思路是片面的。

●影响自动化程度的关键因素是经济因素，与劳动力成本有关；而智能化技术与劳动力成本的关联度相对小。区分自动化和智能化是重要的，这会让我们不再过度追求高自动化水平，也可以让我们关注到真正的智能化，以免错过时代带来的机遇。

●智能化可以是让机器代替人决策，也可以是让机器帮助人类进行更好的决策。二者融合在一起，会发挥更大的作用———大空间尺度的实时资源调配，有望弥补人脑的短板。

●理想情况下，智能决策需要与自动执行结合起来，杜绝人为的干扰，让执行过程“不走样”。但是，当前更加现实有效的办法，是将“线上”和“线下”的工作结合起来做、把计算机的决策和人的执行和管理结合起来，而不是指望智能化方法解决当前所有的问题。

郭朝晖

在冶金行业，智能制造是个热门话题，也是个令人困惑、焦虑的话题。很多企业面临两难的处境———既担心失去时机，又担心走错了方向。基于这个原因，有的地方“新瓶装旧酒”，把其他工作包装成“智能制造”；有的地方“叶公好龙”，追求时髦而不实用、难以创造价值的技术。促进智能制造的健康发展，必须纠正这些问题。

同时需要明确的是，企业采用新技术的终极目标是取得经济效益，而技术本身的成功并不代表经济上可行。技术的经济性与具体应用场景和各种外部条件密切相关。所以，国内企业推进智能制造，不能盲目攀比国外先进企业，而是要选择合适的切入点，找到合适的推进途径，并与外部条件和环境的变化协同起来。

智能制造应与自动化区分开来

智能制造的定义不下几十种。有人把“智能制造”简单地理解为用机器代人、提高劳动效率。在这种思想的影响下，有的地方盲目推进机器人等无人化、少人化技术。笔者认为，这种思路是片面的。

虽然人们对智能制造的概念没有统一的认识，但却有一个共识：智能制造成为热点，与ICT技术（信息和通信技术）的持续进步相关。换句话说，智能化技术往往与数字化、网络化等技术相关。这个特点可以把智能制造与传统的自动化区分开来。

自动化是钢铁行业的重要支撑技术。发达国家的很多钢铁企业的人均产钢量比国内高2~3倍，这种差别与自动化程度密切相关。但是，导致这种差异最关键的因素，却未必是技术本身。很多自动化技术早已成熟，中国企业完全可以通过市场获得。笔者认为，影响自动化程度的关键因素是经济因素，与劳动力成本有关———或者说与企业所在区域的经济发展状况。

中国的人均GDP接近1万美元，韩国、日本在3万、4万美元，而美国在6万美元以上。由于劳动力成本的差异，日韩钢企的劳动生产率比中国高，在经济上是合理的；而美国纽柯和大河公司的劳动生产率比日韩企业高，也是合理的。既然经济性是影响自动化程度的关键因素，那么，钢企自动化程度未必是越高越好，而是要与国家或者地区的劳动力水平相适应。

随着我国经济发展进入新阶段、社会发展进入老龄化，自动化技术的经济性会显著提高。企业提升自动化程度是企业必然的选择。但是，技术的推进需要与经济和社会发展速度相匹配，不应该脱离经济发展的阶段性，以至于盲目追求过高的自动化水平，否则，企业增加成本、员工失去工作，反而没有得到高自动化程度应该带来的效果，那么，为这样的高自动化程度所做的工作就是失败的。

ICT技术的发展，给冶金行业带来了很多新的机会。我们应该注意到，这些机会与传统的自动化不同。例如，企业通过工业互联网，可以显著促进工序和部门间的协同能力，并促进人才、信息和知识的共享；通过大数据技术，可以提高管理水平和研发效率，等等。

我们还注意到，这些技术创造的价值，与劳动力成本的关联度相对小。所以，无论钢企所在的地区发达程度如何，智能化技术都能用来创造价值、具有更强的“普惠性”。智能化技术的一个重要特长是能够提升企业的管理水平，这一点对钢铁企业特别重要。我国钢铁企业的管理工作还有较大提升空间，这意味着智能化的价值潜力在我国可能更大。

智能化工作往往需要基于一定的自动化基础。所以，在推进智能化工作时，往往需要针对自动化的基础进行“补课”。这也是人们容易混淆自动化和智能化的原因之一。尽管如此，我们依然认为，把传统自动化和智能化区分开来是必要的。因为区分两个概念，有利于防止过度追求高自动化水平，也可以让我们关注到真正的智能化，以免错过时代带来的机遇。

智能化重在决策

与自动化相比，智能化偏重于用机器代替人的脑力劳动而不是体力劳动。代替的目的，不仅让人做事更轻松，而是要做得比人更好或者帮助人们做得更好。也就是说，智能化的主要目的是让决策更优，而不是仅仅是降低人工成本。

浦项人均吨钢产量普遍高于国内钢铁企业。但是，通过对标可以发现，浦项一线工人的数量甚至比国内某些先进钢铁企业还要多。由此推断，我国钢企的劳动效率低，主要是管理、技术等岗位上从事脑力工作的人员劳动效率低。也有材料显示，美国大河公司的质量管理人员非常少，但处理质量管理的效率和水平却很高，这也说明，在智能化方面，我国与国外先进钢企之间存在巨大差异。

智能决策也是价值驱动的。智能决策的价值体现在比过去的传统决策更“优化”。所以，智能决策的价值，主要是决策质量提高带来的。而不一定是劳动力节省带来的。

我们知道，优化的前提，是存在可供优化的价值空间。这个空间就是传统决策的失误或者不足。为此，要推进智能制造，首先要解决的问题是找到价值损失在什么地方。

相关部门曾经做过研究，国企的“跑冒滴漏”（跑气、冒水、滴液、漏液）占到企业总成本的10%~20%。有业内人士估计，无论国企民企，我国的钢铁行业大体都处于这个水平。考虑到我国钢铁行业的总成本数以万亿计，这种浪费是一个天文数字。笔者自己的调研也发现，决策损失很大程度上是因为企业的管理不善。

沿着管理不善的思路看，决策损失又有更加深刻的原因。比如，管理者往往“难以发现”这些损失：有的涉及到个人和部门的私利，问题被故意隐瞒；有的涉及到考核制度导致的局部和全局的利益冲突；有些决策对短期收益有利，却对长期的收益有害；有些决策的收益是显性的，而损失却是隐性的；有的是制度设计有问题，损失找不到责任人；还有些损失与员工的个人能力和知识水平有关，这在中小钢企更为常见……而这些，这恰恰是智能决策的优化空间。

智能化的原理之一，是让机器代替人决策。我们知道，只要信息及时完备，就有可能通过数字化的方法，把优秀人才的决策方法固化下来，并让计算机去决策。数字化的决策方法是显性化的，计算机也是没有私心的，故而决策方法容易传承并持续优化，让决策越来越好。

智能化的原理之二，是让机器帮助人类进行更好的决策。基于互联网，可以实时感知和支配更多的资源，实现更大范围的资源优化配置和协同共享，优化空间的扩大，使得决策的经济性更好。通过互联网的应用，还可以让优秀的专家进行远程决策，减少人移动的成本和时间，提高专家的工作效率，实现优质专家资源的“共享”。

以上两个原理融合在一起，会发挥更大的作用。大空间尺度的实时资源调配，往往会涉及到更多的资源、用到更多的知识。这时，人脑接受信息和处理信息的能力就可能受到挑战。这时的机器决策，就可以弥补人脑的短板；这样的决策还可以代替多人、多个部门的会议决策，能够使得决策效率大大提升、成本大大降低。

这些思想都是有实践案例支撑的。大河公司的很多做法，就是把人类专家的决策方法转给机器去做，以此来提高决策的效率和质量。而国内某些企业推动的远程集约化管控，也能够让有限的优秀专家为更多的场景服务。

智能决策的常见困难和路径

智能决策有4个层面的常见困难：

智能制造的价值空间本质上来自企业的管理漏洞或能力不足。由于各种原因导致的有些管理者看不到、或者不愿意看到上述问题，是管理水平难以提升的重要原因。由于岗位分工的原因，从事智能制造的部门，更是看不到这些价值。没有价值的助力，智能制造的工作就很难推动。这一点，往往是推动智能制造时首先遇到的困难。

即便发现了价值损失，落实过程也很困难。落实的过程，涉及到个人和部门利益，容易遇到各种各样的对抗和抵触。比如，用各种困难和假的数据应付搪塞；推进过程中，人们还会遇到各种各样的不习惯，导致工作效率的降低，产生抵触情绪。

然后是基础条件差。由于我国自动化、数据采集方面的基础相对落后，而对已有产线改造的成本又大，这导致智能化的推进往往需要付出更多的成本。

最后的困难才是来自技术方面的，包括各种处置问题的算法、模型，等等。在笔者看来，我们的国家其实并不缺乏技术人才，只要前面的关系能够理顺，技术一般不是问题。

从某种意义上说：推进智能化，先要解决人的问题，然后才是用技术解决问题。换个角度说，是通过智能化相关的技术手段，帮助企业解决人的问题。

延续这个思路，推进智能化，就首先要涉及到透明化。所谓透明化，就是用数字化的手段，把决策和执行过程记录下来，进而把各种跑冒滴漏展现出来、能够被管理者感知。通过透明化，管理者可以有效地解决“授权”和“受控”之间的矛盾，企业的管理水平自然就会提升，业务活动中的矛盾和纠纷也就会随之减少。

在理想的条件下，智能决策需要与自动执行结合起来，杜绝人为的干扰，让执行过程“不走样”。但是，我国钢铁企业普遍遭遇自动化程度较低、数据采集条件不好的约束。面对这样的问题，根本性的解决方案是提高自动化和数据采集能力。但是，当前更加现实有效的办法，则是将“线上”和“线下”的工作结合起来做、把计算机的决策和人的执行和管理结合起来，而不是指望智能化方法解决当前所有的问题。这样做的经济可行性和现实性往往更好。

用智能化的手段推进节能减排

推进智能制造时，问题和场景的选择非常重要。推进智能制造工作的成败应该用价值来衡量。但价值的大小，首先是优化空间本身决定的。而优化空间的大小，决定于技术的应用场景。

殷瑞钰院士多次强调，钢铁生产是个耗散系统，必须关注物质流、能量流和信息流的协同。减少能量的无效耗散，存在着巨大的价值，是推进智能化的重要课题。殷院士还指出，钢铁行业未来技术发展的战略方向是绿色化和智能化。用智能化的手段推进节能减排，同时符合这两个战略方向的要求。

对于钢铁联合企业，煤气是最重要的能源介质之一。煤气生产和消耗的平衡非常重要———如果生产大于消耗，多余的煤气就要被排放掉、造成价值损失；反之，如果消耗大于生产，又会影响用气环节的正常生产。在缓冲能力不足的企业中，保持煤气生产和消耗的动态平衡非常困难，这也意味着煤气动态平衡的价值非常大。

然而，实现煤气的动态平衡存在很多困难。首先是与煤气平衡相关的设备往往很多，分布在从焦炉、高炉、转炉、加热炉、电厂等多个车间，涉及到的优化要素很多、对象很复杂；其次是各个车间有各自的考核指标（如产量），它们倾向于按照自己的节奏组织生产，而煤气协同时，它们之间存在利益分歧；再其次是相关设备常常分布在几平方公里、乃至几十平方公里的范围内，相互之间距离很远，信息通信有困难；最后是管道系统的动态特性复杂，建模存在困难。

随着ICT技术的不断发展，工业互联网的应用越来越深入，车间之间的实时通信已经不再是技术瓶颈。在这样的技术背景下，对管道和相关设备进行建模，并将实时数据接入，就能预测煤气的产生和消耗；在此基础上，还可以对煤气的生产和使用环节进行动态配置，并要求各个部门的主操按照统一的要求控制生产节奏。这就是所谓的部门协同。这种协同会影响到各个车间的生产节奏，甚至考核指标。实际执行过程中可能会遇到障碍。为此，要调整相关的考核机制、实现管理的透明化，使得操作人员有意识地让部门利益服从企业全局利益，最终实现全局上的动态优化。

按照这样的思路，上海优也信息科技有限公司对华东地区某个年产500万吨左右的钢铁企业进行智能控制，每年的经济效益大约5000万元，效果十分明显。

未来，理想的智能化钢铁企业，应该是高效率、高质量、低成本、多功能、环境友好的。但是，理想的智能化钢厂，是在理想的条件下才能建成的。这种理想的基础，不仅包括高度的自动化、数字化，还应该包括高效合理的生产流程和设备、合理的产线分工、智能化的供应链和服务，等等。然而，智能化的推进过程，又必须依据现实的条件。所以，钢铁企业的推进过程，必然是个逐步推进的过程。这个过程，需要遵循经济性的原则，首先从经济性强的场景切入；但还应该着眼未来的发展，让短期利益和长期利益得到兼顾。为此，必须尽可能早地关注一些基础性的工作。目前，工信部推动的工业互联网APP培育工程，就是针对这一方面的解决思路。这一方面的工作，应该引起中国钢铁企业有关人士的重视。但是，推进这一工作首先遇到的阻碍不是技术问题，而是与人相关的利益、观念和组织问题。推动这项工作的进行，企业需要有系统的考虑。