工艺防错，以零部件为例，一是编码和供方核对，产品首件的时候要进行扫码，将物流编码和供应商编码与系统要求的数据进行对比，确认实际装配必须与客户要求一致;二是相似零部件示警，通过零部件扫描，通过图片将相似部分重点标注，并核对是否拿错货;三是临时通知的管控落地，江文表示，行业的特点就是临时任务、要求比较多，通过切换产品时的临时通知任务预警，提醒操作工预览确认后才能进行装配。

以发动机刻字为例，通过联网刻字系统生成记号，刻完后通过AI图像识别系统进行拍照记录，在之后的实际刻字中，与图像进行对比，确保刻字内容与系统要求一致。

江文认为，现在大部分的5G+AI检测实际并不是真正的AI检测，而是图像识别，与人脸识别一样。AI检测是把很多看似不关联的数据搭建成模型，进行预防性维修等工作。“通过图像比对进行预警，并不是真正的AI检测而是图像识别技术。”江文如是说道，“大部分企业做MES的初衷除了解决过程质量管控及效率提升，还有一点就是反向追溯。当出现问题件后，可以反向追溯这个产品的产线、生产时间、零部件来源、工艺参数、操作人员、测试数据等等，二者是相辅相成的两项技术。”

智能物流

物流主要分为原材料物流和成品物流，从技术角度出发，实现全流程的自动化并不难，但对企业而言痛点主要是成本高。宗申动力目前并没有做到完全的自动化物流，尤其在成品物流上，依靠的依旧是人工物流。但在原材料物流上，则实现了入库、存储、调取到现场的自动化物流。

建立采购计划下给供应商后，供应商会进行料箱条码的制作，并按照采购计划将物料送到生产现场。到达现场后，在终端电脑上输入供应商账号和密码进入系统，每个原料部件上，都贴着一张附有智能信息的标识表。通过无线扫码枪，无需人工验货，这些部件便可以扫码入库，并被放置在标准化托盘上，进入立体物流仓。

需要使用时，立体物流仓的取货机器人会根据电脑制定的排产计划，把各种原料部件依次取出，交给AVG物流车，送往装配工位。工位上的一体机屏幕上，已经提前显示了这当日的生产任务，以及所需的原料部件列表。列表与此前扫码的货品清单一一对应，期间没有人工干预，从而杜绝了送货或排产的差错。

理性看待5G+工业互联网

对于工业互联网平台和传统数字化的差异究竟体现在哪里，与原有信息系统的关系如何，江文依旧心存疑惑。

目前业内对工业互联网的描述，有一部分声音认为是实现人机物的链接、并通过后台数据平台的运营分析，帮助企业打造新的应用场景和解决业务痛点，但对于其中的“如何连接、具体连接方式”等问题并没有过多可借鉴的研究。江文认为，工业互联网在现阶段代表的是一种方向，各行各业都在探索，积极拥抱，但关乎其应用的核心只有一个“工业互联网平台可以解决什么问题”。尤其对于制造业而言，千人千面，每个企业的场景、数据、痛点都不一样，不是简单的一个词“打通”就可以真正解决的，可复制性非常低。

“工业互联网平台如何‘连’数据?通信协议是很复杂的技术，不是简单的打通就能互连。目前工业互联网的概念过于宽泛且不聚焦，对企业而言前提一定是问题导向。”江文如是说道，“无论国内还是国外，其实大家都在摸索，落地聚焦的场景还是传统的玩法。所以，在工业互联网平台的真正落地场景中，我们要关注其与传统平台的差别是什么，边界在哪里，彼此互联互通的地方又在哪里。如果只聚焦一个点的场景，那这个技术是否可以称之为真正的工业互联?”

从传统的制造业角度来看，国家虽然在大力推行5G，但在传统制造业，短期内可能难以产生质的变化。因为相较于5G的优势，其劣势也很突出，例如运营成本高、技术壁垒高、基站少等等。江文表示，5G的价值是代替传统网络，尤其在无人驾驶、远程巡检、图像识别以级野外的场景中，但矛盾的是，由于基站不够，5G在野外没有信号。除此，5G的通讯模组也存在不够商业化、资源匮乏等问题。

5G只是一种通讯方式，核心是应用场景是否确实需要，是否能帮助企业解决业务痛点、数字化痛点。所以，企业要不要上5G，不是取决于国家是否扶持，也不是因为潮流，而是取决于企业自己。