关于制造生产业务的数字化、信息化建设的一些思考

近来天气也慢慢转凉了，在某个下班的路途中不经意意识到，SAP项目也已经上线快一年了，曾经大家一起日夜兼程的奋斗时光也已经是好久之前的回忆了（过了很久，还是很想念我们组坤坤的，现在吃饭都没当时香了）。对制造业企业来说，除了业财一体化方向的建设需要外，ERP项目另外一个核心的内容就是制造业本身的信息化建设，包括MRP等很多相关内容。想来也是机缘巧合吧，当时应S席邀请，在制造中心这块办公也大半年了，直接或间接也见证了红红火火的降本增效考核以及一些别的业务环节的现状，在加上笔者之前的同学正好从事的就是制造业的信息化建设工作，日常闲聊沟通中，也简单了解一二。

在开始正式的内容之前，正常要普及一下大的环境的趋势和相关信息。目前行业中“智能制造”的概念正火，但是智能制造的核心是什么，笔者可能会和部分从业者持不同的看法，这里先给笔者的个人看法：智能制造的核心不在智能上，而是在制造上，但是这个制造只的不单是生产的制造，而是制造运营管理。在这个充斥着各种信息的年代，我们往往会被智能，数字化的字样蒙蔽，被淹死在大数据的海洋里，而看不到事物真正的本质。

此外，我们还要了解工业4.0和3.0时代的本质区别究竟在哪。其实就目前的情况来看，绝大多数中小企业应该都是处于3.0阶段，即通过闭环管理的方式进行制造运营的管理。基于由上至下的金字塔组织结构、通过流程信息化与生产自动化实现，其核心要素是规范化。但在这一模式下，生产计划与生产执行、工艺设计与过程控制之间不可避免会出现延迟滞后的现象，进而带来一系列质量、成本和交期问题。这种缓慢的模式，已远远无法满足工业4.0时代的敏捷要求（补充一个信息点，第四次工业革命发生的背景是“大规模、标准化”制造运营管理模式已无法应对市场变化，敏捷的制造运营管理模式成为变革目标）。

所谓智能，无非是降低或解决这个问题的手段。但是笔者在之前的公司或项目中，见到了太多数字化项目在落地到车间或者仓库过程中，出现了严重的水土不服，很多项目都是高开低走，虎头蛇尾的形式告终。因为从管理层亦或是IT层面，必须对于数字化和智能化这两个概念有正确的理解和期望，否则确实很难达到立项的目的。

首先，做项目也好，或者进行管理分析之前，我们都需要知道目前企业处于哪个阶段，在针对企业的现状进行解决方案的拟定。按照行业内比较标准的制造能力成熟度划分来说智能制造的成熟度可分为五个级别：

第一级是管理规范，要求企业在进入该领域之前，先确保管理规范的落实，包括管理流程和工艺路线等方面。

第二级是流程信息化和生产自动化，即通过ERP、MES等IT系统以及自动化产线，把管理与工艺流程固化下来，确保管理规范的严格执行。

到第二级，企业基本就可以被认为达到了工业3.0的成熟度，即可以满足大规模标准化生产的制造运营管理要求了。目前威派格也基本处于这个阶段。

但是想要更进一步（后面几级分别是：IT/OT数据集成与共享；数字化与智能化；业务模式创新），就已经不是简单的线性过程了，企业需要超越已有的认知，进行一场技术和思想的自我革命，才可能具备进入后续阶段的基础。

从目前的市场环境以及客户需求来看，我们确实也不能满足于现状，因为市场越来越要求制造企业在动态环境下仍然能实现高质量、低成本、短交期业务目标。这一更高要求驱使着企业制造的运营管理思想从对质量、成本、交期的“事后改善”向“事中干预”、“事先预防”方向转变。所以这就回到笔者最开始给出的观点中了，我们需要一种以质量、成本、交期结果导向，通过知识驱动的实时制造运营管理模式，拥有对生产运营状态的即时感知、分析、决策、执行能力，这样才能更好的匹配市场以及客户的需求，具备更强的竞争力。

其实从笔者个人接触下来，制造中心的谷老板和李克们其实也很努力想把工作做好，不可谓不努力，但是比较残酷的是人脑的运算能力终究还是有限的，大多数情形下，我们面对复杂的分析决策时，采用流程化的处理方式是不能满足要求的，必须要进行思维的升级和转化。这也是制造业在数字化转型中的一个难点。

因为制造运营管理是一项复杂与精细的工作，其复杂度源自于制造运营问题的多维度特性。

制造运营管理有质量、成本、交期等多个目标维度。它们相互矛盾、彼此约束，经常是按下了交期的葫芦就浮起了成本的瓢。要兼顾这些相互制约的目标，我们需要协调人、机、料、法、环、测等六个生产要素维度。最后，对于这些多维度问题的分析与决策，还要实现极高的实时性（比如生产节拍）和精准性。

在加上我司目前前端一线各种各样的不规范操作以及要求，也极大的影响了决策和生产计划的安排（谷老板反馈）。

那问题来了，应该怎么升级呢？或者说传统思维模式和数字化的思维模式差别在哪？在这里笔者先给出一个数字化思维模式的通用公式，然后结合制造进行细化解释，简单用方程式来表达的话其实并不复杂：即我们的价值目标（输出结果要求）y=智能&知识函数f（数据信息x1，x2，x3....)，公式其实是通用的，但是制造业有其个性化的诠释，其中：

1. 价值目标y可以理解为KPI，例如包含了衡量质量的良品率、成本（料工费）、交期及时率（计划达成率）等或者是我们很熟悉的降本考核（S席专属）
2. 函数f可以理解为分析决策的模型，通过围绕价值目标进行构建，构建过程中参考生产运营的知识和经验以及企业现状，最终能够实际量化描述生产要素之间的关系（例如通过生产工艺知识连接目标以及生产要素）；函数f即分析决策模型必须输入响应的数据信息来产出最终的结果。例如产出物料和工艺的最佳组合以实现最高质量和较低成本的目标以及其他目标的最佳方案或最优路径
3. 数字信息x1，x2..可以理解为分析决策的模型所需的生产要素（例如质量标准定义、人员操作规范、设备状态、工艺参数、制造成本核算标准、围绕生产工艺的标准工时成本、物料成本、能源消耗成本、交期定义、制造组织的产能等约束条件）以及识别和采集的生产要素数据，数据分为历史和实时在线数据

在我们比较清晰的理解了上述公式中各组成部分之间的关系后，就可以逐步的进行思维的转变，从另外一个方面我们也可以这样理解，从而突破原有的传统思维模式：

1. 我们需要具备面向我们需要的价值目标的分析决策模型（即如何解决问题，达成目标）
2. 我们需要对应实现价值目标的生产运营相关的知识（即能知道产生问题的原因）
3. 我们需要能获取生产要素的状态（即能知道到底发生了什么问题）
4. 我们需要能通过手工或系统自动采集历史或实时数据（即能具备分析问题的基础资料）

从上面的内容中，其实我们不难看出来，之前大家常说的智能制造就是数据驱动的制造，是具备一定的误导性的，因为近10年的互联网行业高速发展，给传统的制造业企业带来了大量人才的同时也带来了大量的互联网黑话以及观念，在互联网行业，大家都习惯于低成本的获取大量数据以及对应的分析决策思路精准度和实时性上并没有那么敏感。

但是传统的制造业企业、车间环境并不是互联网，生产过程中的数据其实是很有限的，采集数据我们所投入的人力物力其实是很高昂的，并且生产车间对于分析决策需要具备极高的精准度以及实时性要求（例如笔者之间了解到的常规制造业产线停工的损失就是以分钟进行计算的）。

所以前几年很多传统制造业企业，包括笔者所在的传统零售业，希望通过大规模投资技术改造、数据采集、数据入湖、数据中台（笔者曾经接手的信息中台项目一期投入就在2000w人民币上下）提升质量、成本、交期的美好愿望，投入不可谓不高，期望不可谓不高，但是最后都以失望告终。

因为我们需要的是符合企业特性的制造知识框架下的精准实时的数据，而不是没有专业体系框架的所谓大数据。这也是笔者之前在部门交流和数据分析的同事沟通时候交流到的，数据分析专家，首先必须是该行业领域的业务专家，否则大概率只能成为“数据的搬运工”，产生的价值有限且容易被替代。

所以后续阶段的智能制造进度推进（智能制造成熟度第三、四级）的实现过程本质就是数字化与智能化的推进过程。其中，数字化进程实现实时生产运营状态的感知与执行。具体来讲，就是对生产管理、库存管理、质量管理、检修运维管理、能源管理等制造运营管理知识的数字化表达。

结合实时数据，我们就可以对物理空间的制造运营过程在数字空间中实现实时镜像表达，即运营数字孪生——它源自工程知识，是同时可以被生产人员和人工智能所解读的。所以其实大道若愚说的也是这个意思，只是换了一种另外的表达形式。

有了这一层表达式，人工智能算法才可以像车间主任一样地了解生产运营状态，并针对质量、成本、交期业务目标，对生产要素做根因分析、提出改善建议，并在物理空间中的生产要素上执行，实现敏捷制造，最终实现工业4.0的终极目标：自适应生产运营管理，也就是人们常说的“黑灯工厂”，最终实现制造运营管理的闭环（例如生产批次质量->根因分析->改善建议）。

总结来说，智能制造不是单一项目，而是一段利用数字化与智能化技术、持续优化“制造运营管理知识”的旅程。它最合适的起点与抓手是所有制造企业的核心，即生产工艺设计与质量控制的数字化与智能化进程。制造企业以此为主轴，逐步扩展到生产管理、物料管理、检修运维管理、能源管理等领域，最终实现质量、成本、交期目标的大幅改善。

文末要感谢笔者的高中同学裘实（现就职于四大咨询）的无私分享和观点交流，以及我司S席、S慧的日常工作分享交流，都是促成本文的契机。最后笔者看着制造中心二期消失的热水器以及热水壶们，陷入了沉思。。。。真的，道阻且长，请制造中心的诸位珍惜当下的幸福时光。