在线观看免费国产视频_日本三级小视频_蜜桃91麻豆精品一二三区_亚洲天堂手机在线_亚洲成人第一区_欧美日韩偷拍视频_亚洲人在线观看视频_蜜桃久久一区二区三区_精品国产乱码久久久久久蜜臀网站_啦啦啦免费高清视频在线观看

數字化進程是一場改革。無論什么樣的變革都是為工廠的盈利能力賦能。每個工廠的數字化進程都要量力而行。不能期望一蹴而就。尤其不能為了自動化而自動化，為了智能化而智能化，否則數字化就是透支明天的政績工程。

互聯網的蓬勃發展解決了信息差，物流行業的遍地開花解決了地域差。消費者開心地得到了實惠。但是工業界的日子可是越來越難過。利潤越來越低，競品越來越厲害，似乎總有人比你做的好、做的快、賣的便宜。

工業界都在紛紛尋求更好的模式提高生產效率。 

讓大家更頭疼的是這個浮躁的時代，技術沒見到革新，名詞越來越多：工業4.0，工業互聯網，智能制造，數字化工廠，柔性制造，離散制造......

作為企業主，顯然是不可能花心思理解這些名詞的，有心也無力。就想簡單粗暴的問一下：

1. 怎么降本增效？

2. 智能制造也好，數字工廠也好，具體怎么落地？

我們用生活的例子來解釋：

一個工廠和人體有很大的相似性。那一個人要想身體更好，怎么做呢？首先我們要知道身體哪里好和哪里不好。針對性的哪病醫哪。那怎么知道哪里好或者不好呢？我們去找醫生，不管是中醫還是西醫。一方面要測量數據，一方面要和標準值對比。比如我們會稱體重，測心率，測肺活量，先通過數字可視化讓我知道身體的狀態，然后通過和參考值對比知道身體是處于什么狀態。

說回工廠。咱們要想降本增效，首先要知道工廠的健康狀況。按照上面邏輯，咱們首先要解決的是信息可視化。通過報表把每個車間，每條線，每臺設備，每個人，每個產品的信息展示出來。通過實際值和理論值的對比找出虧損點或者可優化點，有的放矢。

那問題來了，怎么收集這些數據呢？尤其是有些工廠都沒有自動化設備怎么做？

【數據收集】

還是以醫學的例子來回答，沒有西醫以前，人們就不看病了嗎？望聞問切也是測量啊。如果沒有條件做到自動化收集，一定不要等。咱們先用能實現的方法開始收集。

• 如果工廠已經有了自動化設備，咱們可以直接通過OPC或者工業數據采集卡來抓取數據。甚至現在有了集成的物聯網網關可以更容易地抓取數據。

• 對于自動化程度較低，甚至沒有自動化的工廠，咱們可以先從手動的數據收集開始。當然如果成本允許，可以考慮逐步過渡到用一些APP來收集數據。對于關鍵位置，我們可以采用外加傳感器的方法來收集特定數據。

【數據展示】

有了數據以后，咱們就可以把數據進行分類展示。用分級匯總的方法。一方面把工廠目標分解到車間目標，分解到生產線目標，分解到機器目標，分解到某一產品目標。另一方面把實際數據按照產品匯總，按照機器匯總，按照生產線匯總，按照車間匯總，最后按照工廠匯總。然后把實際值和理論值進行對比。分解得越細，越容易定位問題的根源。

為了把問題呈現得更清楚，我們可以借助一些易讀性報表。如果小工廠沒有條件，至少可以用excel來做可視化展示。如果條件好的，可以用一些低代碼BI工具，比如PowerBI，Microstrategy、織信Informat等。

【數據分析】

通過數據展示，我們實際上已經可以很大程度上看到工廠的問題所在。套用“二八”定律，工廠大部分的問題都集中在20%的分類里。在這20%的問題里，我們又繼續逐層解剖一步一步的發現問題根源。

一般我們把實際值和理論值的差異稱為損失。損失分為可以優化的損失和不易優化的損失。什么區別呢？

• 可優化的損失是指的我們肉眼可見或者憑借經驗就可以解決優化的損失。比如員工的技能水平，原材料的質量，設備零部件損壞等。這樣的問題，我們一般通過經驗或者外部技術支持就可以解決。

• 其他的損失就是不易優化的損失。比如某類產品的合格率或者生產率一直停留在一個水平。機器也沒有發現問題，人員操作也沒有問題。那是怎么回事呢？這時候我們就可以借助工業數據挖掘的這樣人工智能技術來幫助查找原因。

【問題解決】

1、局部問題：解決具體問題不能一概而論，畢竟每個公司有每個公司的特點。通用的且最好的方法論是豐田的精益管理體系。關于精益管理，我們會專門討論怎么在工廠部署精益管理，尤其是怎么用數字化的方法部署精益管理。一方面，我們在數據分析的基礎上可以繼續使用魚骨圖來更深層次的分析問題根源，使用Kaizen工具來進行優化。另一方面我們也可以考慮是不是有可替代的自動化機器，比如工業機器人來代替人工重復性高，容易出錯的工序。

2、統籌問題：除了具體問題，最復雜的其實是統籌問題。工廠這么多部門這么多工序，最大的問題是調度協調，而一般不是某個機器或者某員工的效率問題。那怎么才能更好的優化計劃調度呢？ 

這就需要我們做高級的智能排產。現在市面上也有一些排產工具能實現基本功能，但是肯定不能做到盡善盡美，多少都需要是要借助于自己工廠的計劃調度員經驗進行調整。所以沒一家工廠都要盡早的開始開發準備自己的智能排產工具。統籌考慮用戶訂單需求，原材料供應，倉儲空間，生產線生產能力，設備人員可用性，發貨周轉速度。計劃做的越智能，工廠才會運轉越快，才能更好的抵御訂單調整，原材料供應調整等等各種因素的臨時性干擾。當然要想做好這樣的統籌，上面的數據收集分析是前提。

回過頭來總結，落地數字化工廠實際上是做好三個層面的事情：

• 底層設備自動化：用機器代替人的簡單重復性勞動，比如機器人手臂，A/RGV, ASRS。

• 中層數據可視化：把工廠的狀況呈現出來。讓每個層級都能知道自己負責區域每個訂單的情況，每個設備的情況，每個人的情況，每個產品的情況。當然信息化的過程一般離不開信息系統。我們可以根據工廠特點，選擇性上馬ERP，MES，WMS，EMS，TPM等不同的信息化系統。

• 高層規劃智能化：統籌訂單、生產能力、設備、人員、材料等各方面情況，盡可能的把計劃調度做到可靠且靈活。比如使用APS。

在這三個維度上，我們還要循序漸進，依照PDCA（Plan計劃、Do執行、Check檢查、Action處理）螺旋式遞進上升。當企業數字化到了一定程度以后，我們才可以而且必須考慮數據的中心化存儲。試著采用“低代碼APaaS”快速搭建數據中臺，開發中臺，業務中臺。隨之而來的是企業信息化架構的改革，運作模式的調整。

現在市面上智能制造方案往往不分青紅皂白，言必稱自動化/大數據/人工智能，動不動就建議工廠上MES。幾百萬幾千萬幾個億砸進去，工廠的數據報表是更酷炫了，然而效益并未增長。好比來了個大廚，傾你所有給你做了滿漢全席，看起來很豐盛，然而吃完這頓也許就只能等著要飯了。本末倒置，這不是工廠數字化智能化的目的。

數字化進程是一場改革。無論什么樣的變革都是為工廠的盈利能力賦能。每個工廠的數字化進程都要量力而行。不能期望一蹴而就。尤其不能為了自動化而自動化，為了智能化而智能化，否則數字化就是透支明天的政績工程。