数字化进程是一场变革。无论什么样的革新都是为工厂的盈利才能赋能。每个工厂的数字化进程都要量入为出。不能希冀一蹴而就。特别不能为了自动化而自动化，为了智能化而智能化，否则数字化就是透支明天的政绩工程。

互联网的蓬勃开展处理了信息差，物盛行业的遍地开花处理了地域差。消费者开心肠得到了实惠。但是工业界的日子可是越来越难过。利润越来越低，竞品越来越凶猛，似乎总有人比你做的好做的快卖的廉价。工业界都在纷繁寻求更好的形式进步消费效率。让大家更头疼的是这个急躁的时期，技术没见到改造，名词越来越多：工业4.0，工业互联网，智能制造，数字化工厂，柔性制造，离散制造。。。

作为企业主，显然是不可能花心机了解这些名词的，有心也无力。就想简单粗暴的问一下：

怎样降本增效？
智能制造也好，数字工厂也好，详细怎样落地？

我们用生活的例子来解释：

一个工厂和人体有很大的类似性。那一个人要想身体更好，怎样做呢？首先我们要晓得身体哪里好和哪里不好。针对性的哪病医哪。那怎样晓得哪里好或者不好呢？我们去找医生，不论是中医还是西医。一方面要丈量数据，一方面要和规范值比照。比方我们会称体重，测心率，测肺活量，先经过数字可视化让我晓得身体的状态，然后经过和参考值比照晓得身体是处于什么状态。

说回工厂。我们要想降本增效，首先要晓得工厂的安康情况。依照上面逻辑，我们首先要处理的是信息可视化。经过报表把每个车间，每条线，每台设备，每个人，每个产品的信息展现出来。经过实践值和理论值的比照找出亏损点或者可优化点，对症下药。

那问题来了，怎样搜集这些数据呢？特别是有些工厂都没有自动化设备怎样做？

【数据搜集】
还是以医学的例子来答复，没有西医以前，人们就不看病了吗？望闻问切也是丈量啊。假如没有条件做到自动化搜集，一定不要等。我们先用能完成的办法开端搜集。

假如工厂曾经有了自动化设备，我们能够直接经过OPC或者工业数据采集卡来抓取数据。以至如今有了集成的物联网网关能够更容易的抓取数据。

关于自动化水平较低，以至没有自动化的工厂，我们能够先从手动的数据搜集开端。当然假如本钱允许，能够思索逐渐过渡到用一些APP来搜集数据。关于关键位置，我们能够采用外加传感器的办法来搜集特定数据。

【数据展现】

有了数据以后，我们就能够把数据进行分类展现。用分级汇总的办法。一方面把工厂目的合成到车间目的，合成到消费线目的，合成到机器目的，合成到某一产品目的。另一方面把实践数据依照产品汇总，依照机器汇总，依照消费线汇总，依照车间汇总，最后依照工厂汇总。然后把实践值和理论值进行比照。合成的越细，越容易定位问题的本源。

为了把问题呈现的更分明，我们能够借助一些易读性报表。假如小工厂没有条件，至少能够用excel来做可视化展现。假如条件好的，能够用一些BI工具，比方PowerBI，Microstrategy。

【数据剖析】

经过数据展现，我们实践上曾经能够很大水平上看到工厂的问题所在。套用“二八”定律，工厂大局部的问题都集中在20%的分类里。在这20%的问题里，我们又继续逐层解刨一步一步的发现问题本源。

普通我们把实践值和理论值的差别成为损失。损失分为能够优化的损失和不易优化的损失。什么区别呢？

可优化的损失是指的我们肉眼可见或者凭仗经历就能够处理优化的损失。比方员工的技艺程度，原资料的质量，设备零部件损坏等。这样的问题，我们普通经过经历或者外部技术支持就能够处理。

其他的损失就是不易优化的损失。比方某类产品的合格率或者消费率不断停留在一个程度。机器也没有发现问题，人员操作也没有问题。那是怎样回事呢？这时分我们就能够借助工业数据发掘的这样人工智能技术来协助查找缘由。

【问题处理】
【部分问题】处理详细问题不能混为一谈，毕竟每个公司有每个公司的特性。通用的且最好的办法论是丰田的精益管理体系。关于精益管理，我们会特地讨论怎样在工厂部署精益管理，特别是怎样用数字化的办法部署精益管理。一方面，我们在数据剖析的根底上能够继续运用鱼骨图来更深层次的剖析问题本源，运用Kaizen工具来进行优化。另一方面我们也能够思索是不是有可替代的自动化机器，比方工业机器人来替代人工反复性高，容易出错的工序。

【统筹问题】

除了详细问题，最复杂的其实是统筹问题。工厂这么多部门这么多工序，最大的问题是调度谐和，而普通不是某个机器或者某员工的效率问题。那怎样才干更好的优化方案调度呢？这就需求我们做高级的智能排产。如今市面上也有一些排产工具能完成根本功用，但是肯定不能做到尽善尽美，几都需求是要借助于本人工厂的方案调度员经历进行调整。所以没一家工厂都要尽早的开端开发准备本人的智能排产工具。统筹思索用户订单需求，原资料供给，仓储空间，消费线消费才能，设备人员可用性，发货周转速度。方案做的越智能，工厂才会运转越快，才干更好的抵御订单调整，原资料供给调整等等各种要素的暂时性干扰。当然要想做好这样的统筹，上面的数据搜集剖析是前提。

回过头来总结，落地数字化工厂实践上是做好三个层面的事情

底层设备自动化：用机器替代人的简单反复性劳动，比方机器人手臂，A/RGV,ASRS

中层数据可视化：把工厂的情况呈现出来。让每个层级都能晓得本人担任区域每个订单的状况，每个设备的状况，每个人的状况，每个产品的状况。当然信息化的过程普通离不开信息系统。我们能够依据工厂特性，选择性上马MES，WMS，EMS，TPM等不同的信息化系统。

高层规划智能化：统筹订单、消费才能、设备、人员、资料等各方面状况，尽可能的把方案调度做到牢靠且灵敏。比方运用APS

在这三个维度上，我们还要按部就班，按照PDCA（Plan方案、Do执行、Check检查、Action处置）螺旋式递进上升。当企业数字化到了一定水平以后，我们才能够而且必需思索数据的中心化存储。试着搭建数据中台，开发中台，业务中台。随之而来的是企业信息化架构的变革，运作形式的调整。

如今市面上智能制造计划常常不分青红皂白，言必称自动化/大数据/人工智能，动不动就倡议工厂上MES。几百万几千万几个亿砸进去，工厂的数据报表是更酷炫了，但是效益并未增长。好比来了个大厨，倾你一切给你做了满汉全席，看起来很丰富，但是吃完这顿或许就只能等着要饭了。舍本逐末，这不是工厂数字化智能化的目的。

数字化进程是一场变革。无论什么样的革新都是为工厂的盈利才能赋能。每个工厂的数字化进程都要量入为出。不能希冀一蹴而就。特别不能为了自动化而自动化，为了智能化而智能化，否则数字化就是透支明天的政绩工程。

(科技产业责编：陈峰 )