相关案例
装备制造业智能工厂规划
传统装备制造行业普遍存在产品设计与工艺特点差异化、产品和工艺标准化较低，生产批量小（或中等），订单设计要求个性化，生产周期长，设备智能化水平低，产品切换周期长、交付周期长、采购周期长、工厂管理数字化水平较低、规模化水平较低、导入先进技术的设计适配周期和实施周期较长、成功经验横向复制和推广的难度较大等特点。
由于上述原因，传统装备制造业推进智能化、数字化转型的成本相对较高，回报期较长，对软硬件供应商和技术服务商的行业知识储备、行业服务经验、整体解决方案能力的要求很高。
01
2024年新年伊始，全球制造业加速变革和重构，头部企业加快布局，中低端制造产业链持续转移。
对国内制造企业而言，迫切需要巩固竞争力。通过加快导入智能制造技术，落实数智化转型，打造数字化价值链实现敏捷、高效的研发、生产、供应（采购）、销售和服务能力。
1
新质生产力、“中国制造2025”
2024年1月31日，习近平在中共中央政治局第十一次集体学习时强调，加快发展新质生产力，扎实推进高质量发展。
围绕实现制造强国的战略目标，《中国制造 2025 》明确了 9 项战略任务和重点：一是提高国家制造业创新能力；二是推进信息化与工业化深度融合；三是强化工业基础能力；四是加强质量品牌建设；五是全面推行绿色制造；六是大力推动重点领域突破发展，聚焦新一代信息技术产业、高档数控机床、机器人、航空航天装备、海洋工程装备及高技术船舶、先进轨道交通装备、节能与新能源汽车、电力装备、农机装备、新材料、生物医药及高性能医疗器械等多个领域；七是深入推进制造业结构调整；八是积极发展服务型制造和生产性服务业；九是提高制造业国际化发展水平。
《中国制造 2025 》通过“三步走”实现制造强国的战略目标：第一步，到 2025 年迈入制造强国行列；第二步，到 2035 年我国制造业整体达到世界制造强国阵营中等水平；第三步，到新中国成立一百年时，我制造业大国地位更加巩固，综合实力进入世界制造强国前列。
基于国家战略，国家在相关政策上对企业智能制造转型给予了大力扶持和鼓励。
企业如何借助智能化技术和工具，高效地获取和利用信息和数据，成为企业能否健康发展的一大关键的前提。
以装备制造为例，首先，随着上下游企业和友商的数智化能力的快速提升，市场（客户）对产品的需求定制化、个性化增加，产品智能化迭代速度也在加快。外部商业环境促使企业必须在研发、生产、供应链、销售和服务上作出快速响应（不低于行业友商水平），才能保持竞争优势。例如，基于大数据模型的工艺提升、新产品研发设计、供应链与采购管理、计划管理与排产、存货管理及库存水平改善、质检与质量管理、设备管理、销售预测、订单管理、大项目管理、售后服务管理等
其次，碳排放、ESG、职业健康与安全、质量合规等各方面的标准逐步规范化，特别是出口型、重点行业、面向大型客户的企业。企业必须符合行业合规标准及当地法律法规的要求。
最后，装备制造企业的用户对产品售后的要求越来越高，比如对于出口海外订单、异地交付设备的安装与调试，设备入网、远程运维、售后维护与维修，应对疫情、休假等不确定性带来的复产复工及差旅进场问题的线上业务方案，劳动力成本增加、客户对快速开机使用和对交货周期的高要求、新产品及定制化订单交货短周期等。这就要求智能装备可以实时高效地采集、处理和传输数据，并且企业需要建立数智化平台对海量数据存储和分析，挖掘业务价值，能够与企业内外部的业务端口进行数据实时交互。比如提供基于大数据的远程运维、备件更换、保养、维修、检测及售后服务管理等智能服务等。
随着人工智能、大数据、云原生、IIoT、边缘计算等技术的发展和普及，装备制造行业正在经历全面的数智化变革。以数据为主线的装备研发设计、采购及供应链、仓储、场内外物流及搬运、生产制造、市场、销售、售后保养及维修服务乃至IT支持（含数据治理）、人力资源及财务等业务职能正在进行着全面深刻的数智化与业务模式的转型。
2
企业如何从智能制造转型中获益
装备制造行业中仅有少数细分行业和头部企业自身具备丰富的数智化资源和经验，大部分企业对智能制造的理解不够深刻，虽然已经意识到数字化转型的迫切性，但在实践推进中往往无功而返、停滞不前，不知道从哪里入手、需要投入多少、效益产出会有多少。
笔者及所在团队曾经服务过包括多家装备制造行业头部企业在内的上百家工厂，积累了丰富的行业服务经验，对行业数智化实践有着深刻的理解。
智能制造首次将信息技术的真正融入工业的核心——研发与生产环节，实现了IT和OT的无缝衔接，彻底解决了传统信息化无法解决的业务痛点。
以往，数据采集、传输与处理能力有限，应用局限于单个或若干个业务场景，比如财务管理、办公信息化（OA）、生产计划及资源管理、采购管理等（ERP）。各个业务部门之间信息流转困难、成本高、时效性差，效率低下，形成一个个“信息孤岛”、“数据烟囱“，企业层面、各个部门和系统之间的业务在线协同存在阻碍，且数据治理难度大，导致业务低效，装备研发、仿真、制造、调试和服务等环节难以实现高效率的连通，企业丧失竞争力。
而在企业内部，集团、工厂、一线各部门之间的管理和车间生产制造之间信息流同样需要打通，IT和OT之间必须联通，比如ERP、MOM、IIoT、设备层之间，实现“一网到底”全覆盖。生产车间现场采用扫码、OCR、触摸屏、语音识别等方式替代以手工记录的纸质报表形式，与数字化系统对接。在线业务方式同样可以延伸到企业外部的客户、渠道伙伴和供应商，企业针对供应链和物流销售网络的业务协同能力、成本控制能力和需求响应速度可提升到新的高度。
智能制造和数字化技术必须能够有效解决传统企业痛点，补齐关键的业务短板，打造出具备行业竞争力的一体化价值链，充分释放数据的价值潜能。在前期调研、方案规划、实施、验收各个环节都必须秉承智能制造/数字化转型的核心理念，包括：
1、 按照先后顺序导入智能化技术更容易见到成效。一般而言，基本原则是首先借助数智化技术夯实业务基础，比如工艺水平、质量管理水平、产品设计水平、生产管理水平的提升；然后建立中心化的数据中台和业务中台，打通研发、生产、采购与供应链、销售、服务、计划、设备管理、质量管理、财务、人力、在线办公、PMO项目管理等业务板块，实现在线协同；进而实现与外部生态（客户、供应商、合作伙伴）的业务数字化；最后在数据完备的基础上挖掘数据价值比如建立业务模型，寻找价值提升点，支持商业和产品策略的制定。
2、 装备制造行业竞争的关键在研发与生产环节。基于PLM与仿真的产品开发设计、基于智能化的设备和装置实时控制、基于精益MES的小批量柔性生产与质量管理、基于MPR的计划排产等形成了装备行业制造企业的智能化特征。结合精益生产理念和行业工具套件，企业可以以更低的成本、更快速地响应市场变化，降低供应链波动带来的影响；基于数据模型支持市场和价格策略可以提高市场份额；基于产品全生命周期管理可以更快地实现产品迭代和创新。
3、 物联网技术不仅赋能生产制造环节，实现生产工艺和设备参数的实时采集、分析，而且基于产品端的传感器和边缘计算技术，将装备在用户端使用过程中及产品测试过程产生的数据进行汇总、分析、建模，为售出产品的低成本预测性维护保养、备品销售策略、装备新产品研发设计和制造工艺水平提升提供数据支持。
4、 智能制造应用的另一个价值点在于优秀的服务商集成的自动化技术、信息技术应用和行业知识，用户可以开箱即用，将沉淀的技术优势转化为生产力，企业创造价值和传递价值的能力得到快速提升。
02
大部分装备制造企业由于彼此之间的业务的差异性较大，照搬案例、依葫芦画瓢往往效果并不明显，智能制造解决方案往往需要有较高的定制化特征。在采取行动前，需要规划适合企业自身业务的智能制造改造和数字化转型蓝图、路径、实施方法，选择适合的软硬件产品、品牌和选型，以及合理的预算和期望。
很多企业在寻求智能制造解决方案、制订数字化转型规划时，存在一些误区。
1
误区一
一些企业对项目前期规划和整体顶层设计的价值缺乏认知，不愿意投入或者希望服务商免费提供上述服务，对服务商的资质要求往往也并不匹配，导致缺失规划设计或者规划设计的质量不高、规划范围窄、颗粒度不细、落地性不强等；
2
误区二
自身对业务价值流等业务分析技术掌握不足，也没有组织对服务商专业能力做深入考察或舍本逐末，数字化智能化缺乏合理的架构设计，产品功能应用脱离业务实际、流于形式，“为了智能化而智能化“，业务部门并没有真正用起来，项目效果不显著。
3
误区三
没有组织各部门参与，一把手没有组织项目组亲自把关。只看到局部效益，缺乏全面统筹、长期价值的评估、参与与坚持。购置大量自动化设备、机器人、AGV（自动导引车辆）等有形资产，数据的价值和业务的短板没有充分重视。虽然局部技术先进，但企业整体组织协同能力、市场响应能力和成本控制能力却不强。常见的现象比如设备虽然先进但利用率却不高；产线柔性没有得到提升，换产需要数小时甚至更长，设备OEE损失严重；在制品和成品库存高、周转慢，资金占用和滞销处理的同时，大单、急单、定制产品订单无法快速响应和交付。
4
误区四
在制造端和设备自动化OT层面缺乏先进的解决方案，部分企业严重依赖人工实现OT层作业（比如焊接），随意性大，技能工依赖性高，产品质量不稳定。在智能工厂规划时忽视OT层核心能力建设，核心的生产、设备和工艺数据采集困难，工艺控制不稳定，设备端口不开放，与系统之间无法高效地交互数据。
上述做法究其原因均是忽视了商业价值的内涵、数据管理的本质，在设计规划上与企业实际需求脱离，企业创造的价值并没有显著的提升，跟风上线不需要的或不适合的系统、设备、软件造成资金和人力的浪费，错失了业务转型的最佳时机。
这里我们列举了在智能制造转型中困扰企业的常见的问题：
我的工厂需要上哪些数字化系统和新技术
每个系统的功能要求是什么，如何准确描述以便找到合适的服务
如何保证相关系统在技术上的先进性、场景适配性和效果落地性
如何借助数字化和自动化技术提高员工能力
系统功能如何来界定以便更适合企业
这些系统依次在什么阶段上马更合适
上这些系统需要投多少钱
投入之后的收益如何
目前的生产及管理中遇到的问题有没有通过系统进行改善
如何确保上线的信息系统落地效果
新工厂项目如何与设计院的设计进行对接和互补
智能制造对装备行业企业而言是非常有意义的课题。企业正面临着全球化竞争（竞争对手和市场智能化发展趋势的倒逼）和风险（转型失败导致投资损失和商业机会损失）。由于智能制造涉及多学科、多领域、跨行业的知识和经验，对设计、实施和管理在专业能力上提出很高的要求。
笔者建议，企业结合精益生产方法（SIPOC、VSM、JIT 、TPM & Jidoka等）与智能化技术，从宏观产业价值链（供应链）转型、中观工厂内部价值流优化、微观业务场景技术创新应用（比如设备数据采集与自动化控制）的三个维度建设智能工厂。
从规划设计层面，参考最佳实践方案结合企业特点升级不同层面、不同领域板块的业务，重构资源要素体系，以达到资源利用率最优，价值流效率最高，关键竞争力指标（比如计划按时完成率、单件综合成本、一次合格率、生产换型时间、设备OEE）最优。
从行业企业的现状来看，头部企业（以汽车、工程机械为例）大多已配备基本的ERP和MES系统。目前可着重在企业级和工厂级数据平台（IIoT、数据中台、业务模型）、供应链优化及供应商管理（SCM）、客户管理（CRM）的建设和完善上发力，基于新一代MOM平台，在设备远程运维、保养及维修、预测性维护、生产过程及工艺监控、工艺模型、产品知识图谱、数字化研发等业务场景有较大的提升空间。
而对于中小型企业（以机械设备制造为例），企业的数智化建设基础和投资能力参差不齐。相当多的企业仅仅上线了部分基础功能（轻量化ERP少量模块+通用设备），数据分散，采集困难，对手工采集录入的依赖较高，数据准确性和时效性较低。多个软件互不连通，数据缺乏统一的管理平台等现象较常见。
03
我们倡导的“智能工厂”，包含企业实现智能制造的目标，路径和方法。针对各企业在不同阶段的需求，通过精益价值流、自动化升级、数字化转型以及场景化创新应用等课题，为企业打造符合自身需求的和特点的智能工厂。
1
“智能工厂”的特征
业内公认的智能工厂，其本质是通过实现设备的互联，实现IT/OT融合，对企业运营状况进行实时监控与分析，并结合各领域专家的实践经验，不断提高企业运营绩效，实现智能制造。
那么，企业需要通过互联互通的技术环境，打通企业的哪些价值流？基于对各类制造企业的深入剖析和业务实践，我们将智能工厂的特征概括为以下几部分：
一条以产品全生命周期为主轴的数字主线，涵盖了产品设计、工艺设计、仿真、调试、运作和维护等各个环节。藉由数字化孪生技术，一件产品从最初的产品设计阶段，就拥有了一个高度拟真的数字化模型，它不仅能够支持协同设计开发，还能够在数字化环境中进行快速仿真和虚拟调试，促成产品的快速迭代和上市。更重要的是，产品从设计之初便诞生的数据流可以将设计、制造乃至后续的服务等环节连接起来，为高度定制化、柔性化的生产和服务提供数据支撑。
企业供应链的横向协同，包括供应商、仓储、生产、物流分销及客户。互联企业可以对快速变化的市场需求进行迅速响应，离不开对整个供应链的良好管控和协调能力。例如在供应商和市场需求存在波动的情况下对生产和库存进行及时调整，甚至实现“零库存”模式，实现供应链的总体稳定和效率的最优化。
企业的纵向贯通，也就是从最上层的行业公/私/混合云，企业集团等管理层，一直贯通到最底层的生产现场的“一网到底”，这也意味着IT与OT真正的无缝融合。今天，自动化设备的IT网络化功能已经成为标配，再加上更加量大面广及更低成本的传感器网络的实现，使得来自底层的生产、工艺及能耗数据可以真正得到实时的采集和传输，从而为上层的运营提供智能辅助决策的数据基础。
基于行业实践，笔者在后续作品中将详细介绍精益价值流、自动化升级、数字化转型、场景创新应用等相关课题在装备制造行业的实践和成功案例。
2
智能工厂顶层设计
常言道：知己知彼，百战不殆。在数智化转型顶层设计中，精益价值流可作为企业量化评估和全局把握自身业务现状及描绘未来理想状态的一个重要的工具。
在规划全厂或局部的业务架构、数据架构时，精益价值流图可以精准描述信息流和物流的走向和流动的方式，分析业务短板，指明改善方向，评价提升空间，以及勾勒未来的业务模式，可以为新工厂或者改造后的工厂顶层设计提供蓝图指引，为智能工厂的业务架构和数据架构规划提供所必须的基础信息。在规划智能工厂时应自始至终把握“第一性原理”，即设计和建设适合企业管理特点、满足客户要求的最优的解决方案，并通过持续优化而不断适应行业技术和市场变化，从而支撑企业的可持续发展战略。
首先，结合行业实施经验，采用封装了装备行业化套件的数智化系统（核心系统模块包括MPS、MRP、APS、MES）可大大缩短项目周期，同时在业务层面获得行业内最优的使用体验。比如基于电子化信息流拉动生产和库存补货，精准匹配工厂订单需求与工厂各工序的产能，优化车间计划排产，实现按需生产和采购，降低库存，前后工序物料转运衔接，提高生产效率、降低制造成本。
此外，基于企业的特点参数化配置适合企业业务管理的角色化工作台，可以满足不同使用者的使用习惯和要求。
3
行业特点
近年来，传统装备制造商面临同质化竞争愈演愈烈、行业利润率逐步下降的挑战。由于在中高端市场，个性化、定制化、小众化的需求显著增多，对企业多品种、小批量、高品质、低成本、快速定制交付的能力提出了很高的要求。我们为这些客户提供了定制化的解决方案。
我们通过一系列咨询梳理后，洞察到了客户实际面临的一系列问题。通过精益价值流和上下游价值链分析，传统装备制造工厂内普遍存在生产柔性差，浪费多、人工成本高、产能利用率低、市场端和工厂内信息依赖人工多级传递信息不透明，订单整体交付周期长，客户抱怨的情况较多；终端需求放大效应造成原材料库存高；需求分散，供应端议价能力弱，供应商交货周期长、质量不稳定；工厂管理依赖经验，决策依赖于经验，销售预测和产品开发缺乏数据支持，生产、质量、研发、测试、销售等各类业务数据没有被充分挖掘利用，设备OEE较低，质量波动造成的客诉较多，部分ETO类型订单边设计边生产边修改，一次合格率低、钣金下料排版不合理造成材料利用率低、返工成本高等情况。
4
案例分享
以某汽轮装备生产企业的智能工厂案例为例，通过业务流程梳理和定制化的ERP系统的实施，帮助用户实现数智化赋能技术创新、打造敏捷高效的业务模式。通过前期调研分析，我们总结了该企业ETO模式下的一些特点，包括：
1. 项目准备周期长，全年合同量小，金额大，需要带有技术方案和特殊协议等特殊附件；
2. 客户通常按项目阶段付款；
3. 按单设计和生产；
4. 边设计、边生产/采购；
5. 通常存在设计与生产脱节的现象，E-BOM和P-BOM存在差异；
6. ETO的车间任务单上通常带有“项目号或者任务号”；
7. 在生产过程中，由于各种缘故，生产顺序和进度会频繁调整；
8. ETO企业采购业务的一个特点是存在着“白图”采购的情况
9. 由于项目进度原因，需要与上下游频繁进行进度协同
图：项目实施前烟囱林立、各自为政，信息传递依靠人工处理
通过这次项目的实施，我们把客户整个的业务过程，包括销售、设计、计划、采购、制造、质检、财务，全部进行了整合，同时也通过友云采，打通了供应商端的业务协同，对接设计平台，打通了设计数据的转换。项目建设以后，拆掉了原来烟囱式的信息架构，所有的环节整合起来，形成了协同、可追溯的数据流。
图：实施后的信息流状态
图：工厂业务流程
在项目中，我们为该企业搭建了柔性、可扩展、全面集成的统一信息化应用平台，以项目号为核心，实现全业务过程的一体化协同管控，打通内外部的流程断点；提升生产计划、需求管理、库存管理等等这些方面的管理水平，实现精益生产的目标；同时借助IT手段，强化了流程中的业务管控。项目效果包括：
1. 信息全面共享，提升了企业整体管理水平；
2. 实现业务活动与管理过程相融合，实现业务过程流程化、标准化、精细化；
3. 以项目为核心，实现了项目销售-设计-物资供应-生产-质量控制-财务核算-售后等核心业务协同系统，提高业务处理效率；
4. 通过内外部供应链协同，压缩供应链周期，快速响应市场需求；
5. 创新项目计划编制、下达、反馈方式，适应大型、单件、多品种项目型生产管理特点；
6. 物料计划、滚动需求等手段，提高项目计划可执行性，提高项目准时交付率；
7. 实现项目制造过程可视化、透明化管理；
8. 通过业务与财务一体化应用，实现财务对业务的监督，实现业务轨迹追踪，推动财务职能由核算型向管理型转变；
9. 加强项目预算和项目成本控制，多举措降低项目成本；
图：总体应用架构
在系统设计上，我们将设计、计划、制造、进销存还有财务，等不同部门的应用模块，进行了整合。真正实现设计制造一体化、计划执行一体化、业务财务一体化。
我们在项目需求计划计算毛需求的基础上，多项目滚动需求的组合应用，以排产机组为需求来源，平衡实时库存和在制，计算物料净需求。在满足生产经营的原则下，最大限度的管控库存。
图：多维度组合的库存管理策略，满足生产经营的原则下合理管控库存
图：设计制造一体化：搭建设计BOM到生产BOM之间的跨海大桥
为了应对汽轮机边设计边生产的业务模式，我们创新设计了按照项目任务进行计划分解的需求计算模型。集成设计平台，融合设计进度，在设计完成部套设计后，就可以联动生成对应生产bom数据，并进行需求运算。有效破解了边设计边生产的难题。
图：项目任务分解+设计制造一体化，有效破解边设计、边生产难题
图：端到端快速响应，上下游联动变更，实现项目驱动的敏捷性需求
实施前采购协同环节存在以下痛点：
1. 零配件采购量大，采购工作繁重：产品配套的零部件种类多达数万种，配套加工商/供应商近千家，采购工作量大；
2. 产品工艺/工序复杂，外协加工衔接不畅：制造过程对外加工多，配套的委外加工商难以同频生产，拉长制造周期；
3. 与供应商信息共享不及时，存在信息断点：基于传统的电话/微信等沟通方式，难以满足大规模供货节奏；
4. 供货缺乏计划性，物料难以与生产准时匹送：缺少指导供应商备/送货的有效方式，造成配送的无序、错乱，难以满足企业即需即用的精益化生产要求……
通过制造供应一体化解决方案，有效解决了上述问题，打通了与供应商之间的在线信息流，实现高效协同。
图：制造供应一体化方案：精益供货，敏捷响应
智能制造技术正在装备制造业加速推广，重塑行业竞争格局。企业可根据自身发展阶段、业务需求等，选择适合自身的智能制造实施路径，借助精益价值流、自动化升级、数字化转型以及场景化创新应用，解决核心问题，打造符合自身需求的和特点的智能工厂。
来源于：用友智能制造
