產線：數字化轉型的原點

文|吳泳江

2020年新冠疫情這只黑天鵝讓所有企業經歷了一次集體大考，不同于宏觀經濟變化、產業結構調整等常規考驗，疫情突然打破了企業既有的運轉節奏，急劇地放大了各種不確定性。特別是疫情初期，大量工人不能按時返崗工作，給企業正常生產造成巨大影響。但人員的短缺似乎并未給歐姆龍造成太多困擾，這主要是”得益于我們超柔性、高效率的智能化單元產線，4月初即使人員未滿崗，產能也達到98%，隨后不斷創出日產能新高“李治國介紹說。

這家位于上海金橋開發區工廠，是歐姆龍核心的工業自動化業務(IAB)的重要生產基地，有22000多個產品在這里進行少量多種混流生產。作為“i-Automation!”概念的示范工廠，歐姆龍上海工廠在投產1年內，就憑借 “工廠整體運營水平高，達到較高整體均衡”，獲得了日本能率協會“2019 GOOD FACTORY獎”4個表彰項目中的“工廠管理獎”。

在少量多種生產模式下，由于訂單批次小，必然會造成部分設備生產時間短而且不連續，因此傳統的、基于連續生產模式的自動化設備往往無法充分發揮效能。歐姆龍的解決方案是使用可移動式的協作機器人在多臺設備間快速移動和切換，利用協作機器人的視覺系統自動進行對位校正，并且模擬人眼觀察來獲取下位設備的信息，進而通過AI、IoT、大數據分析等先進技術使移動機器人、協作機器人與工人能夠高效配合。

從產線出發的數字化轉型

柔性化、高效率以及高品質，這些概念都曾被大家反復提及，但能真正在生產實踐中有良好表現的并不太多。“對于制造業來說，所有一切的原點在產線，在每一個產線單元，下一步才是在數字化單元產的基礎上逐步拓展到車間及至企業級的數字化，這種自下而上的模式能有效提高企業數字化轉型的成功率。”可以看出，李治國所強調的正是歐姆龍對企業數字化轉型最核心的理解。

隨著國內疫情的逐步平穩，制造企業的管理者開始反思，近年來數字化轉型、智能制造領域的投入在遭遇人員短缺、供應鏈緊張時，能否快速調整、有效應對；在解決勞務成本上漲、勞動人口減少以及消費者需求多樣化的難題時，企業能否始終兼具高品質、超靈活性和高生產力。

近年來，眾多企業數字化轉型的案例表明，許多企業管理者對數字化轉型本質的思考還不夠深入，認為上了信息化系統，通過傳感器采集到大量生產過程中的數據，在辦公室能實時了解產線的生產情況就是數字化。對此，李治國表示“歐姆龍始終認為，面對數字化轉型這樣一個復雜問題，最終還是要歸結到QCD（quality, cost and delivery，質量、成本、交付期）。“在此基礎上，歐姆龍有一整套幫助用戶解決數字化轉型問題的實施規范和流程，主要包括：

◎ 通過一系列定性和定量的方法與標準，比如產品的品種和數量，生產工藝，產品生命周期等，判斷其是否適合人機結合的生產方式。

◎ 基于精益的思想對生產工藝進行細化分解，包括工人的每一個操作動作以及整個生產過程的模塊化切割等，進而找出最佳的產線平衡設計方案，在投資回報率合理的前提下，適當導入低成本自動化（LCIA）以及軟件模塊，最終形成一條全新設計的模塊化、柔性化、高可控性智能產線。

◎ 基于精益思想開展培訓，包括工程師、產線班組長和工人，在工作現場通過具體項目對人員進行針對性輔導，改善操作手法，實現人機高效協同，包括如何發現問題，分析問題，解決問題。

從這個過程中我們能發現，從產線層推進的數字化進程，目標更加明確，可控性更強，可以確保數據采集后能有明確的價值。上線運行的產線事實上已經完成了數字化梳理，復雜的產線動態數據已封裝為標準的數據接口。在此基礎上，用戶如需要進行上層數字化，可以把當前產線看作一個簡單的“設備”單元，這使得企業數字化轉型持續改善、逐步深入的方向明確、路徑清晰。

數字化轉型的實施路徑

看到越多企業數字化轉型失敗的案例，就越能理解“工藝落后不搞自動化，管理落后不搞信息化”這句內金玉良言。“主要原因還是自身在工藝、自動化以及管理方面存在短板，而往往軟件供應商并非生產專家，無法做出專業的業務邏輯梳理和設計，這就導致失敗概率非常高。”在分析這一問題時李治國表示“務必看清楚自己所處的階段，明確需求，數字化說到底只是實現管理目標的工具，因此核心還是對生產現場業務的理解。”

歐姆龍為處于不同階段的用戶，設計了三種實施路徑。

CLCS：幫助用戶產線升級，設計、搭建和運行先進的智能產線，在合理ROI的前提下，實現省人、增效、提質，并且會有配套的培訓和輔導，幫助客戶工程師掌握這些技術，最終實現“自主”改善。

LDM（Lines Data Management）：聚焦較復雜的業務管理場景，需要跨部門互聯互通的業務，需要技術與生產相結合。幫助用戶把復雜業務從線下搬到線上，從離散到聚合。的比如在過程管理中的“異常”、“4M”、“中試”等。

BDA(數據活用)：針對信息化基礎較好的用戶，基于歐姆龍全球各地工廠的豐富現場經驗，通過大數據分析為客戶解決比較復雜和困難的問題。包括框定因果范圍，然后通過數據采集、大數據分析、數據可視化等技術手段解決問題。

寫在最后

如果你對自上而下的全方位數字化轉型缺乏信心，不如先用精益方法梳理整個流程，逐步迭代升級。人們總習慣于在企業戰略層面思考如何數字化轉型，但在實際工作中，我們不防從數字技術提高人與人之間，人與機器之間合作的效率，提高生產經營的透明度，幫助企業更有效地應對市場需求的波動等具體管理目標入手，除非你能像換手機一樣隨時更換數字化系統和設備。