工業中小企業向數智工廠運營模式轉型“方法論”

文｜毛光烈

工業企業的數字化建設既是我國“十四五”的主要任務，也是我國數字經濟發展的重要基礎。我國數字經濟已經進入第二輪以數智工廠轉型為重點的發展時期。第一輪的基本模式是云平臺+互聯網+消費與服務/智能手機，第二輪基本模式是云平臺+互聯網+制造與服務/數智工廠。因此，擴大數字化智能化工廠（以下簡稱“數智工廠”）的規模，成為我國第二輪數字經濟發展的關鍵環節與戰略舉措，也是當下數字工廠和未來產業大腦建設中重要的中間環節。其中，工業中小企業的數智工廠建設，面臨錯綜復雜的數字化改造環境和艱難的企業數字化能力提升，號稱是全世界都關注的難題。“庖丁解牛”的故事告訴我們，再復雜、再艱難的任務，只要找準了方法和路徑，都可迎刃而解。

數智工廠運營模式轉型必須完成的六個任務

目前，已經到了數字工廠與智能工廠融合的發展階段，在數智工廠建設中，設備端計算、制造單元與制造產線端的邊緣計算、云計算已開始運用，有計算必有智能算法創新；工廠數據生態體系建設亦在推進中，有大數據必用人工智能。因此，數智工廠的建設和運營模式，既要從可實現的條件出發，又要加強數字化供應商與工業企業雙方主體合作，還要全面理解、正確處理好老企業數字化改造與數字化改革之間關系，能夠為基層實踐提供實際操作型的指導服務。基于此，根據供需主體既要履行各自責任又要相互配合推進的特點，需要明確以下六個方面的任務。

需要建設由行業云主導運營，數據底座與工廠一線相融通的數據生態體系

工廠數據生態體系是數智工廠建設的前提條件，為能夠打通數據、用好數據，需要將生產領域、運營領域、管理領域、治理領域、銷售領域等數據生態系統中的數據與行業云平臺的數據底座融通，貫通其中的技術標準、業務知識、行為規則，建設一體化的數據生態體系。

以織造數字工廠行業云計算平臺為例，分析離散型工廠生產場景的數據生態系統建設，如圖1 所示。基本標配是“兩類單元（單機制造單元、多機制造單元）、兩種產線（制造產線、物流產線）”的物聯與員工的互聯（即HCPS），還要有從物料到半成品再到成品生產的掃碼數采系統。可簡稱為“兩類數智化制造單元、兩種數智化制造產線+數采系統”。其中，員工（H）使用“小程序軟件+指令數據集/執行指令結果報告數據集”；制造單元與制造產線側邊緣計算（智能網關或服務器）上行到云平臺的數據是“制造單元或制造產線的工況數據、碳（能）耗數據”，云平臺下行到智能網關或服務器的數據是智能監測數據集與優化碳耗數據集，為智能預警、智能運維、智能碳耗管理奠定了基礎。數字化管理與治理數據系統的標配架構是“云+管理人員的工位機”，管理人員使用“小程序軟件+指令數據集/指令執行結果報告數據集”。

圖1 織造數字工廠的行業云計算平臺示例

需要完成線上與線下相結合的運營方式創新

工廠線上與線下相結合的運營方式創新是數智工廠改革的依據與主線，主要表現在以下四個方面。首先，數字化生產需要改變員工崗級、班組級、車間級、生產科與銷售科的人員逐級請示匯報的運作方式，建立可在線同步報告與在線高效指揮、執行的機制，即垂直“五跨”的運營（作）方式。其次，需要構建跨單元、跨產線、跨車間的橫向協同生產的運營方式。第三，需要創建產品生產與經營業務一體化的、橫向跨多個管理科室（或部門）的協同服務掌上辦的運營方式，并根據流程的優化精簡冗余的環節與崗位，優化企業內部組織設置，逐步推進工廠管理的扁平化。第四，需要構建類似于軍隊“戰場情報實時采集、戰術信息實時交互、多軍種協同作戰”的實時一體化協同的企業運營方式。

需要完成工廠的數字化管理體制變革

深化數字化管理體制改革是數智工廠建設的動力，需要改革傳統企業管理體制，推進采購、資產管理、倉儲、生產管理、人事與工資、財務管理、銷售與客戶的數字化、無紙化、可視化，并創建與其相配套的管理制度。

需要創建工廠內部的數字化治理體系與體制

創建數字化治理體系與數字化管理體制，是數智工廠有序運營的必然要求和制度保障，需要處理好管理體制改革、數據治理體系、數字化治理體制三者關系。其中，管理體制改革要解決的問題，是有規（法）可依；數字化治理體系創新要解決的問題，是查證有功或違規行為的數字化證據鏈，要嚴密嚴謹（執法必嚴）；數字化治理體制創新要解決的問題，是公平公正，有功必賞、違規（法）必究（處）。這些工作看起來很難，但對于熟悉企業管理與治理的工業企業而言，只要搞懂數字化管理與治理的原理，完成上述制度改革與創新的任務是不困難的。

初級數智工廠需要完成大部分的生產領域的數據生態系統的建設任務，需要完成守住行業環保紅線、破解制約行業利潤增長共性難題的全部數據生態系統的建設任務，需要完成部分管理（即生產與銷售管理）數據系統建設任務，還需要完成部分管理與治理數據系統的建設任務。

舉例來說，要讓數字化管理制度“長牙齒”，保證人人能遵守制度、事事能講規矩，就必須建立健全跟蹤員工生產經營行為的大數據監管體系與體制，做到有功必賞、違規必罰。要解決好員工對數字化崗位技能因思想抵觸不肯學、怕麻煩不愿用、不受制度約束亂作為等問題，就要完善數字證據依法采集、依規采集的方式，并實行“有令必行、有禁必止、有功必賞、違規必處”的“新政”，才能保障數字化管理制度創新成果落地見效。

需要開發全廠員工使用的“小程序軟件+指令數據集/執行指令結果報告數據集”與人工智能的應用

首先，要開發好全廠員工使用的“小程序軟件+指令數據集/執行指令結果報告數據集”，這可以實現云平臺動態地實時調度指揮全體員工，再由員工去調控數字化的制造單元與制造產線，由管理部門員工提供協同服務保障的必備條件；這也是構建面向客戶的一體化協同生產與協同服務的數智工廠運營方式的必然要求。其中，即使是同一個人從事同一個崗位的工作，指令數據集亦會因時間任務不同而產生變化。因此，開發好的“小程序軟件+指令數據集/執行指令結果報告數據集”，會以“N+X”的數據集形式來體現。其中“N”項的崗位核心指令數據與操作行為規范等數據是固定的，“X”項的“任務的指令數據”是因不同時間、不同任務而產生變化的。同時，將指令結果報告數據集進行匯總統計，可自動生成各類可視化的數據報表，可以為生產員工、管理員工、后勤員工、科技人員提供越來越人性化、便利化、可視化的服務，并以此為依托可以構建成“以員工為主體的、類似于由云平臺統一實時動態調度指揮的多兵種一體化協同作戰”的運營方式。

其次，要開發四大場景下的人工智能應用。要根據生產、業務、管理、治理等四大場景的數據生態系統建設的進展與業務數據運營的內在邏輯關系，跟進開發各種人工智能算法與應用，并可漸次推進。比如通過生產場景數據開發人工智能應用，不斷提高智能制造、智能運維、智能質檢、智能包裝等智能生產與智能運維水平；通過持續推進“訂單進度跟蹤、合同履約提醒、節能減碳減排合規審查、安全生產跟蹤預警、流動資金周轉調控”等生產與經營一體化場景的數據并開發新算法，創新智能生產與經營的方式；通過開發“插單智能排產、動態調度管理、產供銷智能協同”等管理場景數據的算法，可以創新智能管理；再通過治理場景數據的算法，漸次有序地開發智能監管、智能評價、智能治理體系，實現工廠的數字化治理體系與體制的創新。

只要針對生產、經營、管理、治理等場景數據，洞察其業務數據運作的內在邏輯，就能全面推進人工智能應用的創新，使智能生產年年上臺階，智能運營年年有創新，智能管理年年有提高，智能治理年年有進步。

需要抓好數字化技能培訓與先進文化建設

加強員工數字化技能培訓是數智工廠發揮作用的關鍵，否則就會出現像老年人買了智能手機卻用不了、用不好的情況。要廣泛動員企業員工，積極開展適崗技能培訓，養成遵守數字化技能操作規范、數字化管理制度的習慣。企業領導干部要帶頭學習數字化技能、帶頭遵守數字化管理制度，以身作則地帶領員工加強企業的數智文化、數智文明建設，這也是數智工廠建設最為關鍵的環節。

向數智工廠運營模式轉型的方法與路徑

上述六個方面的任務是實現企業數智工廠運營模式轉型的必備條件。但完成這六項任務是一個長期復雜的系統工程，不可能一蹴而就，需要將“長規劃”與“短安排”相統籌，步步為營，扎實推進。

六項任務推進的內在邏輯

實踐證明，六項任務的實施是根據以下內在邏輯推進的。工廠的數據生態體系建設是根據工廠的產品制造、銷售、創造利潤的工廠職能要求來推進的；數智工廠的運營方式創新是跟隨數據生態體系建設的進程來推進的；工廠的數字化管理體制改革是跟隨運營方式創新的進程來推進的；工廠的治理體系創新是跟隨數字化管理體制創新的進程來推進的。同時，員工使用的“小程序軟件+指令數據集/執行指令結果報告數據集”的開發應用是隨同數據生態體系建設進程來推進的；人工智能應用的開發是隨著場景數據生態系統建設的進程來推進的。總而言之，工廠數據生態體系建設的進程是決定其他五項任務進展的根本前提與依據。

數智工廠建設進程可從初級到中級再到高級不斷進階，根據上述六項任務的推進邏輯，可以編制“工業中小企業數智工廠數據生態體系建設任務的計劃推進圖”。其中，初級數智工廠需要完成大部分的生產領域的數據生態系統的建設任務，需要完成守住行業環保紅線、破解制約行業利潤增長共性難題的全部數據生態系統的建設任務，需要完成部分管理（即生產與銷售管理）數據系統建設任務，還需要完成部分管理與治理數據系統的建設任務。不同行業守住環保法定紅線、破解制約行業利潤增長的共性難題有所不同，導致了數據生態系統的建設任務亦是有所區別的，如表1 所示。

初級、中級、高級數智工廠的建設任務

上述六項任務是分階段漸次推進的，工業企業尤其是中小企業的數字化轉型，可以沿著初級、中級、高級數智工廠逐階升級的。

初級數智工廠是基本完成生產領域數字生態系統建設任務，實現生產數據、減排數據、銷售數據、解決行業急需解決共性問題數據等一體化運營的智能工廠，是“入門級的數智工廠”。初級數智工廠可采集50%左右的數據，可開發30%左右的數據價值。

表1 行業共性難題和解決方案示例

中級數智工廠是指在生產領域全面完成數據生態系統建設任務的基礎上，進而基本完成管理領域與治理領域的數據生態系統建設任務，基本實現生產數據與管理數據一體化運營的、數字化治理的智能工廠。中級數智工廠的建設與運營是在初級數智工廠建設與運營基礎上、根據數智工廠生產與經營模式升級內在邏輯推進，也是初級數智工廠的升級版。中級數智工廠需推進行業數據底座與云平臺的建設，完成數智工廠生產與管理系統的80%以上數據接入，建成工廠操作系統，并完成企業80%左右員工的云平臺接入服務，70%以上的數據價值得到開發與體現。

圖2 初級、中級、高級數智工廠的進階路徑

圖3 初級、中級、高級數智工廠的實施方法

高級數智工廠是指全面完成產品設計（有這類需求的企業）、生產、管理、治理領域的數據生態系統建設任務，即全面完成企業數據生態體系建設任務的工廠，是全面實現產品設計（有這類任務的企業）、生產、管理、治理數據的一體化運營、全員協同生產與協同服務的智能工廠。高級數智工廠的建設與運營，是在中級數智工廠的建設與運營基礎上，根據現代工廠的建設與運營要求進行升級的。高級數智工廠要求100%完成工廠數據生態體系建設任務，完成100%員工的云平臺接入服務，90%以上的數據價值被開發，并在提質降本增效上體現出企業效益來。

初級、中級、高級數智工廠的進階路徑

根據上述分析，初級、中級、高級數智工廠的邊界與進階路徑，可以由圖2 所示。

初級、中級、高級數智工廠的實施方法

根據上述描述，初級、中級、高級數智工廠的實施方法，如圖3 所示。