【智能制造】浅析为什么国企的工厂数字化转型如此艰难？

来源：Ruff微信号Ruff-official，授权“产业智能官”转载。

当前，中国正在从“制造大国”往“制造强国”迈进，不管是信息化与工业化的深度融合还是“智能制造“的强力推进，无疑都是一场聚焦于工厂转型的数字化智能化变革，过去五年，数字化工厂已经在很多企业落地生根，但是，国企的身影却寥寥无几。

随着《中国制造2025》的逐步推进，越来越多的工厂加入了数字化转型的队伍，其中以大型民企以及中小型工厂两类为主。

大型民企拥有一定的市场品牌度及资金实力，紧跟“以加快新一代信息技术与制造业深度融合为主线“的战略目标，近年来成果喜人，以海尔为例，目前海尔已经建成8个数字化工厂，在数字化工厂生产线上，每15秒钟就会诞生一台洗衣机。数字化工厂中，工人人数减少一半，而产能增加2倍。在柔性生产线上，可以安排50多个型号的产品，是以前的5倍。互联工厂生产效率提升60%，用户定制占比达10%以上，其中，中央空调数字化工厂已经实现100%的产品由用户远程定制并监控。[数据来源：《中国经济周刊》2017年第39期]

如果说大型民企的工厂是主动领导型转型，那么中小型工厂就是市场被动型转型，过去，中小型工厂一直依靠低廉的劳动力成本及粗放式的生产模式获取利润，而后随着用工成本的逐年上涨以及市场需求的高要求定制化，中小型工厂的市场竞争环境越来越激烈，以一家低压电器工厂为例，一个工人一年的人工成本超过10万元，除了翻倍的劳动力成本，人员流失也同样影响着中小型工厂的生产运营。因此，对于中小型工厂来说，转型是必需也是必要的。

由于中小型工厂本身体量较小，同时企业老板作为决策人，所以工厂的转型推进更加快速有效，以云南的一家人造板工厂为例，从工厂管理者决定引入数字化手段改善生产效率开始，通过工厂设备联网、生产运行全自动化监控统计以及设备故障提前预警等物联网技术，工厂只花了一周时间就完成了数字化转型，这对于工厂来说，既不影响生产又能用最低的成本完成数字化转型。

那么，国企的工厂数字化为何一直毫无进展又举步维艰呢？为此，我们特地走进了一家央企背景的汽车零部件工厂，了解国企转型路上的绊脚石究竟是什么？

工厂背景：

公司主要从事车载液压绞盘、液压泵（马达）以及航空军品的研发制造。公司于1979年在国内首先开展军用车载液压绞盘的研制生产，1990年在国内又率先研制出VQ叶片泵，经过30多年的发展，已经成为国内军用车载液压绞盘与液压泵科研生产专业化骨干企业。

目前，公司产品生产主要分为三大块：军用绞盘车间、液压泵车间以及航空军品外协加工车间。

军用绞盘生产车间是公司最大的生产车间，主要的设备是三个试验台加两个附件产品装配线，试验台主要负责绞盘产品出厂性能检验，绞盘性能检验主要是记录拉力值、绳速度、系统压力、流量以及温度等参数值，所有数据均通过人工记录在出厂检验本上，稍有疏忽，就会造成信息错误。

而两个附件产品装配线主要是控制阀以及叶片马达的组装，控制阀的组装零部件相当多，因此一个工人一天最多只能安装20台，即使订单较多的情况下，也只能依靠增加人工数量来提高生产效率。叶片马达的装配主要是密封圈的放置要合理且恰到好处，而密封性是否合格只能在产品联试时才能检验出。

在设备产品的粗加工方面，公司一直需要依靠外部工厂配合生产制造及组装，究其原因，除了公司的粗加工设备相对落后，完全是一座座信息孤岛以外，车间的制造工人由于待遇激励体制不健全及不公平，造成工人积极性不高，批量生产成本很高。

目前公司也在使用 ERP（管理信息系统）进行库存管理，当产品订单从外协厂发过来后，计划员会给到库房一份配套表，让车间工人领取产品订单所需的零部件附件。库房保管员会根据配套表上的零部件号给工人领取产品附件，领完后会让工人在领料单上签字，确定此次领取的零件种类及数量，最后库房保管员再登录 ERP，记录此次领取的数量。

但是一旦遇到特殊原因需要补领一定数量的零部件，领取人需要填写固定格式的领料单，然后找部门领导签字，再去库房主管处盖章方能去库房领取。由于整套物资体系不健全，经常出现错领，多领等现象，库存数量经常和 ERP 上的数据对不上，所以公司的 ERP 基本上只是个摆设，所有的记录最终还是全部依靠手工记录。

在工厂的绞盘车间中，超过90%以上的工人为劳务派遣工，人员整体素质不高，由于体制原因，很难保证多劳多得的激励规则，所以工人整体的积极性不高，也很难让工人对企业有归属感。

在企业的管理层面，不管是车间的管理者还是企业的管理层，都存在一个统一的问题：不作为，不创新。

车间管理者大多是工人出生，惰性较大，管理能力也有限，而公司中层以上干部的平均年龄超过45岁，思想相对保守，对于任何新想法、新思路从心底抵触排斥，对于他们来说默守陈规就是最保险的方式，只有这样才能安安稳稳到退休。而公司也有年轻的80后90后，想法更多更激进，但是也由于国企的体制原因，无法进入公司的决策层，所以年轻人的想法和积极性也会在懒惰的体制下慢慢磨灭。

最终导致有想法有理想有抱负的年轻人选择离职去外企，没想法没理想没抱负的年轻人只会留在公司混日子。

这种特殊的情况目前在众多国企相当普遍，决策者靠着时间和资历熬到了企业的管理层，对于他们来说，自己只是企业中的一份子，不用对公司的各项结果负责，只要保证公司正常运转即可。而不管是外企还是民营单位，都有一批人需要对企业运营结果直接负责，所以对于他们来说，不创新就等于失去市场竞争力。

公司的液压泵车间主要生产民用液压产品，由于近几年国内国际市场的整体工程机械不景色，民用液压泵基本停产，销售额基本仅靠返修和备件销售，车间大部分的劳务派遣工也都已经清退，只保留十几个人左右维持生存。

但是，民用市场在最近的一两年其实已经开始回暖，但是公司市场部的业务员早已没了斗志，整天坐在办公室喝茶炒股，当然这也与央企的体制有关，做与不做在奖金分配上并无本质区别。

而航空军品外协加工车间的主要设备是普车、数控机床、五轴加工等精密设备，主要承接其他央企的航空军品加工，加工难度较大，但是附加值不高。由于数控加工行业的整体薪酬较高，而公司的岗位薪酬并不能满足一些有真正技能的高级技术，只能从一些普通技校招一些刚刚毕业的实习生加以培养，这样一来，加工的废品率就会比较高，整体生产效率很低。同时一旦实习生掌握了相关技能后就会离职进入民营，公司又会继续招聘实习毕业生，依次循环。

因此，整体来说，公司对于市场经济的外部环境显然已经失去竞争力，而内部的计划经济市场又一直面临核心技师留不住，年轻工人水平低的现状，从而会直接导致公司长期处于亏损状态。

综上所述，国企当前的主要问题已经不是工厂数字化转型的问题，还包括人员管理以及企业体制等多方面问题，而当前的工厂数字化也的确可以从本质上解决国企遇到的各种问题。

简单来说，工厂数字化就是让工厂的所有设备、人、工艺进行联网互通，让原本处于信息孤岛的设备和产品进行连接，实现真正的联网工厂。那么根据前文提到的国企，数字化究竟能解决哪些问题呢？

01

全自动化监控统计，替代人工记录

对于工厂来说，其实并不是缺设备、缺机器，而是缺乏生产信息以及处理生产信息的工具，因此如果想要获取生产信息，第一步就是利用设备来反映生产。

目前大多数工厂的设备都停留在 PLC 水平，基本上每台设备只能反映一些基本的数据，而设备与设备之间不互通，因此想要将设备联网，就需要利用工业网关将所有设备的数据进行采集，然后上传到云端或者服务器，从而实现工厂所有设备联网获取生产信息。

当数据有了，就能对生产过程进行实时监控，包括实时查看生产线的运行状况及产量信息，工厂不再需要人工记录统计，就能实时获取生产效率统计、产量统计以及消耗统计。其中生产效率统计包括对开机率、停机时长、次数等实时统计，从而判断工厂生产效率水平及影响生产效率的原因；而产量统计则包括生产产量、良品率以及各个班组、规格等实时精确统计，从而保证生产计划的实时交付及工人考核的精确性，这对于工人的激励及监督具有很高的参考价值。

如此一来，工厂不再担心工人可能会记录错误，同时联网之后，将会采集到设备各项数据，在合格率方面，则可以通过数据对比来判断产品是否合格，而不再需要花费较长时间的产品联试去判断叶片马达的密封圈是否合格。

02

生产效率数据统计，提高良品率

在很多产品精密度及加工难度比较高的工厂，高级技师一直都比较重要，因为他们掌握了设备的各项性能及专业能力，一旦出现设备故障，只有高级技师能解决。

而工厂数据化之后，生产及设备的运行将被数据化，包括监控设备的整体工作情况，记录每次停机的具体情况及解决方案，将信息录入到系统中，从而避免下一次故障发生，而即使发生也可以调用系统中数据，普通工人就能解决，提升设备综合效率。

除了对生产效率数据进行记录，联网之后，还能针对车间或者工段生产数据进行横向对比，因为工厂经常会遇到相同的设备生产出不同质量水平的产品，造成这种原因的往往因为工人水平之间的差异，因此无法追溯到具体工人，而横向对比则可以对应的发现差距及造成差距的原因，工人之间的水平差异也能体现出来，从而制定一定的激励奖惩，提高工人积极性。

03

人员管理及体质改革才是核心

生产过程的改进再有效，但是也需要建立在人的基础上，就像液压泵车间的民用市场，目前正在慢慢消失，因此从公司内部来说，应该将民用市场和绞盘的军用市场进行区分，军品市场主要是计划经济，民用市场是市场经济，液压泵车间采取承包制，由中层以上干部对相关业务进行承包，其运营模式和奖励模式不受央企体制限制，自负盈亏，找到对结果负责的相关管理人员。

此外，针对基层工人的奖励制度需要结合工人技能水平及计量统计进行区分，让想进步的工人获得平台和机会，数字化的统计及工艺监控，可以保证产品数量的公平性和有效性，好的技术工人完全依靠数据体现，这样一来，工人将更有工作的积极性。

当前，江浙一带的中小型民营工厂已经在积极转型，提高工厂生产效率，同样的一道生产工序，在国企可能需要三个小时，但在这些中小型的民营企业只需要一小时即可完成。究其原因，还是民营企业中，管理者更关心的是如何保持市场占有率及竞争力，因此会积极接触新鲜事物，大胆尝试转型，让工厂在脱离“管理基本靠喊，生产基本靠看”的传统方式，实现真正的数字化智能工厂，提高生产效率及市场竞争力。

数字化工厂与传统工厂的差别体现在哪里？

来源：Ruff

数字化工厂，随着工业 4.0 的浪潮来袭也被越来越多的工厂所认知，但对于大多数人而言，理解基本还是停留在“传统工厂的升级”，很多人并不清楚传统工厂的弊端到底有哪些？而数字化工厂又是如何针对弊端进行改善和颠覆的呢？

（注：可点击图片）

Ruff 设备宝在传统工厂的实践你就能看到其中的差异。

1传统工厂：人工统计，效率低且不准确

在中国很多传统的中小型工厂中，对于设备生产数据的采集，几乎完全依靠人工完成。流动的人员、散落的数据，导致数据的保存成了一个巨大的问题。同时人工统计的效率也非常的低，往往都是每天下班或者每周进行一次统计，完全不能进行实时生产数据更新。

此外，数据对于设备而言有着时效性和历史数据参考性的关键作用，从底层操作工的数据记录-数据分析-数据反馈-管理者的决策，中间的环节让数据的时效性大大降低，同时人工的记录统计也会造成数据不准确等问题，而且庞大的数据计算分析，对于人力是一个非常大的耗损。

其次，历史数据对于设备的维护具有参考性的意义，但是传统工厂的数据，靠着一张张的记录纸或者大量的 Excel 表无疑是给未来的工作又增添了难度，而且工厂不能控制人员的流动，每一次的交接都可能导致数据的流失。

2数字化工厂：设备联网，数据自动上传反馈

而在数字化工厂中，物联网的概念就被运用到每一台设备上。设备与设备之间，早也不是信息孤岛，而是将人、设备，通过数据建立紧密联系。一个工厂管理者可以在手机或者 PC 终端观测到每一台设备的实时数据，而且可以随时收到设备的状态提醒。

比如你在设备宝上设置了：轴承的温度超过 80 度，提醒温度过高。当设备高于80摄氏度时，就会立即收到提醒，实现了收集、分析、反馈的同步进行，大大缩短了时间，提高了决策的效率。

除了收集、计算、反馈等“去工人化”的功能，设备联网之后，还有一大好处就是数据的存储。大量历史数据，包括设备损失数据，也给后期工厂设备的很多操作都提供了参考意义。之后，再遇到工厂的人员流动，这些数据依然可以随时调用并完善保存。

3传统工厂：设备意外停机频发，造成大量损失

除了数据的管理问题，传统工厂还有一大痛点，那就是经常遭遇意外停机。意外停机不仅造成了生产的停滞，而且对于设备造成的隐性破坏不可估量。一家半导体工厂就能因为停机 2 小时，损失了1000000 美元，损失是意外停机最可怕的后果。

为了预防设备的意外停机，工厂通常安排了 24 小时的轮班工人巡检，造成了工厂人力耗损严重。每时每刻的巡检也并不能全面检测到可能导致设备意外停机的各种因素。传统工厂通过手摸、耳听等最原始的方式，这样的检查方式使得很多设备的小毛病很容易就被忽略，恰巧就是那些小毛病引起了损失超过百万的损失。

其次，由于害怕意外停机带来的严重损失，很多工厂也会购买大量的备用零部件，以防止意外停机的维修需要，而现实情况又是一些设备的意外停机故障周期很长，导致大量的备用零部件并没有派上用场，造成成本浪费。

4数字化工厂：设备意外停机预警通知，让设备时刻保持最佳运行状态

数字化工厂的运转过程中，设备的一切都被随时监控反馈，而意外停机发生之前，设备的某些参数会发生变化，此时设备宝就能在参数发生变化时及时进行预警通知，让设备故障在发生之前被发现及运维。也就是说，在故障发生之前，手机上就能收到相应的提醒，立即作出决定，从而保证工厂设备时刻处于最佳运行状态。

即使是故障已经发生了，也能在过去的设备故障统计里立即找到合适的解决方案，把损失降到最低。这也就是数字化工厂实现的重要一步，让预知未来成为智能工厂的一部分。

目前，Ruff 设备宝作为数字化工厂实现的最新尝试，解放传统工厂的生产力，让管理更便捷，让生产更高效更智能！

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPSOS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

1. 重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？

2. 重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？

3. 重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

1. 精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

2. 智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。

3. 高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

4. 不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。

5. 边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

1. 创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；

2. 对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；

3. 人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

1. 超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；

2. 迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新

   评估未来的知识和技能类型；

3. 制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开

   发过程中确定更加明晰的标准和最佳实践；

4. 重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临

   较高失业风险的人群；

5. 开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能官AI-CPS

用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

长按上方二维码关注微信公众号：AI-CPS，更多信息回复：

新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市”、“智能驾驶”；新模式：“财富空间”、“特色小镇”、“赛博物理”、“供应链金融”。

点击“阅读原文”，访问AI-CPS OS官网

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com