几年前，受朋友邀请，对一家汽配企业调研TPM需求。发现工厂最大的瓶颈是交货期，按照他们的说法是，每天都在抓紧急订单，一个月下来每个订单都是紧急订单，感觉每个部门都有责任，但最终谁也没有真正的承担责任。 故，给出的建议： 1.先上MES系统，实现每个作业工序以及原材料供应工序实现基于订单优先级动态调整，实现订单与工序作业计划同步，工序产品交接即时响应； 2.严格依据订单优先级系统生产，并建立逐级响应系统，快速处理异常； 3.建立订单延误追责机制，追溯影响订单延误的物料供应、质量、设备异常的根本原因，建立基于目标的责任管理机制。 4.在梳理出订单流向执行层下放的基础上，OEE才可能被识别，这时导入TPM或精益生产才能水到渠成。 5.通过MES以及匹配的运维管理系统，建立数据决策分析系统，以辅助决策管理优化。 当然，这是几年前的诉求，当“智能制造”和工业互联网从概念到政策落地，促使我们重新思考工厂管理如何做？当工业遇上云计算、大数据、AI人工智能，如何构建新的数据应用生态，如何促进工业制造业与工业服务业的良好互动，如何适应新常态下的攻击侧结构性变革需求。本文将结合TOC约束生产理论，梳理适合制造业（尤其是中小制造业）与工业服务价值转型的路径。
TOC过程暗箱 工厂盈利应关注三组指标: 有效产出：简单理解就是产品做出来并卖出去，实际上反映的是产品满足客户需求的能力，在广义上来讲，也包含产品实现满足相关方的能力，比如现在所提及更多的因环保导致限产、停产的现状，实际上是对社会（自然环境）的满足能力。故，提高有效产出是制造业关注的第一组关键指标。 运营费用：运营费用系指工厂运营所必须产生的费用，可以简单的理解为综合成本，通常包括，运维费用，人工费用等。这与成本会计描述的成本稍差异，在于运营费用降低，不能建立牺牲有效产出指标基础至上，比如：不能降低原材料质量，而牺牲产品交付质量；不能降低工业备件质量，而造成停机损失，影响交货期，并造成运维费用攀升；不能降低人员工资，造成作业积极性和品质意识下降等等。故，降低运维费用是制造业关注的第二组关键指标。 库存：库存会影响企业现金流，库存的降低依赖于：内部因素取决于有效产出水平，及运营水平（运营费用控制能力）；外部取决于供应链效率与质量。这也解释了，精益生产所提倡的零库存，为何在我国的大多数企业难以实现的原因。实际上，只要企业的有效产出和运营费用控制起来，生产及运维的计划性提高，外部供应链效率得到高效的匹配，库存自然能得到有效的降低。库存是企业产出的缓冲带，但也是压垮企业的最后一根稻草（现金流断裂），但从解决瓶颈的思路来讲，降低库存是制造业关注的第三组关键指标。 制造业系统的三种作业线形态: 我们将过程暗箱拆开来看，实际上不同的企业，不同的行业，设备设施的组合方式是有差异的，这也解释了，为什么不同的行业，智能制造实施的落地措施有差异，认识这些差异性，是提供解决思路的必须。这包含，流程作业线（V型）、流水作业线（A型、I型）、离散作业线（A型、I型），而不同的作业线形态，其有效产出指标的具体指标指向是不一样的。 流程作业线(V型)：流程作业线常见于石油、化工、医药、能源等行业，这些行业往往停产损失非常严重，往往伴随安全、环境污染等事故的发生，在有效产出指标体现为事故停机为零。在智能制造的解决方案上，以DCS集散控制＋工业物联网应用为主，以追求更安全、更节能、更经济的运营目标。 离散作业线（A型、I型）：设备呈离散分布，常见于机械制造、汽车工业等。系统自由度决定了管理的复杂程度，这种作业线的特点是生产组织自由度很高，管理也是最复杂的。优化方案体现在：1，通过自动化流水线或单元线改造，约束其物理自由度；2.通过数字化系统（如MES）构建，实现以订单流动和管控，约束生产管控自由度。在有效产出指标主要体现在订单延误↓，在具体的设备应用上沿用指标OEE↑（设备综合效率）。 流水作业线（A型、I型）：设备通过输送设备连接成一个流作业线或单元生产线，系由离散作业线优化而来，由于设备的自动化连线，去除了中间的库存缓冲环节，对于作业节拍协同、作业线的安定化要求比较高。优化方案倾向于快速的异常响应和可靠性的维护方向。在有效产出指标主要体现在OEE↑（综合设备效率，应用于设备作业为主的流水线体）或OPE↑（人工综合效率，应用于人员作业为主的流水线体）。
点评：任何复杂系统，构建于固有的简单，对于运营作业指标和作业线的正确理解和归纳，是实施智能制造转型的基础。
对于离散作业线与流水作业线而言，交货期异常占据了工厂40%的异常总量，预测性计划与订单计划并行，造成订单延误突出，非订单库存及呆滞库存高企，现场混乱。而解决这些问题，必须借助一款优秀的MES制造执行系统。 实现订单的智能排产 由于生产实际过程中，计划制定与执行存在信息不对称，导致计划管控和问题追溯困难。故实现数字化的第一步，是实现动态计划即时匹配到工序及物料部门，使其能依据订单紧急程度调整生产，以实现订单的拉动管理。 订单智能排产的关键在于如何预测每个执行工序的单件工时、传统方式工作量巨大，而借助于AI人工智能技术，有助于让这项工作变得非常便捷。由于工时的预测更为准确，订单排产时，会自动判定和提醒是否可直接插单，强制插单时提醒哪些环节因重点关注和强化（保有已排产的订单），自动实现订单计划的优先级排序（优先级排序智能匹配到每个工序）。 实现订单延误追责机制 当订单延误时，能通过系统智能追溯到主要影响环节，涉及到工序影响时，工序责任人、连带车间主任、设备及工艺相关责任人应承担连带责任。涉及到物料时，采购、仓储、质检、财务及工艺部门应承担连带责任。只有责任主体得到落实，才会促进其目标的实现。 建立数据决策模型，构建“鼓-绳子-缓冲”系统 借助于AI人工智能技术，按照每年的执行情况，依照一定的逻辑（单个车间参照自身数据，互联工厂参照行业数据）自动核定标准工时，这将有利于自动核算OEE效率。 当OEE与影响交货期的工序结合时，通过不同时间段、不同产品型号的展开分析，以此建立“鼓-绳子-缓冲”系统，以瓶颈工序为鼓点，实施产能挖尽，产品供应质量优先，聚焦瓶颈工序实施管理方法，包括精益改善方法和六西格玛零缺陷管理方法的应用，针对瓶颈工序装备，实施设备维护保养优先。 OEE与班组管理结合起来，有利于建立班组比较、形成比、学、赶、超的班组文化。（参照《数字化工厂＋工业维修服务体系》第四章：建立以指标数据为中心的管理机制。）
在离散作业线/流水作业线实施MES制造执行系统管控条件下，或流程作业线，其设备运维的目标被确定。由于系统的自由度被高度约束，系统的可靠性与维修性要求随之被体现出来，数字运维成为重要的课题。 数字运维&任务协同系统 可用度是衡量运维能力的重要指标，这依赖于四大通道的建设和优化（预测性维修通道↑，创新改善通道↑，而被动的事后维修通道↓，优化保留必要的预防性维修通道↓），这不仅有效保障有效产出，还能有效的降低运维费用，降低备件呆滞库存。 为强化用户体验，我们与订单执行任务（MES）结合起来，将实现兼容运维四大通道的任务协同系统，这包括： A：事后故障报修任务系统：作业工序发起故障报修任务→维修部门接收和分派任务→维修员接收任务或外协→到场确认执行→任务验证申请→任务确认结束。 B：预防性维修任务触发系统：设备员建立预防性维修周期任务→按日/周/月/等周期自动生成分派到责任人→执行前确认→任务验证申请→确认结束。 C：一般异常处理、预测性维修和改善创新任务协同。创建任务选择任务属性（设备、工艺、质量、安全、现场等）→任务确认并制定责任人（并定义是否属于改善类别）→执行前确认→任务验证申请→确认结束。 D：MRO工业品采供任务协同：维修任务备件申请（事后维修、预防性维修、预测性维修、改善）&部门MRO用品申请→智能匹配库存→触发购买→验收入库→出库交付→返库。
备注：一般异常处理、预测性维修和改善创新任务协同过程中，当任务确认为改善时，进入到改善通道，未被确认为改善通道的设备类，识别为预测性维修通道。 工业物联网与智能数据分析应用 基于MES与数字运维的任务协同系统，将工厂盈利目标、财务目标、作业指标与运维指标有效的结合起来，通过AI人工智能技术应用，将为用户推送应用于不同角色的智能分析报告。 但在一般异常处理、预测性维修和改善创新任务协同中，任务创建多数来自人工经验依据，这将影响改善创新通道、预测维修通道建设的质量和数量。而构建于设备的物理数据应用，将会为提供更为准确的数据依据，这包括： A:重要设备或系统的关键参数，通过传感器收集、存储和失效分析建模，通过与本地或远程自诊断能力建设与技术专家协同，形成预测性维修任务发起的依据。 B:通过物联网技术与MES制造执行系统相结合，建立分析模型，识别质量、效率、工艺相关的异常，形成对一般异常处理（质量、工艺、安全）等任务发起的依据。
备注：工业物联网数据应用，依赖于更多的设备接入和专家协同，在适合托管和租赁的领域，应构建工业物联网平台模式，以便于解析和挖掘更深度的隐性问题。 对于未接入物联网的设备，还应在手工点检、离线监测、委外监测（如特种设备监测、MRO社区专业监测）构建应用和对接平台，同时应强化预测性维修工程师的培养（如，参加国际振动分析师培训和认证……）。 0glass CTO王友初总结点评：工业4.0的核心是人+机+料的协同，在现有信息化的基础上实现智能化。传统制造业里面的ERP，MES等等都只能覆盖到制造过程的某一方面。要达到工业4.0的要求，就必须通过新的技术实现传统制造业系统的融合，也就是实现CYBER空间和物理空间之间基于数据自动流动的状态感知，实时测控，分析与决策，精准执行的闭环赋能系统。解决CYBER空间和物理空间的融合，也就是感知/测控/分析决策的融合，增强现实(AR)是不二的选择。借助AR实现数字化工厂里面人机料的感知以及智能测控和分析决策，使得工厂从订单到交付的智能化生产。
|
|
|
