《人本》| 现场数据你真的看得懂吗？——“构建工业现场数据生产力”

作者在工程院院刊《中国工程科学》上发表的论文《工业互联网生态系统模型（IIEM）》一文中提到，“所有IIEM物理层的实体要素和资源要素都可以精准映射为数字孪生体。数据、数据模型和实物之间的关系，是相互映射、依存、影响的关系。物理实体管理组织有序，所映射的数字孪生体也会呈现出同样特征，同时能够在软件赋能下，释放出更大的数字生产力。”

但是工业现场的数据你真的看懂懂么？又该如何数据赋能使其成为数据产力呢？

今天用故事的形式与读者们探讨一下。

1.隐匿在工时数据里的管理效力

故事发生在作者（以下称“老师”）指导某家纺企业建立工时管理基准过程中，一次关于人工验布工序的对话。

车间主任：“老师，您说工时是不带处理疵点的工时，我觉得不对，面料那么差，按照好面料来确定工时，工人干不出来，干不出来就挣不到钱，挣不到钱，就不会乐意在这工作……，这是原料的问题，跟我工厂管理、工人干活没多大关系。您说按照好面料设定工时太理论了，在工厂实际行不通。更难的是，人工验布，人眼识别疵点，看个半小时眼睛就不灵光了，效率降低，您还要建立工时就更没有什么意义了。”

老师：“哦，那就是要带疵点的工时比较符合实际，可是多少疵点合适？布匹不一样，疵点不一样，怎么设定工时呢？”

车间主任：“老师，得查查标准，比如是百米5个疵点可以接受。”               

老师：“即便是5个疵点可以接受，今天5个，明天3个，后天可能1个没有，大后天可能整匹布30%不良，这样的工时有什么用呢？……咱们就先依你说的，按照5个疵点的观测工时来算账吧。”

采用动作分析方法将验布工序作业进行拆解，如图1所示。

图1动作分析下的验布工序工时拆解

老师：“我们详细算一下，'时间’都去哪儿了？工时能提供什么管理支撑？”

“①疵点下，工人971秒验了157米布，那么人工验布工时是971/157=6.18秒/米；

②去除序号5-10中间断布及处理疵点操作时间，人工验布工时是899秒验157米，此时工时是889/157=5.73秒/米；

按照当地平均工资160元/天进行工人工作计算。工人有效工作时间为7.5小时；因工人处理疵点，损失了334米的产能，换句话说含疵点的工时，让该工序工人多收入11.65元，这个工时成本被隐蔽地合理化了，成为了工人工资。”

上述情景故事中，工时数据为生产管理者提供产能、采购谈判、工人工资等多维数据关联分析视角，这才是隐藏在“工时数据”里挖掘管理效力的奥秘，是建立现场数据多维决策的秘密。

但这需要“能力”，需要“人智”“能力”。生产管理者要有能力将业务流转数据解构，如作者在《人本》第三章第一节“基础数据与业务流转数据”中所讲，通过现象看本质，找出数据中的管理内容，利用知识构建数据分析模型，支持多维决策。这是制造企业管理内核，是管理数字化的本质。

2.“工时数据”下的战略与策略

生产管理者还能从该工时数据破译出什么？可以从行业整体水平、供应商谈判以及企业现场验布作业方式三层来解构。

⑴制定面向行业整体水平的研发战略。生产管理者建立工时数据库，通过该工序工时数据沉淀，判断原料质量波动是印染行业整体工艺技术水平低所致，那这部分作业变动成本将在制造企业成本体系中长期存在，这部分成本只能随着行业工艺变革、整体技术水平提升而削减。制造企业可以与供应商达成战略合作关系，共同在提升面料印染质量某项关键技术上加大研发战略投入，构建高门槛核心竞争力。

⑵采购谈判中的供应商管理策略。若整体行业印染工艺技术水平尚可，通过该工序工时数据库发现某供应商的印染水平不能达到行业水平，作为原料使用方，根据工时成本数据建立了控制、优化能力，可以通过加强供应商管理来消减由供应商原料质量波动引起制造厂自身的作业时间波动、作业成本波动。

⑶对“验布作业”方式进行技术创新。抛开印染技术、供应商两类变量的影响，验布动作分析下的工时数据，也让生产管理者发现该工序人工作业需一定照度条件，长时间作业引起工人视觉不适，作业不能持久，违背以人为本的职业伦理。借助机器视觉和大数据分析技术替代人工作业，研发智能验布机，是该类岗位技改主要方向。验布工序是全行业通用且必备工序，面向行业技术难题，洞察领先同行竞争先机，以研发智能验布机来大幅度提高产品质量，把人从枯燥、疲劳的工序（验布系统回路）中解放出来，这才是“机器人代人”“自动化”“智能化”的真正意义。通过业务数据解构管理现状，通过数据分析重构管理内容，才能充分发挥数据生产要素的作用，让数字技术产生强大的管理效力。

数字化从表面上看是把数据展示在屏幕的过程，其本质是制造现场和企业管理升级的过程。管理升级是一个长期过程，无法一蹴而就。管理升级需要做到：①回归生产管理本质，从制造现场最基本的要素做起，即生产管理者能辨析、拆分出附载在工时上的变量属性；②从全行业技术改善、供应商质量管理、本企业工人作业规范或设备自动化改造等方面进行务实改善；③提炼制造现场管理机理，让这些工业知识沉淀为机理模型和数据模型，并将模型嵌入工业互联网平台。支撑管理者做出快速、准确的管理决策。

3.工时数字化里的工业知识

工时数据，经过工业工程“动作研究”专业技术之辨析、破译、解读，让生产管理者很清晰地读懂了工时数据（参见图6-4）；借助工业知识，把工时数据打上标签，以“绿色”标识有价值的动作，“黄色”标识有浪费需要改善的动作，“红色”标识表示无价值要消除的动作；进而根据管理需求，将“绿色”标识数据766秒完成157米（0.2米/秒），设置成为最优工时成本基准，其他颜色的数据成为基准上的变量。至此，工时数据数字化底层管理逻辑雏形可现：

人工验布工时=“绿色”的价值工时+“黄色”无价值但是必要的工时+“红色”浪费的工时————（公式1）

人工验布作业变动成本=“绿色”有价值作业变动成本+“黄色”需优化的作业变动成本+“红色”需尽量消除的作业变动成本————（公式2）

公式1~公式2是类人智慧（决策）算法的实现过程，根据管理需求建立工时数据分析模型，运用知识进行“人智”决策算法设计，这样的底层算法进入工业APP中，方可创造更多数据价值。“绿色”“红色”“黄色”等带有不同管理功能的数据，对软件底层数据结构有更高的要求，此时工时数据就需要有能存储绿色、红色、黄色数据的独立存储位置，而不是将工时数据总和971秒存储并显示，而这样底层数据结构的管理需求只能工业现场人员提出，软件服务商往往搞不懂这些管理需求。

数据采集不是目的，数据呈现下的管理内涵才是数字化决策的核心。有了大数据不代表能够做好大数据应用，二者之间还存在偌大鸿沟，数采设备可以实现海量数据采集，但是无法对数据属性进行有效拆分，亦无法根据属性进行多维度决策模型设计，这或许是很多企业寄希望于外部软件团队，希望通过大数据来帮助做好企业管理，但是大多数项目都失败了的原因之一。

4.小结

数字化变革离我们不再遥远，数据成为企业生产要素也并非遥不可及，工业现场管理本来就在找数据、看数据、用数据，只是如何找、怎么看、怎么用这些数据，其实是需要扎实的工业知识来做支撑的。破译工人、设备动作载体下的“工时”数据，回归企业管理核心，认识到“工业知识”和“数据”都是重要的生产要素，是企业所有从业人员十分重要的认知转变，更重要的是，所有人要充分认识到，在工业互联网平台上，当“工业知识”生产要素作用于“数据”生产要素后，将会发生“聚变”作用，数字化DIK可以转化为强大的生产力，释放出巨大的工业增量。这是构建工业现场数字生产力的机理。

《人本：从工业互联网走向数字文明》将会详细地告诉你该怎样去做。

（正文完）

---