产线：数字化转型的原点

文|吴泳江

2020年新冠疫情这只黑天鹅让所有企业经历了一次集体大考，不同于宏观经济变化、产业结构调整等常规考验，疫情突然打破了企业既有的运转节奏，急剧地放大了各种不确定性。特别是疫情初期，大量工人不能按时返岗工作，给企业正常生产造成巨大影响。但人员的短缺似乎并未给欧姆龙造成太多困扰，这主要是”得益于我们超柔性、高效率的智能化单元产线，4月初即使人员未满岗，产能也达到98%，随后不断创出日产能新高“李治国介绍说。

这家位于上海金桥开发区工厂，是欧姆龙核心的工业自动化业务(IAB)的重要生产基地，有22000多个产品在这里进行少量多种混流生产。作为“i-Automation!”概念的示范工厂，欧姆龙上海工厂在投产1年内，就凭借 “工厂整体运营水平高，达到较高整体均衡”，获得了日本能率协会“2019 GOOD FACTORY奖”4个表彰项目中的“工厂管理奖”。

在少量多种生产模式下，由于订单批次小，必然会造成部分设备生产时间短而且不连续，因此传统的、基于连续生产模式的自动化设备往往无法充分发挥效能。欧姆龙的解决方案是使用可移动式的协作机器人在多台设备间快速移动和切换，利用协作机器人的视觉系统自动进行对位校正，并且模拟人眼观察来获取下位设备的信息，进而通过AI、IoT、大数据分析等先进技术使移动机器人、协作机器人与工人能够高效配合。

从产线出发的数字化转型

柔性化、高效率以及高品质，这些概念都曾被大家反复提及，但能真正在生产实践中有良好表现的并不太多。“对于制造业来说，所有一切的原点在产线，在每一个产线单元，下一步才是在数字化单元产的基础上逐步拓展到车间及至企业级的数字化，这种自下而上的模式能有效提高企业数字化转型的成功率。”可以看出，李治国所强调的正是欧姆龙对企业数字化转型最核心的理解。

随着国内疫情的逐步平稳，制造企业的管理者开始反思，近年来数字化转型、智能制造领域的投入在遭遇人员短缺、供应链紧张时，能否快速调整、有效应对；在解决劳务成本上涨、劳动人口减少以及消费者需求多样化的难题时，企业能否始终兼具高品质、超灵活性和高生产力。

近年来，众多企业数字化转型的案例表明，许多企业管理者对数字化转型本质的思考还不够深入，认为上了信息化系统，通过传感器采集到大量生产过程中的数据，在办公室能实时了解产线的生产情况就是数字化。对此，李治国表示“欧姆龙始终认为，面对数字化转型这样一个复杂问题，最终还是要归结到QCD（quality, cost and delivery，质量、成本、交付期）。“在此基础上，欧姆龙有一整套帮助用户解决数字化转型问题的实施规范和流程，主要包括：

◎ 通过一系列定性和定量的方法与标准，比如产品的品种和数量，生产工艺，产品生命周期等，判断其是否适合人机结合的生产方式。

◎ 基于精益的思想对生产工艺进行细化分解，包括工人的每一个操作动作以及整个生产过程的模块化切割等，进而找出最佳的产线平衡设计方案，在投资回报率合理的前提下，适当导入低成本自动化（LCIA）以及软件模块，最终形成一条全新设计的模块化、柔性化、高可控性智能产线。

◎ 基于精益思想开展培训，包括工程师、产线班组长和工人，在工作现场通过具体项目对人员进行针对性辅导，改善操作手法，实现人机高效协同，包括如何发现问题，分析问题，解决问题。

从这个过程中我们能发现，从产线层推进的数字化进程，目标更加明确，可控性更强，可以确保数据采集后能有明确的价值。上线运行的产线事实上已经完成了数字化梳理，复杂的产线动态数据已封装为标准的数据接口。在此基础上，用户如需要进行上层数字化，可以把当前产线看作一个简单的“设备”单元，这使得企业数字化转型持续改善、逐步深入的方向明确、路径清晰。

数字化转型的实施路径

看到越多企业数字化转型失败的案例，就越能理解“工艺落后不搞自动化，管理落后不搞信息化”这句内金玉良言。“主要原因还是自身在工艺、自动化以及管理方面存在短板，而往往软件供应商并非生产专家，无法做出专业的业务逻辑梳理和设计，这就导致失败概率非常高。”在分析这一问题时李治国表示“务必看清楚自己所处的阶段，明确需求，数字化说到底只是实现管理目标的工具，因此核心还是对生产现场业务的理解。”

欧姆龙为处于不同阶段的用户，设计了三种实施路径。

CLCS：帮助用户产线升级，设计、搭建和运行先进的智能产线，在合理ROI的前提下，实现省人、增效、提质，并且会有配套的培训和辅导，帮助客户工程师掌握这些技术，最终实现“自主”改善。

LDM（Lines Data Management）：聚焦较复杂的业务管理场景，需要跨部门互联互通的业务，需要技术与生产相结合。帮助用户把复杂业务从线下搬到线上，从离散到聚合。的比如在过程管理中的“异常”、“4M”、“中试”等。

BDA(数据活用)：针对信息化基础较好的用户，基于欧姆龙全球各地工厂的丰富现场经验，通过大数据分析为客户解决比较复杂和困难的问题。包括框定因果范围，然后通过数据采集、大数据分析、数据可视化等技术手段解决问题。

写在最后

如果你对自上而下的全方位数字化转型缺乏信心，不如先用精益方法梳理整个流程，逐步迭代升级。人们总习惯于在企业战略层面思考如何数字化转型，但在实际工作中，我们不防从数字技术提高人与人之间，人与机器之间合作的效率，提高生产经营的透明度，帮助企业更有效地应对市场需求的波动等具体管理目标入手，除非你能像换手机一样随时更换数字化系统和设备。