工业中小企业向数智工厂运营模式转型的实施方法与路径

毛光烈

国家智能制造专家委员会委员

浙江省智能制造专家委员会主任

工业中小企业的数字化转型，号称是全世界的难题。庖丁解牛的故事告诉我们，再复杂再艰难的任务，只要找准方法路径，都是可以迎刃而解的。

但是，数智工厂建设与运营，是我国“十四五”的主要任务。它是实现我国第二轮数字经济发展的重要基础。我国第一轮数字经济发展的基本模式是：云平台+互联网+消费与服务/智能手机；我国第二轮数字经济发展的基本模式：云平台+互联网+制造与服务/数智工厂。

因此，扩大数智工厂的规模，已成为我国第二轮发展数字经济的关键环节与战略举措。同时，数智工厂是数字化智能化工厂的简称。在工厂的数字化转型中，设备端计算、制造单元与制造产线端的边缘计算、云计算已开始运用，有计算必有智能算法创新；工厂数据生态体系建设亦在推进中，有大数据必用人工智能。因此，目前已经到了数字工厂与智能工厂融合发展阶段，数智工厂的发展已成为主要模式。

向数智工厂运营模式转型必须完成的六个方面任务

明确提出这六个方面的任务，一是从实现数智工厂运营模式转型必须满足的条件出发设定的；二是从全面理解、正确处理好老企业数字化改造与数字化改革之间关系，为基层实践提供指导服务出发考虑的；三是从完成六项任务必须加强数智化供应商与工业企业双方主体的合作，既要明确各自责任又要相互配合推进的特点来阐明的。

（1）需建设行业云主导运营的、数据底座与工厂一线相融通的数据生态体系

经研究证明，工厂的数据生态体系是由生产领域的数据生态系统、运营领域的数据生态系统、管理领域的数据生态系统、治理领域的数据生态系统、售后服务领域的数据生态系统以及产品设计及研发的数据生态系统为一体构成的。

以离散工业的织造工厂为例，数据底座与工厂一线相融通是指技术、业务、数据（包括技术标准、业务知识、行为规则）的融通，目的是为了打通数据，用好数据。

从图1可以看出，离散型工厂生产场景的数据生态系统建设，其基本标配是“两类单元（单机单元、多机单元）、两种产线（制造产线、物流产线）”的物联与员工的互联（即HCPS），还有从物料到半成品再到成品生产的扫码数采系统，可简称为“两类数智化单元、两种数智化产线+数采系统”。其中员工（H）使用的是“小程序软件+指令数据集/执行指令结果报告数据集”；制造单元与制造产线侧边缘计算（智能网关或服务器）上行到云平台的数据是“制造单元或制造产线的工况数据、碳（能）耗数据”，云平台下行到智能网关或服务器的数据是智能监测数据集与优化碳耗数据集，为智能预警、智能运维、智能碳耗管理奠定了基础。

图1 如兰溪（参照北仓创元信息公司的模具数智工厂架构规划）行业云平台主导的纺织工厂数据运营体系简示图

数字化管理与治理数据系统的标配架构是“云+管理人员的工位机”，管理人员使用的是“小程序软件+指令数据集/指令执行结果报告数据集”。

（2）需要完成线上与线下相结合的运营方式创新

数智工厂的运营方式创新，主要有以下四种类型：

首先，数字化生产需要改变原工岗级、班组级、车间级、生产科与销售科的人员逐级请示汇报的运作方式，建立可在线同步报告与在线高效指挥、执行的机制，即垂直“五跨”的运营（作）方式；其次，需要构建从穿棕单元到织造车间再到验布修布车间的跨单元、跨产线、跨车间的横向协同生产的运营方式；再次，需要创建织品生产与经营业务一体化的、横向跨多个管理科室（或部门）协同服务的掌上办的运营方式，并根据流程的优化精简冗余的环节与岗位，优化企业内部组织设置，逐步推进工厂管理的扁平化；第四，需要构建类似于“军队由云平台统一实时动态调度指挥的多兵种一体化协同作战”的企业运营方式。

（3）需要完成工厂的数字化管理体制变革

需要改革传统的企业管理体制，推进采购管理、资产管理、仓储管理、生产管理、人事与工资管理、财务管理、销售与客户管理的数字化、无纸化、可视化，并创建与其相配套的管理制度。

（4）需要创建工厂内部的数字化治理体系与体制

要让数字化的管理制度“长牙齿”，保证人人能遵守制度、事事能讲规矩，就必须建立健全跟踪员工生产经营行为的大数据监管体系与体制，做到有功必赏、违规必罚。比如，要解决好员工对数字化岗位技能因思想抵触不肯学、怕麻烦不愿用、不受制度约束乱作为等问题，就要完善数字证据依法采集依规采集的方式，并实行“有令必行、有禁必止、有功必赏、违规必处”的“新政”，才能保障数字化管理制度成果落地见效。

管理体制改革、数据治理体系、数字化治理体制三者的关系：管理体制改革要解决的问题，是有规（法）可依；数字化治理体系创新要解决的问题，是查证有功或违规行为的数字化证据链，要严密严谨（执法必严）； 数字化治理体制创新要解决的问题，是公平公正，有功必赏、违规（法）必究（处）。

完成运营方式及组织结构的改革、数字化管理体制改革、数字化治理体系与体制创新等变革任务，是保障数智工厂健康有序运营的必然要求，这很重要。这些工作看起来很难，但对于熟悉企业管理与治理的工业企业而言，只要搞懂数字化管理与治理的原理，完成上述制度改革与创新的任务是不困难的。

（5）需要开发全厂员工使用的“小程序软件+指令数据集/执行指令结果报告数据集”与人工智能的应用

首先，要开发好全厂员工使用的“小程序软件+指令数据集/执行指令结果报告数据集”。这是实现云平台动态地实时调度指挥全体员工，再由员工去调控数字化的制造单元与制造产线，由管理部门员工提供协同的服务保障的必备条件，亦是构建全厂员工面对客户的一体化协同生产与协同服务模式的必然要求。因此，要开发好“小程序软件+指令数据集/执行指令结果报告数据集”。员工使用的指令数据集与执行指令结果报告数据集，即使是同一个人从事同一个岗位的工作，亦会因时间任务不同而产生变化。它会以“N+X”的数据集形式来表现，其中“N”项的岗位核心指令数据与内涵的操作行为规范数据是固定的，“X”项的任务指令数据是因时间任务不同而不同的。同时，将指令结果报告数据集进行汇总统计，可自动生成各类可视化的数据报表，可以为生产员工、管理员工、后勤员工、科技人员提供越来越人性化、便利化、可视化的服务，以此为依托可以构建成“以员工为主体的、类似于由云平台统一实时动态调度指挥的多兵种一体化协同作战”运营模式。

其次，要开发四大场景的好人工智能应用。这是可以渐次推进的。要根据生产、业务、管理、治理等四大场景的数据生态系统建设的进展与业务数据运营的内在逻辑关系，跟进开发各种人工智能算法与应用。比如通过生产场景的数据人工智能应用开发，可以不断提高智能制造、智能运维、智能质检、智能包装等智能生产与智能运维水平；通过持续推进“订单进度跟踪、合同履约提醒、节能减碳减排合规审查、安全生产跟踪预警、流动资金周转调控”等生产与经营一体化场景的数据新算法开发，可以创新智能生产与经营的方式；通过系列开发“插单智能排产、动态调度管理、产供销智能协同”等管理场景数据的算法，可以创新智能管理；再通过治理场景数据的算法，可以渐次有序地开发智能监管、智能评价、智能治理体系，并实现工厂的数字化治理体系与体制的创新。

只要针对生产、经营、管理、治理等场景数字化，洞察业务数据运作的内在逻辑，就能全面推进人工智能应用的创新，使智能生产年年上台阶，智能运营年年有创新，智能管理年年有提高，智能治理年年有进步。

（6）需要抓好数字化技能培训与先进文化建设

数字化技能培训，是让数智工厂发挥作用的前提，否则就会出现像老年人买了智能手机用不了、用不好的情况。要广泛动员企业员工，积极开展适岗技能培训，养成遵守数字化技能操作规范、数字化管理制度的习惯。企业领导干部要带头学习数字化技能、带头遵守数字化管理制度，以身作则地带领员工加强企业的数字文化、数智文明建设。

上述六个方面的任务是实现企业数智工厂运营模式转型的必备条件，是缺一不可的：建成工厂数据生态体系是前提条件，创新工厂数字化运营方式是主线，深化数字化管理体制改革是动力，创新数字化治理体系与体制是保障，加强员工适岗技能培训与数智文化建设是关键，因为关键在于全体员工的自觉与数字化素养，关键在于提高领导数字化的能力与水平。

完成上述六项任务是一个长期的复杂的系统工程，不可能一蹴而就，需要将“长规划”与“短安排”相统筹，步步为营，扎实推进。

向数智工厂运营模式转型的方法与路径

（1）六项任务的推进逻辑

实践证明，六项任务的实施是根据以下内在逻辑推进的：工厂的数据生态体系建设是根据工厂的产品制造、销售、创造利润的履行职能要求来推进的；数智工厂的运营方式创新是跟随数据生态体系建设的进程来推进的；工厂的数字化管理体制改革是跟随运营方式创新的进程来推进的；工厂的治理体系创新是跟随数字化管理体制创新的进程来推进的。同时，员工使用的“小程序软件+指令数据集/执行指令结果报告数据集”的开发应用是随同数据生态体系建设进程来推进的；人工智能应用的开发是随着场景数据生态系统建设的进程来推进的。总而言之，工厂数据生态体系建设的进程是决定其他五项任务进展的根本前提与依据。

如果我们把数智工厂分成初级、中级、高级数智工厂，那么根据上述六项任务的推进逻辑，我们就可以编制“工业中小企业数智工厂数据生态体系建设任务的计划推进表”，见表1。

从表1中完成任务的差异中可以看出，初级数智工厂的需要完成大部分的生产领域的数据生态系统的建设任务，需要完成破解同行业影响企业生存、制约利润增长共性难题的全部数据生态系统的建设任务，需要完成部分管理（即生产与销售管理）数据系统建设任务，还需要完成部分管理与治理数据系统的建设任务。这是由工厂首先必须完成减碳减排任务，承担产品制造、产品销售、创造利润的使命特点决定的。它与中级数智工厂、高级数智工厂的数据生态体系建设的任务相比，其任务的内容是有所不同的。

表1 工业中小企业数智工厂数据生态体系建设任务的计划推进表

完成破解在细分行业中影响企业生存与制约利润增长共性难题的数据生态系统的建设任务，因行业共性难题不同，数据生态系统的建设任务的内容亦是有所不同的，见表2。

表2 不同行业共性难题及解决方案

（2）关于初级、中级、高级数智工厂

由于完成上述六项任务是分阶段渐次推进的，这就决定了工业企业尤其是中小企业的数字化转型，是沿着初级、中级、高级数智工厂逐阶升级的。

1）初级数智工厂是基本完成生产领域数字生态系统建设任务，实现生产数据、销售数据、解决行业急需解决共性问题数据等一体化运营的智能工厂。这是“入门级的数智工厂”。

初级数智工厂约可采集50%左右的数据，可开发30%左右的数据价值。

2）中级数智工厂是指在生产领域全面完成数据生态系统建设任务的基础上，进而基本完成管理领域与治理领域的数据生态系统建设任务，并基本实现生产数据与管理数据一体化运营的、基本实现数字化治理的智能工厂。

中级数智工厂的建设与运营是在初级数智工厂建设与运营基础上、根据数智工厂生产与经营模式升级的内在逻辑推进的。因此，中级数智工厂是初级数智工厂的升级版。

中级数智工厂需推进行业数据底座与云平台的建设，完成数智工厂生产与管理系统的80%以上数据接入，建成工厂操作系统，并完成企业近80%左右员工的云平台接入服务，70%以上的数据价值得到开发与体现。

3）高级数智工厂是指全面完成产品设计（有这类需求的企业）、生产、管理、治理领域的数据生态系统建设任务即全面完成企业数据生态体系建设任务的工厂，是全面实现产品设计（有这类任务的企业）、生产、管理、治理数据的一体化运营、全员协同生产与协同服务的智能工厂。

高级数智工厂的建设与运营，是在中级数智工厂的建设与运营基础上，根据现代工厂的建设与运营要求进行升级的。高级数智工厂要求100%完成工厂数据生态体系建设任务，完成100%员工的云平台接入服务，90%以上的数据价值被开发，并在提质降本增效上体现出企业效益来。

（3）初级、中级、高级数智工厂的边界与进阶路径

根据上述分析，初级、中级、高级数智工厂的边界与进阶路径，如图2所示。

图2 初级、中级、高级数智工厂的边界与进阶路径

（4）初级、中级、高级数智工厂的实施方法与路线图

根据上述描述，初级、中级、高级数智工厂的实施方法及进阶路线，如图3所示。

图3 初级、中级、高级数智工厂的实施方法及进阶路线