数字化、智能化，对于离散型企业来说，是一个必须面对的划时代课题。摸清门道，找到窍门，才能打开数字工厂大门，迈入智能制造殿堂，走向未来工厂。

  一、未来工厂的智能制造方式
        企业数字化，其实就是ERP的衍生，是通过软件系统实现的更大范畴和更细颗粒度的数字化孪生应用；智能化或智能制造，与数字工厂、未来工厂不是平行概念。智能化是在数字化孪生应用基础上，运用各个范畴的经济、技术、管理对策模型，系统化地实现自我学习和数据处理功能。智能化在企业高度自动化与数字化结合上的应用，就是未来工厂。
未来工厂啥样？凭着现有知识想象和先进企业案例推演，应是在网络、软件、传感等信息技术支持下，在现代装备技术进步、社会资源共享、上下游信息互联互通条件下，通过需求、产能与成本的优化处理，实现全流程自动化柔性生产。撇除未来工厂对诸多经营要素的复杂筹谋运算，就产品（服务）实现过程而言，未来工厂的智能制造运行方式有如下特征：
        1、 效率最大化是目的。在需求（市场需求）与产能（工厂资源与技术能力）之间，通过优化排程与自动化，取得满足客户需求（交期、质量、价格、数量）的最低成本生产。
        2、 工艺流程是基础。让产品在自动化设备构成的各道工序中加工，通过设备与物料传送装置将工艺流程固化。其间，既存在单个加工件的加工工序顺序关系，又存在着多个加工件加工流程之间的平行关系与装配（齐套）关系。
        3、 “一个流”是特点。加工件以一个固定数量（如1件、1车、一个时间段）在工序上加工、工序间流转，各个加工工序的加工节拍与工序间的流转节拍必须一致。“一个流”指的是加工对象在工序间一次性转移的额定数量。
        4、 即时反馈是核心。无论是每一工步的工艺参数，加工件在每一工序的产出数量，还是设备运行状态与能源供应状态，都必须实时反馈，以实现按工艺标准及时调适工艺参数，按产出数量及时调整生产计划，按当前状态监控设备运行与能源供应。
以提高企业运营效率为目的，在工艺流程中实时反馈一个流的动态信息，运用不同范畴的科学对策模型进行数据处理并输出执行，是未来工厂运行方式的主要特征。
        一步之遥！我们应该很熟悉上面这段描述，其实，数字工厂之门就在眼前。
二、离数字工厂只有一步之遥
        无论是装备制造，还是零件加工；无论是家具生产，还是珠宝制作；无论是油漆油料，还是染纱染布；无论是道路桥梁，还是高楼别墅……哪个离散型企业没有工艺（生产）流程？只是不同产品不同流程，一个产品还可能有多种工艺流程；哪个离散型企业不是生产（作业）对象以一定数量在生产流程中流动？只是流动方式不同：有的加工方法不动，加工对象在动；有的加工对象不动，加工方法在动。
哪个离散型企业没有对策模型？模型在企业日常运营中比比皆是，并不高深。财务报表、成本核算就是一种数据模型。“出勤率＝实际出勤÷计划出勤”、“设备完好率＝完好设备÷设备总数”……是数据模型，品管七大工具、设备计划预修、薪酬绩效结构……是数据模型，染缸染色工艺、电炉退火工艺、桥梁建造工艺、瓷砖生产工艺……是数据模型，年度预算体系、生产优化排程、动态生产协同……也是数据模型，拉动式计划、准时化生产、一个流、作业成本法等，最终都会体现在数据模型中。只是很多模型缺乏“完整、准确、及时”和颗粒度足够精细的数据支持，使得很多科学对策（如“精益生产”、“网络计划技术”）“听起来激动，想起来心动，做起来不动”。
        “完整、准确、及时”和颗粒度精细的数据，是从企业运营中提取的，这就是有了二十年历史至今已被淡忘的“数据挖掘”，数据挖掘结果形成“数字化孪生”。在虚拟世界中再造一个现实世界，同步模拟一个现实世界。有关数字化孪生应用，另文叙述。
数字工厂是由数字化孪生形成的，是以“完整、准确、及时”和颗粒度精细的数据为基础的，然后才有智能化，才有用科学模型运用数据的智能化。
        问题的核心在于“效率最大化”。我们不可能将现实世界无差别地全部在虚拟世界中再造，与运营效率直接相关的必要因素有哪些？如何数字化？这才是率先突破数字工厂的重点。围绕离散型企业中短期生产（作业）效率最大化，又不失数字化→智能化→未来工厂的方向，投入少、见效快，是进行数据挖掘、数字化孪生，推行数字工厂、智能制造的关键。
        离散型企业的生产特点是多品种、多工序、变批量（生产批量大小不等）。迈步数字化、智能化，面临着行业技术水平、资金能力、竞争压力诸多问题，面临着时刻存在的成本压力、交付压力和产能压力，还面临着普遍存在的相关要素数据（数据挖掘）缺失问题。不理解离散型企业面临的各种压力和生产效率提升的主要症结，片面推行设备运行参数实时提取、平面再现、3D模拟，试图像化纤厂、多晶硅厂的DCS系统那样，实现工艺与设备运行状态监控（笔者称之为“机联网”），并不能给企业带来产能挖掘、均衡生产、提升流速（在制品在工序间的流转速度）等降本增效显著结果，投入大，见效少，负担重，劳民伤财，怨声载道。
        航空排班调度系统并不关心飞机具体的技术状态，只关注与机场使用相关的飞行数据，即飞行技术参数在各种条件下导致的结果：当前位置、飞行速度乃至由此计得的到达时间。因为机场使用效率是追求单位时间内起降更多航班。将各种航班需求、飞行预测结果等数据，用既定数据模型进行处理，让机场利用率趋向最优。飞机具体技术数据，是维保作业的事，是技术专业的事，它对机场效率的影响，都会表现在各个节点的结果上。就像因为物料断供、质量控制、设备故障、人员脱岗等，都会表现在对应工序的产出数量和产出时间上一样。
        什么是离散型生产企业在产品（服务）实现过程要解决的主要问题，这些问题的相关要素有哪些，才是数据挖掘、数字化孪生的重点。
在现有条件下如何提升产品（服务）实现过程的效率，是时刻摆在企业面前的首要课题。一动就要固定资产投入，一动就要产品迭代、技术革新，这是大多数企业最不愿意听到的。
三、“做了，告诉我”——数字工厂之门
        正如前文所说，产品（服务）实现过程中多种因素作用的结果，都会表现在各工序产出的加工对象数量和产出时间上，即都会以“在制品”（生产过程中的被加工对象）状态来表现。从这个意义上，就有了传统管理口诀“车间管理就是在制品管理”。盯住在制品在各个工序的状态，进而分析这种状态的致成原因及对生产运行的影响，就能了解生产过程存在的问题，进而在解决问题中不断提升生产效率。车间主任就是救火队长，关键是不知道哪里失火，眼睛里看不到活儿，眉毛胡子一把抓，每天忙的像无头苍蝇，出力不讨好。
        过去推行的MES也是结果管理，是一个批次或一个班产的结果统计。这种结果对当前生产状态是过去式，是秋后算账，不能及时报告哪里失火，不具备颗粒度够细的过程管理作用，沦为另一种形态的电子记账本。我们需要的结果，是加工对象在每一道工序上每一次产出的数量结果和时间，而不是最后一道工序今天或这个批次一共产出多少的结果。这种差别，是在数字工厂面前摸不到门径乱转与一脚踏入大门的差别。
        “做了，告诉我”，什么人在什么时间在什么工序上一次做了多少什么东西，告诉我——是不是很简单？
        ——什么人，姓名，工种，岗位，工龄，文化程度，技术等级；岗位定员/劳动产能。
        ——什么时间，完工时间→班次时间/加班时间；产出节拍；劳动定额。
        ——什么工序，工序名称→加工方法→班组→工段→车间；紧前工序/后续工序→工艺流程→工艺实现方案；工序配置/设备产能。
        ——一次，指单次向下道工序转送加工对象的行为，一次转道（如一个周转箱）。
        ——多少数量，合格品数量，次废品数量→次废现象/原因。
        ——什么东西，加工对象名称/规格→产品名称规格→生产批次/计划/客户→产品类别。
        如上所列（包括但不限于）就是数据挖掘要求，把它们数字化，可以简略到一个或几个。也可以扩展到操作工→设备→工装，加工对象→工序BOM→外购件/外协件，一次操作→周转具编号→定置定位；数量→成品率/材料利用率/废料回收率……等等。
        了解以下几点：
        1、 要有信息载体（标识）。在加工对象身上承载信息，是未来的事情。要为一次转道数量的加工对象建立信息载体，给予代表这个数量的加工对象唯一的条形码、二维码、电子标签等，标识编码来源于生产计划（生产计划、调度计划的编码分解）。如一根轴，一箱衣袖，一车染布，一个时间段流出的乳剂，一个鱼网箱，一段道路等。
        2、 建立信息链（标识链）。一是按照工艺流程建立工序的前后道关系与装配（齐套）关系建立每道工序产出的信息链；二是按照工艺流程中前后道一次（一箱、一段时间）产出数量不同，为各自唯一的信息载体建立一对一、一对多、多对一的数量结转关系；三是在发生这种关系时，都需要操作工通过读取二维码将前道工序产出与本道工序产出进行关联。
        3、 一次转道量。根据下道工序产能形成的对本道工序一次转道需求量建立，即本道工序单台设备一次转道数量要满足下道工序单台设备单位时间产出量的需求。单位时间是15分钟，还是30分钟，还是5天，按产品生产周期、工序间产出关系和管控需求确定。产能平衡较差的企业，这个一次转道量可以是一个一定时间或盛装范围内或下道需求的未定数量，按实填入即可。
        4、 工艺流转卡。生产卡，返工卡，都是工艺流转卡。按工艺流程顺序排列工序名称、合格品数量、操作工、检验签证、周转具编号，给出唯一性条码、二维码，这是一种在加工方法不动、加工对象在动的生产方式中的通常做法。当然，我们会留意生产流转卡在生产过程中如何保存（盛装具放置、操作岗位上临时放置）的方法。
        图片
标识、标识链在加工对象不动、加工方法在动的生产方式中运用，可参照上述规则。
在信息技术支持下，落实基本数据挖掘和数字孪生，员工在工序上完成一次转道量后，扫码工艺流转卡上的二维码，上报完成的合格品数与次废品数，这就是“做了，告诉我”。当几十位、上百位、上千位员工在各自岗位上将对应工序在每一次转道时发生（加工完成）的数量和时间“告诉我”时，就是航空排班系统得到了飞机当前位置和飞行速度，就是“未来工厂”通过网络、传感和软件实时反馈得到的加工对象在自动化生产流程中的当前位置、流动数量、流动速度与时间节点——这就是数字化孪生。
我们已经一脚跨进了数字工厂大门，那么，智能制造还远吗？
四、让数字活起来
        离开了数据模型，任何数据都是一盘散沙；离开了管理对策，任何数据都没有灵魂。没有了管控策略及其数据模型的航空排班系统，飞机就是乱飞的无头苍蝇。
其实，朴素的管理对策与简单的数据模型，是对工厂客观存在规律的认知。我们将工厂活动日积月累的认知，应用对策的实施调整经验，形成具备管理对策的数据模型，就能为繁复纷杂的数据赋予活力，让数字化孪生应用在管理思想引导下，闪烁人工智能的光芒。
我们能从“做了，告诉我”的收获中得到什么？
        1、 数据模型：预测交货期。计算前期单位时间平均产量，得出计划总量的完成时间。
每一生产计划交期是生产关注重点。多项计划并行生产，在多种因素作用下，到底哪些计划受到影响，延期多少天？提前多少天？心中有底，就不会手脚无措、惶惶度日。
图片
        2、 数据模型：工艺流程。一个标识的数量在前道工序完成，本道工序未完成，为本道工序待产数量，将当前时间每道工序的待产数量、平均单位时间产出量作出统计分析，既能得出计划预期完成时间，又可得到“救火队”需要上阵解决的当前卡脖子瓶颈工序。
一项计划的执行受到齐套影响，调度协同各工序产出量，提高产能，达成交期，不断解决影响齐套关系的关键工序，一直以来是生产管理的重中之重。例图是由11个单工艺流程按装配关系构成的产品实现过程，其各个工序的待产数量与前期产出节拍，直观地揭示了前存在的瓶颈工序与齐套数存在短板的生产流程，凸出管理焦点。
图片
        3、 数据模型：单元负荷。单元指加工方法，不同加工对象在同一加工方法上会有不同“工序”。于是，Σ加工方法（工序实际产出量÷（工序装备数×单台预定产出量））。很多时候为：Σ加工件规格（工序合格品数×占用设备预定时间/件）÷Σ设备（班次起止时间），其中，占用设备预定时间/件，常称为“工艺节拍”。按顺序排列，可见各工序产能负荷的高低。
例图反映了多项计划在工厂中并行生产时在各个加工单元（加工方法）上形成的产能负荷。物料、转道、质量、技术、设备、工夹模刃量具、人员等，都会导致单元负荷居高不下。看图说话，因图索骥，生产管理人员就能时刻出现在最需要解决问题的第一线。
图片
        4、 数据模型：高负荷工序。待产数量产出时间最高的工序。Σ待产品规格（待产数量×占用设备.人时间/件）÷Σ可利用的生产设备.人（班次时间），并计算持续时间。
例图显示的折边工序持续87个小时高负荷状态，这个车间主任可以撤职了。正常情况下，长期生产让企业通过调整大致平衡了工序间的产能关系，持续不下的生产瓶颈，一定是管理问题。
图片
        5、 数据模型：日工时产出时序图。按不同时段各工序产量（工时）合计数，显示当前时间向前24小时的产出情况，并用30、60、120分钟作移动平均线。
例图按5分钟产出量（定额工时）排列出之前24小时状态。各个时间段尤其是用移动平均值表达的产出情况，反映了不同时段的生产状态。20点到21点用电高峰期为什么产出那么高？24点到12点，与12点到24点的产量为什么相差40%？等等，改善日常管理。
图片
        6、 数据模型：30日产能利用率。按当前日期向前30天排列：日产出量（工时）÷Σ生产设备.人（班次时间），并可按一周（7天）作移动平均线。
例图首先表达了一个疑问，即在平均负荷只有39.4%的情况下，为什么每周不休息一天？是因为民营企业普遍不具备生产员工需要周休的意识，还是因为每天都在担心任务完不成？其次是如何让员工每天都在相对高的负荷下工作，养成勤勉麻利的操作习惯，而不是今天忙的脚后跟打后脑勺，明天空的嗑瓜子唠闲嗑。计划怎么安排？工作怎么调整？
图片
        7、数据模型：本月/本日的产能利用率、定额完成率等。我们还可以将取得的数据进行多维度的统计分析，还可以从各个指标的关系中找到关注的问题。
图片
        还有更多。
把上述图表组合起来展示，就是指挥屏，就是驾驶舱。
其实，我们只做了一件事：工序一次转道扫码报工。在现代信息技术支持下，实现手机APP扫码：扫码提取信息，输入合格品数量，确认提交。是不是很简单？这个简单的事情，解决了工厂效率80%的问题，解决了长期以来困扰生产管理的顽症。
五、管理扶贫与效率提升
        “完整、准确、及时”和颗粒度精细的数据挖掘，是大多数离散型企业一直缺失必须补上的一课。每一个产品中每一个零件的工艺流程是否确定？每一个零件在每一道工序上的工艺节拍、工时定额是否确定？每一个零件在上下道工序间的转道数量是否还是装不下了就转或下道嚷了叫了才转？乃至于更深层次的设备专业化与通用化的平衡、工序间等节拍产出的产能配置、产品标准化设计与工装通用化设计、生产流水线设计或引进等。
        “手机APP工序一次转道扫码报工”是以往从未有过的全员用行为参与的管理改善活动，也是现代信息化元素在员工行为中的体现，对员工行为素养与行为意识有着举一反三、由此及彼、潜移默化的文化发酵作用。
        按照提升工厂效率目标预定的数据模型，挖掘提取模型需要的数据，并在信息技术支持下实现数字化孪生，是一项持续改善工作。将当前必须的要素进行数据挖掘、数字化孪生，是管理“扶贫”，是一项夯实管理基础、提升企业素养的艰苦工作。不理解离散型企业提升效率是为了应对当前市场的迫切需求，不了解离散型企业基础管理缺失现状，一味地号召智能工厂、未来工厂，那只能是“空中楼阁”。
“先有再好”，推进数字化工厂建设。数据挖掘和数字化孪生的持续改善特性，意味着这是一项随着需求迭代、产品更替永无止境的事业，不能求全责备，等齐整满员了再向前走。而是先有骨头再长肉，先有框架再求精准。因此，按预定数据模型把足够精细的数据颗粒建立起来，先把“工序一次转道扫码报工”做起来，就能形成系统化地需求和自我完善的动力。
        当前的云技术、微服务、4G5G及WiFi，已经为手机APP工序一次转道扫码报工提供了成熟且丰厚的技术支持。手机APP工序一次转道扫码报工可以是相对于其它应用软件的独立系统，也可以是能够实现数据交互的关联系统。先独立，再融入，是快马加鞭提升企业素养、提升生产效率、迈入数字化工厂的捷径。
        通过实时跟进调整促使按交期完成计划，集中力量解决当前瓶颈释放关联工序产能，采取各种措施实现工作日之间、工作时之间在满负荷状态下的产能均衡……，在现有基础上提升生产效率30%已就在眼前、唾手可得，提升50%不再是难事，100%不再是梦想。
        我们只做了一件事：手机APP工序一次转道扫码报工。企业几乎可以忽略硬件投入，就能实现投入少、见效快，在提升企业素养、提升运营效率同时，踏入数字工厂之门。
        行动起来，时不我待，机不再来。