從制鞋業的大退敗來看智能制造：從工業中來，到工業中去
發表于：2022/3/16 11:42:59??閱讀量：?[關閉]
作為生產量和出口量均位列世界第一的中國制鞋業，在過去幾年遭遇了一場史無前例的陣痛。
這種陣痛，在我國制造業兩大中心之一的珠三角尤為明顯。亞洲鞋業協會是珠三角地區一家頗有影響力的行業協會。他們曾統計過一個數據：2018年，廣州五六千家制鞋廠中超過1000家倒閉了。這些關閉的鞋企以中小企業為主，整體生產能力占廣東省制鞋業的15%左右，涉及員工15-20萬人。
制鞋業的陣痛，背后其實是整個中國制造業的陣痛。
實際上，早在20年前中國制造業就已經成規模地進入自動化階段，但僅靠自動化沒法應對多變的市場需求并快速針對生產做出調整。
一些敏銳的民營制造業企業主已經意識到，過去粗放式、高成本的制造業已經行不通了，必須要改變。他們投入重金，買下更先進的智能化設備，試圖用“機器換人”的方式降低成本，重獲新生。
市場和時代的變化，倒逼整個制造業需要一場更深層次的轉型和變革，這也是當下制造業數字化、智能化轉型的核心命題。
01、中國制造業之痛
2020年初，當突然爆發的疫情打亂人們的正常生活、生產秩序時，少有人想到，接下來幾年整個中國的制造業也將被這只“黑天鵝”徹底改變。
中國的制造業，已經到了不得不進行數字化、智能化轉型升級的時候了。
過去的制造業數字化中，流程型制造在改造時相對更容易，而離散型制造步驟和環節較多，在數字化改造時相對復雜。
雖然工廠的自動化設施已比較完備，但這些設備所產生的數據并沒有被完整歸檔、整理、分析并反饋給產線，這導致生產車間內的機器仍然按傳統方式靠人為干預運行——不同工序上的配料生產速度經常出現偏差，以至于下一個環節時常要停工等上一個環節的來料，整體產能大打折扣。
過去解決這一問題的辦法，一是靠人來調度。但人力調度是有滯后性的，通常只能減少損失，不能避免損失。比如，當有經驗的師傅預測到材料不匹配問題，有時要提前兩三個月備料，給庫存、供應鏈帶來很大壓力。
二是會嘗試用數字化系統來解決。市面上的工業軟件大多是設備廠商根據自家設備所自家出來的，其中的數據在數量、精度、類型、呈現方式等方面都不相同。這導致不同設備需要匹配不同的軟件系統，而且各個系統之間的打通也存在壁壘。
此外，由于工業領域每個細分賽道的行業特性天差地別，業內目前也沒有一家軟件公司能開發出一套能夠整合所有信息的軟件。
但“數據化”不等于數字化、智能化，即使完成工業數據的收集、清洗和匯總，也只是達到了數據在線的程度，還不能實現“數字化”的效果——用數據觀察生產、指導生產。因為還有一項更難的事情——恰當地使用數據。
02、數字化，不只是獲取數據
什么是“恰當地使用數據”呢?就是用工業的思維來看待數據的關系，選擇最恰當的數據來使用。
面對所收集到的幾百種數據、上萬種建模的組合方式，選擇哪些數據來進行訓練，變得尤為關鍵。通常，在一個數字化的項目上，服務商需要花費幾個月到一年的時間來做咨詢、了解工業生產的真實形態，并經過上萬次調試，得到能夠服務于該工廠的數字化模型。
工業生產中數據之間的聯系影射的是實體要素之間的聯系，而不是簡單的數據關聯。它們之間互相關聯影響、復雜地交織在一起。稍有錯配，就會帶來嚴重的錯誤判斷。
03、從數字化到智能化
從自動化、數字化再邁向智能化，解決的問題本質上是面向整個生產全流程的“管理”問題。
某知名汽車生產廠家年產汽車130萬臺，為了確保物料充足、產線不停，一般物料庫里會存有未來14天的生產物料，庫存價值超過10億，存儲成本也相當大。
此外，C端消費場景的多樣化，也倒逼工業制造向智能化變革。國潮熱、定制化及C2M模式的出現，要求工廠在過往追求高生產量、低平均成本的常態下做出改變，以適應“小單快返”“柔性制造”的需求。
04、警惕“拿著錘子找釘子”
不過，令企業擔憂的是，“有效果”的智能制造實施成本是多大?
一些客戶方以為，技術的難度會帶來成本的劇增。這固然是一個重要的原因，但更為重要的是，由于工業領域的復雜性，如果不能夠深入理解客戶的生產機理，那么即使給出最為精深和酷炫的改造方案，也不能完全達到預期的效果，況且這一路徑的結果必然導致客戶成本的增加。
那么對于一些自動化和數字化水平更低的生產制造業來說，如何通過技術，最大性價比地優化產線呢?答案顯而易見，但在實踐中并不容易做到，那就是“把技術和錢用在最需要的地方”。
如果不了解具體的生產情況、不深入到客戶的運維管理層面、不是針對具體的企業痛點來使用技術，則像是“拿著錘子找釘子”。
本文鏈接:從制鞋業的大退敗來看智能制造：從工業中來，到工業中去