关于“智能制造”的若干点思考

文 | 刘仁杰

2018 年底英国经济学人智库(Economist Intelligence Unit) 发布了 企业高层的 IoT 观点，相对于 2013 年 的调查，有三点重要发现：

⑴ IoT 虽然影响深远，导入速度远 低于预期。

⑵到目前为止影响十分有限，将来 的冲击仍然不容小觑。

⑶阻碍导入的两大要因：基础投资 成本过高、资金安全与客户隐私疑虑。 经济学人智库的宏观数据，与《面 对未来的智造者：工业 4.0 的困惑与下 一波制造业再兴》刚好相互呼应。我们 积极提倡“先求精实，再求智慧化”主 轴的同时，乐意继续分享智能制造的第一线观察与研究心得。

IoT 导入速度远低于预期

事实非常明显，2013 ～ 2014 年 汉诺威工业展所吹起的工业 4.0 热潮， 确实已经告一段落。国内外智能制造现 场曾经交错着的主观期待，包括强调活用 AI 与云端、无人智慧工厂等现象，已经不复存在。究竟一流的制造企业如 何看待智能制造？如果说智能制造拥有 渐进的实践模式，全球一流的制造现场 目前的具体做法与思维，可能反映出务实导入的第一步。

最近两年采访了小松  (Komatsu)、岛野 (Shimano)、发那科 (Fanuc)、ALPS、大金 (Daikin) 的日本工厂以及 部分欧美分公司，实地检视全球一流制 造企业实体智能工厂的最新动向。

基于部分企业的守密约定，考虑撰写此文的目的与效果，所以尝试用代号 表达实际看到的生动现场。

A 公司分公司的厂长说，想将营销中已经广被活用的AI放在现场取得的 数据进行分析，不是对现场过于外行， 就是对AI充满幻想，不会达到创造价值的目标。他说，受到电商或网络平台领导企业的不良影响，阻碍智能制造的 实践；现场的价值创造非常朴素、因果关系通常不会那么跳跃。

他介绍“智慧机械加工生产线”，是以既有的加工经验与知识作为基础的 智能制造。过去锻造材料是直接进入加 工生产线，因为材料的微妙差异，使加工时间不稳定、精度要求过度仰赖技术人员。而锻造材料的智慧机械加工，包 括：人工量测、自动对照与加工设定、 加工执行的三个步骤。

智能制造3S机制

换句话说，这条改善后的生产线 是先测量锻造素材的微妙差异，决定加 工差异，提升人机加工效率；即采用一 种事前纳入技术人员精度形成经验的智能模式。数据显示，这条智能生产线 人均产值提升了 10%。更重要的是，这些数据提升了产品质量的追踪能力 (Traceability)，也就是对于从顾客使用反馈到加工与素材的问题实现可追踪与解决能力，发挥了重要的作用。

观察这个生产线，不仅呈现了《面 对未来的智造者》书中所提倡的智能制造3S机制。也就是理清目的，从目的与逻辑进行系统建构。因此，系统能够从数据取得 ( 量测，Sensor) 开始，经由逻辑解析与运算(Software)，再实践对策(Solution)，达到价值创造的成果。访客询问：“为何不将量测工作自动化？”

厂长回答：“现场实体流程的改善，不是以做得到为目的。只要达到QDC改善效果，都会陆续实现。”

B公司分公司则用主动型 (Proactive) 与因应型 (Reactive) 分类他们的现场数据收集，分别代表例行的资料收集与出现问题时的资料收集。主动型系统性数据的可视化就是现场监控，不仅是循序稳定达成目标的关键，也是进行改善的分析基础，关键在于丰富性与实用性。而因应型数据收集是在出现异常时启动，除能够立即通知外，回馈的速度与质量堪称关键。分公司总经理用三年间的案例说明两项心得。第 一，数据要设法直接取得，初期曾采用手写，因为作业员会自动简化，让问题无法正确呈现。第二，不急功近利，解决问题崇尚目的清晰、逐次导入。

相对而言，C公司日本厂的资料收集更为古典。我们看到工程师在现场反复摄影一台冲床的作业。解说人员对我 们说，这是新机种的零组件试作，工程师在确认作业过程与产出是否符合生产 技术部门的制程设计；这项工作将支配未来量产的顺畅程度。他说，在多样少 量的趋势中，这个试作确认需要一次到位，如果量产才发现问题进行改善，虽然能够做为未来参考，但这一批产品的获利机会将非常低。一次作好作对的重要性，已今非昔比。

关键在于动脑筋与用心

访客询问：“为何不导入结合研发与现场的数字双胞胎 (Digitaltwin) ？” 经理回答：“现场试作检讨属于前负荷 (Front Loading) 开发模式的一环， 关键在于动脑筋与用心，解决开发试作前段的问题；数字双胞胎应该也能够做 到，只是从成本观点，实用性还偏低。”

C 公司虽被誉为全球智能制造先 驱，经理却说能够自动收集、自动分析 的现场案例仍然不多，因为各地的客户 要求不同，定制的设计、试作与生产才 具备顾客价值。同时，他们对顾客现场 使用中的产品数据收集经验虽然丰富， 对于结合研发数字化与现场制造数据收集的数字双胞胎，兴趣缺缺。

C 公司美国厂除了表达类似观点 外，更进一步强调，现地现物现实的日 本现场主义精神，是实体系统智能制造 发展的原点。导入智能制造虽是长期趋势，不会有跳跃式的进展或突然的意外 收获。

D公司最近15年间以直接学习丰 田汽车的精益变革著称，相信没有一流的日本工厂，就没有一流的世界工厂。 从投料到装完箱的厂内 LT 从 68 小时一路降到 4 小时。最近第三度参观这家 日本工厂，发现制造现场多了三个展示区：第一个是 2003 年开始推动精实变革时的照片，包括堆栈达 8 层的仓储料 架，以及生产线边达4～8h 的 WIP；第二个是 KRAKURI( 无动力自动化 )；第三个则失败案例展示。

生产技术课长提及下一步的挑战是导入IoT，正计划利用淡季停一条线试行。这些展示就是唤醒同仁，消除浪费、 动脑筋与用心、防止再发等改善精神， 远比导入 IoT重要。如果IoT能够帮 助大家进一步达成这个目的，何乐而不为？譬如他们强调采用低成本自动化， 亦即透过动脑筋与用心的KRAKURI与部份自动化，更能弹性因应市场变动与寻求精进。他邀请我继续观察与一起研讨。

调适顾客需求才能产生差异价值

E 公司在高度自动化方面让人刮目 相看，理由非常简单，因为他们不仅内制率 100%，生产的是各种设备都需要用到的共同模块。换句话说，制程之前 与制程产出都在可控制与预测范围。即 使如此，仍然强调 AI 或云端对他们没 有意义，他们的发展是一步一脚印，从 实体的精益改善出发。

事实很明显，E 公司的自动化水平， 与谷歌购并的 Google Robotics 研发 物流仓库无人化相去不远，投入与产出 都是可控制、可预测，对于一般制造企 业没有启发。

观察这 5 家企业的 9 个海内外工厂 显示，扣除 E公司的量产型模块，定制 化愈来愈重要，满足顾客需求才能产生 差异价值。麻烦、复杂、需要用心，以 及被要求定制与差异化的高阶制造，会 有更高的附加价值。对于大多数的先进 国制造企业而言，顾客价值来自满足顾 客需求或解决顾客痛点的差异化。这正 是确保利润与可持续经营的动力，可能 也是 IoT 导入速度远低于预期的根本原因。