当前位置:主页 > 新闻 > 社会新闻 > 正文

智能制造成熟度流派 能力成熟度评测三部曲(中)_5

未知 2019-07-06 11:40

本文由知识自动化(zhishipai)授权转载

本文试图探索中国智能制造的的成熟度评估方法,分为上中下三篇。此片为中篇,探讨性提出对《智能制造能力成熟度模型白皮书1.0》评测模型的改进。

成熟度参考模型

在本文的上篇中,我们系统的分析了近年中、美、德各国出现的智能制造成熟度模型,最终聚焦在《赛迪企业智能制造转型核心能力测评模型参考架构》之上,如图1所示:

智能制造成熟度流派 能力成熟度评测三部曲(中)

图1:赛迪企业智能制造转型核心能力测评模型参考架构

本篇以此为起点,提出对优化该模型的一些思考,以期为建立更科学的智能制造成熟度评测模型提供参考。所有的思考都要从认清制造的本质出发,在企业运营活动范畴来理解生产制造活动的内涵,进而理解什么是智能制造。在此基础之上,对智能制造的具体实施形式进行归纳和抽象、拟出实施智能制造的主要赋能技术和主要信息,最后,综合上述思考提出一个优化的智能制造成熟度评测参考模型。

参考模型是某个特定环境中的基本元素(实体)及其关系的描述。例如,TCP/IP通讯协议四层参考模型。最小子集的统一概念,公理,和关系;独一于具体的标准,技术,实施等细节。提供一种沟通的共同语言,得以正确理解模型对象的重要特征。

回归制造的本质

制造是将信息与物料融合,在信息的指导下,通过价值链各个环节,实现物料熵减、创造客户价值的一系列企业运营活动。

信息包括:客户需求、产品设计、工艺设计、生产计划及排程、采购计划、质量标准及检验方法等,构成了制造的虚拟世界。

物料熵减的过程包括:客户需求转化成样机、物料转化成产品、设备按一定布局组合成产线或车间、成本被有序的分配到各个环节、订单转化成现金流、人员竞争力及客户满意度提升等消耗能量提高有序度的过程,构成了制造的物理世界。

可用借用图2来理解该本质:

智能制造成熟度流派 能力成熟度评测三部曲(中)

图2:数字化双胞胎

虚拟世界也可称为“比特的世界”,物理世界也可称为“原子的世界”。

对于物料流经价值链各个环节的本质,精益生产中的价值流图给出了很好的描述,其基本结构如图3所示:

智能制造成熟度流派 能力成熟度评测三部曲(中)

图3:比特与原子的两大流动

认清制造的本质,能为我们理解智能制造能力成熟度的基本构成,提供重要的依据。

在企业运营活动中理解制造

企业经营的目的是获得利润。制造,本身不是目的,而是实现价值进而获得利润的途径。

在认清制造的本质之后,还必须在企业运营活动的范畴来理解制造。这时,我们会发现,除了制造过程本身、其实还有很多活动在影响这制造,比如:ISO或IRIS等特定的行业标准、企业从国内市场进入国际市场的决策等,再比如:对制造过程的质量管控、劳动力资源的发展、制造环境的健康和安全等。

从这个角度,我们可把和制造相关的企业运营活动归纳为图4:

智能制造成熟度流派 能力成熟度评测三部曲(中)

图4:业务管理与支撑活动

☆ 业务管理活动包括:战略规划及管理、财务计划及管理、内外部审计及审核;

☆ 产品实现活动包括:市场与销售、研发与设计、生产、物流、服务;

☆ 运营支撑活动包括:质量工程、人力资源管理、流程与信息管理、环境健康与安全。

从企业运营的角度来理解制造过程,有利于我们在设计智能制造成熟度评测模型时,能有更全面的视角。赛迪现有模型中的评测单元(如图5),要解决的正是这个问题。

智能制造成熟度流派 能力成熟度评测三部曲(中)

图5:赛迪模型的评测单元

只是,我们应该对这些评测单元进行分类归纳,并识别出不同类别活动的特征内容,进而对这些活动的特征内容的智能化程度进行评测。

智能制造的认识

在认清制造的本质、并在企业运营的范畴理解了制造的相关活动之后,我们再来理解一下什么是智能制造。

美国清洁能源智能制造创新研究院(CESMII)在其发布的2017年到2018年的建设路线图中给出了对智能制造的定义:

智能制造(SM)一系列涉及业务、技术、基础设施及劳动力的实践活动,通过整合了运营技术和信息技术(OT/IT)的工程系统实现制造的持续优化。

该定义体现了智能制造最终是为业务服务的观点,提到了“劳动力”的实践活动,显然,智能化不是简简单单的“少人化”,最后,该定义把智能制造落足到“持续改进”之上。(感兴趣的读者可参阅笔者的另外一篇文章:美国智能制造的路线图)

所以,智能制造是一种能力,使得适当的信息,适当的技术,在适当的时间,以适当的形式,可为适当的人群所用来在制造过程的整个价值链中进行高效准确的决策(smart决策)。

与此对比,精益生产的实质是:以尽可能小的成本、在尽可能短的时间内、尽可能平稳的生产出、质量尽可能高的产品。

可以看出,这两个归纳有一些相同之处。因为,不管精益生产、还是智能制造,都是一种手段、一种服务于制造本身的手段,而制造是服务于企业运营的持续改善的。

但智能制造之不同于精益生产,在于这是两套不同的方法论及工具集。精益生产在“及时交付”和“自働化”两大支柱上建立起了其成套的方法论体系,而智能制造在IT和OT的融合上形成了其特定的路线图和工具集。如图6所示:

智能制造成熟度流派 能力成熟度评测三部曲(中)

图6:IT、OT与精益屋

可以发现,这两套方法论的结构,有惊人的匹配之处。这是制造的本质决定的,也就是说,不管使用什么手段,都需要解决信息流和物料流协同工作的问题。

这也是为什么我们在实现智能化转型的过程中,总是会用到精益生产方法的原因所在,但必须再次强调,精益生产和智能制造,是两套不同的方法论和工具集。

智能制造赋能技术

在精益生产中,有很多工具的应用,标志着精益生产的实施程度,诸如:5S、SMED(快速换模)、VSM(价值流图)、Kanban(看板)、Heijunka(荷均卡)、Milk Run(循环送料)、Andon(安灯)、Poka-yoke(防呆)、Mizusumashi(水蜘蛛)、Ergo JIG Samurai(武士刀架)等。使用了这些工具、不等于就实现的精益生产,但它们会在一定程度强化精益生产的实施。

同样,在智能制造中,也存在一些技术,使用了这些技术不等于就实现了智能制造,但它们会在一定程度加强智能制造的实施,我们把这些技术称为:智能制造的赋能技术。

按CESMII对智能制造的定义,这些赋能技术可分两大类,比特领域和原子领域。可以简单地看作两种技术。

一种是智能制造中的关键 OT

OT是全称是:Operation Technology运营技术(参见“工业百条:运营技术” ),Gartner公司对OT技术的定义是对企业的各类终端、流程和事件进行监控或控制的软硬件技术。本文希望扩展一下其含义,因为在企业的实际运营中,有一些方法论及工具,也对企业的卓越运营有着重要的影响,比如:QFD(质量功能展开)、DFX(面向X的设计)、DFMEA/PFMEA(实效模式分析)、MSA(量具分析)、SPC(统计过程控制)这类已为很多世界500强企业所熟知并广泛应用的方法论和工具,国内的很多企业对这些方法论和工具的应用尚未成熟。当然,按Gartner的定义,OT里面应还包括智能机床、工业机械手、智能物流设备、数据采集设备、实时控制设备等直接作用于制造过程的技术。

一种是智能制造中的关键 IT

IT技术从CAD/CAE/CAM到MIS/ERP,早已在国内得到了广泛的应用。所不同的是,在智能制造领域内,出现了一些新的IT框架系统,比如:OPC UA、工业互联网平台使能技术等。与此同时,为提高制造过程信息传输的实时性和安全性,近年推出了新的工业以太网协议TSN。最后,这些技术整合在一起形成了赛博物理系统,并在工业大数据技术之上形成了给制造过程赋予了智能化的元素。

上述赋能技术,可作为实施具体的智能制造成熟度评测时的参考。更多的赋能技术、以及赋能技术在成熟度评测中的权重,需要在评测的实践中不断探索、优化,也即:智能制造成熟度模型本身也是持续发展的。

制造过程的关键信息

重新回到制造本身,再来看看制造过程的关键信息,因为这些关键信息将驱动整个制造过程的运行。这些关键信息包括:

1.What,企业提供什么产品,对应:产品研发与设计的相关信息;

2.How,企业如何提供产品,对应:产品工艺、制造工程等相关信息;

3.How Many,企业生产多少产品,对应:订单、产量、库存等信息;

4.When,企业何时进行生产,对应:生产计划与排程的相关信息。

抓住这些基本信息,就能抓住一个制造型企业的整体运营状况,这是在实施评测的初期应去了解的信息。

因为这些信息驱动了制造过程的运行,智能制造中不管是OT还是IT,其实为这些信息的有效流转提供服务的,。抓住这些信息,还有利于更好的理解智能制造的赋能技术和制造过程是否得到了有效的结合。

本文提出识别制造过程关键信息的目的,不是为了分析成熟度评测模型,而是为了强调评测实施人员应具备的知识储备。全面而清晰的了解这些信息的基本流动模式,才能有效的和评测对象(制造型企业)进行对话,才能灵活的运用评测模型、给出客观而令人信服的评测结论及建议。

更新后的参考模型

综上所述,我们归纳出了如图7参考模型:

智能制造成熟度流派 能力成熟度评测三部曲(中)

图7:建议的成熟度参考模型

首先,制造过程的信息流,从接到订单开始,历经产品设计、工艺设计、生产规划、制造工程等环节,进入生产执行闭环;与此同时,制造过程的物料流从采购开始,历经转运、存储、分发等环节,也进入生产执行的闭环。而后,信息流和物料流交汇,在制造过程中进行物料和信息的融合,实现熵增的过程,创造出价值,最后,物料承载着信息,以产品的形式交付给客户,企业继续提供各种服务直到产品推出市场。

在信息和物料交汇之前,数字化双胞胎为在不同阶段为信息和物料的交汇提供着各种支持,包括:产品设计期对原材料采购的确认、产品设计与工艺设计的同步、生产规划中的工艺布局、制造过程的自动化设计、厂内自动化物流的实现等等。信息和物料交汇之后,服务过程的信息反馈到数字化双胞胎的虚拟世界,为产品、工艺、制造的优化提供要求和依据,企业运营构成持续改进的闭环。

明确了制造过程信息流和物料流的交汇后,还应该考虑企业运营的管理流程,事实上,信息流、物料流、乃至数字化双胞胎,都是在企业运营管理流程的指导下工作的,所以在我们的模型中,把管理流程看成是信息和物料双流交汇的背景。这个观点借鉴了赛迪现有模型的思路,只是,这个背景中不同的流程域,应该是结构化存在的,我们认为可参考如图8结构:

智能制造成熟度流派 能力成熟度评测三部曲(中)

图8:企业运营业务流程背景

在企业运营流程的背景下,智能制造成熟度评测参考模型的呈现,如图9所示:

智能制造成熟度流派 能力成熟度评测三部曲(中)

图9:在背景衬托下的成熟度模型

  作者简介

  张文豪:西门子企业发展咨询事业部,数字化企业规划高级顾问,西门子青岛创新中心高级顾问,南山工业书院美国创新中心研究组专家,工信部赛迪研究院智能制造特邀专家。致力于智能制造成熟度评测体系的研究。

  贲 霖:美国Metis工业工程公司CEO,南山工业书院美国创新中心研究组专家。专注于数字化工厂规划、生产布局和物流设计,精益六西格玛咨询,中美智能制造技术交流和中国效率专项研究。


标签