曾伟民
贝恩公司资深全球合伙人
前亚太区绩效提升业务主席
“未来工厂”在您眼中意味着什么？对于不少企业高管来说，围绕未来工厂的讨论往往完全集中在技术层面，以及数字化如何改变工厂生产方式。有些高管则更关注具体用例和个别改善，比如在装配线上如何使用增强现实（AR）眼镜，或预测性维护如何提高设备的正常运行时间等。可持续发展可能会成为一项会议议程，但当高管们要去评估如何改进企业的环境、社会和公司治理（ESG）战略时，可持续发展往往会被单独列为一个附加事项。举例来说，大多数运营人员通常不会在供应链的各个环节都将可持续发展纳入考虑范围。
领先制造企业不能再以如此片面、狭隘的方式来构想未来工厂，否则就有可能在未来几年面临艰难挑战，继而步履维艰。目前来看，客户期望不断提高、国际局势风云变幻和供应链短缺加剧，这些都意味着企业亟需提高运营韧性和灵活性。贝恩近期调研显示，制造业COO们已将韧性和灵活性列为两大目标。
此外，通货膨胀攀升和能源价格上涨迫使大多数制造企业将降低成本作为未来发展的首要任务。但更严峻的问题是，制造业人才总体呈逐年下降趋势。与此同时，市场和客户对可持续产品的要求越来越高，也愈发青睐那些注重可持续生产、资源循环利用和减少浪费的企业。
为了应对这场新工业革命催生出的多种需求，许多制造企业正在更加广泛地界定各自的未来工厂愿景。领先企业在部署工业4.0新技术的基础上，采用全局视角和一体化制造战略，打造出融合了数字化、精益生产和可持续发展、且面向未来的生产体系，主要由信息技术系统和运营技术系统（IT/OT）、先进制造技术以及新的组织与人才体系支撑和推动。
全局视角是指企业不仅仅关注四面墙内的车间运营，还需同时考虑到信息系统和整体供应链战略。企业高管对数字化的潜在用例进行评估，思考在精益生产、TPM（全员生产维护）和其他流程优化方法的基础上，如何利用数字化为生产流程带来额外的直接增益。因此，工业4.0不单单是围绕个别用例开展试点工作，而是要与更广泛的制造战略、方法和流程紧密关联起来。
对于企业来说，采取全局视角有利于规划出一条更加清晰的发展道路，而这也意味着要立刻着手设计未来工厂，以便在接下来的十年里不断发展壮大。为此，高管们纷纷采用“现状往前和未来回溯”的方法，一方面要明确如何塑造未来网络和生产系统，另一方面则要当下采取相关措施，推动精益生产、数字化和可持续发展紧密融合。
未来工厂不仅仅是对网络和生产系统进行升级换代，
还要实现信息技术系统和运营技术系统（
IT/OT
）、先进制造技术和组织架构及人才体系的高度协同
（如图
1
所示）。
图1
这三者的高度协同意味着企业要同步升级制造技术、
IT/OT
架构及组织人才配合等多方面的核心支柱来实现未来工厂的价值。如图
2
所示，先进的制造技术包含了精益制造四大要求如生产流程的优化、清晰的标准、完善的管理体系和透明信息。
信息技术系统和运营技术系统（
IT/OT
）是连接串通现场自动化设备、数据采集硬件、数据存储和业务端软件系统的经络。在
IT/OT
方面，工厂和生产网络的数字化架构已经成为了未来工厂的重要支柱。
IT/OT
需要针对现有制造技术和未来创新技术，提供相应的引用结构、数据架构、数据库和接口。谨慎部署新的制造技术有利于提高企业的运营成熟度。此外，这些制造技术还要与
IT/OT
数据架构、洞察工具和运营商互联设备相互适应。
要发挥未来工厂的最大价值，与之匹配的人才储备、灵活的组织架构管理体系、精益文化及变革管理能力也同样不可或缺。面向未来的人才储备至关重要。要想为未来工厂奠定扎实基础，
COO
们需要对组织进行调整，而组织调整的核心就在于人才。那么，如何吸引并留住未来工厂所需的合适人才？是否意味着企业要招聘更多的软件开发人员或数据科学家，或者为目前尚不存在的岗位提前储备人才？与此同时，企业应当进一步培养现有员工，帮助他们胜任新的岗位，从而打造出一个崇尚自主学习的敏捷型组织，在跨职能合作中推动制造业价值创造。
图2
能否兼顾上述要素将决定企业在建设未来工厂的过程中能否占据优势，更好地把握机遇、应对风险。以国内某领先食品饮料制造企业的老工厂数字化转型为例，为了提升管理效率，进一步精进工厂的质量、成本、效率，企业开始了产线数字化试点，通过在现有产线上加装传感器配合
IT/OT
及相关数显系统来打开多年的生产数据黑盒子。在落地实施升级的过程中遇到了安装、使用、实现价值等诸多方面的挑战。最终该企业通过组建数字化特工队，以
IT/OT
系统的试点应用为开端，进一步推动生产制造的改善升级，配合现场人员的培训协同取得了初步改善成效。
由于该企业的老工厂设备年限已久，很多老设备内部没有传感器且设备内部
PLC
制式语言不统一，因此该企业第一步采用了外挂传感器的方式快速试点收集上传老产线信息，在此安装升级的过程中遇到了诸多挑战。
供应商协调管理复杂：
该企业生产流程上需实时监控的数据类型多，如流量、压力、温度等，因而需要多家传感器及软件系统供应商的共同支持，协调管理供应商共同解决现场安装和数据校准的难度高，花费了大量时间进行沟通确认。
安装位置受限：
受限于原有产线结构与空间，外挂传感器合适的安装位置较少。在调试过程中，遇到了多次传感器读数波动大的情况，后发现多是因为安装位置不当或在生产过程中传感器位置被员工误碰后发生变化。同时，部分传感器的安装和改造甚至可造成质量问题。
安装改造时间长：
产线升级改造需重新铺设电
路、网线等基础设施，需要数天的停线安装时间，这在销售旺季时给工厂满足客户订单造成了一
定影响
。
在传感器成功安装、数字化看板投入使用后的前几周，由于该企业缺乏对传感器及数据库的维护、前线人员的经验主义及部分需要人工收集填写的重要数据难以按时上传等原因，在传感器及看板的使用上也遇到了阻碍。
团队维护能力不足：
外挂传感器和数据库均需要定期维护调试，但由于现场缺失专业的运维团队，发生了多次数据未正常存储及传感器数据异常的问题，影响了后续的数据分析。
生产人员依赖经验主义缺乏使用数据看板的习惯：
工厂生产人员习惯于依靠产线观察和经验决策操作和运营，普遍对于看板上的数字不甚关注，虽然看板投入了使用但却未真正建立起使用看板辅助工作的习惯。
传感器数据不全面：
部分重要的产线数据仍需通过人工收集填写并上传，时效性准确性存在风险。
企业数字化并非上线看板或是系统就可一蹴而就，打好数据基础只是第一步。该企业在实现产线初步信息化之后管理层对如何应用解读收集的海量数据产生了疑问，如何通过数字化赋能运营、改善和决策成了信息化后的最大的讨论点。在多次复盘讨论之后，该企业发现团队数字分析的能力和意识不足是核心原因。
团队数字分析的能力不足：
工厂团队多为制造背景，
IT
部门多为技术背景，企业上下缺少既懂得制造技术也精通数据分析的人才，导致积累了数据却难以发挥应有的价值。
团队数据分析的意识不足：
工厂团队关注的仍然是
KPI
绩效相关的结果指标，对大量生产过程指标的重要性和如何读懂分析过程指标缺少理解，难以建立过程指标和结果指标的关联和意识。
