《2022中国制造业精益数字化报告(71页).pdf》由会员分享,可在线阅读,更多相关《2022中国制造业精益数字化报告(71页).pdf(71页珍藏版)》请在三个皮匠报告上搜索。
1、中国制造业精益数字化报告参编单位:(排名不分先后).天津爱波瑞科技发展有限公司.中国电子技术标准化研究院.天津财经大学商学院.中车青岛四方机车车辆股份有限公司.中车南京浦镇车辆有限公司.中车株洲电力机车有限公司.中国船舶集团有限公司第七一二研究所.中国煤炭科工集团常州研究院有限公司.沈阳鼓风机集团股份有限公司.烽火通信科技股份有限公司.洛阳双瑞风电叶片有限公司.西安西电开关电气有限公司.安徽合力股份有限公司.安徽全柴动力股份有限公司.烟台中宠食品股份有限公司.河南油田分公司.重庆青山变速器有限责任公司.芜湖新兴铸管有限责任公司.上海烟草机械有限责任公司.青岛达能环保设备股份有限公司.科迈化工股
2、份有限公司.杰克科技股份有限公司.重庆歇马机械曲轴有限公司.曙光信息产业股份有限公司中国制造业精益数字化报告推荐序前言CATALOGUE目录.中国制造业转型升级的重要性和紧迫性.智能制造是中国制造业转型升级的方向和目标.精益数字化是中国制造业转型升级的必要手段.精益数字化的内涵与阐释.精益数字化的特征.精益数字化为物理空间的持续改善提供了新的可能.敏锐的数据意识和准确的数据采集是精益数字化的基础.统一的数字平台是精益数字化发挥作用的重要载体.精益数字化遵循的原则.重新认识数字化背景下的价值创造 .注意统筹规划与分步实施相结合 .充分考虑运营系统的复杂性 .精益数字化的基本理念.精益工程师的实践
3、智慧与数字技术的融合.数据标准化、连接一体化与应用场景化相融合.用算法驱动持续改善与以人为本相融合的理念.中国制造业精益数字化发展现状.中国制造业精益数字化人才储备与育成现状.中国制造业精益数字化人才储备现状.中国制造业精益数字化人才育成现状.中国制造业精益数字化面临的问题与挑战.精益数字化顶层规划不足.精益数字化基础相对薄弱 .精益管理不透明、缺乏数据支撑 .精益数字化建设持续程度不足.产业链、供应链企业间缺乏协同.以精益管理实践为主轴的精益数字化五阶段实现模式.第一阶段:基于业务单元的精益问题改善“点”.第二阶段:基于业务流程的精益管理实践“线”.第三阶段:基于流程协同的精益运营建设“面”
4、.第四阶段:基于系统集成的精益体系优化“体”.第五阶段:基于价值网络的精益生态构建“魂”.数字技术赋能精益改善的三层次架构.第一层次:基于全价值链的精益生产标准化与信息化.第二层次:基于数字平台的精益管理数据化与可视化.第三层次:基于云端技术的精益运营系统化与智能化.制造企业精益数字化矩阵模型精益与数字化正交赋能.汽车行业.电气机械行业.通用设备行业.轨道交通装备行业.钢铁行业.食品行业.精益思维和理论是精益数字化的根基.精益数字化是制造业实现智能制造的管理基础.制造业精益数字化的未来更应关注数字本身的精益.精益数字化要逐渐将数据应用转向数据治理.数据业务的职能化是精益数字化组织的发展趋势.数
5、字精益工具的小型化和模块化是未来发展的方向.精益数字化要时刻关注制造工艺的发展和技术变革案例 安徽合力:数字化赋能决策精准与高效 案例 全柴动力:数字化推动精益制造升级案例 青山工业:数字化管控支撑生产平准化 案例 歇马曲轴:产线精益升级打造数字化基础案例 双瑞风电:精益数字化工具助力异常管理案例 青达环保:精益数字化重构生产制造模式案例 西开电气:精益全价值链建设协同激发产能案例 中船所:精益数字化工具贯穿项目全生命周期案例 沈鼓集团:数字化创造敏捷型供应链模式案例 中煤科工常州院:精益数字化支撑多品种、小批量生产案例 杰克科技:智慧物流提升JIT管理案例 上海烟草机械:异常管理数字化工具赋
6、能精益现场 案例 中车株机:数字赋能生产制造,致力建设“智慧株机”案例 中车四方股份:“四轮”驱动高质量发展案例 中车浦镇:精益建设生产作业组织方式案例 河南油田:持续推进精益数字化转型,重塑文化基因案例 科迈股份:精益数字化工具助力运营效率全面提升 案例 芜湖新兴铸管:精益数字化工具助力异常管理能力提升案例 中宠股份:构建特色的精益数字化运营管理模式案例 烽火通信:夯实精益基础,持续推进数字化进程附录:精益数字化的具体应用展示推荐序中国制造业精益数字化报告(以下简称报告)的推出,殊为难得!因为当今工业界及学界中关注数字化转型和智能制造者众,可谈论精益数字化者鲜。而精益数字化已然是企业数字化转
7、型的真问题!制造业是国家发展的战略重心所在,制造业的强弱直接影响一国国民经济的发展。精益生产在制造业实践多年,被证明是一种提升制造业生产与管理水平的有效手段,其理念广受制造业青睐。在精益理念的指引下,众多行业及其企业实践了很多行之有效的精益生产模式或手段(如准时生产JIT、看板等),又达到相应的目标(如提高质量、减少库存、降低成本)。到目前为止,精益的理念似乎变化不大,但精益的生产方式、手段以及覆盖范围却有明显变化。过去丰田使用 看板 系统来拉动生产,现在的企业推行精益生产都会辅以 ERP、MES 以及其它数字化手段等。以前企业仅仅基于自身考虑精益,现在优秀的企业还意识到需要在整个供应链上考虑
8、精益。此类变化显然是基于数字技术的发展。报告正好告诉人们“精益”对数字化的需求,实施精益数字化的途径,以及精益数字化的意义和效果。精益理念中的精髓,亦即最稳定不变的要素应该是“持续改善”。企业一般都追求低成本、高质量、绿色等目标,而且对目标的追求没有止境,否则不可能持续发展。企业要想长盛久兴,就得在方方面面不断地“改善一点点”。别小看“改善一点点”,其意义可不一般。试想,你的产品质量或性能比市场上的同类产品好一点点,或者你企业的成本相对低一点点,那么你的企业竞争力可不是好一点点,市场份额可能好很多。还需要意识到的一个问题,“改善一点点”又是很困难的,尤其是企业处于高位时。犹如机器,越是高端设备
9、,其性能的提高越难。光刻机精度从 纳米到 纳米的难度远远超出从 纳米到 纳米的难度!精益思想提出的早期,不管是理念本身还是手段(如准时生产,推式生产改成拉式等),所涉及的知识是显性的,多是有因果关系的,容易被理解的。社会中、工程中的问题远不推荐序李培根中国工程院院士李培根中国工程院院士01如显性知识那么简单,一些并非基于因果关系的复杂关联往往超越人的认识能力之外。这种情况下,如何进一步改善?好在有了数字智能技术,人类不仅有能力认识那些基于因果关系的显性知识,还能够探究人类难以感受、难以表达的隐性知识(有人称之为“暗知识”)。所以,企业家和工程师们一定要认识到,只有在数字空间方有可能超越人类对机
10、器过程和企业活动中复杂关联(如企业成本所涉及到的各种要素和活动的复杂关联)的认识局限。越是企业发展好的时候,更需要在那些复杂关联中挖掘潜力,以保持持续改善。那么精益数字化当如何?当我们流连于数字空间,陶醉于数字智能技术超越人类认识局限的魔力时,如果没有忘记精益理念本质的话,另外的问题出现了:采集的参数越多越好吗?采集的频率越高越好吗?算力的过分消耗是不是意味着不精益?与数据相关的问题还有许多,数据失真、畸变、演化;数据的清洗;企业独立的数据部门所幸,报告中对上述问题均有触及。更难能可贵的是,加上对多个行业的相关情况介绍和诸多企业推进精益数字化案例的分析,书中既富有故事,又饱含真知灼见。相信报告
11、的问世,将为中国制造业了解并实施精益数字化提供非常重要的指导。希望读者在阅读此白皮书后真正能够领悟到,没有数字化赋能的精益无法有效地支撑企业的持续改善,没有精益理念支撑的数字化转型很可能徒劳无功,缺乏精益思想而形成的数字化手段和活动甚至可能造成很多浪费。数字空间足够大,任由精益的理念在其中驰骋。相关的学者和工程师需要拓展自己的想象力,如何运用数字-智能技术使精益理念应用的方式和效果能够持续改善。我同时相信,精益理念的数字化,反过来一定会进一步丰富精益理念的内涵。希望读者从报告中得到启迪,也希望报告能够引发企业家、工程师乃至学者们的进一步思考。007如显性知识那么简单,一些
12、并非基于因果关系的复杂关联往往超越人的认识能力之外。这种情况下,如何进一步改善?好在有了数字智能技术,人类不仅有能力认识那些基于因果关系的显性知识,还能够探究人类难以感受、难以表达的隐性知识(有人称之为“暗知识”)。所以,企业家和工程师们一定要认识到,只有在数字空间方有可能超越人类对机器过程和企业活动中复杂关联(如企业成本所涉及到的各种要素和活动的复杂关联)的认识局限。越是企业发展好的时候,更需要在那些复杂关联中挖掘潜力,以保持持续改善。那么精益数字化当如何?当我们流连于数字空间,陶醉于数字智能技术超越人类认识局限的魔力时,如果没有忘记精益理念本质的话,另外的问题出现了:采集的参数越多越好吗?
13、采集的频率越高越好吗?算力的过分消耗是不是意味着不精益?与数据相关的问题还有许多,数据失真、畸变、演化;数据的清洗;企业独立的数据部门所幸,报告中对上述问题均有触及。更难能可贵的是,加上对多个行业的相关情况介绍和诸多企业推进精益数字化案例的分析,书中既富有故事,又饱含真知灼见。相信报告的问世,将为中国制造业了解并实施精益数字化提供非常重要的指导。希望读者在阅读此白皮书后真正能够领悟到,没有数字化赋能的精益无法有效地支撑企业的持续改善,没有精益理念支撑的数字化转型很可能徒劳无功,缺乏精益思想而形成的数字化手段和活动甚至可能造成很多浪费。数字空间足够大,任由精益的理念在其中驰骋。相关的学者和工程师
14、需要拓展自己的想象力,如何运用数字-智能技术使精益理念应用的方式和效果能够持续改善。我同时相信,精益理念的数字化,反过来一定会进一步丰富精益理念的内涵。希望读者从报告中得到启迪,也希望报告能够引发企业家、工程师乃至学者们的进一步思考。制造业进入大规模批量生产的时期,生产线的顺畅、生产环节的简捷、生产组织的有效,成为制造企业竞争力强弱的关键要素。精益生产(LP)首先在制造业发达的美国提出,日本丰田汽车公司将其应用于本公司,并不断实践、丰富,加以总结,形成丰田生产方式(TPS),一度风靡全球。中国制造也曾普遍学习推广应用 TPS,相当程度提升了制造企业的双效(效率、效益)。正如精益生产的精髓在于持
15、续改进,精益生产扩展为精益管理,精益管理又进一步升华为精益思维。而当制造业进入数字时代时,精益数字化又成为制造业数字化转型、高质量发展和实现智能制造的重要基础和途径。当前,中国制造业正在按照党中央、国家的战略部署,加快制造强国、质量强国的建设,并明确以智能制造为制造强国建设的主攻方向,尽快实现中国制造业由“大而不强”向“大而又强”的转变。近几年来,着力推进智能制造,已逐渐成为各界各方面各企业的共识。各地各企业以智能化改造、数字化转型为实现制造业高质量发展的重要抓手和路径,工业互联网、大数据等新一代信息技术与制造业融合渗透,有力赋能制造业转型升级,制造业高质量发展的成效越来越明显。精益数字化架起
16、了数字化与制造业的桥梁。精益数字化是精益管理与数字技术的融合,是制造业实现智能制造的基础。相当多的制造企业,在推进数字化智能化的进程中,越来越深地体会到,精益管理是不可跨越的过程。在精益管理的基础上,企业推进智能制造,事半功倍;而精益管理基础较差的企业,推进智能制造则事倍功半,且可能无功而返。实践表明,至少,在推进智能制造的过程中,应同时补上精益管理这一课。好在有了精益数字化,将精益管理的实践与推进数字化、智能化的进程两者结合了起来。相信精益数字化的推行,将有利于更加有效地推进中国制造业的数字化转型和智能制造的实现,为制造强国的建设做出贡献。朱森第(国家制造强国建设战略咨询委员会委员)朱森第(
17、国家制造强国建设战略咨询委员会委员)精益数字化是制造业实现智能制造的基础007前言党的二十大报告指出“高质量发展是全面建设社会主义现代化国家的首要任务。要坚持把发展经济的着力点放在实体经济上,推进新型工业化,加快建设制造强国、质量强国、航天强国、交通强国、网络强国、数字中国”。制造业是中国的立国之本,其规模先后超过美、英、法、德、日等制造业强国,自 起连续 年稳居世界第一。然而,中国制造业总体上依然“大而不强”、“全而不优”,相当多的产业处于价值链中低端,存在自主创新能力弱、资源利用率低等诸多问题。因此,制造业通过转型升级实现高质量发展变得极为迫切。中国制造业起步晚、起点
18、低,一直在学习和践行精益管理的思想和工具以实现“由大到强”的转变。数字技术的广泛应用为中国制造业转型升级提供了重要机遇。精益作为消除浪费、降本增效的重要手段,能够为企业数字化转型夯实基础,而数字技术也能够让精益实施更加高效。智能制造发展报告:精益管理力求融合精益和数字化,从精益数字化的概念特征、基本理念、遵循原则、发展现状、问题与挑战、实现路径与方法、发展趋势、典型案例等方面为中国制造业转型升级提供思想与方法指南。007意识的制造工程师将以更细致的数据、更精准的连接以及更直观的方式呈现运营状态,不断发现问题并持续改善。.统一的数字平台是精益数字化发挥作用的重要载体精益数字
19、化力求将组织内部所有的运营数据纳入统一的数字平台进行管理。数字平台提供一站式的数据设计、收集、开发、分析及管理,为企业打造统一操作入口,避免了用户在不同系统间频繁切换。.精益数字化遵循的原则.重新认识数字化背景下的价值创造精益数字化突破了传统精益聚焦若干活动是否创造价值的局限,从全流程视角对企业价值链上所有活动进行重新审视。数字工具的广泛渗透和应用提高了企业识别价值创造活动的精准性,也让非增值活动更容易暴露在数据之下。.注意统筹规划与分步实施相结合精益数字化充分考虑了现有活动和改进活动间的相互作用,避免了在作用不稳定情况下的盲目引入,比如缺少精益基础的过早标准化和数字化等。企业需要基于现状统筹
20、规划,明确路径与方法,分步骤、分阶段推动持续改善,避免精益数字化过程本身“不精益”。.充分考虑运营系统的复杂性精益数字化的实施对象最终是整个组织的运营系统。系统不同模块、流程间的相互影响会以不可预见的方式干扰运营过程。精益数字化实施需注意运营系统不同模块、流程间的复杂关系,避免将企业运营活动机械地转换为缺乏互动与链接的“碎片数据”。管理者在关注某项运营活动优化与改进的同时,应更加注重运营系统的集成性优化。.精益数字化的基本理念精益数字化的核心是跳脱传统的内部价值链视野,着力围绕企业价值网络展开基于数字技术的精益实践。.精益工程师的实践智慧与数字技术的融合只有理解运营活动的内在逻辑才能促进精益思
21、想落地并实现数字化、智能化。精益工程师作为精益数字化的主要推动者,不仅要有丰富的实践智慧还需要熟谙数字技术的运行逻辑,二者有效衔接、融合才能让精益数字化落地生根。.数据标准化、连接一体化与应用场景化相融合数据标准化是企业精益数字化有效运作和持续改进的前提,为数据连接创造了条件。连接一体化实现了功能模块间的互联互通,是精益数字化发挥作用的保障。应用场景化致力于持续优化应用效果和实施者体验。三者融合能更好地促进精益思维与数字技术的相互赋能。.用算法驱动持续改善与以人为本相融合的理念精益数字化通过模型和算法不断推动企业持续改善。资深管理者依靠经验和智慧而非算法产生的建议进行决策有时会更有价值。以人为
22、本、尊重管理者决策智慧的同时配合算法建议将更有利于识别问题并实施改进。中国制造业的转型升级.中国制造业转型升级的重要性和紧迫性 年,中国制造业增加值规模达.万亿元,占 GDP 的.%,它是中国经济转型升级和新型工业化建设的关键。然而,中国制造业与发达国家仍存在较大差距。主要表现在:一是高端制造能力薄弱、基础研发投入较低;二是核心技术与装备仍依赖国外企业;三是数字技术等关键领域人才匮乏,基础创新能力较弱;四是数字化转型的技术架构能力整体上弱于发达国家。此外,中国制造业还面临诸多外部环境挑战:一是美欧等国家地区实施再工业化战略并不断围堵中国,试图抑制和打压中国中高端制造领域;二是东南亚等地发展中国
23、家中低端制造发展迅速,挤占中国制造的全球市场份额;三是中国人口结构变化导致中国低成本劳动力优势加速消失;四是能源需求不断增长导致制造业资源约束日益严峻。综上,中国制造业已经从高速扩张转向深入挖潜的关键阶段,借助精益不断夯实管理基础、通过数字技术赋能不断提升运营效率成为中国制造业当前的关键要务。制造业的改善和优化已经从依靠经验推断转向依靠数字挖潜,数字技术的普遍应用为制造业实施精益管理提供了更多可能与更大空间。.智能制造是中国制造业转型升级的方向和目标智能制造是企业数字化转型的终端产物,是中国制造业高质量发展的重要方向。年工业和信息化部等多部门印发的“十四五”智能制造发展规划指出:到 年规模以上
24、制造业企业大部分实现数字化、网络化,重点行业骨干企业初步应用智能化;到 年,规模以上制造业企业全面普及数字化、网络化,重点行业骨干企业基本实现智能化。中国制造也明确将智能制造作为制造业未来发展的主要目标,提出智能制造是中国制造由大到强的必由之路。.精益数字化是中国制造业转型升级的必要手段当前,制造业转型成功率低的原因不在于数字化技术,而在于领导者及企业是否具备精益思维和管理能力。与单独实施精益或数字化节省%的转化成本的潜力相比,并行实施精益和数字化预计可产生%的改进潜力。精益数字化为智能制造提供了良好的技术、工具与管理基础,从而成为中国制造业转型升级的必要手段。从“制造大国”到“制造强国”,制
25、造业不仅需要技术创新和数字赋能,更需要通过精益夯实管理基础。精益和数字化是中国制造业转型升级的一体两翼:精益思想和方法论可以使制造业在存量上降本增效,在增量上扩大份额;数字技术可以在加速存量改善和放大增量提升效果的同时让精益成果连续迭代和持续优化。意识的制造工程师将以更细致的数据、更精准的连接以及更直观的方式呈现运营状态,不断发现问题并持续改善。.统一的数字平台是精益数字化发挥作用的重要载体精益数字化力求将组织内部所有的运营数据纳入统一的数字平台进行管理。数字平台提供一站式的数据设计、收集、开发、分析及管理,为企业打造统一操作入口,避免了用户在不同系统间频繁切换。.精益数字化遵循的原则.重新认
26、识数字化背景下的价值创造精益数字化突破了传统精益聚焦若干活动是否创造价值的局限,从全流程视角对企业价值链上所有活动进行重新审视。数字工具的广泛渗透和应用提高了企业识别价值创造活动的精准性,也让非增值活动更容易暴露在数据之下。.注意统筹规划与分步实施相结合精益数字化充分考虑了现有活动和改进活动间的相互作用,避免了在作用不稳定情况下的盲目引入,比如缺少精益基础的过早标准化和数字化等。企业需要基于现状统筹规划,明确路径与方法,分步骤、分阶段推动持续改善,避免精益数字化过程本身“不精益”。.充分考虑运营系统的复杂性精益数字化的实施对象最终是整个组织的运营系统。系统不同模块、流程间的相互影响会以不可预见
27、的方式干扰运营过程。精益数字化实施需注意运营系统不同模块、流程间的复杂关系,避免将企业运营活动机械地转换为缺乏互动与链接的“碎片数据”。管理者在关注某项运营活动优化与改进的同时,应更加注重运营系统的集成性优化。.精益数字化的基本理念精益数字化的核心是跳脱传统的内部价值链视野,着力围绕企业价值网络展开基于数字技术的精益实践。.精益工程师的实践智慧与数字技术的融合只有理解运营活动的内在逻辑才能促进精益思想落地并实现数字化、智能化。精益工程师作为精益数字化的主要推动者,不仅要有丰富的实践智慧还需要熟谙数字技术的运行逻辑,二者有效衔接、融合才能让精益数字化落地生根。.数据标准化、连接一体化与应用场景化
28、相融合数据标准化是企业精益数字化有效运作和持续改进的前提,为数据连接创造了条件。连接一体化实现了功能模块间的互联互通,是精益数字化发挥作用的保障。应用场景化致力于持续优化应用效果和实施者体验。三者融合能更好地促进精益思维与数字技术的相互赋能。.用算法驱动持续改善与以人为本相融合的理念精益数字化通过模型和算法不断推动企业持续改善。资深管理者依靠经验和智慧而非算法产生的建议进行决策有时会更有价值。以人为本、尊重管理者决策智慧的同时配合算法建议将更有利于识别问题并实施改进。王政.我国制造业增加值连续12年世界第一N.人民日报,2022年3月10日第1版埃森哲和国家工业信息安全发展研究中心.创新驱动
29、高质发展:埃森哲中国企业数字转型指数EB/OL.(2022-10-09).https:/ Kpper,Ailke Heidemann,Johannes Strhle,et al.When Lean meets Industry 4.0:The next level of operational excellenceEB/OL.(2017-08-25)2022-11-14.https:/ Rafael Lorenz,Paul Buess,Julian Macuvele,Thomas Friedli,Torbjrn H.Netland.Lean and Digitali-zationContrad
30、ictions or Complements?C.IFIP International Conference on Advances in Production Management Systems(APMS),Sep 2019,Austin,TX,United States.pp.77-84制造业最先进的流程是建立在精益管理思想及其衍生方法(例如,敏捷制造、六西格玛等)基础之上的,数字技术进一步提升了精益管理的效率效果。精益数字化是精益思维与数字技术的深度融合,二者相互赋能不断助推制造业竞争力提升。.精益数字化的内涵与阐释精益数字化(Lean Digitalization)是一种以精益思想为
31、基础将价值创造过程逐级分解为可数字化表示的操作单元,通过算法、模型和精益工具对数字化支撑的生产经营活动进行全价值链优化,以达到连续缩短交货期、持续降低成本、永续提高效率、不断提升质量、助推人才育成的新型管理技术模式。.精益数字化的特征.精益数字化为物理空间的持续改善提供了新的可能当人们在物理空间对持续改善的认识达到极限时,数字空间成为人们突破物理空间认识的关键。数字技术在企业全价值链中的广泛渗透为持续改善提供了新的数字空间,也让物理空间有了能够更好创造价值的可能,精益数字化通过数字空间呈现的更细致的“微改善”来推进制造业的高质量发展。.敏锐的数据意识和准确的数据采集是精益数字化的基础借助最少的
32、特征数据和最小的数据量识别出关键问题并对制造工艺、运营过程、组织管理等进行持续改善是精益数字化的重要目标。因此,具备数据意识的数据工程师和建立数据意识的制造工程师将以更细致的数据、更精准的连接以及更直观的方式呈现运营状态,不断发现问题并持续改善。.统一的数字平台是精益数字化发挥作用的重要载体精益数字化力求将组织内部所有的运营数据纳入统一的数字平台进行管理。数字平台提供一站式的数据设计、收集、开发、分析及管理,为企业打造统一操作入口,避免了用户在不同系统间频繁切换。.精益数字化遵循的原则.重新认识数字化背景下的价值创造精益数字化突破了传统精益聚焦若干活动是否创造价值的局限,从全流程视角对企业价值
33、链上所有活动进行重新审视。数字工具的广泛渗透和应用提高了企业识别价值创造活动的精准性,也让非增值活动更容易暴露在数据之下。.注意统筹规划与分步实施相结合精益数字化充分考虑了现有活动和改进活动间的相互作用,避免了在作用不稳定情况下的盲目引入,比如缺少精益基础的过早标准化和数字化等。企业需要基于现状统筹规划,明确路径与方法,分步骤、分阶段推动持续改善,避免精益数字化过程本身“不精益”。.充分考虑运营系统的复杂性精益数字化的实施对象最终是整个组织的运营系统。系统不同模块、流程间的相互影响会以不可预见的方式干扰运营过程。精益数字化实施需注意运营系统不同模块、流程间的复杂关系,避免将企业运营活动机械地转
34、换为缺乏互动与链接的“碎片数据”。管理者在关注某项运营活动优化与改进的同时,应更加注重运营系统的集成性优化。.精益数字化的基本理念精益数字化的核心是跳脱传统的内部价值链视野,着力围绕企业价值网络展开基于数字技术的精益实践。.精益工程师的实践智慧与数字技术的融合只有理解运营活动的内在逻辑才能促进精益思想落地并实现数字化、智能化。精益工程师作为精益数字化的主要推动者,不仅要有丰富的实践智慧还需要熟谙数字技术的运行逻辑,二者有效衔接、融合才能让精益数字化落地生根。.数据标准化、连接一体化与应用场景化相融合数据标准化是企业精益数字化有效运作和持续改进的前提,为数据连接创造了条件。连接一体化实现了功能模
35、块间的互联互通,是精益数字化发挥作用的保障。应用场景化致力于持续优化应用效果和实施者体验。三者融合能更好地促进精益思维与数字技术的相互赋能。.用算法驱动持续改善与以人为本相融合的理念精益数字化通过模型和算法不断推动企业持续改善。资深管理者依靠经验和智慧而非算法产生的建议进行决策有时会更有价值。以人为本、尊重管理者决策智慧的同时配合算法建议将更有利于识别问题并实施改进。意识的制造工程师将以更细致的数据、更精准的连接以及更直观的方式呈现运营状态,不断发现问题并持续改善。.统一的数字平台是精益数字化发挥作用的重要载体精益数字化力求将组织内部所有的运营数据纳入统一的数字平台进行管理。数字平台提供一站式
36、的数据设计、收集、开发、分析及管理,为企业打造统一操作入口,避免了用户在不同系统间频繁切换。.精益数字化遵循的原则.重新认识数字化背景下的价值创造精益数字化突破了传统精益聚焦若干活动是否创造价值的局限,从全流程视角对企业价值链上所有活动进行重新审视。数字工具的广泛渗透和应用提高了企业识别价值创造活动的精准性,也让非增值活动更容易暴露在数据之下。.注意统筹规划与分步实施相结合精益数字化充分考虑了现有活动和改进活动间的相互作用,避免了在作用不稳定情况下的盲目引入,比如缺少精益基础的过早标准化和数字化等。企业需要基于现状统筹规划,明确路径与方法,分步骤、分阶段推动持续改善,避免精益数字化过程本身“不
37、精益”。.充分考虑运营系统的复杂性精益数字化的实施对象最终是整个组织的运营系统。系统不同模块、流程间的相互影响会以不可预见的方式干扰运营过程。精益数字化实施需注意运营系统不同模块、流程间的复杂关系,避免将企业运营活动机械地转换为缺乏互动与链接的“碎片数据”。管理者在关注某项运营活动优化与改进的同时,应更加注重运营系统的集成性优化。.精益数字化的基本理念精益数字化的核心是跳脱传统的内部价值链视野,着力围绕企业价值网络展开基于数字技术的精益实践。.精益工程师的实践智慧与数字技术的融合只有理解运营活动的内在逻辑才能促进精益思想落地并实现数字化、智能化。精益工程师作为精益数字化的主要推动者,不仅要有丰
38、富的实践智慧还需要熟谙数字技术的运行逻辑,二者有效衔接、融合才能让精益数字化落地生根。Ryan T.Allen,Prithwiraj(Raj)Choudhury(2022)Algorithm-Augmented Work and Domain Experience:The Countervailing Forces of Ability and Aversion.Organization Science,33(1):149-169.数据标准化、连接一体化与应用场景化相融合数据标准化是企业精益数字化有效运作和持续改进的前提,为数据连接创造了条件。连接一体化实现了功能模块间的互联互通,是精益数字化
39、发挥作用的保障。应用场景化致力于持续优化应用效果和实施者体验。三者融合能更好地促进精益思维与数字技术的相互赋能。.用算法驱动持续改善与以人为本相融合的理念精益数字化通过模型和算法不断推动企业持续改善。资深管理者依靠经验和智慧而非算法产生的建议进行决策有时会更有价值。以人为本、尊重管理者决策智慧的同时配合算法建议将更有利于识别问题并实施改进。.中国制造业精益数字化人才育成现状()精益数字化人才育成现状制造业精益数字化人才育成评价主要分为组织机制、指标监控、精益人才、培训体系、晋升管理、内训师和人才管理七个一级指标和 个二级指标。从指标评估结构看制造业精益数字化人才育成仍处于较为基础的状态,不能满
40、足制造业精益数字化发展的需要。其中精益人才(精益数字化领导、精益数字化专家、精益数字化班组长和多能工)、人才管理、晋升管理和内训师四个维度低于平均水平,进一步证明了精益数字化人才的配备、培养以及职业发展方面仍旧很不完善,缺乏系统的人才育成体系作为支撑。制造业精益数字化历程中人才育成存在显著的区域差异,华东、华中地区表现较好,东北和西部地区整体表现相对落后。因而精益数字人才的育成与经济发展水平呈现较强的相关性,经济发展从表面上看是财富的增值,但从社会发展角度看是对人才的育成,经济发展的过程也是人才发展的过程,是人才智慧迸发、创造力迸发的过程。()精益数字化人才育成体系构建现状(一)育成标准目前制
41、造业对精益数字化人才的育成标准均从能力和业绩两个方面予以评价。能力重点关注精益数字化人才对精益数字化管理知识的培训与学习、问题解决能力提升、团队管理及协同能力的优化及现场或业务执行力的表现。业绩重点关注人才育成过程中,各层次人才在各自领域中阶段性的业绩表现,包含课题完成数量、项目推进情况、指标达成效果等。(二)育成方式产教融合是精益数字化专业人才培养的基础当前实务届和高校已经逐渐开展深入合作,国内一批提供 ERP 产品、财务软件产品、OA 产品以及相关信息化服务的企业已经开始与国内各大高校合作,以联合授课、主办赛事等方式助推人才培养。目前国内高校在精益管理与大数据、信息化和智能化结合的复合人才
42、的培养上做了较大的调整,不少高校已经根据数字技术的发展和企业的现实应用对各自的培养方案进行了调整,一些与数字技术有关的新兴专业也应运而生(像数据科学与大数据技术、大数据管理与应用等)。精益数字化水平认证是未来人才育成的重要抓手制造业在精益管理和数字化转型方面人才匮乏,缺乏统一权威的水平认证,也给制造业通过调研与初始数据库整理,编写组采集了有效数据 万余条。从收集的数据指标来看,中国制造业在精益数字化经营改善、精益数字化支援改善和精益数字化基础改善三方面的发展水平整体都不高。其中,发展程度相对最高的是精益数字化基础改善方面的安全管理指标,但与最高分 分分值相比仍有较大差距。较高的安全管理指标也从
43、另一个侧面说明自 年 月 日起施行新修订的中华人民共和国安全生产法对制造业安全管理初见成效,更多的制造型企业基于物联网、云计算、人工智能、GIS 等新一代信息技术打造“可知、可视、可溯、可控”的全方位安全管控体系,有效提升安全生产水平。遗憾的是,精益数字化支援改善方面的精益信息化指标处于最低水平,说明制造业在构建凸显制造柔性的精益信息化系统,系统集成实现对全价值链数字化管理升级方面具有极大的改进空间,通过精益数字化加快推进中国制造业全面数字化转型仍任重道远。从所收集的 个一级指标来看,安全管理、战略文化、人才管理和营销管理的精益数字化表现方面处于所有指标的第一梯队,表明中国制造业在思想上已经开
44、始重视精益数字化、在人力资源和营销管理上已经开始逐渐将数字工具进行初步应用。供应链管理、品质管理、成本管理、研发管理处于所有指标的第二梯队,中国制造业在这些方面很多精益数字化的应用仍然处于零星使用阶段。让人略感遗憾的是,中国制造业精益数字化在生产管理、设备管理和信息化管理三个指标上表现相对较差,表明中国制造业在生产现场的综合管理水平上还相对落后,认真夯实企业的数字化管理基础是提升中国制造业精益数字化水平的关键。.中国制造业精益数字化人才储备与育成现状.中国制造业精益数字化人才储备现状中国制造业精益数字化人才目前共分为三类,分别是精益数字化管理人才、应用人才和技术人才三类,然而鲜有企业单独设置稳
45、定的长期岗位。制造业基础性精益改进员工更多是干中学,难以构建精益管理与数字化、信息化技术相融合的知识结构体系,使得人才存在重大供需缺口。中国数字经济就业发展研究报告(年)显示,目前中国数字化人才缺口已接近 万,而且伴随全行业数字化的快速推进,数字人才需求缺口还会持续加大。制造业精益数字化人才作为既懂技术又懂业务的复合型人才呈现极度稀缺的状态。选用人才制造了较大难题。国家亟需推动精益数字化人才的岗位能力评价与认证体系的持续改善,通过考培结合的方式,对企业亟需提升专业知识和技术技能的精益数字化人才实施系统的课程体系培训,实施精益数字化人才职业资格评价、职业技能等级认定,通过严格的考核认证机制对达到
46、标准的人员给予认证。专业的培训与认证中心是精益数字化人才工作的保障目前在精益数字化人才的整体培育上国内尚未出现官产学研通力合作的标杆性培训与认证中心。具有丰富精益数字化行业经验的标杆企业需要共同将精益管理思想、方法工具及数千家合作客户经验融汇集到相关课程中,通过高校、政府的专家评估形成课程体系并建立精益数字化培训与认证中心。(三)育成体系组织在数字精益战略不断精进进程中,需要多元化的组织能力来匹配多样的组织目标,因而,员工个性能力与岗位胜任力的多元化匹配要求,是构建职业发展双通道的迫切需求。无论是管理路径或者专业技术路径都为员工提供了更多的发展空间和晋升通道。.中国制造业精益数字化面临的问题与
47、挑战.精益数字化顶层规划不足()战略层对制造企业精益数字化的颠覆程度认识不足。尚未清晰意识到精益数字化转型不仅是技术问题,更是战略和管理问题。较难找到精益数字化技术与业务场景融合的切入点,使得组织内部协同困难且难以打破原有部门边界和利益壁垒。()简单将精益数字化外包。制造企业在将精益数字化业务包出去、服务商请进来之后,坐等服务商把最终解决方案拿出来,企业高层及相关部门并没有进行深度参与并与服务商紧密配合。精益数字化建设仅停留在业务层面,没有认识到转型应是业务和 IT 双轮驱动的内生性创新。.精益数字化基础相对薄弱()生产现场精益数字化基础薄弱。实现采购管理和供应商管理的信息化、数字化程度不高;
48、图-、-显示,在 年的被调研企业中,仅有%的制造企业开展了产品在线检测、%的被调研企业实现了质量全流程追溯,而大部分企业依然纸质记录生产过程中的质量信息,始终无法打破数据在设计、工艺、管理等人员间共享的壁垒,无法及时对生产制造全流程进行监控。离散型制造企业普遍面临生产制造流程监控难的困境,包括作业现场信息反馈效率低、产品废品率难以控制等问题;流程型制造企业对其设备运行的稳定性和安全性要求高,但较低的资源调度效率已经难以满足企业精益数字化发展的需求。表-列示出当前主要问题及表现。意识的制造工程师将以更细致的数据、更精准的连接以及更直观的方式呈现运营状态,不断发现问题并持续改善。.统一的数字平台是
49、精益数字化发挥作用的重要载体精益数字化力求将组织内部所有的运营数据纳入统一的数字平台进行管理。数字平台提供一站式的数据设计、收集、开发、分析及管理,为企业打造统一操作入口,避免了用户在不同系统间频繁切换。.精益数字化遵循的原则.重新认识数字化背景下的价值创造精益数字化突破了传统精益聚焦若干活动是否创造价值的局限,从全流程视角对企业价值链上所有活动进行重新审视。数字工具的广泛渗透和应用提高了企业识别价值创造活动的精准性,也让非增值活动更容易暴露在数据之下。.注意统筹规划与分步实施相结合精益数字化充分考虑了现有活动和改进活动间的相互作用,避免了在作用不稳定情况下的盲目引入,比如缺少精益基础的过早标
50、准化和数字化等。企业需要基于现状统筹规划,明确路径与方法,分步骤、分阶段推动持续改善,避免精益数字化过程本身“不精益”。.充分考虑运营系统的复杂性精益数字化的实施对象最终是整个组织的运营系统。系统不同模块、流程间的相互影响会以不可预见的方式干扰运营过程。精益数字化实施需注意运营系统不同模块、流程间的复杂关系,避免将企业运营活动机械地转换为缺乏互动与链接的“碎片数据”。管理者在关注某项运营活动优化与改进的同时,应更加注重运营系统的集成性优化。.精益数字化的基本理念精益数字化的核心是跳脱传统的内部价值链视野,着力围绕企业价值网络展开基于数字技术的精益实践。.精益工程师的实践智慧与数字技术的融合只有
51、理解运营活动的内在逻辑才能促进精益思想落地并实现数字化、智能化。精益工程师作为精益数字化的主要推动者,不仅要有丰富的实践智慧还需要熟谙数字技术的运行逻辑,二者有效衔接、融合才能让精益数字化落地生根。.数据标准化、连接一体化与应用场景化相融合数据标准化是企业精益数字化有效运作和持续改进的前提,为数据连接创造了条件。连接一体化实现了功能模块间的互联互通,是精益数字化发挥作用的保障。应用场景化致力于持续优化应用效果和实施者体验。三者融合能更好地促进精益思维与数字技术的相互赋能。.用算法驱动持续改善与以人为本相融合的理念精益数字化通过模型和算法不断推动企业持续改善。资深管理者依靠经验和智慧而非算法产生
52、的建议进行决策有时会更有价值。以人为本、尊重管理者决策智慧的同时配合算法建议将更有利于识别问题并实施改进。.中国制造业精益数字化人才育成现状()精益数字化人才育成现状制造业精益数字化人才育成评价主要分为组织机制、指标监控、精益人才、培训体系、晋升管理、内训师和人才管理七个一级指标和 个二级指标。从指标评估结构看制造业精益数字化人才育成仍处于较为基础的状态,不能满足制造业精益数字化发展的需要。其中精益人才(精益数字化领导、精益数字化专家、精益数字化班组长和多能工)、人才管理、晋升管理和内训师四个维度低于平均水平,进一步证明了精益数字化人才的配备、培养以及职业发展方面仍旧很不完善,缺乏系统的人才育
53、成体系作为支撑。制造业精益数字化历程中人才育成存在显著的区域差异,华东、华中地区表现较好,东北和西部地区整体表现相对落后。因而精益数字人才的育成与经济发展水平呈现较强的相关性,经济发展从表面上看是财富的增值,但从社会发展角度看是对人才的育成,经济发展的过程也是人才发展的过程,是人才智慧迸发、创造力迸发的过程。()精益数字化人才育成体系构建现状(一)育成标准目前制造业对精益数字化人才的育成标准均从能力和业绩两个方面予以评价。能力重点关注精益数字化人才对精益数字化管理知识的培训与学习、问题解决能力提升、团队管理及协同能力的优化及现场或业务执行力的表现。业绩重点关注人才育成过程中,各层次人才在各自领
54、域中阶段性的业绩表现,包含课题完成数量、项目推进情况、指标达成效果等。(二)育成方式产教融合是精益数字化专业人才培养的基础当前实务届和高校已经逐渐开展深入合作,国内一批提供 ERP 产品、财务软件产品、OA 产品以及相关信息化服务的企业已经开始与国内各大高校合作,以联合授课、主办赛事等方式助推人才培养。目前国内高校在精益管理与大数据、信息化和智能化结合的复合人才的培养上做了较大的调整,不少高校已经根据数字技术的发展和企业的现实应用对各自的培养方案进行了调整,一些与数字技术有关的新兴专业也应运而生(像数据科学与大数据技术、大数据管理与应用等)。精益数字化水平认证是未来人才育成的重要抓手制造业在精
55、益管理和数字化转型方面人才匮乏,缺乏统一权威的水平认证,也给制造业通过调研与初始数据库整理,编写组采集了有效数据 万余条。从收集的数据指标来看,中国制造业在精益数字化经营改善、精益数字化支援改善和精益数字化基础改善三方面的发展水平整体都不高。其中,发展程度相对最高的是精益数字化基础改善方面的安全管理指标,但与最高分 分分值相比仍有较大差距。较高的安全管理指标也从另一个侧面说明自 年 月 日起施行新修订的中华人民共和国安全生产法对制造业安全管理初见成效,更多的制造型企业基于物联网、云计算、人工智能、GIS 等新一代信息技术打造“可知、可视、可溯、可控”的全方位安全管控体系,有效提升安全生产水平。
56、遗憾的是,精益数字化支援改善方面的精益信息化指标处于最低水平,说明制造业在构建凸显制造柔性的精益信息化系统,系统集成实现对全价值链数字化管理升级方面具有极大的改进空间,通过精益数字化加快推进中国制造业全面数字化转型仍任重道远。从所收集的 个一级指标来看,安全管理、战略文化、人才管理和营销管理的精益数字化表现方面处于所有指标的第一梯队,表明中国制造业在思想上已经开始重视精益数字化、在人力资源和营销管理上已经开始逐渐将数字工具进行初步应用。供应链管理、品质管理、成本管理、研发管理处于所有指标的第二梯队,中国制造业在这些方面很多精益数字化的应用仍然处于零星使用阶段。让人略感遗憾的是,中国制造业精益数
57、字化在生产管理、设备管理和信息化管理三个指标上表现相对较差,表明中国制造业在生产现场的综合管理水平上还相对落后,认真夯实企业的数字化管理基础是提升中国制造业精益数字化水平的关键。.中国制造业精益数字化人才储备与育成现状.中国制造业精益数字化人才储备现状中国制造业精益数字化人才目前共分为三类,分别是精益数字化管理人才、应用人才和技术人才三类,然而鲜有企业单独设置稳定的长期岗位。制造业基础性精益改进员工更多是干中学,难以构建精益管理与数字化、信息化技术相融合的知识结构体系,使得人才存在重大供需缺口。中国数字经济就业发展研究报告(年)显示,目前中国数字化人才缺口已接近 万,而且伴随全行业数字化的快速
58、推进,数字人才需求缺口还会持续加大。制造业精益数字化人才作为既懂技术又懂业务的复合型人才呈现极度稀缺的状态。选用人才制造了较大难题。国家亟需推动精益数字化人才的岗位能力评价与认证体系的持续改善,通过考培结合的方式,对企业亟需提升专业知识和技术技能的精益数字化人才实施系统的课程体系培训,实施精益数字化人才职业资格评价、职业技能等级认定,通过严格的考核认证机制对达到标准的人员给予认证。专业的培训与认证中心是精益数字化人才工作的保障目前在精益数字化人才的整体培育上国内尚未出现官产学研通力合作的标杆性培训与认证中心。具有丰富精益数字化行业经验的标杆企业需要共同将精益管理思想、方法工具及数千家合作客户经
59、验融汇集到相关课程中,通过高校、政府的专家评估形成课程体系并建立精益数字化培训与认证中心。(三)育成体系组织在数字精益战略不断精进进程中,需要多元化的组织能力来匹配多样的组织目标,因而,员工个性能力与岗位胜任力的多元化匹配要求,是构建职业发展双通道的迫切需求。无论是管理路径或者专业技术路径都为员工提供了更多的发展空间和晋升通道。.中国制造业精益数字化面临的问题与挑战.精益数字化顶层规划不足()战略层对制造企业精益数字化的颠覆程度认识不足。尚未清晰意识到精益数字化转型不仅是技术问题,更是战略和管理问题。较难找到精益数字化技术与业务场景融合的切入点,使得组织内部协同困难且难以打破原有部门边界和利益
60、壁垒。()简单将精益数字化外包。制造企业在将精益数字化业务包出去、服务商请进来之后,坐等服务商把最终解决方案拿出来,企业高层及相关部门并没有进行深度参与并与服务商紧密配合。精益数字化建设仅停留在业务层面,没有认识到转型应是业务和 IT 双轮驱动的内生性创新。.精益数字化基础相对薄弱()生产现场精益数字化基础薄弱。实现采购管理和供应商管理的信息化、数字化程度不高;图-、-显示,在 年的被调研企业中,仅有%的制造企业开展了产品在线检测、%的被调研企业实现了质量全流程追溯,而大部分企业依然纸质记录生产过程中的质量信息,始终无法打破数据在设计、工艺、管理等人员间共享的壁垒,无法及时对生产制造全流程进行
61、监控。离散型制造企业普遍面临生产制造流程监控难的困境,包括作业现场信息反馈效率低、产品废品率难以控制等问题;流程型制造企业对其设备运行的稳定性和安全性要求高,但较低的资源调度效率已经难以满足企业精益数字化发展的需求。表-列示出当前主要问题及表现。中国制造业精益数字化现状.中国制造业精益数字化发展现状精益数字化是传统制造业向智能制造转型的重要途径,精益数字化水平是衡量中国制造业智能制造水平的关键指标,也是促使传统制造业向智能制造转型的突破口。制造业精益数字化进程需要持续改进与不断优化,场景从简单到复杂,应用从局部到整体,会经历从起步到成熟的多阶段过程。如何科学评估传统制造业企业的精益数字化水平,
62、是传统制造业全面了解自己、发现问题、寻找差距,进行有效纠偏的重要手段。白皮书编写组采用制造业精益数字化不同维度发展程度等级评估的方法,对近 家企业超过 万个评价数据进行了整理与分析,评价对象涉及专用设备制造业、通用设备制造业等 个制造行业,评价方式为企业自评与资深精益专家评价结合,最终评价计分以专家评价为主,企业自评作为参考调整因素。制造业精益数字化水平评估基于组织全价值链思维,强调数字化解决方案实现制造业全部门价值提升的能力水平,以企业整体经营效果的变化为依据,反映企业综合改善实力,并关注战略方针、目标为引领,战略实践为导向的精益全系统管理模式。评估指标的构成分为精益数字化经营改善(研发、供
63、应链、营销)和精益数字化支援改善(精益人才、成本管理、精益信息化、战略与文化)以及精益数字化基础改善(精益生产、设备管理、品质管理、安全管理)三个方面共 个一级指标。其中精益生产由生产计划与执行、工艺与作业管理、目视化管理、S 和班组管理五个二级指标构成;供应链管理分解为采购管理和仓储物流两个二级指标;战略与文化则包括了战略文化、文化意识和持续改进三个二级指标;精益人才则包括了人才育成和人力资源管理两个二级指标,最终形成个指标对制造业的精益数字化进行了量化评估。意识的制造工程师将以更细致的数据、更精准的连接以及更直观的方式呈现运营状态,不断发现问题并持续改善。.统一的数字平台是精益数字化发挥作
64、用的重要载体精益数字化力求将组织内部所有的运营数据纳入统一的数字平台进行管理。数字平台提供一站式的数据设计、收集、开发、分析及管理,为企业打造统一操作入口,避免了用户在不同系统间频繁切换。.精益数字化遵循的原则.重新认识数字化背景下的价值创造精益数字化突破了传统精益聚焦若干活动是否创造价值的局限,从全流程视角对企业价值链上所有活动进行重新审视。数字工具的广泛渗透和应用提高了企业识别价值创造活动的精准性,也让非增值活动更容易暴露在数据之下。.注意统筹规划与分步实施相结合精益数字化充分考虑了现有活动和改进活动间的相互作用,避免了在作用不稳定情况下的盲目引入,比如缺少精益基础的过早标准化和数字化等。
65、企业需要基于现状统筹规划,明确路径与方法,分步骤、分阶段推动持续改善,避免精益数字化过程本身“不精益”。.充分考虑运营系统的复杂性精益数字化的实施对象最终是整个组织的运营系统。系统不同模块、流程间的相互影响会以不可预见的方式干扰运营过程。精益数字化实施需注意运营系统不同模块、流程间的复杂关系,避免将企业运营活动机械地转换为缺乏互动与链接的“碎片数据”。管理者在关注某项运营活动优化与改进的同时,应更加注重运营系统的集成性优化。.精益数字化的基本理念精益数字化的核心是跳脱传统的内部价值链视野,着力围绕企业价值网络展开基于数字技术的精益实践。.精益工程师的实践智慧与数字技术的融合只有理解运营活动的内
66、在逻辑才能促进精益思想落地并实现数字化、智能化。精益工程师作为精益数字化的主要推动者,不仅要有丰富的实践智慧还需要熟谙数字技术的运行逻辑,二者有效衔接、融合才能让精益数字化落地生根。.数据标准化、连接一体化与应用场景化相融合数据标准化是企业精益数字化有效运作和持续改进的前提,为数据连接创造了条件。连接一体化实现了功能模块间的互联互通,是精益数字化发挥作用的保障。应用场景化致力于持续优化应用效果和实施者体验。三者融合能更好地促进精益思维与数字技术的相互赋能。.用算法驱动持续改善与以人为本相融合的理念精益数字化通过模型和算法不断推动企业持续改善。资深管理者依靠经验和智慧而非算法产生的建议进行决策有
67、时会更有价值。以人为本、尊重管理者决策智慧的同时配合算法建议将更有利于识别问题并实施改进。.中国制造业精益数字化人才育成现状()精益数字化人才育成现状制造业精益数字化人才育成评价主要分为组织机制、指标监控、精益人才、培训体系、晋升管理、内训师和人才管理七个一级指标和 个二级指标。从指标评估结构看制造业精益数字化人才育成仍处于较为基础的状态,不能满足制造业精益数字化发展的需要。其中精益人才(精益数字化领导、精益数字化专家、精益数字化班组长和多能工)、人才管理、晋升管理和内训师四个维度低于平均水平,进一步证明了精益数字化人才的配备、培养以及职业发展方面仍旧很不完善,缺乏系统的人才育成体系作为支撑。
68、制造业精益数字化历程中人才育成存在显著的区域差异,华东、华中地区表现较好,东北和西部地区整体表现相对落后。因而精益数字人才的育成与经济发展水平呈现较强的相关性,经济发展从表面上看是财富的增值,但从社会发展角度看是对人才的育成,经济发展的过程也是人才发展的过程,是人才智慧迸发、创造力迸发的过程。()精益数字化人才育成体系构建现状(一)育成标准目前制造业对精益数字化人才的育成标准均从能力和业绩两个方面予以评价。能力重点关注精益数字化人才对精益数字化管理知识的培训与学习、问题解决能力提升、团队管理及协同能力的优化及现场或业务执行力的表现。业绩重点关注人才育成过程中,各层次人才在各自领域中阶段性的业绩
69、表现,包含课题完成数量、项目推进情况、指标达成效果等。(二)育成方式产教融合是精益数字化专业人才培养的基础当前实务届和高校已经逐渐开展深入合作,国内一批提供 ERP 产品、财务软件产品、OA 产品以及相关信息化服务的企业已经开始与国内各大高校合作,以联合授课、主办赛事等方式助推人才培养。目前国内高校在精益管理与大数据、信息化和智能化结合的复合人才的培养上做了较大的调整,不少高校已经根据数字技术的发展和企业的现实应用对各自的培养方案进行了调整,一些与数字技术有关的新兴专业也应运而生(像数据科学与大数据技术、大数据管理与应用等)。精益数字化水平认证是未来人才育成的重要抓手制造业在精益管理和数字化转
70、型方面人才匮乏,缺乏统一权威的水平认证,也给制造业通过调研与初始数据库整理,编写组采集了有效数据 万余条。从收集的数据指标来看,中国制造业在精益数字化经营改善、精益数字化支援改善和精益数字化基础改善三方面的发展水平整体都不高。其中,发展程度相对最高的是精益数字化基础改善方面的安全管理指标,但与最高分 分分值相比仍有较大差距。较高的安全管理指标也从另一个侧面说明自 年 月 日起施行新修订的中华人民共和国安全生产法对制造业安全管理初见成效,更多的制造型企业基于物联网、云计算、人工智能、GIS 等新一代信息技术打造“可知、可视、可溯、可控”的全方位安全管控体系,有效提升安全生产水平。遗憾的是,精益数
71、字化支援改善方面的精益信息化指标处于最低水平,说明制造业在构建凸显制造柔性的精益信息化系统,系统集成实现对全价值链数字化管理升级方面具有极大的改进空间,通过精益数字化加快推进中国制造业全面数字化转型仍任重道远。从所收集的 个一级指标来看,安全管理、战略文化、人才管理和营销管理的精益数字化表现方面处于所有指标的第一梯队,表明中国制造业在思想上已经开始重视精益数字化、在人力资源和营销管理上已经开始逐渐将数字工具进行初步应用。供应链管理、品质管理、成本管理、研发管理处于所有指标的第二梯队,中国制造业在这些方面很多精益数字化的应用仍然处于零星使用阶段。让人略感遗憾的是,中国制造业精益数字化在生产管理、
72、设备管理和信息化管理三个指标上表现相对较差,表明中国制造业在生产现场的综合管理水平上还相对落后,认真夯实企业的数字化管理基础是提升中国制造业精益数字化水平的关键。.中国制造业精益数字化人才储备与育成现状.中国制造业精益数字化人才储备现状中国制造业精益数字化人才目前共分为三类,分别是精益数字化管理人才、应用人才和技术人才三类,然而鲜有企业单独设置稳定的长期岗位。制造业基础性精益改进员工更多是干中学,难以构建精益管理与数字化、信息化技术相融合的知识结构体系,使得人才存在重大供需缺口。中国数字经济就业发展研究报告(年)显示,目前中国数字化人才缺口已接近 万,而且伴随全行业数字化的快速推进,数字人才需
73、求缺口还会持续加大。制造业精益数字化人才作为既懂技术又懂业务的复合型人才呈现极度稀缺的状态。选用人才制造了较大难题。国家亟需推动精益数字化人才的岗位能力评价与认证体系的持续改善,通过考培结合的方式,对企业亟需提升专业知识和技术技能的精益数字化人才实施系统的课程体系培训,实施精益数字化人才职业资格评价、职业技能等级认定,通过严格的考核认证机制对达到标准的人员给予认证。专业的培训与认证中心是精益数字化人才工作的保障目前在精益数字化人才的整体培育上国内尚未出现官产学研通力合作的标杆性培训与认证中心。具有丰富精益数字化行业经验的标杆企业需要共同将精益管理思想、方法工具及数千家合作客户经验融汇集到相关课
74、程中,通过高校、政府的专家评估形成课程体系并建立精益数字化培训与认证中心。(三)育成体系组织在数字精益战略不断精进进程中,需要多元化的组织能力来匹配多样的组织目标,因而,员工个性能力与岗位胜任力的多元化匹配要求,是构建职业发展双通道的迫切需求。无论是管理路径或者专业技术路径都为员工提供了更多的发展空间和晋升通道。.中国制造业精益数字化面临的问题与挑战.精益数字化顶层规划不足()战略层对制造企业精益数字化的颠覆程度认识不足。尚未清晰意识到精益数字化转型不仅是技术问题,更是战略和管理问题。较难找到精益数字化技术与业务场景融合的切入点,使得组织内部协同困难且难以打破原有部门边界和利益壁垒。()简单将
75、精益数字化外包。制造企业在将精益数字化业务包出去、服务商请进来之后,坐等服务商把最终解决方案拿出来,企业高层及相关部门并没有进行深度参与并与服务商紧密配合。精益数字化建设仅停留在业务层面,没有认识到转型应是业务和 IT 双轮驱动的内生性创新。.精益数字化基础相对薄弱()生产现场精益数字化基础薄弱。实现采购管理和供应商管理的信息化、数字化程度不高;图-、-显示,在 年的被调研企业中,仅有%的制造企业开展了产品在线检测、%的被调研企业实现了质量全流程追溯,而大部分企业依然纸质记录生产过程中的质量信息,始终无法打破数据在设计、工艺、管理等人员间共享的壁垒,无法及时对生产制造全流程进行监控。离散型制造
76、企业普遍面临生产制造流程监控难的困境,包括作业现场信息反馈效率低、产品废品率难以控制等问题;流程型制造企业对其设备运行的稳定性和安全性要求高,但较低的资源调度效率已经难以满足企业精益数字化发展的需求。表-列示出当前主要问题及表现。中国信息通信研究院2021年9月发布意识的制造工程师将以更细致的数据、更精准的连接以及更直观的方式呈现运营状态,不断发现问题并持续改善。.统一的数字平台是精益数字化发挥作用的重要载体精益数字化力求将组织内部所有的运营数据纳入统一的数字平台进行管理。数字平台提供一站式的数据设计、收集、开发、分析及管理,为企业打造统一操作入口,避免了用户在不同系统间频繁切换。.精益数字化
77、遵循的原则.重新认识数字化背景下的价值创造精益数字化突破了传统精益聚焦若干活动是否创造价值的局限,从全流程视角对企业价值链上所有活动进行重新审视。数字工具的广泛渗透和应用提高了企业识别价值创造活动的精准性,也让非增值活动更容易暴露在数据之下。.注意统筹规划与分步实施相结合精益数字化充分考虑了现有活动和改进活动间的相互作用,避免了在作用不稳定情况下的盲目引入,比如缺少精益基础的过早标准化和数字化等。企业需要基于现状统筹规划,明确路径与方法,分步骤、分阶段推动持续改善,避免精益数字化过程本身“不精益”。.充分考虑运营系统的复杂性精益数字化的实施对象最终是整个组织的运营系统。系统不同模块、流程间的相
78、互影响会以不可预见的方式干扰运营过程。精益数字化实施需注意运营系统不同模块、流程间的复杂关系,避免将企业运营活动机械地转换为缺乏互动与链接的“碎片数据”。管理者在关注某项运营活动优化与改进的同时,应更加注重运营系统的集成性优化。.精益数字化的基本理念精益数字化的核心是跳脱传统的内部价值链视野,着力围绕企业价值网络展开基于数字技术的精益实践。.精益工程师的实践智慧与数字技术的融合只有理解运营活动的内在逻辑才能促进精益思想落地并实现数字化、智能化。精益工程师作为精益数字化的主要推动者,不仅要有丰富的实践智慧还需要熟谙数字技术的运行逻辑,二者有效衔接、融合才能让精益数字化落地生根。.数据标准化、连接
79、一体化与应用场景化相融合数据标准化是企业精益数字化有效运作和持续改进的前提,为数据连接创造了条件。连接一体化实现了功能模块间的互联互通,是精益数字化发挥作用的保障。应用场景化致力于持续优化应用效果和实施者体验。三者融合能更好地促进精益思维与数字技术的相互赋能。.用算法驱动持续改善与以人为本相融合的理念精益数字化通过模型和算法不断推动企业持续改善。资深管理者依靠经验和智慧而非算法产生的建议进行决策有时会更有价值。以人为本、尊重管理者决策智慧的同时配合算法建议将更有利于识别问题并实施改进。.中国制造业精益数字化人才育成现状()精益数字化人才育成现状制造业精益数字化人才育成评价主要分为组织机制、指标
80、监控、精益人才、培训体系、晋升管理、内训师和人才管理七个一级指标和 个二级指标。从指标评估结构看制造业精益数字化人才育成仍处于较为基础的状态,不能满足制造业精益数字化发展的需要。其中精益人才(精益数字化领导、精益数字化专家、精益数字化班组长和多能工)、人才管理、晋升管理和内训师四个维度低于平均水平,进一步证明了精益数字化人才的配备、培养以及职业发展方面仍旧很不完善,缺乏系统的人才育成体系作为支撑。制造业精益数字化历程中人才育成存在显著的区域差异,华东、华中地区表现较好,东北和西部地区整体表现相对落后。因而精益数字人才的育成与经济发展水平呈现较强的相关性,经济发展从表面上看是财富的增值,但从社会
81、发展角度看是对人才的育成,经济发展的过程也是人才发展的过程,是人才智慧迸发、创造力迸发的过程。()精益数字化人才育成体系构建现状(一)育成标准目前制造业对精益数字化人才的育成标准均从能力和业绩两个方面予以评价。能力重点关注精益数字化人才对精益数字化管理知识的培训与学习、问题解决能力提升、团队管理及协同能力的优化及现场或业务执行力的表现。业绩重点关注人才育成过程中,各层次人才在各自领域中阶段性的业绩表现,包含课题完成数量、项目推进情况、指标达成效果等。(二)育成方式产教融合是精益数字化专业人才培养的基础当前实务届和高校已经逐渐开展深入合作,国内一批提供 ERP 产品、财务软件产品、OA 产品以及
82、相关信息化服务的企业已经开始与国内各大高校合作,以联合授课、主办赛事等方式助推人才培养。目前国内高校在精益管理与大数据、信息化和智能化结合的复合人才的培养上做了较大的调整,不少高校已经根据数字技术的发展和企业的现实应用对各自的培养方案进行了调整,一些与数字技术有关的新兴专业也应运而生(像数据科学与大数据技术、大数据管理与应用等)。精益数字化水平认证是未来人才育成的重要抓手制造业在精益管理和数字化转型方面人才匮乏,缺乏统一权威的水平认证,也给制造业通过调研与初始数据库整理,编写组采集了有效数据 万余条。从收集的数据指标来看,中国制造业在精益数字化经营改善、精益数字化支援改善和精益数字化基础改善三
83、方面的发展水平整体都不高。其中,发展程度相对最高的是精益数字化基础改善方面的安全管理指标,但与最高分 分分值相比仍有较大差距。较高的安全管理指标也从另一个侧面说明自 年 月 日起施行新修订的中华人民共和国安全生产法对制造业安全管理初见成效,更多的制造型企业基于物联网、云计算、人工智能、GIS 等新一代信息技术打造“可知、可视、可溯、可控”的全方位安全管控体系,有效提升安全生产水平。遗憾的是,精益数字化支援改善方面的精益信息化指标处于最低水平,说明制造业在构建凸显制造柔性的精益信息化系统,系统集成实现对全价值链数字化管理升级方面具有极大的改进空间,通过精益数字化加快推进中国制造业全面数字化转型仍
84、任重道远。从所收集的 个一级指标来看,安全管理、战略文化、人才管理和营销管理的精益数字化表现方面处于所有指标的第一梯队,表明中国制造业在思想上已经开始重视精益数字化、在人力资源和营销管理上已经开始逐渐将数字工具进行初步应用。供应链管理、品质管理、成本管理、研发管理处于所有指标的第二梯队,中国制造业在这些方面很多精益数字化的应用仍然处于零星使用阶段。让人略感遗憾的是,中国制造业精益数字化在生产管理、设备管理和信息化管理三个指标上表现相对较差,表明中国制造业在生产现场的综合管理水平上还相对落后,认真夯实企业的数字化管理基础是提升中国制造业精益数字化水平的关键。.中国制造业精益数字化人才储备与育成现
85、状.中国制造业精益数字化人才储备现状中国制造业精益数字化人才目前共分为三类,分别是精益数字化管理人才、应用人才和技术人才三类,然而鲜有企业单独设置稳定的长期岗位。制造业基础性精益改进员工更多是干中学,难以构建精益管理与数字化、信息化技术相融合的知识结构体系,使得人才存在重大供需缺口。中国数字经济就业发展研究报告(年)显示,目前中国数字化人才缺口已接近 万,而且伴随全行业数字化的快速推进,数字人才需求缺口还会持续加大。制造业精益数字化人才作为既懂技术又懂业务的复合型人才呈现极度稀缺的状态。选用人才制造了较大难题。国家亟需推动精益数字化人才的岗位能力评价与认证体系的持续改善,通过考培结合的方式,对
86、企业亟需提升专业知识和技术技能的精益数字化人才实施系统的课程体系培训,实施精益数字化人才职业资格评价、职业技能等级认定,通过严格的考核认证机制对达到标准的人员给予认证。专业的培训与认证中心是精益数字化人才工作的保障目前在精益数字化人才的整体培育上国内尚未出现官产学研通力合作的标杆性培训与认证中心。具有丰富精益数字化行业经验的标杆企业需要共同将精益管理思想、方法工具及数千家合作客户经验融汇集到相关课程中,通过高校、政府的专家评估形成课程体系并建立精益数字化培训与认证中心。(三)育成体系组织在数字精益战略不断精进进程中,需要多元化的组织能力来匹配多样的组织目标,因而,员工个性能力与岗位胜任力的多元
87、化匹配要求,是构建职业发展双通道的迫切需求。无论是管理路径或者专业技术路径都为员工提供了更多的发展空间和晋升通道。.中国制造业精益数字化面临的问题与挑战.精益数字化顶层规划不足()战略层对制造企业精益数字化的颠覆程度认识不足。尚未清晰意识到精益数字化转型不仅是技术问题,更是战略和管理问题。较难找到精益数字化技术与业务场景融合的切入点,使得组织内部协同困难且难以打破原有部门边界和利益壁垒。()简单将精益数字化外包。制造企业在将精益数字化业务包出去、服务商请进来之后,坐等服务商把最终解决方案拿出来,企业高层及相关部门并没有进行深度参与并与服务商紧密配合。精益数字化建设仅停留在业务层面,没有认识到转
88、型应是业务和 IT 双轮驱动的内生性创新。.精益数字化基础相对薄弱()生产现场精益数字化基础薄弱。实现采购管理和供应商管理的信息化、数字化程度不高;图-、-显示,在 年的被调研企业中,仅有%的制造企业开展了产品在线检测、%的被调研企业实现了质量全流程追溯,而大部分企业依然纸质记录生产过程中的质量信息,始终无法打破数据在设计、工艺、管理等人员间共享的壁垒,无法及时对生产制造全流程进行监控。离散型制造企业普遍面临生产制造流程监控难的困境,包括作业现场信息反馈效率低、产品废品率难以控制等问题;流程型制造企业对其设备运行的稳定性和安全性要求高,但较低的资源调度效率已经难以满足企业精益数字化发展的需求。
89、表-列示出当前主要问题及表现。意识的制造工程师将以更细致的数据、更精准的连接以及更直观的方式呈现运营状态,不断发现问题并持续改善。.统一的数字平台是精益数字化发挥作用的重要载体精益数字化力求将组织内部所有的运营数据纳入统一的数字平台进行管理。数字平台提供一站式的数据设计、收集、开发、分析及管理,为企业打造统一操作入口,避免了用户在不同系统间频繁切换。.精益数字化遵循的原则.重新认识数字化背景下的价值创造精益数字化突破了传统精益聚焦若干活动是否创造价值的局限,从全流程视角对企业价值链上所有活动进行重新审视。数字工具的广泛渗透和应用提高了企业识别价值创造活动的精准性,也让非增值活动更容易暴露在数据
90、之下。.注意统筹规划与分步实施相结合精益数字化充分考虑了现有活动和改进活动间的相互作用,避免了在作用不稳定情况下的盲目引入,比如缺少精益基础的过早标准化和数字化等。企业需要基于现状统筹规划,明确路径与方法,分步骤、分阶段推动持续改善,避免精益数字化过程本身“不精益”。.充分考虑运营系统的复杂性精益数字化的实施对象最终是整个组织的运营系统。系统不同模块、流程间的相互影响会以不可预见的方式干扰运营过程。精益数字化实施需注意运营系统不同模块、流程间的复杂关系,避免将企业运营活动机械地转换为缺乏互动与链接的“碎片数据”。管理者在关注某项运营活动优化与改进的同时,应更加注重运营系统的集成性优化。.精益数
91、字化的基本理念精益数字化的核心是跳脱传统的内部价值链视野,着力围绕企业价值网络展开基于数字技术的精益实践。.精益工程师的实践智慧与数字技术的融合只有理解运营活动的内在逻辑才能促进精益思想落地并实现数字化、智能化。精益工程师作为精益数字化的主要推动者,不仅要有丰富的实践智慧还需要熟谙数字技术的运行逻辑,二者有效衔接、融合才能让精益数字化落地生根。.数据标准化、连接一体化与应用场景化相融合数据标准化是企业精益数字化有效运作和持续改进的前提,为数据连接创造了条件。连接一体化实现了功能模块间的互联互通,是精益数字化发挥作用的保障。应用场景化致力于持续优化应用效果和实施者体验。三者融合能更好地促进精益思
92、维与数字技术的相互赋能。.用算法驱动持续改善与以人为本相融合的理念精益数字化通过模型和算法不断推动企业持续改善。资深管理者依靠经验和智慧而非算法产生的建议进行决策有时会更有价值。以人为本、尊重管理者决策智慧的同时配合算法建议将更有利于识别问题并实施改进。.中国制造业精益数字化人才育成现状()精益数字化人才育成现状制造业精益数字化人才育成评价主要分为组织机制、指标监控、精益人才、培训体系、晋升管理、内训师和人才管理七个一级指标和 个二级指标。从指标评估结构看制造业精益数字化人才育成仍处于较为基础的状态,不能满足制造业精益数字化发展的需要。其中精益人才(精益数字化领导、精益数字化专家、精益数字化班
93、组长和多能工)、人才管理、晋升管理和内训师四个维度低于平均水平,进一步证明了精益数字化人才的配备、培养以及职业发展方面仍旧很不完善,缺乏系统的人才育成体系作为支撑。制造业精益数字化历程中人才育成存在显著的区域差异,华东、华中地区表现较好,东北和西部地区整体表现相对落后。因而精益数字人才的育成与经济发展水平呈现较强的相关性,经济发展从表面上看是财富的增值,但从社会发展角度看是对人才的育成,经济发展的过程也是人才发展的过程,是人才智慧迸发、创造力迸发的过程。()精益数字化人才育成体系构建现状(一)育成标准目前制造业对精益数字化人才的育成标准均从能力和业绩两个方面予以评价。能力重点关注精益数字化人才
94、对精益数字化管理知识的培训与学习、问题解决能力提升、团队管理及协同能力的优化及现场或业务执行力的表现。业绩重点关注人才育成过程中,各层次人才在各自领域中阶段性的业绩表现,包含课题完成数量、项目推进情况、指标达成效果等。(二)育成方式产教融合是精益数字化专业人才培养的基础当前实务届和高校已经逐渐开展深入合作,国内一批提供 ERP 产品、财务软件产品、OA 产品以及相关信息化服务的企业已经开始与国内各大高校合作,以联合授课、主办赛事等方式助推人才培养。目前国内高校在精益管理与大数据、信息化和智能化结合的复合人才的培养上做了较大的调整,不少高校已经根据数字技术的发展和企业的现实应用对各自的培养方案进
95、行了调整,一些与数字技术有关的新兴专业也应运而生(像数据科学与大数据技术、大数据管理与应用等)。精益数字化水平认证是未来人才育成的重要抓手制造业在精益管理和数字化转型方面人才匮乏,缺乏统一权威的水平认证,也给制造业通过调研与初始数据库整理,编写组采集了有效数据 万余条。从收集的数据指标来看,中国制造业在精益数字化经营改善、精益数字化支援改善和精益数字化基础改善三方面的发展水平整体都不高。其中,发展程度相对最高的是精益数字化基础改善方面的安全管理指标,但与最高分 分分值相比仍有较大差距。较高的安全管理指标也从另一个侧面说明自 年 月 日起施行新修订的中华人民共和国安全生产法对制造业安全管理初见成
96、效,更多的制造型企业基于物联网、云计算、人工智能、GIS 等新一代信息技术打造“可知、可视、可溯、可控”的全方位安全管控体系,有效提升安全生产水平。遗憾的是,精益数字化支援改善方面的精益信息化指标处于最低水平,说明制造业在构建凸显制造柔性的精益信息化系统,系统集成实现对全价值链数字化管理升级方面具有极大的改进空间,通过精益数字化加快推进中国制造业全面数字化转型仍任重道远。从所收集的 个一级指标来看,安全管理、战略文化、人才管理和营销管理的精益数字化表现方面处于所有指标的第一梯队,表明中国制造业在思想上已经开始重视精益数字化、在人力资源和营销管理上已经开始逐渐将数字工具进行初步应用。供应链管理、
97、品质管理、成本管理、研发管理处于所有指标的第二梯队,中国制造业在这些方面很多精益数字化的应用仍然处于零星使用阶段。让人略感遗憾的是,中国制造业精益数字化在生产管理、设备管理和信息化管理三个指标上表现相对较差,表明中国制造业在生产现场的综合管理水平上还相对落后,认真夯实企业的数字化管理基础是提升中国制造业精益数字化水平的关键。.中国制造业精益数字化人才储备与育成现状.中国制造业精益数字化人才储备现状中国制造业精益数字化人才目前共分为三类,分别是精益数字化管理人才、应用人才和技术人才三类,然而鲜有企业单独设置稳定的长期岗位。制造业基础性精益改进员工更多是干中学,难以构建精益管理与数字化、信息化技术
98、相融合的知识结构体系,使得人才存在重大供需缺口。中国数字经济就业发展研究报告(年)显示,目前中国数字化人才缺口已接近 万,而且伴随全行业数字化的快速推进,数字人才需求缺口还会持续加大。制造业精益数字化人才作为既懂技术又懂业务的复合型人才呈现极度稀缺的状态。选用人才制造了较大难题。国家亟需推动精益数字化人才的岗位能力评价与认证体系的持续改善,通过考培结合的方式,对企业亟需提升专业知识和技术技能的精益数字化人才实施系统的课程体系培训,实施精益数字化人才职业资格评价、职业技能等级认定,通过严格的考核认证机制对达到标准的人员给予认证。专业的培训与认证中心是精益数字化人才工作的保障目前在精益数字化人才的
99、整体培育上国内尚未出现官产学研通力合作的标杆性培训与认证中心。具有丰富精益数字化行业经验的标杆企业需要共同将精益管理思想、方法工具及数千家合作客户经验融汇集到相关课程中,通过高校、政府的专家评估形成课程体系并建立精益数字化培训与认证中心。(三)育成体系组织在数字精益战略不断精进进程中,需要多元化的组织能力来匹配多样的组织目标,因而,员工个性能力与岗位胜任力的多元化匹配要求,是构建职业发展双通道的迫切需求。无论是管理路径或者专业技术路径都为员工提供了更多的发展空间和晋升通道。.中国制造业精益数字化面临的问题与挑战.精益数字化顶层规划不足()战略层对制造企业精益数字化的颠覆程度认识不足。尚未清晰意
100、识到精益数字化转型不仅是技术问题,更是战略和管理问题。较难找到精益数字化技术与业务场景融合的切入点,使得组织内部协同困难且难以打破原有部门边界和利益壁垒。()简单将精益数字化外包。制造企业在将精益数字化业务包出去、服务商请进来之后,坐等服务商把最终解决方案拿出来,企业高层及相关部门并没有进行深度参与并与服务商紧密配合。精益数字化建设仅停留在业务层面,没有认识到转型应是业务和 IT 双轮驱动的内生性创新。.精益数字化基础相对薄弱()生产现场精益数字化基础薄弱。实现采购管理和供应商管理的信息化、数字化程度不高;图-、-显示,在 年的被调研企业中,仅有%的制造企业开展了产品在线检测、%的被调研企业实
101、现了质量全流程追溯,而大部分企业依然纸质记录生产过程中的质量信息,始终无法打破数据在设计、工艺、管理等人员间共享的壁垒,无法及时对生产制造全流程进行监控。离散型制造企业普遍面临生产制造流程监控难的困境,包括作业现场信息反馈效率低、产品废品率难以控制等问题;流程型制造企业对其设备运行的稳定性和安全性要求高,但较低的资源调度效率已经难以满足企业精益数字化发展的需求。表-列示出当前主要问题及表现。意识的制造工程师将以更细致的数据、更精准的连接以及更直观的方式呈现运营状态,不断发现问题并持续改善。.统一的数字平台是精益数字化发挥作用的重要载体精益数字化力求将组织内部所有的运营数据纳入统一的数字平台进行
102、管理。数字平台提供一站式的数据设计、收集、开发、分析及管理,为企业打造统一操作入口,避免了用户在不同系统间频繁切换。.精益数字化遵循的原则.重新认识数字化背景下的价值创造精益数字化突破了传统精益聚焦若干活动是否创造价值的局限,从全流程视角对企业价值链上所有活动进行重新审视。数字工具的广泛渗透和应用提高了企业识别价值创造活动的精准性,也让非增值活动更容易暴露在数据之下。.注意统筹规划与分步实施相结合精益数字化充分考虑了现有活动和改进活动间的相互作用,避免了在作用不稳定情况下的盲目引入,比如缺少精益基础的过早标准化和数字化等。企业需要基于现状统筹规划,明确路径与方法,分步骤、分阶段推动持续改善,避
103、免精益数字化过程本身“不精益”。.充分考虑运营系统的复杂性精益数字化的实施对象最终是整个组织的运营系统。系统不同模块、流程间的相互影响会以不可预见的方式干扰运营过程。精益数字化实施需注意运营系统不同模块、流程间的复杂关系,避免将企业运营活动机械地转换为缺乏互动与链接的“碎片数据”。管理者在关注某项运营活动优化与改进的同时,应更加注重运营系统的集成性优化。.精益数字化的基本理念精益数字化的核心是跳脱传统的内部价值链视野,着力围绕企业价值网络展开基于数字技术的精益实践。.精益工程师的实践智慧与数字技术的融合只有理解运营活动的内在逻辑才能促进精益思想落地并实现数字化、智能化。精益工程师作为精益数字化
104、的主要推动者,不仅要有丰富的实践智慧还需要熟谙数字技术的运行逻辑,二者有效衔接、融合才能让精益数字化落地生根。.数据标准化、连接一体化与应用场景化相融合数据标准化是企业精益数字化有效运作和持续改进的前提,为数据连接创造了条件。连接一体化实现了功能模块间的互联互通,是精益数字化发挥作用的保障。应用场景化致力于持续优化应用效果和实施者体验。三者融合能更好地促进精益思维与数字技术的相互赋能。.用算法驱动持续改善与以人为本相融合的理念精益数字化通过模型和算法不断推动企业持续改善。资深管理者依靠经验和智慧而非算法产生的建议进行决策有时会更有价值。以人为本、尊重管理者决策智慧的同时配合算法建议将更有利于识
105、别问题并实施改进。.中国制造业精益数字化人才育成现状()精益数字化人才育成现状制造业精益数字化人才育成评价主要分为组织机制、指标监控、精益人才、培训体系、晋升管理、内训师和人才管理七个一级指标和 个二级指标。从指标评估结构看制造业精益数字化人才育成仍处于较为基础的状态,不能满足制造业精益数字化发展的需要。其中精益人才(精益数字化领导、精益数字化专家、精益数字化班组长和多能工)、人才管理、晋升管理和内训师四个维度低于平均水平,进一步证明了精益数字化人才的配备、培养以及职业发展方面仍旧很不完善,缺乏系统的人才育成体系作为支撑。制造业精益数字化历程中人才育成存在显著的区域差异,华东、华中地区表现较好
106、,东北和西部地区整体表现相对落后。因而精益数字人才的育成与经济发展水平呈现较强的相关性,经济发展从表面上看是财富的增值,但从社会发展角度看是对人才的育成,经济发展的过程也是人才发展的过程,是人才智慧迸发、创造力迸发的过程。()精益数字化人才育成体系构建现状(一)育成标准目前制造业对精益数字化人才的育成标准均从能力和业绩两个方面予以评价。能力重点关注精益数字化人才对精益数字化管理知识的培训与学习、问题解决能力提升、团队管理及协同能力的优化及现场或业务执行力的表现。业绩重点关注人才育成过程中,各层次人才在各自领域中阶段性的业绩表现,包含课题完成数量、项目推进情况、指标达成效果等。(二)育成方式产教
107、融合是精益数字化专业人才培养的基础当前实务届和高校已经逐渐开展深入合作,国内一批提供 ERP 产品、财务软件产品、OA 产品以及相关信息化服务的企业已经开始与国内各大高校合作,以联合授课、主办赛事等方式助推人才培养。目前国内高校在精益管理与大数据、信息化和智能化结合的复合人才的培养上做了较大的调整,不少高校已经根据数字技术的发展和企业的现实应用对各自的培养方案进行了调整,一些与数字技术有关的新兴专业也应运而生(像数据科学与大数据技术、大数据管理与应用等)。精益数字化水平认证是未来人才育成的重要抓手制造业在精益管理和数字化转型方面人才匮乏,缺乏统一权威的水平认证,也给制造业通过调研与初始数据库整
108、理,编写组采集了有效数据 万余条。从收集的数据指标来看,中国制造业在精益数字化经营改善、精益数字化支援改善和精益数字化基础改善三方面的发展水平整体都不高。其中,发展程度相对最高的是精益数字化基础改善方面的安全管理指标,但与最高分 分分值相比仍有较大差距。较高的安全管理指标也从另一个侧面说明自 年 月 日起施行新修订的中华人民共和国安全生产法对制造业安全管理初见成效,更多的制造型企业基于物联网、云计算、人工智能、GIS 等新一代信息技术打造“可知、可视、可溯、可控”的全方位安全管控体系,有效提升安全生产水平。遗憾的是,精益数字化支援改善方面的精益信息化指标处于最低水平,说明制造业在构建凸显制造柔
109、性的精益信息化系统,系统集成实现对全价值链数字化管理升级方面具有极大的改进空间,通过精益数字化加快推进中国制造业全面数字化转型仍任重道远。从所收集的 个一级指标来看,安全管理、战略文化、人才管理和营销管理的精益数字化表现方面处于所有指标的第一梯队,表明中国制造业在思想上已经开始重视精益数字化、在人力资源和营销管理上已经开始逐渐将数字工具进行初步应用。供应链管理、品质管理、成本管理、研发管理处于所有指标的第二梯队,中国制造业在这些方面很多精益数字化的应用仍然处于零星使用阶段。让人略感遗憾的是,中国制造业精益数字化在生产管理、设备管理和信息化管理三个指标上表现相对较差,表明中国制造业在生产现场的综
110、合管理水平上还相对落后,认真夯实企业的数字化管理基础是提升中国制造业精益数字化水平的关键。.中国制造业精益数字化人才储备与育成现状.中国制造业精益数字化人才储备现状中国制造业精益数字化人才目前共分为三类,分别是精益数字化管理人才、应用人才和技术人才三类,然而鲜有企业单独设置稳定的长期岗位。制造业基础性精益改进员工更多是干中学,难以构建精益管理与数字化、信息化技术相融合的知识结构体系,使得人才存在重大供需缺口。中国数字经济就业发展研究报告(年)显示,目前中国数字化人才缺口已接近 万,而且伴随全行业数字化的快速推进,数字人才需求缺口还会持续加大。制造业精益数字化人才作为既懂技术又懂业务的复合型人才
111、呈现极度稀缺的状态。选用人才制造了较大难题。国家亟需推动精益数字化人才的岗位能力评价与认证体系的持续改善,通过考培结合的方式,对企业亟需提升专业知识和技术技能的精益数字化人才实施系统的课程体系培训,实施精益数字化人才职业资格评价、职业技能等级认定,通过严格的考核认证机制对达到标准的人员给予认证。专业的培训与认证中心是精益数字化人才工作的保障目前在精益数字化人才的整体培育上国内尚未出现官产学研通力合作的标杆性培训与认证中心。具有丰富精益数字化行业经验的标杆企业需要共同将精益管理思想、方法工具及数千家合作客户经验融汇集到相关课程中,通过高校、政府的专家评估形成课程体系并建立精益数字化培训与认证中心
112、。(三)育成体系组织在数字精益战略不断精进进程中,需要多元化的组织能力来匹配多样的组织目标,因而,员工个性能力与岗位胜任力的多元化匹配要求,是构建职业发展双通道的迫切需求。无论是管理路径或者专业技术路径都为员工提供了更多的发展空间和晋升通道。图3-1 中国精益数字化人才育成体系精益作战室设计与目视化三现主义/走动管理制度日常管理/层级会议制度高层领导的支持精益推进体系架构保障PDCA 工作方法精益改善实践活动精益培训与内训师认证精益对标学习活动数字化赋能形成不断暴露问题、解决问题、持续改善的改善文化精益化管理自我改善驱动力 精益体系体悟 精益工具应用 行业知识 尊重信任 以身作则 团队共赢 积
113、极主动 持续改善 精益内训师评级 问题解决能力 问题跟踪能力 持续改善能力上海品茶战略目标分解与落地作业流程优化降本增效业务流程优化标准作业异常管理流程精益底层架构梳理数字化体系搭建异常管理任务管理软硬件结合应用数据应用分析商业智能选育用留评45%55%36%64%0%20%40%60%80%采购管理信息化未采购管理信息化物料条码管理物料未条码管理数据来源:中国电子技术标准化研究院.中小企业数字化转型分析报告.中国制造业精益数字化面临的问题与挑战.精益数字化顶层规划不足()战略层对制造企业精益数字化的颠覆程度认识不足。尚未清晰意识到精益数字化转型不仅是技术问题,更是战略和管理问题。较难找到精益
114、数字化技术与业务场景融合的切入点,使得组织内部协同困难且难以打破原有部门边界和利益壁垒。()简单将精益数字化外包。制造企业在将精益数字化业务包出去、服务商请进来之后,坐等服务商把最终解决方案拿出来,企业高层及相关部门并没有进行深度参与并与服务商紧密配合。精益数字化建设仅停留在业务层面,没有认识到转型应是业务和 IT 双轮驱动的内生性创新。.精益数字化基础相对薄弱()生产现场精益数字化基础薄弱。实现采购管理和供应商管理的信息化、数字化程度不高;图-、-显示,在 年的被调研企业中,仅有%的制造企业开展了产品在线检测、%的被调研企业实现了质量全流程追溯,而大部分企业依然纸质记录生产过程中的质量信息,
115、始终无法打破数据在设计、工艺、管理等人员间共享的壁垒,无法及时对生产制造全流程进行监控。离散型制造企业普遍面临生产制造流程监控难的困境,包括作业现场信息反馈效率低、产品废品率难以控制等问题;流程型制造企业对其设备运行的稳定性和安全性要求高,但较低的资源调度效率已经难以满足企业精益数字化发展的需求。表-列示出当前主要问题及表现。图3-2 制造企业采购及物料管理的信息化程度图3-3制造企业质量管理信息化程度表-流程型制造业和离散型制造业数字化特点及问题数据来源:调研组对被调研企业精益数字化的访谈数据()精益数字化程度度量指标缺失。不同企业为满足自身需求,配备了不同的外联通信接口或工业现场总线协议,
116、导致异构网络综合集成互联难度较大,影响了产品的一体化接入和互联互通。福布斯 年对全球 多家在进行数字化转型的大型制造业企业的调研数据显示:有%的制造企业工业数字装备系统严格封闭,缺乏外部通信连接和数据共享标准接口设计;%的企业设计接口非标准化,系统开放改造和数据共享难度较大。数据分散在不同系统中,由于各系统建设目的、使用方式不同,导致不同系统间数据统计的口径不一致,需要耗费大量时间对系统中的数据进行整合与清洗。石油天然气、化学工业、冶金、药品及食品/饮料等行业机械制造业、汽车制造业、家电制造业等行业设备运行的稳定性和安全性程度要求较高流程工业,包括重复生产和连续生产两种类型生产制造流程监控困难
117、,管理难度高,作业现场信息反馈效率低、产品废品率难以控制资源调度效率低,人工经验依赖程度大、生产调度不灵活流程型制造业离散型制造业.中国制造业精益数字化人才育成现状()精益数字化人才育成现状制造业精益数字化人才育成评价主要分为组织机制、指标监控、精益人才、培训体系、晋升管理、内训师和人才管理七个一级指标和 个二级指标。从指标评估结构看制造业精益数字化人才育成仍处于较为基础的状态,不能满足制造业精益数字化发展的需要。其中精益人才(精益数字化领导、精益数字化专家、精益数字化班组长和多能工)、人才管理、晋升管理和内训师四个维度低于平均水平,进一步证明了精益数字化人才的配备、培养以及职业发展方面仍旧很
118、不完善,缺乏系统的人才育成体系作为支撑。制造业精益数字化历程中人才育成存在显著的区域差异,华东、华中地区表现较好,东北和西部地区整体表现相对落后。因而精益数字人才的育成与经济发展水平呈现较强的相关性,经济发展从表面上看是财富的增值,但从社会发展角度看是对人才的育成,经济发展的过程也是人才发展的过程,是人才智慧迸发、创造力迸发的过程。()精益数字化人才育成体系构建现状(一)育成标准目前制造业对精益数字化人才的育成标准均从能力和业绩两个方面予以评价。能力重点关注精益数字化人才对精益数字化管理知识的培训与学习、问题解决能力提升、团队管理及协同能力的优化及现场或业务执行力的表现。业绩重点关注人才育成过
119、程中,各层次人才在各自领域中阶段性的业绩表现,包含课题完成数量、项目推进情况、指标达成效果等。(二)育成方式产教融合是精益数字化专业人才培养的基础当前实务届和高校已经逐渐开展深入合作,国内一批提供 ERP 产品、财务软件产品、OA 产品以及相关信息化服务的企业已经开始与国内各大高校合作,以联合授课、主办赛事等方式助推人才培养。目前国内高校在精益管理与大数据、信息化和智能化结合的复合人才的培养上做了较大的调整,不少高校已经根据数字技术的发展和企业的现实应用对各自的培养方案进行了调整,一些与数字技术有关的新兴专业也应运而生(像数据科学与大数据技术、大数据管理与应用等)。精益数字化水平认证是未来人才
120、育成的重要抓手制造业在精益管理和数字化转型方面人才匮乏,缺乏统一权威的水平认证,也给制造业通过调研与初始数据库整理,编写组采集了有效数据 万余条。从收集的数据指标来看,中国制造业在精益数字化经营改善、精益数字化支援改善和精益数字化基础改善三方面的发展水平整体都不高。其中,发展程度相对最高的是精益数字化基础改善方面的安全管理指标,但与最高分 分分值相比仍有较大差距。较高的安全管理指标也从另一个侧面说明自 年 月 日起施行新修订的中华人民共和国安全生产法对制造业安全管理初见成效,更多的制造型企业基于物联网、云计算、人工智能、GIS 等新一代信息技术打造“可知、可视、可溯、可控”的全方位安全管控体系
121、,有效提升安全生产水平。遗憾的是,精益数字化支援改善方面的精益信息化指标处于最低水平,说明制造业在构建凸显制造柔性的精益信息化系统,系统集成实现对全价值链数字化管理升级方面具有极大的改进空间,通过精益数字化加快推进中国制造业全面数字化转型仍任重道远。从所收集的 个一级指标来看,安全管理、战略文化、人才管理和营销管理的精益数字化表现方面处于所有指标的第一梯队,表明中国制造业在思想上已经开始重视精益数字化、在人力资源和营销管理上已经开始逐渐将数字工具进行初步应用。供应链管理、品质管理、成本管理、研发管理处于所有指标的第二梯队,中国制造业在这些方面很多精益数字化的应用仍然处于零星使用阶段。让人略感遗
122、憾的是,中国制造业精益数字化在生产管理、设备管理和信息化管理三个指标上表现相对较差,表明中国制造业在生产现场的综合管理水平上还相对落后,认真夯实企业的数字化管理基础是提升中国制造业精益数字化水平的关键。.中国制造业精益数字化人才储备与育成现状.中国制造业精益数字化人才储备现状中国制造业精益数字化人才目前共分为三类,分别是精益数字化管理人才、应用人才和技术人才三类,然而鲜有企业单独设置稳定的长期岗位。制造业基础性精益改进员工更多是干中学,难以构建精益管理与数字化、信息化技术相融合的知识结构体系,使得人才存在重大供需缺口。中国数字经济就业发展研究报告(年)显示,目前中国数字化人才缺口已接近 万,而
123、且伴随全行业数字化的快速推进,数字人才需求缺口还会持续加大。制造业精益数字化人才作为既懂技术又懂业务的复合型人才呈现极度稀缺的状态。选用人才制造了较大难题。国家亟需推动精益数字化人才的岗位能力评价与认证体系的持续改善,通过考培结合的方式,对企业亟需提升专业知识和技术技能的精益数字化人才实施系统的课程体系培训,实施精益数字化人才职业资格评价、职业技能等级认定,通过严格的考核认证机制对达到标准的人员给予认证。专业的培训与认证中心是精益数字化人才工作的保障目前在精益数字化人才的整体培育上国内尚未出现官产学研通力合作的标杆性培训与认证中心。具有丰富精益数字化行业经验的标杆企业需要共同将精益管理思想、方
124、法工具及数千家合作客户经验融汇集到相关课程中,通过高校、政府的专家评估形成课程体系并建立精益数字化培训与认证中心。(三)育成体系组织在数字精益战略不断精进进程中,需要多元化的组织能力来匹配多样的组织目标,因而,员工个性能力与岗位胜任力的多元化匹配要求,是构建职业发展双通道的迫切需求。无论是管理路径或者专业技术路径都为员工提供了更多的发展空间和晋升通道。.中国制造业精益数字化面临的问题与挑战.精益数字化顶层规划不足()战略层对制造企业精益数字化的颠覆程度认识不足。尚未清晰意识到精益数字化转型不仅是技术问题,更是战略和管理问题。较难找到精益数字化技术与业务场景融合的切入点,使得组织内部协同困难且难
125、以打破原有部门边界和利益壁垒。()简单将精益数字化外包。制造企业在将精益数字化业务包出去、服务商请进来之后,坐等服务商把最终解决方案拿出来,企业高层及相关部门并没有进行深度参与并与服务商紧密配合。精益数字化建设仅停留在业务层面,没有认识到转型应是业务和 IT 双轮驱动的内生性创新。.精益数字化基础相对薄弱()生产现场精益数字化基础薄弱。实现采购管理和供应商管理的信息化、数字化程度不高;图-、-显示,在 年的被调研企业中,仅有%的制造企业开展了产品在线检测、%的被调研企业实现了质量全流程追溯,而大部分企业依然纸质记录生产过程中的质量信息,始终无法打破数据在设计、工艺、管理等人员间共享的壁垒,无法
126、及时对生产制造全流程进行监控。离散型制造企业普遍面临生产制造流程监控难的困境,包括作业现场信息反馈效率低、产品废品率难以控制等问题;流程型制造企业对其设备运行的稳定性和安全性要求高,但较低的资源调度效率已经难以满足企业精益数字化发展的需求。表-列示出当前主要问题及表现。()数字化核心关键技术及信息基础设施不足。能够生产的工业传感器与控制产品大多集中在低端市场,高端产品依赖进口,控制系统、平台数据采集开发工具等领域的专利多为外围应用类,缺少核心专利。根据中国电子技术标准化研究院在 年对全国 多家大型制造企业的 多种关键基础材料的调研显示:仍有%的关键材料、%以上的智能终端处理器及绝大多数存储芯片
127、依赖进口;高端数控机床、高档装备仪器、运载火箭、大飞机、航空发动机、汽车发动机及关键零部件超过%的制造及检测设备依赖进口。信息基础设施发展不平衡矛盾依然突出,大型制造企业资金、设备、技术资源丰富,具有一定的精益数字化先发优势;而中小制造企业囿于各类资源的限制,精益数字化整体水平偏低,明显滞后于大型制造企业。.精益管理不透明、缺乏数据支撑()精益管理及治理能力不足。部分平台仅重视数据采集,缺乏对采集数据的深度开发利用,不仅数据价值没有释放,也因过度采集与存储造成了数据冗余。此外,企业内对数据的应用多为简单的数据收集、统计、对比,未能深入将数据分析方法与实际业务场景决策、流程相结合,缺乏数据应用实
128、践案例。()缺乏权威的数据标准。工业设备种类繁多、应用场景较为复杂,不同环境有不同的工业协议,数据格式差异较大,不统一标准就难以兼容,也难以转化为有用的资源。虽然我国已组建了全国信息技术标准化技术委员会、智能制造综合标准化工作组、工业互联网产业联盟等多个从事相关标准研发的机构,且已制定了国家智能制造标准体系建设指南(年版)工业互联网标准体系框架(版本.)等文件,但具体标准的研制和推广工作刚刚启动,市场接受度不高。在数据治理和数据标准化工作中,制造企业各业务部门参与度不高,不论是标准制定还是标准实施,都难以形成广泛、明确的共识,导致数据标准的研制效率低、可用性极差。.精益数字化建设持续程度不足(
129、)缺乏足够资金投入。传统制造企业更加关注投资收益,导致其精益数字化资金投入较为谨慎,而中小制造数据现状难以与快速变化的消费者需求及市场竞争态势相匹配。消费者定制化需求和疫情冲击之下的市场环境对企业内部数据的更新频率要求越来越高,对于外部数据的颗粒度要求越来越精细,但目前制造企业较低的数据治理水平及数据质量造成了大量的数据冗余、系统冗余,影响了信息处理效率的提升。国家工业信息安全发展研究中心发布的工业互联网平台应用数据地图()显示,年我国工业企业设备上云率、业务上云普及率、工业知识沉淀复用比例分别为.%、.%和.%;表-展示了制造企业在数据采集、处理及应用各个环节中存在的问题。企业则认为精益数字
130、化建设将造成一些不必要的大额支出,使其运营成本加大;此外,受疫情影响,很多中小制造企业面临营业收入下滑、账期延长等问题,导致其流动性资金尤为紧张,维持正常运营的刚性支出压力较大,精益数字化投入资金也缺乏保障。投资精益数字化建设是一项系统性工程,周期较长且短期收益不显著。部分企业往往急于见到成效,用传统的绩效指标衡量转型效果,而没有根据企业的实际情况部署配套的评估体系,使其难以对精益数字化建设进程与价值做到阶段性、渐进式的评估。()缺乏利用信息技术推动商业模式创新认识。部分企业重视数据采集和汇聚,却忽视以数据深度挖掘来促进业务战略创新,缺乏从战略层面用大数据促进业务形态、服务模式、管理模式等创新
131、。工业互联网应用前景不清晰、应用场景不深入。制造企业对工业互联网平台建设的认识不足,缺乏利用信息技术去搭建“人机物”一体的网络平台创新模式;很多企业在转型过程中过分重视内部的降本增效,忽略了多方协同共建共享工业互联网生态。()未充分意识到数据作为生产要素的重要性,精益管理流于表面。数字孪生构建的虚拟工厂提供了实时全局数据,但不少制造企业将其当作表面工程,未充分利用,且即使有意识地加以利用,也因数据量过大没有做好分类处理储存,导致有效数据流失。制造企业为节省改造成本和时间成本,往往很少对自身特点进行系统分析,而是机械模仿既有模式、简单拼凑尖端技术,导致数据与管理的实际匹配度不足。.产业链、供应链
132、企业间缺乏协同()供应链运营中信息孤岛现象普遍存在。供应链信息离散储存在不同制造企业内,信息共享程度低、交互速度慢,无法做到多个业务系统数据的互联互通,信息的真实性与可靠性无保障。宏观数据统计准确度欠佳,微观数据与设备之间联系又无法进行沟通。在供应链各节点上,制造企业只根据来自其相邻的下级企业的需求信息进行生产或者供应决策,会导致不真实的需求信息沿着供应链逆流而上,产生逐级放大的现象。()龙头制造企业社会责任履行有所缺失。头部制造企业一般承担着搭建平台并向中小制造企业提供精益数字化服务的责任。但目前来看,即使平台搭建完成,制造企业也会因转型意识欠缺、资金投入障碍以及对互为竞争的核心企业有信任危
133、机而“独善其身”,导致制造业平台实际使用效率并不高,没有发挥应有的平台作用。在软件推广方面,国内制造企业自主技术工艺软件化水平较低,缺乏技术工艺系统化组织管理,行业龙头企业缺乏将自主技术工艺软件化封装应用和推广的意识。数据来源:中国电子技术标准化研究院.中小企业数字化转型分析报告EB/OL.(2022-05-09)2022-10-20.http:/ 个二级指标。从指标评估结构看制造业精益数字化人才育成仍处于较为基础的状态,不能满足制造业精益数字化发展的需要。其中精益人才(精益数字化领导、精益数字化专家、精益数字化班组长和多能工)、人才管理、晋升管理和内训师四个维度低于平均水平,进一步证明了精益
134、数字化人才的配备、培养以及职业发展方面仍旧很不完善,缺乏系统的人才育成体系作为支撑。制造业精益数字化历程中人才育成存在显著的区域差异,华东、华中地区表现较好,东北和西部地区整体表现相对落后。因而精益数字人才的育成与经济发展水平呈现较强的相关性,经济发展从表面上看是财富的增值,但从社会发展角度看是对人才的育成,经济发展的过程也是人才发展的过程,是人才智慧迸发、创造力迸发的过程。()精益数字化人才育成体系构建现状(一)育成标准目前制造业对精益数字化人才的育成标准均从能力和业绩两个方面予以评价。能力重点关注精益数字化人才对精益数字化管理知识的培训与学习、问题解决能力提升、团队管理及协同能力的优化及现
135、场或业务执行力的表现。业绩重点关注人才育成过程中,各层次人才在各自领域中阶段性的业绩表现,包含课题完成数量、项目推进情况、指标达成效果等。(二)育成方式产教融合是精益数字化专业人才培养的基础当前实务届和高校已经逐渐开展深入合作,国内一批提供 ERP 产品、财务软件产品、OA 产品以及相关信息化服务的企业已经开始与国内各大高校合作,以联合授课、主办赛事等方式助推人才培养。目前国内高校在精益管理与大数据、信息化和智能化结合的复合人才的培养上做了较大的调整,不少高校已经根据数字技术的发展和企业的现实应用对各自的培养方案进行了调整,一些与数字技术有关的新兴专业也应运而生(像数据科学与大数据技术、大数据
136、管理与应用等)。精益数字化水平认证是未来人才育成的重要抓手制造业在精益管理和数字化转型方面人才匮乏,缺乏统一权威的水平认证,也给制造业通过调研与初始数据库整理,编写组采集了有效数据 万余条。从收集的数据指标来看,中国制造业在精益数字化经营改善、精益数字化支援改善和精益数字化基础改善三方面的发展水平整体都不高。其中,发展程度相对最高的是精益数字化基础改善方面的安全管理指标,但与最高分 分分值相比仍有较大差距。较高的安全管理指标也从另一个侧面说明自 年 月 日起施行新修订的中华人民共和国安全生产法对制造业安全管理初见成效,更多的制造型企业基于物联网、云计算、人工智能、GIS 等新一代信息技术打造“
137、可知、可视、可溯、可控”的全方位安全管控体系,有效提升安全生产水平。遗憾的是,精益数字化支援改善方面的精益信息化指标处于最低水平,说明制造业在构建凸显制造柔性的精益信息化系统,系统集成实现对全价值链数字化管理升级方面具有极大的改进空间,通过精益数字化加快推进中国制造业全面数字化转型仍任重道远。从所收集的 个一级指标来看,安全管理、战略文化、人才管理和营销管理的精益数字化表现方面处于所有指标的第一梯队,表明中国制造业在思想上已经开始重视精益数字化、在人力资源和营销管理上已经开始逐渐将数字工具进行初步应用。供应链管理、品质管理、成本管理、研发管理处于所有指标的第二梯队,中国制造业在这些方面很多精益
138、数字化的应用仍然处于零星使用阶段。让人略感遗憾的是,中国制造业精益数字化在生产管理、设备管理和信息化管理三个指标上表现相对较差,表明中国制造业在生产现场的综合管理水平上还相对落后,认真夯实企业的数字化管理基础是提升中国制造业精益数字化水平的关键。.中国制造业精益数字化人才储备与育成现状.中国制造业精益数字化人才储备现状中国制造业精益数字化人才目前共分为三类,分别是精益数字化管理人才、应用人才和技术人才三类,然而鲜有企业单独设置稳定的长期岗位。制造业基础性精益改进员工更多是干中学,难以构建精益管理与数字化、信息化技术相融合的知识结构体系,使得人才存在重大供需缺口。中国数字经济就业发展研究报告(年
139、)显示,目前中国数字化人才缺口已接近 万,而且伴随全行业数字化的快速推进,数字人才需求缺口还会持续加大。制造业精益数字化人才作为既懂技术又懂业务的复合型人才呈现极度稀缺的状态。选用人才制造了较大难题。国家亟需推动精益数字化人才的岗位能力评价与认证体系的持续改善,通过考培结合的方式,对企业亟需提升专业知识和技术技能的精益数字化人才实施系统的课程体系培训,实施精益数字化人才职业资格评价、职业技能等级认定,通过严格的考核认证机制对达到标准的人员给予认证。专业的培训与认证中心是精益数字化人才工作的保障目前在精益数字化人才的整体培育上国内尚未出现官产学研通力合作的标杆性培训与认证中心。具有丰富精益数字化
140、行业经验的标杆企业需要共同将精益管理思想、方法工具及数千家合作客户经验融汇集到相关课程中,通过高校、政府的专家评估形成课程体系并建立精益数字化培训与认证中心。(三)育成体系组织在数字精益战略不断精进进程中,需要多元化的组织能力来匹配多样的组织目标,因而,员工个性能力与岗位胜任力的多元化匹配要求,是构建职业发展双通道的迫切需求。无论是管理路径或者专业技术路径都为员工提供了更多的发展空间和晋升通道。.中国制造业精益数字化面临的问题与挑战.精益数字化顶层规划不足()战略层对制造企业精益数字化的颠覆程度认识不足。尚未清晰意识到精益数字化转型不仅是技术问题,更是战略和管理问题。较难找到精益数字化技术与业
141、务场景融合的切入点,使得组织内部协同困难且难以打破原有部门边界和利益壁垒。()简单将精益数字化外包。制造企业在将精益数字化业务包出去、服务商请进来之后,坐等服务商把最终解决方案拿出来,企业高层及相关部门并没有进行深度参与并与服务商紧密配合。精益数字化建设仅停留在业务层面,没有认识到转型应是业务和 IT 双轮驱动的内生性创新。.精益数字化基础相对薄弱()生产现场精益数字化基础薄弱。实现采购管理和供应商管理的信息化、数字化程度不高;图-、-显示,在 年的被调研企业中,仅有%的制造企业开展了产品在线检测、%的被调研企业实现了质量全流程追溯,而大部分企业依然纸质记录生产过程中的质量信息,始终无法打破数
142、据在设计、工艺、管理等人员间共享的壁垒,无法及时对生产制造全流程进行监控。离散型制造企业普遍面临生产制造流程监控难的困境,包括作业现场信息反馈效率低、产品废品率难以控制等问题;流程型制造企业对其设备运行的稳定性和安全性要求高,但较低的资源调度效率已经难以满足企业精益数字化发展的需求。表-列示出当前主要问题及表现。()数字化核心关键技术及信息基础设施不足。能够生产的工业传感器与控制产品大多集中在低端市场,高端产品依赖进口,控制系统、平台数据采集开发工具等领域的专利多为外围应用类,缺少核心专利。根据中国电子技术标准化研究院在 年对全国 多家大型制造企业的 多种关键基础材料的调研显示:仍有%的关键材
143、料、%以上的智能终端处理器及绝大多数存储芯片依赖进口;高端数控机床、高档装备仪器、运载火箭、大飞机、航空发动机、汽车发动机及关键零部件超过%的制造及检测设备依赖进口。信息基础设施发展不平衡矛盾依然突出,大型制造企业资金、设备、技术资源丰富,具有一定的精益数字化先发优势;而中小制造企业囿于各类资源的限制,精益数字化整体水平偏低,明显滞后于大型制造企业。.精益管理不透明、缺乏数据支撑()精益管理及治理能力不足。部分平台仅重视数据采集,缺乏对采集数据的深度开发利用,不仅数据价值没有释放,也因过度采集与存储造成了数据冗余。此外,企业内对数据的应用多为简单的数据收集、统计、对比,未能深入将数据分析方法与
144、实际业务场景决策、流程相结合,缺乏数据应用实践案例。()龙头制造企业社会责任履行有所缺失。头部制造企业一般承担着搭建平台并向中小制造企业提供精益数字化服务的责任。但目前来看,即使平台搭建完成,制造企业也会因转型意识欠缺、资金投入障碍以及对互为竞争的核心企业有信任危机而“独善其身”,导致制造业平台实际使用效率并不高,没有发挥应有的平台作用。在软件推广方面,国内制造企业自主技术工艺软件化水平较低,缺乏技术工艺系统化组织管理,行业龙头企业缺乏将自主技术工艺软件化封装应用和推广的意识。表-相关数据采集、集成及治理方面的主要问题无目的采集收集无效信息数据对接困难数据缺失现场数据采集手段简陋数据颗粒度过大
145、缺乏统一协议适配性差不能覆盖数据生命全周期框架体系过于庞杂 主导部门不确定建模难度大模型应用缺乏经验国家工信安全中心:工业互联网平台应用数据地图(2021)发布与解读EB/OL.(2022-07-05)2022-10-20.https:/ 个二级指标。从指标评估结构看制造业精益数字化人才育成仍处于较为基础的状态,不能满足制造业精益数字化发展的需要。其中精益人才(精益数字化领导、精益数字化专家、精益数字化班组长和多能工)、人才管理、晋升管理和内训师四个维度低于平均水平,进一步证明了精益数字化人才的配备、培养以及职业发展方面仍旧很不完善,缺乏系统的人才育成体系作为支撑。制造业精益数字化历程中人才育
146、成存在显著的区域差异,华东、华中地区表现较好,东北和西部地区整体表现相对落后。因而精益数字人才的育成与经济发展水平呈现较强的相关性,经济发展从表面上看是财富的增值,但从社会发展角度看是对人才的育成,经济发展的过程也是人才发展的过程,是人才智慧迸发、创造力迸发的过程。()精益数字化人才育成体系构建现状(一)育成标准目前制造业对精益数字化人才的育成标准均从能力和业绩两个方面予以评价。能力重点关注精益数字化人才对精益数字化管理知识的培训与学习、问题解决能力提升、团队管理及协同能力的优化及现场或业务执行力的表现。业绩重点关注人才育成过程中,各层次人才在各自领域中阶段性的业绩表现,包含课题完成数量、项目
147、推进情况、指标达成效果等。(二)育成方式产教融合是精益数字化专业人才培养的基础当前实务届和高校已经逐渐开展深入合作,国内一批提供 ERP 产品、财务软件产品、OA 产品以及相关信息化服务的企业已经开始与国内各大高校合作,以联合授课、主办赛事等方式助推人才培养。目前国内高校在精益管理与大数据、信息化和智能化结合的复合人才的培养上做了较大的调整,不少高校已经根据数字技术的发展和企业的现实应用对各自的培养方案进行了调整,一些与数字技术有关的新兴专业也应运而生(像数据科学与大数据技术、大数据管理与应用等)。精益数字化水平认证是未来人才育成的重要抓手制造业在精益管理和数字化转型方面人才匮乏,缺乏统一权威
148、的水平认证,也给制造业通过调研与初始数据库整理,编写组采集了有效数据 万余条。从收集的数据指标来看,中国制造业在精益数字化经营改善、精益数字化支援改善和精益数字化基础改善三方面的发展水平整体都不高。其中,发展程度相对最高的是精益数字化基础改善方面的安全管理指标,但与最高分 分分值相比仍有较大差距。较高的安全管理指标也从另一个侧面说明自 年 月 日起施行新修订的中华人民共和国安全生产法对制造业安全管理初见成效,更多的制造型企业基于物联网、云计算、人工智能、GIS 等新一代信息技术打造“可知、可视、可溯、可控”的全方位安全管控体系,有效提升安全生产水平。遗憾的是,精益数字化支援改善方面的精益信息化
149、指标处于最低水平,说明制造业在构建凸显制造柔性的精益信息化系统,系统集成实现对全价值链数字化管理升级方面具有极大的改进空间,通过精益数字化加快推进中国制造业全面数字化转型仍任重道远。从所收集的 个一级指标来看,安全管理、战略文化、人才管理和营销管理的精益数字化表现方面处于所有指标的第一梯队,表明中国制造业在思想上已经开始重视精益数字化、在人力资源和营销管理上已经开始逐渐将数字工具进行初步应用。供应链管理、品质管理、成本管理、研发管理处于所有指标的第二梯队,中国制造业在这些方面很多精益数字化的应用仍然处于零星使用阶段。让人略感遗憾的是,中国制造业精益数字化在生产管理、设备管理和信息化管理三个指标
150、上表现相对较差,表明中国制造业在生产现场的综合管理水平上还相对落后,认真夯实企业的数字化管理基础是提升中国制造业精益数字化水平的关键。.中国制造业精益数字化人才储备与育成现状.中国制造业精益数字化人才储备现状中国制造业精益数字化人才目前共分为三类,分别是精益数字化管理人才、应用人才和技术人才三类,然而鲜有企业单独设置稳定的长期岗位。制造业基础性精益改进员工更多是干中学,难以构建精益管理与数字化、信息化技术相融合的知识结构体系,使得人才存在重大供需缺口。中国数字经济就业发展研究报告(年)显示,目前中国数字化人才缺口已接近 万,而且伴随全行业数字化的快速推进,数字人才需求缺口还会持续加大。制造业精
151、益数字化人才作为既懂技术又懂业务的复合型人才呈现极度稀缺的状态。选用人才制造了较大难题。国家亟需推动精益数字化人才的岗位能力评价与认证体系的持续改善,通过考培结合的方式,对企业亟需提升专业知识和技术技能的精益数字化人才实施系统的课程体系培训,实施精益数字化人才职业资格评价、职业技能等级认定,通过严格的考核认证机制对达到标准的人员给予认证。专业的培训与认证中心是精益数字化人才工作的保障目前在精益数字化人才的整体培育上国内尚未出现官产学研通力合作的标杆性培训与认证中心。具有丰富精益数字化行业经验的标杆企业需要共同将精益管理思想、方法工具及数千家合作客户经验融汇集到相关课程中,通过高校、政府的专家评
152、估形成课程体系并建立精益数字化培训与认证中心。(三)育成体系组织在数字精益战略不断精进进程中,需要多元化的组织能力来匹配多样的组织目标,因而,员工个性能力与岗位胜任力的多元化匹配要求,是构建职业发展双通道的迫切需求。无论是管理路径或者专业技术路径都为员工提供了更多的发展空间和晋升通道。.中国制造业精益数字化面临的问题与挑战.精益数字化顶层规划不足()战略层对制造企业精益数字化的颠覆程度认识不足。尚未清晰意识到精益数字化转型不仅是技术问题,更是战略和管理问题。较难找到精益数字化技术与业务场景融合的切入点,使得组织内部协同困难且难以打破原有部门边界和利益壁垒。()简单将精益数字化外包。制造企业在将
153、精益数字化业务包出去、服务商请进来之后,坐等服务商把最终解决方案拿出来,企业高层及相关部门并没有进行深度参与并与服务商紧密配合。精益数字化建设仅停留在业务层面,没有认识到转型应是业务和 IT 双轮驱动的内生性创新。.精益数字化基础相对薄弱()生产现场精益数字化基础薄弱。实现采购管理和供应商管理的信息化、数字化程度不高;图-、-显示,在 年的被调研企业中,仅有%的制造企业开展了产品在线检测、%的被调研企业实现了质量全流程追溯,而大部分企业依然纸质记录生产过程中的质量信息,始终无法打破数据在设计、工艺、管理等人员间共享的壁垒,无法及时对生产制造全流程进行监控。离散型制造企业普遍面临生产制造流程监控
154、难的困境,包括作业现场信息反馈效率低、产品废品率难以控制等问题;流程型制造企业对其设备运行的稳定性和安全性要求高,但较低的资源调度效率已经难以满足企业精益数字化发展的需求。表-列示出当前主要问题及表现。()数字化核心关键技术及信息基础设施不足。能够生产的工业传感器与控制产品大多集中在低端市场,高端产品依赖进口,控制系统、平台数据采集开发工具等领域的专利多为外围应用类,缺少核心专利。根据中国电子技术标准化研究院在 年对全国 多家大型制造企业的 多种关键基础材料的调研显示:仍有%的关键材料、%以上的智能终端处理器及绝大多数存储芯片依赖进口;高端数控机床、高档装备仪器、运载火箭、大飞机、航空发动机、
155、汽车发动机及关键零部件超过%的制造及检测设备依赖进口。信息基础设施发展不平衡矛盾依然突出,大型制造企业资金、设备、技术资源丰富,具有一定的精益数字化先发优势;而中小制造企业囿于各类资源的限制,精益数字化整体水平偏低,明显滞后于大型制造企业。.精益管理不透明、缺乏数据支撑()精益管理及治理能力不足。部分平台仅重视数据采集,缺乏对采集数据的深度开发利用,不仅数据价值没有释放,也因过度采集与存储造成了数据冗余。此外,企业内对数据的应用多为简单的数据收集、统计、对比,未能深入将数据分析方法与实际业务场景决策、流程相结合,缺乏数据应用实践案例。()缺乏权威的数据标准。工业设备种类繁多、应用场景较为复杂,
156、不同环境有不同的工业协议,数据格式差异较大,不统一标准就难以兼容,也难以转化为有用的资源。虽然我国已组建了全国信息技术标准化技术委员会、智能制造综合标准化工作组、工业互联网产业联盟等多个从事相关标准研发的机构,且已制定了国家智能制造标准体系建设指南(年版)工业互联网标准体系框架(版本.)等文件,但具体标准的研制和推广工作刚刚启动,市场接受度不高。在数据治理和数据标准化工作中,制造企业各业务部门参与度不高,不论是标准制定还是标准实施,都难以形成广泛、明确的共识,导致数据标准的研制效率低、可用性极差。.精益数字化建设持续程度不足()缺乏足够资金投入。传统制造企业更加关注投资收益,导致其精益数字化资
157、金投入较为谨慎,而中小制造数据现状难以与快速变化的消费者需求及市场竞争态势相匹配。消费者定制化需求和疫情冲击之下的市场环境对企业内部数据的更新频率要求越来越高,对于外部数据的颗粒度要求越来越精细,但目前制造企业较低的数据治理水平及数据质量造成了大量的数据冗余、系统冗余,影响了信息处理效率的提升。国家工业信息安全发展研究中心发布的工业互联网平台应用数据地图()显示,年我国工业企业设备上云率、业务上云普及率、工业知识沉淀复用比例分别为.%、.%和.%;表-展示了制造企业在数据采集、处理及应用各个环节中存在的问题。企业则认为精益数字化建设将造成一些不必要的大额支出,使其运营成本加大;此外,受疫情影响
158、,很多中小制造企业面临营业收入下滑、账期延长等问题,导致其流动性资金尤为紧张,维持正常运营的刚性支出压力较大,精益数字化投入资金也缺乏保障。投资精益数字化建设是一项系统性工程,周期较长且短期收益不显著。部分企业往往急于见到成效,用传统的绩效指标衡量转型效果,而没有根据企业的实际情况部署配套的评估体系,使其难以对精益数字化建设进程与价值做到阶段性、渐进式的评估。()缺乏利用信息技术推动商业模式创新认识。部分企业重视数据采集和汇聚,却忽视以数据深度挖掘来促进业务战略创新,缺乏从战略层面用大数据促进业务形态、服务模式、管理模式等创新。工业互联网应用前景不清晰、应用场景不深入。制造企业对工业互联网平台
159、建设的认识不足,缺乏利用信息技术去搭建“人机物”一体的网络平台创新模式;很多企业在转型过程中过分重视内部的降本增效,忽略了多方协同共建共享工业互联网生态。()未充分意识到数据作为生产要素的重要性,精益管理流于表面。数字孪生构建的虚拟工厂提供了实时全局数据,但不少制造企业将其当作表面工程,未充分利用,且即使有意识地加以利用,也因数据量过大没有做好分类处理储存,导致有效数据流失。制造企业为节省改造成本和时间成本,往往很少对自身特点进行系统分析,而是机械模仿既有模式、简单拼凑尖端技术,导致数据与管理的实际匹配度不足。.产业链、供应链企业间缺乏协同()供应链运营中信息孤岛现象普遍存在。供应链信息离散储
160、存在不同制造企业内,信息共享程度低、交互速度慢,无法做到多个业务系统数据的互联互通,信息的真实性与可靠性无保障。宏观数据统计准确度欠佳,微观数据与设备之间联系又无法进行沟通。在供应链各节点上,制造企业只根据来自其相邻的下级企业的需求信息进行生产或者供应决策,会导致不真实的需求信息沿着供应链逆流而上,产生逐级放大的现象。()龙头制造企业社会责任履行有所缺失。头部制造企业一般承担着搭建平台并向中小制造企业提供精益数字化服务的责任。但目前来看,即使平台搭建完成,制造企业也会因转型意识欠缺、资金投入障碍以及对互为竞争的核心企业有信任危机而“独善其身”,导致制造业平台实际使用效率并不高,没有发挥应有的平
161、台作用。在软件推广方面,国内制造企业自主技术工艺软件化水平较低,缺乏技术工艺系统化组织管理,行业龙头企业缺乏将自主技术工艺软件化封装应用和推广的意识。.中国制造业精益数字化人才育成现状()精益数字化人才育成现状制造业精益数字化人才育成评价主要分为组织机制、指标监控、精益人才、培训体系、晋升管理、内训师和人才管理七个一级指标和 个二级指标。从指标评估结构看制造业精益数字化人才育成仍处于较为基础的状态,不能满足制造业精益数字化发展的需要。其中精益人才(精益数字化领导、精益数字化专家、精益数字化班组长和多能工)、人才管理、晋升管理和内训师四个维度低于平均水平,进一步证明了精益数字化人才的配备、培养以
162、及职业发展方面仍旧很不完善,缺乏系统的人才育成体系作为支撑。制造业精益数字化历程中人才育成存在显著的区域差异,华东、华中地区表现较好,东北和西部地区整体表现相对落后。因而精益数字人才的育成与经济发展水平呈现较强的相关性,经济发展从表面上看是财富的增值,但从社会发展角度看是对人才的育成,经济发展的过程也是人才发展的过程,是人才智慧迸发、创造力迸发的过程。()精益数字化人才育成体系构建现状(一)育成标准目前制造业对精益数字化人才的育成标准均从能力和业绩两个方面予以评价。能力重点关注精益数字化人才对精益数字化管理知识的培训与学习、问题解决能力提升、团队管理及协同能力的优化及现场或业务执行力的表现。业
163、绩重点关注人才育成过程中,各层次人才在各自领域中阶段性的业绩表现,包含课题完成数量、项目推进情况、指标达成效果等。(二)育成方式产教融合是精益数字化专业人才培养的基础当前实务届和高校已经逐渐开展深入合作,国内一批提供 ERP 产品、财务软件产品、OA 产品以及相关信息化服务的企业已经开始与国内各大高校合作,以联合授课、主办赛事等方式助推人才培养。目前国内高校在精益管理与大数据、信息化和智能化结合的复合人才的培养上做了较大的调整,不少高校已经根据数字技术的发展和企业的现实应用对各自的培养方案进行了调整,一些与数字技术有关的新兴专业也应运而生(像数据科学与大数据技术、大数据管理与应用等)。精益数字
164、化水平认证是未来人才育成的重要抓手制造业在精益管理和数字化转型方面人才匮乏,缺乏统一权威的水平认证,也给制造业通过调研与初始数据库整理,编写组采集了有效数据 万余条。从收集的数据指标来看,中国制造业在精益数字化经营改善、精益数字化支援改善和精益数字化基础改善三方面的发展水平整体都不高。其中,发展程度相对最高的是精益数字化基础改善方面的安全管理指标,但与最高分 分分值相比仍有较大差距。较高的安全管理指标也从另一个侧面说明自 年 月 日起施行新修订的中华人民共和国安全生产法对制造业安全管理初见成效,更多的制造型企业基于物联网、云计算、人工智能、GIS 等新一代信息技术打造“可知、可视、可溯、可控”
165、的全方位安全管控体系,有效提升安全生产水平。遗憾的是,精益数字化支援改善方面的精益信息化指标处于最低水平,说明制造业在构建凸显制造柔性的精益信息化系统,系统集成实现对全价值链数字化管理升级方面具有极大的改进空间,通过精益数字化加快推进中国制造业全面数字化转型仍任重道远。从所收集的 个一级指标来看,安全管理、战略文化、人才管理和营销管理的精益数字化表现方面处于所有指标的第一梯队,表明中国制造业在思想上已经开始重视精益数字化、在人力资源和营销管理上已经开始逐渐将数字工具进行初步应用。供应链管理、品质管理、成本管理、研发管理处于所有指标的第二梯队,中国制造业在这些方面很多精益数字化的应用仍然处于零星
166、使用阶段。让人略感遗憾的是,中国制造业精益数字化在生产管理、设备管理和信息化管理三个指标上表现相对较差,表明中国制造业在生产现场的综合管理水平上还相对落后,认真夯实企业的数字化管理基础是提升中国制造业精益数字化水平的关键。.中国制造业精益数字化人才储备与育成现状.中国制造业精益数字化人才储备现状中国制造业精益数字化人才目前共分为三类,分别是精益数字化管理人才、应用人才和技术人才三类,然而鲜有企业单独设置稳定的长期岗位。制造业基础性精益改进员工更多是干中学,难以构建精益管理与数字化、信息化技术相融合的知识结构体系,使得人才存在重大供需缺口。中国数字经济就业发展研究报告(年)显示,目前中国数字化人
167、才缺口已接近 万,而且伴随全行业数字化的快速推进,数字人才需求缺口还会持续加大。制造业精益数字化人才作为既懂技术又懂业务的复合型人才呈现极度稀缺的状态。选用人才制造了较大难题。国家亟需推动精益数字化人才的岗位能力评价与认证体系的持续改善,通过考培结合的方式,对企业亟需提升专业知识和技术技能的精益数字化人才实施系统的课程体系培训,实施精益数字化人才职业资格评价、职业技能等级认定,通过严格的考核认证机制对达到标准的人员给予认证。专业的培训与认证中心是精益数字化人才工作的保障目前在精益数字化人才的整体培育上国内尚未出现官产学研通力合作的标杆性培训与认证中心。具有丰富精益数字化行业经验的标杆企业需要共
168、同将精益管理思想、方法工具及数千家合作客户经验融汇集到相关课程中,通过高校、政府的专家评估形成课程体系并建立精益数字化培训与认证中心。(三)育成体系组织在数字精益战略不断精进进程中,需要多元化的组织能力来匹配多样的组织目标,因而,员工个性能力与岗位胜任力的多元化匹配要求,是构建职业发展双通道的迫切需求。无论是管理路径或者专业技术路径都为员工提供了更多的发展空间和晋升通道。.中国制造业精益数字化面临的问题与挑战.精益数字化顶层规划不足()战略层对制造企业精益数字化的颠覆程度认识不足。尚未清晰意识到精益数字化转型不仅是技术问题,更是战略和管理问题。较难找到精益数字化技术与业务场景融合的切入点,使得
169、组织内部协同困难且难以打破原有部门边界和利益壁垒。()简单将精益数字化外包。制造企业在将精益数字化业务包出去、服务商请进来之后,坐等服务商把最终解决方案拿出来,企业高层及相关部门并没有进行深度参与并与服务商紧密配合。精益数字化建设仅停留在业务层面,没有认识到转型应是业务和 IT 双轮驱动的内生性创新。.精益数字化基础相对薄弱()生产现场精益数字化基础薄弱。实现采购管理和供应商管理的信息化、数字化程度不高;图-、-显示,在 年的被调研企业中,仅有%的制造企业开展了产品在线检测、%的被调研企业实现了质量全流程追溯,而大部分企业依然纸质记录生产过程中的质量信息,始终无法打破数据在设计、工艺、管理等人
170、员间共享的壁垒,无法及时对生产制造全流程进行监控。离散型制造企业普遍面临生产制造流程监控难的困境,包括作业现场信息反馈效率低、产品废品率难以控制等问题;流程型制造企业对其设备运行的稳定性和安全性要求高,但较低的资源调度效率已经难以满足企业精益数字化发展的需求。表-列示出当前主要问题及表现。()数字化核心关键技术及信息基础设施不足。能够生产的工业传感器与控制产品大多集中在低端市场,高端产品依赖进口,控制系统、平台数据采集开发工具等领域的专利多为外围应用类,缺少核心专利。根据中国电子技术标准化研究院在 年对全国 多家大型制造企业的 多种关键基础材料的调研显示:仍有%的关键材料、%以上的智能终端处理
171、器及绝大多数存储芯片依赖进口;高端数控机床、高档装备仪器、运载火箭、大飞机、航空发动机、汽车发动机及关键零部件超过%的制造及检测设备依赖进口。信息基础设施发展不平衡矛盾依然突出,大型制造企业资金、设备、技术资源丰富,具有一定的精益数字化先发优势;而中小制造企业囿于各类资源的限制,精益数字化整体水平偏低,明显滞后于大型制造企业。.精益管理不透明、缺乏数据支撑()精益管理及治理能力不足。部分平台仅重视数据采集,缺乏对采集数据的深度开发利用,不仅数据价值没有释放,也因过度采集与存储造成了数据冗余。此外,企业内对数据的应用多为简单的数据收集、统计、对比,未能深入将数据分析方法与实际业务场景决策、流程相
172、结合,缺乏数据应用实践案例。()缺乏权威的数据标准。工业设备种类繁多、应用场景较为复杂,不同环境有不同的工业协议,数据格式差异较大,不统一标准就难以兼容,也难以转化为有用的资源。虽然我国已组建了全国信息技术标准化技术委员会、智能制造综合标准化工作组、工业互联网产业联盟等多个从事相关标准研发的机构,且已制定了国家智能制造标准体系建设指南(年版)工业互联网标准体系框架(版本.)等文件,但具体标准的研制和推广工作刚刚启动,市场接受度不高。在数据治理和数据标准化工作中,制造企业各业务部门参与度不高,不论是标准制定还是标准实施,都难以形成广泛、明确的共识,导致数据标准的研制效率低、可用性极差。.精益数字
173、化建设持续程度不足()缺乏足够资金投入。传统制造企业更加关注投资收益,导致其精益数字化资金投入较为谨慎,而中小制造数据现状难以与快速变化的消费者需求及市场竞争态势相匹配。消费者定制化需求和疫情冲击之下的市场环境对企业内部数据的更新频率要求越来越高,对于外部数据的颗粒度要求越来越精细,但目前制造企业较低的数据治理水平及数据质量造成了大量的数据冗余、系统冗余,影响了信息处理效率的提升。国家工业信息安全发展研究中心发布的工业互联网平台应用数据地图()显示,年我国工业企业设备上云率、业务上云普及率、工业知识沉淀复用比例分别为.%、.%和.%;表-展示了制造企业在数据采集、处理及应用各个环节中存在的问题
174、。企业则认为精益数字化建设将造成一些不必要的大额支出,使其运营成本加大;此外,受疫情影响,很多中小制造企业面临营业收入下滑、账期延长等问题,导致其流动性资金尤为紧张,维持正常运营的刚性支出压力较大,精益数字化投入资金也缺乏保障。投资精益数字化建设是一项系统性工程,周期较长且短期收益不显著。部分企业往往急于见到成效,用传统的绩效指标衡量转型效果,而没有根据企业的实际情况部署配套的评估体系,使其难以对精益数字化建设进程与价值做到阶段性、渐进式的评估。()缺乏利用信息技术推动商业模式创新认识。部分企业重视数据采集和汇聚,却忽视以数据深度挖掘来促进业务战略创新,缺乏从战略层面用大数据促进业务形态、服务
175、模式、管理模式等创新。工业互联网应用前景不清晰、应用场景不深入。制造企业对工业互联网平台建设的认识不足,缺乏利用信息技术去搭建“人机物”一体的网络平台创新模式;很多企业在转型过程中过分重视内部的降本增效,忽略了多方协同共建共享工业互联网生态。()未充分意识到数据作为生产要素的重要性,精益管理流于表面。数字孪生构建的虚拟工厂提供了实时全局数据,但不少制造企业将其当作表面工程,未充分利用,且即使有意识地加以利用,也因数据量过大没有做好分类处理储存,导致有效数据流失。制造企业为节省改造成本和时间成本,往往很少对自身特点进行系统分析,而是机械模仿既有模式、简单拼凑尖端技术,导致数据与管理的实际匹配度不
176、足。.产业链、供应链企业间缺乏协同()供应链运营中信息孤岛现象普遍存在。供应链信息离散储存在不同制造企业内,信息共享程度低、交互速度慢,无法做到多个业务系统数据的互联互通,信息的真实性与可靠性无保障。宏观数据统计准确度欠佳,微观数据与设备之间联系又无法进行沟通。在供应链各节点上,制造企业只根据来自其相邻的下级企业的需求信息进行生产或者供应决策,会导致不真实的需求信息沿着供应链逆流而上,产生逐级放大的现象。()龙头制造企业社会责任履行有所缺失。头部制造企业一般承担着搭建平台并向中小制造企业提供精益数字化服务的责任。但目前来看,即使平台搭建完成,制造企业也会因转型意识欠缺、资金投入障碍以及对互为竞
177、争的核心企业有信任危机而“独善其身”,导致制造业平台实际使用效率并不高,没有发挥应有的平台作用。在软件推广方面,国内制造企业自主技术工艺软件化水平较低,缺乏技术工艺系统化组织管理,行业龙头企业缺乏将自主技术工艺软件化封装应用和推广的意识。.中国制造业精益数字化人才育成现状()精益数字化人才育成现状制造业精益数字化人才育成评价主要分为组织机制、指标监控、精益人才、培训体系、晋升管理、内训师和人才管理七个一级指标和 个二级指标。从指标评估结构看制造业精益数字化人才育成仍处于较为基础的状态,不能满足制造业精益数字化发展的需要。其中精益人才(精益数字化领导、精益数字化专家、精益数字化班组长和多能工)、
178、人才管理、晋升管理和内训师四个维度低于平均水平,进一步证明了精益数字化人才的配备、培养以及职业发展方面仍旧很不完善,缺乏系统的人才育成体系作为支撑。制造业精益数字化历程中人才育成存在显著的区域差异,华东、华中地区表现较好,东北和西部地区整体表现相对落后。因而精益数字人才的育成与经济发展水平呈现较强的相关性,经济发展从表面上看是财富的增值,但从社会发展角度看是对人才的育成,经济发展的过程也是人才发展的过程,是人才智慧迸发、创造力迸发的过程。()精益数字化人才育成体系构建现状(一)育成标准目前制造业对精益数字化人才的育成标准均从能力和业绩两个方面予以评价。能力重点关注精益数字化人才对精益数字化管理
179、知识的培训与学习、问题解决能力提升、团队管理及协同能力的优化及现场或业务执行力的表现。业绩重点关注人才育成过程中,各层次人才在各自领域中阶段性的业绩表现,包含课题完成数量、项目推进情况、指标达成效果等。(二)育成方式产教融合是精益数字化专业人才培养的基础当前实务届和高校已经逐渐开展深入合作,国内一批提供 ERP 产品、财务软件产品、OA 产品以及相关信息化服务的企业已经开始与国内各大高校合作,以联合授课、主办赛事等方式助推人才培养。目前国内高校在精益管理与大数据、信息化和智能化结合的复合人才的培养上做了较大的调整,不少高校已经根据数字技术的发展和企业的现实应用对各自的培养方案进行了调整,一些与
180、数字技术有关的新兴专业也应运而生(像数据科学与大数据技术、大数据管理与应用等)。精益数字化水平认证是未来人才育成的重要抓手制造业在精益管理和数字化转型方面人才匮乏,缺乏统一权威的水平认证,也给制造业通过调研与初始数据库整理,编写组采集了有效数据 万余条。从收集的数据指标来看,中国制造业在精益数字化经营改善、精益数字化支援改善和精益数字化基础改善三方面的发展水平整体都不高。其中,发展程度相对最高的是精益数字化基础改善方面的安全管理指标,但与最高分 分分值相比仍有较大差距。较高的安全管理指标也从另一个侧面说明自 年 月 日起施行新修订的中华人民共和国安全生产法对制造业安全管理初见成效,更多的制造型
181、企业基于物联网、云计算、人工智能、GIS 等新一代信息技术打造“可知、可视、可溯、可控”的全方位安全管控体系,有效提升安全生产水平。遗憾的是,精益数字化支援改善方面的精益信息化指标处于最低水平,说明制造业在构建凸显制造柔性的精益信息化系统,系统集成实现对全价值链数字化管理升级方面具有极大的改进空间,通过精益数字化加快推进中国制造业全面数字化转型仍任重道远。从所收集的 个一级指标来看,安全管理、战略文化、人才管理和营销管理的精益数字化表现方面处于所有指标的第一梯队,表明中国制造业在思想上已经开始重视精益数字化、在人力资源和营销管理上已经开始逐渐将数字工具进行初步应用。供应链管理、品质管理、成本管
182、理、研发管理处于所有指标的第二梯队,中国制造业在这些方面很多精益数字化的应用仍然处于零星使用阶段。让人略感遗憾的是,中国制造业精益数字化在生产管理、设备管理和信息化管理三个指标上表现相对较差,表明中国制造业在生产现场的综合管理水平上还相对落后,认真夯实企业的数字化管理基础是提升中国制造业精益数字化水平的关键。.中国制造业精益数字化人才储备与育成现状.中国制造业精益数字化人才储备现状中国制造业精益数字化人才目前共分为三类,分别是精益数字化管理人才、应用人才和技术人才三类,然而鲜有企业单独设置稳定的长期岗位。制造业基础性精益改进员工更多是干中学,难以构建精益管理与数字化、信息化技术相融合的知识结构
183、体系,使得人才存在重大供需缺口。中国数字经济就业发展研究报告(年)显示,目前中国数字化人才缺口已接近 万,而且伴随全行业数字化的快速推进,数字人才需求缺口还会持续加大。制造业精益数字化人才作为既懂技术又懂业务的复合型人才呈现极度稀缺的状态。选用人才制造了较大难题。国家亟需推动精益数字化人才的岗位能力评价与认证体系的持续改善,通过考培结合的方式,对企业亟需提升专业知识和技术技能的精益数字化人才实施系统的课程体系培训,实施精益数字化人才职业资格评价、职业技能等级认定,通过严格的考核认证机制对达到标准的人员给予认证。专业的培训与认证中心是精益数字化人才工作的保障目前在精益数字化人才的整体培育上国内尚
184、未出现官产学研通力合作的标杆性培训与认证中心。具有丰富精益数字化行业经验的标杆企业需要共同将精益管理思想、方法工具及数千家合作客户经验融汇集到相关课程中,通过高校、政府的专家评估形成课程体系并建立精益数字化培训与认证中心。(三)育成体系组织在数字精益战略不断精进进程中,需要多元化的组织能力来匹配多样的组织目标,因而,员工个性能力与岗位胜任力的多元化匹配要求,是构建职业发展双通道的迫切需求。无论是管理路径或者专业技术路径都为员工提供了更多的发展空间和晋升通道。.中国制造业精益数字化面临的问题与挑战.精益数字化顶层规划不足()战略层对制造企业精益数字化的颠覆程度认识不足。尚未清晰意识到精益数字化转
185、型不仅是技术问题,更是战略和管理问题。较难找到精益数字化技术与业务场景融合的切入点,使得组织内部协同困难且难以打破原有部门边界和利益壁垒。()简单将精益数字化外包。制造企业在将精益数字化业务包出去、服务商请进来之后,坐等服务商把最终解决方案拿出来,企业高层及相关部门并没有进行深度参与并与服务商紧密配合。精益数字化建设仅停留在业务层面,没有认识到转型应是业务和 IT 双轮驱动的内生性创新。.精益数字化基础相对薄弱()生产现场精益数字化基础薄弱。实现采购管理和供应商管理的信息化、数字化程度不高;图-、-显示,在 年的被调研企业中,仅有%的制造企业开展了产品在线检测、%的被调研企业实现了质量全流程追
186、溯,而大部分企业依然纸质记录生产过程中的质量信息,始终无法打破数据在设计、工艺、管理等人员间共享的壁垒,无法及时对生产制造全流程进行监控。离散型制造企业普遍面临生产制造流程监控难的困境,包括作业现场信息反馈效率低、产品废品率难以控制等问题;流程型制造企业对其设备运行的稳定性和安全性要求高,但较低的资源调度效率已经难以满足企业精益数字化发展的需求。表-列示出当前主要问题及表现。()数字化核心关键技术及信息基础设施不足。能够生产的工业传感器与控制产品大多集中在低端市场,高端产品依赖进口,控制系统、平台数据采集开发工具等领域的专利多为外围应用类,缺少核心专利。根据中国电子技术标准化研究院在 年对全国
187、 多家大型制造企业的 多种关键基础材料的调研显示:仍有%的关键材料、%以上的智能终端处理器及绝大多数存储芯片依赖进口;高端数控机床、高档装备仪器、运载火箭、大飞机、航空发动机、汽车发动机及关键零部件超过%的制造及检测设备依赖进口。信息基础设施发展不平衡矛盾依然突出,大型制造企业资金、设备、技术资源丰富,具有一定的精益数字化先发优势;而中小制造企业囿于各类资源的限制,精益数字化整体水平偏低,明显滞后于大型制造企业。.精益管理不透明、缺乏数据支撑()精益管理及治理能力不足。部分平台仅重视数据采集,缺乏对采集数据的深度开发利用,不仅数据价值没有释放,也因过度采集与存储造成了数据冗余。此外,企业内对数
188、据的应用多为简单的数据收集、统计、对比,未能深入将数据分析方法与实际业务场景决策、流程相结合,缺乏数据应用实践案例。()缺乏权威的数据标准。工业设备种类繁多、应用场景较为复杂,不同环境有不同的工业协议,数据格式差异较大,不统一标准就难以兼容,也难以转化为有用的资源。虽然我国已组建了全国信息技术标准化技术委员会、智能制造综合标准化工作组、工业互联网产业联盟等多个从事相关标准研发的机构,且已制定了国家智能制造标准体系建设指南(年版)工业互联网标准体系框架(版本.)等文件,但具体标准的研制和推广工作刚刚启动,市场接受度不高。在数据治理和数据标准化工作中,制造企业各业务部门参与度不高,不论是标准制定还
189、是标准实施,都难以形成广泛、明确的共识,导致数据标准的研制效率低、可用性极差。.精益数字化建设持续程度不足()缺乏足够资金投入。传统制造企业更加关注投资收益,导致其精益数字化资金投入较为谨慎,而中小制造数据现状难以与快速变化的消费者需求及市场竞争态势相匹配。消费者定制化需求和疫情冲击之下的市场环境对企业内部数据的更新频率要求越来越高,对于外部数据的颗粒度要求越来越精细,但目前制造企业较低的数据治理水平及数据质量造成了大量的数据冗余、系统冗余,影响了信息处理效率的提升。国家工业信息安全发展研究中心发布的工业互联网平台应用数据地图()显示,年我国工业企业设备上云率、业务上云普及率、工业知识沉淀复用
190、比例分别为.%、.%和.%;表-展示了制造企业在数据采集、处理及应用各个环节中存在的问题。企业则认为精益数字化建设将造成一些不必要的大额支出,使其运营成本加大;此外,受疫情影响,很多中小制造企业面临营业收入下滑、账期延长等问题,导致其流动性资金尤为紧张,维持正常运营的刚性支出压力较大,精益数字化投入资金也缺乏保障。投资精益数字化建设是一项系统性工程,周期较长且短期收益不显著。部分企业往往急于见到成效,用传统的绩效指标衡量转型效果,而没有根据企业的实际情况部署配套的评估体系,使其难以对精益数字化建设进程与价值做到阶段性、渐进式的评估。()缺乏利用信息技术推动商业模式创新认识。部分企业重视数据采集
191、和汇聚,却忽视以数据深度挖掘来促进业务战略创新,缺乏从战略层面用大数据促进业务形态、服务模式、管理模式等创新。工业互联网应用前景不清晰、应用场景不深入。制造企业对工业互联网平台建设的认识不足,缺乏利用信息技术去搭建“人机物”一体的网络平台创新模式;很多企业在转型过程中过分重视内部的降本增效,忽略了多方协同共建共享工业互联网生态。()未充分意识到数据作为生产要素的重要性,精益管理流于表面。数字孪生构建的虚拟工厂提供了实时全局数据,但不少制造企业将其当作表面工程,未充分利用,且即使有意识地加以利用,也因数据量过大没有做好分类处理储存,导致有效数据流失。制造企业为节省改造成本和时间成本,往往很少对自
192、身特点进行系统分析,而是机械模仿既有模式、简单拼凑尖端技术,导致数据与管理的实际匹配度不足。.产业链、供应链企业间缺乏协同()供应链运营中信息孤岛现象普遍存在。供应链信息离散储存在不同制造企业内,信息共享程度低、交互速度慢,无法做到多个业务系统数据的互联互通,信息的真实性与可靠性无保障。宏观数据统计准确度欠佳,微观数据与设备之间联系又无法进行沟通。在供应链各节点上,制造企业只根据来自其相邻的下级企业的需求信息进行生产或者供应决策,会导致不真实的需求信息沿着供应链逆流而上,产生逐级放大的现象。()龙头制造企业社会责任履行有所缺失。头部制造企业一般承担着搭建平台并向中小制造企业提供精益数字化服务的
193、责任。但目前来看,即使平台搭建完成,制造企业也会因转型意识欠缺、资金投入障碍以及对互为竞争的核心企业有信任危机而“独善其身”,导致制造业平台实际使用效率并不高,没有发挥应有的平台作用。在软件推广方面,国内制造企业自主技术工艺软件化水平较低,缺乏技术工艺系统化组织管理,行业龙头企业缺乏将自主技术工艺软件化封装应用和推广的意识。制造业精益数字化实现路径与方法制造业精益数字化是企业精益管理实践与数字化技术的深度融合与相互赋能,其实现路径主要包括“点、线、面、体、魂”五个阶段以及每个阶段所匹配的三层次数字技术。.以精益管理实践为主轴的精益数字化五阶段实现模式精益数字化的关键驱动力是企业精益实践的不断迭
194、代升级,并在该过程中辅以适配的数字技术。部分典型制造企业通过“点、线、面、体、魂”的五阶段模型,以精益为主轴贯穿企业全价值链,应用数字化技术提高精益实践效果,最终形成精益与数字化的相互赋能。.第一阶段:基于业务单元的精益问题改善“点”针对业务单元存在的局部问题,管理者应基于精益诊断与咨询,导入工具、方法,建立标 准 化 精 益 改 善 课 题,归 纳 根 因、提 出 对 策、执 行 改 善 并 进 行 评 估,形 成 PDCA(Plan-Do-Check-Action)持续改善循环,避免问题复发。此阶段需要企业引入精益改善师进行精益问题、原因与对策分析,引入数字精益工程师、精益专员进行运营与精
195、益的信息转化与数字连接,基于人才育成体系与激励制度提高管理者与员工的技能、信心、接受度、参与度与责任感,还应辅以异常管理、改善管理等单元级信息化数据化工具,提高精益实践效率与运营绩效。.第二阶段:基于业务流程的精益管理实践“线”以准时交付为目标,通过精益实践,实现生产计划线、工艺设计线及仓储物流线等单一业务流程上全部业务单元的职能协同与高效衔接。人才育成体系除精益改善师、数字精益工程师、数字精益专员之外,还需建设集团端数字精益实训基地,培训并储备大量数字精益运营师。此阶段应辅以基于异常管理、改善管理、任务管理等模块化功能的,以订单准时交付、全价值链计划协同为目标的数字化工具。最终,基于企业全部
196、链状结构的精益实践改善,引导全员形成精益思想、精益改善氛围,提高企业全产品范围的交付水平与绩效表现。.第三阶段:基于流程协同的精益运营建设“面”以战略目标为导向,构建全局化的精益运营体系,实现企业内部研供产销跨业务流程(链)的集成与协同。结合内部知识迭代与外部知识引进,提高数字精益实训基地人才育成效率,形成数字精益人才良性的内外循环与迭代升级,例如,利用内部培育的数字精益工程师、运营师对外聘精益改善师形成替代、升级。企业应形成基于任务管理、准时交付等数字模块与ERP(企业资源计划)、供应链管理等信息系统集成的,实现研供产销协同管理的数字应用体系。此外,还应通过精益故事、精益标兵、精益制度等元素
197、营造文化氛围,驱动企业标准化的系统性精益实践,实现质量、成本及交付效率的全面改善。.第四阶段:基于系统集成的精益体系优化“体”在全面精益标准化基础上,构建基于企业自身特色的、自我迭代的精益体制与运营体系,形成自主诊断、评价及改善能力,助推企业实现流程或组织的优化、再造。企业应进一步升级精益人才体系,引进 CDO(首席数据官)并构建精益智造规划师团队,与数字精益运营师、精益智造工程师形成基于“线、面、体”的有效衔接。同时,企业需要基于可视化技术构建模块化插件、信息系统为一体的统一数据(云)平台,完成全面数字化转型,最终形成具备企业特色的精益文化,提高核心竞争力,将质量、成本及交付效率提升至行业领
198、先水平。.第五阶段:基于价值网络的精益生态构建“魂”在企业内部精益数字化基础上,持续迭代进化并将数字精益能力外溢到其所在的产业链、供应链、创新链上,构建基于价值网络的精益生态。值得注意的是,供应链/产业链核心企业(龙头企业、关键企业、领先企业)与参与企业(中小企业、配套企业、追赶型企业)的产业影响力和自身能力不同,应采取不同的方式构建或融入精益生态。其中,核心企业应以自身(或牵头建设的)数字生态系统(数字平台)为中心进行全部链上企业的数据集成管理,成为数据资产化、可视化和智能化的终端,进一步提升供应链/产业链掌控力、强化行业壁垒、提升自身业绩;供应链/产业链参与企业则反之,应基于自身行业地位积
199、极参与核心企业数据平台建设,提高供应链合作粘性与效率,享受低成本数字化转型红利,改善业绩,提高行业地位。进而,核心企业应牵头建立并不断提升平台参与者的精益能力,实现基于全链的资源整合、优化及协同,将“全链精益及效益最大化”视为长期战略。此阶段,精益数字化人才育成应聚焦供应链/产业链的整体发展,基于系统人才特征,构建精益数字化赋能中心,培育和引进基于系统化、生态化的数智精益人才,形成可持续的人才培养与共享体系。基于行业级云端数智平台,逐步形成基于经验模型、大数据分析的价值网络智能决策能力,全面推进供应链/产业链的智能化、生态化建设。.数字技术赋能精益改善的三层次架构精益数字化方法,以精益为核心构
200、建了制造企业精益数字化规范路径(如图-):全价值链计划协同为目标的数字化工具。最终,基于企业全部链状结构的精益实践改善,引导全员形成精益思想、精益改善氛围,提高企业全产品范围的交付水平与绩效表现。.第三阶段:基于流程协同的精益运营建设“面”以战略目标为导向,构建全局化的精益运营体系,实现企业内部研供产销跨业务流程(链)的集成与协同。结合内部知识迭代与外部知识引进,提高数字精益实训基地人才育成效率,形成数字精益人才良性的内外循环与迭代升级,例如,利用内部培育的数字精益工程师、运营师对外聘精益改善师形成替代、升级。企业应形成基于任务管理、准时交付等数字模块与ERP(企业资源计划)、供应链管理等信息
201、系统集成的,实现研供产销协同管理的数字应用体系。此外,还应通过精益故事、精益标兵、精益制度等元素营造文化氛围,驱动企业标准化的系统性精益实践,实现质量、成本及交付效率的全面改善。.第四阶段:基于系统集成的精益体系优化“体”在全面精益标准化基础上,构建基于企业自身特色的、自我迭代的精益体制与运营体系,形成自主诊断、评价及改善能力,助推企业实现流程或组织的优化、再造。企业应进一步升级精益人才体系,引进 CDO(首席数据官)并构建精益智造规划师团队,与数字精益运营师、精益智造工程师形成基于“线、面、体”的有效衔接。同时,企业需要基于可视化技术构建模块化插件、信息系统为一体的统一数据(云)平台,完成全
202、面数字化转型,最终形成具备企业特色的精益文化,提高核心竞争力,将质量、成本及交付效率提升至行业领先水平。.第五阶段:基于价值网络的精益生态构建“魂”在企业内部精益数字化基础上,持续迭代进化并将数字精益能力外溢到其所在的产业链、供应链、创新链上,构建基于价值网络的精益生态。值得注意的是,供应链/产业链核心企业(龙头企业、关键企业、领先企业)与参与企业(中小企业、配套企业、追赶型企业)的产业影响力和自身能力不同,应采取不同的方式构建或融入精益生态。其中,核心企业应以自身(或牵头建设的)数字生态系统(数字平台)为中心进行全部链上企业的数据集成管理,成为数据资产化、可视化和智能化的终端,进一步提升供应
203、链/产业链掌控力、强化行业壁垒、提升自身业绩;供应链/产业链参与企业则反之,应基于自身行业地位积极参与核心企业数据平台建设,提高供应链合作粘性与效率,享受低成本数字化转型红利,改善业绩,提高行业地位。进而,核心企业应牵头建立并不断提升平台参与者的精益能力,实现基于全链的资源整合、优化及协同,将“全链精益及效益最大化”视为长期战略。此阶段,精益数字化人才育成应聚焦供应链/产业链的整体发展,基于系统人才特征,构建精益数字化赋能中心,培育和引进基于系统化、生态化的数智精益人才,形成可持续的人才培养与共享体系。基于行业级云端数智平台,逐步形成基于经验模型、大数据分析的价值网络智能决策能力,全面推进供应
204、链/产业链的智能化、生态化建设。.数字技术赋能精益改善的三层次架构精益数字化方法,以精益为核心构建了制造企业精益数字化规范路径(如图-):精益数字化第三层次 基于云技术的精益运营管理系统化与智能化经营智能化预算分析周期粒度数据爬取可视指标云端决策现状画像AI运营差异分析精益云业财融合生产运营供应链资源对象管理层精益管理可视化(经营/运营/执行)精益管理数据库建设及其资产化 改善提案管理 异常管理 任务管理SAAS插件数据引擎数字平台管理数据清晰、转化(TEL)业务建模(静态/动态)动态业务处理模型精益数字化第二层次:基于数据中台的精益管理数据化与可视化精益数字化第一层次:基于全价值链的精益生产
205、标准化与信息化LDC.数据交互(标准自定义)WebserviceHTTPMES硬件数据采集成本管控成本结构分析仓储管理库区库位出入库管理盘点管理工序备料计划主交付计划物料需求计划生产采购计划工序产能分析物料计划预留技术准备产品 Bom工艺路线工序组件工序资源销售订单销售订单管理客户信息维护发货计划管理成本预算分析生产计划工序顺序排定在产工序排定APS 自动排序资源齐套计划供应链协同交付进度管理JIT 送货计划收获检验入库工序外协管理生产执行工序派工/调配工序登录、报工过程质量控制进度/工时查看归集策略标准成本管理实际共担成本图4-1 精益数字化方法图示通过信息系统打通供应链(网络)、工厂群、车
206、间、部门、设备、管理者、员工等多层面的数据连接,消除“信息孤岛”,实现管理对象与数字信息系统可溯源的、可逆向传递的高效交互,为数据目视化、资产化管理提供基础。.第二层次:基于数字平台的精益管理数据化与可视化构建企业数字平台(中台),将标准化、信息化的精益生产数据进行汇总、清洗、存储与初步分析,实现数字集成管理,推动数据资产化、可视化建设。进而,强化大数据分析、可视化技术在异常管理、任务管理、改善管理等模块化精益功能上的应用,将精益数字化从重点业务环节以网状结构向关联业务环节延展,逐步建立全价值链精益数字化生产运营管理体系,为第三层次的精益生产系统化、智能化提供数据链接与架构基础。()精益管理数
207、据化数据资产化是指企业通过数据采集、处理及数据库建设,对精益管理进行长期跟踪、分析及改善,并逐步实现运营数据价值属性的过程。企业借助数字平台的数据清洗、数据转录、管理建模、动态分析、预测分析等功能,实现云端决策与终端运营的数据共享与交互,推进精益管理的决策、执行及反馈。上述过程中起到主要衔接作用的数字化工具包括改善管理、异常管理及任务管理等 个基于 SAAS 架构(软件即服务,具有“小快灵、轻薄柔”特征)的模块化插件,既能作为数据实现“运营终端信息数据智能云端”正向传递的媒介,也能作为管理决策信息实现“智能云端数据信息运营终端”逆向转化的有效桥梁,助推企业实现低成本、高兼容、快速部署的精益数字
208、化转型目标。改善管理。企业运营管理问题种类繁多,仅通过差异管理进行事后整改会造成较高的机会成本,基于数字技术构建全局的、开放式的、事前的、问题导向的持续改善机制是避免潜在浪费与损耗、获得长期竞争优势的重要途径。改善管理的应用场景是企业在生产制造过程中面临的任何层级、任何环节、任何时间的潜在改进机会,提倡“只要是对公司经营有利都要随时随地提出并形成课题”,能有效克服科层制对信息传达的不利影响,构建民主型精益文化。异常管理。异常管理是指企业对生产运营过程中出现的各类与生产计划、公司战略不匹配的故障、差异、事故、失误、中断等问题进行响应、分析与处置。异常管理的应用场景包括异常问题曝光率低、信息传递失
209、真、处理不及时、无人负责、无法分级、透明度低、执行力差、参与度低、记录缺失、根因分析缺失、处置效果不佳等。精益数字化异常管理工具企业形成全域业财融合与人才育成,力求打造“零等待、零停滞、零不良、零故障、零灾害、零浪费、零库存”的长效精益运营机制。此外,基于供应链核心企业的数据驱动,形成全产业链、全供应链、全创新链的集成精益数字化网络,打破企业内外部信息壁垒,进一步提高企业、产业集群、产业生态系统的运行效率与总绩效。.制造企业精益数字化矩阵模型精益与数字化正交赋能从“精益实践驱动企业数字化转型”切入,制造企业精益数字化需经历“点、线、面、体、魂”五个阶段;从“数字技术赋能精益改善”切入,精益数字
210、化需逐步形成“标准化与信息化、数据化与可视化、系统化与智能化”三层次进阶。结合两个精益数字化维度,以精益实践驱动企业数字化转型的五个阶段为“横轴”,以数字技术赋能企业精益改善的三个层次为“纵轴”,构建“五横三纵”矩阵模型(图-),以判别制造企业精益数字化现状,勾勒精益数字化实现路径。.第一层次:基于全价值链的精益生产标准化与信息化制造企业全价值链包括设计、采购、生产、质监、销售、仓储、物流等环节,需通过数字技术赋能精益管理实现产品准时交付、质量保证与成本优化。企业采用 ERP(企业资源计划)、MES(生产执行系统)、PLM(产品生命周期管理)、CRM(客户管理系统)、SRM(供应商管理系统)等
211、工具构建信息化体系,但不同的系统接口与数据标准对全价值链数字统合造成了极大阻碍。因此,数字赋能精益的第一层次需要企业基于精益咨询与模块化应用,结合精益数字化人才育成,实现流程、动作、制度等方面的精益标准化,并在重点业务环节逐步建立信息化、数据化应用场景,将生产运营过程的物理对象或行为对象转化为数字信息,为数字资产化、可视化提供数据基础。()精益生产标准化精益生产标准化是指企业在精益数字化初期,基于差异化精益改善咨询,逐步实现全价值链业务流程改善及标准化的过程,是生产活动与资料无偏、低噪的转化为数字信息的重要前提,为数字化转型提供信息基础。一是销售订单精益标准化,包括销售合同管理、成本预算管理、
212、销售预测分析等。二是生产技术精益标准化,包括产品物料清单(BOM)、工艺设计、工序管理、研发管理等。三是交付计划精益标准化,包括物料需求计划、采购计划、排产管理、产能评估、外包管理等。四是仓储管理精益标准化,包括库存库位管理、物流运输管理、设施布置优化等。五是供应链管理精益标准化,包括采购管理、工序外协管理、供应商关系管理(SCM)、客户关系管理(CRM)、交付管理及仓储物流管理等。六是生产管理精益标准化,包括生产计划与执行、S 管理、工艺与作业管理、班组管理、资源齐套计划、设备管理、能源管理、安全管理、环境管理、异常管理等。七是质量管理精益标准化,包括物料质量管理、成品质量管理、质量成本评估
213、、质量问题溯源等。八是成本管理精益标准化,包括成本归集、预算管理、弹性预算分析、成本系统改进等。最终,通过全价值链运营环节的精益标准化,结合班组管理、多能工培养、精益专家嵌入、内训师培育等进行精益数字化人才育成与文化建设,提升管理行为、生产过程、企业资源的可测量性与可视化水平,提高运营效率与财务绩效的同时为全面信息化提供管理基础。()精益生产信息化精益生产信息化在精益生产标准化基础上,通过传感、安灯、人工登录等技术进行管理信息的识别、转化、收集与存储,实现研供产销等增值活动的全面数据化、信息化。进而,通过信息系统打通供应链(网络)、工厂群、车间、部门、设备、管理者、员工等多层面的数据连接,消除
214、“信息孤岛”,实现管理对象与数字信息系统可溯源的、可逆向传递的高效交互,为数据目视化、资产化管理提供基础。.第二层次:基于数字平台的精益管理数据化与可视化构建企业数字平台(中台),将标准化、信息化的精益生产数据进行汇总、清洗、存储与初步分析,实现数字集成管理,推动数据资产化、可视化建设。进而,强化大数据分析、可视化技术在异常管理、任务管理、改善管理等模块化精益功能上的应用,将精益数字化从重点业务环节以网状结构向关联业务环节延展,逐步建立全价值链精益数字化生产运营管理体系,为第三层次的精益生产系统化、智能化提供数据链接与架构基础。()精益管理数据化数据资产化是指企业通过数据采集、处理及数据库建设
215、,对精益管理进行长期跟踪、分析及改善,并逐步实现运营数据价值属性的过程。企业借助数字平台的数据清洗、数据转录、管理建模、动态分析、预测分析等功能,实现云端决策与终端运营的数据共享与交互,推进精益管理的决策、执行及反馈。上述过程中起到主要衔接作用的数字化工具包括改善管理、异常管理及任务管理等 个基于 SAAS 架构(软件即服务,具有“小快灵、轻薄柔”特征)的模块化插件,既能作为数据实现“运营终端信息数据智能云端”正向传递的媒介,也能作为管理决策信息实现“智能云端数据信息运营终端”逆向转化的有效桥梁,助推企业实现低成本、高兼容、快速部署的精益数字化转型目标。改善管理。企业运营管理问题种类繁多,仅通
216、过差异管理进行事后整改会造成较高的机会成本,基于数字技术构建全局的、开放式的、事前的、问题导向的持续改善机制是避免潜在浪费与损耗、获得长期竞争优势的重要途径。改善管理的应用场景是企业在生产制造过程中面临的任何层级、任何环节、任何时间的潜在改进机会,提倡“只要是对公司经营有利都要随时随地提出并形成课题”,能有效克服科层制对信息传达的不利影响,构建民主型精益文化。异常管理。异常管理是指企业对生产运营过程中出现的各类与生产计划、公司战略不匹配的故障、差异、事故、失误、中断等问题进行响应、分析与处置。异常管理的应用场景包括异常问题曝光率低、信息传递失真、处理不及时、无人负责、无法分级、透明度低、执行力
217、差、参与度低、记录缺失、根因分析缺失、处置效果不佳等。精益数字化异常管理工具企业形成全域业财融合与人才育成,力求打造“零等待、零停滞、零不良、零故障、零灾害、零浪费、零库存”的长效精益运营机制。此外,基于供应链核心企业的数据驱动,形成全产业链、全供应链、全创新链的集成精益数字化网络,打破企业内外部信息壁垒,进一步提高企业、产业集群、产业生态系统的运行效率与总绩效。.制造企业精益数字化矩阵模型精益与数字化正交赋能从“精益实践驱动企业数字化转型”切入,制造企业精益数字化需经历“点、线、面、体、魂”五个阶段;从“数字技术赋能精益改善”切入,精益数字化需逐步形成“标准化与信息化、数据化与可视化、系统化
218、与智能化”三层次进阶。结合两个精益数字化维度,以精益实践驱动企业数字化转型的五个阶段为“横轴”,以数字技术赋能企业精益改善的三个层次为“纵轴”,构建“五横三纵”矩阵模型(图-),以判别制造企业精益数字化现状,勾勒精益数字化实现路径。通过快速响应、智能提报、分级推送、全程可视、原因分析、统计归纳等流程,与任务管理、改善管理形成有效联动。任务管理。精益数字化任务管理工具基于管理可视化、目标标准化、排程全局化、进度数据化等特性,实现任务(项目)全生命周期闭环管理,提升项目执行效率效果。任务管理应用场景包括任务执行进度不透明、沟通效率低下、任务空转、权责不清、规划不科学、效果不明确、资源挤占等问题。精
219、益数字化任务管理工具根据具体任务内容制定业务流程,帮助企业实现任务进程可视化、权责归属清晰化、交付风险直观化(包括临期报警、逾期提醒、关联任务异常预警等)、任务逐层分解化、资源协同化、流程排程集成化等功能。通过信息系统打通供应链(网络)、工厂群、车间、部门、设备、管理者、员工等多层面的数据连接,消除“信息孤岛”,实现管理对象与数字信息系统可溯源的、可逆向传递的高效交互,为数据目视化、资产化管理提供基础。.第二层次:基于数字平台的精益管理数据化与可视化构建企业数字平台(中台),将标准化、信息化的精益生产数据进行汇总、清洗、存储与初步分析,实现数字集成管理,推动数据资产化、可视化建设。进而,强化大
220、数据分析、可视化技术在异常管理、任务管理、改善管理等模块化精益功能上的应用,将精益数字化从重点业务环节以网状结构向关联业务环节延展,逐步建立全价值链精益数字化生产运营管理体系,为第三层次的精益生产系统化、智能化提供数据链接与架构基础。()精益管理数据化数据资产化是指企业通过数据采集、处理及数据库建设,对精益管理进行长期跟踪、分析及改善,并逐步实现运营数据价值属性的过程。企业借助数字平台的数据清洗、数据转录、管理建模、动态分析、预测分析等功能,实现云端决策与终端运营的数据共享与交互,推进精益管理的决策、执行及反馈。上述过程中起到主要衔接作用的数字化工具包括改善管理、异常管理及任务管理等 个基于
221、SAAS 架构(软件即服务,具有“小快灵、轻薄柔”特征)的模块化插件,既能作为数据实现“运营终端信息数据智能云端”正向传递的媒介,也能作为管理决策信息实现“智能云端数据信息运营终端”逆向转化的有效桥梁,助推企业实现低成本、高兼容、快速部署的精益数字化转型目标。改善管理。企业运营管理问题种类繁多,仅通过差异管理进行事后整改会造成较高的机会成本,基于数字技术构建全局的、开放式的、事前的、问题导向的持续改善机制是避免潜在浪费与损耗、获得长期竞争优势的重要途径。改善管理的应用场景是企业在生产制造过程中面临的任何层级、任何环节、任何时间的潜在改进机会,提倡“只要是对公司经营有利都要随时随地提出并形成课题
222、”,能有效克服科层制对信息传达的不利影响,构建民主型精益文化。异常管理。异常管理是指企业对生产运营过程中出现的各类与生产计划、公司战略不匹配的故障、差异、事故、失误、中断等问题进行响应、分析与处置。异常管理的应用场景包括异常问题曝光率低、信息传递失真、处理不及时、无人负责、无法分级、透明度低、执行力差、参与度低、记录缺失、根因分析缺失、处置效果不佳等。精益数字化异常管理工具企业形成全域业财融合与人才育成,力求打造“零等待、零停滞、零不良、零故障、零灾害、零浪费、零库存”的长效精益运营机制。此外,基于供应链核心企业的数据驱动,形成全产业链、全供应链、全创新链的集成精益数字化网络,打破企业内外部信
223、息壁垒,进一步提高企业、产业集群、产业生态系统的运行效率与总绩效。.制造企业精益数字化矩阵模型精益与数字化正交赋能从“精益实践驱动企业数字化转型”切入,制造企业精益数字化需经历“点、线、面、体、魂”五个阶段;从“数字技术赋能精益改善”切入,精益数字化需逐步形成“标准化与信息化、数据化与可视化、系统化与智能化”三层次进阶。结合两个精益数字化维度,以精益实践驱动企业数字化转型的五个阶段为“横轴”,以数字技术赋能企业精益改善的三个层次为“纵轴”,构建“五横三纵”矩阵模型(图-),以判别制造企业精益数字化现状,勾勒精益数字化实现路径。图4-2精益数字化的数据基础与数字平台持续改善改善提案提案申请提案初
224、审提案复审提案验收我的提案提案榜单任务管理快速创建任务维护主任务模版任务报工任务规划任务文档任务异常状态标示&提醒临期标识临期提醒逾期标识逾期提醒受影响标识受影响提醒异常管理异常管理异常处理异常提报异常响应异常升级我的异常异常记录异常提醒使用平台任务基础配置异常基础配置人员管理设备/工位管理资源管理工作日历主任务类型任务标签维护异常报警重要度异常项管理异常报警线异常组管理作业单元异常组部门管理部门岗位岗位管理员工管理用户管理角色管理设备分类设备/工位设备组/工位组菜单管理自定义项档案系统参数配置定时任务配置自动编码编辑资源工作组工作日历商业智能管理大屏数据分析报表项目统计看板(当日)项目一览看
225、板项目分析看板异常进度实时看报项目统计看板(项目)部门展示看板作业单元实时看报项目统计看板(日期)异常发生趋势任务进度异常处理部门统计异常周报任务工时统计异常关闭率统计异常月报任务报工统计异常类别分析每日任务异常区域分析个人电脑移动设备可视化大屏手持终端使用终端线边一体机对接系统标准接口通过快速响应、智能提报、分级推送、全程可视、原因分析、统计归纳等流程,与任务管理、改善管理形成有效联动。任务管理。精益数字化任务管理工具基于管理可视化、目标标准化、排程全局化、进度数据化等特性,实现任务(项目)全生命周期闭环管理,提升项目执行效率效果。任务管理应用场景包括任务执行进度不透明、沟通效率低下、任务空
226、转、权责不清、规划不科学、效果不明确、资源挤占等问题。精益数字化任务管理工具根据具体任务内容制定业务流程,帮助企业实现任务进程可视化、权责归属清晰化、交付风险直观化(包括临期报警、逾期提醒、关联任务异常预警等)、任务逐层分解化、资源协同化、流程排程集成化等功能。图4-3 精益数字化任务管理流程任务规划阶段任务创建者/责任人任务过程监控任务责任人/参与人任务执行阶段任务创建者/责任人任务结果反馈任务创建者/责任人项目创建分解发布开工完工关联任务受影响任务逾期任务临期任务责任人/参与人/逐级领导()精益管理数据可视化通过数字平台的大数据分析、精益建模和可视化技术,提高管理者、员工、供应商、客户等利
227、益相关者之间的信息透明度,协助企业更好的实现生产管理、任务推进、责权分配、员工激励等职能。.第三层次:基于云端技术的精益运营系统化与智能化基于数据化、可视化数字平台,结合云技术与人工智能技术,打造基于企业全产业链/供应链的系统化、智能化运营系统,构建管理决策、数字系统与运营终端的全面交互,实现企业及其产业链/供应链的全面精益数字化。具体的,通过大数据、人工智能、云计算、数字孪生、区块链等数字技术打造具备机器学习、持续迭代等特性的精益数字化工具,并基于企业云端数据库、精益方法论、数字基础设施的支撑与驱动,通过可视化展示、智能化决策与运营仿真,与企业长期战略形成高效率耦合,实现精益管理功能的智能化
228、、系统化,促进企业形成全域业财融合与人才育成,力求打造“零等待、零停滞、零不良、零故障、零灾害、零浪费、零库存”的长效精益运营机制。此外,基于供应链核心企业的数据驱动,形成全产业链、全供应链、全创新链的集成精益数字化网络,打破企业内外部信息壁垒,进一步提高企业、产业集群、产业生态系统的运行效率与总绩效。.制造企业精益数字化矩阵模型精益与数字化正交赋能从“精益实践驱动企业数字化转型”切入,制造企业精益数字化需经历“点、线、面、体、魂”五个阶段;从“数字技术赋能精益改善”切入,精益数字化需逐步形成“标准化与信息化、数据化与可视化、系统化与智能化”三层次进阶。结合两个精益数字化维度,以精益实践驱动企
229、业数字化转型的五个阶段为“横轴”,以数字技术赋能企业精益改善的三个层次为“纵轴”,构建“五横三纵”矩阵模型(图-),以判别制造企业精益数字化现状,勾勒精益数字化实现路径。精益 实践 驱动企 业数 字化 转型数字技术赋能企业精益改善业务单元精益信息化业务流程精益信息化业务单元精益可视化业务单元精益数字化业务流程精益数字化化流程协同精益数字化业务流程精益可视化流程协同精益可视化系统集成精益数字化系统集成精益可视化系统集成精益信息化流程协同精益信息化价值网络精益可视化价值网络精益数字化价值网络精益信息化图4-4 企业精益数字化交叉矩阵模型企业形成全域业财融合与人才育成,力求打造“零等待、零停滞、零不
230、良、零故障、零灾害、零浪费、零库存”的长效精益运营机制。此外,基于供应链核心企业的数据驱动,形成全产业链、全供应链、全创新链的集成精益数字化网络,打破企业内外部信息壁垒,进一步提高企业、产业集群、产业生态系统的运行效率与总绩效。.制造企业精益数字化矩阵模型精益与数字化正交赋能从“精益实践驱动企业数字化转型”切入,制造企业精益数字化需经历“点、线、面、体、魂”五个阶段;从“数字技术赋能精益改善”切入,精益数字化需逐步形成“标准化与信息化、数据化与可视化、系统化与智能化”三层次进阶。结合两个精益数字化维度,以精益实践驱动企业数字化转型的五个阶段为“横轴”,以数字技术赋能企业精益改善的三个层次为“纵
231、轴”,构建“五横三纵”矩阵模型(图-),以判别制造企业精益数字化现状,勾勒精益数字化实现路径。部分典型行业的精益数字化实践 腾讯研究院.汽车产业数字化转型白皮书.2021.汽车行业目前,汽车行业正从传统工业时代向数字时代迈进,从机械化向以电动化、网联化、智能化和共享化为代表的“新四化”演进。年中国汽车产量为.万辆,同比增长.%,主要采用典型的装配式生产模式。传统车企的精益需要数字化赋能,新能源汽车企业的数字化也是以精益为基础的。汽车行业要以精益数字化为关键手段,实现未来“以人为中心”的用户全生命周期管理。汽车行业“微笑曲线”的价值重心正加速由生产制造向研发设计和汽车后市场服务这两端转移,在智能
232、网联产品设计、柔性生产、智能检测、集采、全域流量整合等多领域正展开精益数字化的应用落地。在智能网联产品设计中,车企借助云计算进行 CAE 仿真模拟测试;建立自动驾驶云平台打通自驾研发全链路,大幅提高研发效率;建立智能网联平台支持整套部署或组件化应用。在生产制造环节,运用自动化、准时化、信息化等多种精益方法减少冲压、焊装、涂装、总装等环节的各种浪费,并通过物联网、AI、大数据平台进行自动质检和智能排产,促进设备预测性维护,提升物流效率、安全和质量;通过移动云平台促进 ERP、MES、PLM、BPM、VMS 等系统的数据集成,实现信息系统互通互联,促进数据驱动业务发展,为用户提供全域触达、服务闭环
233、的全周期数字化服务。.电气机械行业数字化转型与智能经营模式正在影响电气机械行业的发展。年,电气机械行业市场规模达 亿元,同比增长.%。随着消费结构升级,消费者个性化、定制化需求激增,企业形成全域业财融合与人才育成,力求打造“零等待、零停滞、零不良、零故障、零灾害、零浪费、零库存”的长效精益运营机制。此外,基于供应链核心企业的数据驱动,形成全产业链、全供应链、全创新链的集成精益数字化网络,打破企业内外部信息壁垒,进一步提高企业、产业集群、产业生态系统的运行效率与总绩效。.制造企业精益数字化矩阵模型精益与数字化正交赋能从“精益实践驱动企业数字化转型”切入,制造企业精益数字化需经历“点、线、面、体、
234、魂”五个阶段;从“数字技术赋能精益改善”切入,精益数字化需逐步形成“标准化与信息化、数据化与可视化、系统化与智能化”三层次进阶。结合两个精益数字化维度,以精益实践驱动企业数字化转型的五个阶段为“横轴”,以数字技术赋能企业精益改善的三个层次为“纵轴”,构建“五横三纵”矩阵模型(图-),以判别制造企业精益数字化现状,勾勒精益数字化实现路径。工厂生产模式逐步从单一品种、大批量的“刚性生产”转向多样化、小规模、周期可控的“柔性生产”。但电气机械行业存在多断点、长交期、大库存、不准时的痛点问题,需要借助数字化技术和工具提升效率。电气机械行业对精益数字化的应用主要体现在运维、生产、研发等场景中。采用电力无
235、人值守套件,通过“数据协同、流程协同和应用协同”满足企业不同阶段的运行控制需求,适应多个维度的智能分析要求,减少系统近%的操作报警,实现从“运行”到“维护”的无人值守模式;利用远程专家服务平台实施全天候在线监测,为边缘设备的运维提供保障,确保运行安全可靠;构建一站式技术工作平台,贯穿整个新产品开发流程,在线编制项目清单、部套 BOM、工艺文件,实时管理科研项目、技术标准等,贯通业务孤岛、数据孤岛和效率孤岛;应用异常管理精益数字化工具实现异常问题的快速解决;应用任务管理精益数字化工具推进项目全周期管理,提高数据可视化和统计分析能力,提高决策科学性。.通用设备行业近年来,硬件为通用设备企业创造的价
236、值份额在不断缩水,预计在本十年期结束时,其利润占比将下降至%。通用设备行业属于典型的离散型制造行业,加上全球供应链调整、原料和人工成本上涨和数字化浪潮,优秀的设备生产商从过去的研发更精密、快速、便宜的机器来撬动增长,转变为致力于硬件与软件相结合、自动化和数字化相结合,根据客户需求定制一对一的精细化集成解决方案。通用设备行业在自动化生产、柔性制造、预测性维护、智物流等应用场景中积极采用精益数字化方法,推出高级服务模式。例如,引入单件流生产方式,采用节拍化拉式生产,对关键工序分装作业标准化,提高自动化水平;采用 MES 系统促进生产计划和生产业务协同管理,利用 APS 系统进行基于有限产能的高级排
237、程,通过 DNC/MDC 系统实现设备联网与大数据采集应用,完成 NC 程序网络化传输和管理;基于大数据分析进行预测性维护;投资互联设备和云平台,创建关于客户及其设备的数据库,以研发创新的方案业务。在供应链方面,采用 WMS 系统自动采集各环节作业数据,确保仓储数据的准确性、实时性,降低仓储管理成本;采用智物流系统建立拉动式物流网络,实现智能校料,精准配送,自动报工和透明化管理;将 AGV 小车与 MES、智物流系统的信息无缝对接,实现物料配送的实时化、自动化。Bain&Company.Thinking Outside the Machine:Global Machinery&Equipmen
238、t ReportR.2022 C01.轨道交通装备行业轨道交通装备行业是我国自主创新程度最高、国际竞争力最强的行业之一。经过多年发展,我国轨道交通装备已形成较完整的产业链条和竞争力较强的产业集群,市场规模不断扩增。数据显示,年至 年行业市场规模的复合年均增长率达.%;年行业市场规模较上年同比增长约.%。其中,以中国中车为代表的轨道交通装备企业,聚焦精益化数字化智能化绿色化发展,正加快转型步伐,建设特色的精益数字化运营管理体系。轨道交通装备行业的整车组装过程涉及零部件种类繁多、生产工序复杂,生产制造作为行业的主战场,迫切需要科学化、标准化、智能化的生产管理模式。引入精益管理理论,结合排程管理建设
239、标准化作业管理模式,夯实基础;通过智能设备、ERP、PDM、MRO 等核心系统采集生产和管理数据,包括信息系统数据、车辆数据、生产设备及能源数据、环境数据等,形成数据采集池。建设以精益为基础的数字化制造平台,通过数据分析、整理和挖掘,结合生产过程中采集的实时数据,监控现场生产状态,推动生产方式由劳动密集向敏捷智能型转变。精益数字化转型拉动产能明显提升,并由生产拉动全价值链,使采购成本降低、各业务间的协同能力大幅度提升。目前,轨道交通装备行业正积极推进精益数字化转型,聚焦智能化绿色化发展,推动行业全面升级。.钢铁行业按照国家发改委最新发布的数据,中国钢铁行业 年利润总额相较上年同比增长.%,但受
240、产业链下游市场饱和等因素影响,平均利润率较低。年 月至 月,钢铁行业总体盈利水平显著下滑。面对能源和生态环保强约束、行业集中度提升,以及保障产业链、供应链稳定的基本要求,钢企运营成本增加、退出风险增大。目前,高铁、隧道等国家和省市级工程正如火如荼进行,面对动态变化的市场环境和巨大的市场潜力,钢企采用人工智能、大数据等数字化技术深化精益管理,提升核心竞争力,促进行业向绿色生产与智能制造方向发展。钢铁行业涉及的生产流程复杂、基础数据来源多,整体发展规划少,解决上述问题成为转型过程中的首要难题。以精益管理为基础,制定向小批量定制化生产模式转变等发展规划;在信息化系统基础上,借助互联网、人工智能、大数
241、据技术,以全面支撑生产为着力点,深中商产业研究院.2022年中国轨道交通装备行业市场规模及未来发展趋势预测分析EB/OL.2022-06-30.https:/ww- 等数据采集和识别设备,采集生产加工和物流数据。通过采用持续改善等精益数字化工具,与 OMS、ETL、ERP 等信息化系统相融合,促进采购、生产、库存多业务对接与数据协同,实现产品批次管理、有效期管理和库存预警,将精益管理最佳实践固化,并持续改进。在线交易精准的需求预测能力、不同消费场景构建、高效的供需匹配和调度能力,大幅度降低了浪费,同时捕捉新需求以驱动产品多元化创新,促进食品行业以用户需求为核心建设精益数字化运营管理体系,驱动行
242、业向绿色化、健康化、标准化和品牌化发展。李元鹏,汪小帆,王嘉骏,沈建飞.钢企数字化转型:须用巧力盘活潜力C.沙莎等编,赢在当下:解锁大规模数字化转型M.上海交通大学出版社,2020 国家统计局.EB/OL.2022-10-20.https:/ Data Officer)将成为实施精益数字化企业中关键的决策集体成员之一。.数字精益工具的小型化和模块化是未来发展的方向未来制造业根据自身诉求进行数字技术的自我开发和应用将成为重要的发展方向。工作人员摆脱计算机语言约束,通过图形化工具修改系统原型,灵活方便地对既有小型化和模块化的数字工具进行无代码或低代码组合和开发,将能更好地赋能小批量生产和个性化定制
243、。.精益数字化要时刻关注制造工艺的发展和技术变革技术变革一直在推动产业转型、更替和消亡,精益数字化在实施过程中要时刻对外部技术变革和内部工艺革新保持敏感性,最大限度地避免将精益数字化建立在落后或行将淘汰的设计和技术框架之上。综上,制造业要深刻认识到精益和数字化是相互补充的,精益思维可以降低流程和产品的复杂性,有助于提高数字化转型效率。透明、稳健和标准化的精益流程对于成功引入数字技术至关重要。将精益思想、工具和方法引入制造业是其获取竞争优势的基础,而充分利用数字工具不断赋能精益将会放大上述竞争优势,并助推企业数字创新。.数据业务的职能化是精益数字化组织的发展趋势数字技术增加了企业数据的可获得性,
244、也让企业运营的数据内容呈现几何级增长,在不断识别企业运营问题的同时也对企业数据分析提出了更高要求。具有敏感数据意识的数据顾问和组织内部专门的数据岗位将成为企业持续改善的重要支撑。设立专门的数据中心和独立的数据部门也将会变得越发重要,新设首席数据官(CDO,Chief Data Officer)将成为实施精益数字化企业中关键的决策集体成员之一。.数字精益工具的小型化和模块化是未来发展的方向未来制造业根据自身诉求进行数字技术的自我开发和应用将成为重要的发展方向。工作人员摆脱计算机语言约束,通过图形化工具修改系统原型,灵活方便地对既有小型化和模块化的数字工具进行无代码或低代码组合和开发,将能更好地赋
245、能小批量生产和个性化定制。.精益数字化要时刻关注制造工艺的发展和技术变革技术变革一直在推动产业转型、更替和消亡,精益数字化在实施过程中要时刻对外部技术变革和内部工艺革新保持敏感性,最大限度地避免将精益数字化建立在落后或行将淘汰的设计和技术框架之上。综上,制造业要深刻认识到精益和数字化是相互补充的,精益思维可以降低流程和产品的复杂性,有助于提高数字化转型效率。透明、稳健和标准化的精益流程对于成功引入数字技术至关重要。将精益思想、工具和方法引入制造业是其获取竞争优势的基础,而充分利用数字工具不断赋能精益将会放大上述竞争优势,并助推企业数字创新。附录场景:全价值链管理企业背景及痛点问题:年沪版上市的
246、安徽合力股份有限公司是安徽叉车集团有限责任公司核心控股子公司,主导产品为“合力、HELI”牌系列叉车。十年的精益路助推公司跻身世界叉车行业七强,但面对客户需求逐步细分且快速迭代的新形势,目前的精益管理难以满足决策的效率、精准性、有效性、前瞻性的更高要求,使得精益推进出现僵局。解决方案:合力持续应用精益化思想方法加大生产线工艺装备及流线化、数字化、信息化改造的投入,逐步使作业现场实现柔性化、节拍化、准时化生产;构建大规模定制环境下数字化车间里垂直集成的生产计划与执行、智能物流、质量检验和设备管理的精益管理体系,向智能工厂方向发展,探索适应工业车辆制造企业柔性化生产的精益管理方式;构建覆盖“研、产
247、、供、销、服”全业务场景的支撑平台,构建“决策数字化平台”与“营销数字化平台”,支撑企业营销前端与决策端的快速协同,满足决策支撑并更高效地赋能业务,从而打破精益管理僵局,实现加倍速的持续改善。应用成效:通过精益思想与数字化工具的融合,建立了以精益生产为基础的智能制造系统,实现数据的实时采集和系统分析,促进生产计划、生产过程透明化,保证了生产平稳、有效运行;数据的联动、多维、分层分析及可视化消除了信息交互屏障,提高了业务响应速度和管理决策效率,改变了董事会、经理层的决策方式和中层的管理模式;持续优化流程,改善品质的同时提升了管理能力,使组织绩效大大提升,用户订单确认时间由-天缩短至不超过天,计划
248、执行情况反馈时间粒度由天缩短至小时,人均劳动生产率提高%,营业收入增长%。附图1 左图为安徽合力管理数字化系统界面;右图为精益数字化发展体系案例 安徽合力:数字化赋能决策精准与高效案例 安徽合力:数字化赋能决策精准与高效附图2 左图为全柴动力J2加工线数字化管理平台;右图为异常进度实时看板场景:生产管理企业背景及痛点问题:安徽全柴动力股份有限公司是国内领先的发动机研发与制造企业,拥有天和机械、锦天机械、欧波科技、元隽氢能科技等多家子公司。在疫情常态化、全球芯片供应紧张、原材料价格大幅上涨以及“蓝牌轻卡”政策调整的背景下,全柴亟需将精益生产与数字化融合,进一步提升效率和产品质量。企业金加工分厂信
249、息化建设比较薄弱,自动化与信息化程度不匹配,缺少信息化系统串联自动化设备,信息孤岛现象严重。解决方案:全柴动力以精益化改造为核心,在金加工分厂开展S管理,改善现场环境,提高员工整体素养;开展改善提案管理,持续优化流程;开展设备TPM管理,制定年度设备清扫大计划、设备自主保全基准书,建立设备自主保全三级巡检机制;开展质量管理,建立质量管控标准,运用质量工具分析过程数据。在实施精益管理的基础上,应用数字化工具进行固化与优化:采用异常管理精益数字化工具优化异常上报途径,制定异常处理管理机制,减少停机时间;使用ERP、MES、PLM、OA、HR、SRM、E智能服务平台等信息化系统实现信息的互联互通,提
250、升加工线数字化管理平台,打通设计、工艺到制造的数据流,打造高效、协同、集成的数字化工厂。应用成效:通过精益数字化工厂项目建设,完成了金加工分厂信息化与数字化从无到有、由点到面的建设,打造个网络、个平台的精益数字化配置,从管理角度、流程角度、数据角度对生产管控、设备管理、采集分析进行了有效的梳理与固化。从年至年,金加工分厂人均生产台数增加了.%;单台制造成本降低了.%;存货周转率增长了%。生产与管理水平的提升拉动了企业经营业绩的提高,近三年市场 占 有 率 年 均 增 长 .%、营 收 年 均 增 长.%、净利润年均增长.%,净资产收益率超行业平均值。案例 全柴动力:数字化推动精益制造升级附图3
251、-2 出库装机管理场景附图3-1青山工业的敏捷开发机制流程场景:生产管理企业背景及痛点问题:重庆青山工业有限责任公司是中国兵器装备集团公司所属的国有大型工业企业,主要从事各类汽车变速器的研发、生产和销售。随着要素成本攀升,青山工业也面临较大的成本压力,需要加速推动精益生产,实现降本增效。当前,青山工业的生产平准化工作主要采用线下管控方式,数据应用采用人工统计形式,数据加工链路约 h/周,人工重复工作成本较高,且数据反映业务信息滞后、准确性存疑,不能支持精准管理和决策。解决方案:在“D”数字化战略的引领下,结合当前青山的人员储备与业务背景,建立符合青山现状的敏捷开发机制,按照需求分析、迭代开发和
252、交付应用三个步骤进行数字化管控舱建设,实现出库装机管理、生产执行管控、库存资产管控等场景的数字化管控。其中,需求分析涉及数据驱动业务的模型设计、平台总体设计;迭代开发包括数据标准化、原型设计、数据建模、数仓建设和应用开发五个核心步骤,根据每一个迭代任务的需求,循环进行开发和验证测试;最终可应用在出库装机管理、生产执行管控、库存资产管控、数据驱动业务全景等领域,高效、灵活、敏捷的支撑青山公司数据应用需求。应用成效:基于敏捷开发模式,通过精益数字化的应用实现数据驱动业务的探索与建设,自主开发完成精益生产平准化数字管控舱,节约外部开发成本 万元,降低标准工时 人天/年,降低库存资金占用约 万元,同时
253、提升月平均装机计划执行率 个百分点、生产计划执行率 个百分点,达到预期目标。案例 青山工业:数字化管控支撑生产平准化附图4 左图为歇马曲轴的质量看板;右图为异常管理精益数字化工具应用效果场景:生产管理企业背景及痛点问题:重庆歇马机械曲轴有限公司成立于年,是专业生产摩托车和通用发动机曲轴的优质制造商。面对当前市场规模受到来自于客户、竞争、质量三方面的压力,歇马曲轴亟需大力发展智能制造、打造柔性生产模式,向全面自动化生产推进。当前,传统的集群式生产带来了生产流转周期长、在制品积压过大、设备利用率不高、工艺秩序差、等待和作业时间浪费等问题,无法快速响应客户日趋个性化的要求。解决方案:在“歇马智造”战
254、略指引下,通过“模型导入、现状调研、方案制定、改善实施、长效运行”五个步骤,利用时间观测表、作业组合票、工序能力核算等工具,并结合MES/ERP系统,对CC产线进行了全面的精益数字化升级改造。产线采用滑道代替原有的周转架,实现工件流转提速;按一个流方式将相邻工序安置在一起,各工序实现节拍同步,避免工件滞留;规定工序间滞留工件数量不大于件,对于工序出现的异常进行快速反应,减少生产停顿。其中,异常管理借助精益数字化工具实现异常数据信息化、异常问题可视化、异常管理过程透明化,建立异常管理的快速响应流程与机制。应用成效:企业开展S、IE工程、设备/工装改造、目视化提升等工作,现场S及目视化水平持续改善
255、,基本实现了流水线标准化与工位管理标准化,产线的精益数字化整体水平大幅提升;精益数字化工具的使用让异常过程信息实时可见,异常数据全部结构化且支持分析报告的定制输出。在异常管理基础上延伸出相关改善提案,完整涵盖了PDCA循环。从量化指标来看,在制品及加工周期缩短%,班产出提升%,异常处置处置时间缩短%,问题解决速度提升。案例 歇马曲轴:产线精益升级打造数字化基础场景:生产管理企业背景和痛点问题:洛阳双瑞风电叶片有限公司是中船集团旗下中国海装控股、七二五研究所代管的公司,主要从事风力发电叶片、特种非金属制品的研制与生产。风电制造市场正在经历从纷乱到寡头、从短缺到均衡、利润逐渐降低的过程,挖掘成本的
256、降低成为风电企业面临的当务之急。生产异常暴露难、响应慢的问题是阻碍双瑞风电进一步提效降本的重要因素,快速解决生产异常问题能够有效缓解产品交付周期长、质量损失大和成本高的压力。解决方案:双瑞风电采用异常管理的精益数字化工具,配合自身异常管理机制,将异常提报、处理、闭环等一系列管控措施实现信息化、流程化和即时化,使提报与处理流程清晰、责任追溯清晰,异常管理方式数字化、标准化,异常管理模式模块化;建设标准提报处理流程;采用异常分类提报管理、异常看板管理、异常升级机制、异常知识库管理等功能实现生产现场异常信息的快速传递和有效地处理分析与再发防止,全面提升异常模块的数字化管理水平。应用成效:企业建立了以
257、五大类异常为基础的分类提报方式,拉动全价值流程和部门一体化的异常管理模式,异常数据信息的分析效率提升。异常管理精益数字化工具上线后各基地异常暴露数量提升%,异常处理效率提升%,因异常带来的负面影响减弱,各基地生产逐渐平稳,交付率提升.%;各类异常解决知识库日益丰富,异常的可追溯性不断完善;数字化异常管理平台与生产信息实时联动,各部门可实时查看异常信息和处理进度,异常管理效率大幅提升,生产效率得到明显增加。附图5 左图为双瑞风电异常管理精益数字化工具实施效果;右图为异常进度实时看板案例 安徽合力:数字化赋能决策精准与高效案例 安徽合力:数字化赋能决策精准与高效案例 双瑞风电:精益数字化工具助力异
258、常管理附图6 左图为青达环保的工艺流程;右图为异常管理精益数字化工具应用流程场景:生产管理企业背景及痛点问题:青岛达能环保设备股份有限公司主营“环境污染防治专用设备、锅炉辅助设备、化工生产专用设备、烟气污染物减排及余热利用设备、蓄热设备、清洁供暖系统及设备”的设计、制造及销售业务。在市场竞争日趋激烈的情况下,青达环保当前的边设计边采购边生产的制造模式不能进行匹配生产准备工作,生产周期较长,交付压力大,急需提高产品及时交付能力。解决方案:企业以鳞斗干渣机产线为试点,建立标准节工位制节拍化生产流水线,将原来杂乱无章的地摊式作业转变为整洁有序的现代工业流水线生产模式,设计专业化工装,提升作业效率;以
259、标准节产线为基准,以产线节拍标准为计划管理的锚定点,建立N+月度产线预投计划、产线日推移计划、物料联动计划三级计划体系,并通过产线日生产计划拉动前端工序的配套生产计划;联动物料配送计划,建立物料预警信息的管理流程,保障每一颗物料精确准时配送到现场工位;导入异常管理精益数字化工具,建立异常问题快速响应机制。应用成效:青达环保开创性的将流线化生产的概念引入大型复杂环保设备制造领域,整体效率明显提升。干渣机产线现场在制品由台份降为台份,产品生产周期缩短%,生产工单交付周期实现可控和可预估,产能效率提升带来了单位产值提升;建立了各类生产异常问题的有效管理,问题关闭率达到%,平均异常处理时间由.h降至.
260、h,管理和生产效率大幅提升,激活了员工与组织的潜能与活力。案例 青达环保:精益数字化重构生产制造模式附图7 左图为西开电气的作业流程图;右图为420kV-550kVGIS全价值链产品计划体系场景:全价值链管理企业背景及痛点问题:西安西电开关电气有限公司是中国西电集团公司的核心子企业,主要从事高压、超高压、特高压开关设备的研发、制造、销售和服务。“定制化、多品种、小批量、急需求、周期短”的用户新需求对西开电气提出了更高要求。而西开电气目前的全价值链体系尚不健全,协同性有待提高,生产系统运行不顺畅,成套车间与装配车间产能匹配度不够,异常问题较多,严重影响产线的运行效率,导致产品交货期无法保证。解决
261、方案:西开电气导入精益全价值链产品线建设项目,以总装车间产品线为核心,从全价值链层面梳理优化全链产能资源(含供应链),明确并持续优化全链各产线的节拍、周期、产能等参数,以总装产线节拍需求为导向,建立全链各产线的协同运行,实现产品成套产线(零部件)与总装产线资源的明确匹配。通过完善三级计划体系,建立一体联动计划生产体系,应用各产线的标准参数进行产能匹配,形成产、供、销协同的各级计划的释放节点及释放规则,实现产能明确、生产计划与产能的匹配性,均衡生产作业体系。应用成效:通过全价值链产品线建设及一体联动计划体系的运行,实现了JIT计划联动和均衡的生产作业体系,保证了全业务链协同、流动、均衡、准时、高
262、效的运转,减少了订单变动、周期不足、成套响应不足等影响生产计划达成的问题。最终实现各产品线开工齐套率同比提升%;各产品线平均生产周期缩减%,各车间月末平均在制资金同比降低%;总装车间零部件上线合格率显著提升。案例 西开电气:精益全价值链建设协同激发产能附图8 左图为中船712所的部门任务统计分析看板;右图为项目一览看板场景:任务管理企业背景及痛点问题:中国船舶集团有限公司第七一二研究所组建于年月,主要承担船舶电力推进系统及化学电源的研究设计、制造、试验及总装总调任务。在新能源领域市场竞争愈加激烈的背景下,提升管理、降本增效成为企业实现高质量发展的核心命题。当前,中船所在重要项目的传递、跟踪可视
263、化方面存在不足,且如何将一线人员从精益求精的研究员转变为效率为先的管理者,也是企业面临的难题。解决方案:企业引入任务管理精益数字化工具,进行任务全生命周期的管理,明确团队分工、共识管理范围,通过进行方针管理培训掌握如何识别重点任务,建立和推进围绕任务达成的改善课题奖励机制,并持续对看板和统计逻辑进行优化,使项目管理可视化、任务分解标准化、任务排程全局化、任务进度可追踪,促进企业高效运营。应用成效:借助精益数字化工具进行任务全流程管理,使得领导层关注的重点任务、部门关注的下级子任务实现了全生命周期可视化,实现任务完整准确地传达,项目进展清晰,节点高效反馈;资源得到合理配置,部门间协同性大大增强,
264、加速了精益决策落地。同时,精益数字化的生产模式促进员工意识的快速转变,主动发现问题并解决问题,降低了异常问题的响应时间,做到了问题提报、分类和帕累托分析的实时化,大大提升了课题的准确度和质量水平。案例 中船 所:精益数字化工具贯穿项目全生命周期附图9 左图为沈鼓集团“精益数字化车间”架构图;右图为生产物流体系场景:供应链管理企业简介及痛点问题:沈阳鼓风机集团股份有限公司始建于年,提供大型离心压缩机、轴流压缩机、往复式压缩机、泵以及工业汽轮机等被喻为“工业心脏”的核心装备和成套解决方案。随着工业互联网推动供应链变革,促进企业间网络化协同,采用传统方式推行精益已难以满足沈鼓集团的快速发展,迫切需要
265、运用数字技术实现供应链管理的规范化、精确化、可视化,加强成本控制,提高运营效率。解决方案:沈鼓集团坚持“精益贯穿,数字驱动”的基本原则,以品类管理为主线,重点强化战略采购职能,建立品类管理矩阵模型,输出各类型采购品类差异化策略;实施采购战略联盟,加强战略合作伙伴关系管理,深入开展框架协议采购、配套件标准化等工作;采用ERP系统进行生产计划线上化管理,驱动物料需求计划和采购计划,并打通MES系统实现计划与实际的实时可视化监控;借助PDM、ERP、SRM等系统进行预投件线上化管理,全流程全部实现在线操作;打造数字化阳光采购平台,制定线上化采购管理制度;建立物料编码规则及物料技术标准,运用科技管理系
266、统进行物料数据的结构化设计,构建配套件、自制件等数据库,准确高效传递供应链信息;基于ERP数据建立分品类的物料库存周转率监控模型,搭建监控数字化仪表盘。应用成效:通过数字技术打造了敏捷型供应链,产品成本持续降低;建成采购框架协议监控和管理机制,实现了框架协议实时监控和优化改善;拓宽了采购渠道,提升了采购效率,全过程实现透明化,供应商可控性加强。实现了快速响应客户需求,使供应链管理达到规范、透明、科学、高效,提升了供应链的综合运营质量和效率。案例 沈鼓集团:数字化创造敏捷型供应链模式附图10 左图为中煤科工常州院的仓库;右图为智物流管理系统场景:生产管理企业简介及痛点问题:中煤科工集团常州研究院
267、有限公司专业从事煤矿自动化、信息化产品的研发、生产、销售和服务。在工业企业以“智能制造”为主攻方向的趋势以及打造世界一流创新型企业的战略定位下,常州院原有的批量生产方式难以满足“定制化、多品种、小批量”的市场需求。企业亟需实施精益管理与数字化转型,打破业务与数据壁垒,不断提升协同水平,推动企业高效运营。解决方案:企业引入单件流的生产方式,采用节拍化拉式生产,颠覆性变革车间的生产组织形式;引入供应商管理和供应商质量,提高采购效率,缩短产品交付周期,提高供应商交付质量;展开S、目视化管理;引入异常管理精益数字化工具,提高异常处理效率;引入智物流系统实现对所有产品的实时扫码出入库,以及对部分产品核心
268、部件的生产装配、测试检验、维修、包装、出入库的全过程跟踪记录,形成统计报表供查询分析,实现供应商的交货管理、销售出库后的包装运输管理。应用成效:车间年传感器线人均效率提升%以上,产品订单交付及时率提高%,生产周期缩短%,物流配送路径缩短%,终检不合格率降低%,直接人工成本下降万元。年二期种拓展产品的平均生产周期缩短了%,生产工时降低%,节省直接工时费用万元。案例 中煤科工常州院:精益数字化支撑多品种、小批量生产附图11 上图为杰克科技的订单交付全流程看板;下图为物流管理流程场景:物流管理企业背景及痛点问题:杰克科技股份有限公司起源于 年,专业从事智能缝制装备研发制造,主导产品有智能裁床、智能工
269、业缝纫机以及缝制装备关键部件等。在竞争日益激烈的环境下,杰克科技的生产效率需要进一步提升。在物流管理方面,企业仍采取传统的货架式配送管理方式,存在人员培养不足、物料配送不及时、物料等待现象频繁等问题,亟需在物流配送管理上做出创新与改善。解决方案:杰克开发智物流管理系统打通供应链环节,实现信息流、实物流和数据流的三流合一。通过拉动式物流网络、智能校料、精准配送、自动报工,实现全生产物流的透明化管理。在收料端,从供应商发货、出库送货、在途状态到收货整个过程实现实时监控;智物流数据后台自动根据物料分类显示待检状态信息,并根据仓库库存及调度的生产需求对物料标明“加急”、“正常”,提高检验员对待检物料的
270、把控;仓库账务数据实时同步,检货员根据工厂生产工单同步接收备料减配单进行减配出库,库存数据同步更新;设置四向穿梭车立库货架,减轻员工劳动强度,减少仓 管 人 员,实 现“零 等 待”;将 AGV 小 车 与MES、智物流系统的信息无缝对接,实现车间物料配送的实时化、自动化,实现精准配送、JIT管理。应用成效:在实施智物流项目后,仓库人员减少了/,备货效率提升了一半,仓管员的劳动强度显著降低。同时,很好的解决了车间缺料问题,避免了因呼叫不及时导致的缺料等待,有效控制了现场库存资金,固化了改善措施,实现了生产制造全流程及时、高效、透明一体化运营管理。案例 杰克科技:智慧物流提升 JIT 管理附图1
271、2 左图为上海烟草机械的异常问题处置部分截图;右图为异常进度实时看板场景:生产管理企业背景及痛点问题:上海烟草机械有限责任公司主要经营烟草机械制造、大修,烟草机械零配件、数控机床零部件、通用机械的制造及修理。在客户需求量快速增长的压力下,公司产品交付周期需要进一步缩短。而阻碍客户交付的因素主要包括现场异常问题频发、问题解决时限长,严重影响了生产制造周期,需要应用更轻量化的信息化手段固化基层流程。解决方案:以精益管理为载体,以交付周期缩短、生产效率提升、成本降低为目标开展改善活动。导入精益方法展开异常管理,根据异常处理的难易程度、重要度对异常进行分级管理,对常见异常类型进行分类管理,并明确第一责
272、任部门;针对异常建章立制,固化异常响应与处理流程,建立考评项;通过异常管理数据多维度统计分析问题,初步建立用数据思维取代定性思维。采用异常管理精益数字化工具明确异常标准、提报处理流程,包括快速响应、分级推送、目视上屏、原因分析、统计归纳、知识积累等环节。应用成效:异常处理状态的实时化、目视化使处理效率显著提升;异常的快速响应与处理促使产品制造过程中断减少,周期大大缩短;设备长时间停机减少,重大故障停机件数同比下降.%,平均故障间隔提升.%;设备维修成本同比降低.%;强大的报表系统为决策者提供决策依据。案例 上海烟草机械:异常管理数字化工具赋能精益现场场景:生产管理企业背景及痛点问题:中车株洲电
273、力机车有限公司是中车旗下的核心子公司,主营业务为干线铁路电力机车、电动车组和城市轨道交通装备及其零部件的研发、制造、维修、销售与售后服务。年,订单需求增加,而当时公司的生产质量更多依赖工艺人员的水平,产线长、布局大,整体一致性差。为保证作业效率,优质完成生产目标,公司实施改善。解决方案:企业根据现场写实情况与标准工时,梳理了转向架城轨构架整合等多项项目的工序关系,运用山积图、工序推移图等精益工具对瓶颈工序进行了分析、优化,对部分工序进行了切分、整合,为工位平衡奠定基础。采用焊接机器人等先进设备进行生产制造,根据工序关系和各工序的标准工时、作业人数输出各项目的工位制节拍化排程,实现“定人、定物料
274、、定节拍、定作业内容”的管理模式,建设数字化生产车间并推广,促进产线装备数字化应用,完善数字化制造体系。搭建数字化质量管理系统,建立产品制造数据贯通的标准体系;搭建物流数字化管理平台,提升项目计划、生产计划、采购计划、物流计划、销售发运计划等各类计划、资源的协同与调配,打造智慧物流体系;应用AGV、智能立体料库等实现仓储的数字化管理;打通PLM、ERP各系统接口,实现数据贯通,促进采购与供应链的流程数字化;并致力统筹研发、生产、供应链、销售等全业务数据,打造精益高效、可视可控的管理协同精益数字化平台,建设“智慧株机”。应用成效:以精益指标体系为牵引,以数字化技术赋能工厂建设,促进了产线装备数字
275、化应用,完善了数字化生产体系。具体体现:其一,节拍兑现率提升%,生产周期缩短%,生产产量提升%;其二,转运一体化配送工装的投入使用,为物料的齐套性管理奠定了基础,使物料齐套率提升了%,一次交验合格率提升了%。同时,解决了现场物料积压问题,主料定额的准确率达到%,节约了生产管理、人工等大量成本。案例 中车株机:数字赋能生产制造,致力建设“智慧株机”稳定的前提下,总装制造周期由天缩至天,转向架横梁制造周期减少天,车顶受电弓框架安装制造周期由天减少为天。通过数据集成,结合三三制组织模式推进划分生产工位,实现城轨总组装产线周期压缩%,人员配置优化%,构架焊接产线周期压缩%,人员配置优化%。数据驱动、指
276、标引领的标准作业模式,使全员劳动生产率提升%,节能降耗%。持续优化布局,整合资源,减少外租库房面积约万平米,实现仓储及运输成本降低约%。经过多年建设,中车四方股份公司由“技术+市场+精益+数字”四轮驱动,对内导向最小投入、最大收益,对外推动业务拓展、价值创造,已完成“一个基础,四个平台、三大体系”建设。场景:生产管理企业背景及痛点问题:中车青岛四方机车车辆股份有限公司是中车单体最大的企业,中国高速列车产业化基地,高档铁路客车主导设计制造企业、城市轨道交通车辆制造商和国家轨道交通装备产品重要出口基地。高速铁路经过六次大提速之后,国内铁路与城轨车辆需求持续增长,中车四方股份公司生产环节面临制造能力
277、不足、现场生产组织管理粗放无序等问题,必须通过精益生产确保订单准时交付。解决方案:企业以EMU动车组生产线为试点线,导入S、质量过程控制等精益生产理论,构建基于最小作业单元 的三三制组织模式 并实施应用,形成基于最小作业单元的工位制节拍化流水线,提升生产协同效能。应用轮轴生产工序数字化技术,实现轮轴生产过程的智能调度、状态监控、质量管控;构建监控指标体系,升级轮轴区域指挥中心;构建以数据驱动、指标引领的集中值守、智能诊断、事件驱动、柔派工的标准作业模式,提升产品质量及产线效能。建设智能物流系统,实施JIT、VMI策略。建设由生产拉动,覆盖研发、供应链等全价值链的精益数字化管理模式。应用成效:E
278、MU动车组在产品质量保持案例 中车四方股份:“四轮”驱动高质量发展附图14-1 能源管理中心系统界面稳定的前提下,总装制造周期由天缩至天,转向架横梁制造周期减少天,车顶受电弓框架安装制造周期由天减少为天。通过数据集成,结合三三制组织模式推进划分生产工位,实现城轨总组装产线周期压缩%,人员配置优化%,构架焊接产线周期压缩%,人员配置优化%。数据驱动、指标引领的标准作业模式,使全员劳动生产率提升%,节能降耗%。持续优化布局,整合资源,减少外租库房面积约万平米,实现仓储及运输成本降低约%。经过多年建设,中车四方股份公司由“技术+市场+精益+数字”四轮驱动,对内导向最小投入、最大收益,对外推动业务拓展
279、、价值创造,已完成“一个基础,四个平台、三大体系”建设。附图14-2 上图为车体生产现场;下图为转向架生产现场附图14-3 中车四方股份的轮对生产线控制中心指挥示图附图15 左图为中车浦镇的生产作业方式变革过程示图;右图为精益生产管理流程优化示图场景:生产管理企业背景及痛点问题:中车南京浦镇车辆有限公司是中车旗下的一级子公司,是我国铁路客车、动车组和城市轨道交通装备专业化研制企业、系统集成供应商及城市轨道交通运行方案解决者。世纪初中国轨道交通加速发展,市场需求量急剧增加,而当时中车浦镇面临的问题是生产作业组织方式传统,产品作业质量依靠后续检查,作业管理混乱、生产效率低,各项管理无法落地且可追溯
280、性差,急需构建创新运营管理模式促进可持续发展。解决方案:在生产组织方式上,企业采用工位制管理、异常灯拉动、目视化管理等组织工位制节拍化生产等精益方式;通过七大任务表单化、工序推移图、员工山积图打造标准工位,使工艺组织模式向柔性化生产转变,管理组织模式向模块化管理转变。企业采用智能仓储系统和集成智能物流装备,形成“工位制节拍化套餐式”的物料管控模式;并通过对生产计划的分解,形成节拍化精准配送。搭建数字化平台,实现多业务的实时异常监测和响应,逐步构建围绕市场订单交付,以工位制节拍化生产方式拉动全价值流程和部门一体化的运营管理方式。应用成效:在年导入和实施精益生产后,中车浦镇的生产效率大幅提升,质量
281、缺陷下降,总装A组装产线生产效率提升%,侧窗粘接作业单车生产效率提升%,产品一次交检合格率提升%;转向架C组装产线效率提升%,人工专检点减少%,交检工位自动化检验率达到%,转向架挂件组装一次交检合格率提高%;达产年生产总成本降低.万元。在夯实精益的基础上构建数字化运营管理平台,全面提升了精益数字化管理水平。案例 中车浦镇:精益建设生产作业组织方式附图16 左图为河南油田的异常进度实时看板;右图为新庄采油管理区异常分析场景:战略与文化企业背景及痛点问题:河南油田是河南石油勘探局有限公司、河南油田分公司的统称,分公司主营油气勘探开发、油气技术服务、精蜡化工、油气销售业务,勘探局有限公司主营生产保障
282、、生产服务、资产经营等业务。河南油田秉承精益管理理念,大力推动精益质量改善战略部署,在质量管理、资产经营等方面实施深化改革,推动基础工作改进提升,夯实精益管理基础。面对抽采设备异常、注聚质量异常等处理过程不透明、不及时,以及无法明确根因等问题,河南石油采用数字化技术积极应对。解决方案:以解决问题为导向,河南油田采用异常管理的精益数字化工具,实现在App端完成异常提报、异常响应、处理记录等步骤,压缩企业间技术、知识交流等异常管理工作,实现多部门信息共享、完善责任制和快速响应机制。以异常管理为引擎,优化流程、实现扁平化架构,使得收入分配向生产一线的关键岗位倾斜。企业将精益管理融入到管理提升,建立一
283、套系统的应急环保管理机制。通过PC异常实时看板查看实时数据,将经营项目工作量、价值量、经济技术指标转化为简单直观的明白线,搭建一条主线多点控制、协调联动的总体框架,全面梳理、细化分解业务场景,持续改进。应用成效:截止年月底,油田异常上报和处置共余条,异常响应平均用时.小时,较去年提速%;异常等待平均用时.小时,较历史平均提速%;异常处置提速%。年增产原油余吨,创造直接收益近万元。河南油田强化价值引领,将精益管理融入企业深化改革,精准绩效考核,激发创新创效活力,构建了覆盖基层、中层、高层的数字化人才体系,逐渐塑造自主进行战略管理决策的文化基因。案例 河南油田:持续推进精益数字化转型,重塑文化基因
284、附图17 左图为科迈股份的精益数字化运营体系;右图为微通道新工艺车间场景:全价值链管理企业背景及痛点问题:科迈化工股份有限公司作为在全球范围具有影响力的大型橡胶助剂制造商,拥有科迈天津、科迈内蒙、科迈江苏、科迈河北(筹)四大生产基地及全球营销网络,并在海外多个国家建立了销售子公司。年公司出现生产计划完成率与产出水平低的问题。年行业产能严重过剩,公司面临日益激烈的市场竞争,下半年首次遭遇了亏损问题。解决方案:企业引入精益管理理论,建设精益生产、精益研发、精益供应链、精益销售、精益服务的全价值链精益管理模式,夯实基础。在精益管理的“减负功能”逐渐产生成效后,企业采用异常管理的精益数字化工具,对企业
285、异常项及异常报警线进行标准化梳理,通过对异常问题的及时记录、快速反应和异常管理流程的透明化以及异常数据的统计分析,发现问题根因,从人员、设备、现场、质量等多个层面全面提升运营效率。通过将异常管理的精益数字化工具与ERP、EAM、SCADA等信息化系统的融合应用,科迈股份实施数字化“(N)”计划,实行全价值链的精益数字化管理,致力于打造“创新引领、数字赋能、安全绿色、开放共赢”的数字科迈。应用成效:通过定期的数据分析拉动改善,异常影响出现了指数级别的下降,并在持续发酵和固化成果,建立了成本优势。以CBS车间为例,年至月产品单吨成本降低.%。通过持续推进异常管理的精益数字化工具,科迈股份在疫情等外
286、部风险冲击的环境下,仍能满负荷生产,实现了资源高效协同,年综合收益增加约万元/年,这为科迈股份创造了价值,持续推进数字科迈建设。案例 科迈股份:精益数字化工具助力运营效率全面提升场景:生产管理企业背景及痛点问题:芜湖新兴铸管有限责任公司为新兴铸管股份有限公司所属全资子公司,可生产多种接口型式、多种防腐处理的球墨铸铁管,冷镦钢、优质碳素结构钢等多个钢种,其中球墨铸铁管的生产规模、综合技术实力居世界领先水平。芜湖新兴铸管在精益数字化转型过程中遇到以下问题:生产制造环节存在很多影响效率和计划达成的停顿和异常,而企业在应对这些问题时更多是定性关闭,没有很好地将问题作为改善提升的机会,无论产能、设备稳定
287、性、质量都尚存在改善的巨大潜力。具体表现在现场各单位异常问题的分类不明确、记录格式不统一;缺乏各类异常问题发生原因、响应速度、处理过程和结果的详细记录;未直接影响生产或对生产影响小的众多异常被隐藏、埋没;纸质记录异常容易遗失,导致各类数据难以汇总等。导致异常问题暴露不充分、异常数据统计分析困难、出现重复异常持续发生问题很难实现针对性改善。解决方案:针对生产现场异常处理的问题,公司引入异常管理的精益数字化工具。异常管理工具涵盖试点单位生产管理中%以上的异常内容,并明确了这些异常问题的二级分类,例如工艺管理被细分为精炼周期异常、精炼温度异常、成分异常、外观缺陷等,使问题更加明确和显现化。通过对异常
288、类别中的异常项细化展示、排名,使得关键影响企业生产效率的问题清晰可见,明确了引发异常问题的根因,为各业务部门精准分析问题和快速解决问题提供了数据支撑。基于异常管理工具中的异常情况中控室实时看板,管理层能够清晰看到各项目的进度和问题关键点,有效做出决策。针对异常问题,企业采取课题管理模式,通过发挥各层级改善能力,使公司营造了良好的从异常出发到课题改善结束的氛围,越来越多的人思想意识上经历了从逃避问题到主动拥抱问题、变问题为财富的深刻转变。为了更好地推进精益管理持续改善,企业搭建了“精益在线平台”,通过数字化的手段进行提案改善的管理。平台的使用解决了传统改善提案格式调整多、沟通成本高、统计检索困难
289、、数据分析复杂、经验难以共享等痛点问题,实现了改善提案的录入防错化、输出统一化、审核专业化、流程表单化、收益数字化、过程透明化、分析精准化、信息共享化。应用成效:自年月异常管理精益数字化上线,截止到年月底四个试点部门共提报并处理异常余条,形成了充分暴露异常问题的氛围和机制;通过中控室大屏实时显示并跟催异常处理进度,异常得到快速响应和及时处案例 芜湖新兴铸管:精益数字化工具助力异常管理能力提升理,确保异常关闭率实现%;通过设定异常分析周报、月报,从提报部门、处理部门、异常时长、次数、类别、发生区域、平均响应时长、平均处理时长等多维度多层级进行分析管控,提高了异常管控的能力及效率;同时通过对重复异
290、常导入再发防止流程形成专项攻关,追根究底进行改善,降低重复异常的发生,并导入知识库模块汇同提报的所有异常处理信息,为企业积累了大量的异常处理数据信息,不断完善公司异常处理知识库,以充分挖掘异常处理数据价值。四个试点单位整体异常次数、异常时长及异常响应时间均出现持续下降的良好趋势。异常管理这一精益数字化工具的运用,提高了企业异常管理的效能,有效降低了异常带来的成本损失,进一步增强了公司在行业中的核心竞争力。“精益在线平台”聚焦于各类异常的持续改善,促使企业形成了持续改善的机制,收获了良好的经济效益。以年为例:截止到月底,企业月平均改善提案余条,累计创造效益万元;完成专项课题攻关余项,创造效益万元
291、。附图18 左图为芜湖新兴钢管的生产现场;右图为精益数字化异常管理大屏场景:战略与文化企业背景及痛点问题:烟台中宠食品股份有限公司是中国宠物食品行业的龙头企业,于年在深圳证券交易所主板成功上市。基于“成为全球宠物食品行业在干粮、湿粮和零食赛道上生产规模和品牌建设的领导者”的战略目标,中宠股份制定了构建特色精益数字化运营管理模式的计划。通过导入OMS、ETL、ERP等信息化系统对营销、生产等环节改善,在效率提升、数据管控等方面取得成效。但是企业遇到了新的问题和挑战:企业运营架构不够高效顺畅,复杂业务协作尚存困难;异常问题未明确根因,无法防止问题再发生;员工的精益数字化意识较为单薄,导致工作推行配
292、合存在较大难度。解决方案:中宠股份在已有信息化系统的基础上,采用异常管理的精益数字化工具实现问题处理的协同化、可视化、透明化和智能化,全程追溯异常问题处理过程,基于积累的大量高价值数据明确问题根因,防止问题再发生;通过持续改善的精益数字化工具,实现标准化把控任务流程,将经验显性化;通过可视化面板展示任务资源冲突,能够及时调整资源配置保证生产。精益数字化工具与OMS、ETL、ERP等信息化系统融合,打通多业务间的数据互联,实现数据固化。中宠股份通过外部招聘、内部培养等方式,建立公司外训后转训以及内部培训机制,构建精益数字化人才育成体系,促进持续改进。立足于“体系架构”+“人才育成”+“数字固化”
293、,建设具有中宠特色的精益数字化文化。实施效果:引入异常管理的精益数字化工具后,异常管理每月提报数量稳定,异常总时长下降,评价异常时长下降趋势明显,异常关闭率始终保持%以上,个月达到%。在仓储管理上,提升了仓库空间利用率,降低了仓储的作业差错率,实现了产品批次或有效期管理及库存预警。在订单处理上,实现了与多方电商平台线上业务对接,线上线下全渠道订单整合管理等。通过持续推进精益数字化工具在研产供销全价值链的有效整合和应用,促进中宠股份在向精益数字化转型过程中的稳步快速发展,逐步构建了具有中宠特色的精益数字化运营管理模式。案例 中宠股份:构建特色的精益数字化运营管理模式附图19 左图为中宠股份的异常
294、进度实时看板;右图为生产现场销售到计划,再到生产、供应链的全面协同,工厂管理更透明。应用成效:系统自动化排产,通过APS导入,由手工排产转换为APS系统排产,提高了排程效率,排程活动平均时长缩短%,排程结果的时间精度到.小时,可快速应对紧急插单情况,并快速地进行滚动排产,对排程涉及生产资源占用情况监控、分析、优化,提高生产资源利用率。APS与ERP、TCM、MES、WMS等相联相通、高效协同,计划指令系统化下达且规范化程度提升,建立了排程与执行的流程管理机制,形成多部门多系统高度协调的高效计划体系。附图20-1 烽火通信的生产排产模型场景:生产管理企业背景及痛点问题:烽火通信科技股份有限公司是
295、中国信息通信科技集团旗下的上市企业,在国内光通信行业居于领先地位,其产品类别涵盖光网络、宽带数据、光纤光缆三大系列。由于公司采用多品种、小批量的生产模式,月计划动辄成千上万,生产设备资源众多,插单撤单频繁,造成生产计划排程和调度工作非常繁重、复杂,作业计划制定粗放,无法实现精细的产能评估。解决方案:公司启动APS(Advanced Plan-ning and Scheduling)排程系统,充分利用企业资源,生成按产能和约束时间维度划分的生产计划。导入TPM、DM、JIT等精益理论,与APS系统相结合,解决工厂多工序、多资源的优化调度问题。APS与ERP、TCM、MES、WMS等信息化系统互联
296、,高效协同,实现从TCM、ERP、MES系统自动获取产品工艺路线、标准工时、订单数据、资源数据等排程基础数据。APS系统生产排程后下达备料指令和作业指令给WMS系统和MES系统,自动获取后者实绩数据,实现快速滚动排产。同时,烽火通信应用CIM持续改进系统进行精益项目全流程管理、质量回溯管理,应用QMS进行供应链质量管理。通过系统集成打通从案例 烽火通信:夯实精益基础,持续推进数字化进程销售到计划,再到生产、供应链的全面协同,工厂管理更透明。应用成效:系统自动化排产,通过APS导入,由手工排产转换为APS系统排产,提高了排程效率,排程活动平均时长缩短%,排程结果的时间精度到.小时,可快速应对紧急插单情况,并快速地进行滚动排产,对排程涉及生产资源占用情况监控、分析、优化,提高生产资源利用率。APS与ERP、TCM、MES、WMS等相联相通、高效协同,计划指令系统化下达且规范化程度提升,建立了排程与执行的流程管理机制,形成多部门多系统高度协调的高效计划体系。附图20-2 排产结果示图天津爱波瑞科技发展有限公司地址:天津市和平区环球金融中心邮编:电话:-传真:-网址:http:/