工业4.0是一个美好的愿景。智能制造也不是一朝一夕就能实现的。有些公司和个人过于强调为了自动化而自动化，为了智能而智能，结果让公司投入很大，却见不到效果。企业要生存，看到远方的同时也要关注当下的利益。所以在大谈智能制造的美好未来之前，我们先看看如何通过信息化为企业降本增效创造实打实的价值。降本增效的最好方法论是精益生产（lean）。而精益生产和智能制造的理论不谋而合。

什么是精益生产？

精益生产是一种通过消除企业所有运营环节上的浪费来达到缩短生产周期，提升效率，改善质量，降低生产成本和满足客户需求等目的的科学方法理论体系。

精益生产是以客户需求为起点，通过5s管理、IE（工业工程）改善、TPM改善生产现场，利用准时生产JIT改善生产线，依靠自动化、TQM、六西格玛改善质量，强调质量是生产出来的而非检验出来的，在产品质量上追求尽善尽美消除一切浪费，降低成本。目标实现零缺陷、零库存，用最少的投入实现最大的产出，实现利润最大化。精益生产力求实现多品种、小批量、高质量、准交期的低成本生产

实时精益生产，尤其是数字化精益生产，一方面可以让企业很快见到效益的改善，另一方面也保证企业智能制造的健康发展。通过实施精益生产，才能发掘工厂管理的痛点，才知道如何应用信息化自动化方案来解决实际管理中的问题，避免理论和实际，IT系统和现场管理的代沟。

现场管理要解决的核心问题其实就三个：适应需求变化，应对意外情况和减少浪费。

1、适应需求变化

随着工厂和终端消费者直接对话趋势的发展，工厂的第一挑战在于订单去求的变化。主要表现是：产品规格品种越来越多，产品批量订单越来越小，要求交货期更短，更准时，成本要求控制更严，质量要求越来越高。 上述变化直接导致紧急订单，插单增多，导致生产计划不稳定，变化频繁，生产产能需求忽高忽低，生产过程不稳定。 所以车间管理第一任务是平衡生产线负荷，提高车间柔型生产能力，减少生产转换不同规格品种产品导致的时间浪费（例如快速换模，快速设备维护保养，快速生产准备等等）有效的保证生产。

2、应付意外

由于工厂作业流程复杂，涉及人员、原材料、设备、工艺等多种因素，总会有意外发生。尤其是需要经常更换生产的规格品种，导致生产线需要经常变更设备、工器具、模具和夹具、作业指导书、操作人员等等情况。这必然经常出现停工待料现象，导致机器故障和产质量量问题常常发生，生产线停摆，重复返工，窝工，报废，交货延误与客户抱怨等等。

所以车间管理需要有效的控制质量和提高设备利用率，协调计划和采购等部门协调配合。

3、减少浪费

企业盈利靠的是降本增效。本质上是在同样生产需求的前提下降低损失。损失有多种多样，包括但不限于：人员窝工，设备停滞、原材料利用率低、质量合格率低、能源用量过大等等。

首先是生产计划带来的浪费。一种情况是排产过多过早。一方面过多的排产会导致生产工作量增大，进而导致人员加班设备超负荷运转，另一方面会带来库存压力。一种情况是排产过少， 导致生产线负荷不均衡，造成等待浪费。另外如果生产计划没有计划好可能导致频繁更换生产规格品种，每一次更换新换模具都有适应期，如果操作人员本身技能不熟练或者责任心不强，就无法避免出现不合格产品。不合格品不仅不能创造价值，还需要花费更多的人力、物力、财力、时间去处理。因为计划排产需要考虑的因素太多，人为排产很难达到理想的效果。

其次是动作浪费。动作的浪费造成了时间和体力上的不必要消耗。动作浪费源于企业对于标准化操作重视不够。员工对标准操作没有形成习惯，随心所欲在实现工厂全部机器化之前，大多数企业还有很长的路好走。标准化是降低犯错最有效的方式。没有标准化就不可能实现自动化。没有自动化就没有智能化。只有每人的行为流程化，标准化，规范化和制度化，才可能所有生产单元协同动作，高效运转。

其三是库存浪费。这是制造业最大的浪费。库存浪费不仅造成存储成本的增加，而且会掩盖生产效率低下的问题。但是完全零库存有会让企业面临在紧急状况下无法向客户及时供货的险境。怎么结合客户长期需求，临时需求和生产能力而制定合适的库存量是企业一直面临的难题。

第四是设备停机带来的浪费。设备停机会影响生产计划的按时完成和生产质量。设备维护部门的矛盾在于选择设备维护周期和最大化利用设备安排生产

三、车间管理的基本框架

通过实时采集一线数据，实时找到问题，然后分析问题产生原因，找到解决办法，实时纠正。

1. 制定车间管理的KPI

首先根据企业的战略，客户的需求和生产能力制定公司的生产战略。进而层层递进进行分解，分解到机器，分解到SKU，分解到人。

2．监控数据

制定目标后，要对相应的绩效参数进行监控。实时监控是实时发现问题，解决问题的基础。现在很多工厂已经实现了数字监控。在所有关键节点和重要工位上都有生产过程数据的数字实时采集，实时把生产数据（质量，数量，成本，工艺完成率等等）传回信息管理系统，管理信息系统再进行初步分析，生成实时生产监控仪表盘。然而并不是所有问题都可以通过自动采集设备进行实时监控，相当多问题是无法用数据分析发现的，还需要依赖现场管理人员结合经验进行定期巡视。

3．分析原因

数据监控的目的是发现实际生产绩效和目标绩效的差异，并找出差距的原因。基本信息汇总可以使用直方图，质量问题可以采用QC体系的方法分析（例如鱼骨图），效率问题用IE体系方法分析，有效性/可行性的问题用VE分析，现场规范的问题用5S方法分析，设备故障问题用PM分析等等。 一种很有用的方法是把有问题的环节录制下来并组织精益生产组织成员进行头脑风暴，把作业任务分解成最小操作步骤，剔除不必要步骤，优化必要步骤。

4．寻找解决办法

在找到原因的基础上，传统想法是利用专家经验给出优化方案。在很多时候，这样的方式是有效的。然而专家经验往往是基于过往经验，突破以往惯性常识并不是容易做到的。 先进的工业数据挖掘是一条新的思路，可以提供一些新的方向。然后现在工业数据挖掘的技术尚未成熟，还需要结合经验进行准确分析。

5、实施纠正方案并确认

实施纠正方案要客观执行，方案结果最好找实施人以外团队进行评估，并提供实施前后数据对比。如果方案效果不理想，就要重新回到原因分析和方案筛选。

7、巩固和标准化

如果方案效果理想，就要进行巩固，培养操作人员形成新的操作习惯。通过巩固实现制度化，规范化进行形成标准化和自动化

                                                          摘自——知乎复杂度用户