制造供应链数智化建设与发展-【智能物流技术、平台发展、数智化特征、环节管理】


2022.03.10 来源:物流技术与应用


专题目录

(主持人/任芳)

  • 制造供应链数智化建设与发展

  • 纬创资通:做数字化转型的先行者——访纬创资通华南工厂物流工程部资深经理施宪宏博士

  • 三一集团:发展智能物流赋能离散制造业智慧转型

  • 施耐德电气:数智化升级助推绿色智能制造——访施耐德电气全球供应链中国区高级副总裁张开鹏

  • 博泽:探路汽车行业供应链数智化升级——访博泽中国物流规划经理章永辉

  • 由点至面的制造业数智化升级路径



本文作者基于深厚的行业积累与实践经验,介绍了精益工厂、数字化工厂、智能化工厂这三个企业不同发展阶段的制造供应链平台如何建设,分析了制造供应链数智化的四大特征,阐述了制造供应链数智化平台构建的“一体两翼”策略和六个切入点,对于转型升级中的制造企业具有参考借鉴意义。


制造供应链数智化是以工业互联网、大数据、云计算、5G移动无线网络、人工智能、机器人、智能物流技术等软硬件新技术为基础,在制造企业迭代升级过程中,为原材料、在制品和成品(采购物流、生产物流和成品物流)的包装、运输、装卸搬运、存储、流通加工、配送、信息处理等,提供智能服务和智能决策的系统化、平台化的推动路径。它不但将企业、用户、货物、设施紧密联系在一起,而且将流程、数据和订单结合起来,使得制造供应链连接变得更加多维度、立体化、多元化、高效率和更有价值。


由于制造供应链涉及多个环节和要素,智能生产和交付系统通过处理各个环节业务相关的数据或信息,为相关作业提供指示和进行数据分析的人机一体化系统。


智能工厂需要按照客户要求适时交付。制造供应链需要实现物料/产品流动实时数据的采集与管理,基于实时数据实现供需双方精准的匹配,更需要依据生产作业要求实现物流与作业工位的智能化联动。


由于企业战略、产品和供应链策略的不同,不同类型的企业对供应链运营有着个性化的价值导向。从智能工厂的发展规划和运营升级路径而言,还是需要思考供应链平台战略框架和制造供应链发展导向相结合,以业务和应用场景、技术条件、过程瓶颈、约束条件等作为前提条件,在规划中创新,在创新中应用。


一、制造供应链平台的发展


由于企业不同、产品不同、工艺不同,不同迭代升级阶段的智能工厂供应链及其信息平台的表现方式也有所不同。

工厂升级发展阶段通常分为精益工厂、数字化工厂、智能化工厂,所以不同阶段的供应链平台也有覆盖面、联通程度、技术应用场景以及软硬件设施的差异,可以相应的分为精益信息平台、数字化信息平台和智能化信息平台。对于链接终端消费者的C2M工厂,其信息平台更具有延展性,可能从制造工厂涉及消费者、门店、研发、品类管理、营销等。


智能产线


1.精益制造供应链平台


精益工厂需要精益物流及其信息平台以支撑精益生产要求。由于精益生产发源于汽车行业,所以汽车行业精益物流信息平台的发展具有较强的代表意义。

丰田精益生产方式强调拉动系统,JIT到货、JIT制造、JIT配送,需要降低“七大浪费”,降库存低至“零库存”。这种方式需要有精确的生产计划和物流计划协同,并且要求供应商有高度匹配的物流基础和运作能力,整个供应链过程都是按照标准来执行的。但是其管理的颗粒度难以把握,同时对于变化的控制与适应能力比较差(如何拉动和备货往往是很多企业的痛点),在信息技术不发达的情况下,制造企业采用ANDON、KANBAN系统来传递信息,主要是通过人工操作完成,物流设备主要是“带人的自働化”,供应链物流断点偏多,效率损失比较大。


2.数字化供应链平台


数字化供应链平台是在制造工厂精益化目标达成之后,在一定的信息技术基础上,逐步开始供应链业务数字化的过程。从动态的视角来看,供应链过程体现为端到端的业务流过程,它涉及业务流程的不同阶段、不同参与者、具体工作内容、业务时效表现等。端到端的数字化就是实现业务流程透明,促进供应链上下游之间的业务协同,以保证供应链的高效衔接和有序运转,从而提升整体效率。


在数字化时代,数据已经成为企业的核心资源。企业通过对积累的大量数据进行分析,能够驱动业务网络的智能运转。业务网络的智能化主要体现在数据的分析和自主决策。数据分析的过程就是提取数据所蕴含的价值的过程;自主决策则是智能化的更高级阶段,通过算法辅助决策,让供应链过程的各类设备设施具有“灵魂”。


数字化工厂需要供应链管理率先实现数字化、一体化,并且使其成为数字化工厂运营的主要纽带。在这种工作场景下,自动搬运、自动配送、智能存储、RFID/IoT自动采集信息和数据等作业形式替代了部分人工作业。同时,以信息传递为主要功能的物流信息系统已经无法满足这种新形势的需要,必须升级为集信息传递和调度指挥为一体的智能调度系统,实现实时传递生产信息并指挥调度智能装备进行有序的作业。


一些先进的制造企业在推行高柔性生产方式的同时,要求供应链继续保持从项目规划到实施全过程的高效率;并通过应用仿真、数字孪生、虚拟现实/增强现实(VR/AR)等信息技术手段进行方案优化、状态监控和结果验证等工作,较好地满足制造和交付体系高效化的要求。另一方面,信息技术进步也促进了生产模式的变革和升级,推动生产能力达到新高度,这种双向的促进,带动了供应链体系中各要素不断向前和谐发展。


制造企业数字化过程中,通常容易产生“路径依赖”。一方面,由于过去“成熟一块发展一块”,各个不同模块应用的硬件、软件来自不同的逻辑和供应商,导致软硬件之间无法互联互通,产生信息断点和信息衰减、丢失,最终出现“信息解决不了物理问题”的尴尬局面;另一方面,由于“一路走来”的经验和管理惯性,使得原来的供应链结构无法被打破,数字化过程仅仅是“现状的信息解读”,而不是在新的逻辑下重新构建的数字化的供应链。


3.智能制造供应链平台


智能制造对于供应链的要求更高,“如果没有智能供应链的支撑,智能制造只能停留在实验室阶段”。相对于传统制造工厂而言,智能制造强调个性化、客户化和数字化、智能化,这就不仅仅是在原有基础上升级供应链的问题,而是必须依据业务逻辑重新构建供应链。这要求企业具有智能制造和相应的供应链战略及其实现路径。


从逻辑而言,智能制造供应链平台需要搭建实时供应链运作(计划)规划和执行的闭合环路,将虚拟生产-物流系统和现实生产-物流系统对应起来。具体而言,就是集成PLM系统、ERP系统、MES系统、仓储管理系统WMS以及生产设备和物流设备集成管理系统等系统。供应链过程计划发布至执行系统之后,利用智能制造平台生成详细的作业指导书,并与供应链-生产-物流运营全过程进行关联,保证整个过程都实现精准的响应和更新,同时从生产-物流环境中收集有关生产-物流执行情况的信息。从订单到执行交付,智能供应链平台也需要具备必要的先期验证、仿真、预警的能力。建立供应链与制造过程智能对应、联动的协同模型,其具备所有物料流动过程(包括生产工位物料运作)的细节,并可在整个物流-生产过程中针对每一个订单、每一个物料、每一个工位进行实时仿真和验证。结合大数据分析和统计学技术,快速作出有关供方交付、库存资源、自有物料存储、个性化订单配套需求、配送资源、工序排序以及智能物流设施等优化方案。调整策略后,再模拟仿真整个生产-物流系统的绩效,进一步优化实现所有物流资源利用率的最大化,确保所有工序上的所有设施和人都尽其所能,实现效率和盈利能力的最大化。


随着产品功能复杂性的增加,其制造过程也逐渐复杂,对制造涉及的所有过程均有必要进行完善的规划。在智能供应链平台中,对需要制造的产品、作业的方式、物流流动方式、关联资源以及物料周转、作业地点等各个方面可以进行系统的规划,将各方面关联起来,实现设计人员和制造人员的协同。一旦发生流动和作业要素变更,可以在智能物流信息系统中方便地更新流动过程,包括更新面向制造的物料清单,对应新的工序,为工序分配新的配送模式、设施或人员,为工位配送调整新的物料时间和数量等,并在此基础上进一步将完成各项任务所需的时间以及所有不同的工序整合在一起进行分析和规划,直到产生满意的流动过程方案。


值得一提的是,很多企业愿意花资金购买智能化设备,因为那“看得见”,但较少企业愿意做供应链智能化的先期策略规划和构建,这容易导致智能化设备“摆得下却玩不转”,最后“看得见的都一样,看不见的都不一样”。也有很多企业已经通过研究和应用优化算法来编制适合企业自身发展特性的软件,这些软件或者独立作业,或者有机协同,集合成有鲜明自身特色的信息系统,赋能团队更好地运作。


在当前的形势下,尽管供应链体系中的主流依旧是生产模式要求供应链/物流模式及其信息系统与其保持同步。但是,随着Al(人工智能)、区块链、云计算、大数据、3D打印和5G等前沿技术的开发及其应用,由此逆向引发的生产模式和供应链/物流模式的变革已经初见端倪。


二、制造供应链数智化的特征


从“以制造为中心”的推动式,转变为“以客户为中心、以交付为中心”的拉动式,制造企业所有的逻辑和关键绩效指标也随之发生了变更。制造供应链作为“交付的桥头堡”、 “制造的水龙头”、“采购的缓冲器”,也必然越来越成为智能工厂的核心纽带,供应链平台也将成为指挥智能工厂有效运作的“大脑”。


制造供应链数智化通常表现出以下特征:


1.制造工厂供应链能力“IP化”


从工业互联网的角度来看,智能工厂以信息平台作为一个“节点”,代表的是“服务型制造”的一个IP。通过交付能力的网络化表现,体现智能工厂在生态圈的影响力,和与互联网、物联网无缝连接的能力。智能工厂逐渐互联网化,需要让消费者随时能够通过网络化(移动)平台看得到其产品在工厂的生产和物流服务过程,甚至看得到具体订单执行过程。个性化的产品还包含个性化的服务,以体现“服务型制造”的具体要义。这就要求制造企业供应链平台能够具备瞬时链接、快速接单、快速制造、精准承诺、适时交付的能力。


2.供应链交付能力可体验化


很多企业开始逐渐将智造工厂打造为“可参观型工厂”,作为工业旅游项目,或者说,这个工厂就是一个可体验的产品(类似艺术品),而不再把产品陈列和工厂分为两个不同的容易产生体验错位的参观内容。他们试图将工厂的产品力、制造力、交付力与企业文化、专业度和趣味性集中体现出来,让参观者(可能任何人)“浸入式”体验其系统化的能力,从而心甘情愿主动购买其服务或者产品。制造供应链能力将和产品一道成为消费者体验的一个必要组成部分,以体现智能工厂面对个性化需求的敏捷性能力,以及与终端消费群体、销售、交付资源链接的能力。


成品交付物流涉及门店、物流服务商、物流网络布局、库存布局、成品发运计划和成品库的规划和运营,对于不同的区域、门店、消费者、产品等有不同的响应策略,为此需要有集成信息、集成资源、线上线下结合、人单合一、有效兑现承诺等方面的综合能力。从消费者的角度而言,智能工厂物流信息平台(及后续的商品配送)代表的是“能否有效交付”的一条供应链,往往将客户满意度具体化为企业口碑和品牌。


3.供应链过程质量可视化


规划智能工厂时通常是以物流作为主要纽带,带动信息化的同步规划;在生产运营时,物流的有效性是智能化生产的前提和服务的保证。物流过程涉及外购件、自制件、前置工序等众多的环节,制造进度受到物料、人员、设施、库存、质量、效率、能源等要素的变化影响。制造工艺涉及原材料、半成品和成品不同的加工技术和设施,具体到精准加工、精准配料、精准控制库存、精准补料、退料、包装、搬运、存储、输送、拣选、总装等工艺过程……上述过程都需要通过物流信息平台和制造信息平台实时协同,“推拉结合”,实时采集、汇总、分析和传递数据,成为智能制造系统决策的关键部分。从制造工厂经营的角度而言,智能工厂物流信息平台代表的是固定资产的经营有效性和流动资产的周转效率,现金流和库存的此消彼长,往往决定了企业的盈利能力。


智能工厂柔性物流系统


4.制造供应链能力柔性化


根据个性化订单配合生产要求实现柔性化转换的快速反应能力,智能工厂生产系统柔性化越来越重要。未来“柔性生产系统”在成组技术基础上,以多台数控机床或者数组柔性制造单元为核心,通过自动化物流系统将其链接,统一由主控计算机和相关软件进行控制和管理,组成多品种、小批量和混流生产的自动化制造系统,即由统一的信息系统、物流系统和数字加工设备组成,能适应加工对象变换、高效率制造中小批量多品种产品的自动化制造系统。其中,可能涉及机器柔性、工艺柔性、产品柔性、维护柔性、生产能力柔性、扩展柔性、运营柔性,但是所有的柔性都必须要由柔性物流系统来链接和贯穿,以保证横向、纵向和端到端的柔性集成能力。从智能工厂柔性的角度而言,智能工厂物流信息平台代表的是人、机、料、法、环、测的“以点带面、点面结合”的实时互通、协同和响应能力,也是个性化制造、交付能力的具体表现。


供应链系统不仅仅是“物的流动”,更主要的是工厂制造供应链平台中伴随着生产-物流表现出的信息流,以及通过供应链将产业链各环节之间供应、生产、销售、消费串联起来,以实现综合效益叠加。另一方面,作为流动资产(现金流、原材料库存、在制品库存、成品库存、应收应付款项等)的载体,供应链的效率决定了库存周转率和现金流量,从而决定了企业赢利的效率。而智能工厂供应链平台正是这个赢利系统的最直接的监控和调度工具。


三、制造供应链数智化平台的构建


1.“一体两翼”的构建策略


制造供应链数智化的建设和发展,伴随着企业智能工厂的建设和发展同步进行。不同发展阶段的建设和发展切入点、着力点、目标都不一样。从企业运营、参与竞争以及两化融合的大趋势而言,建议采用“一体两翼”的发展路径,如图1所示。



“一体两翼”的模式就是以培养供应链(数智化)工程技术人才为核心目标(一体),以建设智能工厂为抓手,以同步建设供应链平台为台阶(两翼),从而保证智能制造系统(智能产品、智能制造、智能供应链)迭代升级的有序性和有效性。


经过近十年的智能化迭代升级的实践经验,绝大多数企业管理者都认识到:任何花钱可以买到的软硬件技术,都未必能代表企业的核心竞争力。只有形成企业文化、技术累积与沉淀、组织过程资产、企业数据化智慧等才是企业的“内功”,这些能力需要由数智化人才梯队掌握。因此,对于企业供应链数智化人才的培养,将成为智能工厂供应链平台有效规划、运营和维护的战略诉求。


从路径的角度而言,路径1是标杆智能工厂及物流、交付系统规划、设计和建设过程;路径2是智能工厂供应链平台构建、逻辑梳理和达成;路径3是人才培养的战略、知识结构和培养方案与实践过程,如图1所示。路径1和路径2是过程,路径3是关键目标,终极目标如横坐标所示的供应链数智化升级路径和纵坐标所示的智能工厂升级路径。


从发展阶段而言,可以分为三个阶段:第一阶段以建设智能化工厂为切入点,同步启动供应链数智化平台顶层设计和人才培养的框架方案。第二阶段在工厂建设完成设备安装、调试、大联调、试产和量产后,基本上可以提纯出企业的智能化升级的方法论和相关运营标准,初步建立运营体系;同时人才团队也基本上完成了第一轮培养的过程,具备了人才输出、提升、派驻的条件。第三阶段智能工厂方法论、供应链/物流信息平台、人才梯队都逐渐成熟,可以探索导入工业互联网,研究工业大数据、5G技术、人工智能、物联网等新技术应用,为智能制造系统再次赋能。


从规划路径而言,一般需要经过战略定位、概念设计、短板弥补(能力提升、补课)、精益化、数字化、平台化,再到智能化的过程。


2. 制造供应链数智化平台构建的六个切入点


智能制造需要将全价值链打通,不仅需要智能制造相关设施逐渐到位,更为关键的是,对于智能工厂运营管理的“内功”需要同步跟上。而内功关键之处又在于代表流动资产运营管理的供应链流程的一体化(如图2虚线范围内部分)。所以,衡量一个智能工厂规划是否合理的现实和本质的评价角度,不仅关心是否“布得下”、“买得好”,更要关心是否可以“转起来”,并最终有效交付产品给客户,其他的都是锦上添花的事情。



在实践中,企业构建供应链数智化运营平台,可以采用“以点带面、点面结合、以终为始”的切入方式,通常从包装与物流基础标准、订单交付与计划梳理、智能物流设施导入、智能工位链接、制造供应链关键环节差异管理、智能供应链信息平台等六个方面切入,如图2所示。


(1)包装与物流基础标准化


物流基础比较薄弱的企业,一般首先需要做好每个物料的包装设计,做到包装单元化、通用化、标准化,并在此基础上扩展搬运标准、存储标准、运输标准、配送标准、工位暂存标准等。只有各个基础环节做到标准化,才能够实现物料流动参数化、数字化,为后续的供应链数字化流程梳理提供良好的基础(可以直接作为基础数据导入物流信息系统)。这涉及产品结构、物料尺寸、BOM表分解、质量要求定义、包装模式切换、容器具管理流程等,过程繁琐,但是非常必要。如果忽略包装与物流基础标准化,智能工厂物流徒具形式,无法实现物流信息的数字化和物流设施的智能化,运营平台的建设也容易导致“两张皮”的结果。


(2)订单交付与计划梳理


企业运营和交付主要围绕订单与计划来展开,可以说,订单与计划是企业运作的“牛鼻子”工程。只有订单和计划的逻辑清晰了,才能够合理调动各项制造资源,所有的数字化节点、参数、数据才能够“顺理成章”。订单交付与计划梳理具体包含订单预估、订单来源、客户信息、交付周期与相关要求。并由此集成为主生产计划,细化为各项作业计划,具体包含发运计划、总装作业计划、齐套计划、库存计划和供应商到货计划等。全过程逻辑严密、专业要求度高,是企业制造供应链运营的核心,直接主导了制造资源的主要脉络,可以作为供应链平台建设的基本逻辑基础。


由于涉及运营管理的动态化、不同企业管理逻辑的个性化等,一旦忽略了订单与计划逻辑,容易导致企业计划变化频繁、制造资源调度无方、产生巨大浪费、库存居高不下、订单交付无法兑现客户承诺、客户满意度降低等严重后果。


(3)智能物流设施导入


物流基础比较好的企业,通常愿意通过设施规划与智能物流系统来拉通实物流通的价值链,减少断点,消灭过程中的停顿、浪费、搬运、确认、往返、数据错失,避开平面布局的纵横交错以及“最小搬运距离”的陷阱,实现立体化贯通、逻辑化配送与流通,做到全过程没有断点、无人干涉、自动运作、实时数据、实时盘点。这涉及物料管理的信息-物理系统,不同的智能化物流设施配置直接决定了WMS、WCS等系统的逻辑和运作,也决定了数据采集的方式和采集点的设置。


在实践过程中,由于涉及各类智能物流设施,在选择技术方案、设备以及供应商时需要有优化的方案(一般是专业化设计公司提供方案,再集中讨论技术选配和落地方案,然后选择合理的集成商,而不是多方采购、凭经验集成);同时,智能化设施投资往往比较大,需要考虑投资收益(ROI)的科学测算。一旦操作不慎,轻者需要反复调试、改造、试错、修改参数,浪费企业运营机会成本;重者容易导致设施连贯不起来,无法完成系统化运作的目的。


(4)智能工位链接


在过去的发展过程中,制造企业已经形成了运营经验和管理惯性,当需要寻求智能化突破时,未必能够彻底颠覆原有的制造系统平衡,而是逐渐以点带面地导入关键工位和环节智能化的元素,然后逐步完成集成业务。在一个特定的工厂,关键环节的智能化突破往往可以起到“破冰”效应,带动上下游环节的系列优化和匹配,从而拉开智能化工厂建设和物流信息平台构建的序幕。


(5)制造供应链关键环节差异管理


通常智能工厂的供应链战略绩效包含具体的参数指标,集成为企业级的大数据,比如交付准时率、库存周转率、订单交付周期OTD、客户满意度、订单达成率等,在此基础上,分解供应链运营各个环节的部门级、产线级、工艺工序参数、作业标准参数等。日常运营的关键参数在智能工厂供应链运营过程中通常会作为过程参数出现,但是差异参数却通常会成为阻碍运营的断点,甚至影响整个供应链运营平台的数据质量。


传统的制造工厂业务过程数据统计是离散型的,各部门协同共享联动性较差,信息不能及时传递和共享,形成信息孤岛,过程中的异常信息未及时记录、存储,不能实时数据统计、分析,而且大量数据都人工统计,导致统计结果滞后,管理事后控制,不能实现预先控制和及时管理。尤其是定期的报表,通过人工编制、邮件发送或打印传递等,容易造成管理被动和事后控制,而不能做到事先预防。


未来数据需要实现量化管理、实时管理、可视化管理、PDCA管理、主动管理等,要求实现目标和过程的差异管理,尤其是关键过程的差异管理。这涉及所有的供应链运营过程,尤其是先期规划需要界定关键环节,并且有基本的参数设置,难点是需要实时监控关键环节的数据变化、偏差范围、预警机制和响应级别。这既有数据的梳理,又有偏差的叠加和分析判断,对于系统而言是极大的挑战。而对于差异的实时感知和反馈、调节、数字孪生,才是智能化的具体体现。


(6)智能供应链信息平台规划与建设


大部分企业都愿意直接选择好的供应链运营信息平台来提升工厂的数字化、智能化水平,希望一劳永逸地解决数据化的问题。如上所述,这看似简单的问题,却需要大部分业务数据、物流基础、智能资源、运营逻辑等的充分到位,才能有效达成。也就是说,制造供应链运营平台是基于各项基础业务有保证的前提下的“水到渠成”的成果。从规划到建设、到实际运营,可以是一个“以终为始”的拉动式资源配置和达成路径,也可以是迭代升级模式的推动式的“做加法”的路径,关键是企业需要有战略定力和战略耐心,而不是盲目导入、被软件绑架。


上述六个切入点,不同的企业会有不同的路径选择方式。从结果而言,都是建设和达成供应链运营平台,可谓殊途同归,最后都需要与智能生产设施对接与联动,成为智能制造的重要组成部分。从系统的角度而言,都是为了提升交货准确率和缩短交付周期,势必需要提高供应商到货准时率和物料齐套率,同时减少供应链过程中的效率损失、提高人均产出效率和现场作业效率,从而提升库存周转率。其支撑要素包含:生产计划和物流计划的联动体系,供应商到货管理体系,物流运行过程的监控机制,物流运行关键指标,优化数据手工统计工作量和作业逻辑,信息及时采集、传递和可视化,计划和实际运行的目标偏差管理,异常和风险预警机制。