SAP智能制造,为企业带来的无限机遇
384
2023-10-23
一、前言
智能制造是非常热门的话题,自2015年热起,已经经历了物料网、大数据、云计算、AR/VR、人工智能、产业互联网、工业互联网以及最近的工业APP,热点转移频繁。
其实,智能制造其核心是制造而不是智能,智能是需要为制造赋能的。那么智能到底能为制造赋什么能呢?
回答了这个问题,也就溯源了智能制造的本质。
二、制造的本质
制造,制造,就是“制”和“造”,工厂是其载体。其本质是生产产品。而生产产品的就是从供应商购入物料,经过制造转变为产成品的过程。依据这个的本质定义,制造(工厂)的本质是物料的流动(从供应商流入,经过转换,流出至客户的过程)。
依据这个解释,并可以推理出制造物料流动的特性:
1、守恒性
从供应商流入,流出至客户的物料流动,在一段时间内守恒:即,期初+流入=库存+流出。
这个非常好理解,物质不灭定律。
2、相应性限制
物料在工厂的流动,需要受到两个限制:
其一,受到工艺路线的限制。众所周知,产品的具有BOM(物料清单)结构的限制,而BOM结构是有层级的。BOM的各个层级之需要工艺路线串接。依据BOM结构和工艺路线,离散型工厂的物流形态,一般可以区分为V、A、T、I四种。
其二,受到工厂物流路径的限制。任何工厂都受到物理条件(空间)的限制,均经过收料暂存、存货区、备货区、车间暂存、在线(机台)、入库暂存、入库、备货等区域。
3、流动性制约
既然制造(工厂)的本质是物料流动,而流动性必然受到制约因素的制约。流动性的制约因素,可以区分为外部与内部两个大类。
流动性的外部制约,可以区分为市场和供应两个类型。市场是受制于客户群、客户的需求量。手机销量从高速增长,到消费疲软是市场限制。供应商受制于供应商的种类、产能和技术水平等。半导体行业中的光刻机,是典型的供应制约因素。
流动性的内部制约,可以区分为政策和物理两个类型。流动性的内部政策制约其种类非常多,如衡量(比如阿米巴、KPI考核)、组织、人员编制、方法、流程等等。流动性的政策制约,往往是两个极端:做多和做少。大公司、国有企业等等企业往往做多,比如一大堆的学习、一大堆的考核,配置了一大堆的间接人员。而广大中小民营企业往往是做少,把人作为成本而非资源,把必要的管理配置,变成了费用控制。中小民营企业往往是欠管理,该管的事情都没有管起来。流动性的内部物理制约,大家非常好理解,就是设备、设施不足。设备不足大家均可理解,当前操作工不足也是非常大的比例。设置不足也可以理解:厂房不足、水电气、存放空间不足等等。
流动性制约了系统的产出,需要最大改善的之处。
4、变动性影响
世界是客观变化的,尤其是当今。《重构,数字化的转型逻辑》中以十分大的篇幅讲述了不确定度对当今社会的影响。
建立一个简单的模型,来分析制造(工厂)的变动性,更易理解:
第一,外部
外部—客户:客户对产品需求在变多、变杂、需求的速度在变短。任何产品均变成了时尚品。
外部—供应商:因为产品生产周期短、订单量变小、变散,致使供应商的组织、形态在变化。尤其是劳动力短缺、高智商人才的就业多元化,致使供应商的生产组织能力、水平下降,供应商的质量水平、交期保障等一致性变差。
第二,内部
内部—政策,因为外部变化,使得内部的政策稳定性变差,尤其是员工的流失率过高,致使内部控制力下降。
内部—产能,管理水平(设备能力在提升)、员工、产品复杂度等的变化,使得产能的变动性也在增加(不稳定的质量,均需要产能弥补)。
而且,更加恐怖的是,变动性有腐蚀作用,对生产过程的伤害非常大。供应链的牛鞭效应在制造(工厂)内部也一样适用。
三、智能制造
据羿戓制造所了解,智能制造至少在国内是最近几年兴起的新词汇,是一个演变的过程。制造制造有三个含义:
其一,集成
信息化强调的是“集成”,通过将研发、设计、工艺、制造、销售、采购等业务环节的数据集成在一个平台上,实现数据的互联互通,打破信息孤岛,实现从销售,产品、制造、供应链或服务过程的协同。
其二,建模
数字化强调的是“建模(虚拟和仿真)”,运用CAD/CAM/CAE 、CAPP、PDM/PLM等软件,实现产品和制造过程的建模和仿真。单元级、系统级、系统的系统级的CPS、数字双胞胎都是产品、制造(工厂)的实体模拟。自然,要实现产品和制造(工厂)的全过程建模和仿真,需要足够的时间和预算支撑。
其三,决策
信息化侧重于数据的收集、记录、存储,数字化侧重于对数据的处理、分析,而智能化重点在于对数据的应用:提高能见度、辅助决策。实现“分散数据整合化(通过数据收集实现)”、“整合数据可视化(通过数字化建模实现)”、“可视数据实用化(通过基于数据的决策实现)”的逻辑。
四、制造(工厂)运作的本质
生产运作管理发展历史久远,《科学管理原理》一书发行已经超过100年,MRP、Lean、TOC是生产运作管理最基本的三个方法论。尤其是精益生产更是深入人心。但是,溯源究本,可能《工厂物理学》所揭示的本质才是最根本的:
作为《工厂物理学》第一定律的里特定律,清晰地揭示了一个事实,要达到客户满意(准交和短交)、老板满意(高产出、高效率),别无他法,只有控制在制品的投放即可。
如何控制呢?只要分析生产任务的状态,就可以得出明显的结论:
1、识别生产任务的状态
2、识别产出的绩效状态(交付、产出)
3、投放该投放的生产任务
五、【智能】对【制造】的赋能
从讨论制造的本质可知,制造的本质是物料的流动,所以管理制造过程物料的流动性是关键中的关键。
因为产品生命周期短、客户需求多样化,造成了订单品种多、订单批量小、订单变动多、订单周期短,致使制造(工厂)运作管理的复杂度大幅度增加(几何曲线),如何通过控制生产任务的投放取得好绩效(客户满意度高、投资回报率高)成为了难题。而智能制造恰恰为此实现提供了可能性。
依据以上阐述,对于制造过程而言,控制生产任务的投放是核心环节,则可以推知,其信息系统模块中,APS是关键环节,甚至说一个数字化工厂,一个智能制造系统中,没有APS,发挥不了真正的核心价值。
APS高级计划和排程,一般实现三个功能:
其一,是长周期的物料和产能展望。
制造过程本质是一个长周期内的循环过程,需要针对未来的市场发展做长周期的展望。长的展望周期是52周的,一般的企业也有12周(C+3)的滚动需求分析,以预先配置资源,响应客户需求。
其二,是异常的仿真模拟和分析
需求过程、制造过程都是一个高度变化的,尤其是不确定度非常高的今天,需求端的订单、供应端的送货、制造(工厂)端的产能变动是常态。这些变化对销售订单的影响、对制造(工厂)产出绩效的影响都需要实时、动态的模拟分析,以做出科学的决策。
其三,全局、高精度、实时、优化的计划和排程
制造(工厂)一般是典型的多组织(多个车间、串并联结构)的协同过程,手工计划和协同时,因为算力限制,一般对车间级的独立计划和排程,通过日调度会、周S&OP会议协同,不能做到实时、全局的计划和排程,更无法提及优化,实现客户满意度和资源产出效率的优化(客户满意度与资源效率为冲突)。
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~