赋能数智化产业链核心竞争力——基于通信技术、大数据和人工智能的精益体系
福建金科信息技术股份有限公司CEO
金晨
大家傍晚好,非常佩服大家能坐到现在。今天可能时间问题每一位嘉宾的时间都不够,因为展开说都不是15分钟的事,可能是很长的交流题目,我的也是一样,今天想和大家介绍的是赋能数智化产业链核心竞争力。所谓数字化产业链这件事我们主要说的事情是如何让智能制造,如何让工厂大量被数字化。
自1993年成立以来,我们公司在金融领域,包括银行业及半金融领域,至今已为274家银行客户提供服务。在过去的三年中,我们启动了一项新的业务,称之为“AI赋能万算基石”。我注意到许多大型模型公司取得了显著成就,并且行业内出现了许多基于大型模型的应用企业。我们公司的专长在于网络领域、系统集成以及运维服务。因此,我们推出了面向AI网络架构和网络运维的服务。我们观察到,在AI环境中,无论是私有化部署还是大型模型,都涉及大量不同的显卡、计算设备,甚至是裸金属设备的算力中心网络调度方法和使用的协议,以及各种形态各异的设备。
我们已实施了一系列国产化集成及运维服务工作。当前,大量采用国产化设备意味着这些设备与以往进口设备存在差异。我们面临的挑战是如何有效地使用这些设备及其组合,以确保为金融行业提供的服务能够满足7×24小时业务连续性标准,即业务中断时间不超过3分钟。这亦体现了我们的专业能力。
最终,我们具备了进行产业洞察的能力,观察到了一幅宏伟的产业图谱。在第二展馆,我们设有展示厅,其中陈列着更为庞大的产业图谱。这幅图谱实质上反映了各国的产业状况,而产业的基础在于企业。通常,一个国家的上市公司是企业中的核心,它们的数据来源于全球250多个股票交易市场。为了实时获取这些上市公司的数据,我们运用了大量先进的数据清洗技术和大数据处理方法。这些技术包括访问和处理来自诸如万德、WSE等数据库的股票交易信息,并将其转化为上市公司的详细信息,特别是那些反映公司核心状况的关键参数,如市值、营收、利润以及ESG研发投入比例等。通过这些分析,我们构建了包含多达二十个产业的图谱,应的整体产业信息。迄今为止,我们已经出版了10本相关书籍,并为8个部委的核心项目提供了服务。
今天我和大家快速分享,其实今天想跟大家分享的是聚焦业务价值数字化工厂的整体方案,物联网、大数据和数字化交付这样一个题目。
在未来十年中,数字化将成为产业链核心竞争力的关键因素。我们可以观察到,诸如提高良品率、增加产能以及成本控制等议题,一直是行业讨论的焦点。简而言之,我们可以从本页所展示的内容中看到,我们服务的三大供应链——特斯拉、苹果、华为——均包含着复杂的多层次结构。
以国产新能源汽车品牌为例,我们不以特斯拉为讨论对象,而是探讨某品牌汽车的质量。该品牌的汽车质量优劣,并非仅取决于其生产制造工艺,而更多地取决于其整个供应链生态的完善程度。同样,汽车的成本高低,并非仅由最终组装环节决定,而是与所采购的每个元器件的质量密切相关,从电池到每个传感器均是如此。
进一步地,我们审视价格与质量之间的关系,发现并非价格越高的汽车质量就越好。过去有“一分价钱一分货”的说法,但实际情况并非如此。例如,电子元器件价格昂贵可能是因为生产工厂的良品率低下,设备使用效率不高。因此,能够准确识别这些因素,在未来的产业中变得越来越重要。我们必须能够清晰地了解供应链上每个厂家、每个零件的良品率和设备使用率。除了交付产品外,还应提供数字化版本,展示其生产爬坡的进度。这正是我们经常听到的故事背后的原因。例如,我们常听说苹果手机之所以优秀,是因为苹果公司派遣工程师前往富士康工厂进行现场监督。过去依赖人力,现在则更多依赖数字化能力来解决问题,其中包括我们开发的一系列硬件,如DTU等设备。
我们专注于网络技术领域,这是我们专业所长。我们能够利用这一简易设备,对每一台数控机床及其他生产设备进行全面的数据采集,并将这些数据进行传输。目前,我们已经能够精确掌握您工厂内每台设备的启动时间、故障时刻、废品产生情况以及数量,并据此描绘出一条正常的生产增长曲线。所有这些基础数据,我们都已了如指掌。
在掌握了这些基础数据之后,您所见的这些照片中清晰展示了我们的DTU设备是如何安装在不同地点的。我们注意到,在访问那些年产量在50亿至100亿之间的工厂时,我们经常发现一些典型问题。这些照片清晰地反映了这些问题。
高层领导对于精益生产和降本增效的重视至关重要,然而,目前我们面临的问题是数据收集的困难,即便收集到数据,其真实性也难以保证。下属为了规避罚款,有时会故意忽略或丢弃某些信息,导致异常问题难以被发现,且对于问题的描述往往因人而异。这种情况在工厂中极为普遍,从实例和照片中可以明显看出,这是在任何工厂都可能遇到的状况。
在其他企业中,我们同样观察到,尽管存在降本增效的目标,但实际效果波动较大,类似于股市的涨跌,最终可能并未实现任何实质性的变化。我们经常看到的情况是,今天节省了20%,明天又损失了20%,最终向管理层报告的成本与之前相比并无二致。然而,这20%的损失可能意味着失去一个重要的订单。我们还面临其他问题,如生产排程和日常生产中难以获取主要的真实数据,而只能看到偏差。对于这些偏差,工厂人员可以列举出无数原因,尽管我们可能已经部署了众多系统,但背后的根本原因仍然存在。
通过观察和总结我们所遇到的一系列问题,我们发现这些问题具有共性。在中国供应链中,特别是在规模超过50亿产值的企业中,这些企业通常具备明确的目标、意愿、组织结构和理论基础。然而,现实情况并未发生改变,异常情况频发、波动性大、准时交付率低、能效低下、利润微薄等问题依然存在。
针对此类问题,我们制定了一套解决方案。我们对所有设备生产线的24小时运行过程进行了全面记录。我们强调的是如何专业地开展早会,而非仅仅复述那些记录在小本子上的数据。我们利用一块大型平板,清晰展示设备运行状况、本月表现、昨日情况以及上周动态,使每个车间能够通过自动化管理看板进行分析和改进。这些看板包括评级原因TOP5、不良率统计以及所有详细信息,从而推动整个流程的变革。我们通过成本动态管理大模型整合企业各个管理层面。
对于智能工厂而言,最为关键的是其良品率,即整体设备效率(OEE)。OEE的三组数据是完成所有工作的核心,所有成本计算都基于此。若无法提升良品率,其他一切努力均属徒劳。数据与AI算法的结合有助于降低成本、提高效率,实际上是从生产制造的顶层开始实施。最终,我们构建了新一代数字化供应链架构图。
若我们能够找到一家愿意承担额外费用的链主企业,甚至得到当地政府的支持,特别是工信部等相关部门愿意为供应链中的每家企业提供资金,以实现数字化交付的可能性,这将是一件极好的事情。这将促进整个产业链的升级,而不仅仅是单个工厂的改进。
所以怎么做这件事,我们分成几个非常固化的步骤:
第一步,在导入数智化服务的过程中,我们首先需审视当前的实际情况,并预测可能实现的成效。在此过程中,我们面临一系列问题。为解决这些问题,我们将部署相应的设备,包括DKU等,并确保所有设备安装到位。随后,我们将进行现场演示和调试,最终形成一个看板,以便全面掌握所有真实情况。
第二步,构建QCT体系,必须依托于一套明确的管理体系,这一点在精益管理中尤为显著。一旦该管理体系得以确立,QCT本身并非我们所要直接从事的工作,通常情况下,工厂会聘请专业的咨询公司来执行这一任务。
第三步,数据运营过程中,所呈现的数据均为真实可靠。对于一台大型液压设备,我们通过系统实时追踪其运行频次,分析当日故障次数,以及计算良品与废品的比率。随后,将这些详细信息进行整理,包括具体时间点所发生的各类问题及其解决方案。为此,必须明确监督职责。例如,车间主任需每日进行跟进,工业工程师每月审查,领班则需每小时检查一次。所有这些规定都需严格执行,以便于团队成员能够审阅和分析所展示的报表数据。
第四步,构建数字化精益能力体系的核心原则在于避免为工厂团队增添过重的工作负担。团队成员常抱怨,每日的早会、午会、晚会以及繁多的报表填写任务已令人疲惫不堪,因此,必须实现数据的自动采集,同时,由于时间紧迫,无法详尽阐述建立机制与标准的过程,必须将流程固化于系统之中。最终,关键绩效指标(KPI)的挂钩是不可或缺的,以确保工厂运作的透明度,便于识别和暴露问题,并在此基础上形成知识的积累。以锻造车间、热媒车间、成型车间至最终车间为例,每个环节均须具备数字化能力,通过看板和内容的展示,实现信息的可视化。
最终,所有信息将汇总成一份详尽的报告和一组管理数据,构成一个全面的解决方案。我们能够整合从呼叫手环、物联网设备到增强现实(AR)眼镜的全套技术,确保AR眼镜能够实时指导用户如何解决问题。当设备检测到产品出现质量问题时,用户将得到即时反馈,进而实现生产过程的追溯和价值流的可视化,从而提升产品质量并降低成本。这使得我们的上游合作伙伴,如特斯拉、苹果、华为和理想汽车等,能够对我们的产品充满信心,相信采购我们的产品是值得信赖的。我们提供的不仅仅是价格,而是高良品率和低废品率的保证。因此,我们构建了包括所有设备在内的整体解决方案,这些设备便于携带,用户可以轻松地将它们带到任何地方,接通电源后即可立即投入使用。
以下为示范效果展示,目前众多工厂已采纳并应用了该解决方案,其中包括数十家乃至上百家工厂。通过此方案,管理者能够通过手机实时监控整个生产流程。对于新建工厂,我们同样提供FMEA(故障模式与影响分析)服务,以全面支持质量管理流程。我们展示了典型工厂的全部运作内容,包括整体架构的细节,旨在实现对实际OEE(设备综合效率)的提升,即提高良品率和开机效率等关键指标。关于价值方面,我们不再赘述,而是通过实际案例来展示我们如何为工厂插上数字化和智能化的翅膀。
这是金科信息在做的事,感谢大家!
(以上内容根据嘉宾发言速记整理)
扫一扫在手机上查看当前页面
