一、智能工厂物流体系与智能工厂的关系

 

    消费者和客户需求拉动交付，从而通过订单拉动供应商生产、入厂物流、检验存储、物料齐套、工位配送、成品入库、存储、发运、交付等物料及产品的流动过程，最终实现客户体验及满意度。如图1-2所示，智能工厂包含（不限于）智能生产和智能物流，智能工厂通过智能物流体系实现工厂内部的整合，以及与供应商端和客户端之间的协同，从而实现订单交付全过程的打通。智能生产作为交付过程中的一个环节，是将智能生产设施嵌入到智能物流系统中，从而实现“制造工厂物流中心化”。

 

    二、智能工厂物流体系基本框架

 

    工厂物流体系构建的重点在于物流的集成和整合，以此实现对经营战略、经营计划、战略绩效和业务计划的有效支撑。如图1-3所示，智能工厂物流体系以企业经营战略与目标为导向，支撑智能工厂及其供应链达成交付的使命。智能工厂物流体系包含智能采购物流、智能生产物流、智能成品物流、智能回收物流，以及与之相关的智能工厂物流管理平台、物流计划、前后端协同、差异管理和可视化、物流数据资源和物流技术资源等。

    智能入厂物流主要是物料如何从供应商送达至采购方（核心企业），可能涉及到信息系统互联、物料需求与到货计划协同、上门收货、预约到货（ASN）、数据互联互通、到货过程与车辆智能化管理、精益化与智能化包装、第三方物流管理、空容器管理与回收、物料追溯、逆向物流、应急响应等。智能厂内物流主要是如何实现有效的物料管理、物料科学的上线以及物料与工位智能化匹配，可能涉及到智能收货与检验、厂区内部智能仓储系统、仓库管理与控制系统（WMS/WCS）、智能输送及与工位对接（与智能制造设施对接）、条码/RFID（射频识别技术）数据识别、智能单元化包装（与机器人对接）、自动化装配技术、工位物料管控与双箱制拉动、空容器回收、不良品处理、订单尾数处理、成品包装下线以及制造过程数据化追溯等。

    智能成品物流主要是从成品下线到最终交付给客户或消费者的过程，可能涉及到成品下线输送-码垛-入库、成品仓库及运作、出库拣选与备货管理、装车算法、智能化快速装车技术、成品运输、发货计划协同、物流网络布局与库存部署、全过程导航与追溯等。智能回收物流主要是包装材料、容器具、不良品的回收-返修-循环、智能追溯等过程。智能工厂物流构建中，需要遵循物流体系基本框架，从职能上强调物流为生产提供服务，理念上更加强调生产是物流流通过程的构成部分，有效拉通物流管理，以此实现价值链的拉通。

 

    三、物流运营目的明确

 

    在工厂进行智能化规划或改造的过程中，需要充分考虑智能物流系统的差异化配置。一方面，在智能化程度迭代上，可以次第展开、并行推进、实事求是的选择经济、合理、有效的物流设施、软件和系统；另一方面，结合不同供应商、不同物料、不同客户、不同产品、不同产线、不同车间等，可以按照多种物流场景进行物流规划和管理方案的匹配。智能物流系统的建设应围绕有效交付、减少断点、提高效率、降低库存（供应链总库存）、供需协同等经营指标来进行规划建设，所以，衡量“智能”与否的关键不仅在于减了多少人、自动化率达到了多少、人机料互联覆盖了多少等这些指标，而是更多地评估这个智能化的过程是否带来工厂运营管理能力的（效能）提升，是否能够支撑企业获得核心竞争优势。

 

    四、物料流动差异化

 

    智能工厂需要面对的是客户的个性化、定制化需求；生产批量属于小批量、多品种的计划方式；物流模式需要节拍精准、移动灵活的输送策略；数据需要保证互联互通、实时可视、实时监控的“在线模式”。智能工厂需要通过精益化和柔性化的生产、模块化物流配套保证，以支持生产计划和物流作业计划的有效性。

    不同企业物流运营管理应结合物料和产品的不同流转规律，进行物流运作策略的差异化定义。在智能物流的初始阶段，绝大多数工厂愿意采用AGV代替叉车将物料配送到工位，遵循的是高级排程中的配送时区和拉动计划倒排节点；随着AGV调度算法的日趋完善，AGV变得更加智能，起到了衔接各个组装、部装等前置工位以及联动总装的作用。对于周转率高、流量大的物料和产品，比如家电、手机、服装、家居产品等，可以采用连续输送（智能输送机、智能悬挂链等）到工位，形成多点对多点的智能配送“网络”，减少了过程中的在制品暂存、等待、包装、中转、交接、信息二次采集等断点，从而使得制造和物流浑然一体。对于离散型制造特点相对明显、产品体积相对庞大、生产节拍相对缓慢的制造（比如电机、发动机、坦克、飞机、轨道交通产品等），可以直接采用专用的智能流转设施（如大型AGV），或者采用固定工位加工的方式。如图1-4所示，此时工厂里见不到传统的组装流水线，取而代之的是一个个AGV移动工作台，沿着工艺路线自动行走，且能够携带产品在装配过程中的重要信息穿梭于工厂，这些信息在工人实际操作时可以有效避免人为出错。随着产品产量的增加，可以有越来越多的AGV环绕在装配作业点周围，协助物料的智能搬运，不再有传统流水线的刚性束缚，大大提升了生产的柔性和响应速度。

    智能工厂中的智能物流系统能够高效、准确、稳定地完成动态工作，保证过程品质一致均衡。随着人与机器在产品装配过程中的交互更加紧密，不同的生产环节可通过操作人员（或人工智能控制的机器人）按照定制产品的需要来使装配流程做出改变。更可以通过系统仿真，针对每个订单、每个物料、每个工位验证生产和物流的工艺流程。从虚拟连接现实世界，通过仿真发现瓶颈并反馈信息，进行实时调节。具体运作过程中可以是通过一个虚拟订单，看到工厂里的各种设备，当实际订单运行时，协同不同的工厂模块，就可以反馈到监控、优化软件模块。

 

    五、聚焦物流运营供应链思维

 

    供应链思维和物流思维是从价值链角度出发，跳出岗位、部门甚至企业的边界，在整个经营过程中树立和贯彻以物为本、加速流通、提高交付的价值导向。不仅仅是指物流部门或者生产部门需要具备这种思维，更重要的是，整个企业、高层管理者在战略层面就应该具备这种思维。虽然从工厂规划和运营的角度，依然强调物流为生产服务，在产品的整个生命周期中，传统管理认为只有生产过程才是增值的，而事实上，在物流运作过程中必要的移动也是增值的，这些移动实现增值过程的达成。一般认为，客户愿意为之付费的过程就是增值的，因此，需要以客户为中心定义价值链过程，消除包含在整个端到端的物流过程中的浪费，这些浪费存在于采购物流、生产物流、成品物流、回收物流的各个流程节点中，只有在一体化、系统化的规划逻辑和物流管理体系下，才能够不断缩短不增值时间、提高价值链过程增值率，达到系统效率的持续优化和相对最优。

 

    六、强调物流运营集成化

 

    传统工厂运营中，计划、采购、生产、仓库、品质、工艺等往往明确分工，业务、信息、流程、绩效等均是各司其职、分而治之，作为贯穿始终的物流，被分散在各个职能、部门之中，容易造成部门壁垒。在实际运营过程中，一个物料的异常、交付出现问题、仓库爆仓或物料呆滞，可能的责任部门有供应商、采购、物流公司、计划、品质、研发、生产、工艺、仓库、配送等。后续的问题沟通、追溯过程异常复杂，甚至找不到责任人，看似谁都有责任，实际谁也没有责任。经过反复的“折腾”（会议上无休止的争论），最后问题还是有可能没有得到有效的解决，更无法建立长效机制。时间久了，就导致整个组织的“救火”文化，有什么问题就处理什么问题，“头痛医头、脚痛医脚”。

    智能工厂物流规划与运营需要解决管理、流程和信息的整合、拉通与集成的问题。对制造物流运营的整合也就势在必行，主要体现在三个方面：

    1. 组织、职能上的拉通与整合。将物流相关的职能整合成一个物流组织（甚至更大范围内整合成为供应链组织），对物流规划、物流布局、物流计划、物料供应、订单交付、库存周转、各类物料异常、物流的持续改善、相关信息系统的导入等进行归口管理和负责。

    2. 绩效指标上的拉通与整合。避免指标过度分解导致部门目标和总体目标产生背离，以避免出现“各部门指标都很好，但总体指标却没有达成”的尴尬。比如物料齐套率、库存周转率、缺料（货）率、包装标准化率、物流人均产出等指标，应该由物流（组织或职能）统一归口管理。对应的问题产生以后，即便问题与很多部分相关，也由物流进行“一站式”的响应和闭环。

    3. 流程和信息上的拉通与集成。做到“该有的流程和节点都有，不该有的流程和节点就没有”。跳出部门隔阂，站在价值链的角度来梳理流程和信息，既有利于流程之间的衔接和信息的透明，又有利于提升流程效率（消灭不必要的节点）、增加信息价值（信息被共同使用）。供应链环境下，物流运营管理的关键，需要实现从预测-订单-计划-物料供应-生产-交付整个过程的计划协同、数据互通。比如：在供应商送货的过程，要实现物流计划、物料包装、数量、车辆、时间、地方等信息上的互通，避免物料出现“该到的没到、不该到的到了”，以及到厂后要重新贴标签、切换包装、多点卸货等问题。在工厂内部物流运作过程中，考虑物料、标签、包装和器具载体的通用化、标准化，以及车间和线体之间的互通。避免人员从一条产线下线、装箱、码垛，再到另外一个车间拆托、切换包装再上线的“倒腾”浪费。因此，智能工厂物流规划和运营管理要从全供应链角度出发，结合计划、采购、生产、交付等业务，进行整体规划和整合，实现各环节之间实物流、信息流的互联互通。

 

    七、物流运营管理数字化与自调适

 

    物流运营管理自调适是企业通过对流程、规则、关键指标、异常处理等进行标准化、实时化、透明化管理，对内部异常和外部变化的自主识别、监控、预警和自主纠错的决策和调适功能，是物流运营管理智能化的重要内容和特征。

    首先，建立物流标准化流程体系。将物流各环节核心流程进行梳理、优化和固化，建立流程框架，形成流程文件，编制各环节的操作指导书、作业路线图、指示图、指令表单等，“有人操作的地方就有标准可依”。

    其次，建立物流运作过程实时监控系统。以公司整体战略目标为导向，以实现订单有效交付为原则，对物流环节进行关键指标、过程指标的梳理和识别，以此引导现场数据采集、数据逻辑及算法的规划和建设。过程中需要综合考虑准确性、及时性、完整性要求，设定相应的数据采集点、数据算法和系统开发，搭建物流控制塔，实现物流过程、风险预警、异常反馈、应急响应等的可视化管理，从而形成物流体系的自调适能力。

    最后，建立物流风险和应急处理机制。分析物流各环节可能存在的风险和异常，制定风险管理和应急处理机制，梳理解决问题的流程、标准、时间、责任人、信息传递机制等，形成标准的风险及异常处理体系。当异常和紧急情况出现时，比如频繁的缺料、来料不良、插单和计划变动等，会造成极大的作业波动、占用工厂资源，导致工厂无法正常运转。因此要针对物流过程设计应急方案和流程，应急流程设计需要尽可能规避对正常运作的影响，通过有效的例外措施加以解决。比如企业引入自动化立库系统后，由于紧急插单、换线、急料等导致紧急物料需求时，从供应商端可直接到达产线，而不用经过自动化立库和输送链。特别值得注意的是，企业在建立各环节应急流程时，需要形成应急处理清单并确定负责人，在前期进行相关的演练，以备在异常出现时能从容应对。

    物流运营管理数字化和自调适能力建设，并不意味着整个供应链全部都是智能的，未来很长一段时间内，端到端的物流过程很难实现全面的智能化，在绝大多数行业，众多的供应商和客户管理还相对原始、粗放，有一个提升的过程。因此，对于供应链上所有的企业而言，比追求智能化更重要的是，必须重点关注和强化运营管理的提升，以确保过程的运作质量，从而实现对价值链条上智能工厂（比如链主企业）的有效运营。

 

 

注：本文摘自转载，不代表本站立场，若有侵权 ，请联系删除！