编者按：本文发表于2015年2月27日的《IDC制造业视野》，作者鲍勃•帕克（Bob Parker）是国际数据公司（IDC）负责研究业务的集团副总裁。公司下决心把智能制造付诸实践并不是一件容易的事情，本文认为这可以从整体设备效率（OEE）入手，并介绍了OEE的三个因素：效能、利用率和收益率。通过运用智能制造的若干原则，可以找到改善劳动力、材料和能源效率的机遇。

当今科技行业的热点不断，被炒作最厉害的当属物联网（Internet of Things，IoT）。也许，你已经非常熟悉这一概念--技术供应商希望把你个人和职业生活的方方面面联系起来，以此改善服务质量。在制造行业，这个技术热点涉及智能制造的概念（即欧洲的工业4.0）。

对于制造行业来说，这些概念并非前所未闻（以前就出现过“机器到机器”的概念）。由于最近的技术进步，我们可以把数据的捕获、连接、远程控制和分析整合起来，提前兑现关于信息—物理制造的承诺。

IDC公司就智能制造这一主题与业界展开对话，汇总发布了《智能制造--通往未来工厂之路》。该报告构建了智能制造给企业带来的益处。

企业高管都接受了一个必然发生的事实，那就是信息—物理制造是未来的趋势。他们直觉上理解响应型业务能力的竞争价值，然而，要从零开始实施智能制造是一项非常艰巨的任务。为了协助客户完成这一流程，IDC鼓励相关公司可以从打造整体设备效率（overall equipment effectiveness，OEE）入手，整体设备效率包括效能、利用率和收益率等考量因素。

效能：超额完成计划

效能是一项生产能力指标，通常表示为实际产量除以预期产量（或标准产量）。因此，如果一台机器的预期生产能力是每小时10件产品，而其实际产量是每小时11件产品，那么，这台机器的效能就是110%。显然，效能非常重要，因为如果一台机器可以生产更多的产品，企业就可以在不增加新产能?情况下销售更多的产品。然而，从智能制造的角度考虑，效能不应当仅仅包括机器效能这一个维度，还有以下几个方面：

--劳动力效能：工厂员工均能够管理更多的机器。

--材料效能：优化设置和生产序列，以减少材料废弃量。

--能源效能：优化流程的能源消耗，包括减少设备转速等方法。

通过应用智能制造的原则，可以在所有这些维度中找到提高效能的机会。

利用率：提高可用性

如果一台高效的设备出现故障，那么该设备就不再具有可用性。制造商通常利用效能乘以利用率来表示生产率。利用率是一项简单的指标，计算方法是累计运行时间除以总运行时间。因此，如果上述举例的机器99%的时间都可以正常运行，那么其生产率就是108.9%（110%乘以 99%）。

归根到底，可用性就是要保持设备正常运行。资产管理信息指的是对运行状况的了解、对设备故障的预测和为尽量减少损坏而颁布的禁令等。这一分类比较常见，也是一家公司企业资产管理（enterprise asset management，EAM）系统的有机组成部分。资产管理包括不同的层面（如表1所示）。

资产管理可以超出操作设备的范围，可以包括工具、模具、夹具、固定装备和检测设备，这些设备都必须保持健康的状态，并得到良好维护。这一领域也是许多公司测试如何部署和使用智能制造相关技术的共同起点，因为资产管理对生产过程的侵入性较小，可以产生快速的回报。

质量：实时测量

效用的最后一个要素是可靠性。已经有很多方法把电子机械环境试验室、机械卡尺等测量工具及设备获得的信息转换成数据记录。但信息的复杂性也在日益增加。智能制造主张将这些数字读数和其他数据进行汇总和整合，构建更严谨的根本原因分析和纠偏行动能力。

提高可靠性并不仅仅是对检查设备数据的整合。制造公司需要具备的能力之一是对设计实验（design for experiments，DFE）的支持能力。这个概念的内涵是，如果管理层认为工厂可能存在问题，他们可以启动特定部分的数据采集，并对上限和下限进行测试，以更好地识别可能导致质量问题的一系列条件。设计实验一直是六西格玛方法体系的一部分，但过去都是手动执行的。智能制造方法可以帮助这个关键质量函数实现自动化。

当然，设计实验的应用范围不仅仅是质量参数的测试。设计实验可以用于资产运营的相关实验，但是最有趣的应用案例可能是提高产量（效率）的A / B 测试。举例来说，想象一下，一个车间有两条设备类似的生产流水线。运营管理部门想确定使用这些流水线生产 X 产品的最佳校准和操作方式。一个流水线使用了一组参数 （例如，流水线速度、人员配备、材料质量），称之为A测试；而另一个生产线使用一组不同的参数（B测试）。通过比较设备、材料、劳动力和能源效率的结果，公司可以选择最佳的组合结果。

收益：进行量化

在实施商业论证之时，设备综合效率的改善必须与易于理解的财务指标进行绑定，这些指标包括企业资产回报的主要要素：收入和成本。

通过改善工厂网络的设备综合效率，公司可以享受更高的收入水平。然而，产量增加并不能简单导致收入增加，还必须考虑如下几个方面：

--满功率。在当前阶段，如果公司可以将生产的产品全部售出，而且在提高产量后，也可以相应增加销售量的话，那就很简单：提高产量就意味着增加收入。

--客户满意度。智能制造能力使得企业能够更加适应客户的需求。按时交付高质量的产品可以提高客户忠诚度，因此，能力的提高成为关键，可以提高现有客户预算份额的占有量，也可以从竞争对手那里挖到更多客户。

--避免资本支?。这个建议可能比较宏观，但是如果公司已计划大幅增加收入，那么提高产量则意味着可以对新产能进行优化，从而节省宝贵的现金。

--产品品种。伴随着越来越多的客户要求个性化或甚至定制产品，智能制造能力会成为满足这些要求和增加收入的关键。

商业论证中更直接明了的理由是降低总体成本的可能性。在种类繁多的可能性中，我们选取了如下几个：

--材料成本。可以通过增加材料的效率，减少原材料报废。节约量因制造和情况的不同而有巨大差异。

--能源效率。理解生产决策对能耗的影响可以降低成本。IDC公司预计能源成本节约范围为10%至 30%。

--劳动力成本。智能制造使得员工能够控制更多的机器。一个经验法则是每增加八个仪表和装置，就可以减少一名员工。

--维护成本。应用更多的预测分析以及对维修人员进行更好的评估，这些做法可以降低5%-65%的维护成本。这个范围非常大，既取决于设备的复杂性，也取决于公司当前的成熟度级别。举例来说，如果大部分的维护还属于损坏/维修或预防性维护，那么就存在大幅降低成本的机遇。

--不良质量成本。关于不良质量的成本是有据可查的，一个经验法则是可靠性每增加1%，长期的利润率就可以提升1%。

每一个合理性证明都取决于公司的特定情况，因此并不需要包括所有方面。然而，在许多情况下，已经足以证明投资的合理潜在收益。

（赵  灿 编译）