智能化体系中的“人”.pdf

2023年7月第4期18文/惠州中京电子科技股份有限公司 洪佳桦成“懂设备的人”，让“设备”变成“懂人的设备”，结合强大的工业物联网，最终实现人与设备互联互通。为了保障智能制造的真正落地，将传统制造业与智能化技术有机结合，编制出符合工厂特定制造管理需求的智能化体系，“人”是最重要的核心要素。不难得出这样的结论，项目组的设计理念、实施思路以及复合型的专业知识和技能，决定了项目的成功与失败。然而，在构建智能制造体系时，智能化意识的塑造和培养往往被项目组误解或忽视，这也成为一些智能制造项目成果无法长期保持和发展的原因之一。如何塑造和培养良好的智能化意识，我认为可以概括为指标牵引、习惯养成、流程建设三个方面。(一)K P I 自动化作牵引KPI 自动化应作为智能制造系统的关键交付物，以推动系统建设与制造管理需求相结合，从而帮助工厂更加敏捷地获取内外部信息，消除供应商资源、制造交付、客户服务等方面的信息差异，创造信息价值。另一方面，将系统数据作为业务部门的考核指标，可智能化体系中的“人”近年来，在“十四五”智能制造发展规划的指引下，各 PCB 企业纷纷吹响智能制造转型的号角。随着智能制造技术升级，生产管理中的其他各个要素慢慢具备了“人”的动作和思维，实现了多个“无人化”场景的落地。这使得制造管理过程具备了更严格的结果导向、更严谨的过程管理以及更聪慧的数据应用能力。然而，“无人化”并不仅仅意味着用工人数的减少，当简单重复的体力和脑力活动被自动化工具取代后，对员工能力素质要求反而越来越高。工厂中的骨干们不仅需要通晓生产、工艺、品质方面知识，还需要熟练掌握自动化、信息化工具应用，并科学掌握数据分析及应用方法，通过新方法、新理念提升工作效率，降低成本浪费。以人与设备的关系来说，智能制造系统建设将改变人与设备的关系，最终让“人”变【摘要】为了保障智能制造的真正落地，将传统制造业与智能化技术有机结合，编制出符合工厂特定制造管理需求的智能化体系，“人”是最重要的核心要素。不难得出这样的结论，项目组的设计理念、实施思路以及复合型的专业知识和技能，决定了项目的成功与失败。然而，在构建智能制造体系时，智能化意识的塑造和培养往往被项目组误解或忽视，这也成为一些智能制造项目成果无法长期保持和发展的原因之一。【关键词】无人化；智能化意识；K P I 自动化；用户习惯；流程规范化作者简介：洪佳桦，清华大学工程管理硕士研究生在读，现任中京电子信息技术中心智能制造部经理，负责珠海中京、中京新能源、中京元盛、广泰电子等多个智能工厂 layout 规划、自动化设备导入、信息系统设计及实施、数字化应用等工作。19PCB InformationJUL.2023 NO.4以杜绝线上和线下指标差异的情况，直接减少数据收集、报告整理等工作，使用户更加专注于过程改善。当 KPI 自动化普遍应用于企业内部时，将提供一个透明、公开、严谨、准确的数据决策平台，为内部决策的科学性和敏捷性提供了重要支持。为了成功应用 KPI 自动化，需要合理设计园区内和车间内的信息流。这不仅包括多源异构的设备互联，还包括设备与人、环境与人、人与人之间的信息交互。管控这张部署在车间内的“信息网”，让人们接收到准确、可控、健康的信息，可以借鉴互联网短视频平台的模式，基于用户习惯进行内容创作，对消息传播途径和受众接收方式进行设计。从而让受众能够快速获取有效信息，获取指导意见。比如说，我们让生产主管每天上午开班组会提前五分钟，在手机上可以收到前一天的人员、产出、品质等信息。我们同样可以将品质周会的会议待办，在产品到达指定工序之前对生产主管及品质主管进行提醒。自动化手段将会减少大量的数据收集时间，并且帮助管理意见快速落地，通过数据驱动业务升级。(二)培养用户习惯是确保智能制造成果长期可持续的关键只有业务部门的用户能熟练掌握自动化、信息化工具的应用，并积极参与其迭代优化改善过程，才能不断升级其适配性，最终实现智能制造生态体系中人、设备、物料、方法和环境的互联互通。可见，智能化更加注重“以人为本”。让工厂里的骨干精英们成为智能制造系统中不可或缺的一部分，是智能制造建设的目标之一。在繁忙的制造过程中培养用户自动化、信息化工具使用习惯，培养数据分析及应用习惯，说起来容易做起来难，需要业务部门与项目组成员的双向奔赴。习惯是一种下意识动作，大脑会把习惯了的思考方式放到基底神经节。当大脑形成一种惯性思路时，就会很难改变，人们都会觉得不需要思考的行为方式是最自然、最舒服的。当用户逐步形成了使用自动化、信息化工具以及数据分析和应用的习惯，智能化将会成为工作的一部分。用户对于业务需求会更清晰，智能制造的推动也将事半功倍。这个过程需要刻意的引导和训练，也需要项目组成员在项目实施中给予用户良好的体验，并收集有效的使用反馈。对于深度参与项目建设的项目组成员来说，其自身也需磨炼三大核心能力，与用户共同成长。第一，业务深度理解能力，即对生产管控、品质追溯、物控管理等现场场景要有切身感知，对管控要求要有深度体会，对客户要求要有换位思考。这不仅要求成员要躬身入现场，在作业人员身边、在设备旁边找解决方案，还要直面客户，挖掘真实需求，解决实际痛点。“坐在办公室看到的都是问题，到现场看到的都是解决方法。”这一点在项目实施中尤为贴切。实施顾问通常需要将自己与作业员、生产主管进行角色互换，思考满足工厂管理先进性需求以及现场操作友好性需求的有机融合，通过系统设计，帮助管理需求进行落地转换。第二，项目管理能力，即通过项目范围、成本、进度等管控，在有限资源情况下实现效益最大化。项目成员需要以相关方的需求为出发点，对内部资源进行充分整合，为管理决策者提供包括人员、系统在内的全面解决方案。项目经理当深知“胜兵先胜而后战，败兵先战而后求胜”的古训，对结果进行设计，对项目风险进行提前规避、转移或减轻，避免项目匆忙上线带给用户负面的体验。第三，产品的深度理解能力，即对选用的硬件设备、信息系统平台和产品有客观的认知和判断。结合对业务的深度理解，为企业选择最适用的软硬件产品。如不同类型的 MES 产品选用，需考虑不同工厂的产品类型、订单结构、工艺特性及生产管理模式等。不同导航方式的 AGV 选用，需考虑对应的工装载具、地面材质、设备材质、洁净度要求、配套的设备机构设计、后期运维难度等。这要求成员对于软件产品设计、硬件结构设计、视觉、AI、5G 等技术要始终保持前沿的探索学习，积极吸收来自不同企业、不同行业的宝贵经验，并进行应用实践。(三)流程规范化是所有智能制造建设的基础标准化、自动化、信息化和数字化的建设步骤不可逆，但后者可以给前者提供积极的正反馈。因为只有对流程进行规范，自动化工具替代人工才具备可行性，而自动化工具的应用也会帮助流程长期维持规范化。反之，“新瓶装旧酒”带来的只会是成本浪费和2023年7月第4期20效率低下。比方说，如果权责不清晰，就无法科学地设置协同工作流程；如果车间物流动线混乱，结存水位失控，就无法通过 AGV 实现车间内的自动转运和空载具自动补充；如果产品参数维护不规范，进行特征工程转换及数据监控就容易出现异常，即使再强大的 OCR 等技术工具处理不规范的数据对象也存在一定的识别失败率。成熟的智能工厂通常在现场精益管理、流程优化程度方面往往也是标杆。因此，流程化、自动化、信息化、数字化之间相辅相成，就如同一套生态系统，相互制约也相互促进。随着 5G、AI 等技术的发展，智能制造的应用场景在不断刷新。但我们仍需清醒地认识到，智能制造转型仍然存在一定的门槛，这个门槛通常不是技术门槛，而是智能化意识门槛。而如何跨越这道门槛，打造先进智能工厂，离不开 KPI 自动化的牵引，离不开用户习惯的培养，更离不开流程规范化建设。PCB 行业智能制造转型长路漫漫。值得关注的是，国家发改委最新发布的产业结构调整指导目录(2023年本，征求意见稿)中提及了“分行业智能制造标准研制及实验验证平台建设”，这意味着未来行业智能制造建设标准将得到进一步细化，为中小型企业提供更加清晰的转型指引。此外，清华大学将“人工智能驱动的制造过程运行管理决策优化”列为工程管理硕士的一个主题研究方向，体现了高校在制造业高质量发展中的积极探索。产业转移、制造转型的浪潮已为制造型企业提供了无数个智能化场景需求，相信未来也将会有更多人才涌入该领域，共同投身于 PCB 行业的智能制造转型，探索预测性维护、最佳参数、虚拟工厂、一票式货运等课题。在新技术的加持下，不断升级实现“拟人化”“同人化”场景，向实现“超人化”迈进，共同书写制造强国的优秀答卷。(责任编辑 谭雯倩)