制造业企业开展“数字化转型”工作存在的挑战与建议

制造业企业开展“数字化转型”工作存在的挑战与建议

制造业企业的数字化转型已成为必然趋势。然而，在转型过程中，企业面临着认知不足、重硬轻软、缺乏支撑等多重挑战。本文将深入探讨制造业企业在数字化转型中遇到的具体问题，并提出相应的解决方案和建议。

制造企业开展“数字化转型”普遍存在的问题与挑战

问题一：认知不足

对于数字化转型，目前大多数制造业企业认知还停留在部署IT系统阶段，尽管经过多年传统信息技术的应用，信息孤岛、基础数据不准确、编码体系不统一等问题仍然存在，而云计算、大数据、AI、IoT等新兴技术在理解、掌握、应用上存在一定门槛，新旧问题叠加阻碍了数字化转型工作进程。

问题二：重硬轻软

一是工具、方法“重硬轻软”。制造业企业在数字化转型过程中，往往是侧重技术等“硬工具”驱动，认为能引进尽可能多的数字化技术/工具就能确保转型取得成功。对于组织、流程、商业模式和管理模式变革等“软实力”的重视程度不够。
二是设施投入“重硬轻软”。制造业企业在数字化转型过程中，往往是自动化设备等硬件设施的升级，对于设备联网和数据采集的重视程度不足，投入建设中的“重硬轻软”在一定程度上会导致能力分布失衡。

问题三：缺乏支撑

大多数制造业企业推动数“数字化转型”的意愿强烈，但由于缺乏专业指导，普遍缺乏清晰的战略目标、详细的转型规划以及有效的保障措施。而制造业门类众多，各细分行业差异明显，处在各产业链中不同位置的企业存在很强的个性化，数字化转型的突破口各不相同，往往没有可以直接照搬的模板，缺乏可供借鉴的经验。

制造企业开展“数字化转型”工作推进建议

建议一：建设数字化的六大要点

• 规划先行：与专业的厂商和咨询机构合作，开展诊断评估、制定智能工厂总体规划，选择平台化系统。
• 问题牵引：明确智能工厂要解决什么问题，且确信能解决这些问题。
• 夯实基础：是否具备实施智能工厂的基础条件？比如数字化、网络化、一定程度的自动化。
• 循序渐进：点（工艺装备升级+信息系统建设）、线（产线和车间层面互联互通）、面（设计/制造/服务协同、数据的深层次分析应用）。
• 持续投入：投入人员、资金，用于软硬件维护、升级更新服务。
• 管理变革+人员培训：更新组织架构和流程，提升人员素质。

建议二：打造智能化能力提升闭环

• 现状评估：如核心技术、产品工艺、生产运营、财务收支、人员配备、组织架构。
• 能力测评：如智能制造要素完整度、智能制造能力成熟度、两化融合总体评价。
• 需求分析：识别企业短板、定位核心痛点、明确关键项目。
• 整体规划：总系统整体框架搭建工厂/车间仿真优化、自动化生产线设计。
• 项目设计：数字化产品/工艺设计、智能物流仓储系统、信息管理系统集成。
• 实施落地：分阶段实施验收、关键项目监理机制、实施成果监测及评估。

关于“数字化转型”的涉及面

• 设计总体路径图（顶层规划）：设计出新建智能（数字化）工厂的大方向，它包括软硬件的配套选择、组织架构的设计、人员的培养与选拔，以及数字化的业绩管理。
• 选用合适的数字化技术并落地：分析智能（数字化）系统各项功能需求的可行性和重要性，在两个维度上进行优先级排序。此过程应邀请尽可能多的利益相关者参加，尤其是硬件和软件供应商明确短期、中期、长期的建设目标。
• 打造敏捷组织、选拔人才：敏捷组织能够使信息与决策更快地在组织上下流动，从组织架构、流程及人岗匹配这三个方面来打造组织稳定主心骨及动态能力。其次，做好关键核心岗位的人员选拔与管理。
• 数字化业绩管理：将关键指标层层分解，达到上下的统一和透明，并实时更新。在数字化业绩管理体系下，每个人都可以实时、直观的看到与自己相关的动态绩效，以实现实时反馈和远程解决问题
• 构筑生态圈，充分调动各方力量：数字化工厂的核心是实现整个价值链的端到端互联，因此企业必须借助各种力量构筑生态圈或成为生态圈的一员，充分调动自身、外部咨询机构、设备供应商、技术研发机构、政府机构等各方的资源。

关于“数字化转型”规划阶段（顶层规划原则）

• 战略规划：数字化转型规划的前提，是需要具有前瞻性的战略规划，总体设计布局，分布达成目标。没有先进的前瞻性战略规划，无法设计出先进的数字化工厂，容易造成分散建设，无序建设、互不兼容，整合困难等问题，后患无穷！
• 高效：数字化转型建设的目标是效率提升，所以在顶层设计过程中，高效的业务流程、高效的组织机构必须得到体现！切不可将原有制度流程原班套用，谨记是在信息化、数字化条件之下的业务构建或优化。
• 兼容：数字化转型建设，是软硬件+ 网络+业务咨询等全方面的协同建设，所以必须考虑兼容性，特别是在硬件设备采购、软件基础架构选型、网络适配等，一定要有一套企业的自身标准！
• 实操：数字化转型建设必须要考虑各个环节的实操性（用户体验），一定贴合业务，尽量减少人为介入（更不可增加人为操作），以保障效率和质量！
• 拓展：数字化转型建设的路径必须是分步实施，在建设过程中，无论是自身功能预留，还是与其他系统的对接，都必须按照顶层规划，预留可扩展空间！

关于“数字化转型”选型阶段（技术/设备选型）

数字化制造功能模块：信息管理系统、生产计划、工单执行、人员管理、物料管理、质量管理、工艺管理、设备管理、能源管理等。
数字化工厂建设，要围绕数字化制造九大功能模块来展开，首先，分析数字化系统的集成框架，以保证数字化系统的完整有效，一般数字化工厂需要包括PLM系统(产品生命周期管理系统)，ERP系统(企业资源计划系统)，MES系统(制造执行系统)，WMS（仓储物流管理系统）以及SCADA(数据采集平台)等在内的相互连接的一整套数字化管理体系。
其次，分析数字化系统各项功能需求的可行性和重要性，在两个维度上进行高、中、低三档的排序。此过程应邀请尽可能多的利益相关者参加，尤其是硬件（自动化）和软件供应商，根据可行性和重要性排序，制定数字化系统落地的实施路径，明确短期、中期、长期的发展目标。
技术/设备选型一定要注意这几个方面：硬件（设备）无法物联、系统业务边界不清、数据库不兼容、通讯协议若干、网络（信息）安全。

关于“数字化转型”实施阶段

• 组织机构：建设的主体不是设备供应商或者软件实施商，而是企业自身！必须匹配高效敏捷的甲方项目组织，精心选拔关键用户，以战略高度予以重视！
• 业务流程：在组织保障的前提下，参与的关键用户是项目建设的核心，要深入梳理未来工厂的业务流程（配套管理制度：不要在弱管理的条件下实施信息化）。同时也是未来新组织的业务骨干。要充分理解关键用户的作用，不可只挂名，不参与！
• 技术使用：IT、管理、制造技术的方案及应用，需要关键用户的深度参与及熟练使用。后期能支撑日常运维。
• 基础数据：智能制造本质是数据流的价值体现，没有准确、规范的数据源，建设不可能成功。

关于“数字化转型”数据分析阶段

• 提炼指标：评价建设的效果，必须要从多维度提炼指标如：生产效率、质量、交期、成本、安全、环保等。数字化工厂是集约化的具体体现，提炼指标就是集约模型建立的过程，这是数据利用的基础！
• 指标量化：建设所提取的各项指标需要直观可量化，最好直接转化成经济指标，避免过多的定性通过指标量化，能够直观发现问题点。
• 目标值设定：建设是一个总体规划，分步实施的过程，指标虽然量化了，但是每个阶段的目标值需要根据具体情况合理、有效的设定，使目标变得清晰、聚焦、可实现！
• 业务改善：数据利用的终极目标是业务改善（市场、效率、质量等），使数据产生价值如果数据仅仅就用于统计，则智能制造就是一个概念而已，无法体现智能工厂的意义。