产能在线——谈“危”与“机”下制造型企业的转型升级(上)

简介: 本次分享分为上、下篇,本文为上篇。首先,我们将从当前疫情下口罩产能说起,聊聊口罩当前产能与预期产能的决定要素,为什么说产能在线是下次危机之前的必要准备,给出通过企业级和行业级工业互联网实现企业产能在线的最佳实践方案,为数字经济下的制造型企业转型带来一些启发。

查看精彩分享,一键直达!

从疫情下的口罩产能说起

1.1当前产能和未来产能

当前疫情期下,大家都比较关心口罩产能,通过资料发现2019年中国大陆地区口罩产量超过50亿只,医用口罩占比高达54%。虽然数量比较可观,但是分配到十三亿人身上就比较少了。

那么当前状态下口罩产能是多少,未来一个月甚至一年的产能又是多少?回答这个问题之前,首先我们先了解下什么是产能,不同类型的产能对于统计口径是大不相同的。
image.png
图1 当前产能和未来产能

1.2产能要素

产能是指单位工作时间内良品的产出数。目前我们已知有三种产能类型:设计产能(理论产能)、实际产能(有效产能)、预期产能(扩大产能)。

设计产能是由产品方案、工艺、设备、工作时间等决定的,这些在工厂设计之初就已经确定,一定时间内不会改变的。实际产能同样基于这些基本要素,其中部分要素是确定的,而供应链、库存、质量这些要素则无法确定,它们会受到实际生产情况的影响而发生变化。未来产能除了以上要素之外,还受到计划排程、柔性制造等因素的影响。例如,计划排程可以预测未来一段时间的产能,柔性制造的场景下会随时调整产线、设备。从这个角度来说,要清楚的知晓预期产能则有相当的难度。
image.png
图2 产能要素

1.3企业产能

我们以口罩生产为例,再来详细解释下。如图所示,我们可以看到口罩的实际生产流程。从制造企业生产流程来说,口罩生产属于比较简单的工艺流程,但我们也看到了工艺、工序、设备、原料等等对象,这些都会成为约束产能的关键要素。

总的来说,确切的产生数据依赖于企业的静态数据和动态数据
什么是静态数据?什么是动态数据呢?所谓静态数据,其实围绕的是制造BOM,包括了工艺、工序、资源、物料、出勤模式等,其中,资源包括设备和人力及资源,这些构成企业生产的一个静态数据。

动态数据的核心其实就是订单执行。销售订单下来之后要变成制造订单,这时候就需要合并、拆分和展开等步骤。同时订单变成工单之后,最终下发到设备上,那么设备的OEE和维护保养就约束了订单执行的效果。当然还有质量、库存、生产日历这些,我们都把它们称为动态数据。

所以说一个确切产能数据需要静态数据和动态数据的联合才能最终确定下来。图中右下角是较为复杂的一个加工、组装和包装生产流程,这种情况下影响因素也会更加复杂。一个企业内部产能的估算已经很有难度了,从整个产业链来说统计和预估的难度那就更大了。
image.png
图3 企业产能

1.4产业链产能

从产业链的角度来看,口罩行业直接的上游产业就是无纺布行业,还有其他行业的支持,比如石化行业。由此可以了解,口罩生产其实不是单单一个口罩企业的生产能力,更重要的整个产业链拉动能力。

所以确切的产能数据,不仅仅是依赖于当前企业的产能,同时还依赖于整个产业链的产能数据。现实情况可能更加复杂,像最近有很多其他行业的企业也纷纷转产生产口罩,产能统计和预估难度又呈几何级上升。可能大家可能也会说,预估有一些误差并不是很严重,但其实很多时候你感觉上可能是数据量上产别不大,但事实上可能没有准确数据的估计和计算,可能最终的差距是非常非常大的,这在实际生产当中是一件非常可怕的事情,所以精确估计和计算产能是十分重要的。
image.png
图4 产业链产能

危机前制造企业的准备

最近钉钉的下载和使用量都非常大,在这个特殊时期企业用钉钉在线办公,学生用钉钉在线学习。钉钉的产生并不是为了这次疫情,但是在现阶段使用范围特别广,主要是因为产品的核心特点,其实就是五个在线:组织在线、沟通在线、协同在线、业务在线、生态在线,这是非常值得我们思考的。

当前危机下或者在下一次危机前,我们制造企业该准备些什么?是不是做好充分准备了?这其实也是我想跟大家分享交流的。
image.png
图5 准备工作

我总结下来,在危机前制造业应该做的准备就是实现“产能在线”。
从国家战略层面上来说,尤其是在紧急情况下比如疫情、战争,调度产能是一个非常迫切的需求,这里指的是一个全产业链的调度能力。从常态化角度讲优化产能又是个迫切需求,什么地方产能过剩,什么地方产能不足,需要进行优化调度。这就要求构建企业行业特别产业链的一个产能在线的数据应用能力。

企业对内生产是不是透明的?数据是不是在线了?对外企业的竞争力在哪里?是不是和其他行业企业相比,你的数据更加透明,让上下游快速知道你的产能、质量。如果这些数据非常透明的话,在同行竞争当中就能取得优势,所以实际考察的是企业产能在线的数据应用能力。

再从另一个角度,产能在线具有两个最重要的优势,一方面,它能响应整个产业链的全局调度,另一方面,提供当前企业的产能同时提供预期的产能。那么要实现产能在线,有没有现成的工具或方法?从战略层面上讲,就是构建产业互联网;那么从战术方面讲,就是积极构建企业级的工业互联网。

查看下篇,请点击这里。

image.png

本文作者:阿里云 MVP 滕国栋,杭州博拉网络科技有限公司CTO

目录
相关文章
|
XML JSON 数据库
Python的标准库
Python的标准库
445 77
|
人工智能 分布式计算 Java
说说XXLJob分片任务实现原理?
说说XXLJob分片任务实现原理?
2364 0
说说XXLJob分片任务实现原理?
|
机器学习/深度学习 人工智能 算法
图解机器学习 | 回归树模型详解
用于回归任务的决策树称作回归树,属性选择与生长方式与分类决策树不同。本文讲解决策树回归算法的核心思想、启发式切分、最优属性选择、过拟合、正则化、以及缺失值处理等关键知识点。
1368 1
图解机器学习 | 回归树模型详解
|
安全 .NET C#
编写高质量代码改善C#程序的157个建议[优先考虑泛型、避免在泛型中声明静态成员、为泛型参数设定约束]
前言   泛型并不是C#语言一开始就带有的特性,而是在FCL2.0之后实现的新功能。基于泛型,我们得以将类型参数化,以便更大范围地进行代码复用。同时,它减少了泛型类及泛型方法中的转型,确保了类型安全。
818 0
|
6天前
|
人工智能 自然语言处理 JavaScript
2026年Windows+Ollama本地部署OpenClaw保姆级教程:本地AI Agent+阿里云上快速搭建
2026年OpenClaw凭借本地部署、私有化运行的特性,成为打造个人智能体的核心工具,而Ollama作为轻量级本地大模型管理工具,能让OpenClaw摆脱对云端大模型的依赖,实现**本地推理、数据不泄露、全流程私有化**的智能体验。本文基于Windows 11系统,从硬件环境准备、Ollama安装与模型定制、OpenClaw部署配置、技能扩展到常见问题排查,打造保姆级本地部署教程,同时补充阿里云OpenClaw(Clawdbot)快速部署步骤,兼顾本地私有化需求与云端7×24小时运行需求,文中所有代码命令均可直接复制执行,确保零基础用户也能快速搭建属于自己的本地智能体。
7645 55
|
3天前
|
人工智能 安全 API
CoPaw:3分钟部署你的 AI助理
源自阿里巴巴开源生态的个人 AI 助理——CoPaw。作为阿里倾力打造的开源力作,CoPaw 完美打通钉钉、飞书、Discord 等多平台对话通道,支持定时任务自动化。内置 PDF/Office 深度处理、新闻摘要等强大技能,更开放自定义扩展接口。坚持数据全程私有化部署,绝不上传云端,让每一位用户都能在大厂技术加持下,拥有安全、专属的智能助手。
|
7天前
|
人工智能 JSON JavaScript
手把手教你用 OpenClaw + 飞书,打造专属 AI 机器人
手把手教你用 OpenClaw(v2026.2.22-2)+ 飞书,10分钟零代码搭建专属AI机器人!内置飞书插件,无需额外安装;支持Claude等主流模型,命令行一键配置。告别复杂开发,像聊同事一样自然对话。
3705 11
手把手教你用 OpenClaw + 飞书,打造专属 AI 机器人
|
5天前
|
人工智能 自然语言处理 机器人
保姆级教程:Mac本地搭建OpenClaw及阿里云上1分钟部署OpenClaw+飞书集成实战指南
OpenClaw(曾用名Clawdbot、Moltbot)作为2026年最热门的开源个人AI助手平台,以“自然语言驱动自动化”为核心,支持对接飞书、Telegram等主流通讯工具,可替代人工完成文件操作、日历管理、邮件处理等重复性工作。其模块化架构适配多系统环境,既可以在Mac上本地化部署打造私人助手,也能通过阿里云实现7×24小时稳定运行,完美兼顾隐私性与便捷性。
3241 4
|
4天前
|
人工智能 安全 JavaScript
阿里云上+本地部署OpenClaw(小龙虾)新手攻略:解锁10大必备Skills,零基础也能玩转AI助手
2026年,开源AI代理工具OpenClaw(昵称“小龙虾”)凭借“能实际做事”的核心优势,在GitHub斩获25万+星标,成为现象级AI工具。它最强大的魅力在于可扩展的Skills(技能包)系统——通过ClawHub插件市场的数百个技能,能让AI助手从简单聊天升级为处理办公、学习、日常事务的全能帮手。
2871 7