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
|
9月前
|
XML JSON 数据库
Python的标准库
Python的标准库
296 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?
1056 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。
1195 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。
780 0
|
9天前
|
人工智能 运维 安全
|
7天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
683 23
|
8天前
|
人工智能 测试技术 API
智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
|
14天前
|
人工智能 JavaScript 测试技术
Qwen3-Coder入门教程|10分钟搞定安装配置
Qwen3-Coder 挑战赛简介:无论你是编程小白还是办公达人,都能通过本教程快速上手 Qwen-Code CLI,利用 AI 轻松实现代码编写、文档处理等任务。内容涵盖 API 配置、CLI 安装及多种实用案例,助你提升效率,体验智能编码的乐趣。
1117 110