智能工厂物流运营管理的五个基本导向

来源: 弗戈工业在线2023-08-19 07:32:58
  

一、智能工厂物流运营管理强调企业应具备供应链思维和物流思维


(相关资料图)

供应链思维和物流思维是从价值链角度出发,跳出岗位、部门甚至企业的边界,在整个经营过程中树立和贯彻以物为本、加速流通、提高交付的价值导向。不仅仅是指物流部门或者生产部门需要具备这种思维,更重要的是,整个企业、高层管理者在战略层面就应该具备这种思维。虽然从工厂运营的角度,依然强调物流为生产服务,但在产品的整个生命周期中,只有不超过5%的时间是增值或者辅助增值的,另外95%的时间都在停滞、等待或无效作业,这些过程是不增值的,而这95%的不增值时间,就包含在整个端到端的物流过程中,存在于采购物流、生产物流、成品物流、回收物流的各个流程节点中,只有在一体化、系统化的物流管理体系下,才能够不断缩短不增值时间、提高价值链过程增值率,达到系统效率的持续优化和相对最优。

二、智能工厂物流运营管理应致力于管理、流程和信息的整合、拉通与集成

传统工厂运营中,计划、采购、生产、仓库、品质、工艺等往往明确分工,业务、信息、流程、绩效等均是各司其职、分而治之,容易造成部门壁垒,作为贯穿始终的物流,被分散在各个职能、部门之中。在企业中常常见到的“怪”现象是,一个物料的异常、交付出现问题、仓库爆仓或物料呆滞,可能的责任部门有供应商、采购、物流公司、计划、品质、研发、生产、工艺、仓库、配送等,问题沟通、追溯过程异常复杂,甚至找不到责任人,看似谁都有责任,实际谁也没有责任,经过反复的“折腾”,最后问题还是没有得到有效的解决,时间久了,就导致整个组织的“救火”文化,有什么问题就处理什么问题,“头痛医头、脚痛医脚”。因此,对物流的整合势在必行,主要体现在三个方面:

(1)组织、职能上的拉通与整合:将物流相关的职能整合成一个物流组织(甚至更大范围内整合成为供应链组织),对物流规划、物流布局、物流计划、物料供应、订单交付、库存周转、各类物料异常、物流的持续改善、相关信息系统的导入等进行归口管理和负责。

(2)绩效指标上的拉通与整合:避免指标过度分解导致部门目标和总体目标产生背离,最后出现“各部门指标都很好,但总体指标却没有达成”的尴尬,比如物料齐套率、库存周转率、缺料(货)率、包装标准化率、物流人均产出等指标,应该由物流(组织或职能)统一归口,相应的,对应的问题产生以后,即便问题与很多部分相关,也由物流进行“一站式”的响应和闭环。

(3)流程和信息上的拉通与集成:做到“该有的流程和节点都有,不该有的流程和节点就没有”,跳出部门隔阂,站在价值链的角度来梳理流程和信息,既有利于流程之间的衔接和信息的透明,又有利于提升流程效率(消灭不必要的节点)、增加信息价值(信息被共同使用)。供应链环境下,物流运营管理的关键,需要实现从预测-订单-计划-物料供应-生产-交付整个过程的计划协同、数据互通。比如:在供应商送货的过程,要实现物流计划、物料包装、数量、车辆、时间、地方等信息上的互通,避免物料出现“该到的没到、不该到的到了”,以及到厂后要重新贴标签、切换包装、多点卸货等问题;在工厂内部物流运作过程中,考虑物料、标签、包装和器具载体的通用化、标准化,以及车间和线体之间的互通,避免人员从一条产线下线、装箱、码垛,再到另外一个车间拆托、切换包装再上线的“倒腾”浪费。因此,智能工厂物流运营管理要从全供应链角度出发,结合计划、采购、生产、交付等业务,进行整体规划和整合,实现各环节之间实物流、信息流的互联互通。

三、智能工厂物流运营管理以有效运营为目的,而不是以“智能”为目的

在工厂进行智能化规划或改造的过程中,需要充分考虑智能物流系统的差异化配置。一方面,在智能化程度迭代上,可以次第展开、并行推进、实事求是的选择经济、合理、有效的物流设施、软件和系统;另一方面,结合不同供应商、不同物料、不同客户、不同产品、不同产线、不同车间等,可以按照多种物流场景进行物流规划和管理方案的匹配,比如某家电企业在其最新建成的智能工厂物流运营体系中,就有超过50个物流场景,从1.0-4.0的水平同时存在。智能物流系统的建设应围绕有效交付、减少断点、提高效率、降低库存(供应链总库存)、供需协同等经营指标来进行规划建设,那么,衡量“智能”与否的关键不在于减了多少人、自动化率达到了多少、人机料互联覆盖了多少等这些指标,而是看这个智能化的过程是否带来供应链运营管理能力的提升,是否能够支撑企业获得行业内的竞争优势。

四、不同企业物流运营管理应结合物料和产品的不同流转规律,进行物流运作策略的差异化定义

智能工厂需要响应客户的个性化、定制化需求,属于小批量、多品种生产,物流模式需要采用节拍精准、移动灵活、数据互联互通、实时可视、实时监控的输送策略,使之既要满足大批量生产需求,又要满足小批量生产需求。智能工厂需要通过精益化和柔性化的生产、模块化物流配套保证,以支持生产计划和物流作业计划的有效性。

在智能物流的初始阶段,绝大多数工厂愿意采用一台或者多台AGV代替叉车负责拉动式精益物流配送到工位,遵循的是高级排程中的配送时区和拉动计划倒排节点;此后AGV变得更加智能,起到了衔接各个组装、部装等前置工位,以及联动总装的作用;对于周转率高、流量大的物料和产品,比如家电、手机、服装、家居产品等,可以采用连续输送(智能输送机、智能悬挂链等)到工位,形成多点对多点的智能配送模式,减少了过程中的在制品暂存、等待、包装、中转、交接、信息二次采集等断点,从而使得制造和物流浑然一体。对于离散型制造特点相对明显、产品体积相对庞大、生产节拍相对缓慢的制造(比如电机、发动机、坦克、飞机、轨道交通产品等),可以直接采用专用的智能流转设施(如大型AGV),如图1所示,此时工厂里见不到传统的组装流水线,取而代之的是一个个AGV移动工作台,沿着工艺路线自动行走,且能够携带产品在装配过程中的重要信息穿梭于工厂,这些信息在工人实际操作时可以有效避免人为出错。随着产品产量的增加,可以有越来越多的AGV环绕在装配线周围,协助物料的智能搬运,不再有传统流水线的刚性束缚,大大提升了生产的柔性和响应速度。

图1:专用的智能流转设施(来源:SEW的AGV系统解决方案)

智能工厂中的智能物流系统能够高效、准确、稳定地完成重复性工作,保证过程品质一致均衡。随着人与机器在产品装配过程中的交互更加紧密,不同的生产环节可通过操作人员(或者人工智能控制的机器人)按照定制产品的需要来使装配流程做出改变。更可以通过系统仿真,针对每个订单、每个物料、每个工位验证生产和物流的工艺流程,从虚拟连接现实世界,具体运作过程中可以是通过一个虚拟订单,看到工厂里的各种设备,通过仿真发现瓶颈并反馈信息,进行实时调节;当实际订单运行时,协同不同的工厂模块,就可以反馈到监控/优化软件模块。

【大师班】汽车企业智能物流系统构建,点击图片了解如何get全部技能~

五、物流运营管理“自免疫”能力建设

如图2所示,物流运营管理“自免疫”是企业通过对流程、规则、关键指标、异常处理等进行标准化、实时化、透明化管理,对内部异常和外部变化的自主识别、监控、预警和自主纠错的决策和调适功能,是物流运营管理智能化的重要内容和特征。

图2:物流“自免疫”体系建设框架

首先,建立物流标准化流程体系。将物流各环节核心流程进行梳理、优化和固化,建立流程框架,形成流程文件,编制各环节的操作指导书、作业路线图、指示图、指令表单等,“有人操作的地方就有标准可依”。相关的标准流程文件比如:《物流各环节操作指导书》、《物流各环节质量检验标准》、《极限样件手册》、《物流路线图》《物资交接单据》、《各环节点检表单》等。

第三,建立物流运作过程实时监控系统。以公司整体战略目标为导向,以实现订单有效交付为原则,对物流环节进行关键指标、过程指标的梳理和识别,以此引导现场数据采集、数据逻辑及算法的规划和建设。过程中需要综合考虑准确性、及时性、完整性要求,设定相应的数据采集点、数据算法和系统开发,搭建物流控制塔(如图3所示),实现物流过程、风险预警、异常反馈、应急响应等的可视化管理,从而形成物流体系的“自免疫”能力。

图3:工厂物流控制塔示例

在供应链的环境下,并不是意味着整个供应链全部都是智能的,未来很长一段时间内,端到端的物流过程很难实现全面的智能化,无论在哪一个行业,众多的供应商和客户管理还相对原始、粗放。因此,对于供应链上所有的企业而言,比追求智能化更重要的是,必须重点关注和强化运营管理的提升,以确保过程的运作质量,从而实现对供应链条上智能工厂(比如链主企业)的有效运营。物流自免疫体系一方面依靠系统的支撑,另一方面,也需要依靠物流人员对系统的理解和执行,需要从员工层面和班组层面加强对基层物流人员的技能培训和管理。

(1)员工层面:工厂物流运作对物流员工的要求不再是简单的搬运或是识别零件,而是重点关注物流过程状态的检查,识别过程是否符合标准状态,若出现异常状态能够快速响应以促使整个系统恢复到正常状态。因此,需要对员工操作过程进行标准化建设,上文自免疫体系里介绍的各类流程文件和过程控制文件,就是员工标准操作的指导文件,根据各岗位需求建立员工技能培训清单,员工上岗前应进行系统的培训,并考核合格后上岗实习,实操过程满足考核要求后才允许正式上岗。针对每一位员工建立员工培训档案及能力素质矩阵,跟踪员工培训状态及技能掌握状态,培训合格上岗后,结合需要进行多级技能培训及员工标准作业检查,从员工层面保障所有物流操作满足过程质量管控要求。

关键词:

责任编辑:sdnew003

相关新闻

版权与免责声明:

1 本网注明“来源:×××”(非商业周刊网)的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,本网不承担此类稿件侵权行为的连带责任。

2 在本网的新闻页面或BBS上进行跟帖或发表言论者,文责自负。

3 相关信息并未经过本网站证实,不对您构成任何投资建议,据此操作,风险自担。

4 如涉及作品内容、版权等其它问题,请在30日内同本网联系。