01 库存浪费 “库存是万恶之源”，过多的库存不仅占用空间和资金，产生大量不必要的搬运、堆积和寻找，而且还掩盖了企业内部的各种问题。例如，生产周期不合理、设备故障太多、不良品太多等。如果有了充足的库存，出现问题时可以有库存先顶上，问题就可以慢慢解决甚至不用解决，最起码不必现在急需解决。久而久之，就埋下了隐患的种子。 02 等待的浪费 在加工、搬运、检查过程中，随处可见等待的现象。例如，前工序来料不及时、设备发生故障、自动机器工作、生产负荷不平衡等,都是等待浪费发生的高危时段。 03 动作的浪费 在生产过程中，人和设备的动作中只要不产生附加价值,都可称为动作浪费。例如,单手空闲、作业动作突然停止、作业动作过大、左右手交换、步行过多、转身的角度太大、移动中变换“状态”、伸背弯腰动作以及重复动作等，这些不合理的动作造成了时间和体力上的不必要消耗，都是动作浪费。消除动作浪费的三个主要改善方向为：①取消不必要的动作;②组合两个以上的动作;③放置物品时遵循先进先出原则。 04 生产过剩的浪费 生产过剩包括生产过多和生产过早两个方面。生产过多主要是由生产不均衡所造成的。出现了不均衡情况，本应停线追本其原因， 以便及时发现问题，但过量生产有可能使原因无从查起。生产大量没有卖出去的产品，不仅占用资金、生产空间和仓储空间，增加搬运和库存的浪费，而且还会掩盖生产过程已经同现的各种偏差、浪费和不合理，白白丢掉了改善的突破口。如果生产过早，一年内干完了三年的活，那么就等于产生了两年时间的库存。这种情况不能说明生产效率高，反而说明生产管理混乱、劳动定额不合理和生产不均衡等。企业应该遵循JIT生产的原则，只把需要的产品，在需要的时候，按需要的量生产出来即可。 05 不良品浪费 不良品浪费是指持续生产出不合格产品， 在产品检验、报废或返修活动中所造成的材料、机器和人工等浪费。如果不良品流向市场， 则会弓|起顾客的投诉和产品召回等更大的损失。消除不良品浪费的两大改善方向为:①生产工序中抓品质，绝不让不良品流向下一道工序，目标是做一批产品就合格一批“品，追求质量的零缺陷;②如果产生不良品，应立刻中断生产线，多问五个WHY,及时找到不良广生的真正原因。做到不接收不良，不制造不良，不流出不良。 06 搬运的浪费 搬运动作遍及生产活动中的各个流程，包含放置、堆积、移动、整理等动作，但是搬运并不能产生附加价值，所以它本身就被认为是一种浪费。搬运包括原材料和零部件向下-道工序搬运、临时放置场地的搬运和把堆积的物品放到手推车上的搬运。其中，设备布局不合理、生产线布局不合理、工序流程不合理等是造成搬运浪费的主要因素。因此，要想消除搬运浪费，首先应从合理布局入手，尽可能减少搬运。 07 过分加工浪费 过分加工浪费是指加工质量或精度超过了下道工序需求或客户需求而造成的过度加工的浪费。例如，没完没了地修饰，频繁地测试、分类、检测。这些白白浪费了过多的工时、原材料和设备损耗等。在降低过度加工浪费的过程中可以对一些工序可以省略、合并或简化等。
数字化的成效初显
德勤中国制造行业主管合伙人董伟龙表示，无论是发达经济体还是新兴经济体都认识到，智能制造已成为全球价值链重构的关键。在发达经济体专注制造业回流计划时，亚洲国家也在积极部署制造业的自动化和智能化，其中中国成效尤其显著：依托政策和行业顶层设计双规划，中国制造业通过开展试点示范、建立标准体系和培育系统解决方案供应商等方式在智能制造领域取得了快速的发展。
董伟龙说，智能制造是用新一代信息技术贯穿设计、生产、管理、服务等制造活动环节，是由物联网系统支撑的智能产品、智能生产和智能服务。中企近年显著提升的数字化能力是推动其能够尽快进入智能制造转型通道的主要驱动力。
报告称，中国企业数字化能力素质提升体现在其利用数据指导生产以及系统自优化的能力上。调研结果显示，81%的中企目前已完成计算机化阶段，能够通过计算化高效处理重复性工作，并实现高精度、低成本制造。至于中企为何能较快掌握数字化能力，报告认为原因有二：一是中国庞大的人口数量和设备数量使中企在获取数据方面具有天然优势；二是相对欧美企业，中国制造企业的硬件设备和厂房普遍较新，更容易实现设备连接和厂房改造。
值得关注的是，报告进行的财务调查显示，智能制造对中企的利润贡献率已出现明显的增加趋势，利润贡献率超过50%的企业占比从2013年的14%增至2017年的33%。有41%的受访中企表示其智能制造业务的利润贡献率处在11%~30%的区间，利润来源包括生产过程增效和产品服务价值提升。
此外，中国已连续六年为工业机器人第一消费国。国际机器人联合会IFR数据显示，中国工业机器人市场规模在2017年高达42亿美元，全球占比27%，预计2020年将扩大至59亿美元，国内机器人销量将增至23.8万台，未来三年的复合年均增长率高达22%。德勤预计，汽车、高端装备制造和电子电器行业依然是工业机器人的主要用户。
未来部署的五大重点
不断提升的数字化水平只是中国制造向智造转型的基础，报告称后期中企还应在此基础上进一步部署，目前来看五大部署重点依次为数字化工厂、设备及用户价值深挖、工业物联网、重构商业模式以及人工智能。
制造业的数字化转型不是一蹴而就的。业内有关专家将该过程分为三个步骤，即：
第一步实现生产率的提升，这个阶段主要是企业级的。企业要整合ERP的流程与价值链，在PLM的产品链的各个环节用好各类工业软件，再把MES制造执行系统实施好、打牢基础。
第二步实现价值链的闭环，这个阶段是面向产业的。各类工业软件、管理软件、控制系统互联互通，打破信息孤岛，形成各个环节的数据自动化收集。通过大数据分析，对产品、设备、工艺、生产过程指导，实现生产过程、业务流程的优化，形成闭环。
第三步是实现平台/生态运营，这个阶段整个社会需实现制造业生态圈、企业间的互联互通，实现企业级的业务、生产的协同，并最终实现生态圈内企业的优化，实现与消费者、客户的连接，对服务进行延伸，开拓新机遇。
总之，对于制造企业而言，数字化转型要实现从自身基础的数字化到优化提升企业的产品与生产经营水平，再到实现生态圈上下游企业协作分工、并实现与客户的服务延伸。通过这三个步骤最终实现企业的数字化、智能化转型。
战略审视的重要性
报告也指出中国企业数字化转型也存在一些问题，比如不同的信息技术系统在企业内部仍属于独立运作，很多设备并不具备数字接口。四成受访企业称设备尚处于连接阶段，这些设备以相互关联的环节取代独立运作的信息技术。虽然操作技术系统的各部分实现了连通性和互操作性，但依旧未能达到信息技术层面与操作技术层面的完全整合。
报告显示，超过六成的被调查企业认为数字化工厂和设备及用户价值深挖是首要的部署重点。理由是智能制造是以制造环节的智能化为核心，以端对端数据流为基础，以数字作为核心驱动的产物，因此数字化工厂被企业列为智能制造部署的首要任务。
报告进一步显示，目前，中国企业在数字化工厂部署普遍以打通生产到执行的数据流为主要任务。事实上，产品数据流和供应链数据流也有明显的提升空间。好在有62%的受访企业表示正在积极部署设备和用户价值深度挖掘，其中41%的企业侧重设备价值挖掘，21%的企业侧重用户价值挖掘。而用户价值进行深度挖掘中又以C2M（客户到制造）最受瞩目，因为其体现了定制化生产的特性，使制造商可以通过直接面对用户来满足其个性化需求，同时还可以通过减少中间环节降低成本、提升效率。
相比之下，由于工业物联网、重构商业模式以及人工智能方向需要企业对技术的更成熟应用，所以报告认为中企在部署前还需加强战略审视。
就重构商业模式，报告提到，中企应审视现有商业模式，并发掘其他可行的商业模式，并在此基础上制定云部署战略，进行商业论证和自身能力评估。另外企业还需要充分考虑人力资源和企业自身的数字化程度如何与云部署互相配合。
董伟龙表示，智能制造不仅能够帮助制造企业实现降本增效，也赋予企业重新思考价值定位和重构商业模式的契机。然而，重构商业模式是一项复杂艰巨的工程，建议企业从商业模式优化、创新管理以及云部署入手，支持企业建构并提升能力，及时把握全球智能制造浪潮中的庞大商机。
在技术应用方面，德勤中国风险咨询合伙人沈斌补充道：“虽然人工智能已迅速渗透制造业等各个行业，但仍处于发展早期，技术突破和商业论证需要更长的时间。而且，人工智能应用环境和基础设施的完善程度、信息和安全法规、自身能力都成为企业面临的主要挑战。德勤建议企业应审视现有商业模式，并发掘其他可行的商业模式，在这基础上制定云部署战略，进行商业论证和自身能力评估。企业还需要充分考虑人力资源和企业自身的数字化程度如何与云部署互相配合。”
（浏览次数：）
淘宝1