解决制造业效率、质量和成本的取舍问题，技术可行但并非万能

我国制造业正处于迈向全球价值链中高端、提升核心竞争力的关键阶段。加快制造业数字化转型，利用数字化手段为制造赋能，将完善产品研发、生产、供应链、销售、服务等各个环节，促进制造业质量与效率提升。

但是，技术与行业的融合并非与生俱来，在其落地过程中存在一系列可预知或不可预知的问题。在日前由 InfoQ 与 TGO 鲲鹏会联合组织的高端制造数字化闭门会上，来自不同制造企业的专家围绕各自在数字化转型中面对的挑战进行了交流，并聚焦其中的几个核心问题展开了脑暴。

比如，在追求效率和质量的同时，制造业面临的成本压力可能比其它行业还要大得多。因为传统制造是一个低利润行业，非常讲求资金利用率，对于数字化这样一个投入不小但见效周期又比较长的领域，很难做到“挥金如土”。

那么，制造企业具体如何在转型制造过程中让技术的价值最大化，又如何平衡好效率、质量和成本的关系呢？各位专家认为，在合适的时间、选择合适的技术、识别合适的场景非常重要。

以下内容根据闭门会现场研讨整理，经 InfoQ 编辑、提炼和总结，希望为大家提供参考。

制造业发展面临重重挑战

回顾数百年来工业进化历程，背后的驱动力，离不开对效率、质量和成本的极致追求。而这个过程，注定不是一路坦途。在眼下的工业阶段，制造企业面临的挑战具体表现在以下几个方面：

• 效率挑战

不同团队间存在部门墙，协同效率差。比如，软件研发与业务生产“两张皮”的现象严重，前端业务提交的需求很难得到准确且高效的响应，并且在具体协作过程中，由于话语体系不同，不仅沟通成本比较大，效果也不尽如人意；

效率提升与数据安全存在矛盾。在传统制造业，效率固然重要，但是数据安全（尤其是涉及核心业务的数据，如核心机密、产能、生产计划等等）仍是一条不可跨越的底线，因此，就拿上云这件事为例，即便可以帮助企业提升内外部的协作效率，促进研发运营效率提升，但是制造企业对此仍然非常谨慎；

节能减排与生产效率之间的平衡。绿色化发展的优先级越来越高，保障生产有序的同时还要保持低碳运营，难度系数加倍。

• 质量挑战

质量和效率很多情况下是相互对立的两面，想实现“既要又要”并不容易。虽然每个企业都有自己的质量保障体系，但是在具体落实过程中，一些环节可能会让渡给订单进度或者客户需求。

• 成本挑战

经济放缓，整体成本控制压力大。传统制造非常看重投入产出比，但数字化的投入产出问题很难讲清楚。尤其是在经济放缓的大环境下，很多企业都更注重把钱花在刀刃上，只做“雪中送炭”的事，不做或少做“锦上添花”的事；

劳动成本快速上升，高端人才引进难。传统制造是劳动密集型产业，不仅面临人力成本上升的巨大挑战，同时，随着产业变革，劳动力结构也在发生变化，但传统制造对高端人才的吸引力却非常有限；

冗余采购，材料复用难，供应链成本大。为了应对突发状况，确保生产不被中断，制造企业的原材料往往都是冗余采购，这会带来额外的采购成本、库存成本，造成成本浪费。

• 创新挑战

业务创新与风险管控存在矛盾。制造业对业务稳定性和连续性的要求极高，这也是其对新技术的引入往往有所保留的原因之一。但很多机会的失与得往往就在一瞬之间，对于时机的把握如果过于乐观很容易带来不可控的风险，如果过于保守又容易错失良机，如何评估和降低业务创新过程中的不确定性，这也是个让企业头疼的问题。

技术是解决问题的“高手”

技术本身可以解决以上的很多问题。

举例来说，钉钉、飞书、企业微信等协作办公系统解决的是员工日常沟通的问题，DevOps解决的是研发协同的问题。而引入RPA等技术，还可以帮助企业做流程衔接，通过流程挖掘实现快速响应，提高全流程效率。

除此之外，通过IoT、AI、大数据等技术的结合，还可以赋能生产、供应链等各个工业场景，帮助企业降本增效，提高生产质量，同时实现全周期的能源管理。

以质量管理为例，整个过程涉及产品设计研发、制造、采购、服务等环节，过去数据分散在各个业务系统，质量分析追溯非常困难，如果产品良率出现问题，很难确定问题环节。而通过设备联网和智能化改造，可以把业务上下游连接起来，实现数据打通，这时候就可以让整个质量管控的过程实时化，追溯过程也更高效。在确保产品质量基础上，追求效率才有意义。

能源管理同理，通过传感器的部署，广泛采集生产线上的水、电、气等与能源相关的数据，再借助大数据的监测和分析手段，可以实现对各项能耗指标的可视化管理，然后根据能耗高峰和低谷进行调优，避免资源浪费，把各个环节的碳排放降到最低。在这一前提下，企业可以专注于生产效率，而不用因为节能减排的要求分心去做减产甚至停产。

针对成本的问题，技术同样有的放矢。比如，劳动力成本升高，那么，通过机器自动化、智能化（如 AI 质检）手段，既能提效还能减少一些人为失误，同时还可以把人力释放出来，去做更多高附加值的工作；再比如，供应链成本投入大，归根结底是因为没有做好精细化管理，而借助数字化技术，企业可以更精准地根据订单、排产预测原料需求量，既不造成不必要的浪费，同时也避免因为原料供应不足导致生产停滞等风险。

数字孪生技术也是其中非常重要的一项技术。在全面和深度数字化基础上，通过仿真在数字空间中完成对物理空间的映射，可以帮助企业在产品设计、生产制造和远程售后服务等方面，实现提前反馈和结果优化，减少成本浪费。比如，在某产品的实物制造之前，就能先对其性能做模拟，如果发现问题及时反馈和调整；甚至，在产品研发阶段，就可以提前模拟产品投放市场之后的情况，对产品创新的风险进行识别和管控。

但技术也不是万能的

当然，技术解决不了所有问题，甚至还会带来一些衍生问题。

战略共识的统一，是决定企业数字化转型成功与否的关键因素。因为数字化转型是一次彻底变革，覆盖范围广、涉及角色多、见效周期长，这是它必须由“一把手”亲自操刀的主要原因。但是，未必所有一把手都能在第一时间洞察到数字化的机会，通常来说，这需要由技术团队或外部力量（如行业头部企业）进行由下而上或由外而内的影响。

“因为看见，所以相信”。在这个过程中，需要让管理层体验到技术的价值。比如，优先从企业经营管理的场景切入，为管理者提供可视化的运营和分析工具，让老板坐在办公室也能实时且直观地掌握生产现场的状况。与此同时，还要让一线业务人员体验到技术的价值。比如，从让业务最“痛”的点切入，先解决最迫切的问题，拉更多的人“上船”。

从意识和阵线上达成共识，是避免内部冲突，提高团队协作的前提。在此基础上，还要有组织流程和制度做承接。

比如，针对业务和技术“两张皮”的问题，需要从组织架构层面，把双方拉齐到统一战线，在软件研发过程中就把业务方也纳入进去，充分沟通、统一目标，并且共同为结果负责。如今，很多企业都会构建由业务、技术、数据等相关人员共同组成的数字化项目虚拟团队，核心也是为了解决这个问题。

此外，敏捷组织也是解决跨部门协作问题的主流思路。基于协调一致的价值观，通过灵活的团队合作，快速的反馈和迭代可以大大提高团队效率和效果。在市场环境变化越来越快的当下，这种思路和方法将越来越重要。

同样地，包括数据安全在内的诸多挑战，也可以通过组织流程和制度做保障。比如，在数据采集、数据应用的过程中，要反复确定边界，通过一些权限设置兼顾效率和安全需求。

技术选型要避免“拿大炮轰蚊子”

那么，回到最开始我们提出的那个问题——企业如何平衡好效率、质量和成本的关系呢？

在不同的经济环境和发展阶段下，这三者的优先级会出现变化。当经济形势乐观、企业资金充足，质量和效率是第一位，这时候，技术是“锦上添花”，企业可能会选择最先进的技术不断提高产品质量；当经济形势放缓、企业资金不足，成本是第一位，这时候，企业更倾向于那些能够“雪中送炭”的技术，并且对投入产出比更为敏感。

所以，在三个要素之间做取舍，必须综合考虑时机、外部形势、企业状况、技术和场景适用性等因素。

拿“黑灯工厂”这个被认为未来的典型范式来说，企业投入的成本非常大，但是行业里的成功案例寥寥无几。为什么呢？因为如果企业前端订单规模不够大，即便最终产能提高了，但东西如果卖不出去，就会变成库存积压。也就是说，如果企业对自身情况把握不准，那么再好的概念和模式也无法产生价值。一切从实际出发，说的就是这个道理。

从技术视角来看，当然也不是技术越先进越好。

以MR设备为例，理论上，它可以辅助员工完成很多工作。比如，在员工培训场景，不用到现场就可以享受沉浸式的学习体验，大大提升培训的效果；比如，在设备维修场景，维修人员可以利用 MR 设备实现远程维修指导，减少维修时间，为生产提供保障；再比如，在一些危险性比较高的工业场景，MR 可以和机器人进行配合，替代人工完成高危作业。

但问题在于，MR 设备的成本高昂，如果不能带来与之匹敌的收益，对企业来说得不偿失。比如，无论是培训还是维修，很多远程协作的工作也可以用移动端搞定，不仅成本更低，操作的灵活性也更高。如果带来的效益提升与 MR 设备不相上下，那么移动端无疑是个更好的选择。这意味着，在技术选型过程中要避免“拿大炮轰蚊子”，“合适”很重要。

当然，我们也可以看到，随着如今数字化转型进入深水区，越来越多的企业已经走出浮躁期，不再盲目跟风；加上经济环境的影响，企业对技术的选择也更趋于理性、更注重“性价比”，场景的选择则聚焦那些更为迫切或者能在更短时间内看到效益的业务。当数字化成为一个确定性方向，那么“会算账”将成为下阶段考验企业的关键课题。