文｜上海天睿物流咨询有限公司
李志强 王莉
导 语：智能工厂规划与建设的目标是打造一个“有效运营”的工厂，这与企业的经营战略和策略紧密相连。本文从认知升级、组织赋能、行动要点三个层面，详细介绍了智能工厂物流运营的重要意义，智能化道路上如何实现物流组织迭代，以及提升物流运营管理水平的要点。
智能工厂物流运营管理是对智能工厂物流运作过程的计划、组织、实施和控制，包括对工厂物流运作的运营、评价和改进，以实现工厂物流战略绩效的管理活动。一切智能工厂的规划、改造和改善，均是为了打造和交付一个“有效运营”的工厂，这与企业的经营战略和策略紧密相连。
一、认知升级：智能工厂物流运营的星辰大海
很多人认为物流是很简单、基础的工作，很多企业对物流定位非常低，而这恰恰是企业做不好物流的主要原因之一。物流运营管理对企业经营活动起到至关重要的作用，甚至决定了智能工厂的构建能否成功或者有效运营。企业经营水平主要通过净利润、投资回报率和现金流三个绩效指标衡量。工厂物流运营管理决定了制造企业的库存资金、应收账款和应付账款的周转情况，尤其库存资金和现金流呈现此消彼长，从而决定企业运营的现金周期和现金流状况。另一方面，工厂物流运营管理也与其交付水平、运营效率、运营成本、有效产出等直接相关，从而对企业的净利润、投资回报率等产生极大的影响。
物流战略作为企业的二级战略，同样需要“看5年，想3年，踏踏实实做1年”。企业需要有明确的物流战略和策略引导，需要明确定义企业在未来发展过程中必须具备的物流竞争力及物流能力清单，这些能力在未来能够支撑企业得到长足发展并获得竞争优势。同时，企业各层面、各部门及不同时期的管理团队，对物流战略应形成普遍的共识和行动的一致性。
基于智能工厂的战略及定位，工厂运营需要聚焦经营绩效，而物流战略绩效对工厂经营绩效有很大影响。企业管理者和物流管理者不仅仅是关注物料、面积、人数、包装、存储、搬运、自动化程度等这些基础性的指标，而更多聚焦于物流战略绩效指标，将物流部门的价值体现在企业的经营指标、财务报表和核心竞争力中。物流战略绩效主要包括订单准交率、订单交期（OTD）、库存周转率（ITO）、库存资产比、物流成本和客户满意度等战略绩效指标。
随着制造企业物流从传统物流模式逐步向智能物流迭代，呈现出精益化物流、数字化物流和智能化物流三种基本的物流范式（传统物流不作为基本范式）。三种范式具有逐级迭代的关系（见图1），通常情况下，数字化物流必须以精益化物流为基础，智能化物流必须以数字化物流为基础。智能物流是在精益物流和数字物流的基础上，为实现高效交付、低成本运营而构建的人机协同、机机互联的生产—物流系统。在智能工厂的实际运营中，智能工厂物流未必一定需要全面实现智能化物流，而是要根据运营管理的需要，不同的场景、时期可能具备不同的范式特征。另外，精益化工厂、数字化工厂在局部场景中也可能具有物流智能化的要素。因此，三种物流范式往往在工厂中同时存在。
二、组织赋能：智能化道路上的物流组织迭代
很多企业在智能工厂的建设过程中，往往容易忽略物流系统的构建，而有些企业虽然能意识到物流的重要性，但又认为物流是生产的附属，在引入智能生产物流设施、建设智能产线、打造智能车间的同时，顺便将物流建设考虑在内就可以了，不能高屋建瓴地从价值链角度进行系统的统筹规划，因此导致最后智能工厂运营效率反而更低的“惨剧”呈现。究其原因，是企业缺少合理的、与当前发展阶段相匹配的物流组织，缺少物流人才的成长土壤，导致物流规划、管理、运营、信息化、技术应用等方面的人才缺失，智能工厂物流发展自然便是空中楼阁。
工厂的物流管理组织本质上是服务于工厂的运作，该组织的定位必须契合工厂物流的规划与运营及其未来发展趋势，有效支撑企业的发展愿景及价值导向。伴随着物流范式的升级、物流管理的复杂度提升，从精益化物流到数字化物流、智能化物流的升级转型，与之相匹配的物流管理组织必然也各具特色，由此形成匹配精益化物流、数字化物流和智能化物流三种范式的管理组织。需要注意的是，由于管理组织需要结合企业文化、授权结构、职能层级、人才结构等综合设计，是一个不断创新、不断发展的过程，并没有完全标准的组织配置，因此，物流范式和物流管理组织形式并非严格一一对应的关系。
精益化物流组织开始强调物流计划，初步形成了物流计划职能，但是没有与其他计划形成联动；开始成立了物流规划与改善的职能，逐步形成精益物流改善的能力。但此时物流对整个供应和交付过程的管控能力依然很弱，计划职能依然分割在各个部门，各部门各自为政，完成本职的工作，但是无法保证总体的战略绩效最优。精益化物流管理组织参考架构，见图2。
数字化工厂需要打造一体化的计划中心，将需求预测、销售计划、订单管理、采购计划、物流计划、生产计划、发运计划、库存计划、产销存协同等进行整合集成，应用数字化技术和算法打造智能调度和差异管理能力，以实现价值链的拉通与协同。
另一方面，数字化工厂通过人、机、料、法、环、测的全面互联，实现数据的实时、准确采集和传递。所有静态和动态数据都被纳入数据中心统一管理，数据中心全面负责数据管理、数据分析、绩效管理、数据输出、差异管理、决策支持等相关工作，如此才能实现工厂运营过程的可视化、透明化，才能对运营绩效进行实时监控和差异分析。因此，数据中心和物流信息平台建设职能也纳入物流运营中心，以实现工厂运营的闭环管理。数字化物流组织参考架构，见图3。
3．智能化物流的管理组织：生产与物流高度融合，实现“智能工厂物流中心化”
一个规划好的智能工厂就像是一个“盒子”，只需要关注其“输入”和“输出”,“盒子内部”的运作基本实现智能化（自感知、自决策、自调适），而智能工厂的生产和物流已经高度融合，实现了“智能工厂物流中心化”，智能工厂本身即物流中心或供应平台，其主要职能包括采购与供应商管理、智能工厂运维、订单管理与交付、物流信息平台建设、数据中心（数据资源管理与应用）、技术资源管理与应用、供应资源管理与配置等，如图4所示。此时，智能工厂物流运营的职责发生了根本性的变化，传统的物流运作和管理被技术替代，取而代之的是，需要对智能化体系的构建、运维、优化，以及数据的管理、分析和应用。
在智能工厂的智能物流体系中，人是物理系统和信息系统的创造者、使用者和管理者，人的作用比以往任何一个阶段都显得更加重要。伴随着工厂和物流体系的迭代，对物流人才的需求和定义也在不断变化，传统的物流人才无法满足需求。因此，企业、行业往往呈现出物流人才总是紧缺的状态，而且又很难物色到合适的人选，何况对于一个工厂而言，我们需要的是一个团队而不是某个专业的人而已。
智能工厂物流人才需要具备架构、建设、使用、维护、优化智能工厂物流系统的能力，需要能够接受和使用新的理念、方法、技术和工具，能够系统性规划智能工厂的物流系统，能够运营智能工厂以达成交付、周转、盈利等方面的战略绩效，并逐步实现其数字化、智能化的迭代升级。作为智能工厂的物流人才，需要“懂技术、懂运营、懂规划、懂数据、懂应用”（精通其中一个或者多个方面），具体而言，需要具备顶层设计能力、物流规划和系统化架构能力、专项技术能力、运营管理能力、项目管理和落地能力等，如表1所示。
三、行动要点：提升物流运营管理水平的切入点
工厂物流运营管理的重点在于物流的集成和整合，以此实现对经营战略、经营计划、战略绩效和业务计划的有效支撑。理想情况下，物流运营计划、执行和差异管理等均由智能化物流系统自动完成。但在实际运作过程中，即便是已经成为普遍认同的智能工厂，也未必匹配了完全自动化、智能化的物流系统，在不同的应用场景下，通常精益化、数字化、智能化三种物流范式并存，并且处在不断优化迭代的过程之中。
工厂物流计划是在工厂物流运营过程中，与实物流相关的一系列物料及产品流动的规划、计划、协同的集合，包括到货计划、收货计划、检验计划、齐套计划、工位配送计划、成品发运计划、库存计划等。工厂物流计划是工厂物流运营管理的核心，物流计划协同采购计划、生产计划和物料计划，实现各项计划间的有效联动，形成准确的物流作业指令，以指导各物流环节的作业。物流计划的编制逻辑，如表2所示。
需要说明的是，由于物流过程各环节作业的标准化程度相对较差，物流计划与实际执行的偏差往往比较大，导致有些企业认为物流计划不具备可执行性而放弃持续的推进。殊不知，任何计划与执行之间曾经都存在巨大的差异甚至混乱，经过企业团队长期不懈的检查夯实基础、优化逻辑、优化参数、强化执行、系统固化、持续优化等，才使得计划成为各项活动的主导。物流计划也是如此。
物流运营管理应致力于物料及产品在价值链上的快速周转，尽可能减少物料及产品在仓库、暂存区、工序间、车辆上等各个节点的等待时间。基于“制造工厂物流中心化”的原则，通过精益物流和精益生产的有效配合，结合自动化、数字化、智能化的物流装备应用，在工厂内部尽量消除物理上和信息上的断点，打造连续流，能够极大地提升工厂的运营效率，由此对工厂物流运营的战略绩效实现产生极大的作用。同时，消除断点也是传统物流迈向精益化、数字化、智能化物流的必由之路。
打造连续流一般采用三条路径：
第一条路径是构建上下游节点的“硬链接”，比如流水线就是典型的连续流表现形式。过去基于工序产能最大化、工序间节拍不均衡、上下游协同不畅等条件，往往容易形成孤岛式布局，从而产生大量的半成品库存，产生极大的面积、人员、资金、设备等方面的资源浪费。而在制造水平优秀的工厂中，这些孤岛正在不断消失，越来越多的工序被整合成为流水线的一个部分或者某个工位。
第二条路径是通过物流计划的协同取消某些环节。比如在某个智能工厂建设之前，其零部件物流分为一级库和二级库，一级库存放着约一个星期的零部件库存，外包给一个庞大的三方物流团队管理；二级库在工厂内，存放着约3天的零部件库存，由内部团队进行管理。在新工厂落成后，供应商直接将物料配送至工厂线边仓，库存周期控制在3天以内，由此取消了一级库，大幅降低了物流成本。
第三条路径是通过智能物流设置实现自动连接，从而达到连续流的效果。在上述智能工厂中，线边仓采用了自动化立体库的智能物流技术，物料卸货后直接放置到输送线上，后续的接收、验收、检验、入库、存储、拣选、配送到工位、空容器回收等均实现了自动化运作，仓储区域面积缩小了50%，物流操作人员减少了70%以上。更为重要的是，通过自动化的物流管理，账实一致性、物料齐套率、配送及时性等都得到了很好的保证，物流对生产的服务能力和服务水平都大幅提升。
库存控制与管理需要制定差异化的库存管控策略，不同的物料和产品，具有不同的流通属性（距离、交期、供需关系、可得性、品质、需求波动等），因此要避免“一刀切”的库存管理方式，针对每一类物料和产品设定合理的、差异化的库存策略。库存的标准设定和流转模式决定了智能工厂经营的效益。
原材料库存取决于采购批量和供应商到货周期（或者采购周期），同时与质量合格率、供应商送货的稳定性等变数相关，是采购、入厂物流、生产、物料齐套等计划与执行的结果。物料供应策略决定了库存标准的设定：首先，供货距离是物料可得性的主要因素之一，供货距离越远，物流的提前期越长，则库存标准越高；供货距离越近，物流的提前期越短，则库存标准越低。其次，物流量越大，供货的频次越高，库存标准就可以偏低；物流量越小，频次越低，库存就需要略高。工厂有了基本的物料供应策略规划后，针对每一种物料匹配合适的供应策略，同时将形成每一种物料的库存标准，如表3所示。
在制品库存（尤其是多工序离散制造零部件）取决于工序周期、生产批量、转运时间、生产班次、上下工序制造节拍、物流协同模式、包装单元、上线模式以及过程中的质量、时间、数量的变数等。在制品和半成品库存控制的关键在于缩短生产周期，即生产开始投料到最后一件产品完工入库的时间。生产周期越短，生产体系的灵活性越大，各节点的响应就会越快，节点库存就会越低；生产周期越长，生产过程中的变数就越多，生产计划管理就越复杂。制造企业需要不断压缩其生产周期，通过价值流优化、流线化布局优化、流水线生产、单件流改善、小批量生产、模组化应用、业务外包等方式来压缩周期。
成品库存取决于预测准确性、交付周期、存储周期、发运频率和频次、库存损失等因素，是交付策略、库存周期、订单承诺与履行、需求预测、供应链计划、生产执行等共同协同的结果。成品库存管控的关键点在于成品交付策略、成品库存标准两个方面。成品交付策略包括按库存生产、按订单生产或者更合理的组合策略，比如一部分标准化、销量大、需求稳定的产品采用MTS（按库存生产）的策略，这部分产品SKU较少但销量占比大，合理设置库存水位有利于实现快速交付，提升客户满意度，同时还可以通过库存调节需求，实现均衡生产；而另一部分差异大、销量小、波动大甚至定制化的产品则采用MTO（按订单生产）的策略，可以极大地降低企业预测、备货、库存管理等复杂度和风险。
入厂物流是指按一定的规则和要求，将物料从供应商处转移到采购商工厂指定位置的运作和管理过程。入厂物流涉及面广，包括入厂物流计划、车辆配载、车辆调度、运输过程监控、快速有序卸货、仓库快速接收、与厂内物流系统衔接、物料尾数管理、来料包装和品质管理等过程和节点。
入厂物流涉及所有物料、供应商、线路、车辆、人员等要素的庞大而复杂的系统，仅依靠简单算法和人工，无法规划所有的资源并获得较好的综合效益。要想实现入厂物流的精细化管理，就需要投入大量的管理资源，这就促使入厂物流必然要向信息化、数字化、智能化的方向发展，甚至建立供应链数字孪生来应对如此复杂的场景。
在计划可能发生调整（插单、延后、异常停线、换线生产等）、供应商供货量波动（同一个物料今天A供应、明天B供应；同一个供应商今天量大、明天量小）、物流线路不固定（因供应商变动导致取货路线不固定）、车辆满载率难保障等情况下，入厂物流智能化需要解决的问题是，搭建一个或几个数学模型和算法。结合入厂物流的状态数据以及生产作业计划、物料需求计划、采购订单、库存与齐套信息等，该模型和算法可以自动生成合理的动态入厂物流计划，并能够对风险进行预警，同时针对风险可以形成及时的、灵活的调整指令，以实现准时供应、均衡到货、库存较优、物流成本较低、资源利用率较高的目标。在这个过程中，关键的资源都将量化进入系统，系统以此进行多因素约束的排程计算。系统以实现资源综合利用率最高为目标，当资源空闲时可主动预警，当局部资源不足导致无法正常完成作业时，系统将采取向前或向后平滑的方式进行调整或给出调整建议。
除此之外，与供应商之间的信息系统拉通、入厂物流全程可视和异常监控、车辆的智能调度、物流资源的智能分配等都将成为入厂物流智能化的重要组成部分。
厂内物流智能化要点包括信息流和实物流全面上线、物料流动过程融为一体、数字化检验管理、生产和物流融合等。在工厂智能物流环境中，尽管管理的逻辑是一致的，但管理的内容及形式已经发生了翻天覆地的变化。传统工厂的厂内物流作业都需要通过单据传递指令，比如拣选单、配送单、交接单、检验单等；智能工厂则通过信息系统自动传递所有信息和指令。传统的物流作业如搬运、配送、盘点、理库、账务处理等动作，大部分被智能物流设备代替。此时，人的作用更多地体现在不断优化物流管理逻辑，不断优化系统的逻辑和算法，这些优化的目的不再只聚焦人均产出、物流量等传统指标，而是通过这种优化不断地实现库位周转率的提升、自动化物流系统运作效率提升、降低物流系统的能耗、提高物流设施的有效产出等。
与智能工厂匹配的原材料厂内物流智能化，应符合（但不限于）以下场景的描述：
（1）入厂物流到货、卸货后，将带有条码或RFID标签的物料单元放置到收货端的输送线上（也可能是与AGV匹配的物料接收暂存货位），针对周转箱、托盘单元、非标单元等不同的物料单元，匹配有不同类型和尺寸的输送线和暂存货位，在输送线上自动完成扫描、物料验收、物料抽检和物料接收。抽检的物料通过专门的检验口排出物料，直接通过输送线或AGV送至检验室进行检验。
（3）物料按照规划好的路线和逻辑，进入仓库（包括暂存位、排序区域、物料超市等），这些区域也有各自的货位代码（条码或者RFID），形成货位－物料的实时捆绑和对应。系统将结合物料的使用区域、使用工位、使用时间、尺寸大小、配送类型、存放周期等参数进行运算，为每一个物料分配合理的存放或暂放位置，使得整个物流系统运作尽可能实现效率最高、物流量最小、响应速度最快、能耗最低。比如：物料进入立体库以后，周转快的物料放置在距离出库口较近、较低的位置；直配上线的大件物料直接进入规划好的线边的排序上线区域；需要拆零拣选的物料直接进入待拣选区域或者拣选流利式货架上。
（4）系统按照设定好的物料齐套管理规则，生成实时、动态的齐套管理信息，对于可能存在的风险和缺料进行预警，并自动传递给相关人员进行解决。当确定物料不齐套时，系统可自动生成相对最优的生产计划调整建议，可以尽可能多地满足客户需求、尽可能少地产生多余的库存。
（5）系统根据总装工位的计划执行情况和工位库存的实时管理，形成对应操作人员、机器人、作业设备和作业时间的数字化拉动需要。由于系统全面自主管理且运算能力远远大于人脑，系统可以对每一个工位、每一种物料单独生成配送计划和指令，这些指令通过系统传递给相关的自动化仓库、输送线、拣选设备、AGV搬运机器人等，智能物流系统将需要的物料准时、准量地配送到工位使用。
（6）智能化的包装单元（带有条码或者RFID标签的周转箱或者托盘）中物料使用完后，该表单被专门收集起来，通过条码阅读器读取上述关联数据，被使用后的物料数据被实时传输回系统，计划、采购、物流、制造、财务部门以及供应商进入后续作业。
（7）可回收的物料包装将被分类，并按不同供应商存在指定位置，系统具有专门的空容器管理模块或者APP应用，结合供应商的包装需求、空容器暂存数量、车辆信息等，系统将自动安排车辆回收空容器，将空容器返回供应商处，实现高效循环利用。
对于智能工厂而言，正常情况下的物流运作和管理均可以自主完成，但由于物流系统软件、硬件本身可能出现异常，以及智能工厂之外的环境因素变化可能造成的物流风险，智能工厂仍会处在巨大的不确定因素当中。在应对风险能力方面，系统不具备人的灵活性和柔性，风险一旦发生，将导致比传统工厂更大的损失和机会成本，因此智能工厂物流运营尤其需要重视物流风险与应急管理。
应急物流是针对可能出现的突发事件已经做好预案，并在事件发生时能够迅速付诸实施的物流活动。其特征为突发性和不可预知性、需求的紧急性、时间上的紧迫性、满足紧急需求的弱经济性和非常规性。应急物流有国家层面的、区域层面的、企业层面的。随着2003年非典、2008年雪灾等事件的发生，国家应急物流整体机制和运作也在不断完善，但是对于企业、工厂而言，应急物流的概念可能还比较模糊。
应急物流管理的主要内容包括：梳理工厂可能会遇到的应急物流场景，针对每个应急物流场景设置对应的应急物流管理流程，设置合理的应急物流组织及响应机制，对应急物流的相关内容进行相关人员的培训及定期的演练测试。
应急物流管理非常强调事前、事中、事后管理的概念。事前要做好应急物流预案设计、培训、演习（有条件的话）；事中要快速响应，并严格执行应急物流预案的标准流程（针对应急物流场景的）；事后要总结应急物流事件，应急预案更新，流程与标准、组织的更新等，记录整个处理过程，作为后期培训的案例。
END
宣传推广
