本文首先通过概述制造物流的本质及其发展历程、剖析人们的认知维度、对比智能物流的升级路径，明确为什么要以物流为主线。其次，通过分析规划“初心”与价值锚落点，搭建MBSE智能工厂物流规划逻辑与体系，阐明以物流为主线的智能工厂规划逻辑与方法论。第三，理论和实践结合，明确以物流为主线的智能工厂规划关键落点。

为什么要以物流为主线重新定义智能工厂物流

1.制造物流的发展历程

海尔的制造物流改革的成功，成为中国制造业现代物流启蒙和发展的一个关键里程碑。在1998~2005年这个阶段，物流逐步被定义为运输、包装、装卸搬运、仓储、配送、信息服务、流通加工等七大核心功能，此时，人们更多是从功能性的角度认识物流，而非系统性的角度。

制造工厂的物流场景与其他物流场景如商业物流、第三方物流存在明显的差异。制造工厂物流涉及生产计划、采购计划、物流计划、齐套计划等在时间和数量上的协同，相对更为复杂，管理的颗粒度更为精细。2005~2012年间，制造工厂物流发展的声音依然较弱，从事该领域的研究、咨询、技术设备等方面的专业公司也较少。

从2013年开始，德国“工业4.0”以及《中国制造2025》的提出，引发了制造企业发展智能制造和智能工厂的热潮，众多机构和公司开始研究智能制造。起初，大部分人对于智能制造的理解“就是制造”，而忽略了物流。此时规划建设的智能工厂，（CAD图纸上表现的）主要是固定资产（厂房或者生产设施）的布局，没有流量、流向和载体的物流要素，没有研究物流作业场景和物料流动的动线，物流区域也被有意“封存”不做展示。“智能工厂”用了非常先进的设备和软件系统，但是规划和运营过程没有尊重物料和产品的流动性，甚至没有考虑产品迭代的物流柔性化需求，导致产线和车间无法适应产品的多样性和多变性。

2.制造企业对物流的认知局限

在制造企业，无论是战略、运营、管理、操作等不同岗位的人员，还是企业的主要领导者，对于物流的理解大多停留在基础的搬运、储存等物流操作层面。他们对于物流的认知主要建立在实际工作场景的基础上，而其视野会被所处的工厂环境所局限，所以大部分人对于物流缺乏深层理解。下面从几个典型的场景进行说明：

（1）采购下单的误区：传统观念认为需求产生后，采购第一时间就下发采购计划和订单，供应商按照订单到货，由于不同物料的采购到货周期不一致，物料提前5天、10天甚至1个月到货的情况都可能存在。但如果按照物料齐套的逻辑，则采购计划和下单要保证物料到货的齐套性，比如所有供应商都在生产使用前一天到货，这样就能极大地减少库存、降低成本。

（2）物流作业的路径依赖：很多企业没有物流计划，对于到货、装卸、检验、齐套、搬运配送、分装分拣等整个过程都是依靠经验来管理。企业往往认为“过去我们都是这么干的，也能够保证生产”，如果用这样的物流认知和能力来支撑智能工厂的运营，结果肯定是不尽如人意。

（3）物流基础决定数据有效性：很多企业“重视物流”都停留在口头上，往往连物流基础管理都是缺失的。由于缺少物流过程IE以及包装标准，物流过程各环节存在多种单据和标签、层层点数与检查、切换包装方式等问题，无法建立各环节之间的信任关系，由此导致物流过程层层受阻、账实不同步、账实不一致、基础数据缺失等问题。这种情况下，引入任何信息化和数字化系统都是徒劳。

（4）安全库存的悖论：由于供应品质、时间、数量上经常存在差异，企业往往会设置安全库存，但是影响因素错综复杂，很难有一个算法能够准确地告诉企业应该备多少安全库存。如果用对物流的系统性逻辑来定义，比如在价值链拉通和快速响应的物流体系中，物料采取按需求时段滚动齐套的逻辑，就只需要极少的安全库存甚至不需要单独设置安全库存。

（5）盘点的机会成本：一般情况下，制造企业每个月需要停产静态盘点一次，如果盘点一次需要2天时间，一年就有24天用于盘点，相当于每年有一个月在盘点。在这一个月中，以库存为代表的流动资产没有周转、也不会产生盈利，从经营的角度而言，如果企业每个月可以盈利1亿元，就有1亿元的利润和一个月的产能损耗于盘点。

（6）物流作业数据缺失：企业非常重视生产（产线设备）数据的采集，但往往忽略了物流过程数据的采集，比如供应商发货、到货、检验、入库、分装、齐套、拣选、配送、尾数、应急等方面的过程数据。

（7）成品的等待发运时间：企业对于生产效率在生产线上分秒必争，比如每60秒产出一台汽车，每10秒产出一台冰箱或空调，每8秒产出一台微波炉……但这些产品一旦进入成品库，可能要在仓库停滞等待1个星期或者1个月，扭曲了制造价值链，产生巨大的浪费。

（8）总想减少物流人员：企业面临减员压力时，首先想到的就是优化物流人员，通过物流人员外包或者供方人员驻厂的方式，以期达到减员指标。这些方式往往治标不治本，没有解决根本问题，实际成本和风险并未降低，且现场涉及供应商人员、三方物流人员和企业自身人员等，现场管理难度更大。

3.传统工厂物流与智能工厂物流的差异

传统工厂以“制造中心”的逻辑来规划工厂，企业强调生产计划达成率、人均产出率、设备利用率等，其物流主要表现为操作层面的物料流动、搬运装卸及相关管理等。此时，物流解决的是搬运、存储、配送、人员等方面的动作和功能的问题。

智能工厂以“交付中心”的逻辑来规划工厂，企业强调的是订单交付周期、库存周转率、交付准确率、客户响应能力等，其物流主要表现为战略层面的制造工厂物流中心化、无接触式物流、供应链协同交付和物流数字技术管理等。此时，物流解决的是流通、断点、效率、交付、信息、连接等方面的端到端和系统性问题。

传统工厂物流与智能工厂物流在人、机、料、法、环、测等方面的表现差异如图1所示。

图1 传统工厂物流与智能工厂物流的差异

传统企业通常着眼于解决动作和功能性问题，物料本身常被忽视，没有充分尊重物流的重要性。结果，生产被过度重视，而其他因素如EHS（环境、健康、安全）以及物流、员工和物料安全都被忽略。这种情况下，即便有最先进的系统，也无法解决物流数字化的问题。

对于未来制造企业物流的认知，我们应当立足于“大物流、小生产”和“智能工厂的物流中心化”的理念，生产只是整个交付系统或者物流供应链系统里的一个环节，由此，就非常容易理解“以物流为中心”和“以生产为中心”两种逻辑之间的差异。这意味着未来的工厂应该是一个交付中心，而非仅仅是生产中心。这是一个深刻的认识转变。

4.物流天生具备“端到端”“动态化”的要素连通效应

制造企业物流包括物料采购、入厂、装卸、检验、存储、拣选、配送、工位作业、成品发运等端到端的整个流转过程，涉及生产与物流全过程的用地、建筑、面积、设施、物料及产品、人员、时间、信息等诸多要素，包括与之相关的计划、库存、订单、成本、包装、参数、设施等方面的逻辑规划。由此可见，物流天生具备“端到端”“动态化”的要素联通效应，物流链接了订单和客户要求，只有真正尊重了物料的声音（VOM），才能服务客户，实现订单承诺。如果没有智能物流系统的保障和支撑，智能制造将永远停留在实验室的阶段。

图2 以物流为主线进行智能工厂规划的要素与逻辑

如图2所示，以物流为主线进行智能工厂规划的基本逻辑，是以物料与产品物流为中心，涉及园区与建筑、物流信息、产线与设备、物料流动、物流运营团队、物流风险等，基于这些要素之间的联动关系进行流程与信息化的规划。比如：企业从拿地开始就要考虑其周边环境对物流车辆进出、风向、空气质量、噪声、排水等方面的适应性；工厂规划过程中，要考虑厂房高度（层数）与物流模式、采用的物流技术设备的匹配性，比如，通过自动化立体库进行快速存取，而不是选择电梯+移动机器人AGV；要考虑物料包装与工位自动化取料的一体化，而不是由人工在上工位前分装到专用器具，才实现与工位机器人的对接……企业需要结合自身的实际情况，制定并提炼出物流、基建、产品、产线、信息、团队、风险等各方面的相关要素，并以物流为规划的主线进行统筹和协同，实现端到端价值链的拉通，从而确保工厂规划满足企业运营的需求。

以物流为主线的智能工厂规划逻辑与方法论

1.规划初心与价值锚

规划初心与价值锚需要思考：从哪里入手？解决什么问题？如果由仓库主管、物流部长、工厂总经理分别主导工厂规划，其结果是完全不一样的。仓库主管可能更注重仓库的位置选择、面积大小和内部布局的规划；物流部长可能会强调部门之间的协同规划，注重物流各环节的连接和拉通；而工厂总经理则更加强调整个工厂的系统规划和解决企业经营的问题，比如能否降低库存、提高效率，是否有利于提高交付能力。规划者所站的高度、具备的格局，往往决定智能工厂未来所能达到的高度。

当前大部分制造企业强调以客户为中心，那么规划过程中，如何从全渠道价值链看待制造工厂和物流转型升级呢？如果顾客要从网上买到某品牌的空调，电商物流把空调送到顾客家里，工厂、物流、电商等各环节都不知道自己生产、保管、搬运的产品是谁的，此时就不是以客户为中心，其供需平衡、库存周转、交付满意度也是难以精准管控的。

如果基于智能工厂物流中心化的逻辑，把空调生产线部署到电商的物流中心（也可以是品牌商的物流中心），物流中心接到订单后，马上就分配给这条生产线完成空调生产并交付给客户。此时，订单交付的整个过程对于顾客而言都是可视、透明的，顾客的体验感非常好。此时的制造中心（工厂或产线）和物流中心实现了融合，成为交付中心。交付中心直接面临客户的体验，是支撑品牌和市场竞争力的重要构成部分。

按照交付中心的导向规划智能工厂时，应从全渠道价值链的角度来进行工厂的战略定位和概念设计，确定工厂的“长相”：应该具备什么特征、解决什么问题、遵循怎样的价值导向。不同的价值导向，使得工厂功能表现或战略绩效指标都有所不同，从而影响工厂的选址、建筑设计、功能区域、物流和生产动线等。概念设计过程如图3所示。

图3 智能工厂物流规划概念设计模型

2.三个“一体化”的规划方法论

如果工厂不是一体化的规划，解决的就仅仅是功能问题而不是系统问题。智能工厂始于规划，成于运营。我们在以物流为主线进行智能工厂规划时，需要始终强调以终为始，保证三个“一体化”（规划一体化、建设一体化、运营一体化）。因此，工厂规划时应以运营为导向，按照规划步骤逐步完成规划，才能支撑企业达成“交付中心”的定位。

很多企业在新工厂规划和建设时，由于缺少对项目管理的重视或者缺少项目管理人才，布局规划、建筑设计、产线工艺突破、物流策略、运营体系等各自为战、相互影响，由此产生巨大的机会成本和损失。为此，我们提出以MBSE（基于模型的系统工程）为基础的TRMBSE工厂规划模型，把智能工厂和智能物流系统的规划过程进行有效规范和科学管控。

MBSE（基于模型的系统工程）是支持从概念设计阶段开始，并持续贯穿于开发和后期的生命周期阶段的系统需求、设计、分析、验证和确认活动的正规化建模应用。TRMBSE模型是将MBSE应用于智能工厂从概念设计到详细方案，再到工厂建设、项目成果的达成，其系统工程逻辑如图4所示。

图4 以MBSE为基础的工厂规划模型（TRMBSE）

TRMBSE模型强调以终为始，其核心是“规划、建设、运营一体化”的三个“一体化”系统模型：

图6 某企业“硬连接”消除中间库存

5.总装工位配送考验智能化逻辑与落地能力

在特定场景中，如空调行业压缩机配送，由于物料较重，大部分企业使用叉车配送上线，既不安全又浪费空间。如图7所示，某企业空调压缩机上总装工位采用AGV配送，同时在工位上实现机器人自动抓取物料、自动拿取包装物、自动回收空托盘等，可以实现无接触式配送和安装。对于类似“傻大黑粗”的物料，采用定制AGV搬运是当前较为理想的选择。

图7 某企业压缩机AGV配送与工位对接

而在某些工位配送场景中，尽管通过AGV将物料配送至工位，但工位物料仍由人工取用，工人80%的作业时间浪费在转身、弯腰、搬运、整理等动作上，仅有20%的时间真正用于生产操作。此时AGV仅仅解决了点对点的搬运问题，并未系统性解决该工位物料配送和工位对接的问题。

传统工厂中习惯了多拉快跑、大装载量的物料配送上线方式，往往采用仓库笼、周转车等作为载体。这种模式下，物料的搬运配送、线边摆放、库存控制、流转批量、线边拿取、工位对接等都较为复杂和不便。如图8所示的某工厂结合物料的体积、重量、防护要求等参数，推动物料包装的标准料箱化，通过拆码垛机器人、料箱立体库、空中输送线、料箱提升机、工位对接AGV等组成空中物流系统。该工厂采用了多层的空间物流规划，在生产线上方空间设置输送线（也可作为物料缓存区），大流量的物料通过输送线从高空直接送至工位，而小流量物料则通过输送线与AGV和料箱机器人CTU接驳至工位。此时，基本实现物料端到端的无接触式运作，智能工厂的现场也能体现出更好的质感。

图8 某智能工厂的空中“云物流”配送系统

针对大件物料的物流作业场景，企业一般使用AGV搬运料架实现全过程的无人化运作，但如果物流量非常大，AGV的能力可能无法满足需求，此时使用牵引车（俗称“小火车”，一次牵引4~6辆台车）可能是更好的选择。如果工厂具有较大的可用空间，也可以通过悬挂输送链的方式实现空中输送（如图9），将物料从卸货点直接悬挂输送至使用工位，基本消除了大件物料的地面存放和搬运。

图9 某工厂的大件物料悬挂输送链

6.尊重不同物料的流转规律，规划物流作业场景

物流设备的配置需要遵循物料流动规律。制造业物流的本质在于“流动”，关于物料如何流动，不同行业、不同产品需要不同的流动方式，这需要遵守物料的流动规律，而不是按照经验的“预设”。企业需要深入了解智能制造物流的逻辑和作业场景需求，从解决功能性要求转为解决系统性要求。不同物流技术和设备的选择，关键在于分析“要解决什么问题”，从而提出符合需求的总体解决方案（见图10）。

图10 某智能工厂基于物料流转规律的物流作业场景设计

产品不同，物料也不同，每种物料都具有其各自的属性和流转规律。识别并掌握这些规律是至关重要的。通过规律研究和判断，才能够决定物料流通的时空需求和物流技术选择与赋能。

例如，汽车行业的座椅、轮胎等物料，一开始也是地面台车运送，但由于物流量非常大，且产线生产的车型越来越多，后续逐步通过输送线或悬挂链实现空中排序缓冲和自动配送，这种自动排序配送的过程无需额外的防呆措施，因为系统已经通过数字化解决了防呆问题，这种级别的方案已经基本上实现了数字化。

再如，许多汽车主机厂的总装车间采用SPS单台套配送的方式，往往由工人进行分拣并由AGV进行跟随搬运，这种方式存在工人多、效率低、易出错等问题。当前，很多企业正在考虑如何通过小件立库和托盘库实现“货到人”的拣选模式，基于这些物料的流转规律和场景分析，汽车企业的物料“货到人”拣选是可行的。

企业在学习行业内外标杆工厂时，不能机械地照搬和复制，需要结合生产模式、物料特征、物流流量、生产节拍、空间环境等因素进行分析设计，结合每个物料的流转规律、特点和要求，思考有哪些适合的物流技术、这些物流技术能够解决什么问题、是否赋能了工厂运营，从而匹配最适合的物流技术和设施，而不是一味地套用输送线、悬挂链、AGV等。

7.让物料发声，倾听物料的声音（VOM）

在智能工厂的物流运作过程中，物料天然地具备端到端的属性，物料及物料包装单元承载着订单属性，需要经过运输、搬运、装卸、存储、检验、拣选、配送、器具回收、追溯等诸多环节，各环节的流转过程要确保信息的有效和顺畅。因此，需要物料（或订单）具备“会说话”“会听话”“会指挥”的能力，发出“我是谁”“我要去哪里”“谁要怎么加工我”等指令。物流系统构建应让物料能够发声，且系统能够倾听和识别“物料的声音”，实现物料（或订单）与智能装卸设施、智能搬运设施、智能存储设施、智能拣选设施、工位机器人等设施设备之间的对话，并且能够生成可执行的指令，从而达到物料指挥系统的效果。

通俗而言，就是需要保证物料SU在所有物流环节能够无障碍地与相关设备进行“对话”，这就需要SU突破传统的扫码采集数据的简单功能，转化为物料“告知”其关键信息给相关的设备。SU被先期赋予了订单属性，当SU进入智能物流系统后，SU能够指挥系统（给系统发出指令），将SU搬运至相应的库位或工位；到工位后，SU通过系统告诉机器人相关信息，机器人需要结合生产作业需求进行操作，同时系统需要将所有的信息抓取，作为实时场景信息为后续的决策提供依据，形成自反馈闭环系统。

8.倒排物流计划，实现生产计划与物流计划联动

物流计划是基于各环节作业标准时间的动态作业排程。如表1所示，基于各环节的作业模式形成标准作业，物流各节点都应该有相应的作业标准和时间标准，从而定义各场景（需要考虑资源配置的影响）下作业的标准时间，如分拣时间、库存时间（库存标准）、检验时间、接收时间、运输时间、备货装车时间等。标准时间如同产线的节拍，基于标准时间才能输出合理、可行、可监控的物流计划，并使得时间流的拉动变得合理、科学。

表1 物流计划的倒排逻辑

物流的倒排计划在智能工厂中起到至关重要的作用，表1中所示从下到上是运营过程，从上到下则形成倒排计划。智能工厂的工位物流能不能做好，很大程度上取决于物流倒排计划表。值得注意的是，每一个订单的每种物料都应有一份这样的倒排计划，如果公司有100种物料，便需要100张这样的表。当这些表在横向上需要互相匹配和协同时，如果存在20个订单，组合的数量会呈指数级增长，这已经超出了人工管理的范围，因此，物流计划数字化变得尤为关键。

物流计划将物流过程的各个作业环节进行有效协同和串联，消除了信息孤岛，各环节按照计划执行即可满足整体的需求。各节点都具有各自的计划和执行，其监控运营的重点在于对计划与执行之间的差异管控，从而实现信息流和实物流的一致性，确保每个环节能够按计划执行，最终实现有效的交付。

总结

【免责声明】本文摘自网络，版权归原作者所有，仅用于技术分享交流，非商业用途！若有涉侵权等告知，将及时删除，感谢关注！