摘要：本文基于三个珠三角制造工厂的实际转型项目经验，拆解制造业务场景数智化转型落地过程中的核心坑点、选型逻辑和场景适配方法，给负责落地的中级工程师提供可直接复用的实操参考。
别上来就堆设备，先理清楚你转的是业务还是面子
上个月刚帮佛山一家做汽车钣金的老工厂跑完数智化改造试点，裤腿上还沾着车间的铁锈味，随手写点干货。
很多老板一开口就是我要做数智化，上来先批几百万预算买大屏买AGV，车间装得像科技馆，投产三个月就全堆灰。我亲眼见过一个做汽配的工厂，花了一百二十万上了全套智能排程系统，上线第一天就捅了娄子。原来他们下料工序的排程，全靠做了二十多年的组长李师傅凭经验调，核心逻辑是同厚度同材质的板材凑单排，尽量减少余料浪费，结果供应商做系统的时候，直接把通用的排程逻辑硬套进去，只追求设备稼动率，不考虑余料，第一天排出来的单子，余料率比李师傅排的高出12%，一天就浪费了快两吨冷轧钢板，老板脸都绿了。
90%项目死在这：数据采集的坑你根本想不到
按照GB/T 39116-2020《智能制造 能力成熟度模型》的要求，数据采集的完整率要达到80%以上，才能满足二级能力成熟度的要求，这是转型的基础。可是现实呢？
国内绝大多数中小型制造企业，车间里一半以上都是服役超过五年的老设备，大多没有开放对外通讯接口，买了采集模块装上去，只能采到开机停机的开关信号，核心的加工参数、负载温度这些根本出不来。你要做预测性维护？要做工艺优化？巧妇难为无米之炊。
还有更离谱的。我去年去过一个五金加工厂，为了应付验收，安排每个工位的工人每班手工填三次设备运行数据，你说那数据能看？手工填出来的设备OEE常年稳定在92%，我蹲在车间连测三天，实际才不到65%，水分大到能养鱼。
说实话，老设备改造真没必要追求100%全参数采集，抓核心就够。比如冲压工序，你就抓三个数据：冲程次数、保压压力、模具温度，足够支撑工艺优化和预测性维护了，剩下的没用数据采回来也是占存储，浪费钱。
不是所有场景都要自动化，适配才是核心
不过话说回来，很多供应商做方案，上来就给你堆全自动的玩意儿，说白了就是客单价高赚得多，才不管你回本要多少年。还是刚才说的佛山那家钣金厂，原来的方案给最后成品分拣环节配一台视觉分拣机器人，报价八十万。我们算了一笔账：这个工厂每个月换3-4次产品规格，每次调试机器人就要两天，熟手工人分拣的话，换个工位十分钟就搞定，而且不合格品误判率，机器人是1.2%，工人是0.3%，算上折旧、电费、调试工时，十年都收不回成本。
最后我们改了方案，只加了一个扫码计数+重量复核的小模块，花了不到三万块，直接把原来错发漏发率从4%降到0.1%，老板乐得合不拢嘴。这不香吗？
还有个容易踩的坑，转型之后硬要求所有工人都精通复杂的MES系统，五十岁的老车工，干了三十年活，手艺一流，让他天天对着屏幕填各种数据，人家能不抵触？搞不好直接把人逼走了，那损失才大。我们做方案的时候，给老工位只加了一个扫码枪，干完活扫一下工单号就完活，一分钟都不耽误，老师傅们都愿意用。
数智化的本质是降本增效，不是建给外人看的展览馆。我见过太多工厂，转型转得把原来的优势都转没了，就是太追求完美，太追求高大上，忘了自己原来做业务的逻辑。
制造转型哪有什么一键升级的神话，都是蹲在车间一个工位一个工位磨出来的。找准你自己的核心业务痛点，从小处切入，跑通试点再慢慢铺开，比什么都强。
