上周国新办开了场工信发展的发布会几个数据挺有意思上半年规上工业增加值同比增长5.4%制造业AI技术应用普及率超过了30%。宏观数据看着挺好。但你要是去工厂里走一圈会发现一个很割裂的现实——有的工厂已经在用AI做质量预测了排产还在用Excel。有的工厂设备上了MES系统但数据还是靠人工抄表录入。有的工厂花大价钱买了ERP但车间主任排产的时候还是打开Excel拉公式。数字化搞了这么多年最后一公里始终没打通。今天聊聊这最后一公里到底卡在哪以及从排产和设备联网两个最核心的场景出发怎么把这段路走完。一、排产制造业数字化的深水区说实话如果让我选制造业数字化最难的一个环节我选排产。不是ERP难、不是MES难而是排产——因为它处在所有系统的交叉点上。排产要用的信息来自四面八方销售给的订单需求和交期仓库给的物料齐套情况设备给的产能和状态工艺给的工序路线和标准工时人员给的班次和技能矩阵任何一个环节的数据不准确、不及时排出来的计划就是一张废纸。而大部分工厂的现状是什么订单信息在ERP里物料信息在WMS里设备状态在MES里如果有的话工艺路线在工艺部门的Excel里人员排班在HR系统里。信息散落在五六个系统里靠PMC手工汇总、手动平衡最后排出一版计划——这版计划的准确率说句不好听的全靠经验和运气。为什么排产这么难数字化因为它不是一个数据展示的问题而是一个约束求解的问题。排产的本质是在一堆硬约束设备产能、物料齐套、交期要求、工艺路线和软约束减少换线次数、均衡负荷、优先高价值订单之间找到一个尽可能优的方案。这个问题在数学上叫NP-hard问题——不是说没有解而是说随着约束条件增加计算复杂度呈指数级增长。Excel拉公式根本解决不了。目前排产数字化的主流方案APS高级计划与排程系统用约束求解引擎如基于OptaPlanner的求解器来自动计算排产方案。能处理多约束、多目标的复杂场景几分钟出结果。启发式算法人工调整用遗传算法、模拟退火等方法做近似最优解PMC在结果基础上微调。灵活度高但依赖人的经验。AI规则混合方案用AI预测设备故障概率、质量趋势等不确定因素结合规则引擎处理确定性约束再由求解器做最终排产。从落地成熟度来看APS系统是目前最主流的方案。APS智能排产支持硬约束软约束建模能处理多设备、多工序、多订单的复杂排产场景。它的优势在于可以私有化部署、跟MES和物联网平台打通形成数据采集→排产计算→执行反馈的闭环。不过也要说实话——APS系统不是万能的。它排出来的方案再优如果基础数据不准比如标准工时偏差大、物料数据不实时结果照样不靠谱。排产数字化的前提是数据的准确性和实时性。这就引出了下一个话题——设备联网。二、设备联网数据从哪来排产需要准确的数据但数据从哪来很多工厂的现状是设备在那里跑着数据在设备里藏着人拿着纸笔在旁边记着。一台注塑机温度、压力、周期时间这些关键参数设备控制系统里都有。但如果没做联网这些数据就只存在于设备的HMI屏幕上——运维人员走过去看一眼手抄到表格里月底汇总一下。这种方式的后果是什么数据不实时你看到的是10分钟前的数据不是现在的数据数据不完整人只记了他认为重要的参数其他参数没记数据不可靠人可能看错了、记错了、甚至懒得记数据不可追溯出了问题想回头看发现记录缺失这些问题在合规场景下尤其致命——环保排放数据、设备安全数据、质量追溯数据监管机构要的是可验证的、连续的、不可篡改的记录不是月底补出来的Excel表。设备联网要解决的核心问题就是把数据从设备里搬出来搬到平台上。说起来简单做起来有三道坎1. 协议兼容性工厂里的设备品牌五花八门——西门子的PLC、三菱的CNC、欧姆龙的传感器、各种国产设备。每个品牌用的通信协议不一样Modbus、OPC UA、Profinet、EtherCAT、MQTT……要把这些设备都连起来平台必须支持足够多的工业协议。2. 边缘计算能力不是所有数据都需要传到云端处理。有些场景需要毫秒级的响应——比如设备温度异常不可能等数据传到云端、云端处理完、再下发指令回到设备端。这个来回可能就几十秒而几十秒在工业场景下可能就是事故。所以平台要有边缘计算能力——在设备端就近完成数据采集、初步处理和紧急响应不需要事事依赖云端。3. 数据治理设备连上来以后数据量会很大。一台设备每秒采集10个数据点100台设备就是每秒1000个点一天下来就是8600万条数据。这些数据不能一股脑全存得有策略哪些数据需要高频存储比如安全相关的关键参数哪些数据可以降频存储比如环境温湿度哪些数据需要在边缘就做过滤和聚合比如设备正常运行时只存统计值异常时才存原始数据数据保留策略是什么实时数据保留多久、历史数据保留多久、归档数据保留多久没有数据治理策略光连上设备是没有意义的——数据量太大存不起也算不动。三、排产联网闭环才是价值说了排产和联网各自的难点最后聊聊为什么要把这两件事放在一起做。因为排产的质量取决于数据的准确性和实时性而联网的价值需要通过排产等应用来体现。举个具体例子传统排产流程PMC每天早上根据昨天的数据和经验排一版计划发给车间执行。计划里假设某台设备全天可用。但实际情况是这台设备在上午10点出了故障维修需要4小时。这4小时里原本排在这台设备上的3个订单全部停滞。PMC接到通知后手动调整计划——但调整的时候发现另一个订单需要的物料还没到替换订单也排不了。最后折腾了一下午新计划还是漏洞百出。联网APS的流程设备故障的瞬间物联网平台就检测到了异常同时更新了设备的可用状态。APS系统自动感知到产能变化触发了重排计算——把故障设备上的订单迁移到备用设备同时检查物料齐套情况确保迁移后的订单能正常执行。整个过程从故障检测到新计划下发可能在10分钟内完成。这就是闭环的价值——感知→决策→执行全链路自动化。不是取代PMC而是让PMC从手动排产到处救火变成审核AI方案处理异常情况。效率完全不同。四、结语5.4%的增长、30%的AI渗透率——这些宏观数据说明制造业的数字化转型确实在加速。但数字背后的现实是很多工厂的核心环节排产、设备管理、质量控制还没有真正数字化。不是不想做而是最后一公里的难度被低估了。排产不是一个软件能解决的它需要准确的数据、合理的约束建模、以及跟执行层的闭环。设备联网也不是装几个传感器就完事了它需要协议兼容、边缘计算、数据治理的完整体系。把这两件事打通数字化转型的最后一公里才算真正走完。