一家年产值3亿元的浙江汽配厂，在2022年启动智能制造改造，18个月后人均产值从72万元提升到185万元，不良率从2.1%降至0.3%。这个案例并非靠堆设备，而是踩准了智能制造的完整流程——从诊断到落地，每一步都有可复用的方法。

第一步：用“价值流图”找出真瓶颈，别被自动化供应商带偏

多数工厂的误区是直接上机器臂或MES系统，结果导致“局部自动化、整体不均衡”。正确做法是让工艺、生产、IT三方人员站到车间现场，花一周时间描出从原材料进厂到成品发货的全价值流图。以那家汽配厂为例，他们发现压铸工序的OEE（设备综合效率）只有48%，而后续的机加工工序OEE高达85%——根本瓶颈在压铸，而非机加。于是只对压铸机做了模具快换和温控系统改造，用了一台AGV取代人工搬运，总投入不到200万元，产线平衡率就从62%拉到了91%。

第二步：数字化不是“全都要”，而是先打通核心数据闭环

很多工厂花百万上了ERP、MES、WMS，结果数据孤岛更严重。更务实的做法是：只选3个核心数据点打通——工单完工时间、设备状态、质检结果。比如一家电子组装厂，他们没有一步到位上MES，而是先用低代码平台搭了一个“工单-设备-质检”的轻量看板，工人扫码报工，设备传感器自动上传稼动率，质检员手机录入不良代码。系统每周自动生成一张“瓶颈工序识别表”，直接告诉管理者本周哪些工位在等料、哪些设备反复停。这个阶段花了4.5万元，3个月后交付周期缩短了30%。

第三步：先跑通“单件流”再谈智能排产，别让算法对着假数据演算

有的工厂一上来就买APS（高级排程系统），结果算法跑出来的排产计划根本没法执行——因为现场数据是假的。正确顺序是：先用精益工具把某个小产线（比如一条10工位的组装线）改造成单件流，消除在制品堆积和等待浪费，然后在这个稳定物理流的基础上安装传感器和扫码器，让系统采集真实的节拍时间、换型时间和良率数据。只有这些数据准确率超过95%，APS才能给出可执行的排产方案。一家苏州注塑厂就是这么做的，先花2个月改造物理流，再花1个月部署数据采集，最后上APS，换型效率提高了220%，库存周转天数从45天降到21天。

最常踩的3个坑，以及对应的纠正动作

• 坑1：只看设备不看流程。 纠正动作：改造前必须做价值流图分析，优先投资瓶颈工序，而非采购最新设备。
• 坑2：数据采集贪多求全。 纠正动作：只选“工单-设备-质检”三大核心数据闭环，用低代码工具先跑2个月，验证数据质量后再扩展。
• 坑3：忽视人的技能升级。 纠正动作：每上线一个新系统，必须配一套“10分钟速查卡+每日早会5分钟演练”，确保产线组长能独立调出看板并解释异常原因。