中国经营报

“让一家工厂实现数字化发展已存在很大难度，那么如何从一家工厂扩展至多家工厂？一些小型工厂差异化较大，设施及工作方式十分陈旧，这正是许多企业无法成功实现数字化转型的原因。”麦肯锡公司全球董事合伙人、数字制造业全球负责人恩诺·德布尔（Enno de Boer）如此解释制造业数字化转型的困难所在。

然而，若不进行数字化转型，制造业企业恐难以承受下一次衰退带来的冲击。况且，已有工厂完成数字化转型的案例，甚至有的还入选为“灯塔工厂”，灯塔工厂也被誉为世界上最先进的工厂，代表当今全球制造业领域智能制造和数字化最高水平。

据悉，全球灯塔工厂网络是世界经济论坛与麦肯锡公司合作发起的一项倡议，由100多家全球领先制造工厂和供应链企业所组成的社区，通过积极部署和融合人工智能、3D打印和大数据分析等第四次工业革命的先进技术，提升生产效率和竞争力以推动运营模式变革，实现经济增长。

今年10月，世界经济论坛宣布11家新工厂加入全球灯塔工厂网络，其中有宁德时代（宜宾）、海尔（青岛）、美的（顺德）、三一重工（长沙）和西部数据（上海）等几家中外企业的在华工厂入围，西部数据上海工厂还被评为中国第一家“可持续发展灯塔工厂”。

“在快速发展的数字化潮流之下，智能终端、自动驾驶、智慧城市等持续催生出海量的数据，从终端、边缘到数据中心所产生的数据都在飞速增长，我们也正在加速步入泽字节时代。”西部数据全资子公司晟碟半导体（上海）有限公司副总裁兼总经理CK Chin对《中国经营报》记者表示，在数字化转型过程中，西部数据上海工厂在APC（Advanced Process Control，先进流程控制）、digital twin（数字孪生）和simulation（数字模拟）以及员工绩效评估方面的经验是可复制推广的。

中国灯塔工厂占比近四成

世界经济论坛的数据显示，截至目前全球已有114家灯塔工厂，其中42家位于中国。而从行业分布来看，中国的灯塔工厂主要来自于汽车、家电、电子、重工业、新能源等行业。

以家电行业为例，海尔和美的已各自拥有5家灯塔工厂。此外，继三一重工北京桩机工厂后，三一重工长沙18号工厂也入选，是全球重工行业第二家获认证的灯塔工厂。继宁德基地后，四川时代成为宁德时代第二家获评灯塔工厂的生产基地，这是目前全球锂电行业唯二的两座灯塔工厂。

麦肯锡全球董事合伙人侯文皓表示，本次获选的5家中国灯塔企业均非首次获评。在此次入选的工厂身上，我们或多或少能看到其此前灯塔工厂的最佳做法。这些企业能再次获选，说明它们已经形成了一套标准化的转型组织机制，在迭代优化中持续推广灯塔最佳实践。

就城市分布而言，苏州一马当先，坐拥5家灯塔工厂，而青岛（3家）凭借海尔等，成为继苏州之后拥有灯塔工厂数量第二多的中国城市；上海、长沙、佛山各新增1家，与北京、天津、广州、郑州、合肥、成都、无锡7城并列第二梯队，分别入选2家灯塔工厂。

值得注意的是，在一众经济强市、工业强市之外，全国23座拥有灯塔工厂的城市还有另一种存在——它们既非省会城市，也不在万亿GDP城市之列，比如宁德、荆州、秦皇岛、潍坊以及本次新晋入围的宜宾。

有观点认为，相对于为数众多的制造工厂，能入选灯塔工厂的尚属凤毛麟角，主要在于中国制造业仍在发展转型之中，大多数企业面临着数字化转型困难、创新动力不足、生产管理效率较低等问题。

虽然制造业企业发展面临的多数问题可以由市场解决，但政府也需要提供有效的制度供给。记者注意到，此前包括广东、江苏、山东、湖北等多个省份已相继出台政策，支持培育灯塔工厂。

生产成本降低约62%

虽然半导体行业自动化水平相对较高，但处于晶圆后道工艺的企业仍离不开人工，比如西部数据这样在晶圆生产结束后开展封装和测试的公司。

“从生产基本流程可以看到，后端封装和测试流程通常会有50～60道工序，每一种机台都有独立的供应商。在传统生产过程中，机器与机器之间的连接主要还是靠人工，包括制作的工艺、应该选择的参数，其实都需要操作人员在机器上进行选择。”晟碟半导体（上海）有限公司卓越运营总监张晓娜表示，通过自主开发的关灯工厂将标准机台相互连接，并通过大数据平台和数字孪生，提高了生产效率和机器使用率，减少了生产成本。

张晓娜说，利用人工智能、3D打印和大数据分析等第四次工业革命技术，2017年以来，西部数据上海工厂将产品上市时间缩短了约40%，产品的生产成本降低了约62%，生产效率提高了约221%。

比如自动化产品设计系统、基于机器学习的虚拟晶圆测试系统，以及智能规划系统，都让生产效率有了显著的提高。“晶圆测试设备投资巨大。通过虚拟测试，在保证产品质量的前提下，大大缩短和减少了我们的产品生产周期和设备投资。”张晓娜还表示，每天会从每一个生产步骤收集上百万次的数据，这些数据通过在机器学习平台上运行，给操作人员提供决策支持，解决生产过程中的实际问题。

至于西部数据上海工厂在数字化转型过程中，有哪些经验值得复制和推广，CK Chin表示：“第一个是我们所说的APC（Advanced Process Control，先进流程控制），传统模式下需要技术人员或工程师在现场做数据分析、数据采样等，再做出最终决策。在APC和Machine Learning（机器学习）的驱动之下，我们可以在机台上安装很多传感器，用APC平台采样数百万次的数据，工程师就可以坐在办公室中分析这些数据，通过系统回馈给机台需要做出的反应等。”

CK Chin还提到digital twin和simulation在这个转型中的重要意义。“比如有一个新的厂房或区域需要布局多少机台，有了digital twin和simulation，我们可以做现场模拟，比如怎样布局机器，实现最好的流动、最好的产能分析等，这些能够很好地帮助工厂提高运行效率。而机器部署完成后，再要移动机器会非常麻烦。”CK Chin说。

最后就是员工的绩效评估。“以前的员工和技术人员的绩效都要通过纸面上的评估，现在我们可以从大数据里面采取，比如技术人员一个月休息多少次，修过的机台有没有再次反馈问题等，这也是我们在第四次工业革命技术方面比较典型的场景。”CK Chin说。