摘要：我带领的研究团队叫 Sigma Group。这里面有两个概念：Sigma 在数学中常表示“精确”，大写的 Σ 有“求和、合作”之意；另一个符号是 Delta（Δ），表示“差距、差异”，大写的 Δ 我常比喻为一把“刀”，用来缩小差距。精益的两面，一是“精确”（d

第九届盈趣杯标杆精益改善大赛暨

中国精益管理高质量发展大会

精彩回顾

我带领的研究团队叫 Sigma Group。这里面有两个概念：Sigma 在数学中常表示“精确”，大写的 Σ 有“求和、合作”之意；另一个符号是 Delta（Δ），表示“差距、差异”，大写的 Δ 我常比喻为一把“刀”，用来缩小差距。精益的两面，一是“精确”（data-driven），一是“缩小差距并持续改善”。这就是我们团队的精神。

香港理工大学工业及系统工程学系智能制造讲席教授、

先进制造研究院院长-黄国全

“在‘人—机—物’系统中，效率最高的，其实是计算机。”这是黄国全教授演讲的开场语。

让工厂拥有“思考的能力”

计算机一秒钟可执行百万次运算。如果我们工厂的设备和车间，能像计算机一样高效运转，那“智能制造”才真正落地。

黄教授提到，工业3.0时代有两个核心技术：

一是PLC为代表的自动化技术（裂变技术），二是计算机集成制造（聚变技术）。

虽然很多企业已经达到了工业3.0时代的标准，但这些企业目前存在一个难以忽视的现状”：即便是ERP、MES这类系统，仍然非常复杂，我们常常要花30%的时间去修补系统本身，而非创造价值。

我们缺一场真正的“技术革命”

工业4.0谈了很多技术，但和3.0时代一样，我们仍缺乏一项能真正引发产业革命的“裂变技术”。如果这真是一场革命，我们的教材就必须改写。

改什么？怎么改？这正是我们要回答的问题：

在大会上，黄教授用一个大家熟悉的例子说明了当前系统的效率困境：高铁站出租车排队系统。

在国内很多车站，乘客排长队，车辆也排长队，但上车效率极低。因为只有一个上车口，乘客依次走到第1辆、第2辆……第9辆车，整个过程可能需要36–40个时间单位。

更讽刺的是，有些车站引入了高科技屏幕显示车辆信息，但乘客从屏幕前走到车位又要花5–10分钟——技术用了，效率没变。

这和今天智能制造的现状极为相似：企业投入了大量资源引入高技术系统，却未能显著提升生产现场的流动效率。“有技术，不等于高效率。”关键问题并不在于“技术本身”，而在于系统能否实现类似计算机“随时高效运行”的能力。

把车间变成“计算机”

黄国全教授指出，计算机体系结构中的一个重要创新是“乱序执行（Out-of-Order Execution）”。该技术允许 CPU 在遇到阻塞时不必等待，而是主动执行其他可行任务，从而保持处理器资源的高效利用，而这一思维完全可以借鉴到制造领域中。

在传统工厂中，生产调度往往是“顺序执行”的，前工序未完成，后工序就必须等待，造成大量时间浪费。

如果将工厂划分为多个“微工厂（Micro-factory）”，并赋予这些单元类似 CPU 的独立调度与并行执行能力，就可以显著降低等待时间，提高系统吞吐率与抗干扰能力。

基于上述思想，黄国全教授提出“iFactory（工厂计算机）”的系统模型，旨在构建一个类似操作系统的智能制造架构。他将这一体系归纳为三个核心层面：

他进一步补充，系统应具备“Look-around（周围查看）”的能力——能“看上游是否齐套、看下游是否可接、看左右相邻单元的进度”，从而实现全流程的动态平衡。

在谈及当今企业避不开的库存管理时，黄教授又指出：

“零库存”并非完全没有存货，而是通过“数字孪生库存”的方式，实现对物料在途、在制、在库的实时追踪与最优调配。当前已有企业尝试利用 AI 与数字化模型，在生产前即通过市场试销预测需求，实现“在线库存可视化”，这将极大降低传统仓储与持有成本。

同时，他提出“零仓库制造”的概念：通过精益流动与智能计划，让物料更多地处于可控流动状态，而非停留在仓储空间中。未来的制造企业，应当更像一个“流动的计算机系统”，而非“堆积的仓库”。

从理念到落地：新工业革命的启示

在演讲的结尾，黄国全教授总结，制造企业要实现真正的智能化，必须从数据驱动的自动化，走向信息物理融合的系统智能。

他提出了四点关键路径：

1.实现“人机物”的实名制管理，让现场决策基于实时信息；

2.以微工厂为核心节点，通过乱序调度减少等待、提高弹性；

3.建立数字孪生与数字库存体系，支撑更灵活的供应链协同；

4.以极简算法与动态调度替代复杂脆弱的全局模型，追求“可行即高效”的管理哲学。

目前，他所在的团队已在多家制造企业中开展试点项目，在造船、装配制造、建筑施工等领域验证了“工厂计算机”体系的可行性。初步成果显示，这一模式在提高产能利用率、降低调度延误、减少管理层级等方面均取得显著成效。

来源：标杆精益一点号