西门子成都工厂：一座数字化工厂中，人要如何进化？

出发去西门子成都工厂之前，我就感受到了这家德国企业的流程严谨。每一个步骤的推进和约定都要通过邮件来确认。从线上初步沟通开始，到后期采访日程的确定，哪怕是采访那几天中午和晚上和谁一起吃饭，工厂都会细致地发一封邮件抄送所有相关人，附带一个“是否确认参加”的选项。一旦我在移动端点击确认，日程安排就自动植入到我手机的日程表。这种事无巨细的按部就班，体现着这家德资企业的特点。

西门子成都工厂坐落在成都市高新西区，这是在地理上远离城区、被很多当地人视作郫都区一部分的西北远郊，却是成都最活络的实体经济板块。工厂四周是一片四四方方的工业园，坐落着英特尔、富士康、德州仪器等大型制造工厂，外部整齐划一，统一的白色外壳看起来有些乏味。但就是这些看似不起眼的工厂，却生产了全球70%的iPad和60%的英特尔芯片。站在西门子成都工厂的门口，我还能一眼望到华为成都研究所和京东方的巨大logo。

作为一家德国工业巨头，西门子业务范围十分广泛，涵盖工业、智能基础设施、交通、医疗等领域。消费者们可能更熟知贴着西门子logo的冰箱、洗衣机和插线板，但事实上这家公司早在2015年就剥离了家电业务，将其转让给了博世（BOSCH）。如今西门子将数字化作为发展重点之一，而工业更是其非常重要的业务领域。与诸多知名企业为邻的西门子成都工厂，就是其未来方向的一个代表。

2018年，世界经济论坛在全球范围内评选了世界第一批“灯塔工厂”。“灯塔”寓意指路明灯，代表以第四次工业革命为方向的领先工厂。首届评选中全球只有9家工厂获奖，西门子成都工厂名列其中，代表着当时制造业的最高水平。之后，这家工厂又在员工数量并未显著增加的情况下，通过数字化改造升级，实现了产量产值翻倍的飞跃，又在2023年荣获了“可持续灯塔工厂”称号，成为一个业内少有的双料灯塔工厂。我来到西门子成都工厂，就是想看看这个代表着未来制造业方向的工厂到底是什么样。西门子的成都工厂主要生产PLC等工业自动化产品。PLC是可编程逻辑控制器（Programmable Logic Controller），这是一种自动化设备必备的微型处理器，有着工业控制系统“大脑”之称，在工业自动化领域有着广泛运用。它可视作工业机器里的CPU，工厂能通过PLC编程实现对机器的指令控制。西门子生产它们的方式也很特别，那是一种基于自家硬件产品的高度智能化与自动化——用他们自己的话来说就是，西门子在成都是在“自己生产自己”。

工厂分为两层。与一般工厂不同，一层是纯粹的物料物流区，以及提供水电气和网络等基础设施。这里完全是一个无人区域，鲜有照明，因为一切都是自动且智能的。上游供应商的原料被统一装在一个黑箱子里，在这里会通过一个类似于机场行李分拣的系统自动传送到相应的仓储区。仓储区是一个18米高的无人仓库，机械臂在这里取代了叉车和人工，通过阅读数据指令就能将原料盒子精准摆放到以厘米为单位的仓储格子，一旦生产有需要，机械臂将会将其放上一个电梯送往二层车间，像是一个科幻片场景。最让人吃惊的还是一层天花板上布满了整齐划一的密麻孔洞。工作人员告诉我，这是因为一楼是纯粹的基础设施，打满孔洞能让二楼的车间无论怎么调整布局都可以从一楼随意获取对应的水电气等接口。

二层车间更是高度自动化的。PLC尺寸不大，有着极高的质量与精密要求，前后要经历电路板表面焊接装配（SMT）、通孔插件（THT）、成品装配、包装等工序，几乎都由清一色的自动化机器完成。这些机器大小不一，隔着一层玻璃，每一台机器里面都装配着自家的PLC，带着承袭自德国进口的先进技术。比如在组装环节，为了产品传输更快，设备里竟然采用了磁悬浮技术。设备与技术间的严密配合呼应着工作人员的流程严谨，创造了一台严密而高效的“系统”。这让工厂能24小时不间断运转，每天都产出数万片的PLC供应中国和德国。

机械的自动化外壳背后，还有一个庞大的数字化网络。多数机器的数据都是互通互联到云端的，生产信息的反馈透明而实时。在一些人工尚存的环节，AI技术也应用到了这里，能识别出人工的装配和包装有没有遗漏，归类工业垃圾。刚性的机器和数字之下，工厂的运转却又是极度柔性化的，截至2023年，工厂一共23条生产线能容纳70多种产品，每天能实现160多次转换，满足多达1800种不同产品的订单要求。无论是设备利用率还是订单排产的执行效率，都能通过数字化的算法模型做出反应调整。这让成都工厂每年能有50多种新产品投产，产品种类在过去几年里增加了超过450%。

值得一提的是，这个智能化的成都工厂，最初是完全照搬西门子在德国安贝格（Amberg）的工厂，后者是此前主要生产西门子PLC的工厂，一度被业内视作是欧洲乃至全球最先进的数字化工厂之一，最接近德国工业4.0概念的雏形。2011年，西门子总部决定要在中国建造一座生产PLC等工业自动化产品的工厂，以满足中国工业市场日益增长的需求。这个中国工厂在立项之初就有着高定位：它将是西门子在海外的第一个世界级数字化工厂，要用最先进的技术做武装，包括安贝格工厂在内的各项技术都将输出到这个工厂中。正式的选址中，管理层经过一番讨论，最后定在成都，前后持续投入一步步扩建至四期。

“实际上最开始选址成都的时候，我个人是有些担心的。因为那时候谈起中国制造，更多还是集中在长三角、珠三角这些地方。”成都工厂负责人、西门子工业自动化产品成都生产及研发基地总经理李永利对我说。不过在西门子来成都考察时，包括英特尔、富士康等电子业同行都在成都设厂并取得了不错回报。考虑到成都有着更大的成本优势，高校、科教人才供给充裕，西门子很快决定落脚在此。2013年，德国正式提出工业4.0概念，成都工厂也于同年投产，很快就在关键指标上悉数赶上了安贝格工厂。2017年后，成都工厂不仅在生产指标等方面领先，更是在工艺流程、自动化和数字化等智能制造方面开始反哺德国。从2016年到2024年，工厂设备从200多台增加到超过1000多台，生产效率提高了4倍，制造成本降低了近60%。

这一切，又是如何做到的？“一个关键的因素还是人。在整个行业都在进行自动化和数字化变革的趋势下，怎么去激发人的积极性和创造性？这是很多工厂要思考的地方，也可能是我们做得相对比较成功的地方。”李永利说。PLC在工业生产中应用非常广泛，可根据场景分为不同品类。一般来讲，PLC的应用场景越复杂，代表一个行业的自动化水平越高。在这个核心产品的市场竞争中，西门子是常年的领头羊。自动化生产的稳定质量输出是其最大的特点。不过在过去，PLC的生产还是集中在德国安贝格，中国只有早年投产的南京工厂能生产一些经济型系列。

2011年决定在华建厂后，李永利当时在德国安贝格任副厂长。他1998年进入西门子工作，一路做到了西门子中国技术服务板块的总经理，后来主动提出往制造方面转型，被派往德国轮岗学习。一方面这跟他的兴趣和大学专业相关，另一方面，他也意识到了工业自动化在中国的广阔前景。“从改革开放之后的钢铁、石油重工业，到后来我们的各种家电厂、食品厂都要用到这个产品，中国加入WTO之后这个需求就更强烈了。实际上2010年以后，中国工业的高速发展就对PLC提出了各种需求，这个需求是全球最大也是最复杂的。”

对于这个高定位的新工厂，德国总部提出的首要要求就是，要跟安贝格一模一样（as same as it），要在海外复刻一个安贝格出来。这让李永利压力很大，“技术和设备我不担心，主要差别在于人，只有我们的人的能力和德国在一个水准上，我们才能做得跟德国一样好”。为了实现这个目标，第一批入职的中方主要员工都要被分批次送往安贝格工厂学习。他们一共200多人，很多是在成都当地招聘的、不超过30岁的年轻人，要在德国对口的部门学习取经2～3个月，以将德国制造累积下的多年经验“复刻”过来。

“那完全是叹为观止的感觉，非常震撼。”2012年首批入职的车间主管姜媛记得。她大学学习电子信息工程，刚毕业就进入筹建中的西门子成都工厂，去德国前还去过南京工厂考察过。她看到，中德制造在当时有着较大差距。南京工厂里，很多工序还要人工装配，而安贝格却是清一色的自动化，拥有包括磁悬浮技术在内的各类先进设备，人的主要作用是操作这些机器，甚至有工人能操作所有机器。南京工厂也缺乏一定灵活性，一些产线的调整那时候还要换车间进行，安贝格却能通过对机器的设计和配件调整，实现1000多种产品的柔性生产。更大的差距还在于理念。李永利到安贝格任副厂长后，发现德国工厂不仅谈论具体运营，也更喜欢谈论未来的行业趋势，站位高远。他将其归因于中德制造在发展阶段上的差异。“当时德国制造已经很发达了，没有那么多问题，而中国企业还处在一个上升阶段，经常会在上马项目的过程中遇到各种问题，关注解决问题的思维很明显。另外德国企业对于技术非常偏爱，特别喜欢在制造中尝试各种先进技术，想的是怎么把产品更高效地做得更好，而中国企业那时候大多数还在关注怎么多节省1%～2%的成本。”李永利说。

这在产线设计上体现得很明显。工程师杨超是工业工程专业出身，这是一门关注产线如何系统性优化的学科。毕业后他去了深圳一家代工厂，被工厂派往车间一线。“那时候的中国车间都不怎么谈自动化的，很多是靠大规模的人力堆积，从而去赢得制造成本上的一点点优势。我们的工作就是去一点点抠不让生产线浪费的细节，去车间挖掘工人操作的潜力，比如研究为什么这个工人能打5颗螺丝，那个人却只能打4颗螺丝，把这些工人的动作精确到毫秒，然后让每个人都跟上这种节拍。”杨超当时觉得，这有点过于压榨工人了。他是来到德国才发现，当地几乎不关注这些细枝末节，更倾向于运用技术来优化生产线设计，以此来提升生产效率；在人工作业的工位，他们更关注人体工程学，想的是如何能让工人在产线上更舒适地操作，更符合其身材和习惯，而不是去“压榨”工人更快一点。

但对于不远万里前去取经的中国工程师来说，要把这些先进的经验学过来却不是一件容易的事情。安贝格工厂建于上世纪80年代末，他们造访时已有30多年历史。他们所见的安贝格先进自动化、工艺流程和理念也是日积月累形成的，并非自上而下的系统规划，很多也是经验性的知识。安贝格也是第一次大规模对外输出这些经验，没有系统性地归纳总结过，比如怎么优化产线、怎么提高工人积极性等等，大量的隐性知识只存在于德国同事的脑海中。

要取得对方的信任首先就很难。一位当年30岁出头的工程师回忆，他们只有从“跟德国人一起抽烟”开始，慢慢培养话题，亲自下生产线去解决一些具体问题，换取对方信任，“我们那时候的优势可能就是还年轻，有冲劲，愿意一遍遍地下车间”。

姜媛负责生产流程管理，她对这个过程记忆犹新。带她的是一个中年的德国阿姨，从当地职业教育体系毕业，动手能力强，英语却不好。双方只有拿着手机翻译交流，但因为没有过系统性的知识总结，所以即便姜媛一遍遍询问，对方也愿意传授，知识点也是很零散的。有很多次，阿姨讲完一些要点后，姜媛就会问：“你刚才分享这些东西，有没有一个文档性的、流程性的东西供参考？”阿姨此时就会摇摇头，脱口而出一个漫长的“No”；很多设备是姜媛没有学过的，阿姨亲自演示后，姜媛也会问这些设备有没有什么操作手册或说明书，得到的回答也是一个“No”。

“都不能算是师傅带徒弟，因为很多都是纯粹的talk（口头交流），你问我答，她不会主动告诉你，你得很勤快地问，她的经验也是没有总结的。所以那时候我就很傻眼了。”姜媛说，他们要把这些知识带回成都后再教授其他人，必须要完整和成体系的。“我们去过德国了，但工厂投产后很多同事可能是没有去过的，我该怎么去教他们？假如某一天他们离职或者升职了，下一个补上来的人又怎么办？”

没办法，他们只有白天在工厂学习，晚上回来再把学到的东西、笔记一点点整理总结，遇到不懂的地方就问。“这个过程非常受益，毕竟是亲手操作学来的，而不是根据操作手册看的，理解和体会会更深。回去整理总结也是一个再消化和创造的过程。”姜媛说。这种传统一直持续到工厂投产之后。如今，成都工厂的操作流程分为一到六阶，六阶最高。仅三阶就有356个步骤，越往高阶越细越多，很多新同事得以快速入门。

2013年2月，成都工厂厂房建好，四周还是一片农田模样，种着尚待开放的油菜花。西门子工程师和德国设备供应商一起搭建了一条和安贝格一模一样的装配线，打算正式量产。这条生产线主产一款旗舰型PLC，从设备到布局近乎完全复刻于德国，落地成都后还调试了几个月。姜媛记得，要量产的前一天晚上，产线还是小问题不断。工程师、主管、操作员就围在一起，按在德国学习的笔记摸索和倒腾。工程师对设备反复检查，质量员去检测质量，一些模块拆了又装，不到10个人一直忙到天黑。23点30分，所有问题处理完毕，生产线终于能启动了。约60个PLC缓缓地从德国进口的设备中慢慢吐露出来，成都工厂首条生产线的试运行成功了。“大家脸上都很疲惫，但那种喜悦真的难以掩饰。”姜媛说。

对于这个新生的工厂，德国总部也寄予了厚望。成都工厂项目开始后，李永利从安贝格调到了成都任厂长。他临行之前，总部的负责人找他谈了一次话，问他：“你觉得什么时候成都工厂能达到安贝格的水平？”李永利想了一下，基于当时中德制造的差距，回答道：“可能需要10年。”按李永利的说法，最初的成都工厂80%～90%是复刻自安贝格的。但投产仅三四年后，他们就在关键指标上追上了前辈。李永利将其归结为以中方工程师、管理团队为主的人员快速成长。“他们的勤奋程度、对工作的态度和责任心都是非常强的。”德国总部在立项之初也设立了让中国人自己运营的目标，工厂迈上正轨后，德方渐渐淡出具体运营。2015年，总部决定将那一条带着磁悬浮技术的先进生产线也转交给成都。

成都工厂与西门子总部类似，采用了工程师负责的项目制。每一个引入的技术或设备，都被视作一个项目，由工程师独立去主导作决策、作预算，这让很多年轻工程师在进厂后得以快速成长。2015年进厂的制造工程师罗洋对此体会颇深，他是材料专业出身，入职后第一件大事就是要把这条当年让中方工程师“叹为观止”的生产线完整地从德国搬过来。

罗洋回忆，那是一个脱皮一般的锻炼过程。他此前是一名只需关注工艺的工程师。如今却要“跟三方不停地沟通，去德国学习设备和技术，学习怎么拆线，还要跟设备供应商沟通，问有哪些需要注意的细节，然后是对接专门的包装打包公司，这种东西事无巨细”。项目的时间表早已定好，因为生产压力不能有任何延迟，罗洋还要做详细的时间规划，去跟财务申请费用，仅打包这一环节就在德国耗了一整周。那段时间他压力极大，但事后却觉得成长了很多。“当时对我来说是非常难的，因为完全超乎了之前的经验。”

一同成长起来的，还有中国的供应商。PLC制造需要的设备很多，过去主要依赖德国进口。成都工厂一开始就有意识地培养本地供应商。那时候，中国制造的水平已在往上走。一家本地做精密设备的中小供应商在此时进入了西门子的名单。这家供应商最初只能做一些简单夹具，成为西门子的供应商后开始尽一切努力捕捉工厂的需求。一次，工厂要安置一个包装提升机，供应商的第一版图稿无法让人满意。他们就反复修改数次，直到双方满意，机器上马后一有问题，对方二话不说就来车间调试。几年下来，罗洋发现这家企业成长非常迅速，“现在已经能给我们做大线（整条生产线）设备了，你可以从中看到，本地的产业链在借着这些机会快速地发展”。

本地产业链的崛起降低了成本。与德国供应商动辄一年以上的交付期相比，他们周期更短，价格更低，围绕着西门子形成了一个产业生态，也给前者进一步提升自动化水平打好了基础。管理团队在此时提出，要在工厂加大技术投入，引入包括机器人在内的先进解决方案，以进一步实现对安贝格的超越。“当时国内外有很多先进技术出来，成本不断降低。那之前机器人偏贵，一个可能就得50多万，但2015年后变成30万、20万了，很多东西和技术就能用起来了。”

2016年，第一个机器人被引入到测试环节做抓取试验。姜媛记得，那个机器人的夹爪特别大，重量十足，“有一个头那么大”。为了让它适应产线的灵活性，几位工程师捣鼓了几个月，慢慢调整得顺手了。很快，第二个机器人来了，工程师汲取前一次的经验对它做了轻量化改进，功能也超越了普通的抓取。两个机器人之间能很好地配合，产线的效率在一步步提高。

但这个时候，有员工开始焦虑了——车间里一线的蓝领员工们，会不时瞟着这些测试中的机器人，围在一起窃窃私语。一些员工找到姜媛旁敲侧击问，怎么这台机器上了后，那一台又要上？未来会不会越来越多？他们开始担心，自己是否有一天会被这些机器人所取代。在成都工厂投产后的前几年里，一共300多位一线蓝领或许是最没有被“看见”的群体。他们很多只有高中学历，没有太多核心知识，在车间做着一个普通操作工。当工程师、主管们以及工厂的供应商都在获得成长时，他们依然只是完成一些最基础的手工装配工作。李永利观察到，那时候的蓝领工人普遍自信心不强，“会觉得自己是低人一等的”，一些员工甚至干了几年离职后也不知道生产的产品能做什么、工厂内部架构是什么样的，“这种没有归属感的‘散装’的文化，在当时是比技术升级更重要的命题”。

当蓝领工人们开始担忧是否会被机器取代时，工厂不得不重视。中高层们坐在一起，进行了好几次的讨论：作为一个着眼制造业未来的工厂，车间里的先进设备肯定会越来越多，那这些工人的位置和价值在哪里？工厂是否要把他们开掉，再重新招懂机器的高级技术工人进来？那样的话，成本和效率又怎么平衡？“当你一旦开始引进大量机器人以后，这些都是很现实的话题，是必须考虑的。”姜媛说。

管理层最后达成的共识是，要在车间里培养自己人。一方面，在一个高度自动化的工厂里，昂贵设备的数量在不断增加，都需要有人去保养和维修，“TO B的业务就是这样，产品生命周期很长，设备的寿命周期也很长”，内部培养显然比外聘更符合成本要求；另一方面，他们也意识到这是制造业的未来趋势——单纯拧螺丝的人会越来越少，既能动手又能动脑去修机器的人却要越来越多。“我们是不是可以往这个方向走？”姜媛记得，主管们当时讨论了多次，“我们自己通过建厂、学习获得了成长，是否也能带着一线的蓝领跟着我们一起成长？”

为此，他们设计了一个属于工人的培训考核课程和晋升体系。用从L1（Level 1）到L3（Level 3）的职级体系，去对应工人不同的能力阶段。L1是最基础的操作员，L2能解决约40%的机器维修和故障问题，L3能解决超过90%的机器故障和复杂工艺——这已经超越了操作工，达到了技术员的范畴。在搭建这个体系和课程的同时，他们召集了所有蓝领员工，一次次地开沟通会。

“我怕自己学不会。”这时候，很多工人展露出了一种不自信。“他们的回答真的很真实。”姜媛回忆。她当时反问：有谁是一开始就会的？机器人也不是从一开始就有的，培训也是要分阶段来的，进而是介绍L1到L3的分级体系，承诺参加培训算加班费，升级更会涨工资。很多工人这才放下担子，说愿意报名去参加这些培训和考核。

正式的培训也是一个不断试错的过程。摆在工人面前的首要难题就是英语，很多机器是英语显示，需要学历不高的他们去读懂相关的指令和代码。有一次，一台主要设备出现了故障报警，屏幕上出现了一个红色按钮，一位工人下意识地就点了红色，以为那是消警按钮。不料整个设备立刻宕机，把工人吓坏了。工程师来了后，看了半天没查出是什么原因。最后工程师想了很久，问工人那个按钮上的英文是什么？直到工人慢慢吞吞说，好像有一个“D”和几个“E”“L”，工程师才恍然大悟——坏了，工人按下的是“DELETE”（删除）。

有了这次教训后，工厂在培训时加入了英文课程，教他们从最基本的操作语言学起，进而延伸到一些常用的操作和商务用语。工人也能在不同的车间、工段以及一些行政岗位去轮岗。姜媛看到，大多数工人都很上进，有一颗想学习技术的心，积极报名参加培训。偶尔有一些人没敢报名，也是担心课程考试通不过，对她承诺当年去听课，但先不参加考试。靠着这种努力的精进，很多工人慢慢在这个体系里爬升，摆脱了只拧螺丝的命运。一线蓝领员工从2017年的260人增加到670人，但L1人数占比显著减少，L2、L3逐年增多，已成为蓝领的主流。现在工厂里的机器故障，90%能由一线工人自己解决。这当中，钟小燕或许是最突出的那一位。32岁的她已是两个男孩的妈妈，头发扎起，喜欢挽起袖子在工作台上对着屏幕操作一台自动焊接机器，说起话来轻言细语。钟小燕来自四川广元的一个县城，高中毕业后即来到成都打工，第一份工作是在不远处的电子厂。她对我回忆，那是一份枯燥而无力的工作，她每天要穿着全副武装的防尘服，走过金属探测门，用一个牙刷般的仪器挨个擦拭一个个电子产品的喇叭孔灰尘，“每天就敲敲敲，看它堵不堵，每天敲12个小时”。那家电子厂也有一个晋升体系，但一年之后，她借着结婚生子的机会回了老家。

生完孩子后，她回到成都继续打工，从西门子的L1操作员做起。钟小燕说，当时看到工厂那么多机器过来后，她和很多员工的确担心，“有点怕自己被替换掉”，后来发现“原来自己也是可以顺应这个趋势的”。参加培训之后，她付出大量努力。因为觉得自己英语薄弱，她每天回家后一边照顾孩子，一边还要利用零碎时间背上2～3小时英语。“那些单词跟学校里学的不一样，很长很复杂，但你自己要有一个内驱动力，就是机器屏幕上的东西我自己必须要看懂，看不懂就会落后。”钟小燕说。

这种努力程度超乎常人。2020年她生下第二个孩子后也在复习相关知识，产假结束不久后就参加了工厂举办的故障排除（Trouble Shooting）技能大赛，连续拿了两个第二名，“气得两个月没睡好觉”。靠着这种努力，她花了4年升到L3成为技术员，后来也拿到了技能大赛冠军。

姜媛曾是钟小燕的主管，对她这种努力印象深刻。钟小燕拿到技能冠军后，工厂打算推荐她去参加总部一个奖项的评选，需要她录一个几十秒的英语独白去配视频VCR。钟小燕很是紧张，连夜写了中英文的稿子做修改。为了匹配视频的节奏，她又一遍遍录语音发给姜媛听。姜媛当时还在正常上班，去车间走了一个来回，回来就发现钟小燕竟然给她发了十几遍的语音让她帮忙试听。“所以小燕能自己学出来，肯定是她的原因。”姜媛感慨。

2024年6月的一天，西门子总部来人到苏州参加一个会议，钟小燕和其他两位高学历工程师作为成都工厂的代表出席。她作为一线员工要上台做一份英语演讲，对从德国来的高管们讲述自己的故事。演讲中，钟小燕穿着蓝色工装出席，用不太标准的英语口音，一一总结了自己这些年的五个“没想到”时刻：没想到能成为一个会修机器的技术员，没想到能在技能大赛获奖……“我的最后一个没想到就是现在了。作为一个只认识26个英语字母和简单单词的高中生，我之前真的没想到自己今天能站在这里，用全英语跟大家分享自己的故事。”钟小燕用英语说。引入了更多机器人和设备之后，成都工厂产能拉满，在2017年后扩建出了二期、三期。从一期越往二三期里面走，自动化程度就越高，人也越少，无人化趋势明显。哪怕是白领员工的人数，成都工厂这几年也没有太多增长。

日趋无人化的车间背后，有一套成体系的数字化系统做支撑。一个名为OEE设备检测的系统能实时监控每个设备在每个时段的利用效率和分析几千种故障，工程师在家里用网页就能看，而以前可能就是拿Excel表格或手写做记录；还有一个先进排产系统（Advanced Scheduling），能基于物料约束、产品订单的优先级等变量，通过算法智能安排生产线，在减少库存的同时提高15%的效率。甚至，就连二三期车间的生产线排列布局，也是由一套基于算法和建模的仿真系统所模拟出来的。这是成都工厂在白领员工没增长的情况下能一直保持高增长的重要原因。

2017年后，当成都工厂进一步迈向自动化，数字化技术的导入被提上日程。一方面，西门子总部在这方面做了很多工作，那几年推出了很多数字化软件。另一方面，工厂的自动化升级也开始产生大量数据，有了深化数字化技术应用的需求。“比如最简单的就是无纸化办公、利用数据生生成各类报表这类的IT需求，都在那几年大量冒出来的。”如今负责数字化的工程师杨超说。

在李永利的设想中，数字化与自动化一样，推动的主力也应该是自己人，尤其是这些工程师。在他看来，坐办公室的工程师们也要像车间的蓝领一样，去主动拥抱学习新知识，这样才能有创造性。“什么叫白领？白领就是脑力劳动者，有脑力的智慧创造才能叫脑力劳动者，没有创造就不能叫白领。”李永利认为。工厂组建了一个数字化委员会，从下至上推进数字化变革。杨超从工业工程师转岗负责规划工厂的数字化路线图。他说，对于他们这些此前学电子、电气等传统工科的工程师来说，最大的挑战就是要学会如何将OT与IT融合。OT即操作技术（Operational Technology）层面，是关乎工业机器、制造工艺的硬性操作语言，IT却是软性的信息技术（Information Technology），是要融于各类工业软件中的数据语言，看不见也摸不着。这二者之间有着一道无形的天然鸿沟，是外招的IT工程师很难去理解并逾越的，只有让熟悉业务的工程师去推动。杨超要学习大量的陌生知识，“什么是数据库，什么是IT开发架构，什么是系统之间的接口，什么是IT基础设施、服务器和网络，这些都要去学，以前我们哪懂这些，大学专业也不是这个”。

数字化同样以工程师负责的项目制推动，工厂前后推过400多个数字化项目，涵盖AI、数据分析、建模等技术或系统。很多技术是有门槛的，工程师们从一些小尝试开始做导入，邀请相关专家做普及。所有员工都能加入去尝试和学习。一些员工在这个过程中开始基于生产经验，提出了一些OT和IT融合的解决方案。

比如基于“数字孪生”（Digital Twin）的仿真技术，能通过算法、建模等手段，在3D软件里模拟出一个工厂的运营，大到产线的规划布置，小到机器设备的排列。一位工程师借此算出了一条生产线上究竟应该用多少个物料小车合适。还有一位负责设备维修的技术员在学习之后，在软件上模拟出了一条产线上三个机器人之间的最佳摆放间距。

再比如，那个18米高、宛若科幻场景的无人仓库中，过去那高高的货架由于承重问题经常会有弯曲和倾斜风险，工厂会定期让供应商来维护，供应商测试高货架的方式也十分原始——从高处坠掉一个带着重物的绳子。一位员工在参加了一些数字化培训项目后提出，仓库里的机械臂每次都要把货物摆放到每个货柜的中间，能否使用它摆放时采集的间距数据？如果间距有偏差，那自然就没有摆放到正中央，说明货架有倾斜了。“这就省下了一大笔维护费用，那些数据你不采，也会躺在服务器里无人问津。”一位负责工厂精益生产的工程师说，技术并不要求100%全懂成为专家，可能只用懂个50%～60%，关键在于与业务匹配。这一个个项目积少成多，在2020年新冠疫情暴发后有了用武之地。2021年，疫情反复，全球芯片供给出现大量短缺，居家办公、新能源、半导体等大量需求得不到满足。PLC作为芯片业的下游出现了恐慌性的订单暴涨，成都工厂的订单呈指数级增长，最夸张的时候要日产数万片，但上游的芯片商却满足不了如此大的需求。因此工厂要面临的难题是：如何在物料有限的情况下满足暴涨的生产需求？不同订单的优先级应该如何排列，才能最大化地满足工厂和客户的利益？

整个2021年，这是困扰郭晋阳最大的压力。郭晋阳是供应链部门负责“粮草”的物料计划员，主要工作是根据物料库存和订单结构做出最优的生产规划安排。郭晋阳回忆，那段时间工厂订单暴涨，但上游的原料可能只能来30%～40%的量。平常一星期都开不到一次的缺料会议，那时候一天要开好几次。各个部门的负责人都要求他们紧急做评估，给出一个接一个的最优方案。

一般来讲，工厂生产的物料安排是ERP（企业资源计划，Enterprise Resource Planning）等传统工业软件负责的，很多地方甚至还要用原始的Excel整理。这是郭晋阳2018年入职后一度最常做的事，“更像是一个工具人，处在食物链最底端，疲惫地被动应对各种变化，做各种分析为老板提供决策依据”。郭晋阳回忆，一旦遇到突发情况，他们当时只有走一遍导数据、分析数据、统一检查的传统套路，作决策只有靠个人的经验。因为很多时候好不容易分析完了，物料情况又变了。

2018年后，她通过工厂的数字化项目了解到了一些技术工具，也学习了一点算法。疫情下的物料紧缺中，她紧急梳理了这些工具，找到IT部门的同事，商议能否通过算法模型解决物料计划的难题。“我不是那种学习型强人，但知道可能有这些工具能用，我刚好也听过讲座，懂一点知识。在那种紧急情况下，找外面的IT公司做是完全来不及的，还得一遍遍调试。”郭晋阳说。整整4个月，她和IT同事反复地调整测试，最后打磨出了一款模型工具。它能通过一定的参数设置和模型计算，评估多个物料变化所带来的交叉影响，自动选择出最优的物料方案。通过这款工具，以前可能需要多名同事、耗时2天才能完成的评估，现在只要一个人、不到20分钟。这让他们顺利度过了疫情期间的紧张时期。

设计这款工具的时候，郭晋阳加入了一个极端情况的缺料模拟功能。这在一个重要订单的计划时发挥了重要作用。当时工厂缺了A、B、C三款物料，A、B物料是配套使用在某旗舰产品上的，出货量大，相当于iPhone14；C料则是用在一款普通大型号产品上，类比笔记本电脑。不同部门为了优先解决哪些物料争执不休，但当时的工厂只能优先解决一款。郭晋阳说，按照一般经验，她本以为要首先解决A、B的物料问题，但模型给出的答案却是C料。“我之前是觉得先解决A的话肯定会影响更大产量的订单，但模型知道这个量大可能是个无底洞，还需要更多的配套去满足，优先解决C的话，效果就能立竿见影。”前三期迈上正轨后，成都工厂如今正在修建第四期，大型的建筑机械在一片荒地上忙碌着。四期工厂将于今年9月建成，规模更大，也将运用更多智能设备和数字化技术，预计会创造400多个一线就业岗位。但摆在他们面前的却有一个更现实的外部难题——现在的人不好招了。

姜媛经常参与校招工作。这几年她发现，年轻人没有那么爱进工厂了。当西门子在成都各个高校宣讲时，哪怕是作为一家世界500强，工厂也不那么受到学生欢迎。有一次他们去成都某二本大学摆开展位做宣传招人，现场却鲜有学生来问津。这些追求轻松自由的年轻人，反而选择在一旁的房地产中介、4S门店的招聘摊位前排起长队，“你会觉得还是有很多人对工厂有误解，好像进了工厂就只能挥汗如雨拧螺丝似的”。

市场形势也在变化着。疫情冲击了全球供应链，也让中国本土厂家在近几年迅速成长，让中国PLC市场的竞争日益激烈。“现在回头来看，我们当时节奏把控得很好，也有一点时机和运气成分。我们是一期一期做上来的，那时候市场形势好，一期做好了才扩建下一期、导入新技术，不是一下子就是三四期的大规模。我经常跟国内很多的制造业负责人交流，比如手机厂、车厂等等。他们很多都是要求两三年内就必须实现一个高增长，业绩压力很大，很多时候这个技术还没弄好呢，产品就要切换了，所以很多新技术导入不成功也不深入。”李永利说。在他看来，PLC这个To B行业过去多年一直比较稳定，迭代更新是渐进式的，但这些年的竞争态势在加速。越来越多新功能和技术也应用到了PLC上面。

为了应对这些变化，西门子成都在进入2024年后也做了很多调整。一个是将工厂生产线的纵向管理变为了横向的分段管理，原来分管整条生产线的主管开始分管所有车间的分段工艺，“设备的利用率还有一定提升空间”；另一方面则是，工厂和研发部门开始分开办公。

“最直接原因就是研发人数变多了，现在都有400多人了。”李永利说，在工业自动化方面，西门子建厂的一大原则就是制造和研发基地一体。其好处显而易见，每当研发部门提出一个新的想法或功能，制造部门马上能从制造工艺上给出是否可行、应该如何调整的反馈，这是西门子PLC产品以质量稳定著称的原因之一。但近几年，西门子越来越重视PLC本地研发，在成都新招了很多研发人员，有了紧邻工厂的新办公楼，“中国不仅是最具活力的市场，也有很多最前沿最复杂的应用需求，所以现在研发部门的目标就是能够快速地把中国市场的需求加到产品中去”。

而在作为制造端的工厂，新的技术导入也超越了传统的工艺和效率精益，越来越成为一个工厂的主导。在李永利看来，如今成都工厂已经完成了数字化的上半场，正要进入数字化的下半场了。“数字化的上半场主要就是工厂运营的各种数据要收集上来，把不同系统的数据打通，做到业务的极度透明，很多企业可能正在打，服务器里存满了各种数据，但我们已经实现了数据打通。”李永利说，“下半场就是要如何利用这些数据，通过模型训练让数据产生价值，让他们帮助人们去作决策，这个我们才刚刚开始。”

在李永利的设想中，进入数字化的下半场后，经过数据训练的模型要能慢慢主导工厂的运营决策，比如一个产品质量是否达标、订单的排产怎么释放到车间、哪条生产线去生产什么产品，所有这些以前由人为经验来决策的运营方向，都要逐渐改成数据加模型来决策。“这才是真正的智能制造。”李永利说，目前工厂里采用的先进排产系统、供应链端的决策模型，都属于这一类。“很多模型不一定完美，但都在不断迭代。就跟ChatGPT一样，每几个月就要迭代一次，越迭代就会越成熟，能代替人去作很多决策。”

“既然数字模型都能代替人去作决策了，那以后人的位置又在哪里呢？是不是就到了被取代的时候了？”我问。

李永利觉得，至少在未来10～20年里，制造业里对数据模型的训练和解释都要靠人，因为工厂的人是最懂业务的，数据本身却不懂。“一个产线上的模型好不好，在产线工作的人是最有发言权的。他可以去训练模型，模型也能帮他减少很多重复性的工作。”李永利说，“未来更复杂的工作还会留给人。在数字化下半场，人能创造的价值会更高。这就需要我们的人进一步去精益和提升自己了。” 西门子外资