摘要：本文基于笔者主导的某汽车零部件冲压车间制造业务场景数智化转型项目，梳理从现场调研到落地上线全过程的踩坑经验、选型逻辑和落地要点，供同行业工程师参考。
别上来就堆设备，先数清楚现场的“隐形浪费”
去年接这个项目的时候，甲方老板拍胸脯说预算够，要上最先进的数字孪生，要全产线换AGV，上来就给我看了一堆乙方做的PPT，全是高大上的概念。
说实话，我去现场转了三天，摸出完全不一样的结论。这家做汽车底盘冲压件的工厂，产线OEE（设备综合效率）一直卡在60%出头，所有人都说是设备老化、精度不够，要换设备。
我蹲在换模区守了整整两天，记了满满两页纸。换一套1.2吨的大梁模具，最快42分钟，最慢1小时47分钟，其中一半时间耗在哪？找定位销、对基准孔、核对工艺参数。原来全流程全靠班长记经验，模具放在哪个定置位，谁有空谁放，从来没有定置管理，每次找齐配套的定位块就要十分钟，参数调错从头再来的情况，一周要遇到两三次。
你说上了数字孪生，这个流程没理顺，数据采集上来全是乱的，有啥用？
我们当时花了两周，把每个工序的等待时间、搬运距离、换模等待的节点全部掐表记，最后发现，产线效率上不去，七成原因不是设备精度不够，是流程混乱，数据断点多。很多转型项目上来就先买硬件，钱花了一半，才发现原来现场最基础的定置管理都没理顺，采出来的数据十个有六个是错的。这不扯嘛。
最后我们先花十万块改了现场定置，给每个模具做了RFID标签，理顺了换模流程，光是这一步，换模平均时间就降到了28分钟，OEE直接涨了7个点。
数据采集不是越全越好，要卡准业务痛点选点位
很多刚接触转型项目的工程师，总觉得要把所有传感器都装上，所有参数都采上来才叫数智化。我早年也踩过这个坑。
这次项目刚开始，对接的乙方工程师上来就给了个方案：给每台油压机加10个振动传感器、5个温度传感器，说要做全维度预测性维护。我翻了翻油压机的原厂说明书，原来自带PLC接口就能采主缸压力、滑块行程、保压时间这些核心参数。油压机的主缸故障，九成都是密封件老化导致的压力异常，原来的压力变送器就已经能精准采集趋势了，你加那么多振动传感器干嘛？
冲压车间的震动多大，懂的都懂，一个工业级振动传感器小一千，用不了半年就震歪了，数据全错，后期维护还要花一堆钱。
按照GB/T 39116-2020《智能制造 能力成熟度模型》的要求，数据采集的匹配度优先级远高于覆盖率。这个准则我一直记到现在。
我们最后把方案砍了三分之二，只留了三个核心采集点：第一个是模具夹紧装置加压力传感器，防止模具没夹紧出安全事故；第二个是上料台加视觉识别点，防错，避免工人拿错板材厚度；第三个是下料区加称重传感器，自动统计良品数量，不用工人每天手动填产量。
整个项目采集点成本直接降了42万，有用数据占比反而从原来方案预估的不到40%，升到了92%。
不过话说回来，不是说采集点少就一定好，核心是你得紧扣业务痛点。要解决换模降本，你就采换模流程的节点数据；要解决质量不良，你就采冲压过程的压力、行程数据。别为了凑“全数据”的KPI，花一堆冤枉钱，最后跑出来效果还不好，老板不满意，一线工人也嫌麻烦。
别忽略一线工人的使用习惯，这才是项目能不能活下来的关键
我见过至少五个转型项目，上线剪彩吹得震天响，半年后就没人用了，放在那落灰。为啥？十有八九是没考虑一线工人的使用习惯。
你给干了二十年的冲压班长整个满是术语的BI界面，让他每次换模都扫码、输参数、点三次确认，他闭着眼都能换完模了，你这套流程还没走完，人家凭啥用？对吧？
我们做这个项目的时候，定了个死规则：开发团队每天必须跟一线工人泡够四个小时，操作流程改到工人说方便了才算完。光交互逻辑我们就改了三版。原来的流程是：模具到位→扫码→确认参数→开工，四步。工人说麻烦，最后改成：模具拖到定位位，系统自动识别RFID，自动调油压机参数，工人只需要按一下确认开工。一步。
就这，我们还留了后手：加了一个手动兜底切换按钮，万一系统识别错了，工人一秒切回原来的手动操作，不耽误生产。做质量报表的时候，原来要求质检员每天填8张表，我们直接把7张改成系统自动生成，质检员只需要签字确认异常品就行，每天省出一个半小时，人家自然愿意用。
数智化转型不是做给老板看的PPT，是给一线干活用的。你做出来的东西，工人嫌麻烦不愿碰，再先进的技术都是死的。之前有个甲方生产经理说我们做的东西太“简单”，不够高端，要加一堆花里胡哨的可视化功能，我跟他说，能解决问题的才是好东西，花架子谁爱要谁要。最后还是按我们的改了，现在上线满一年，OEE稳定在78%，单台设备每月多产出近3000件成品，他现在逢人就夸我们做的落地。
结语
制造业务场景的数智化，从来不是靠先进技术堆出来的，是蹲在现场一点点磨出来的。别信那些天上掉馅饼的神话，沉下心找真痛点，少花冤枉钱，顺着一线的实际需求改，才能做成真正能落地产生价值的项目。
