给“阀门”标上科学的刻度

作者：郑义

水库可以在下雨的时候蓄水，在干旱的时候放水灌溉。只要水量合理，水库就能调节天气状况对生产生活的影响，这与汽车生产与在制品储存的关系相似。市场扩张时，有人负责“存水”，市场紧缩时，就要有人负责“放水”，减少存量，这样才能推动公司生产持续发展。而我们要做的，就是将“水库”的阀门标上刻度，把“水量”维持在一个合理的范围内。

2014年之前，国内汽车市场出现了供不应求的情况，为了最大化释放产能，跟上市场需求的节奏，公司积极储备在制品（未完成装配的车）。当时，大家甚至想把生产线上的空位都填满，以保证生产平稳。依靠庞大的“在制品蓄水池”，可以向市场源源不断地输出产品。市场需求旺盛时，这是行业普遍采用的生产模式。然而，几年之后，汽车市场风云突变，汽车消费需求缺口收窄，饱和的在制品和过多的库存，一下子从市场利器变成公司的负担。

和在线车一样，在资金总额度固定的情况下，在制品过多将占用资金，可用资金份额相应被压缩。存的车越多，成本占用越高，可用资金空间就越小，进而给公司的资金流动造成阻碍。另外，由于平时储备的在制品过多，即使生产线发生短时间故障，也可以保障生产。但这也掩盖了设备维修速率低、生产不均衡等隐性缺陷，不利于发现生产上的痛点。

当这些问题像洪水一样涌来时，大家意识到，原本引以为傲的“在制品蓄水池”已“水”满为患。面对这样令人无奈的事实，我们不得不寻找更符合市场趋势的生产模式，摒弃卖方市场下的“野蛮”生产方式，减少在制品数量。由此，精益生产——在制品存货优化项目应运而生。

项目规划初期，为了深入了解行业内在制品管理现状，团队对比了丰田系企业的管理体系，在感叹对方在制品精益管理良好成效的同时，也坚定了进行生产管理改革的决心。

寻找“阀门”的刻度

想减少在制品蓄水池的“水量”，就要在“阀门”上标好刻度，知道各条生产线到底有多少在制品，减少到多少是合适的。但数据在哪里呢？公司此前的数据报表中罗列的主要是年度数据，可我们需要精确到每条生产线每一天的数据，因此已有数据的“含金量”便大打折扣。为了掌握更精准的数据，在缺乏储备的情况下，我们决定进行人工统计。

公司共有11条生产线，每天会有生产总量，可以按照这个数据，结合各条生产线情况建立测算公式，进而计算出每条生产线每天的数据，再依次推算月数据，最后预估当年的优化目标。

优化出年度数据还不够，计算出每天生产线的优化数据才是重点。各生产线情况不同，具体的优化指标也不同。想知道每条生产线的具体情况，就要协调控制小组，到生产线进行盘点，记录工艺工位（作业工位）和缓存区域（生产线内为储备品提供的存放空间）的数据。最后，根据各条生产线的节拍，算出合理数据。

尽管有控制小组，但每条生产线的数据、储备情况都要查清也不容易。因为生产线动静切换的状态、节拍都会影响数据。此外，除去长春的5条生产线，公司还有6条线分布在成都、佛山、青岛和天津。我们组在长春基地，只能协调当地生产部门的同事帮助推进工作。

异地协调要靠线上会议，因此当时我们的视频通话非常频繁，有时甚至会幻听，不管什么时候，总觉得手机在响，匆匆忙忙拿起来，才发现没消息。另外，远程协调非常考验大家的默契程度，隔着手机屏幕，既要精准传达信息，又要敏感地体察对方的工作状态，还要祈祷彼此信号通畅，因为遇到卡顿，对话就会不同频。尽管小问题不断，但每个人都没有怨言。在大家的共同配合与努力下，数据收集工作进展还算顺利。

除去整理数据，为找到最终的优化标准，我们还成立了在制品管理专项小组。大家参考里特定律（揭示工厂前置时间、在制品数量和吞吐率关系的定律），并结合公司生产线的实际产品合格率、生产节拍等，计算每一条生产线、每一个工段的储备标准。

听上去没什么难度，但要把自己生产线的属性完美地与定律结合却很难。减多少？留多少？不是随意推算的，要制定参数，再利用公式计算。而一次就找到准确参数的可能性不大，需要反复尝试和探索。查生产数据，找参数，再查数据，再找参数，除了日常工作，我们每天都在查和找。

“这个数据好像不太合理呀？”“我也觉得这个有问题。”

大家要不断计算，反复推导，有时还要“Battle”一番。近十次测试后，我们为生产线匹配了合适的参数。但找到今年的参数，并不意味着这项任务就此结束。生产线每年都会更新，车型也不断变化，我们要结合生产线实际情况，不断调整参数，借此适配生产线。

“程序员”上线

为了更直观地展示储备状态，反映生产线波动情况，建立数据库，我们还开发了在制品数量模型与监控分析模型。开发模型需要编程技术，但大家都不是IT专业出身，只能从零学起。白天，我们都有其他工作要处理，学习时间只能安排在下班之后。当时，公司尚未组织系统培训，我们只能找资料自学，建立学习群，互相交流。同时，我们还调动其他生产基地和工厂的同事，向他们请教编程技术。

“听说你代码写得好，别谦虚，指导指导吧！”“不行，我们就得学，要不真做不了，快教教我们！”

就这样，那些编程技术过硬的同事开始给大家免费授课，手把手教我们可用代码。有时，还要开启“圈层”求学模式——通过朋友、朋友的朋友寻找“代码大佬”，请求指导。那段时间，白天我们是生产计划部门的成员，晚上就要变身“夜校”程序员，通过找资料、“磕”代码充实夜生活。

黑眼圈和咖啡是我们的标配，日渐后退的发际线更是我们的勋章。经过一个多月的“秃头”式自学，大家建立了符合生产线特点的标准在制品数量模型与监控分析模型，这些模型能更清晰地体现生产线的储备情况，也让我们的生产管理和应对生产风险的能力得到提升。

2019年，经过在制品优化后，公司的资金流动情况得到改善。2019年年末，公司整个生产体系在制品储备优化了16%，降低在制品资金占用8000万元以上，有效提升了生产体系管理水平。未来，我们将联动五大生产基地共享人员经验及最佳生产案例，发挥各工厂带头作用，促进整个生产体系全方位、多维度进行生产改善。

为保证生产数据的实时传递，每天早上八点一刻，我们需要对内进行数据汇报，解释上一个工作日的生产情况。汇报人需要提前一小时到公司整理数据。一年365天，只要生产不停，就必须准时完成这项工作。从2015年至今，日复一日，千余场汇报，从未出现过差错。有时，这份报告可能来自节假日的酒店，或景区打卡地，甚至医院。总之，无论汇报人在哪儿，每天八点一刻，这份报告一定会按时出现在大家眼前。

有时，其他部门的同事会开玩笑，早上见到你们，不用看手表也知道几点，你们就像时钟一样精准。公司给予我的不只是一份工作，还有一群真诚的伙伴和炽热的理想。