去年在宁波一家汽配厂，我看到机械臂抓取毛坯件，咣当一声，公差跑了。那一刻我突然觉得，那些鼓吹‘无人工厂’的人该来车间闻闻切削液的味道。不是说自动化不好——它太好了，好到让人忘了机器也是会累的。

人，才是生产线最贵的传感器

我见过最离谱的事：一家给苹果代工的工厂，花了四千万上自动化线，结果因为来料批次差异，产线三天两头报警停机。最后怎么解决的？安排两个老师傅提前用游标卡尺量毛坯，顺便把变形件剔出来。你看，最先进的自动线，最关键的环节还得靠人。人眼加手感，现在任何视觉系统都比不上——至少目前是这样。

老工人用卡尺检测汽车零件毛坯

说实话，自动化真正的价值不是替代人，而是把人的经验固化下来。比如拧紧螺栓，扭矩曲线斜率突变那个点，老师傅凭手感知道啥时候‘到位了’，但新手不行。通过自适应拧紧系统记录曲线，把这种手感转化成算法，这才是正路。不过话说回来，现在很多工厂上自动化是为了减人，出发点就歪了。

数字孪生？先把基础数据搞准吧

这两年‘数字孪生’火得过分。各种展会上，大屏上三维产线转得眼花，但我问过不下二十个中小企业主，他们的设备连基本OEE都没算准。为啥？因为自动采集的数据——脏！ 停机时间靠人工手填，节拍来自PLC但没考虑换刀，传感器传回来的值抖动得厉害。基于这种数据建的孪生模型，跟算卦差不多。

我特别烦那种一上来就要搭平台、上中台的方案。一家做电机的工厂，信息化基础差，我们直接给他们在关键冲床上加装了一组简单的光栅和电流传感器，先实现精确计数和异常检测，成本不到两万。三个月后，他们发现换模时间比预估长出40%，这才有了改善的基准。自动化不是非得高大上，能用、管用，比啥都强。

冲压机床加装传感器采集数据

问：小工厂资金有限，自动化从哪里切入最划算？

答：别信那些整线集成的方案。找瓶颈。看哪个工序质量波动最大、劳动力最密集、或者最危险。通常是打磨、焊接、上下料。一个小建议：先上单机自动化，比如给旧机床加个自动上下料装置，十几万就能搞定，马上见效。等有了底，再考虑连线。千万别一上来就被集成商绑死，后面改流程都难。

问：自动产线经常停机，怎么提高综合效率？

答：这问题太常见。我参与过一个案例：某轴承装配线，理论节拍2.4秒，实际产出只有65%。分析下来，70%的停机是因为供料盘卡料和传感器脏污。改善措施简单得可笑：清洁振动盘轨道、调整传感器安装角度，加个吹气喷嘴。花了不到三千块，效率提到82%。所以不是自动化的错，是当初设计时忽略了现场环境。油污、粉尘、振动——这些才是自动化的杀手。

AI质检的幻觉

AI质检的幻觉

工业AI，特别是视觉检测，现在都快被吹成神了。但你知道训练一个可用的模型要多少负样本吗？真实工厂里，不良品往往千奇百怪，长尾问题严重。一家做铸件的朋友，上AI质检找砂眼，模型对圆形砂眼抓得挺好，可遇到裂纹状的就漏检。因为训练集里裂纹样本太少。后来他们不得不人工拍照积累了一年，模型才勉强可用。算上人工标注成本，比直接雇三个质检员还贵。

而且AI模型有惰性——它只认过往的缺陷模式，新缺陷一出现就抓瞎。这一点和老师傅没法比。所以我现在主张‘人机协同’，AI做粗筛，人做复判并反馈，不断迭代模型。这思路老套，但有效。别想着一步登天搞黑灯工厂，那得是工艺极其稳定的大批量单一品类才行，比如快消品、标准件。咱们做离散制造的，产品品种多到爆，老老实实搞混合自动化是正道。

还有一点挺讽刺：很多工厂上自动化产线，却舍不得配一个像样的MES。结果产线停了，生产主管还得跑去现场看报警灯。问为什么没数据推送？答曰ERP没这功能。真是…自动化投入几千万，却连个异常呼叫系统都不装。这就像买了跑车加92号油。自动化程度越高，对管理精细度的要求越高——可惜很多人不懂这个理。

最后一吐为快：别再神话自动化了。它是一把好刀，但得握在会做菜的人手里。不然就是一堆昂贵的铁。下次要是有人跟你画‘无人工厂’的大饼，不妨先问两个问题：换型时间多长？来料一致性如何？如果对方支支吾吾，赶紧捂紧钱包。