工四100术语（编号770）
英文：Lean Data
中文：精益数据
（本词条版权归《知识自动化》所有，欢迎提出建议）
工业大数据是个大号尺寸的衣服
我们似乎陷入了大数据数据焦虑症，非常急于从工业大数据攫取金矿。然而，实际上，工人身边很多的小数据，直接决定了一个企业的效率。很简单，产品的价值由客户决定的，而产品的价值组成，则是由流程决定。流程中存在着大量的“小数据”，正是企业产品真正的价值。
产品是通过流程才能提供给客户的。从原材料到成品的流程中，经过流程里面的各种各样的机器和人的活动之后，实现了从原材料到客户需要的产品的价值的附加，而客户愿意为之付钱的流程中的活动，才是有价值的活动。但是在流程中，除了有价值的活动之外，还存在其他两种活动，一种是纯粹的浪费，一种是虽然没有价值但是不得不作的活动。如图1所示。这是典型的精益生产思想。
图1 产品流程
许多浪费的现象，其实在生产一线都是各种各样司空见惯的“小”数据。比如说：员工上班后等待原材料的时间是多少分钟，等待机器稳定运转起来的时间是多少分钟；搬运工的具体搬运次数，具体距离，耗费时间都是需要考虑的问题；作为工人，重（chong）工有缺陷的产品的具体数量，重工耗费的具体时间，重工用掉的物料的种类和数量；前面的流程干的太快，后面的流程机器不给力，两个流程之间堆起了小山一样等待生产的产品的具体数量；库房里面的原材料的具体数量，成品的具体数量；厂房太大，从这台机器到另外一台机器隔着几十米的距离，产品在两台机器之间搬来搬去；送货工每天都要往返几公里在车间里面，走了好几万步，这也是小数据。
表1 三种不同的价值流程
再细化一点，在一个机器上面生产了几种不同的产品，每个产品都要更换不同的模具，更换了多少次，每次用掉了多少时间？更换后为了调整模具耗费的时间；为了调整模具而试做的产品的数量；生产的产品拿到质量检测部门作首件测试再反馈回来合格的结果的时间。
各种各样的数据如同汪洋大海，但是企业的管理层却看不到，因为他们看到只是财务的数据；车间的工人们被数据淹没着却毫无感觉，因为没有人告诉他们，这些数据到底意味着什么？
隐藏的工厂与隐蔽的数据
美国米勒先生，1992针对企业没有被认知到的程序，称之为“隐藏的工厂”。 然而直到今天，这样的“隐藏的工厂”还在企业中大量中不曾被发现。
流程中存在的大量浪费，同样可以看作是大量的没有挖掘出来的流程价值，而这些价值，可以看作是构成了一个隐形工厂。后面有一个例子可以看到，原来10天的产出时间，如果通过流程改善，缩短到2天，就等于原来10天的产出，在同样的时间里面翻了4翻，何止是多了一个工厂呢？
很多隐蔽的数据，比如说，每个产品检验的时间，同一个失效模式，在不同的生产流程被重复检验的次数；作清洁用的时间，擦拭产品或者机器的时间，这些也统统是浪费的现象带来的数据。
现在企业非常乐于上自动化生产线，其实最隐蔽的浪费数据莫过于自动化连续生产设备里面的数据。看起来，一摁按钮，机械手夹起产品，放在机器上面，然后机器开始加工，每天机械手夹起几千个产品；或者自动化的传送带把产品送到这里，送到哪里，每天送上几万个产品；更高级的是AGV小车，拖着物料在车间里跑来跑去，一天跑个几十趟。
然而，不管是人在传送还是机器在传送，不管是机械手上下料，还是人工上下料，如果是浪费的动作，那么都不是有价值的工作，而精益思想对于浪费的概念定义里面，搬运—是定义为浪费的。
这些数据也都是精益需要的数据，都是可以量化浪费的精益数据。这些数据，才是工人和企业领导者们应该实实在在，时时刻刻需要去管理和关心的数据。
1%的增值时间，其他时间工厂在空转
纯粹的生产时间，也即产品增值的时间在整个流程占有比例非常小，不到5%，有的不到1%；大量的流程时间，是由于效率低、没有计划甚至浪费的等待时间所组成。
就是说，工厂95%的时间，都是在空转——这是一种触目惊心的工厂空心化。
例如对一个客户每天需求400个产品的生产流程进行分析，产品经过机械加工20秒，装配40秒和检验包装20秒，一共三个流程，针对每一个产品来说，真正被增值的时间只有短短的80秒，但是由于大量的中间在制品和库存的原材料及成品的存在，加在一起有4000个产品分布在整个生产线上，这就会导致在生产流程中等待的时间的总和要10天，也就是说，如果有一个零件的原材料在这个时候进入工厂的话，那么要等到10天之后，才能被送到客户的手中，然而在这10天的等待过程中，这个零件真正被增值的时间只有短短的80秒，其他的时间，都是在无谓的等待。
图2 生产效率
生产效率，取决于流程链的复杂程度、交接点的数量，以及单个流程的不同类型。低流程消耗的资源 （无计划的等待和停泊时间等）要远远大于生产效率所消耗的资源。
在生产线上，更重要的是流程的交接点和在线库存点，这才是吞啮时间的黑洞。
上述分析同样可以看出，单纯更新机器设备，对生产效率的改善的效果是微乎其微的，全部改掉也只有80秒；只有把流程中的等待的在制品的数量减少，才可以大幅度的缩短整个生产线的产出时间，提高整个生产线的总体效率。比如说：通过技术改造，把生产线上不同的流程连接在一起，实现单件流的流水线生产，同时把生产的批量减少到原来的20%，那么，整个生产线的产出时间立即就减少到只有2天左右，想比原来的10天，改善了80%。
图3 各种流程的干扰
生产线上的浪费可以通过价值流程图分析非常直观的看出来，但是如果站到整个工厂管理运营的角度去看，生产又只不过是整个工厂管理运营中的一个环节，把价值流程图分析抽象放大来分析整个工厂的运营管理，我们可以得到一个如图3所示的链状的管理运营流程图。从这个图中可以看出，大量的无法准确计算时间的管理活动充斥其中，各种影响因素是数不胜数，生产这个唯一真正增值的环节显得毫不起眼，大量间接管理流程活动产生的数据的汪洋大海，里面充斥着各种类型的浪费，吞啮了宝贵的时间，耗用了大量的资源。这个时候就会发现，生产的改善变得如此无足轻重，因为它只是这个链条里的一环，而每一个环节之间的等待，都可以轻而易举的把生产改善带来的效率提高轻松吞啮。比如说，生产线通过改善，减少了三天的产出时间，但是客户发来的订单由于在各个职能部门间的等待，导致一个星期才能更新一次，所以，对于客户来说，生产这三天的改善，完全感觉不到。而这些在不同管理流程之间等待的时间，具体的小时数或者天数，也是数据，却也总是被人们所忽视，因为根本就没有去计算，当然是存在却看不见，但是基层的员工们却每天都被这些数据包围着。
这也是可以量化浪费的数据，同样是精益数据。
工四100术语定义
精益数据是一种衡量生产流程的时间数据，是面向一线操作工人的数据观。与工业大数据相对，它不是从数据中去挖掘价值，而是从流程价值来分析一手的数据何以产生。它为操作工人而存在，反映了生产中触手可及的流程接口的价值。
传统的管理都是以功能为导向的，不仅仅是把生产线上同样功能得机器摆放在一起进行生产，相应的各个管理部门也是依照职能进行设立以及安排工作，人为的造成了流程与流程之间的隔离及等待。比如说，业务员把需求报告给业务经理，业务经理审核及批准后再回到业务员手中，然后业务部门的文员再汇总所有的经过核准的业务需求传递给生产计划的文员，生产计划的文员再层层上报下传的折腾起来，看起来人人都忙碌的不可开交。
其实根本在于功能导向管理的天然的缺点，组织之间的隔阂造成大量等待。
针对这样的情况，在精益思想里面有一个原则，叫做以流程为导向的布局，不仅仅适用于在生产线上，依照产品生产经过的各个流程的需求进行设备和生产人员的布局，这个思想同样适用于打通各个职能管理部门之间的组织隔膜，通过以流程为导向的方法所拥有的优势，可以持续调控各个单独流程之间的连接。从而消除等待，提高效率。
发现浪费、消除浪费是精益管理的天职，而这些数据都是代表着一个个具体鲜明的浪费的数据，都是精益需要的数据，这都是可以量化浪费的精益数据。
让数据为一线工人服务
丰田的精益管理带来的巨大成功告诉我们，企业的竞争力不仅仅是通过最新的技术来创造的，机械设备已经无法创造额外的价值，而是要通过流程来创造价值。而流程，就像软件一样，是可扩展的，即无需付出相应比例的额外成本，就可以发展，而且产生完全不同的盈利效应，消除掉浪费，就是赚钱。
未来的经济效益，不仅仅是由机器的能力决定的，也是由流程中机器接口的能力决定的。抹平流程的缝隙，堵住流失的金钱在精益思想的指导之下，通过对工业管理的数据进行分析，进而改善。
然而，流程的可测性，和测量数据方面的公开性，这是实际操作中最大的弱点。
如果不去认识它，那就不能发现它；
如果不能发现它，那就不会测量它；
如果没有测量它，那就不能管理它；
如果没有管理它，那就不能改善它；
如果没有改善它，流失金钱白花花。
因此，不再用看不见的数据，如销售利润或者成本参数却确定一个企业的价值。而是用看得见可以测量的参数，如运行时间、等待时间、停泊时间等，这些数据，是每一个企业员工的责任——这才是真正的数据，和具有实际的经济效益。包括登记时间（准备时间，也就是订单被确定，到相应工具被生产所预定如修理时间、拆卸机器等）、停泊时间（生产时间之间等待的时间）、机器占用时间和整个运行时间。
图4 德国VDMA标准的时间分析
一线员工看的见数据和时间，才是精益数据观。这意味着，精益数据，首先是为一线操作工服务的。
浪费小数据，吞噬大数据
工业大数据在研究数据如何产生价值，而精益数据，则是研究如何产生有用的数据，它是融入在工业发展的每一个阶段之中的对数据的研究方法，通过精益数据的管理思想，可以精准产生有价值的数据和准确选择需要采集的数据。
就设备的效率而言，制造需要设备自动化；
就资源的浪费而言，制造需要精益生产观；
就数据的挖掘效率而言，制造需要知识自动化；
就流程的价值浪费而言，制造需要精益数据观。
图5 精益数据是一种现场数据思维
只有建立价值流程的小数据观，工业大数据的价值才能真正发挥。否则只是缘木求鱼，大数据的价值将淹没在大量无用、无效的数字海洋中。工业大数据对中国制造而言，还是一件大号尺寸的衣服。面向一线工人的小数据，才是对中国工业最为合身的价值点。
作者简介
联系客服
