出品｜虎嗅科技组
脚本&视频剪辑&配音｜宇多田
背景音乐｜周深《和光同尘》；Far Out《overdrive》
文章作者｜宇多田
本文是“大鲸榜·2020工业互联网高成长企业榜单”的案例洞察第一篇，后续我们将依次带来其它细分行业的成功案例，敬请关注。
一个月前，我拖着行李箱，跋涉到一个中国边陲小城，目的是拜访一家隐藏在层层大山和稻田里的现代化烟草加工厂。
很多长辈和同事嘴里叼着的那根烟，也许就出自这个工厂的生产线上。它既是大名鼎鼎的“*烟”（为避免广告隐去）诞生地之一，也是这座小城的支柱型产业，供应着3000多人的饭碗。
烟草，作为一个极为特殊的行业，让很多人产生既爱又恨的复杂情绪：
与健康天然的对立性，让烟草势必成为被社会长期排斥和打击的产业；而同时，成瘾性和触手可得的便利性，则意味着烟草市场又是一个能够保持高利润与高增长率的产业，也是国家重要的税收来源。
这两种相互拉扯的特性，使烟草市场走上“专卖之路”：由国家对烟叶的种植与收购、卷烟的生产和销售实行严格计划管理。而由此而带来的高利润，也是烟草加工产业有条件用上最先进的生产设备、制造系统以及软件技术的必要条件。
换言之，正是因为烟草行业的“不差钱”，才能让中国烟草制造在几十年来积累起庞大且成熟的现代化工业体系。而先进的自动化与信息化工业基础，则成为愿意且能够接纳最前沿技术的罕见土壤。
说是“垄断”，但烟草制造行业并非没有竞争的压力。特别是近年来，虽然从大盘上看不允许多产超产，但各个地方性烟草集团之间，仍然有能力根据品牌的市场受欢迎度来抢夺分配额度，竞争相对激烈；
其次，中国烟民消费偏好也有了一些明显的“精致化”和“去毒性”风向，譬如，很多烟草品牌都在改进自己的卷烟配方——降低焦油含量，添加一些所谓的保健类元素……
因此，烟草制造仍然面临着工业领域永恒存在、且始终令工业人心窝子痛的课题——“提质”和“降本”。
而位于中国四线小城里的这座烟草加工厂，也无法置身事外。
无论是产业竞争对加工品质的倒逼，还是传感器和大数据技术在5年内的突飞猛进，都在迫使这家云南烟草的代表性制造企业，不得不求变。
问题1：一流的自动化，三流的精益化
我在车间里亲眼看到的烟草生产流程，着实令人震撼。
一根烟的长成，包括制丝、卷接以及包装三大制造流程（视频有全部呈现），而目之所及，没有一处不是自动化。
一个生产批次走下来，每一道工序都能与下一个节点完美对接，如同一副字画行云流水的运笔。
而车间里几十台德国进口切丝机与超精密自动化卷烟系统，以及中国自产的自动化物流堆垛机，都代表着中国烟草行业自动化水平早已步入一流水准。
德国烟草设备制造商HAUNI的切丝机
“你看到的制丝流程，20年前就有了。实际上，整个烟草的自动化程度都不低，你去其他加工厂也都一样，哪一个都不差。”
负责工厂信息网络化改造的刘部长，性情直爽而豁达，不喜说虚话，是一个很让我们一见如故的老工业人。这个20世纪80年代毕业于985大学的工程专业高材生，在上世纪90年代曾参与过工厂里制丝产线的自动化改造。
“但是，烟草加工只能说自动化基础较好，但不是没有短板。大多工厂在建设之初由于缺乏总体的信息化规划，系统之间的集成性不太好、数字化基础薄弱，还需要补课。 ”
作为一个一线工业技术人，刘部坦言，真正的智能工厂还有很长的路要走，得补好数字化、网络化不足的短板，做好长期规划。
“现在这个老厂房相对老旧，有些设备的加工工艺和生产布局，已不能满足一些烟牌新品工艺要求。”
他觉得，无论是“排产的科学性”“生产调度的精准性”“工人的系统操作水平”还是“设备的可靠性”“供能用能的协同性”，这里都离真正一流水平还差一大截。
因此，刘部一直想试试大数据和AI是不是像网上宣传的那样，能把这些问题解决好。
工厂里的自动取货系统
“举个例子，假如以前一个牌号（可理解为不同的香烟品牌）生产任务需要22天，那么现在他想要的结果，是用20天以内就搞定。”
简单说，就是需要一个比车间N人排产小组更灵活，能连通和掌握所有设备数据的“强大角色”，能实时掌握设备、人力和环境情况，输出一个最佳的排产结果——
比如，在下午2点这个批次，已知温度湿度和烟料配方等数据，相比启动不足的设备C、D和经验不足的操作工Q和休假的操作Y，根据算法获知——同类设备A、B和操作工Z的组合，也许更适合做某个牌号的任务。
“正如你看到的，烟草是一个流程性很强的产线，但中间仍然有很多‘缝隙’。譬如一个机组生产从牌号881换到牌号991，一旦换牌，肯定要损失产能。”刘部对于想实现的精益排产目标，有一个清晰的缺陷认知，
“换牌是不是要耽误时间？设备要重新调，辅料要全部换，那你能不能帮我把排产做的连续性更强？
“有时候能源异常怎么办？要么管道漏了，要么设备裂化，磨损太严重。有太多东西需要数据去分析了。
“另外从人的角度，负责这个批次的人与负责另一个批次的人，操作经验明显不一样，那怎么办？质量是要讲究均衡性的，不能波动太大。”
在他的规划里，无论是工序这种“点”，还是整个生产组织的“面”，都有太多做“提质降耗”的空间。
而这，便是新技术有机会施展拳脚的“精益化空间”。
问题2：只要是人，便意味着不稳定
如果要对烟草加工生产线的感受用两个字来总结，那就是“快”和“稳”。
快，指的是设备之间的无缝衔接，没有太多的停顿感，一气呵成，效率至上；而稳，正如刘部的解释，烟草生产非常重视配方工艺的稳定，物料配送的稳定，以及质量控制的稳定。
但是，设备之间的物理衔接，不代表设备之间数据传输的畅通无阻；而稳定，则依然受制于人。
原料传送带：需要有人来监督是否传送顺畅
有趣的是，在“回潮”这道工序上，我在系统操作台旁观察到，一位工人需要隔十几分钟就要检查一次加水量，并根据水分仪的更新数据时不时点击“+5”和“-5”的按钮，保持水量控制在一个设定的标准数值区间内。
“松散回潮”，是烟丝制造产线的首道核心工序。干燥的烟料需要在加了水的回潮桶里被“搅拌”得更有韧性，才能提高后面一系列制丝工艺的品质。
而这里加水的操作标准，就是让入口水分与出口水分与设定值保持一致。它的效果，直接决定了烟叶的含水率；而含水率，又直接影响一支香烟的最终质量、吸阻、硬度和烟气化学成分。
换句话说，烟料在回潮机里的水分控制，仍然要工人手把手“掂量着决定”，必须依赖长期的操作经验。但是，只要是人，就意味着不稳定。
“流程工艺的复杂性和控制难度远超你们想象。”
带我们走下整个流程的李师在工厂有20年的操作系统编程经验。他说，即使是最有经验的师傅都会判断失误，而回潮的水量控制又是流程里最难的操作之一。因此，业内几乎不对执行这个任务的师傅进行KPI考核。
“首先，来料不确定，即便烟料是同一个品种和等级，但它来自不同产地，内在品质就会有差距。
“其次，环境的温湿度，设备的稳定度，还有测量仪器（水分仪）的准确度，都会有一个变化规律，这个规律也很难找。
“第三，就是时间和工序的问题。每天第一个班第一批烟料进去，是最难控制的，因为机器刚启动，蒸汽饱和度等等都不够，而这一类数据也很难采。”
李师在拧开回潮桶开关
此外，人除了被经验属性所限制，在艰苦作业环境里，体力也是一项极不稳定的“武力值”。
烟草加工车间，最不会被忽视的，其实是弥漫在所有车间里那种浓重呛人的味道。如果你平常受不了一个人在你旁边吞云吐雾，那么可以想象一下，在你面前有满满一屋子烟料在蒸腾燃烧，是一种怎样的窒息感。
我们在里面仅转悠了两个小时，就开始嗓子发痒，猛烈咳嗽。但大多数工厂里的一线工人，则需要在这样的环境里呆上至少8个小时。
在回潮机旁，我“捉”到一个正在操作系统的师傅，才知道平时仅仅在“回潮”这个节点，不仅是“水分值”，他们还需要对温度、湿度等指标做全面调控，每天站立的工时超过6个小时。
“我因为站得太久，得了静脉曲张，一直在申请调班。”她带着3M防护口罩，满头大汗。我最终没有问出“是否愿意交给机器来做控水”这个问题，因为答案呼之欲出。
正在操作台工作的师傅
智能化没有直线，而是无数弯路
以上，便是一个有自动化基础的工厂，进行智能化改造最为实际的源头诉求之一——有一个比人更稳更快、精力更旺盛的“物种”；且能对质量检测数据、工艺参数控制的动态进行及时反应。
然而，烟草行业并非没有过类似的尝试，反而尝试过太多次。
五六年前，国内一批烟草制造厂就开始对部分生产环节进行智能化改造。譬如，用所谓的大数据和人工智能对“回潮机”“烘丝机”这类关键制丝设备做优化控制，但都效果平平，不算成功。换句话说，仍然无法取代人。
“要做工艺智能真的太难了。它不像消费互联网，做一点千人千面的个性化推送，做一些精准营销，难度并不大。 因为消费互联网对用户的所有行为，都是通过埋点的方式来获有用数据，是一点其他的状况都不会有的。”
“你看过那个卷烟机和包装机没有？很庞大，机器组件很多。那种设备，你加传感器你是加不进去的，线都排不出来。”
刘部指的便是卷接生产车间里的德国豪尼卷接机（下图）。这是一台让人大开眼界的高度精密系统（视频里有），你甚至不能用“机器”来形容它，因为它的复杂程度已经相当于一个微缩型车间。
“所以有大批公司说‘我可以做设备预测性维护’，但这项技术在一些大电机设备上是可行的，而对于很多像卷接机这样机理复杂的行业特性设备，非常难，甚至没法做。”
视频里出现的豪尼卷烟机
刘部的话，完全印证了我们长期对很多大会和展台上各种“预测性维护”标语的疑虑，因为在没法用虚拟标尺丈量的工业领域，任何改造都不得不“具体问题具体分析”。
“另外，有时候你需要一些特定数据，但如果设备厂商设计产品的时候就没有考虑到，你最后根本采集不上来，因为它根本没有传感器，也不会给你安装传感器的空间。我们一定得拉上设备制造商一起搞，才能效果最大化。”
早在2015年，他们与一家技术公司做过关于烘丝机等设备的出口水温控制，但数据质量与量级的不足制造了重重壁垒，效果并不出彩。 但刘部很不甘心，坚信这个技术路线一定没问题。
“这五六年过去了，产业里走过的弯路有足够多。除了传感器、大数据的技术成熟了不少，整个行业在降本增效上的需求更高了，也在逼迫我们不得不走这条路。”
这次，工厂转变了思路，决定先从数据治理下手，一步一步来：
首先，无论是烟草还是其他工业场景，很多原始数据本就存在各种问题，需要重新梳理才能为算法所用。举个例子，在以前，数据和功能仅仅存在于单台设备上，而两者之间如果产生协同和互动，就需要引入之前没采用过的新技术和新生产思路。
其次，数据仅仅是一个切入口，再继续深入，工厂必须要对排产体系、排产流程全部重新梳理和设计，形成一个有头有尾的闭环。
第三，则是一定要制定数据标准。凡事都需要有一个参照标准，而工业人则需要把数据的质量标准和技术维护标准全都定义好。因为只有实现数据规范化，算法才有发挥的最大余地。
“以前我们很多业务是割裂的，我这边出来一个排产，人家物流系统还要拿这个排产表去测算我需要多少物料。现在，我们直接把程序打通！你要先证明一个系统闭环运转的完整性，才能再来跟我谈智能制造。”
这也就有了工厂在2019年，再次选择了一家名叫天泽智云的工业智能创业公司，一起做流程智能化的数据和资源基础。
天泽的系统优化界面
这家师承世界知名工业大数据与工业智能专家李杰教授的年轻公司，虽然汇集了诸多中外工业技术专家和算法博士，但从来没有否认自己此前在诸多大厂面前碰过的壁，和自己在一线遇到的种种刁难。
2019年，我曾有机会跟随他们的工程师去面访一家大型消费品工厂，然而对方对人工智能的不屑一顾和傲慢的态度，让我意识到，跨行业的碰撞与融合，将会是一个比我想象中更严峻和漫长的道路。
因为在工业领域，没有谁说服谁，也没有谁的技术理念更新、更独特、更小众、门槛更高一说。工业人只看谁的系统能跑上自己的产线，以及产能结果。
天泽智云之所以能拿到这个难得的付费工业合作项目，一部分要得益于大环境和国家号召的驱动，而另一部分，则是他们让工厂看到了一个在预期之内的初步结果。
两位天泽工程师在做算法调优
他们给这家工厂做的，也是“回潮机”的控水优化。
任务听起来很简单，就是“建立一个算法模型，让烟草从回潮桶里出来的水分更接近一个设定的标准值；同时，根据出口水分的数值，由算法来更正加水量，自动加水”。
但是，人遇到什么样的难题，机器同样都会有。
对于这帮新技术工程师来说，除了那些架在关键卡口的传感器实时采集的数据，工艺指标数据，以及回潮机的运行机理数据，还要把不同批次、牌号以及环境的影响因素，抽象为计算机可读的数据。
而这些影响因素，一大部分在老师傅的脑子里，还有一部分需要在算法训练和现场操作中摸索获得。
被李师接入工厂原有控制系统的算法控水界面
在产线上，作为一个观察者，我也在几位年轻工程师每天早晨7点在车间里伏案改代码的整个过程里，看到了一部分任务执行效果。
在操作系统前，已经跟工程师们混熟的李师，给我们打开了智能化水控系统界面，这个新界面已经被他无缝集成进工厂的PLC操作系统。
“现在这套系统已经转生产系统正式使用，水分控制几乎完全不用人操作。目前工厂的回潮考核目标是出口水分标准偏差小于0.24，而我们现在系统自动控制结果大部分都在0.15以内，较为稳定。”
而就是这几个简单的数字，让天泽工程师与一线师傅们在车间里磨合了大半年。
天泽智云的工程师给我解释，最难的部分，在于不稳定客观因素的数据化；同时，新突发情况，则是穷举不完的。所以，窝在车间控制室调数据，就是他们的日常。
在没到车间之前，我早已体会过跨行业沟通不畅，语言频道不对位是常有之事。但只有亲身过一次，我才知道原来这里的“不畅”也包括“方言”问题。
虽然李师非常热情地把生产流程都讲了一遍，但由于听不懂方言，我几乎是连猜带蒙才能听懂50%，剩下50%则被“烟草生产特定用语”等知识壁垒彻底击败——对，就是听不懂“行话”。
“其实刚来的时候我们也挺懵的。”一位天泽工程师听了我的困惑深有同感。他们在做这个项目之前系统学习了行业知识，但仍然搞不明白产线操作术语和设备机理；刚到一线时，更是不知道从哪里下手：
“我们一开始也听不懂，只能靠刘部进行‘翻译’来跟师傅们请教系统运行情况。后来，由于每天大部分时间都跟他们一起吃饭，一起共事，一起喝酒，才慢慢习惯了彼此的‘不一样’。”
刘部说，这次他给合作的技术公司定的要求比较高，高到什么程度——他要亲自去检验在没有人的情况下算法控的东西能不能达标，结果绝不能低于人控。
“一开始，在环境比较稳的时候他们的系统的确很稳，但有一些特殊情况仍然没办法解决。所以他们才调了大半年，在里面找到了很多以前忽略的因素。”
这帮年轻工程师们被刘部形容“态度很不错”：“每天第一班生产最难控，所以他们后来就早上7点过来专门研究这个时段。我一直强调搞技术至少得有工匠精神，不是要做的多么细，关键是要有耐心。”
“取代”，不等于“淘汰”
“加水”这个任务，尽管可以由机器主控，但并不意味着“完全人工取代”。
虽然在天泽设计的算法框架逻辑里，每一步生产内容判断的“是与否”，都会通过智能控制模式来做“自学习”或“执行任务”；不过，一旦出现异常模式，则会立刻切回人工模式，呼叫现场操作工。
算法框架的设计思路
其实，外界对工厂的人力取代问题一直存在理解误区。然而，“要么人，要么机器”的完全对立是不存在的。
首先，即便是一家智能黑灯工厂，也不可能完全没人。就像一辆无人车的自动驾驶功能与人工驾驶之间的切换一样——人的存在，仍然是应对一切“意外”最好的解决方案。
其次，在中国很多工业场景中，所谓的减少人力成本，是一个伪命题。因为在人力成本较低的中国，“找人干活”本就是工厂主“压成本”的最好选择。
换句话说，用机器来代替人，特别是中国的大型工厂，从来都不是为了节省成本，而是在于“品质的提升”与“全流程的提效与节能”。
多年来，大家在“中国制造普遍低劣性”的批评声浪中反思和前进；而很多高端设备工厂，其实就是为了去掉“低劣”这个标签而走上升级之路，甚至很多因负担不起过高的改造成本而倒闭。
此外，传承最优秀产线老师傅的经验，理性且“永存”的机器与数据更具备复制优势。
当然，很多侧重手艺调制的工业品，譬如像茅台的酿造，以及化学试剂的比例调和，仍然要看人。然而，大部分从产线下来的刚性工业品，对于中国来说，已经到了交给数据来延续生命和提升品质的时刻了。
不过，我们也不能忽略数据与算法价值的残酷一面：不能完全取代你，不意味着你不会被淘汰。
在一个人逐渐变得无足轻重的工业场景里，人不被淘汰的唯一方法，就是让自己变得更具多样性价值。而刘部结合了现场工程师与工人之间磨合过程的种种矛盾，给出了一个“折中”的答案：
“我觉得人不是要先取消他的岗位，而是要先变化他的工作和思维方式。其实现在工厂最缺的反而是研究性工作。我们缺少人去做一些把知识经验固化下来的事情。而工人是不是应该转型呢，必须转。
“很多时候我们的业务人员和新技术公司交流需要我在中间做翻译，为什么？一方面，工程师根本听不懂那些操作工的语言。而我们的人讲事情不会系统性陈述，想到一个点就讲一个点。
如果业务人员做了更深层次的分析工作，他们与新技术人的认知逐渐到达一个水平线，进行对话的隔阂就会少很多。
“我们知道这条路非常困难，但这是他们必须要选择的路。这条路都不选，才会被淘汰。”
很显然，对于中国艰难前行的制造业，设备和数据的进阶，也需要一批更具有才华和与时俱进的“工人”相匹配才行。
中国工业升级，又要趟过一片大江大河
亲眼所见的烟草加工产线，与愿意给予新技术以展露机会的工厂老炮儿，让我非常意外地认识到，在一座边陲小城，也藏着许多拥有远见但却时刻保持清醒的工业人。
“其实像烟草和大型精密机械工业里，中国从来不缺人才。你看我们部门很多都是985和211毕业的大学生。其实人才短缺问题是有两面性的。很多人看到了紧缺，但是另一边则是，他们到底能不能在一片天地里发挥自己最大的才能，能不能释放出自己的才能来。”
刘部并不像很多我在展会上看到的专家一样，张口闭口就是“智能化改造”与“新基建能改变什么”。
相反，他愿意以一个冷静且自知的工业专家视角，为所谓的智能化界定了一个明确的实操型应用边界；也愿意在一个体制化的工厂里开展“技术比赛”，鼓励工厂里的年轻人组队设计新程序。
因为站在中国工业迭代角度，他看到的是，20年前，既然很多中国大型工厂因实现最早实现自动化和信息化而获得丰厚回报，也可能在20年后，随着新技术的下一次迭代而一蹶不振。
“当然，我相信我们工业人也必须要改变思维，你选择了尝试，那么思维就是在发生改变。但我们也很清楚，这条路得一个场景一个场景做，由点、线、面最终撑起一个智能制造体。”
刘部开玩笑说，自己接待了很多号称可以做“预测性维护”“人工智能大数据”的新技术公司，但没有哪家新技术公司能忽悠到他，或者能很信心满满地回去的。因为他会用真正的实操经验，来反向验证那些大而全的方案，到底是不是真本事。
“哪怕这个点很小，但你如果能给工人建立一种信心，告诉他们真的能用智能技术解决复杂的，之前没解决的问题，那他们就会信服你，愿意给你其他的机会。”
所以，对于渴求任何实验机会的新技术公司来说，找对方向，不求做大做全，而是以做专做精获得工业人的信任，在这个时间点变得异常重要。
“所以，没有一个一二十年的积淀，就不叫智能工厂。只有每个点做好了，那时候我才敢说我的工厂是智能的。”
无论如何，在当下这个时间节点，给予新技术工程师们一个机会，难能可贵。
这次拜访一座小城里的烟厂，最大的收获，不是技术，而是我发现中国有很大一部分藏在大山和车间里的，有思考有见地的老技术人与新技术人。
而他们的交锋方式，则映射出了中国应如何为跨入一个新技术时代做好准备的，颇具前瞻性的思考轨迹。
制造业，或为生存和市场竞争所迫，或为更好的制造工艺所需，都会在每一个时代节点做出一个艰难的决定——有人会因为这个决定而负债累累，最终淹没在升级改造的大河里；有人会抓住缰绳，再次开辟出一片可以施展拳脚的大江。
这让我想起小时候，我的老家作为一个四线小城，有一座一度是当地支柱型企业的大型化工厂。
在它周围方圆5公里都弥漫着一股让人窒息的氨水味，每次班里有人大喊一声：“味道飘过来了”，老师就指挥我们赶紧关窗；而另一边，大多数小学同班同学的父母，都是这座工厂的正式职工。
后来，与很多因经营不善和改造成本高、环保治理难度大而消失的制造企业一样，工厂倒闭后，同学的父母们也曾因发不出工资而集体抗争过，但最终不得不脱下灰绿色的工服，另谋生计。
而颇为魔幻的是，已经长大成人的我们，再次站在了当下这个技术改革浪潮可能又会拍死一大批制造业的时间节点上。
因此，与其一味批判，我们可能有义务告诉大家，为什么要在这个时候，不得不去做一些改变了。
毫无疑问，中国的制造业正在获得真正的升级，但这并非是一个或“工业互联网”或“新基建”的概念与纸上谈兵聊来的成果，而是一大批真正在产线上不断做尝试的工业人与新生代技术人才，在一次又一次可能不会取得成果的磕绊摸索中，为下一代储备果实。
不为盛名而来，不为低谷而去。这是属于当代新工业技术人的“大江大河”。
我是虎嗅科技组的傅博（笔名宇多田），关注智能制造、半导体、AI领域，欢迎行业人士一起交流（微信：fudabo001，务必备注身份）
活动预告：
面对市场上种类繁多的平台、工具、技术方案和实施路径，制造业企业应当如何选择？该如何实现生产、运营等核心环节的效率提升，并在整个组织层面形成协同效应？
本次榜单颁奖典礼将于三月中旬在深圳举行，同时还将举办虎嗅大鲸榜重构工业·工业互联网企业大会，大会将集结所有上榜企业、明星企业、行业大咖、投资人等，您关心的问题，会在这里找到答案。
无论您是寻求数字化转型的企业、技术服务商、领域投资人还是学者，欢迎到场交流互动。扫描下方二维码预留信息，我们会在第一时间与您联络。
扫描上方二维码，预留报名信息