發布時間：2020-02-26 15:27:28 中訊網
關注中物聯
從1月下旬疫情大規模擴散開始算起，我國社會的很多行業停擺已1個月之久。當抗疫的戰線被屢次拉長時，除了病毒本身，人們也開始擔心疫情對中國經濟產生的沖擊。
服務業首當其沖。春節期間，諸如旅游、出行、餐飲、娛樂等線下消費行業集體陷入停滯。顧客銳減、生產經營停擺、收入中斷，很多中小企業的現金流已撐不過兩三個月。
如果說服務業的壓力有望在復工后得到緩解，甚至產生“報復性反彈”，那么，對于制造業來說，疫情帶來的沖擊則要深遠得多，它們面臨的困境也更加嚴峻。
一、制造業整體面臨巨大波動
新型冠狀病毒的沖擊下，我國的制造業呈現出了兩極分化的場景。
生物醫藥和醫療器械這類“抗疫相關”企業相對受益。不僅未受停工停產影響，反而在市場驅動與政策扶持的合力之下，釋放出了更大的潛能。春節后醫藥股5天201次漲停，醫療器械子板塊漲幅更是高達10.61%，漲幅較小的醫療服務子板塊也上漲3.92%，成為疫情期間資本市場中的“逆行者”。
另一邊，與火熱的醫藥企業形成鮮明對比的，是傳統制造業的蕭條。在疫情未得到徹底控制的情況下，勞動力密集的制造業只能一再延后復工時間，很多工廠至今仍未全面復工復產，只能以最低產能維持運轉。對于上下游關系非常緊密的制造業來說，供應鏈一旦脫節，情況就會變得十分棘手。
但現在，很多制造行業已經顯露出這樣的情況。以汽車制造業為例。汽車制造是現代制造業的集大成者，它的供應鏈條相當長且分工細致，產業鏈上集中了大量的中小民營企業，供應著汽車裝配所需的上萬個零部件。這些上下游企業聯系緊密，任何一個環節、任何一個零部件的缺失，都會導致整條產業鏈的癱瘓。
受本次疫情影響最大的武漢市恰好是中國汽車制造業的重鎮，僅武漢及周邊就聚集了近千家汽車零部件廠商。這些工廠一日無法開工，主機廠就無法恢復正常生產效率。其影響甚至已蔓延到全球，比如此前特斯拉股價一夜暴跌17%，主要原因就是上海工廠無法復工，而且上游零配件也跟不上。
湖北車企復工面臨嚴峻考驗（圖源：新浪汽車）
不止是汽車，在電子制造業，富士康復工后產能不足的問題，也波及到蘋果的新機發布。
目前各地都已出臺復工政策，在防疫安全與生產效率之間找到一個平衡點。恢復正常生產或許指日可待，但因生產停滯而引發的負面反應已經發生，絕大部分制造業企業都面臨著訂單銳減、資金周轉困難等一連串難題，消化起來，除了更長的時間，還需要企業深厚的“內功”。
可以斷定的是，經歷2020年的新冠肺炎疫情后，制造業整體都面臨著巨大的波動。財務壓力之下，許多企業都在用裁員降薪等手段來控制人力成本，暫時渡過寒冬。但我們也必須清醒地認識到，一味減員并非可持續的路徑，想要達到降本增效的目的，本質上應該思考的問題是：如何實現最優人效比、如何用最小的資源實現最大的利用率，以及如何在市場震蕩中保持靈活的調度與運營。
這些問題的答案，都指向了制造業的無人化、智能化、信息化升級。
二、疫情之下，制造業加速信息化轉型
疫情之下，制造企業面臨最大兩個痛點：
一是:如何提高運轉效率，保證高產能?；
二是:如何在返工人員不足的情況下，讓一人身兼數職，保證生產有條不紊進行?
事實上，經過持續不斷的升級改造，現在大部分制造業的生產端都已非常成熟，人力在自動化程度很高的生產線已經極盡縮減，效率提升空間和降本空間都非常有限。
不過除此之外，另一個環節卻習慣性地被忽略了——工廠內部的物流場景。這個環節涉及到大片的工廠物流區域，涉及到了混線生產的存儲、揀選、搬運等復雜流程，需要眾多物流作業人員參與才能完成。它的信息化和自動化的程度并不高，也就意味著它有巨大的提升空間。
針對這個問題，近年來，一些嘗試用全機械自動化的解決方案陸續出現，但他們往往需要極其昂貴的改造成本，回報周期也相當長，對于普通制造業企業來說存在過高風險，并不實用。
亞馬遜的全自動物流系統，需要大量的成本投入和改造時間
相較之下，企業更需要輕量化投資、柔性易改動的技術，能幫助他們靈活應對各種市場情況以及外部突發事件。一些整合物聯網技術的輕量級物流解決方案應運而生，而且從落地效果來看，已經取得了不錯的成效。
比如，TBL華清科盛就是其中最為成熟的解決方案供應商之一，它的客戶包含長城、北汽、萬力輪胎、京東方等，覆蓋了從汽車、離散裝配到電子的眾多制造業分支。
圍繞工廠物流管理，TBL打造了一套“會思考的物流系統”，目的是將決策權交給系統，幫助員工“傻瓜式”操作，解放雙手，讓用工范圍擴大，讓用工成本降低，為一人多崗提供可能性。
這套系統分為“AI智慧大腦”和“IoT感知器官”兩個層面——“AI智慧大腦”即智慧物流數據分析平臺，“IoT感知器官”即RFID標簽、智能手環、無線MESH網絡、UWB高精度定位等IoT技術，兩者結合，形成AIoT智慧物流系統。
大數據技術自動采集并分析所有“物流過程行為數據”，并反向優化物流場景的IoT模塊，從而實現物流現場的執行改善閉環
比如一個員工推著物流車，車子可以直接通過可穿戴設備識別人的身份和任務，把人指引到所需尋找的貨架前。接著，貨架會識別物流車的信息，判斷出它內置貨品所需擺放的位置，并通過亮燈和數字的形式，來幫助工作人員快速匹配貨架和零件，節省了工作人員挨個識別信息的時間。
與此同時，整個行為數據也將被上傳至“大腦”。這個上層系統一方面能實現生產過程的全程透明可視化，及時報錯并追蹤溯源；另一方面，對生產進行統一管理和配置，優化資源配比。
區別于完全機械物流自動化改造，這套輕量級智慧物流系統并依賴于昂貴的機器人設備，而是將人與機器高效結合，優化作業配置，改造成本和落地周期都要低得多。在TBL已服務的案例中，廠內物流人員平均效率提升50%；平均利用率從30~40%提升至60~80%；實現了物流端的結構型降本。
對于制造業而言，用“危中有機”來形容現在的生存現狀可能再合適不過。疫情的沖擊畢竟只是暫時的，它無法改變我國經濟長期向好的基本面。在過去那些蒙眼狂奔的日子中，企業傾注全部精力瘋狂提升產能，鮮有人會把生產運作方式的轉型升級放在首位。
而現在，在疫情帶來的緩沖期中，恰好是制造業智能化升級改造、修煉“內功”的最佳時機。
相關閱讀
每日 推薦