上个月去一家做注塑件的厂,车间主任拉着我看新装的系统:注塑机调参交给智能体之后,一套模具试到出合格品,从十几次降到 5 次,调试时间少了三分之二。他说这话的时候眼睛是亮的,因为这个数字他等了三年。
三个月后财务开会,问题反过来了:毛利率没动。报价按老价格报的,成本按老定额算的,车间确实快了,但快出来的那部分,没进任何一张表。
这不是个例。11 月 17 日央视《朝闻天下》播了小米武汉智能家电工厂,12 万个数据采集点、每天采集超 11 亿条数据,一台智能注塑机内部 600 多个测点,AI 调参之后同样"只需要 5 次就可以产出合格品,调试时间也缩短了三分之二"。厂长徐鹰在采访里说了一句很到位的话:用 AI 不是为了少人或无人,重点是让颗粒度不断变小、更精确。
这句话讲的是制造。但对企业管理来说,真正的问题是另一半:车间的颗粒度变小了,记账的颗粒度有没有跟着变小。
一、那 12 万个点,量的其实不是"效率"
把央视的现场细节拆开看,会发现它描述的东西比"效率提升"具体得多。
注塑机内部的 600 多个测点,感知的是温度、湿度、原材料。这些数据实时生成因果链,机器据此判断此刻的工艺参数该往哪调。改的不是"人干得多快",而是"参数从哪儿起步"。过去调参靠老师傅的手感,一套模具试十几次,凭的是经验累积出的直觉;现在从数据里的因果链出发,5 次收敛。
换句话说,被压缩掉的是试错次数,落到工序上,就是"试模"这道工序的时间。
试模时间在成本核算里是个尴尬的角色。它不是正常生产工时,很多企业把它摊进制造费用按比例分走,或者单独记一笔"开发费"挂在项目上。无论哪种记法,它都有一个默认的量——过去是十几次试模对应多少小时,这个数被写进了标准成本,也间接写进了报价。
现在试模次数掉了三分之二。这个变化如果不同步到定额里,会出现一个很难察觉的后果:报价按"要试十几次"的成本加价,实际只试了 5 次,中间那部分价差没有变成利润,而是变成了"我们比别人贵"。客户拿去比价,比的就是这个差额。
一个反直觉的地方:车间变快,短期看是好事,中期看是成本失真。因为快的部分没有对应的科目,它既不出现在工时里,也不出现在费用里,只是安静地消失在两张表之间。
二、从"调得快"到"算得准",中间有三道手续
我在几个项目里反复看到同一个顺序问题:先上设备、再上系统、最后才想起来要改定额。而定额这件事,不是打开一个字段改个数字那么轻。
第一道:工序要拆到能被计时
试模是一道工序,还是三道?如果工艺路线里只有"注塑"这一道,试模和生产混在一起,那么调试时间降了三分之二,你连"该改哪个数"都定位不到。
河北景县高科橡塑的做法值得参照:《光明日报》11 月 17 日的报道说,这家企业把 ERP、MES 等 5 套系统打通,13 道工序在线报工,4 道质检层层拦截。13 道可能不是最优解,但它给了一个下限——工序拆到位,报工才有地方落;报工有了地方落,实际工时才是数字,而不是估计。
第二道:定额要有人负责改
在 Odoo 里,这道工序对应的对象是工艺路线上的工序行(mrp.routing.workcenter),其中的人工/机器工时有一个"手动"与"按实际计算"的模式选择。多数企业上线时选手动,填一个经验值,然后就再也没人碰过。
问题不在字段,在责任。定额谁来改、什么条件下改、改完谁复核、改了要不要通知销售,这四件事如果没有写成流程,定额就会永远停在项目验收那一天的版本。我在一家客户那里看到过更极端的:同一个零件,报价系统的工时和 MPS 排产的工时不是一个数,两套人马各算各的,谁也没错,合起来就是错。
第三道:损失要有原因码
报工数据最容易骗人的地方,是它只记"用了多久",不记"为什么用这么久"。Odoo 的工序报工记录(mrp.workcenter.productivity)里有一个损失原因字段,可以区分有效工时、性能损失、可用性损失。这个字段空着,报出来的工时就只是一个总数。
举个具体的差别:某工序标准 40 分钟,实际 55 分钟。如果只记 55 分钟,你只知道慢了 15 分钟,不知道是设备故障、等料、换型还是新手操作。这四种原因对应的改进动作完全不同——设备故障要去设备台账和保养计划,等料要去库存与采购,换型要去工艺,新手要去培训。全部并成一个数,管理动作就没了落点。
三、Odoo 里那几处数字,改一个会牵动一串
很多企业以为"改定额"是财务的事,实际上它牵动至少五个地方。以 Odoo 17 到 19 的模型为例(20 版字段可能微调,实施前要核对),大致是这样一条链:
| 改这个 | 牵动什么 | 不改会怎样 |
|---|---|---|
| 工序工时(工艺路线上的工时字段) | 标准成本、报价、排产节拍 | 报价偏高或偏低,排产按老节拍排,交期承诺保守 |
工作中心产能与效率系数(mrp.workcenter 的产能、时间效率) | 产能负荷、工序排程、加班预算 | 产能被低估,该接的单不敢接 |
| 工作中心小时费率 | 制造费用分摊、工序成本 | 成本结构错,但总额可能碰巧对 |
设备台账(maintenance.equipment)与保养计划 | 故障停机、备件消耗、折旧归集 | 12 万个点采上来的状态没有归属对象 |
产品标准成本(product.standard_price)与计价方法 | 库存价值、毛利、期末结转 | 车间降本了,存货价值还按老价 |
这张表最容易被忽略的是第四行。小米那座厂铺了 12 万个采集点,设备能自我点检——缺油自动加、气压不够自动加压、调试到 OK 自动开机。这些能力要进成本,前提是 ERP 里每台设备都有一张卡:它值多少钱、每小时折旧多少、保养周期多长、上一次故障是什么时候。如果那张卡上只有名字和位置,采集点上来的状态就只是监控画面,进不了账。
一个常见的坑:只改了工艺路线上的工时,忘了同步工作中心的产能与效率系数。结果是成本算对了,排产还是按老节拍跑——销售看到的可承诺日期比实际能做的晚,白白丢单;或者更糟,排产按新节拍压,实际做不到,交付一延再延。
四、景县给出的"最低可行版本",可能更适合多数企业
小米那座厂投了 25 亿元以上,12 万个采集点、130 多套 AI 视觉检测、全厂智能物流覆盖率 94%,多数企业学不了,也不需要学。真正可抄的是河北景县那套"小快轻准"。
《光明日报》给出的数字很朴素:年费 2 万元,价格是同类的两成,改造周期 5 到 15 天,已改造 152 家企业。落到具体企业身上,河北西伯力特种橡胶今年 4 月上线系统后,排产从"业务员转跟单员再转计划与车间"变成一键直通生产线,排产周期从 48 小时压到 2 小时;每根胶管有数字身份证,扫码能查到哪天生产、哪个工人、哪台设备、哪批橡胶,质量追溯效率提升 5 倍。
这套东西的技术含量不高,值钱的是它选对了颗粒度:批次 + 工序 + 人 + 机。四个维度一齐记,成本、追溯、质量三件事就都有了基础。反过来,只记产量不记机台,追溯就断在车间;只记机台不记批次,混料就查不出来。
要提醒一句:5 到 15 天、年费 2 万,买到的通常是报工、看板、追溯和几张管理报表,不是能做工序成本、多公司合并、支撑报价的完整系统。它解决的是"看得见",不是"算得准"。这两件事的价钱差一个数量级,别把前者当后者验收。
五、如果只做三件事
一、拿最近三个月的一张报价单,倒查它的工时定额。问三个问题:这个数哪一年定的、最近一次修改是谁改的、车间现在的实际工时和它差多少。如果这台设备今年刚上了智能体、调试时间降了三分之二,而定额没动,那你的报价正在系统性偏高——客户比价时看到的那点差距,很可能就是这个。
二、把报工的损失原因设成必填。不用一上线就做得很细,先分四类:设备故障、等料、换型、质量返工。一个月之后你会得到一张此前没有的表——损失时间都去哪儿了。这张表比任何一份 AI 方案都更能告诉你钱该花在哪。
三、定一条定额复核的时间规则。比如:任何工序的工艺参数发生实质变化(新设备、新模具、新参数组),30 天内必须复核一次定额,复核人签字,改动留痕。定额不是一次填完的静态数据,它是会过期的。工艺在变、设备在换、AI 在调参,唯一不动的是那个字段,这本身就说明流程缺了一环。
回到开头那家注塑厂。后来他们做了一件很小的事:把试模从"注塑"这道工序里拆出来,单独设了一道,报工时必填损失原因;三个月后重算标准成本,同一款产品的成本降了 6%,报价跟着调了一档。车间没有再多装一个传感器,钱是从流程缝隙里捡回来的。
AI 让车间的颗粒度变小,这是技术带来的。让账本的颗粒度跟着变小,是管理要做的。前者花的是预算,后者花的是耐心——而多数时候,卡住企业的是后者。
文中数据来源:央视《朝闻天下》2026-11-17 播出的数智赋能产线焕新报道及武汉经信同期探访稿(小米武汉智能家电工厂 12 万个采集点、日采超 11 亿条数据、5 次试模出合格品、调试时间缩短三分之二、一次性合格率 99.98%、单台能耗下降约 10%);《光明日报》2026-11-17 第 09 版(景县产业大脑、高科橡塑 13 道工序在线报工与 4 道质检、西伯力排产周期 48 小时降至 2 小时、"小快轻准"年费 2 万元与 5 至 15 天改造周期)。Odoo 模型与字段以 17 至 19 版为例,20 版可能调整,实施前请核对官方文档。
众谛信息 · 企业管理数字化观察 · 文中企业案例引自公开报道,未附第三方审计。
