某汽车零部件集团：换线次数从每月 46 次降到 29 次

• 行业：汽车零部件 · 冲压与注塑混线
• 规模：两个厂区、六个车间、约 140 台设备
• 上线的产品与方案：LinkOS 、LinkEdge 边缘网关、智能制造解决方案
• 项目周期：诊断 3 周、试点 8 周、推广至其余车间约 4 个月

场景与痛点

恒锐汽车零部件给两家整车厂做结构件配套，订单批量小、切换频繁。项目启动前，计划科用一套自研表格安排机台，表格里只有工艺路线与标准工时，不记录真实换型时间。

问题在生产例会上集中爆发：同一个 CAM 程序在不同机台间切换，实际换模、调机、首件确认耗时从 40 分钟到 3 小时不等，排产却统一按 45 分钟估算。更麻烦的是数据基础——140 台设备分属三个年代的机型，其中 31 台连网口都没有，产量靠班组长手抄录入，计划科每周要花两个人日核对数据。

我们做了什么

第一阶段没有碰排产算法。我们用三周做了两件事：把设备接进来，把换型时间测准。

• 接入层：在 109 台有通讯能力的设备旁部署 LinkEdge 网关，完成协议解析与数据清洗；31 台老设备加装信号采集模块并以人工报工二维码补足，操作工在换型开始与结束时各扫一次。
• 指标层：在 LinkOS 上定义「换型时长」「机台可用时长」「首件合格时间」，把只有标准工时的口径改成「标准工时 + 实测偏差」双轨呈现，偏差超阈值自动标红。
• 排产层：试点线用实测换型时长替换估算值，把同材质、同模具、同颜色的订单聚成批次；优化模型只给候选排序，计划仍由计划科确认后下发。

试点两个月后，做法复制到其余车间。整个过程中没有替换原有排产表格，只是给它换了一套更准的时间输入。

现场数据

换线次数从月均 46 次降到 29 次，降幅 37%。口径为三个自然月的月均值对比，已剔除设备大修月份与春节假期所在月份，避免季节性因素放大结果。

客户收益

收益分两块，口径分开计算。

可直接折算的部分：试点产线单次换型缩短 26 分钟，按其月均切换规模与换型班组 4 人计，该产线每月节省约 1.3 个人月工时；换算到六个车间的合计切换规模，年度可节约换型用工成本在数十万元级（按客户提供的人均综合用工成本折算）。停机减少带来的产出回升未计入，因为它同时受订单量影响，无法单独归因。

暂不折算的部分：设备综合效率从 71% 升到 79%，客户财务要求按季度产能利用率统一核算，我们只把它作为过程指标跟踪。

需要说明的是，换线次数下降的直接原因是一次性的批次组合优化，不是平台的持续作用；平台的贡献在于让这个结论可验证、可复制。

复盘：当时判断错了什么

错误一：最初打算用视觉方案自动识别换型开始时刻。 我们设想在模具区装摄像头识别换模动作起止，现场验证发现粉尘与光照让识别率不稳定，操作工的真实动作顺序也与假设不符——换模经常与首件检验交叉进行。修正做法是改用「设备信号 + 人工扫码」双源确认：设备侧捕捉模具锁紧信号作为起点参考，操作工扫码作为权威时间戳，两者偏差过大时自动标记待核查。

错误二：低估了老设备的接入难度。 立项时按「140 台设备可接入」估算工作量，勘查后发现 31 台老设备控制系统已停产、厂家不再提供通讯文档；原判断是抓包两三周可补齐，实际单是确认其中 9 台的信号定义就用了五周。修正做法是调整优先级：先接有文档的 109 台，老设备以人工报工过渡，并在合同中把「无文档设备」单列为独立工作量项。

本案例中的企业名称与数据为演示占位内容，正式发布前请替换为已获授权并核对过的真实信息。