工业工程（IE）在智能制造转型中还有用吗？——老IE人的真实思考

上周去一家汽配厂，车间主任老张一脸愁容，指着新上的MES系统说：“这玩意儿自动排产了，IE是不是就下岗了？” 我差点把刚喝的咖啡喷出来。工业工程（IE）会被算法替代？这种论调我听了好几年，但每一次走进现场，看到的还是那些没IE就乱成一锅粥的老问题。说实话，智能制造越流行，我越觉得工业工程像个被遗忘的底盘——没有它，再酷炫的数字化系统都飘着。去年在苏州参加一个工业互联网论坛，某位IT大咖滔滔不绝讲数字孪生，台下我问了个简单的节拍问题，他愣了一下，说“那是现场细节”。当时我心里就冒出一句：没有IE基础，数字孪生就是个空壳。

为什么IE人总在质疑声中活下来？

我2008年入行，在富士康干了五年IE，后来跳槽到民营企业做精益顾问。十几年来，听过太多“IE过时论”。但真相是什么？不是IE过时，是只懂秒表测工时的IE过时了。 工业工程的核心从来不是工具本身，而是系统思维与持续改善——这一点，上世纪泰勒拿秒表时就定下了调。现在无非是把秒表换成传感器，把纸质作业票换成数字看板。基础动作分析、标准工时、生产线平衡这些，依然是底层逻辑。

宁波有家电机厂，上了协作机器人，结果产量反而降了10%。过去一看，机器人抓取节拍没问题，但人机协作流程被胡乱设计——原来的人因工程原则全抛了。后来重新用人机工程分析优化站位、调整物料盒高度，才恢复效率。这能靠AI自动搞定？至少现在还不行。

精益遇上数字化，不是替代是升级

很多老板以为上了ERP、MES，就能砍掉IE部。这种想法跟“买了跑鞋就能跑过苏炳添”一样天真。💡 实际上，数字化工具正是IE方法论的最好放大器。以前画价值流图（VSM）要蹲现场几天，现在搭配PLC数据采集，实时的物流、信息流瓶颈一目了然。但这需要懂IE七大手法的人去解读数据，否则就是一堆喧闹的曲线。

问：都说工业工程在数字化转型里没用了，你具体看到哪些新价值？答：恰恰相反，IE的作用被放大了。举个真实案例：无锡一家冲压车间，用传感器采集每台压机冲次。IT团队只做了个Dashboard显示OEE，但IE工程师通过时间观测发现，换模期间的等待时间有32%其实可以提前做外换模，于是重新设计了快速换模（SMED）流程，硬是把换模时间压缩了55%。这种改善思维，纯IT团队根本想不到。这就是我说的IE的底盘作用——没有它，数字化只能“显示问题”，而不能“解决问题”。

被误读的“标准”与真实现场

去年有个咨询案子，客户非要求我们“用算法自动制定标准工时”。我费了好大劲解释：标准工时不是算出来的，是观测、评比、宽放结合现场判断得出来的。✅ 数字化可以辅助快速采集数据，但线体不平衡时、新人操作时，那个“标准”仍然需要IE的眼睛。更可笑的是，有些软件商宣称“AI自动排产”，结果排出来的计划没人执行，因为没有考虑操作者的技能图谱、人因疲劳曲线。说到底，工业工程里那些看似陈旧的人机关系、工作设计，反倒是智能系统短板。❗ 问：现在工厂都搞柔性生产线了，那IE关注的线平衡是不是不关键了？答：错！柔性产线恰恰更需要动态线平衡。以前一条线干一个型号，现在一天换产七八次，每个型号的作业组合票都得重新算。我们在昆山一个电子厂，用IE的产线平衡模型加上实时订单数据，开发了一套智能换线指导系统，换型效率提升了40%。但公式和逻辑，还是100年前吉尔布雷斯留下的那套。所以，不是IE没用，是很多人没把IE放进新语境里。

老IE的新武器：从秒表到数据思维

坦白讲，我也有过迷茫期。2016年刚接触工业大数据时，害怕自己落伍。后来发现，IE的基础训练其实是数据分析最好的入场券——我们天生就懂流程分解、变异识别，只是得学点Python、Power BI之类的新把式。现在的我，可以上午用MOD法设计新工位，下午用Tableau分析产线历史数据，晚上写改善报告。这种混合技能，正是智能时代IE工程师的必备。💪 别被那些“工业工程消亡论”带偏了，务实的工厂永远需要能把技术和现场焊在一起的人。