TCL空调广州公司AI读书会首期分享

 为什么要用“虚”来统驭“实”？因为“虚”的元构件是可以自由流动的，是以各种形式存在的数据，它们可以突破时间和空间上的约束，可以运行在云端，可以远程交互，可以 7×24 小时全天候待命；它们还可以将看似分散的物理世界在数字化世界中形成统一的整体，然后在整体上进行统筹和优化。我们通过“虚”的数字世界间接操纵“实”的物理世界，就可以尽可能地实现物理世界的整体优化。

模型思维本质上是给了我们一个抓手：不用再费劲去说服谁接受新技术，也不用掰扯谁的需求更重要，大家就对着同一个可视化的模型图，把各自的经验、规则、约束都摆上去，谁都不用藏着掖着，最后出来的结果是所有人共同参会定下来的，也不会有事后甩锅的风险。之前总觉得数字化转型是要搞出什么惊天动地的大项目，现在才发现，先把手里每一个小业务场景的模型搭实，把大家脑子里没说出口的隐性规则都变成明明白白的显性模型，一步一步把这些小模块攒起来，最后整个工厂的数字化体系自然就顺理成章跑通了。

第一章告诉我们，单靠一种模型不够——TOC约束理论帮我们找瓶颈、提产能，JIT准时化生产帮我们降库存、减浪费，但光有"模型多"还不够，得用多模型思维把它们结合起来，才能既提效又降本。

第二章讲模型的形式也很接地气——SOP是模型、班组长的作业要领书是模型、甚至我们的生产看板也是模型。模型不是什么高大上的东西，就是把我们的经验系统化、可视化。

所以我的感悟是：搞数字化不是为了上系统而上系统，而是要用模型思维把我们制造的"理"和"性"摸透，让一线的经验沉淀成可复制的模型，这才是数字化的根。

读完前两章，我最大的感受是，数字化转型不是买几套软件、装几块大屏就算完成了。书中讲的“以虚驭实”很形象，先把现实中的人员、设备、流程和数据映射到数字世界，再通过模型发现问题、优化安排。就像车间管理，不能只看当天产量，还要弄清瓶颈在哪、物料是否及时、各环节怎样配合。只有把业务真正想明白，技术才能用到点子上，数字化才不会变成华而不实的摆设。

细读《建模：数字化转型思维》，学习模型思维相关内容，让我对工厂质量管控有了新的思考。工作中我们常常陷入救火式管理，头痛医头脚痛医脚，忙于处置各类现场异常，却难以根除问题。工厂整条生产流程本身就是一套完整系统模型。我们不能局限单点工具补救，要跳出碎片化思维，站在全流程全维度剖析问题，追溯流程、防错、点检等系统短板，抓住核心矛盾从源头改善，做到标本兼治，避免同类问题反复发生。

读完前两章，我对数字化有了新的理解。第一章指出，数字化的本质形式是“以虚驭实”，也就是通过数字世界认识、管理和优化现实世界；第二章则介绍了模型思维的定义、分类以及系统、架构、框架等表现形式。书中有一句话让我感受最深：“模型源于人们的实践，是对现实世界的抽象和实践活动的深化。”我认识到，数字化转型并不只是使用新软件、新技术，更重要的是先看清现实中的对象、流程及其相互关系，再用模型把复杂问题表达清楚。今后面对学习和工作中的问题，我也要培养模型思维，先抓住关键要素，建立整体框架，再寻找解决方法，让自己的思考更加系统、清晰和高效。

建模思维是数字化落地的核心抓手。总装工位多、零部件繁杂，传统纸质工艺单难以预判装配干涉、节拍失衡等问题。借助三维工艺模型、产线流程模型完成现场映射，可提前仿真装配路径，理清人员、设备、物料的内在关联。以 “虚” 的数字化模型优化 “实” 的现场工序，减少线下试装返工，推动总装工艺从经验粗放管控，转向可视化、标准化、可预判的数字化管理

读了第一章，我最大的感受是：数字化不是简单地把纸单据搬到系统里，而是用数字世界去识别、组织和优化现场的物料流动。书里说这个“以虚驭实”——“虚”是数据、系统和规则，“实”是原材料、库位、人员、车辆以及现场作业。对原材料课室来说，我们每天面对的正是“实”：到货、验收、上架、备料、发料、退料、盘点。要实现“以虚驭实”，关键不只是录入数据，而是让每一批原材料在系统中有清晰、实时、可信的数字身份：它是什么、在哪里、数量多少、状态如何、何时该用、能否使用。这样，系统才能支持我们提前发现缺料、呆滞、错料和库位紧张，而不是等问题发生后再救火。

数字化建设核心是运用思维模型，它并非技术工具，而是现实事实在人脑中的理想化映射。这刷新了我的认知，过去我以为模型属于技术部门，和日常工作关联不大，实则它是我们分析问题、做出判断的思考框架。工作中遇到提速、不良率高等问题，我们常简单增加检验，只是应对表面现象，并未搭建完整的生产业务模型，理清各要素间的关联影响。同时思维模型可以持续优化，伴随业务深耕与数据积累，认知会更加精准；数字化转型不只是数据上系统，更要把个人的思维模型表达、沉淀，将个体经验转化为团队共享知识。

主题是建模和数字化转型思维。他通过企业围绕建模与数字化转型思维分享体会：企业制造信息化存在业务抱怨多、信息化对业务支撑不足、业务流程不规范、业务知识缺失等现实问题，本人工作中设备切换耗时久，反映出自身及团队在自动化设备建模能力上存在短板，已计划组织相关培训补齐能力；同时认识到多模型思维，即针对复杂问题运用多个模型交叉验证，弥补单一视角的不足，班组数字化管理不能依靠经验或单一指标，要融合多种管理模型综合研判，以此支撑现场改善，实现提质增产。

第一章概论，1.5模型多思维不如多模型思维，学习“模型多思维不如多模型思维”后我理解到：模型多思维是不同问题配不同模型，而多模型思维是同一复杂问题用多个模型交叉验证，弥补单一视角的局限。班组数字化管理不能只凭经验或单一指标判断问题，要融合多种管理模型综合研判，用多模型思维支撑现场改善，实现提质增效。

读前两章时最大的感受是，这本书把“数字化”从很多人认知里的“技术工具”拉回了“思维底层逻辑”的层面，尤其对“模型思维”的层层递进拆解，刚好戳中了数字化转型中常见的“重工具、轻逻辑”的误区，帮助我建立数字化转型的“认知地基”：数字化不是技术的堆砌，而是用模型思维把业务规律“显性化、可计算、可优化”的过程。尤其对制造企业或者传统企业做数字化来说，先补“模型思维”的课，比急着上系统重要得多。

我对数字化、智能化赋能现场生产管理有了全新的认知。过去工作更多依赖经验操作、人工判断，而AI思维的融入，让我明白高效管理需要数据支撑、智能预判、持续优化。

在产线日常管理中，AI不仅仅是技术工具，更是提升工作标准、改善问题、降低失误的管理思维。通过学习，我认识到可以借助数字化视角看待设备运行、人员操作、异常波动，从“事后处理”转变为“事前预防、事中管控”。

今后工作中，我会主动运用AI思维改善现场细节，优化带教方式、提升问题排查效率、规范班组管理，打破传统经验固化，以更科学、更精细、更高效的管理方式助力产线提质、降本、增效。