2011年,《面向制造和装配的产品设计指南》第一版问世。
一晃15年,再版一次、重印十几次,至今仍是结构设计领域的畅销书。在迭代速度以月计的制造业,一本书能活15年,靠的一定是书本身的硬核价值。
写这些,不是叙旧,也不是晒成绩。
比起一本书的寿命,我更想聊聊——它如何从根本上改变了我。
它见证了一个小白工程师,一步步长成三本研发降本专著的作者,长成「三维降本方法论」的原创者。
今天,我想把这本书带给我的底层价值,原原本本告诉你。因为我走过的弯路、破过的局,对你正在走的路,可能一样有用:
2008 年,我开始动笔写这本书。
那一年,我毕业大概 5 年。5 年是什么概念?就是在企业里刚从新人过渡到有一定经验的工程师,离"资深"还差得远。很多技术问题没有完全搞明白,很多工艺也只是见过,没有亲手操作过。
坦率讲,我当时觉得自己还是个小白。
但我还是写了。
这件事的起因,要追溯到 2004 年。
那几年我在台企和外企工作,第一次接触到了 DFMA(面向制造和装配的产品设计)。公司内部有一套DFM设计规范,我拿来一读,发现很多东西恰好解释了我在实际设计中踩过的坑。
例如,我毕业后开发的第一个产品,按钮通过两个热熔柱固定在面板上,两个热熔柱到左右侧壁的距离都是 6mm,完全对称。试产阶段一切正常,大批量生产后,终检发现——按钮装反了。
旋转 180 度照样能放进去、照样能热熔,但装反就是不良品,没法返工,只能报废。产线停线排查,各方都在推责任。
后来我才意识到,根本原因不在产线,在设计。只要存在装错的可能,终究有人会装错。解决方案很简单:把右侧热熔柱到侧壁的距离从 6mm 改成 4mm,打破对称,想装反都装不进去。
改这一下,十分钟。但如果没有防错意识,产线上就得靠培训、靠检验、靠工人专注力来堵——花几倍几十倍的精力,还堵不住。
这些教训,让我开始认真对待 DFMA 这套方法。我在后来的项目中反复应用——设计之前先查准则,评审时对照检查表逐条过,图纸发出之前自己先做一遍"制造可行性预判"。
效果是实打实的。以前一个项目试模三五轮是常态,用了这套方法之后,有些项目一两轮就能定稿。改图次数少了,交付周期短了,制造成本也跟着降下来。
但当时国内的情况是:没有人系统地讲这个东西。
大学不教——机械设计课讲结构原理,制造工艺课讲车铣刨磨,两门课彼此没什么交集。企业不知道——大部分公司没有自己的设计规范,工程师画完图扔给制造部门,造不出来再改。网上也搜不到中文资料。
我跑了好几家书店,翻遍了机械设计类的书架,没有一本书把"面向制造和装配的设计"作为系统方法来讲。有一本国外的书,但是它主要讲理论,没有讲规则。
那就自己写一本。
你可能会说:毕业 5 年,上面有主管、有经理、有总监,你说想写书,周围人的反应大概率是"你才干了几年?"
大部分人到这一步就放弃了。
但所谓的"专家",不也是从小白一步步走过来的吗?我当时的心态很简单:我不需要什么都懂,我只需要把已经搞明白的那部分,整理清楚,写出来。
然后我联系了机械工业出版社,投了稿。出版社接受了。他们不看你的头衔和资历,他们看的是:你写的东西有没有人需要。
这件事给我最大的启示是:不要等"准备好了"才开始。那个"等"永远不会结束,因为你永远觉得自己还不够。
你不需要是专家才能开始,但你需要开始才能成为专家。
前面说过,2004 年我接触 DFMA 的时候,国内几乎没有人提这个概念。
但我有一个判断:这个东西以后一定会重要。
原因并不复杂。中国的制造业在升级。以前是代工、是低端制造,设计图纸别人给你,你照着做就行。但越来越多的企业开始自己做产品设计,一旦你自己设计,就绕不开一个问题:你设计的东西好不好造?
这就是 DFMA 解决的问题。
所以我从 2004 年就开始学、开始用、开始整理。4 年后的 2008 年动笔写书,2011 年出版。
等到国内企业普遍开始重视 DFMA 的时候,这本书已经在那里了。
这不是因为我有多聪明,而是因为我比别人早了几年开始关注这个方向。
所谓机会,往往不是"新"的东西,而是"别人还没注意到的"东西。
说回当下。
现在所有人都在谈 AI。你应该也看到过很多文章、很多视频——"AI 要替代工程师了""AI 会让一半人失业"……
你好奇,也焦虑。然后呢?
大部分人的状态是:看完内容,放下手机,该做什么还做什么。第二天继续刷,继续焦虑,继续什么都不做。
15 年前,DFMA 也是一个"新东西"。大部分人听说了,觉得跟自己没关系,然后就没有然后了。
但我不只是"听说"。我去学了,去用了,去整理了,去写了。
现在 AI 来了,你打算怎么做?
我的建议是:不要只当观众。
你是工程师,你比 AI 更懂产品开发。你能不能尝试把 AI 用到你的工作中?能不能用它辅助设计评审?能不能用它分析 BOM 成本?能不能用它自动检查公差?
甚至——你能不能像当年我做 DFMA 一样,在别人还在观望的时候,你已经动手了?
我自己就是这么做的。我做了 DeepCost,把研发降本的方法论和 AI 结合起来。我不懂写代码,但我懂研发降本。我找懂代码的人合作,把工程逻辑变成 AI 能跑的算法。
你不需要什么都懂,你只需要在你懂的领域里,比别人先迈出一步。
15 年前那一步是 DFMA。
很多人以为,写书是"懂了之后再写"。
但我的经历恰恰相反:是写书让我真正懂了。
2008 年动笔的时候,我对 DFMA 的理解其实还停留在"会用"的层面。公司有设计规范,我照着做,效果不错。但如果问我"为什么这条准则要这样规定""背后的原理是什么",我答不上来。
写书逼着我去把这些问题想清楚。
比如写"面向装配的设计指南"这一章,我知道"零件数量越少越好"这条准则。但要写成一节完整的内容,我就得回答:为什么零件少就好?少到什么程度?怎么判断哪些零件可以合并、哪些不能?合并之后会不会带来新的问题?如果会,怎么权衡?
这些问题,平时工作中根本不会逼你去想。你照着规范做就行了,结果对了就行。但写书不行,写书要求你把每一条准则的"为什么"都讲清楚。
这就逼着我去查资料、去翻标准、去问有经验的老师傅、去回溯自己踩过的坑。很多以前模糊的概念,是在写作的过程中才真正理清的。
还有一种成长,是写作逼迫你建立体系。
平时工作中,你的知识是碎片化的。今天解决了一个注塑缩水的问题,明天处理了一个钣金开裂的问题,后天又跟供应商讨论了一个公差分配的问题。每一个问题都解决了,但它们之间的关系是什么?背后的共同规律是什么?你不会主动去想。
但写书要求你把这些碎片组织成一个体系。塑胶件设计、钣金件设计、压铸件设计、机械加工件设计——它们各自的准则是什么?有没有共通的原则?面向装配的设计和面向制造的设计之间是什么关系?整个 DFMA 的框架应该怎么搭?
是写作逼着我完成了从"碎片经验"到"系统认知"的跃迁。
后来我意识到,这件事不只适用于写书。
你做技术分享,逼自己把一个问题讲清楚,讲的过程中你会发现自己原来有很多地方没真正理解。
你写公 众号文章,逼自己把一个方法整理成文字,整理的过程会让你看到原来没有注意到的盲区。
你做培训课件,逼自己把一套流程拆成步骤,拆的过程会让你发现原来有些环节其实可以优化。
输出,是最高效的学习方式。
很多工程师觉得,自己还没有积累够,不够格去输出。但真实的情况是:你不输出,就永远积累不够。
因为只有输出,才会逼你去把模糊的变清晰、把碎片的变系统、把"大概知道"变成"真正理解"。
如果当年没有写那本书,我对 DFMA 的理解可能到现在还停留在"会用"的层面。不会有三本书,不会有三维降本,不会有后来的企业咨询和 DeepCost。
是写作,让我从一个"用方法"的人,变成了一个"造方法"的人。
2004 年,我接触到 DFMA,那时候是"学方法"——别人总结的设计准则,我拿来用。
2008 到 2011 年,我写第一本书,这时候是"整理方法"——把学到的、用过的经验系统化,写成书教给别人。
2011 年到 2020年,我花了 9 年在企业里做培训和咨询。从华为、美的、中车、ABB 到大量中小企业,各行各业的产品都接触过。这时候是"实践方法"——在不同的场景里反复验证、反复修正。
2020年,我出版了第二本书《面向成本的产品设计:降本设计之道》。
2025 年,我出版了第三本书《研发降本实战:三维降本》。
这一次,我不再是整理别人的方法了。我创造了一套自己的原创方法论。
三维降本不是 DFMA 的翻译版,也不是国外某个理论的本土化。它是从 13 年的企业实战中,一步步磨出来的:从高度、深度、宽度三个维度,用第一性原理思维、逻辑思维、横向思维三种思维模型,把降本这件事做到系统化、360 度无死角。
从"学方法"到"用方法",到"教方法",再到"造方法"——这条路我走了 20 年。
这 20 年里,我见过最多的,是频繁切换方向的工程师。
今年流行精益,学精益。明年流行六西格玛,考绿带。后年流行数字化转型,报个班。再后年 AI 来了,又开始学 Python。
每个方向都浅尝辄止,每个风口都追了,但每个都没有深入。5 年过去、10 年过去,还是在原地打转,还是觉得"好像什么都会一点,但什么都不精"。
问题不是你不努力,而是你没有在一个方向上扎下去。
DFMA 不是什么高深的理论。它就是几条设计准则,拿到图纸对照着查就行。但如果你在这一个方向上坚持 20 年——
第 1 年,你学会了准则。
第 5 年,你能在评审中一眼看出问题。
第 10 年,你开始发现准则的边界——什么时候适用,什么时候不适用。
第 15 年,你开始理解准则背后的原理,能根据新场景推导新准则。
第 20 年,你创造了一套比原来的准则更系统、更全面的新方法。
这不是天赋,这是时间。
任何方向,你扎下去 10 年,你就会比 90% 的人专业。扎下去 20 年,你就能成为那个定义规则的人。
但前提是:你得选一个方向,然后坚持不换。
4️⃣ 开发了一款AI驱动的研发降本软件--DeepCost:输入BOM表,输出10%降本方案。
来源:降本设计