校企共创 · 实地研究 · 服务设计 · 2024 · 梅赛德斯-奔驰 × KIT
E-Wagen 简化方案构想 @ 梅赛德斯-奔驰辛德尔芬根工厂
和卡尔斯鲁厄理工学院（KIT）、奔驰辛德尔芬根工厂一起做的跨学科学术冲刺，重新设计厂内电动车的共享运营。从车间民族志研究，到一套可落地的池化框架，车队规模和运营效率的收益都可量化。
问题
一支电动拖车车队：分布不均，管理不可见，运营在浪费
奔驰辛德尔芬根工厂是欧洲最大的汽车生产基地之一。工人靠电动拖车在工位、厂房和物流区之间做短途运输。这支车队没有任何调度层：车辆在高流量区域越积越多，隔壁区域却无车可用。再调配全靠口头协调，车在哪里、有没有空车，没有任何实时可见性。
工人把生产时间耗在找车上。主管做调配决策时手里没有数据。工厂很可能在用超配的车队规模弥补糟糕的分布，这是资产利用率低的典型症状，不是运力不足。KIT IPEK 和奔驰委托了一次跨学科冲刺，要在现有基础设施内设计一套可落地的池化共享系统。
辛德尔芬根工厂里的一辆电动拖车，也是这次共享系统重新设计的主角。
“大部分用车需求都是临时的，没有计划。任务来了，工人走过去拿一辆就走。任何要求提前预约的系统，一周之内就会被弃用。”
研究方法
先做跨学科实地研究，再谈方案
Tarik（KIT Carl Benz School，机械工程）负责车辆约束、载荷动力学和基础设施可行性。我负责用户研究、服务设计和工作流分析。两个视角缺一不可：这种规模的车队问题，既要吃透物理系统的逻辑，也要看清用车人的真实行为。
工人民族志访谈
在辛德尔芬根对技术工人、物流人员和主管做深度访谈。关键发现：需求是即兴的，紧急程度因角色差异很大，工人对取车摩擦的容忍度极低。
用户类型划分与用户画像
把访谈数据综合成四类用户画像，按移动频率、任务紧急度和与拖车系统的关系区分。它们是后续所有设计决策的锚点。
端到端生命周期梳理
梳理完整的共享生命周期：识别需求 → 取车 → 使用 → 归还 → 再调配 → 充电。失败点在哪里，结构性改动的杠杆在哪里，一目了然。
跨职能验证工作坊
和奔驰运营经理、KIT 工程师、物流规划师一起开工作会，验证研究发现，对齐核心共享逻辑。工程可行性和用户接受度同步做压力测试。
实地访谈得出的四类用户画像，按移动频率、紧急程度和对共享系统的期待区分。
关键设计决策
放弃 App 预约，选择站点式即到即取
最初的假设是一个移动端预约界面：工人提前订车，到点取车。两个独立的约束直接否掉了它。实地研究已经证明，用车是即兴的，不是计划好的，预约系统和这套工作流在结构上就不兼容。而且 GDPR 禁止把个人设备用于雇主管理的业务，全厂员工都得配发公司设备，为这个问题花这笔钱不成比例。
GDPR 合规约束
德国数据保护法规定，没有公司层面的设备管理政策，个人设备不能用于雇主管理的业务。App 方案意味着给所有相关工人配发专用设备，资本和管理成本与要解决的问题完全不成比例。
团队最终收敛到基于站点的池化模式：在全厂布设固定的取还点。工人走到最近的站点，拿一辆车，用完还到任意站点。不需要 App，不需要预约，不需要个人设备。
前后对比：左边是各部门分散持有、个人钥匙取用；右边是基于站点的共享车池，自助终端取用，数据集中管理。
服务流程设计
一套系统，两级取用
在碰任何界面之前，我先把操作工的所有场景沿行程生命周期铺开：预订、行前、驾驶、停放。这张图覆盖了计划外和计划内的使用，外加维护上报路径。失败点和取用层级一下子就清楚了。
操作工用例图。每一行是一个场景（计划外常规、计划外紧急、计划内、维护），沿四个行程阶段展开。两条计划外的站内流程成了最终系统的核心。
即到即取
工人走到最近的站点，不用预先登记就取走一辆可用拖车，用完还到任意站点。库存自动更新，数据进入再调配模型。
紧急取用
本地站点无车、任务又关乎生产时的升级路径。系统触发相邻站点的被动再分配，不需要主管人工干预。
标准即取流程。Jan 走到站点，用员工卡在自助终端登记一辆状态正常的 E-Wagen，用实体钥匙解锁，驾驶、停放、充电，最后在终端应用里结束行程。
紧急流程。主站无车时，工人联系当前使用者，或查看附近站点，骑车赶到下一个站点，取走一辆可用的 E-Wagen，在那里完成行程。
每个站点由五个软硬件组件协同工作。
01站点自助终端
▾
工人接触的唯一物理界面。刷员工卡识别身份，显示可用拖车，取车时释放实体钥匙，还车时记录行程。
02员工工卡
▾
走过去刷一下就行，没有 App，没有 PIN 码。使用记录归到部门而不是个人，不收集个人数据，天然符合 GDPR。
03电子锁孔阻断器（EKB）
▾
每辆拖车都装有 EKB，由站点系统控制实体点火钥匙的启用与禁用。CAN 总线接口读取电池状态，车辆端不需要 App，也不需要联网。
04站内充电桩
▾
每个车位一个充电桩。还车即自动充电，并向后端上报状态。车队随时待命，不用人工巡检。
05后端数据管理
▾
汇总站点实时利用率、分时段分区域的需求峰值和行程时长，直接接入工厂的维护信息系统，支持基于状态的排程。
运营影响 · 运营管理视角
车队池化是一个运营管理杠杆
从各自为政的拖车持有转向共享池化，是一次运营管理干预，不只是 UX 改动。池化效应是库存理论的一个推论：把独立的需求流合并进同一个共享池，可以在维持同等服务水平的前提下降低所需安全库存。在碎片化模式下，每个区域都攒着自己的闲置缓冲。共享池把它们收敛成一个方差更低的需求分布，用更小的车队实现同样的可用性。
车队规模缩减
在同类设施的部署中，池化效应可以带来 20–35% 的车队缩减。工业电动拖车单价 €15,000–25,000，哪怕小幅缩减，也是可观的资本回收和更低的折旧。
资产利用率提升
碎片化车队的利用率通常不到 50%：车不是不够，是放错了地方。站点实时库存直接压缩闲置时间，在投入任何新资本之前，先把现有车队的回报做上去。
消灭不产生价值的找车时间
找车的时间是 muda（浪费），对产出毫无贡献。可预期的即到即取把找车这项经常性成本清零，每个班次几百名工人，效果成倍放大。
基于状态的维护排程
站点遥测第一次提供了单车级的使用数据，维护从按时间改成按状态。计划外停机更少，多余的预防性成本更低，车队寿命更长。
成果
方案的核心收益
基于站点的模式在四个维度上赢得认可，每一个都对应一位要和这套系统长期相处的利益相关方。
初始投资最小化
管理层它跑在工厂已有的东西上：自助终端、员工工卡、拖车的实体钥匙。不给工人做 App，不配发专用设备，不更换车队。
实施简单、上线快
运营与维护硬件全是现成的。EKB 负责锁钥匙、走 CAN 总线读电池，充电桩自己上报状态。车辆端不用配联网，站点可以一个一个上线。
使用方式贴合现有工作流
高频操作工走过去，取一辆，还到任意站点。不用预订，不用预约，不用等。这就是工人本来拿车的方式，推广不需要培养任何新习惯。
同样的车队，更高的利用率
全体操作工池化把每个区域的闲置缓冲合并成一个共享供给。同一支车队覆盖更多需求，站点实时库存让四处找车的时间归零。