“工業(yè)4.0”正在傳統行業(yè)掀起一股創(chuàng )新浪潮。無(wú)論是雄心壯志的各行業(yè)領(lǐng)頭羊，還是默默無(wú)聞的大多數中小企業(yè)，都不約而同地匯聚到這股浪潮中，探索各種新發(fā)展機遇，唯恐掉隊成為歷史的塵埃。然而，企業(yè)真正叩響“工業(yè)4.0”之門(mén)，邁向成功轉型的康莊大道并不容易。 在埃森哲不久前主辦的CIO&創(chuàng )新圓桌論壇上，各界人士圍繞此話(huà)題進(jìn)行了深入探討。 1.技術(shù)才是撬動(dòng)智慧工廠(chǎng)的杠桿 “工業(yè)4.0”登陸中國后，智能化制造如星星燎原之勢席卷全國的各大企業(yè)。在這樣的背景下，很多中國企業(yè)家紛紛開(kāi)始探索新一輪的創(chuàng )新改革，埃森哲建議企業(yè)家們在給予產(chǎn)業(yè)革命足夠重視的同時(shí)，不可小覷另一項革命，那就是引發(fā)產(chǎn)業(yè)革命的真正源動(dòng)力——技術(shù)革命。 我們從埃森哲的市場(chǎng)調查中發(fā)現，中國很多大中型企業(yè)的工作重點(diǎn)是發(fā)展智慧工廠(chǎng)，尋求讓工廠(chǎng)變得更加自動(dòng)化，但常常忽略了自動(dòng)化背后的核心推動(dòng)力。 眾所周知，德國西門(mén)子的安貝格工廠(chǎng)是以全自動(dòng)化聞名，該工廠(chǎng)二十多年前開(kāi)始著(zhù)手建設全自動(dòng)工廠(chǎng)，但取得突破性進(jìn)展還是得益于近幾年微電子技術(shù)在工廠(chǎng)的廣泛應用。通過(guò)收集產(chǎn)品信息和物流數據，連接各平臺，形成整體的集成思路，安貝格工廠(chǎng)得以大大提高生產(chǎn)效率，成為智能工廠(chǎng)的典范。 另外一個(gè)引人矚目的智能工廠(chǎng)來(lái)自德國的博世。它突破性地使用無(wú)線(xiàn)電技術(shù)，使所有零件都有一個(gè)獨特的射頻識別碼，同沿途關(guān)卡自動(dòng)“對話(huà)”，從而創(chuàng )新地將智能化、信息化、自動(dòng)化等技術(shù)融入到整個(gè)制造過(guò)程中。這一技術(shù)的使用，不僅使產(chǎn)品生產(chǎn)過(guò)程更加透明化，還便捷地給每個(gè)產(chǎn)品都貼上了智能身份證，讓不同地域生產(chǎn)的零部件得以無(wú)縫對接。 從這兩個(gè)案例中不難發(fā)現，讓智慧工廠(chǎng)更智能化、更柔性生產(chǎn)的，是新技術(shù)的應用，而不是僅停留在昂貴高端的設備上。通過(guò)應用新的信息技術(shù)手段，企業(yè)將獲得生產(chǎn)過(guò)程中和產(chǎn)品使用過(guò)程中的信息，進(jìn)而推動(dòng)效率提升和產(chǎn)品創(chuàng )新。 2.推進(jìn)“工業(yè)4.0”面臨的挑戰 在推進(jìn)“工業(yè)4.0”的過(guò)程中，我們普遍會(huì )遇到一些困難和痛點(diǎn)，其中最大的障礙往往是企業(yè)與股東缺乏統一認識。如果企業(yè)內部無(wú)法對“工業(yè)4.0”的內容達成共識，企業(yè)很難在共識的基礎上設定長(cháng)遠戰略并部署相關(guān)方案。 有幸的是，當前中國在整個(gè)產(chǎn)業(yè)環(huán)境中，合作伙伴和政府都非常支持這種積極的探索。企業(yè)可以充分借鑒市場(chǎng)已有方案，或尋求與合作伙伴共謀發(fā)展，勇于打破傳統的推進(jìn)方式。 運營(yíng)效率低也是大部分企業(yè)的一個(gè)痛點(diǎn)，企業(yè)通過(guò)發(fā)展工業(yè)4.0這一有效手段，可以加速度地提高生產(chǎn)效率。另外一個(gè)顯著(zhù)的問(wèn)題是資產(chǎn)利用不充分，部分企業(yè)之前存在過(guò)度投資、過(guò)度產(chǎn)能、過(guò)度裝備的現象，所以當面臨新一輪革新出現時(shí)左顧右盼，甚至寧愿選擇墨守陳規，被新型企業(yè)的后動(dòng)優(yōu)勢和市場(chǎng)競爭所顛覆。其他的困難還表現在服務(wù)和守候成本過(guò)高。 3.CIO在推動(dòng)工業(yè)4.0中的關(guān)鍵作用 CIO需要在企業(yè)工業(yè)4.0建設中扮演起更重要的角色。由于技術(shù)和數據是整個(gè)產(chǎn)業(yè)變革的根本驅動(dòng)力，無(wú)論從技術(shù)專(zhuān)業(yè)背景還是從信息資源資產(chǎn)的角度來(lái)看，CIO都具有推動(dòng)企業(yè)向前發(fā)展的先天性?xún)?yōu)勢。 CIO為此要做好準備，需要具備新的能力，將信息轉化為知識。除了管理企業(yè)IT資產(chǎn)之外，他們還要和銷(xiāo)售、研發(fā)、運營(yíng)等更多業(yè)務(wù)部門(mén)進(jìn)行合作，推動(dòng)、支持他們發(fā)生變化。無(wú)論是把握自己的職業(yè)發(fā)展機會(huì )，還是為企業(yè)創(chuàng )造更大價(jià)值，CIO對于這一歷史使命都應勇?lián)笕巍?/p>
1.什么是工業(yè)大數據？ 工業(yè)大數據目前還沒(méi)有很權威的定義，一種說(shuō)法是工業(yè)大數據就是信息系統中使用數據的二次利用。企業(yè)對于已有的數據進(jìn)行挖掘，盡量多地獲取所需要的信息，但相對比較被動(dòng)。第二種則是前瞻性地對于生產(chǎn)和各種過(guò)程痕跡記錄，創(chuàng )造一個(gè)用數據說(shuō)話(huà)的條件。 事實(shí)上，工業(yè)大數據不同于普通的商務(wù)數據，工業(yè)大數據的收集原理是要基于完整性、完備性為出發(fā)點(diǎn)，才能還原系統的全貌和生產(chǎn)流程的完整過(guò)程。如果僅僅單純觀(guān)察數據本身，借助收集到幾個(gè)變量之間的關(guān)系，片面地看待問(wèn)題，會(huì )導致完全錯誤的判斷。只有對完整大數據的合理應用，才能真正幫助企業(yè)透明化，從而有利于企業(yè)的管理、運作，用以支撐人員的精簡(jiǎn)、人工效率提升以及質(zhì)量的持續改進(jìn)。 2.數字化轉型與去產(chǎn)能的關(guān)系 去產(chǎn)能是短期的，企業(yè)需要面向未來(lái)，提高自己的核心競爭力。數字化是構建這一競爭力的必要手段。 企業(yè)需要構建頂層設計，使數字化能支持轉型。數據質(zhì)量對企業(yè)極其重要，尤其是那些關(guān)鍵性的數據。同一個(gè)數據在不同的場(chǎng)景下會(huì )有不同的含義，運用好這些積淀的數據需要花費較長(cháng)的時(shí)間。企業(yè)在完備累積的過(guò)程中不斷產(chǎn)生新的數據，也在不斷創(chuàng )新產(chǎn)生新的應用，依托之前保留下來(lái)的關(guān)鍵性數據信息，一些重要課題得以解決。 3.如何使工業(yè)4.0發(fā)揮最大價(jià)值？ 工業(yè)4.0下的企業(yè)跨界合作首先應該以共贏(yíng)為基礎。好的商業(yè)模式應該允許企業(yè)上下游之間的一些壁壘被打破，實(shí)現雙贏(yíng)，創(chuàng )新地進(jìn)行發(fā)展合作。比如，有些企業(yè)本身沒(méi)有倉庫，鋼鐵企業(yè)可以做成零件之后直接交給他們，協(xié)助他們做到零庫存。 “工業(yè)4.0”的另一個(gè)重要意義是幫助企業(yè)深入發(fā)展個(gè)性化定制。比如鋼鐵行業(yè)需要關(guān)注鋼的厚度、寬度、涂鍍以及包裝方式等精確需求；汽車(chē)行業(yè)需要關(guān)注高端汽車(chē)品牌用戶(hù)的“私人訂制”。企業(yè)如果只滿(mǎn)足低端產(chǎn)品，數據投入產(chǎn)出比是不劃算的。所謂智能產(chǎn)品，其實(shí)是基于實(shí)物產(chǎn)品本身，又包含CPS內容而引申發(fā)展的。 企業(yè)是否轉型為智能服務(wù)，要根據企業(yè)自身定位決定。深刻了解目標客戶(hù)的需求，在保證企業(yè)效益的前提下，穩步走向智能化企業(yè)。 數據如何為我所用？ 未來(lái)的企業(yè)傳承將不再依賴(lài)于個(gè)體經(jīng)驗，取而代之的鑰匙，是唯一可以把企業(yè)行為邏輯找出來(lái)的——數據，它最終將成為企業(yè)的核心靈魂。 工欲善其事，必先利其器，一直以來(lái)中國企業(yè)非常推崇德國制造的器匠精神。的確，產(chǎn)品制造的價(jià)值不容小覷，然而要想把握機遇，實(shí)現產(chǎn)業(yè)創(chuàng )新，使自身在日益嚴苛的市場(chǎng)環(huán)境中更富價(jià)值，就不能再一味停留在產(chǎn)品制造的探索領(lǐng)域，而是需要打開(kāi)思路，尋找一把新的鑰匙，學(xué)習了解制造的精髓，使目光越過(guò)冷冰冰的工廠(chǎng)和機器，直達互動(dòng)數據的邏輯關(guān)系所在，并從中發(fā)現客戶(hù)的真正需求，進(jìn)而全面提升企業(yè)的競爭力。 正如我所提出的“蛋黃蛋白”模式，蛋黃就好比產(chǎn)品，而蛋白則是產(chǎn)品使用當中產(chǎn)生的價(jià)值。企業(yè)只有探尋從制造本身邁向價(jià)值創(chuàng )造的發(fā)展路徑，才能最終孕育出嶄新的數字化能力，真正實(shí)現脫胎換骨。 大數據的概念大家并不陌生，相當多的企業(yè)可以通過(guò)收集各類(lèi)傳感器數據，借鑒歷史資料，應用CMS或是憑借個(gè)人經(jīng)驗等方式，獲得一定程度的預見(jiàn)能力。但是如果所收集的數據未能做到三個(gè)R（Resource、Relation、Reference），則很難形成一個(gè)對稱(chēng)的產(chǎn)品信息系統，從而導致大量的數據冗余。 那么該如何避免大量數據冗余？又如何通過(guò)已收集的數據獲取洞見(jiàn)能力？我們的建議如下： 1.IOT集成 傳感器網(wǎng)絡(luò )化 一個(gè)工廠(chǎng)往往有上千個(gè)傳感器，但不是每個(gè)傳感器都需要接入網(wǎng)絡(luò )。2005年，豐田曾提出要減少50%的非必要性維護需求。于是，面對約兩千個(gè)機器人的復雜生產(chǎn)線(xiàn)，將一定時(shí)間段內故障時(shí)間超兩小時(shí)的機器人遴選出來(lái)，目標范圍就縮小到138個(gè)機器人。然后再對這138個(gè)機器人的零部件進(jìn)行故障率分析，通過(guò)可視性和邊緣計算，精確找出哪些應用鏈必備零件必須更換，哪些不用更換。 就這樣，利用大數據分析，豐田把數量眾多的機器人維護工作集中到了數個(gè)傳感器上，用最有效的辦法降低了80%的生產(chǎn)型浪費。 2.數據到信息化內容轉變 在生產(chǎn)過(guò)程中，企業(yè)會(huì )遇到各種各樣的數據，但僅僅掌握數據是遠遠不夠的，需要對數據進(jìn)行有效的識別，厘清數據內在的邏輯關(guān)系，通過(guò)先進(jìn)的建模方法使之轉變?yōu)橛行?、有用的信息內容?/p>
現代化制造業(yè)尤其是精密制造業(yè)的制造和時(shí)間成本都十分高昂。以三星的12寸晶圓廠(chǎng)為例，其整廠(chǎng)投資額高達450億美金，里面的設備動(dòng)輒數千萬(wàn)美元一臺。如果設備發(fā)生故障，損失將難以計數。因此三星在生產(chǎn)過(guò)程中花費了近三分之一的時(shí)間做各類(lèi)可靠性檢測，使真正用于制造產(chǎn)品的時(shí)間只有三分之二，這無(wú)疑造成了巨大的浪費。 我們與三星合作，針對其應用材料裝備的80個(gè)傳感器，通過(guò)使用概率方法論，將傳感器對應的控制器時(shí)間成本整理出來(lái)，再結合歷史數據，就形成了一個(gè)傳感器關(guān)系圖，從而對各傳感器在生產(chǎn)過(guò)程中的重要性一目了然。通過(guò)這種方法，三星只需重點(diǎn)關(guān)注5個(gè)傳感器，即可達到99%的檢測精度，大幅度提高了生產(chǎn)績(jì)效。 3.虛擬網(wǎng)絡(luò )化的內容管理 精準的預判來(lái)源于完善的內容管理，這可以幫助企業(yè)減少損失。 預計中國各大工廠(chǎng)在2017年會(huì )擁有40萬(wàn)機器人，一旦某臺機器出現問(wèn)題，將導致整個(gè)生產(chǎn)線(xiàn)的中斷和大量的資金浪費。CPS虛擬網(wǎng)絡(luò )化的數據分析管理用以幫助企業(yè)提前預見(jiàn)到可能的故障，從而提高效率、減少浪費。 舉例來(lái)說(shuō)，如果每天早上安排機器人做5分鐘運動(dòng)，讓每個(gè)機器人的每個(gè)軸的電量存儲存起來(lái)，然后連同其之后工作的數據值一同做比較，通過(guò)深入比較之后找到數據變化最大的一個(gè)軸，從而判斷出有衰退值的機器人，在它罷工前三星期就可被順利發(fā)現。 最后再回到“蛋黃蛋白”理論。很多企業(yè)往往只留意到蛋黃，看重制造或產(chǎn)品本身，容易忽略蛋白，即潛在的、外圍的需求。但這些潛在的外圍需求卻是企業(yè)走出自身發(fā)展瓶頸、找到市場(chǎng)競爭力的所在。發(fā)現蛋白的價(jià)值并創(chuàng )造新價(jià)值的關(guān)鍵，就在于對有效數據建立邏輯化模型，突破現有框架，用更寬廣的視野了解客戶(hù)需求，從而開(kāi)發(fā)自己的產(chǎn)品。 是不是看完還覺(jué)得不過(guò)癮？最后讓我們用這張誠意滿(mǎn)滿(mǎn)的信息圖來(lái)收尾吧。吳琪（埃森哲全球副總裁、大中華區副主席）
郭朝暉：寶鋼中央研究院首席研究員
李杰：辛辛那提大學(xué)及上海交通大學(xué)講座教授
