工业4.0的四大挑战分析

   日期:2015-12-14     来源:金融界    评论:0    
核心提示:工业4.0这一词汇是德国在拥抱数字化的过程中被创造出来的,它本来是一个德国概念,现在拥有了越来越广泛的世界性影响,我很乐意在此借这个概念回顾一下德国的数字化历程,并展望新的工业革命和制造业的未来。

工业4.0这一词汇是德国在拥抱数字化的过程中被创造出来的,它本来是一个德国概念,现在拥有了越来越广泛的世界性影响,我很乐意在此借这个概念回顾一下德国的数字化历程,并展望新的工业革命和制造业的未来。

工业4.0是怎么来的

德国总理默克尔非常重视德国经济数字化的转型,所以她给了我一个任务,就是要对德国的数字化进程进行研究。2006年,我们引入了一个IT峰会机制,开始是SAP来组织的,每年我们都会组织会议,其他公司也来相互交流经验、讨论观点。2009年,我们被要求,特别是德国科学技术联盟和德国政府要求我们拿出新的想法,事关德国未来的战略性想法。

我们有若干工作组,其中一个工作组是沟通联系工作组,我也是其中一员。我们开始是聚焦德国在生产方面的创新,后来我们感到互联网和实体经济在不断融合。也就是说虚拟世界和现实世界在不断融合。当时我们科学和工程学院也推出了一体化的研究项目,我们把重点放在生产上,当时我们起了一个名字,叫作“工业4.0”,因为它和自动化有关系,我们觉得这就是下次工业革命的话题。在德国,工业主要是指制造业。

很快,我们又推出了一个项目,重点放在了智能服务上,这方面并不是德国擅长的,但我们必须把其他的行业联系起来做研究。智能服务项目不仅是数据推动的创新,同时还会有社会推动创新的因素,最终它将给企业带来益处,也会给社会带来益处,这就是为什么工业4.0项目这么受关注的原因。

总结一下,2011年我们正式推出工业4.0,有50个机构,包括科研部门和企业,和我们一起向政府提出了工业4.0的建议, 2013年我们又做了一个第二版的报告, 2014年德国政府再抬高一个工作层级,让更多的部门、企业和行业协会参与进来,今年3月我们做了最新版的工业4.0报告。

展望工业4.0世界

新工业革命的推动力主要有三个,一个是技术,尤其是数字技术;第二个是无处不在的连接,特别是物联网已经开始进入工厂;第三个是自动化程度越来越高的工业系统。这三个因素叠加起来就形成了一种趋势,自动化之后的重点就是系统对外部环境的感知,通过感知形成工业大数据,现在很多数据都不是免费的,将来数据会越来越廉价甚至免费;然后会有人工智能,机器拥有学习能力;然后是新的分析工具,用来分析数据并指导行动。

自动化系统、虚拟世界和现实世界的融合,涉及到不同的技术,有很多技术参数,同时有很多不同的应用,3D打印讲的就是其中一种。这些都需要用一个软件架构来界定,很多标准都需要统一,如果我们能够来共同推进,就容易产生大的突破。

从制造行业来讲,制造本身与客户服务、行业服务也在慢慢地融合,今后你可能分不清楚制造与服务这两者的区别。未来制造业的发展方向,是数据推动的商业模式的创新和转型。

什么是工业4.0?首先是高度灵活又高效能的生产,做到价值创造流程的按需优化和实时优化。现在德国各个不同制造行业的灵活度都达到了40%左右,可以随时消化吸收40%的订单下降,照样顺畅向前发展,就是说我们可以经受30%-40%的收缩打击。做到这一点离不开基础设施的升级,自动化程度、数字化程度等等。

工业4.0还意味着环境友好的发展模式。你可以把工厂迁回城市,照样不会对环境造成很多影响,如果你采用环境友好的生产方式的话。

第三就是社会形态的改变。商业环境和社会环境将会越来越复杂,要掌握这个复杂的环境,我们必须拥有权力下放的和更加分散化的自我组织形式,也就是说企业职能从中央控制系统变成自组织平台。企业员工会更加朝着自我组织、自我约束来发展。我们最终将有一个更加灵活的生态系统,非常有动态性,这样它才能随时响应客户需求,实时地适应市场变化,现在这还做不到,但已经有这样的想法。

智能生产的含义

以上是宏观的视角,如果我们从微观视角来看工业4.0,具体到一家企业,变化会在哪里?

第一个维度,横向的一体化要做得更好,内部流程的打通和数字化,这意味着我们要不断改进现在所做的工作,比如说软件、解决方案、3D打印的生产方式。

第二个维度,改进纵向一体化,这个问题在10年到15年前我们就讨论了,上下游的供应商合作伙伴怎么打通。现在我们必须要实现横向、纵向一体化的无缝对接。

第三个维度就是全生命周期的产品管理,从工程设计到产品生产和售后服务的生命周期,我们都必须统一管理。这方面过去已经有很多管理软件,但这些工具之间没有什么联系,数据结构也不一样,需要打通和升级。

制造业的核心是工厂,工厂的智能化管理非常重要,工厂并非自己独立工作,而是要跟智能电网、智能物流、智能楼宇建筑连接起来,根据订单、能源、物流等条件的变化实时调整生产。这意味着工厂越来越聪明,知道怎么样进行生产,机器也变得更加智能化,可以相互交流,来控制产量。

所有这些都需要更加聪明的人来完成,我们称之为智能操作员,各种不同的智能设备、数字设备来帮助他们操作,以往分散的各个项目要连起来,基本原则是更加自动化。

这只是故事的一小部分,还有很重要的一部分,就是智能产品。产品离开工厂到达客户之后,应该不断地收集用户数据,变成一个小的平台,所有产品的数据集中起来之后,就变成了大数据系统,实时分析这些大数据,就可以进一步优化我们的流程和业务模式,为客户提供更多的服务。这方面的创新速度非常快,客户也在不断地受益。

举个例子,阿迪达斯。阿迪达斯今年推出了3D打印制鞋技术,成本并没有增长很多,但可以缩短外包线路,甚至把生产转回国内。阿迪达斯还给跑鞋装上了传感器,你就可以对所有的数据进行收集和衡量,这双鞋怎么穿的、怎么用的,然后基于这些数据可以对产品和流程进一步优化,再按优化后的版本生产和销售。比如个性化设计,按照客户的特殊要求来生产鞋子。

基于智能平台的“一切皆服务”

接下来就是智能服务,这方面的重点不是产品,而是新商业模式下的新服务项目。前提是数据化、知道用户的偏好和习惯,以此来启动商业模式和服务的优化。

道理非常简单,数据变成了一种产品,它本身蕴含着价值。如果你的商业模式是数据驱动的,那么所有的一切都可以成为服务,这一点并不神秘,绝大部分公司都可以做到。

具体怎么做呢?没有任何一个公司能够做到所有的数据收集、分析工作都自己做,因为工作量太庞大了。你需要有一个强劲的生态系统,帮助你来做连接,帮助你把不同领域的数据收集、回传、分析。这涉及到互可操作性,你需要在一个平台上对这样的生态系统进行管理。

实际上它关系到工业4.0的最终结果,就是要实现各种设备工具机器之间的互联。

用汽车行业做一个例子,未来可能在所有的展览上你都能看到互联汽车,或者叫自动驾驶汽车。它需要有智能架构来支撑,一辆汽车自动行驶,它必须实时了解周围的环境,数据传输速度要非常快,以毫秒来计算,这意味着网络基础设施和底层技术架构必须得升级。

现在是怎么做的呢?比如说谷歌,它有成百上千辆汽车在路上收集数据做地图、做测量。以后不会是这样的了。因为以后所有的汽车都会有数据采集设备,比如在德国,所有新车上都已经安装了传感器。

从公司层面,软件的虚拟化非常非常的关键。比如说在一个组装线上,来自于不同厂商的机器设备必须互相匹配和协调,怎么才能知道是否匹配协调呢?如果你有一个数字模型来控制所有机器,这样你把设备卖给客户之前,他们可以模拟使用这些设备的情景,这就是我所说的软件的虚拟化,在这个基础上,我们才能实现所有机器设备的互联,智能的互联,这是一个软件定义的架构。

说到通过软件平台管理生态系统,现在有一些争论,就是平台中立化问题。有人担心平台被用来打击竞争对手,或者说平台上的公司被平台控制。这是一个问题,因此我们需要一个开放的数字平台,让客户能够即插即用,同时又有能够支付得起的服务价格,还需要有值得信赖的云,不管是公有云还是私有云,你要保证系统的安全性,确保能够把世界上所有的设备和机器安全地联系起来,这是一个终极的目标。

在商业模式上,平台要保证所有人都可以参与进来,平台上面任何类型的服务都可以实施,不同的市场、不同类型的服务、不同类型的社区,想做什么都可以。所以我猜这样一种平台,应该由具有高度专业知识的重要公司来提供,这样才能保证底层很复杂、很坚固,但顶层有很大的灵活性,而且简单易用。

在商业模式的创新上,现在我们已经可以根据用量来进行收费,但对于平台即服务的模式,平台必须是双向的,在一个连接了大量设备和终端的平台上,一方面你有很多供应商,另一方面你又有很多客户,这天然就是一个双向市场。

如果认同这一点的话,问题的下一步就是,这对于工人来说意味着什么呢?在过去我们优化的是流程,以后我们优化的是工作场所,是工作本身,这会导致工作岗位变少吗?

这在德国的确是一个关注焦点。工会作为员工代表,比较担心工人以后会不会没有工作了,因为所有的事情都可以自动化、用机器人做了。确实会存在这么一种情况,低附加值的工作可能会消失,但是新的工作岗位也会被大量创造。过去十年,德国对机械工程师的需求增加了9.5万个,而自动化产业增加了1.5万个工作岗位。

关键是对新能力的要求,比如说一个机器操作员,工厂变得更加自动化,意味着控制机器的人要更加灵活,要有更强的自我组织能力和多元化技能。对企业或政府而言,必须要有相应的教育和培训,提升工人的技能水平。但是这种培训可能不是大规模地坐在一起听课,而是通过各种灵活的学习方式,这在现在的技术水平下完全能做到。

四大挑战

我最后要讲的就是挑战是什么?首先我们要建立一个数字平台,这个本身就是挑战,尤其是有着统一标准的开放数字平台,是非常困难的。这也是为什么我反复说我们需要有一些领军型的公司、核心的公司,它们先动起来,然后进行标准的协同化,开放式协同,然后再让中小型企业参与进来共同发展。

其次就是基础架构(framework)方面的挑战,比如说在法律上,我们对于数据的使用怎么样来进行管控,相应的法律框架怎么搭建,我们还需要有一个统一的欧洲数字市场。从政府的角度,数据政策就变成了一种经济政策,谁拥有数据,谁来保护数据,谁来负责这个分享数据,这些都是新课题。

第三个挑战是公司的组织结构和工作方式的变革。变革的同时,我们需要找到合适的方法来满足公司所有者和公司雇员双方的要求,比如说在德国就要考虑到工会的一些要求。

最后,从社会层面来说,焦点之一就是数据保护、隐私的保护,那么多的个人信息都在云平台上,怎样防止数据泄密、泄露客户隐私等等,这是一个很大的关注。再就是我前面提到的人机交互,机器人和人一起工作,要让机器人能够不仅仅了解人的语言或者是肢体动作,甚至能了解人的情绪,在人和机器之间实现类似人和人之间的无缝沟通。我们还在做这方面的研究,还需要相当长的时间才能够做到这一点。

 
  
  
  
  
 
更多>同类资讯
0相关评论
 
全年征稿 / 资讯合作
 
 
 
推荐资讯
可能喜欢