帕琪新锐观点网 版权所有,是国内最具有亲和力的网站之一 [ 给我写信 ] [ 百度空间 ] [ 腾讯微博 ] [ 新浪微博 ]

当前位置   主页 > 娱乐 >

【深度】工业发展阶段与评测维度

发表于:2019-07-03 10:29 作者:新闻小编 来源:新闻小编

  在当下工业升级的浪潮中,德国、美国和日本,都确定了自己走向未来的航程。而对于中国企业经营者来说,无论目前企业处于什么阶段,即使处于前2.0(工业化和大规模制造)阶段,也应该花些时间和精力来研究、思考工业4.0的本质特征,从而高屋建瓴地建立企业的核心竞争力。从工业2.0或前2.0走向工业4.0,这是一个过程,表现为一个历史时空的概念,即工业发展阶段。

  企业发展阶段论

  我们认定为阶段的东西,有着发展辩证法中所说的历史必然性的根基。马克思说过,人类历史发展阶段,可以认识,但不能跨越。企业发展也是如此。

  换言之,不可能直接跨越2.0、3.0,梦想一步实现4.0。因此,从2.0到3.0再到4.0,会表现为一个连续不断的历史发展阶段,局部技术可以超越,可以弯道超车,整体则是不可能的。

  德国工业4.0的基本逻辑,本质上就是企业发展阶段论的逻辑。

  工业2.0是工业化阶段,也可以简单理解为大规模制造阶段,就是满足人们基本需求的阶段,按照标准化进行大批量生产的阶段。

  目前大部分企业,包括中国企业,也包括外国企业,都还处在这个阶段:一个品类的童车可以卖几万辆,一个品类的酒可以生产出几十万瓶,一种心脏病的治疗药可以几千万人吃,而且不管什么体征和个体差异性。

  对中国企业来说,在大规模制造阶段,尤其是在迈向未来市场竞争无比惨烈的艰难岁月中,核心是要根本解决品质管控下的精益管理,也就是说,量的表现还是大规模制造,但要解决质量和成本这两个根本问题。

  这两个问题不解决,谈3.0、4.0都没有太大意义。

  工业3.0,一般阐述是自动化阶段,笔者更倾向于认为是大规模定制阶段,即台湾所谓的客制化阶段,也就是从标准化、单一化的大规模生产,开始考虑用户一些个性化需求,在成本、技术和制造条件允许的情况下,尽可能满足这些有约束条件的个性化需求。这是一个巨大的历史进步。

  在工业3.0阶段,模块化是应对个性化挑战的重要举措。

  大规模制造解决人们基本需求,而大规模定制则是为了解决人们越来越多的个性化需求,而这种个性化需求是有约束条件的。很多案例证明,模块化是满足个性化需求的历史进程的实践,是经过实证的。据前后两任哈佛商学院院长的研究,模块化实践其实始于计算机,尤其是IBM360主机的开发和制造。正是计算机,尤其是PC机和外设打印机等,最先全部实现了模块化制造,并从模块化制造延伸到模块化供应,整个产业链实现了模块化。

  在这方面,丰田汽车是做得最好的。汽车行业也是模块化走得较早、较扎实也较成功的产业。现在,家电甚至服装企业也都在搞模块定制。实际上,即使最复杂的飞机制造行业,模块化也是重要的发展趋势。波音公司早在1994年就开始启动了以数字化为基础的飞机构型管理,其中如何满足各种不同航空公司的个性需求,也是一个重要的考量因素。

  大规模制造的精益化是第二阶段,定制化是第三阶段。

  当然,如同工业化是2.0和自动化是3.0一样,这些细分阶段也都是相对而言。丰田的产品大部分已经实现模块化定制了,但目前丰田依然在坚持精益化,据说目前已进到精益化4.0阶段。

  应该看到,任何被定义为阶段的里程碑的东西,都是相对的,因为每个企业个体的发育水平完全不同,不存在一个普世的阶段论。

  工业4.0发展路线图

  从以质量管控为导向的精益化生产为核心的工业2.0,走向定制化生产的工业3.0,再到基于IoT(物联网)的智能制造的工业4.0,是怎样一种演进的图谱呢?

  这里,首先要引进一张工业4.0企业流程分析的主图(图2)。它代表了工业4.0的企业流程逻辑。

  工业4.0的驱动要素包括五大要素,分别是用户驱动(图2中1号和2号);工厂驱动(3号和6号);设计驱动(4号);供应链驱动(5号和7号)和服务驱动(8号)。

  显然,工业4.0的出发点,是来自用户多样化和个性化需求。

  从用户出发,也就是从销售到智能销售,智能用户交互与分析,MES到iMES,研发设计到PLC协同互动,采购到智能采购,制造到智能制造,物流到智慧物流,服务到智慧服务,共涉及到八个模块环节。

  也许有人会发出疑问,工业2.0为什么会引进智能的概念?我们认为,在当前工业2.0、3.0、4.0并存的时代,即使是处于工业2.0水平的企业,也不可能无视最新技术的存在。理性评估当前阶段水平,合理引进适用技术,才是企业的最佳选择。

  企业核心业务与大数据能力

  事实上,工业4.0之所以不同于以前的2.0或3.0,最根本性的一个指标是工业大数据分析模型。

  因此工业4.0的所有智能模块,就数据维度而言,都应该进入工业大数据平台系统。

  在所有的量化分析模型中,新增价值贡献模型应该是企业管理所能达到的最高境界。大数据的本质是通过对数据的采集和分析,创造新增价值,形成以前做不出来的未来预测。而这正是大数据不同于数据的本质所在,而不是数据量的大小和数据多样性的多少。

  就企业而言,判断是不是大数据,基准点只有两个:价值新增和未来预测。

  在工业2.0和3.0时代,大多数企业,在管理成本影响要素上,对原材料成本、人力成本、设备折旧等也有足够的重视。但进入到更加精益化管理的领域,很多问题就难以得到精确的答复。

  例如,如果将成品合格率从98%提升到99%,会产生多少额外的成本,是否能匹配所得到的收益?当特定时间停产所产生的产量损失和不停顿连续生产可能带来的质量损失或是设备损失哪一个更大?特定工艺环节的调整带来了哪些成本要素的变化,具体影响有多大?

  要清晰回答这些问题,就需要企业围绕管理体系,构建更为复杂的管理成本模型,而这无疑就进入了大数据的范畴。

  工业4.0时代,所强调的不仅是基础自动化和传感器所带来的大量数据,更重要的是,应该将这些数据与具体的业务过程建立联系,进而与这些业务过程所要实现的管理目标建立联系,就是说,基于大数据的成本分析模型,其核心的评价指标就在于成本管理上为企业带来的新增效益。4.0时代底层和终端数据的丰富,为成本模型的丰富和完善带来了新的可能性。

  在大数据体系支撑下,未来的成本管理将迎来新的时代。

  企业核心业务(Core Business)是关乎一个企业生死存亡的业务,是让企业赚钱和发展的业务,因而建立核心业务的端到端模型,是大数据建模的起点。大数据建模与分析的出发点和归宿都是业务。

  其中一个重要的节点,就是大数据的核心节点,即大数据分析模型的创建和创建以后的修正、迭代和不断完善。这个节点就是大数据区别于数据的关键。

  传统的BI(商业智能)在这个节点做得非常漂亮,滚动驾驶舱五颜六色,但如果这些驾驶舱都是甲方领导或甲方业务人员基于领导指示或内部管控开发的,都是现有业务,常常是没有竞争力、非增值业务的摹写,那就谈不上大数据!它没有带来任何新增价值贡献,也没有对经营做事前预测或事前预警。

  为什么要做数据建模,为什么要采集数据,采集什么数据,处理什么数据,这些都不是大数据的本质,其本质是基于企业给定的目标创建能实现这一目标的大数据分析模型(目标导向原则),而这个分析模型最终通过实证和不断完善,能让目标变现(目标实现原则)。

  从工业2.0走向4.0的过程,可以肯定地说是系统实现数据可视化的过程,而且是从表面可视走向深层可视的过程。大数据的一个基本和必要前提是可视,但表面可视解决的是企业内部经营者所要的报表分析,而深层可视带来的是以前所不曾有的、表面上看不到的、为企业带来新的价值增值。

  实际上,大数据也不神秘。因为未来企业核心业务的所有节点都应该是数据驱动(Data-Driven)。

  因此,企业经营管理中的每一个人都有可能成为大数据工作者,或者大数据专家,一部分有志者甚至可能成为大数据科学家。

  工业4.0 的评测及特征

  在理解了企业核心业务与大数据能力的关系之后,我们将面临一个惊心动魄的核心问题,那就是,如何建立企业的核心能力?这恰好是我们建立工业4.0评测的目标所在。

  如何进行工业4.0评测,我们先把模型展示如图5。

  中国企业走向工业4.0不是一个短期内可以完成的历史任务,必须引入阶段的概念,因此模型提出了前2.0和2.0的阶段、2.0到3.0的阶段,以及3.0到4.0的阶段动态的工业阶段性进步的概念。

  这样做的好处是,每家企业首先要弄清楚自己当下处在一个什么发展水平上。这是进步的出发点;因而需要量化测评今天所在的位置,在此基础上才能进一步分析如何走到工业3.0以至于4.0。

  精益管理贯穿各个阶段

  工业化与标准化,也就是大规模制造的阶段,和德国工业4.0的定义吻合。前文提到,2.0的本质特征是大批量订单满足用户的基本需求。在这个阶段,对大规模制造提供能力支撑的信息系统关键特征,就是满足基本的业务需求的信息化系统,比如ERP系统等。

  而上述评测模型中,则新增了一个精益管理维度。它贯穿了整个工业发展阶段。

  ☆前2.0和2.0阶段,一般说来是精益管理的导入期;

  ☆从2.0走向3.0阶段,精益管理表现为由导入期发展到提升期;这个时期有两个基本特征,一是生产线自动化导入阶段,一个是信息系统的模块化的增强。这也就是德国工业4.0提出的从工业化走向自动化的阶段,同时也是从大规模制造走向大规模定制的阶段。

  ☆从3.0走向4.0,精益管理将进入高标准精益的新阶段。遵从德国工业4.0的通用表述,则是智能化阶段。从企业经营的本质看,是个性化制造阶段,即个性化订单满足用户个性化需求的阶段。从信息系统角度看,这一阶段若不采用智能设备,不采用物联网,不进行系统互联互通,难以从技术手段上实现个性化需求的满足。

  工业4.0驱动要素

  需要很好地理解企业流程所涉及到的各个模块,才能真正驱动和实现工业4.0。

  这里重点从用户驱动和工厂驱动两方面来理解工业4.0。

  用户驱动的主控逻辑

  所有的变化,起点都是从用户开始的。理解用户驱动的主控逻辑,这是理解工业4.0何以得以实现的关键。

  这包含两个模块,一个是智能销售系统,一个是用户需求交互分析系统。显然,需求只有转化成订单,才能真正落地。

  智能订单系统

  出发点是用户/客户多样化和个性化需求。

  订单至少有三种形式:

  从工业2.0承继而来大规模和标准化订单;

  从工业3.0而来的有约束条件的个性化可配置订单;

  只有工业4.0能解决(未必百分之百)的充分满足个性化需求的订单。

  工业化时代(2.0时代)的本质属性之一是大规模、标准化生产,其大批量、标准化订单,在工业3.0时代已有减少趋势,在4.0时代肯定会明显减少。而用户的多样化和个性化需求是企业生产和发展永远的驱动力,也是工业4.0的引擎。

  从这个角度而言,工业4.0首先要解决的是,基于互联网技术,线上和线下融合,能充分对应各种订单,尤其是个性化订单,由工业3.0时代的销售自动化发展而来的销售智能化系统。

  未来的智能销售系统,比今天的销售自动化系统(Sales Automation System)至少在三点上应该具有更高的成熟性:

  一是订单预测,尤其是面对复杂和多样性市场环境下的订单预测准确度更高,这意味着,预测背后需要有多维度和全渠道的大数据分析,以形成高准确性的订单预测模型。

  二是销售订单与销售目标、销售计划三者之间到型号、到渠道(线上渠道和线下渠道,全渠道)、到门店、到销售人员、到销售政策、甚至到用户,多视角和多场景的智能匹配,尤其是三者之间多种业务处理规则上的智能匹配。

  三是各种订单类型,标准化订单、定制化订单和个性化订单的智能匹配,形成一个符合智能制造规则的订单包。这种订单匹配,可以想象,每个订单的具体型号、具体性能要求、具体质量要求、具体交付要求,甚至具体对应到一个小社群或单体个人,对智能处理的要求会非常高。目前包括ERP系统在内任何现有系统都无法满足。

  智能用户交互分析系统

  在智能销售系统的更前端(贴近用户端),需要开发出一个基于互联网,尤其是基于移动互联技术,用户ATP(用户全接触点All-Touch-Point)的数据获取、处理和分析的系统。没有这样的系统,难以实现对用户多样化和个性化需求的完整把握。

  它包括几个基础功能:

  第一,成熟、易用的用户360个性化标签视图模型。实现这个功能意味着企业在用户数据ATP获取、企业内外数据流打通、生态链上统一数据处理平台的建设上将迈上一个全新的阶梯。目前的严酷现实是,真正能实现企业内部DMP(统一数据管理平台)的都极端罕见。

  第二、成熟易用的、对用户进行全息深层分析,并与用户进行深度交互的大数据分析。所谓全息深层分析,举例来说,不仅仅是一个门店内的消费行为场景分析,而是扩展到一个大型购物中心全场景的用户消费动机、消费行为轨迹、消费偏好的分析;也不仅仅是消费轨迹的分析,还深入到对用户语言文化行为的深层分析等。分析的深度和广度,没有类似人脑的认知技术难以实现。

  概念和理论早就有了,实现不了的最大障碍是用户数据获取的成本代价太大。很多产品目前的生产组织模式难以承担这样的成本。这几年视频识别技术和VR(虚拟现实技术)的发展让我们看到了曙光,用户需求数据获取的代价正在不断降低。

  未来用户定制化(不一定是个性化)的需求会越来越成为一个重要分支。这并不会完全取代大规模自动化生产,而是两者形成有机的结合。

  有了智能用户需求分析系统和智能销售系统,智能制造才有意义,才有依托,才有归属。这里所谓的系统,不仅仅限于IT和网络技术意义上的信息化系统,还包括这个系统所服务的业务流程、组织和人的能力,是一个完整的体系。

  工厂驱动的逻辑

  如果把机器人、传感器、RFID、人机界面等称为肢体或末梢神经系统,那么工业4.0的中枢神经指挥系统,应该是类似德国所指的基于互联网的制造执行系统(iMES系统)和类似GE所暗示的互联网数字总线系统。

  决定个性化订单怎么执行,从用户开始,是走向虚拟设计,还是走向智能生产,还是直接到智能物流,不是由机器人或传感器说了算,而是由这个智能总线或iMES所决定。

  虽然机器人、传感器,这些末梢系统非常重要,甚至也可能具有自应激反应功能,但机机互联也好,机物互联也好,人机互联也好,最终的决策,还是要汇聚在这个大脑指挥系统。

  当然,即使是在前4.0时代,MES也极其重要,但它的价值却被低估了。MES从一个分散独立的系统不断转化为工业4.0的核心,是什么原因驱动的呢?

  成本要素的驱动是重要力量。企业管理有两个方面的驱动要素:一个是利润,另一个是成本。这两个要素辩证统一。

  之前的传统成本管理主要是从两个角度,一个是事先的成本预测逻辑,通过BOM、原料、工艺等要素的组织,形成对于标准模式下的成本预测;另一方面是事后的成本归集,在一个较长的时间段内(往往是月度)收集各种成本总的消耗情况,并通过综合计算得到成本消耗。

  但这两种情况最主要的缺失,就是中间的成本具体执行和产生过程的控制。具体的生产过程虽然有一定的绩效指标控制,但这些指标是否能有效地跟成本要素结合,是否能快速有效跟踪到成本的具体科目,都是目前生产管理中无法做到的。

  而MES实际上是完成这一工作的核心系统。

  只有通过MES系统更全面、更有效地管理和控制,才能真正实现成本的可控和可管理,不再只是事后跟踪。只有在制造执行的每个细节都有效地按照驱动要素成本的要求来执行,才能真正实现精益制造,而精益制造的核心就是质量和成本。

  这个也可以从另一方面来说明未来的iMES管理的范围是什么,所有跟成本要素相关的执行过程都是iMES管理的范围。

  重要的是,只有明确工业4.0的驱动要素,才能真正理解工业4.0的评测模型,从而真正建立企业的核心竞争力,并且确定清晰的技术路线。

  工业4.0评测的九大维度

  基于一些先进企业的实践,我们提出了工业4.0评测的九大维度模型。

  销售预测准确率

  链接用户需求,使需求转化成订单的核心环节是销售。

  在前2.0和2.0阶段,测评销售的核心点是考察实现标准化大规模制造产品的销售预测准确的程度。这在绝大多数企业都是公司最高级别的考核指标,是有很高难度的硬指标。

  在2.0走向3.0阶段,测评的核心是标准化+模块化定制产品销售预测的准确率。即两种销售模式并行的预测准确率,同时还要考虑全渠道统一的预测准确率,在这个阶段,既有线下传统渠道的预测,又增加了线上电商渠道的预测。

  而在3.0走向4.0阶段,是更加复杂的三种不同类型订单(标准化订单、模块化订单加个性化订单)的预测准确率和由此而产生的用户大数据分析对预测的贡献率。

  订单履约或订单执行

  也就是订单交付(OTD)。

  在前2.0和2.0阶段,主要考察从预测,从订单到计划,到订单交付,全过程的业务流程和信息系统是否基本健全和切实发挥作用。

  在2.0走向3.0阶段,重点考察是否建立了能实现模块化订单交付的能力体系、系统增强以及BOM的打通。

  而在3.0走向4.0阶段,应该主要考察三种订单能否实现即时承诺,以及实现随时下单的业务流程和与之匹配的智能化信息系统是否具备。

  采购

  在前2.0和2.0阶段主要测评采购料件的质量、交期和成本,实现这三个KPI的流程体系和信息系统是否已经创建。

  在2.0走向3.0阶段,主要考察三个关键点:模块化采购是否实现;模块化供应商导入的程度;供应商是否参与了品牌厂家的模块化设计。

  在3.0走向4.0阶段,则是在3.0进步的基础上,追加考察供应商的料件加工是否能实现加工全程可视,只有全程可视,才能根本实现质量可追溯和质量零缺陷。

  研发设计体系

  测评KPI有三个:TTM(Time to Market),新品上市数量占产品规划的比例以及是否按规划时间上市;TTR(Time to Revenue),新品上市后的实际销售收入和预期销售的比较;TTP(Time to Profit),新品销售的实际利润与预期利润的比较。

  在前2.0和2.0阶段主要看实现这三个KPI的基本产品企划、研发设计和新品上市的体系(业务流程)和基本的信息系统是否建立。

  而在2.0走向3.0阶段则主要看产品的全生命周期管理(Project Lifecycle)体系是否建立,看模块化研发设计是否实现,比如,在模块化设计上,要测评有没有产品配置、设计参数、接口规范、模块需求发布等。

  在3.0走向4.0阶段,主要测评有没有基于IoT与互联网实现基于用户体验和用户参与的设计,有没有建立个性化产品的设计研发体系,有没有实现高标准的3D虚拟仿真设计,有没有实现全球的实时协同研发,即研发设计资源的全球实时共享。

  从制造到智能制造

  在前2.0和2.0阶段聚焦在订单兑现、质量、节拍和设备利用率几个KPI上。主要测评ERP计划、计划到排产是否打通、基本的MES是否实现等关键点。

  2.0走向3.0阶段则聚焦在完整的MES与ERP、与APS、与底层系统是否打通,是否能实现精益排产。

  而在3.0走向4.0,则聚焦在合理的终端智能设备导入,实现基于工业互联网的系统上下左右的互通互联,即机机交互和人机交互上,同时实现实时的业务流程、系统和设备的可视、可控和可分析。注意,这里用的是终端智能设备的合理导入,而非越多越好,既非无人工厂,也非机器换人。

  厂内物流和厂外物流

  在前2.0和2.0阶段,主要是考察是否打好了物流的基础,既从业务流程角度、人的能力培育角度,又从系统建设角度,做好出入库管理、仓储管理、配送管理。

  在2.0走向3.0阶段,侧重考察大型品牌企业是否着力打造高效的物流管理平台和物流互联网系统平台。

  在3.0走向4.0阶段,侧重考察Inbound立体仓与智能控制系统的建设、Outbound互联网智慧物流平台的建设。

  质量管理

  2.0时代主要是精益质量管理基本体系的建立;

  2.0到3.0时代主要是质量体系的进一步完善和更多自动检测分析设备的导入和质量信息系统的建设。

  在3.0到4.0时代,则是全价值链所有涉及质量的环节能够实现到料件、到批次360度动态的质量监控,从而实现质量的零缺陷管理。

  设备管理

  2.0时代主要考核设备完好高效使用的基本业务流程和信息系统是否建立; 2.0到3.0时代主要考核设备点检维护是否完整实现了自动化。

  在3.0到4.0时代考核是否导入了智能设备和智能系统,从而实现设备的实时点检维护和实时可视和可控。

  大数据应用

  到目前阶段,中国企业几乎很少有企业在实施大数据或工业大数据的应用。

  在与智能制造紧密相连、逻辑上前后呼应的工业大数据领域,不讨论计划与排程,不讨论制造与工艺,不讨论质量控制,不讨论设备的高效利用,不讨论仓储物流,不讨论MES,不讨论人机互联,怎么可能进入工业大数据领域?

  而这些数据能够落地,也仅仅是工业大数据分析模型的基础和前提条件。

  工业大数据应用的深度是考察未来中国企业能否走向全世界制造的制高点和制胜点最重要的一块试金石。

  很明显,如果实现绝对的最优成本结构(ABC+),实现真正的质量零缺陷,实现订单及时承诺和随时下单(即需即供),实现无限趋近于0的最优库存结构,没有工业大数据的分析模型,根本无法做到。

  这九个大的维度,或者九个板块,构成了我们的工业4.0测评模型的顶层架构。

本文链接地址: http://www.baidutbw.com/yule/2148.html

栏目:娱乐      围观:

相关阅读

本月热点