【智能制造】数据驱动下，离散制造业的高阶运营

2019 年 7 月 24 日 产业智能官

产销平衡或者说产销均衡一直是永恒的难题，产销平衡的颗粒度到什么层级才更实际?不同能力结构的企业各不相同。只有在公司级的大运营视角下才能见到端倪。大视角之下，将超越部门及岗位利益，依靠市场一线与现场一线的数据来进行驱动。

这在离散制造业里面将显得更加实际。

现代的制造系统中会实时产生海量数据，这些数据来自制造系统中的各个环节，比如供应、入料安检、计划排产、成品优劣检测等等。合理的应用这些数据，可以使各环节及整体生产效率极大提升。同时来自下游的数据，不管是B还是C，都为企业带来更多的触感，积极升级产品，更加适应用户需求。这样的创新更是不易。

数据驱动首先需要

可靠的数据采集体系

现在的市场竞争，已经不允许企业从容不迫地来做积累、萃取、建模，升级认知，持续锻造核心竞争力。我们看到不少之前鲜亮的工业企业，慢慢老化并被淘汰，从这个维度来看，就是自身的持续创生能力一路落后于市场的结果。

更多的工业企业在寻求“智造”之路。长期坚持在装备自动化方面进行持续创新的工业企业也尝到了不少甜头，随着网络通信能力、物联网设备的成本红利放大，工业企业在管理信息化进入一个新的平台期之后，有条件在装备信息化和产品信息化方面进行更大更有效的投入。

装备信息化是一个自动化与智能化的过程，有利于有效采集生产现成的数据，而产品的信息化则是一个产品社会化的过程，让产品在使用或者消耗过程中的数据得以回馈。比如一些装备类企业为自己的产品加上传感设备，方便远程运维。有些快销品企业通过社交活动采集消费者在采购、消费过程中的行为数据等等。

而这数据采集体系的起点就是通过ERP系统充分采集人的商业行为数据，通过MES系统采集更多的设备状态、工业作业数据。这两者的数据同时以订单为主线进行标签化。

采集工作首先是在全场景中进行数据汲取，之后是基于企业的商业目的去构造数据池。

数据和业务的正向反馈路径设计

是数据驱动的成功关键

数据的统计分析不是目的，直接和业务进行互动才是重要目的。

比如，白酒企业的“连续性发酵过程”是在装甑之前就开始的，或者说是被定义好的，直到窖池发酵。即便是在装坛之后的数十年，也在延续这个过程。

这个“连续性发酵过程”的机理模型要复杂得多。由于这个过程的不可逆特性，即便发现可以优化的地方，也无法干预当前过程，只能将“经验”用于新的过程。

这样的生产现场工业大数据积累，已经坚持数年之久。这个积累的过程，也是一个“连续性发酵过程”，对其智能制造段位的提升，提供不竭动力。

在自动化充分地被重视并得到较大规模的发展之后，传统的企业信息化其实已经进入准数字化和数字化阶段，并直接涌现出支持智能化的良好土壤。

比如某光伏企业的产品出厂合格率现在是100%，远远超过六西格玛的极限。根本原因就是对于在制品良品率异动因素的及时干预，这个干预完全来自于实时的数据采集、基于模型的场景预判以及积极的干预。

这一切的产生实际上都来自于对企业经营行为过程尤其是生产加工过程关键数据甚至是全量数据的积极获取。使得“企业大脑”在更多的数据触觉支撑下刺激更多的“神经元”相互联通，以至于涌现出诸多新的可能，以前许多“不可能”成为常态，企业经营进入新的境界。

尊重暗知识的存在

让数据在更高层面上驱动企业

消费互联网中消费者数据、卖场数据、运营数据的采集、建模、分析给零售企业的客户旅程、复购以及拉新等方面带来的变化，激发了工业企业希望在工业互联网中探究工业数据威力的欲望。

硅谷风险投资公司CEGVentures创始合伙人王维嘉先生在最近出版的著作《暗知识》一书中说，一直以来人类的知识有两类：“暗知识”和“默知识”。名知识就是那些可以用文字或者公式清晰描述和表达出来的知识，默知识则是个人在感觉上能把握但无法清晰描述和表达的知识。今天，人工智能，突然发现了海量的、人类既无法感受又无法描述和表达的“暗知识”--隐藏在海量数据中的相关性，或者万事万物间隐蔽关系。这些暗知识可以让我们突然掌握不可思议的“魔力”，能够做很多过去无法想象的事情。

在企业拥有越来越多数据的时候，我们探索和掌握暗知识的路径究竟是什么?这可能是需要解决的一个新的问题。从企业发展角度看，这个问题的迫切性是越早越好。

制造业里，基于ERP和MES，通过有效的数据采集、融合、建模、反馈等手段，构建企业新的数据体系，已经成为当务之急。

来源：ENI经济和信息化网

延展阅读：

连网智能机械以服务与软件为中心　未来制造业营收成长关键

已有厂商基于IIoT平台推出订阅制商业模式，提供客户先进的机械效能分析功能。Moxa

2018年9月麦肯锡(McKinsey)发表的1篇报告指出，工业物联网(IIoT)平台正促使厂商重新定志愿者业设备与机械制造，在机器层次提供更高自主性(autonomy)与智能，聚焦于以服务与软件为中心以支持新商业模式，基于IIoT平台的制造集成架构将可开创营收快速成长的机会。

根据IoT Tech News报导，1995年国际自动化协会(ISA)通过的ISA-95是关于企业控制系统集成(Enterprise-Control System Integration)的标准，虽有助于处理全球化生产与分散式供应链所衍生的问题，但在应付资料与安全的相关问题仍有不足，特别是IIoT传感器的数量激增，对任何制造商都将是潜在的安全风险变量。

麦肯锡的IIoT报告是根据2019年6月发表的1篇全面性研究报告：「善用工业软件端的进展于数码转型(Leveraging Industrial Software Stack Advancement For Digital Transformation)」，探讨如何善用IIoT平台带来的技术与商业模式转变机会，投资数码转型以因应工业设备与机械领域所面临的巨大冲击。

全球竞争加剧、硬件商品化、顾客对数码服务需求增加所造成的技术端(technology stack)价值池(value pool)板块巨大挪移，这3个有力且互相强化的发展已在工业设备与机械领域造成影响，制造商逐渐了解单靠优质产品与硬件销售有其极限，必须彻底翻转现有商业模式与营收成长策略。

麦肯锡IIoT平台研究报告的关键发现包括：现有自动化协定无法支持完整发挥IIoT潜力所需的复杂集成方式；目前公司、工厂、生产线、设备与机械各使用不同的资料结构，影响资料交换且无法达到完全透通；全球竞争加剧与硬件商品化将驱动连网智能机械的应用，以利在生产现场善用IIoT技术；机械正基于软件与服务为中心而重新设计以支持新的商业模式。

连网智能机械的时代已经来临，制造商的新策略将转变为追求服务与软件营收的快速成长，而非传统上倚赖单纯的机械销售交易。以服务与软件为中心重新定义现有产品与设计新产品，将让机械制造商的IIoT营收由平台、软件与应用开发所驱动，预估成长率可达20~35%，部分厂商已尝试推出订阅制商业模式以提供先进的机械效能分析功能给客户。

数码制造平台已可提供机械与生产现场层次的实时监测功能，相关的资料串流将可提升实时分析(real-time analytics)的正确性、机器学习(machine learning)的普及与精准度，并扩大老旧机械在可程序逻辑控制器(PLC)层次的集成策略，让现有数以百万计妨碍IIoT发挥所有潜力的老旧工业制造系统，逐渐不再成为影响营收成长的限制。

机械制造商必须重新思考商业模式与定义产品策略，专注于在机器层次提供具备操作系统的智能机械，并能持续扩充且提供更大的自主性与实时资料串流，基于IIoT以支持更精确的预测性维护(predictive maintenance)方式与跨厂商生产现场集成，两者也都将成为IIoT最具潜力的应用。

具备操作系统而能协调IIoT资料与确保资料结构正确的智能机械已在陆续开发与销售中，IIoT制造系统也正快速成为集成客户关系管理(CRM)、企业资源规划(ERP)、制造执行系统(MES)、产品生命周期管理(PLM)的数码制造平台，为产品配置(product configuration)提供单一统合的概观，并支持设计到制造(design-to-manufacturing)的各个程序。

为工业自动化与IIoT平台提供智能链接已成为机械领域新的尖端发展方向，基于IIoT商业模式的机械应用在全球市场将有大幅成长，IIoT平台与相关应用的变现潜能将极为可观，虽然仍处于系统建置的早期阶段，但能加速发挥IIoT效益潜能的商业模式已开始发展。

先进制造业+工业互联网

产业智能官 AI-CPS

加入知识星球“产业智能研究院”：先进制造业OT（自动化+机器人+工艺+精益）和工业互联网IT（云计算+大数据+物联网+区块链+人工智能）产业智能化技术深度融合，在场景中构建“状态感知-实时分析-自主决策-精准执行-学习提升”的产业智能化平台；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

产业智能化平台作为第四次工业革命的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎；重构设计、生产、物流、服务等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态和新模式；引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能化技术分支用来的今天，制造业者必须了解如何将“智能技术”全面渗入整个公司、产品、业务等商业场景中， 利用工业互联网形成数字化、网络化和智能化力量，实现行业的重新布局、企业的重新构建和焕然新生。