在埃森哲不久前主辦的CIO&創新圓桌論壇上，各界人士圍繞此話題進行了深入探討，精彩觀點如下——
 

　　吳琪 埃森哲副總裁、大中華區副主席表示：
 

　　“技術才是撬動智慧工廠的杠桿，“工業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。在這樣的背景下，很多中國企業家紛紛開始探索新一輪的創新改革，埃森哲建議企業家們在給予產業革命足夠重視的同時，不可小覷另一項革命——引發產業革命的真正源動力：技術革命。我們從埃森哲的市場調查中發現，中國很多大中型企業的工作重點是發展智慧工廠，尋求讓工廠變得更加自動化，但常常忽略了自動化背后的核心推動力。
 

　　德國西門子的安貝格工廠是以全自動化聞名，該工廠二十多年前開始著手建設全自動工廠，但取得突破性進展還是得益于近幾年微電子技術在工廠的廣泛應用。通過收集產品信息和物流數據，連接各平臺，形成整體的集成思路，安貝格工廠得以大大提高生產效率，成為智能工廠的典范。
 

　　另外一個引人矚目的智能工廠來自德國的博世。它突破性地使用無線電技術，使所有零件都有一個獨特的射頻識別碼，同沿途關卡自動“對話”，從而創新地將智能化、信息化、自動化等技術融入到整個制造過程中。這一技術的使用，不僅使產品生產過程更加透明化，還便捷地給每個產品都貼上了智能

　　從這兩個案例中不難發現，讓智慧工廠更智能化、更柔性生產的，是新技術的應用，而不是僅停留在昂貴的設備。通過應用新的信息技術手段，企業將獲得生產過程中和產品使用過程中的信息，進而推動效率提升和產品創新。
 

　　推進“工業4.0”面臨的挑戰
 

　　在推進“工業4.0”的過程中，我們普遍會遇到一些困難和痛點，其中大的障礙往往是企業與股東缺乏統一認識。如果企業內部無法對“工業4.0”的內容達成共識，企業很難在共識的基礎上設定長遠戰略并部署相關方案。
 

　　有幸的是，當前中國在整個產業環境中，合作伙伴和政府都非常支持這種積極的探索。企業可以充分借鑒市場已有方案，或尋求與合作伙伴共謀發展，勇于打破傳統的推進方式。
 

　　運營效率低也是大部分企業的一個痛點，企業通過發展工業4.0這一有效手段，可以加速度地提高生產效率。另外一個顯著的問題是資產利用不充分，部分企業之前存在過度投資、過度產能、過度裝備的現象，所以當面臨新一輪革新出現時左顧右盼，甚至寧愿選擇墨守陳規，被新型企業的后動優勢和市場競爭所。其他的困難還表現在服務和守候成本過高。
 

　　CIO在推動工業4.0中的關鍵作用
 

　　CIO需要在企業工業4.0建設中扮演起更重要的角色。由于技術和數據是整個產業變革的根本驅動力，無論從技術專業背景還是從信息資源資產的角度來看，CIO都具有推動企業向前發展的先天性優勢。
 

　　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IT資產之外，他們還要和銷售、研發、運營等更多業務部門進行合作，推動、支持他們發生變化。無論是把握自己的職業發展機會，還是為企業創造更大價值，CIO對于這一歷史使命都應勇擔大任。”
 

　　郭朝暉 寶鋼中央研究院研究員
 

　　什么是工業大數據？
 

　　工業大數據目前還沒有很的定義，一種說法是工業大數據就是信息系統中使用數據的二次利用。企業對于已有的數據進行挖掘，盡量多地獲取所需要的信息，但相對比較被動。第二種則是前瞻性地對于生產和各種過程痕跡記錄，創造一個用數據說話的條件。
 

　　事實上，工業大數據不同于普通的商務數據，工業大數據的收集原理是要基于完整性、完備性為出發點，才能還原系統的全貌和生產流程的完整過程。如果僅僅單純觀察數據本身，借助收集到幾個變量之間的關系，片面地看待問題，會導致完全錯誤的判斷。只有對完整大數據的合理應用，才能真正幫助企業透明化，從而有利于企業的管理、運作，用以支撐人員的精簡、人工效率提升以及質量的持續改進。
 

　　數字化轉型與去產能的關系
 

　　去產能是短期的，企業需要面向未來，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。
 

　　企業需要構建頂層設計，使數字化能支持轉型。數據質量對企業極其重要，尤其是那些關鍵性的數據。同一個數據在不同的場景下會有不同的含義，運用好這些積淀的數據需要花費較長的時間。企業在完備累積的過程中不斷產生新的數據，也在不斷創新產生新的應用，依托之前保留下來的關鍵性數據信息，一些重要課題得以解決。
 

　　如何使工業4.0發揮大價值？
 

　　工業4.0下的企業跨界合作首先應該以共贏為基礎。好的商業模式應該允許企業上下游之間的一些壁壘被打破，實現雙贏，創新地進行發展合作。比如，有些企業本身沒有倉庫，鋼鐵企業可以做成零件之后直接交給他們，協助他們做到零庫存。
 

　　“工業4.0”的另一個重要意義是幫助企業深入發展個性化定制。比如鋼鐵行業需要關注鋼的厚度、寬度、涂鍍以及包裝方式等需求；汽車行業需要關注汽車品牌用戶的“私人訂制”。企業如果只滿足低端產品，數據投入產出比是不劃算的。所謂智能產品，其實是基于實物產品本身，又包含CPS內容而引申發展的。
 

　　企業是否轉型為智能服務，要根據企業自身定位決定。深刻了解目標客戶的需求，在保證企業效益的前提下，穩步走向智能化企業。
 

　　李杰 辛辛那提大學及上海交通大學講座教授
 

　　數據如何為我所用？
 

　　未來的企業傳承將不再依賴于個體經驗，取而代之的是鑰匙，是可以把企業行為邏輯找出來的數據，它終將成為企業的核心靈魂。
 

　　工欲善其事，必先利其器，一直以來中國企業非常推崇德國制造的器匠精神。的確，產品制造的價值不容小覷，然而要想把握機遇，實現產業創新，使自身在日益嚴苛的市場環境中更富價值，就不能再一味停留在產品制造的探索領域，而是需要打開思路，尋找一把新的鑰匙，學習了解制造的精髓，使目光越過冷冰冰的工廠和機器，直達互動數據的邏輯關系所在，并從中發現客戶的真正需求，進而全面提升企業的競爭力。
 

　　正如我所提出的“蛋黃蛋白”模式，蛋黃就好比產品，而蛋白則是產品使用當中產生的價值。企業只有探尋從制造本身邁向價值創造的發展路徑，才能終孕育出嶄新的數字化能力，真正實現脫胎換骨。
 

　　大數據的概念大家并不陌生，相當多的企業可以通過收集各類傳感器數據，借鑒歷史資料，應用CMS或是憑借個人經驗等方式，獲得一定程度的預見能力。但是如果所收集的數據未能做到三個R(Resource、Relation、Reference)，則很難形成一個對稱的產品信息系統，從而導致大量的數據冗余。
 

　　那么該如何避免大量數據冗余？又如何通過已收集的數據獲取洞見能力？建議如下：
 

　　1、IOT集成 傳感器網絡化
 

　　一個工廠往往有上千個傳感器，但不是每個傳感器都需要接入網絡。2005年，豐田曾提出要減少50%的非必要性維護需求。于是，面對約兩千個機器人的復雜生產線，將一定時間段內故障時間超兩小時的機器人遴選出來，目標范圍就縮小到138個機器人。然后再對這138個機器人的零部件進行故障率分析，通過可視性和邊緣計算，找出哪些應用鏈零件必須更換，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傳感器上，用有效的辦法降低了80%的生產型浪費。
 

　　2、數據到信息化內容轉變
 

　　在生產過程中，企業會遇到各種各樣的數據，但僅僅掌握數據是遠遠不夠的，需要對數據進行有效的識別，厘清數據內在的邏輯關系，通過先進的建模方法使之轉變為有效、有用的信息內容。
 

　　現代化制造業尤其是精密制造業的制造和時間成本都十分高昂。以三星的12寸晶圓廠為例，其整廠投資額高達450億美金，里面的設備動輒數千萬美元一臺。如果設備發生故障，損失將難以計數。因此三星在生產過程中花費了近三分之一的時間做各類可靠性檢測，使真正用于制造產品的時間只有三分之二，這無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個傳感器，通過使用概率方，將傳感器對應的控制器時間成本整理出來，再結合歷史數據，就形成了一個傳感器關系圖，從而對各傳感器在生產過程中的重要性一目了然。通過這種方法，三星只需重點關注5個傳感器，即可達到99%的檢測精度，大幅度提高了生產績效。
 

　　3、虛擬網絡化的內容管理
 

　　的預判來源于完善的內容管理，這可以幫助企業減少損失。
 

　　預計中國各大工廠在2017年會擁有40萬機器人，一旦某臺機器出現問題，將導致整個生產線的中斷和大量的資金浪費。CPS虛擬網絡化的數據分析管理用以幫助企業提前預見到可能的故障，從而提率、減少浪費。
 

　　舉例來說，如果每天早上安排機器人做5分鐘運動，讓每個機器人的每個軸的電量存儲存起來，然后連同其之后工作的數據值一同做比較，通過深入比較之后找到數據變化大的一個軸，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現。
 

　　后再回到“蛋黃蛋白”理論。很多企業往往只留意到蛋黃，看重制造或產品本身，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走出自身發展瓶頸、找到市場競爭力的所在。發現蛋白的價值并創造新價值的關鍵，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需求，從而開發自己的產品。
 

　　(原文標題：工業4.0究竟該怎么搞？快看看這些大咖的精彩觀點!)