工业4.0评级与智能制造评测三部曲（上）：工业发展阶段论

　　对几乎所有中国企业而言，工业4.0从全新的角度，重新阐述了工业制造的本质问题，成为大航海走向彼岸的灯塔。

　　本系列为三篇文章，系统性地描述工业4.0特征、评测模型和评估维度，从而为企业提供清晰可见的评估、评测和实践的步骤，真正提高企业的核心竞争力。本文为上篇。

　　一、工业4.0阶段论

　　当下工业升级的浪潮中，德国、美国和日本，都有自己走向未来的航程。而对于中国企业经营者，无论目前处于什么阶段，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2.0或前2.0走向4.0，这是一个过程，表现为一个历史时空的概念，一个“工业发展阶段”的概念。

　　我们认定为“阶段”的东西，它就有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，跨越3.0，一步就梦想实现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，整体是不可能的。

　　基于对“工业发展阶段”的理解，笔者提出了工业4.0三阶段体系，并形成了2.0、3.0和4.0的建模体系，开发了一个2.0到4.0，以模块为基础的结构化图谱。

　　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，中国企业，也包括外国企业，都还在这个阶段：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，谈4.0都没有太大意义。

　　工业3.0，一般阐述是自动化阶段，我个人更倾向于认为是，大规模定制阶段，台湾更愿意叫客制化阶段，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。这就是一个巨大的历史进步。这个阶段，没有自动化的技术也是不可想象的，电脑和打印机的制造、飞机发动机的组装、汽车的制造，都能证明这一点。

　　工业3.0，我们提出的体系是模块化概念。这是应对个性化挑战的重要举措。

　　大规模制造解决的是人们的基本需求，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，是实证过的东西。根据前后两任哈佛商学院院长的研究，模块化实践其实是始于计算机，尤其是IBM360主机的开发和制造。

　　这也就解释了计算机，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。

　　在这一点，丰田汽车应该是做得最好的。汽车行业也是模块化走得比较早，比较扎实，也比较成功的产业。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，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，都没有绝对的，都是相对的，因为每个企业个体的发育水平完全不同，没有一个普世的阶段论。

　　二、工业4.0的发展路线图

　　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1 工业4.0企业流程主图

　　这张主图代表了工业4.0的企业流程逻辑。

　　图2 工业4.0的驱动要素

　　工业4.0的驱动要素包括以上五大要素，分别是用户驱动（图中1号和2号）；工厂驱动（图中的3号和6号）；设计驱动（图中的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，一共涉及到八个模块环节。

　　下图以工业2.0的阶段为例，给出了工业4.0的发展路线图和演进路线。

　　图3 离散制造业工业2.0的路线图

　　也许有人会争论，工业2.0为什么会引进“智能”的概念？我们认为，在当前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。

　　三、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，创造以前没有的新增价值，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，而非数据量的大小和数据多样性的多少。

　　互联网到来以前，一个全球性大企业每天订单处理的数据量也不可谓不大，大型钢铁企业MES层或过程控制系统小时分钟级的数据，国家电网数据，电信运营商数据，都是巨量数据，但如果不能创造全新价值，就不能被称为大数据。

　　就企业而言，判断是不是大数据，基准点只有两个：价值新增和对未来的预测。

　　图4 大数据维度的企业流程主图

　　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，如原材料成本、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。伴随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。

　　什么是企业核心业务（Core Business）？

　　很简单，关乎一个企业生死存亡的业务，让企业赚钱和发展的业务就是核心业务，建立核心业务的端到端模型，是大数据建模的起点。因此，大数据建模与分析的出发和归宿都是业务。

　　图5 大数据建模的方法

　　以创建“质量分析大数据模型”为例，不能光看制造质量数据有没有竞争力，也不能光看设计质量数据，而要看“质量全生命所有业务节点”的数据。

　　图6 十大核心业务的质量数据

　　从这张图可知，至少要看10个核心业务维度的质量数据（从质量投诉索赔数据倒逼），同时还要看与10个核心业务直接相关的产品规划、产品研发、新品上市，还要看与供应链相关的数据。

　　一个真正管用的质量大数据分析模型，甚至还应该看更多维度的数据，比如，质量管理岗位的角色和职责数据（R&R），看质量管理标准和规则数据，看关重件的质量定义（关键特征）数据，看质量管理人员的能力数据等。

　　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在这个节点做得非常漂亮，五颜六色的滚动驾驶舱，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，不增值业务的摹写，那就不是大数据！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。

　　这是大数据的核心，也是大数据的灵魂，在这个节点，不是数据采集，也不是数据处理。

　　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，而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）。

　　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。

　　四、工业4.0 的评测及特征

　　在理解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的评测的目标所在。

　　实际上，这正是围绕建立中国企业核心能力C3（Corporate Core Competency）而来。所有的测评、分析、改善，都是围绕着C3而来。

　　那么，如何进行工业4.0的评测，模型展示如下：

　　图7 评测模型

　　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，因此必须引入一个阶段的概念，因此，模型提出了：前2.0和2.0的阶段，2.0到3.0的阶段和3.0到4.0的阶段，这样动态的“工业阶段性进步”的概念。

　　这样的好处是，每家企业首先要知道，在当下处在一个什么发展水平上。这是进步的出发点。这就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3.0，以至于工业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，这个和德国工业4.0的定义也吻合。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。

　　在前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，一个是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，是智能化阶段。

　　从企业经营的本质看，是“个性化制造”的阶段，就是说，是个性化订单满足用户个性化需求的阶段。这个阶段从信息系统角度看，如果不采用智能设备，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。

　　大数据的定位

　　从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。

　　然而，所有关于工业阶段发展的理念，其实也是非常简单的逻辑。

　　企业经营者需要永远不忘初衷，就是企业的本质和存在的合理性，那就是：不断满足用户变化的需求和用户的完美体验。