宝信软件资深项目总监王奕：工业4.0时代，关于企业智能制造的思考 | 魔方大数据13
在1月13日数据猿联合上海大数据联盟和宝信软件共同举办的“魔方大数据（13）之工业大数据”专题活动上，宝信软件的资深项目总监王奕以“企业智能制造的思考”为主题发表了精彩演讲，王奕提到智能制造是一种满足个性化需求，交付高品质的产品，并且能够快速响应服务的一种制造模式。
1月13日，数据猿联合上海大数据联盟和宝信软件举办了“魔方大数据（13）之工业大数据”专场，邀请工业大数据领域领军企业的众位大咖就工业大数据领域出现的新机遇、新融合、新挑战进行了深度交流与探讨。
与会分享嘉宾有：
宝信软件资深项目总监——王奕
青域基金合伙人——牟颖
美林工业大数据业务总监——李琼
明略数据上海副总经理——李勇
宝信软件高级技术总监——沈春锋
超算科技HPC事业部总监——丁峻宏
江苏大数据联盟（理事长单位 中堃数据副总经理）——陈隋和
博世物联解决方案总监——韩轶奇
— 视频版 —
— 文字版 —
本次分享长度为5500字，建议阅读11分钟
欲索取现场嘉宾分享的PPT，请关注数据猿微信公众号(datayuancn)并回复关键词【王奕】下载
以下内容为“宝信软件资深项目总监王奕”分享，并由数据猿编辑整理发布：
大家好！非常容幸能有这个机会跟大家进行沟通和分享，宝信软件作为宝钢集团下属的一个专门搞信息化的公司，我们前期也和宝钢集团一起在工业数据、大数据的应用以及企业智能制造这些方面进行了深入的研究。
今天我要分享的主题是“企业智能制造的思考”。我将就工业4.0在中国的探索、智能制造等和大家进行沟通、分享、交流。
这里面我稍微强调一点，在这十个领域里面，装备制造业占据了绝大部分的内容，这也非常好理解，经过前面三十多年的发展，中国在世界装备制造业都是处于领先地位的。近几年来互联网的应用在中国也得到了充分的发展，我们认为工业化和信息化的深度融合发展一定能够让中国在国际上取得更多的发展机会。
我们说智能制造是中国制造业的生存之道，主要是因为需求的个性化和多样化是智能制造的驱动力。个性化制造本身就是一种服务型制造，而服务型制造的基础保障是来自高水平的制造。服务型制造需要高水平的制造过程作为基础，没有制造就没有机会去谈服务，就没有增值的机会和空间。高水平的制造需要长时间的知识积累，然后再进行应用。同时企业的创新可以产生差异化市场竞争的优势，避免恶性的同质化的竞争，因此个性化制造有利于创新型企业取得竞争优势，所以说个性化制造也是对企业创新活动的褒奖。
智能制造是一种生产方式，并不是目的，对于制造企业而言，产品永远都是它的核心。围绕产品核心，我们有两个思考的维度：
第一是效率型原则。做好产品，在提供高品质产品的同时，通过提高效率，可持续的控制产品的成本。
第二是创新型原则。生产其他企业不能生产的产品，这是更高层次的发展阶段，企业通过技术创新，取得技术和市场上面的领先优势，我们从这个意义上面来说认为智能制造的目的是为了企业创造价值。
接下来分析一下制造过程的几个核心要素：
从传统工业制造的角度来看，产品的质量、价值、价格是永恒的话题。对于任何企业来说，都要追求达到产品质量的稳定，并且能够获得与这个产品质量相适应的价格和价值。
从互联网+的角度，随着互联网技术的普及，个性化需求是必然的趋势，互联网提供了可以快速响应的手段，对于用户的需求可以及时得知、快速应对，从制造业服务化的角度来看，我们认为快速响应有时候比降低成本还要重要。
四个核心要素对于企业是非常重要的，提供好的产品，并且能够持续的控制成本，以满足企业生存的目标，另外通过制造过程的信息分析和处理，能够柔性进行生产、组织，满足整个产业链的需求，提升智能化的水平，这是实现企业发展的目标。企业生存和发展的目标对于我们智能制造的要求，是要提升整个产业链智能化的水平，产业链上面的企业才能够迈向服务型的制造。
从制造模式以及应用的技术手段来看，我们认为智能制造是一种满足个性化需求，交付高品质的产品，并且能够快速响应服务的一种制造模式。
谈到智能制造我们不能回避的一个话题就是成本。我们在跟很多企业以及自己内部讨论的时候都会碰到这样的一个问题，就是智能制造是否会增加成本，智能制造能够降低企业的成本吗？我们怎么样降低、控制成本，如果不能降低成本，我们为什么做智能制造？实际上这个话题是非常敏感的，在我们进行内部讨论以及跟宝钢讨论过程中，大家经常就这个问题，展开非常尖锐的沟通。
今天我们想从另外一个角度来回答这个问题，不再纠缠于是不是真的能够降低成本，而是引用工业4.0里面所提到的“更好，而不是更便宜”作为变革的机会和基准。智能制造追求的是更好，当然成本也是各个企业关心的问题，但是和以往不同的是，我们控制成本的途径是可持续的去提高效率，并不是像以前一样用传统的方式来控制制造企业的成本。
通过分析和研究我们总结了提高效率的六个原则：
1.智能装备的实时互联与精准控制。智能化的生产设备既能够协作生产，又能够快速响应外部变化，降低某个环节的突发异常对于其他环节的影响，我们从而可以控制无所谓的成本的发生。
2.可灵活调整工艺制造路径和过程。通过软件的规则配置，调整工艺制造路径和过程，能够满足用户的个性化需求，在成本可控的同时柔性适应产品的个性化定制的需求。
3.尽可能在虚拟空间完成更多工作。在虚拟的环境下对整个制造工作进行模拟和仿真，基于数据通过软件完成一切有可能产生额外成本或者有存在不确定性的工作，得出确切的方案以后再进入实体制造，通过软制造控制成本。
4.基于约束进行动态的预测与决策。在新技术的支持下，我们可以最大限度的考虑需求、市场、合同、能源、环境等各种约束条件，基于对未来工作状况的动态进行实时预测，消除盲目和不确定的成本。
5.追求协同是智能制造的核心理念。企业内部部门间的业务协同是管理的要求，企业间的协同是基于价值共享的一种市场行为，协同增加了彼此的信息透明，实现业务流程的集成，极大的降低了协作的成本。
6.接近市场的知识型员工进行决策。企业组织的扁平化、企业决策由企业顶层向更接近市场的知识型员工下沉，提高决策的实时性和效率。
从这六条原则我们可以看到，在智能制造或者在工业4.0的时代，我们想要控制企业的成本不再像原来简单、直接地控制原料的成本，控制人工的成本就行了，我们要从效率出发，用提高效率的手段来控制整个企业整体的成本。
面向四个核心要素，要有针对性的设计智能制造的解决方案：产品质量、价值与价格、个性化需求、快速响应，这四个核心的要素和六个提高效率的原则进行灵活的组合，从而得出未来的核心制造应该在什么方面获得提升。未来这样的制造方式不再采用劣质材料、无视环境污染、漠视知识产权、过度压缩人力成本、挤压合作伙伴的价值的方式，而是通过企业内外的创新举措，提高效率，既提高企业内部的制造效率，又提高企业间的协作效率，这是一种全新的制造模式。
推进智能制造要进行顶层设计，建立相关的参考架构，参考架构的实质是利用数据的标准化表达有关的技术，确保数据流动的自动化、透明化。参考架构的设计、平台部署方面，有很多国外先进的企业，比如说GE或者西门子他们已经展开了参考架构的设计，也提出了长远的布局和安排。
智能制造解决方案的核心是数据，在这个过程当中我们会提到很多的工艺、流程，但是所有的这一切在计算机系统当中都是通过数据来进行表达的，未来世界万物都会以数据的形式进行描述和表达，而参考架构的本质是数据表达方式的标准化。
通过前面的分析我们总结了推进智能制造的三个步骤，并称之为可视化的三个层次：
1.制造全过程实时监测与控制，基本上目前有过程控制系统的制造企业都已经实现了。
2.以产品质量成本为主线的全面的可视化设计。
3.围绕产品全生命周期的虚拟工厂的构建。
制造过程的实时控制是工业控制的基本要求，SCADA监控已经非常普及，做得好一点的，点状的监控集成为一体化的控制，利用大屏幕可以看到各个点实时的工艺流程的情况。这两种方式可以实时监控过程的设备状态，保证控制的实现。很多企业都已经实现了制造过程中的实时控制阶段。
围绕产品质量成本为主线的可视化控制又比实时监控更进了一步。每个工序结束以后跟产品成本和质量相关的所有的数据，比如说计划执行实绩等等，都能够及时的上来。我们通过在系统里面设定了模型和标准，可以及时地分析当前阶段的质量和成本所产生偏差的原因，以及产生偏差的幅度，得到这个消息以后我们就可以进行调整。然后把整个模型和数据以及它的控制方法，应用在整个工业生产流程当中，从而实现全过程的质量和成本控制。在这个可视化的阶段，对生产制造企业数据的互通互联，以及智能的标准、智能的规范就有所要求了。
更进一步的是围绕产品全生命周期构建一个虚拟的工厂，尽可能的在虚拟空间完成有可能产生额外成本或存在某些不确定性的工作。基于多元数据、综合各类条件、预测未来的工况做出最优的决策。我们利用钢铁企业里面非常常见的一体化的生产计划做了一个图式，并利用数据、模型、工具等方法，通过作业计划、合同计划、资源计划三个层次的互联互通，在虚拟空间里面模拟了整个计划的运行过程，得出它的结果。消除异常因素以后，再把这样一个稳定的模型应用到实体制造当中，指导产品从研发到生产制造、到客户运输、到物流运输、到用户使用进行全过程的反馈。如果未来可视化达到这样一个阶段，我们智能制造最终的目标也就实现了。
前面三个层级的实现都是以数据为基础的，所以我们认为数据集成是提升可视化层级的基础。可视化不仅仅是字面上所表达出来的，好像我们能够看到的一个过程，其实它更重要的是来自于可视化背后的故事，也就是说我们把枯燥繁琐、杂乱无章的数据转变为有价值的信息，这才是我们可视化的核心所在，也是可视化的本质。
如何来实现信息系统的集成？德国工业4.0里面提出了三个集成的概念：
1.纵向集成，在企业内部构建网络化的制造系统。把企业内部IT系统进行深度集成，这个不仅仅有传统意义上面的信息系统，也包括传感器、执行器、控制器以及设备上面发生的信息，我们通过深度的集成，实现企业内部的信息流、资金流和物流高度一致。这个纵向集成在整个产业链的角度是一个点的概念。
2.端到端集成，贯通产品价值链。实现从产品的设计、生产制造、物流配送、使用维护的产品全生命周期的管理和服务，为客户提供更有价值的产品和服务的同时，重构整个产品链各环节的价值体系，这可以理解成是一条线的概念。
3.横向集成，产业链资源整合。企业之间通过价值链以及信息网络实现资源整合，推进企业间各类业务的无缝集成，实现企业间的信息共享和业务协同，这是一个面的概念。
通过三个集成我们可以最大限度的把数据收集起来，利用好数据，建立我们的数据模型，最终实现企业内部、企业之间、产品的流程以及整条产业链深度智能的提升。
可能很多人在看到这三个信息集成以后会问这样的问题：我们目前的流程制造企业能够实现这样一个集成吗？看一下这个图形，这是我们抽象了国内流程制造企业信息化的基本架构，主流的架构基本上逃脱不了多层级的概念，这也非常好理解，因为我们企业信息系统的建设长达十几年甚至数十年时间，给企业间信息系统的厂家也是多种多样的，难免出现层级的概念，当然也有多个独立系统的概念。
下面是企业目前传输的方式，它的数据都是按层级进行传输的，同期系统之间数据分享也非常困难，需要通过上位系统。这样的系统设计和信息处理的方式，以我们现在的角度去看，是比较低效的。
我们希望把旧有的这种按层级的数据传输的系统能够改建成为一个集成的企业大数据的平台，但是企业现有的信息系统架构和数据传输的方式是很难被全盘推翻、推倒重来的。在这个问题上，我们认为需要有长远的规划，从传统的数据模式走向企业大数据模式具体的应对策略，在一个较长的时间之内我们需要有一个过渡的过程。
传统的平台向未来大数据平台转变，这不是一件容易的事，事实上关于企业的大数据，也有很多不同的观点，但无论怎么样，数据系统不是一个事先规划好的系统，需要随着业务的增长来逐步填充，随着业务的发展，找出适用于大数据技术的应用场景，这是一个过程，在这个过程当中采用什么样的技术、集成什么样的资产，这是我们需要思考的重要话题。
企业大数据的建立带来一个很重要的问题就是数据治理。数据治理是指对数据的获取、处理和使用进行监管。我们认为数据治理是一个过程，同时也是一套体系，对企业信息化建设进行全方位的监管。数据治理也是一种系统，涵盖了前端业务处理系统到后端的数据系统，再到终端的数据分析，从源头到终端，再到源头这样一个闭环的系统。数据治理是企业信息化顶层设计中非常重要的环节。
刚才简单地跟大家分享了数据和架构的相关内容，接下来我们设想一下一线企业运营的场景，未来企业运营更多是在一个虚拟的环境下通过随时随地的互联、实时可视化、知识推送、共享平台，最终达到智能制造的目标，实现我们所向往的企业运营的场景。
前面我主要跟大家分享了数据和架构相关的一些技术。在跟宝钢，包括宝信内部讨论的过程中，我们也对企业实施智能制造提出了一些自己的想法，在这里，我想把这些经验跟大家分享一下。
1.智能制造归根究底是企业的创新，是商业模式的创新，是智能工厂技术的创新，是制造管理流程的创新，员工操作方式的创新，同时也是系统集成技术的创新。智能制造整个的实施是系统性的工程，跟我们以前所做的一些点状的改善或者面上的改善是不一样的，很可能要通过整个企业内部从体系到管理甚至组织架构的革新来完成智能制造的设计。
2.第二个我们认为迈向智能制造是任重道远的。首先我们不能从零做起，没有哪个企业因为实施智能制造就能把原有的资产或者原有的系统都推倒重来。同时智能制造不是简单的堆砌，带有不同时代的管理水平和技术特征的系统，具有大量提升效率的空间。切记不要忽略细节，在数据应用方面，特别需要数据的挖掘和沉淀，形成企业特有的运营创新能力。此外，还需要顶层设计的支持。以上说的这些方面都不可以一蹴而就，我们需要在持续改进过程当中迈向工业4.0的时代。
3.智能制造更考验管理者的决心。因为智能制造想要在成熟的大工业体系当中应用一个新技术，可能要放弃原有的成功经验，要不断地探索试错并容忍失败，所有的这些都是对企业现有架构的革新。所以这需要管理者拥有极大的决心，并且要有探索、试错并且容忍失败的准备。企业能不能推行一个好的智能制造的战略，跟管理者有着密切的联系。
谢谢大家！
整理：Abby，微信：wmh4178
来源：数据猿
点击关键词查看相关历史文章
-专访·深度-
-报告·前沿-
-更多关键词-