您的位置:首页 > 其它

【财富空间】2018新年文告-致思考未来的中国企业经营者同行

2018-01-05 00:00 513 查看
作者:陈广乾  来源:廣乾草記 授权 产业智能官 转载
              

最近有些朋友问我,今年还出新年文告吗,这提醒我,一转眼2017年又要过去了。2017年中国注定不平凡,因为,2017年的十九大宣布,中国进入发展的新时代了。2017可列举的标志性事件很多,很自豪:350公里复兴号高铁开始运行、港珠澳大桥主体工程全线贯通、墨子号卫星发射抢占量子科技高点、C919大飞机诞生、第一艘国产航母下水、全球首次海域可燃冰试采成功、中国造首台光量子计算机问世、北斗卫星开始全球组网。


2017年是智能制造、大数据和工业互联网最为喧嚣的一年。政府,尤其是各级地方政府发起,各种行业协会发起,企业组织发起,甚至大学发起的智能制造会议层出不穷,年初到年尾绵延不绝。
和2016年比较,2017年最大变化之一是政府发起和资助的智能制造能力测评和基于测评的项目补贴进入了实质性开展阶段。我所创业的兮易和我们的战略合作伙伴一起,有幸参加了几个地方政府发起的当地规上企业智能制造能力测评项目,运用兮易开发的智能制造能力测评云服务平台用2个多月时间在线测评了700多家企业,团队实地走访100多家,同时我们自己也受企业之邀对10家大型企业的智能制造成熟度做了深度测评。
这一年的实践使我对2017年元旦发表的新年文告(第二份新年文告)中的一些思想有了更深的认识。主要有如下几点。这几点认识,其实都凝缩到了这样一张结构图上:兮易企业核心能力暨工业4.0智能制造(I4IM)能力模型。


▲兮易-I4IM能力模型

第一对目标与现实的逻辑链条的认识
中国企业做大做强的长远目标是智能制造。到底什么是智能制造,目前众说纷纭;什么水平的企业能称得上是智能制造企业,目前也没有统一标准。这一年,我和我的团队深度走访了大约20家企业,所谓深度,不是走马观花,而是下马考察。

我大致量化分析,企业真正完成了产线高度自动化和柔性化,能处理各种形态订单;内部系统纵向和横向全部集成;组建大数据团队,能真正有效进行复杂模型、大数据增值分析和预测的企业,说老实话,一家也没有看到
管窥   现状设备实现了高度自动化,甚至无人化的企业有三到四家,但设备的数据并没有实现集成和可视,Scada和MES目前正在规划中,ERP已经实施,但ERP也就是一个孤岛,尽管其中有的企业已经申请到了国家智能制造补贴。传统IT系统表面看大部分都已完成,用IT总监的话说,我们该上的系统都上了,但业务部门的人说,我们没看到对业务指标的改善到底贡献多大,这样的企业占大多数,有10多家。我们还看到一家这样的企业,自动化设备非常先进,但核心企业应用系统(ERP、MES、CRM等)几乎没有,最近想拿国际大客户订单,但由于没有ERP,没有MES,物料批次跟踪和质量追溯难以实现,在大客户的强烈要求下,才开始做系统建设规划。



20家的管窥,至少可以得出这样的结论:今日中国企业之现实,肯定绝大部分都还不是智能制造企业,相当一部分都还处于前2.0阶段,即以工业化和标准化为主要特征的大规模制造阶段(见上图)。好一些的企业已经开始从2.0向2.5迈进,即开始向以自动化和模块化为特征的大规模定制阶段迈进。我们必须认清这个基本现实。
同时,我们的企业经营者不能没有目标。企业的生存、发展,企业家梦想的实现都需要目标。目标很明确,就是上图中的朝向以互联、智能和大数据为特征,充分满足用户个性化需求的个性化定制的方向迈进,用周济院长的话说,就是向数字化、网络化和智能化迈进。
如果一个企业目前水平在1.8(我们测过的几百家企业中占半数以上都处于前2.0阶段),如果这个企业老板的眼界,自觉或不自觉,已经放在了3.5,那么,1.8到3.5之间的这个逻辑链条就必须为企业决策者所认识,否则,会酿成重大投资决策失误,造成重大机会成本损失。
兮易的企业核心能力模型揭示出从前2.0阶段发展到2.0-3.0阶段,进而再发展到3.0-4.0阶段,这个明显的阶段性可以被认识,但难以去跨越,这里边有一个从传统制造走向先进制造的内在逻辑制约。做过企业的人,其实比较容易理解这个逻辑,长期做企业,而且越是做得成功的企业,越能深刻体会,甚至敬畏这个逻辑。在传统单机自动化产线上,我们安装了若干传感器,买了一批机器人,甚至是智能机器人,跑上几台AGV,在参观通道上安装几台大型液晶屏,就跑步进入共产主义了吗?
如果说,1.8到3.5核心是企业数字化,是企业的数据采集、打通和集成,是集成而来的数据增值性分析,这一项工作,我们的企业走了多少年,多少年后的今天,有多少企业敢于拍胸脯说,我的数据纵向、横向、端到端都实现了集成。


其实更深层,也是更艰难的,数据集成意味着什么,意味着业务端到端打通,组织端到端打通,绩效端到端打通。
环顾今天的大多数企业,我们的业务打通了吗?组织没有障壁吗?绩效都是同向的吗?这些都没有打通,数据怎么能打通。这个逻辑的制约就是,数据的可采、可视、可集成和可分析都没有实现,我们怎么去进行大数据分析,怎么去实现基于大数据分析模型的智能化?

在认识这个逻辑上,企业必须建立链条环节的概念,从1.8到3.5到底有多少个环节,每个企业不同,但每个企业都需要认识。小的局部环节可以跨越,但大的关键环节只能是胸怀远大目标,但要脚踏实地去打通,去建设,去优化。
因此,在解决这个目标与现实的逻辑链条上,企业真的,需要一个1.8现实到3.5目标的一步一步走的规划,一个务实的智能制造分阶段前行的规划,一个到底有多少链条环节的清单和一幅具体怎么走的路线图!

第二企业追求的原点与智能制造的逻辑链条
企业为什么一定要实施智能制造,换句降维的话说,企业为什么一定要搞自动化或模块化,大多数智能制造会议没有讨论这个问题,甚至是有意忽视了这个问题。原点只有一个,那就是客户的需求。但“智能制造的原点是对客户需求的理解”,这句话太过于简单,也太过于抽象。原点到智能制造之间有一个多环节的逻辑相关性,我们必须打开这个逻辑关系。对B2C产品而言



对消费者的需求(这个需求表现为对产品性能、外观、质量、价格、服务的需求)的理解,对消费文化变化和消费者行为变化的认识,对竞争对手提前应对消费者变化的捕捉,是这个链条的第一个环节。▼
这个环节可能触发第二个环节的三个场景:一是倒逼产品形态的重构(比如新能源汽车对传统汽车,尤其是刚刚震撼发布的完全是异业突入的蔚来ES8);二是倒逼渠道的扁平化,甚至渠道重构(比如阿里2017年发布的新零售);三是倒逼销售订单的形态变化(大批量订单到小批量订单,甚至到零碎订单)。▼
这三个场景可能会触发这个链条的第三个环节:产品形态的重构将导致生产这个产品的产线的重构,这个重构在未来可能是采用更先进的产线,比如高度自动化产线,甚至是更多智能设备导入的智能化产线;渠道扁平或渠道重构最终必然导致直接的C2F,导致用户对产品的更直接和更完美的体验;订单形态的变化可能导致日益增加的小批量、多品种,甚至是完全个性化定制订单。▼
再往前走,走向第四个环节,才进入企业有可能开始智能制造的规划和详细设计,接着才会走向智能制造的分阶段实施。可以明确地说,这个链条对一个具体企业来说,并不一定是必然的,它可能仅仅会触发局部的自动化改造,可能会触发信息系统的打通,也可能会触发质量提升项目的发动,也可能是现场精益项目的实施。
但,无论如何,我们在讨论智能制造的时候,在给企业做智能制造规划设计的时候,一定不能忘记这个原点。忘记这个原点,智能制造就是无病呻吟,甚至是适得其反。对B2B企业也是一样



在客户和智能制造之间,也存在类似的链条。我们必须从客户的需求出发,甚至从客户的客户的需求出发,尤其是从客户需求的变化出发,倒逼规划企业的智能制造。目前多数B2B企业还缺乏从这个原点出发思考自己企业的智能制造。
2017年我到过十几家上游B2B企业,它们有的是无机化工企业,有的是改性塑料企业,有的是铜加工企业,有的是化纤企业,它们都在思考、谈论、规划智能制造,有的宣称已经开始了智能制造,但都缺乏对客户需求的深入、全面和细微的洞察,都没有建立起客户多维标签、360度分析视图,我常常在想,失去了这个原点,它们从哪里开始画智能制造这个圆呢?智能制造本身能解释为什么需要智能制造吗?


第三智能制造能力的含义
智能制造,从国家层面,尽管已经发动了三年,但至今没有明确的定义,因此,也难以形成一致的共识。
从兮易企业核心能力暨I4IM模型中可知,我把智能制造,不是看作一种技术的集群,而是看作一种能力,一种企业的核心能力,一种核心能力的培育和提升。智能制造技术仅仅是对能力提升的赋能形式。离开能力建设,智能制造对企业没有什么魅力。智能制造技术引入到企业是要花钱的,花钱就是要能打造出一种能力,一种差异化能力,这种能力的提升必须是可以量化的。



从能力这个视角出发,我认为,智能制造应该有七大类,至少26种能力。限于篇幅,只能简略介绍。
比如,销售能力。销售能力体系中有渠道扁平化能力,全渠道一体化能力,未来直接C2F就是非常重要的智能制造能力。C2F能力的形成必然需要基于互联网的企业与客户直接交互的平台的建设,直接交互的结果,比如一个新产品创意设计必然需要一个直通订单处理中心的系统平台,而这个系统可能不是以往的CRM+ERP+MES系统,未来很可能就是一个新的集成统一的云服务系统。
又比如,市场营销能力。这由两个能力构成:一个是深度的市场洞察能力,另一个是360度客户(用户)洞察能力。



这两个能力的形成,在今天和未来没有大数据技术是不可想象的。马云新零售一个非常重要的关键点就是对用户基于大数据的360度分析,包括用户消费行为分析、用户消费轨迹分析、用户所在空间活动轨迹分析等,这种分析配合以门店位置、门店品类管理数据,无疑可以获得传统零售企业无法企及的对用户需求的精准理解。
再比如,产品全生命周期管理的能力。这至少由四种能力构成:产品企划和规划的能力、产品研发能力、新品上市和老品退市处理的能力、技术创新管理能力。基于大数据的市场洞察和客户洞察是面向客户定制需求设计工程的先决条件;设计仿真和工艺仿真将全面实施;全球同步实时的互联网协同研发设计将是未来主流研发平台;未来多专业的智能产品设计将大行其道。
还有服务能力。在智能制造服务能力描述上,PTC公司的构想,是我看到的最全面的能力阐述:1. 研发与服务的协同;2. 维修性分析;3. 维修规划及任务设计;4. 维修设备设计;5. 技术信息创建及管理;6. 服务交付协同;7. 运营监测及快速响应;8. 备件预测;9. 精准的服务培训;10. 基于AR的信息服务支持;11. 维修工程与维修协同;12. 远程维修;13. 预见性维修;14. 基于AR的现场服务;15. 维修知识库管理。
还有智能制造交付能力。主要有,基于数据模型的销售预测驱动的供应链计划;以工厂建模、线体建模、设备建模和工具建模为基础的订单中心、生产中心、工艺中心、设备中心、物流中心成本中心、人力中心等集成的智能制造平台;工厂规划、工艺设计、制造的全面仿真;场内和场外的智能物流;模块化供应商以及基于互联网的采购平台;全球生态链的制造分包与协同能力等。
还有全面质量管理能力



在前2.0阶段质量管理能力主要表现为事后的追责,但由于设备的不完备和单机自动化,由于系统的缺乏和系统孤岛,其实还谈不上事后的端到端追责。在2.0-3.0阶段质量管理能力应该提升到端到端追责和事中控制,而在3.0-4.0阶段应该是零质量缺陷,应该是事故的预防,应该是基于大量失效分析所形成的防呆、防错。零缺陷和预防是最难的,没有大量智能设备的导入,没有大量的深度学习和认知模型是难以实现的。
智能制造作为一种能力,一种企业的核心竞争能力,我的看法:是由五种要素赋予的,也就是说,有五样东西赋予了智能制造的能力打造,这五样东西是,一、设备(含工具);二、系统;三、数据;四、人才;五、作为能力引擎的Lean或BPI项目,见上图。

在大规模制造阶段(前2.0-2.0),五种要素的赋能表现为,设备层面是手工操作或单机流水线;系统层面是系统大规模建设初期,是系统孤岛期,也是对系统赋能认识的肤浅期;数据层面则是对数据资产认知的浅水区;人的能力还主要停留在工业化和标准化能力建构上。



在以自动化和模块化为主要特征的大规模定制阶段,设备已经进入到自动化(2.5以前)和高度自动化(2.5以后),离散型企业已经进入到模块化产线(2.5以前)和全面模块化组装工厂(2.5以后)阶段。核心业务系统,至少ERP、MES、PLC、WMS、PLM、CRM、BI已经基本实现集成,而且业务线基本实现端到端打通。基于高度自动化产线和集成系统所产生的数据,实时和半实时的数据,已经能被有效分析,从而形成量化的KPI曲线,形成目标、预测、实际和差距,对决策起非常明显作用的分析模型。
而3.0-4.0的智能制造的能力,就是在自动化和数字化的基础上,五种先进技术成果的更广泛和更全面的应用。这五种是:智能硬件技术(智能机器人、传感器、智能AGV、VR等);IT软件及云计算技术;互联网技术;物联网应用;以机器深度学习、AI和认知计算等为核心大数据技术。

写在结尾

去年的新年文告的结尾,我有这样一段话:


总之,2017年文告,和2016年一样,还是聚焦在企业能力建设,尤其是三大新动能建设上。在2016年思考的基础上,希望2017年伴随我们开发的工业4.0智能制造测评模型走向市场,伴随智能制造全生命周期工程的落地实践,能把我更全面、更深刻和更具批判性的思考奉献给朋友们!


此刻,听着新年钟声敲响的声音,看着这段话,有些脸红,这一年忙忙碌碌,没有形成多少“更全面、更深刻和更具批判性的思考”。
但也有些许的自豪,这一年我们开发的工业4.0智能制造测评模型真的进入了市场,真的经历了数百家企业的检验,政府感觉到,这是政府推进本地区智能制造扶优扶强的量化的工具,东莞有几家企业,经过我们的模型评估后,感觉我们的模型有深度、有厚度,对我们模型打了高分。

在2018年,我和我的团队,目标非常清晰:不忘创业初心,在工业4.0智能制造模型的优化和市场实践中抱元守一、继续砥砺前行
最后,由衷祝你们,在中国和在海外的朋友们,新年快乐!

声明:本文陈广乾先生原创,版权归属陈广乾先生所有如需转载,请注明出处【廣乾草記】与作者【陈广乾】 



人工智能赛博物理操作系统AI-CPS OS“人工智能赛博物理操作系统”(新一代技术+商业操作系统“AI-CPS OS”:云计算+大数据+物联网+区块链+人工智能)分支用来的今天,企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中,利用AI-CPS OS形成数字化+智能化力量,实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能,而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化,这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合,没有颠覆现状的意愿,这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量,领导者必须在行业、企业与个人这三个层面都保持领先地位:
重新行业布局:你的世界观要怎样改变才算足够?你必须对行业典范进行怎样的反思?
重新构建企业:你的企业需要做出什么样的变化?你准备如何重新定义你的公司?
重新打造自己:你需要成为怎样的人?要重塑自己并在数字化+智能化时代保有领先地位,你必须如何去做?
AI-CPS OS是数字化智能化创新平台,设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端,可以帮助企业将创新成果融入自身业务体系,实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉,形成了领导力模式,使数字化融入到领导者所在企业与领导方式的核心位置:精细:这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切,进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能:模型随着时间(数据)的变化而变化,整个系统就具备了智能(自学习)的能力。
高效:企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力,这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性:数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验,其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域:技术、文化、制度。
边界模糊:数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化,还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长:
创造虚拟劳动力,承担需要适应性和敏捷性的复杂任务,即“智能自动化”,以区别于传统的自动化解决方案;
对现有劳动力和实物资产进行有利的补充和提升,提高资本效率;
人工智能的普及,将推动多行业的相关创新,开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议:
超越自动化,开启新创新模式:利用具有自主学习和自我控制能力的动态机器智能,为企业创造新商机;
迎接新一代信息技术,迎接人工智能:无缝整合人类智慧与机器智能,重新评估未来的知识和技能类型;
制定道德规范:切实为人工智能生态系统制定道德准则,并在智能机器的开发过程中确定更加明晰的标准和最佳实践;
重视再分配效应:对人工智能可能带来的冲击做好准备,制定战略帮助面临较高失业风险的人群;
开发数字化+智能化企业所需新能力:员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说,创造兼具包容性和多样性的文化也非常重要。

子曰:“君子和而不同,小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能,像君子一般融合,一起体现科技就是生产力。
如果说上一次哥伦布地理大发现,拓展的是人类的物理空间。那么这一次地理大发现,拓展的就是人们的数字空间。在数学空间,建立新的商业文明,从而发现新的创富模式,为人类社会带来新的财富空间。云计算,大数据、物联网和区块链,是进入这个数字空间的船,而人工智能就是那船上的帆,哥伦布之帆!
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力,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。重构生产、分配、交换、消费等经济活动各环节,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、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。

产业智能官  AI-CPS用“人工智能赛博物理操作系统”(新一代技术+商业操作系统“AI-CPS OS”:云计算+大数据+物联网+区块链+人工智能),在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能;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





长按上方二维码关注微信公众号: AI-CPS,更多信息回复:
新技术:“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”;新产业:“智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市”[b]、“智能驾驶”[/b];新模式:“财富空间”、“数据科学家”、“赛博物理”、“供应链金融”官方网站:AI-CPS.NET

本文系“产业智能官”(公众号ID:AI-CPS)收集整理,转载请注明出处!

版权声明:由产业智能官(公众号ID:AI-CPS)推荐的文章,除非确实无法确认,我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题,烦请原作者联系我们,与您共同协商解决。联系、投稿邮箱:erp_vip@hotmail.com
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: