图 1从收入和成本降幅看，多数行业收入降幅大于成本，原材料、非必需消费品、汽车、医药收入下降快于成本幅度更大。 表 1从利润降幅看，电子、装备、消费品等中下游行业利润持续、显著改善，原材料等上游行业利润仍快速下滑甚至恶化。备注：深绿色代表增速高于10%的行业，浅绿色代表增速在0%-10%之间，黄色代表降幅在0%-30%之间，鲜红色代表降幅在30%-80%之间，深红色代表降幅大于80%。 图 2从利润率看，生活必需类消费品行业利润率最高，装备制造业整体较高，汽车、电子设备制造业利润率不高但有显著提升，原材料行业利润率普遍较低，盈利能力减弱。 表 2我国制造业行业效益相关指标
在全球疫情肆虐的紧张环境中在前前后后10轮的激烈竞标后卫华俄罗斯办事处凭借新型产品方案的绝对优势成功中标并签订俄罗斯国有阿穆尔造船厂千万大单目前17台新型双梁桥机已处于生产图纸设计阶段▲俄罗斯阿穆尔造船厂参观合影▲ 俄罗斯国有阿穆尔造船厂成立于1957年主要为太平洋舰队制造常规潜艇与核潜艇2005年俄罗斯出口中国的八艘基洛级潜艇的一艘就是由该船厂制造▲俄罗斯阿穆尔造船厂▲ 卫华品牌自登陆俄罗斯市场之后就以高质量的产品口碑赢得多方青睐从俄政府援建孟加拉核电项目到卢普尔原子能集团项目到马里纸浆造纸厂项目再到俄罗斯原子研究院项目等等均获得俄罗斯客户方的一致好评甚至一度荣登欧洲专业机械杂志▲《lonmadi review》杂志报道卫华起重机▲此次项目客户对卫华产品满怀期待而卫华也将不负期望保质保量圆满交付订单伴随一个个跨国项目落地一座带有卫华标志的中俄友谊之桥正在拔地而起
误区一：工业物联网只是个高科技看板只关注工业物联网的数据收集和预测性维护功能，就好比只将飞机视作一种运输工具，或只将互联网看作线上信息的整合。事实上，工业物联网（或是数字化转型）代表着对价值创造的全面反思：它能够增加、提升和加速价值创造。工业物联网能够帮助企业获取和分析数据，将从中提取的洞见转化为行动来解决问题，并加速决策制定流程。新冠疫情期间，流行病学家和医学研究人员借助实时数据收集和分析技术，快速积累了海量洞见，大大加快了新冠肺炎治疗方案、检测方法和候选疫苗的推出。许多企业不缺少数据，而是缺乏数据的使用方法。有了数据湖和处理平台的支持后，工业物联网可以自动生成洞见并为用户发送提醒，从而更为高效地发现问题并采取行动。随后，相关凯发k8娱乐平台的解决方案和洞见会在所有团队、地点和应用程序上共享，让价值在整个企业中得到成倍放大。工业物联网系统的一体化能将实时收集的数据巧妙转化为重要的创新与战略。当然，企业若想成功部署工业物联网系统，就要全面且充分地理解其业务及价值创造方式。这还意味着企业必须了解业务痛点，将工业物联网的优势真正落到实处，充分实现端到端价值创造。因此，企业高管在制定业务战略的同时，必须做好战略决策，指导工业物联网的部署。微软（microsoft）苏州工厂在部署了工业物联网之后，仅用极少的投资就打造出了新用例。该工厂在启动机器学习后的短短几个小时内，就识别出了位处淘汰边缘的库存。其业务战略总监darren coil表示：“我们本身不缺数据，但物联网技术让我们真正看清了数据的本质。”借助物联网技术，一个5人团队仅用一年就为公司节省了近500万美元，并削减了两亿美元的库存成本。在宝马集团（bmw group），物联网平台是其所有数字应用程序的支柱，以极低的安装成本和投入就可实现“即插即用”。互联互通的数字工具箱可提升生产效率，让员工在整个集团内快速分享最佳实践。误区二：工业物联网将取代人工人们担心自动化会抢占就业机会。但其实，数字化转型中应用的新技术也将催生新的就业机会。这些新工作能够解放大量劳动力，使员工摆脱重复性和不健康的工作，并赋予他们新能力。对应用工业物联网的企业而言，首要任务便是为员工提供再培训，以充分发挥新技术的无限潜力。企业需要有人来管理机器、运行控制塔和数字孪生。他们希望员工能够进行数字化绩效管理，解读从车间成千上万个传感器中提取的数据、找到提高产量的方法，并得出可落地的洞见。企业需要更多的it人员来开发可访问海量数据的应用程序。除去数据科学家、数据工程师和技术领导人员外，企业还需要招募各个领域的专家、数字和分析翻译人员，以及产品负责人。产品负责人会与业务和职能领导层，以及数据和技术专家组成的团队进行商讨，识别问题并开发最合适的数字凯发k8娱乐平台的解决方案（见下图）。价值链的其他环节也必须展开再培训：比如，企业可能需要在采购部门招揽更多的成本工程师，使用成本建模工具来评估设备和采购成本。员工若想精准识别改进机遇，就必须接受培训。企业需要教会员工全新的思考方式和行为方法，让他们更多参与问题的解决，并制定能够通过技术平台在全企业范围内推广的本地凯发k8娱乐平台的解决方案，以达到最大效果。考虑到员工需要一系列新技能（不仅需要学习使用特定新技术，也要学习新的工作方式），一些企业正与高等教育机构携手开发培训课程。富士康工业互联网以灯塔工厂获选为契机成立灯塔学院，致力培养工业大数据人才，通过教育培训和训练实习，推动生态人才转化与提升，成为国内首个企业自建的工业互联网人才培训基地。转型团队提供再培训和资源，帮助员工提升能力、获取指导及相关技能，以适应不断变化的工作的需求。印度尼西亚矿业公司petrosea的领导层对主管和数千名一线员工展开了新数字工具方面的培训。在数字训练营中，该公司为选定的团队成员提供了敏捷方法、大数据、it安全和分析方面的教育。petrosea还开发了一款移动培训应用程序，以游戏化的方式来实现持续学习，增添趣味性。比如，这款应用程序会以可视的方式来诠释标准操作程序。它的另外一个好处是，能让领导者随时查看员工对新程序的理解程度。误区三：工业物联网需要新建设施一些企业领导者认为，老旧的设施会阻碍数字化转型，因此必须更换。新设备固然必不可少，但构建工业物联网不等同于新建一个“全自动化的‘熄灯’设施”。工业物联网的大部分价值源于改善原有设施：比如连接和优化现有基础设施，定期增加新机器。通过在现有设备上安装传感器、应用程序和网络连接，企业可以收集数据并转化为商业洞见，供员工轻松使用。从生产车间到整个价值链，工业物联网和新技术都可以帮助员工有效管理数据。一级方程式赛车就是一个绝佳案例，极大地彰显出工业物联网能够产生的直接价值。这些赛车一直都是高性能车，但直到传感器出现之前，引擎盖下的实时状态对赛车手和工作人员而言都是未解之谜。如今，遍布发动机控制单元中的数十个传感器可以从发动机、变速器、悬架和其他地方收集数据，并不断传送给赛道两边的工作团队。这样，团队便可先行预判故障，并在故障出现时瞬时修复。在方程式这样竞争激烈的环境中，工业物联网能在几乎不出错的情况下优化赛车性能。对推广第四次工业革命技术的工厂而言，有两种新设备至关重要。一是整个生产车间中嵌入的大量传感器，它们会实时收集生产率、设备利用率、机器故障、维护保养等方面的数据。二是使流程或任务标准化和自动化的新装置。以生产线装置为例，它可以自动记录每分钟通过的产品数量，或监测设备的振动水平以精准预判维护需求。比新设施和新机器更重要的，是稳健的技术生态系统，以及具有扩展潜力的工业物联网架构。麦肯锡最近邀请全球700多家工业制造商的经理人参与了一项调查。有40%以上的受访者都认为，信息技术方面的缺陷是数字化过程中的主要挑战——尽管数字化制造从定义上来看属“技术驱动”。“灯塔工厂”是无需新设施或昂贵改造就能部署新技术的力证。宝山钢铁总部位于中国上海，该公司在其拥有40年历史的工厂中，部署了先进的工业物联网（用于流程优化）、人工智能（用于目视检测）等一系列前沿技术。土耳其石化公司petkim有一家存在35年之久的工厂，这家工厂在部署工业物联网和其他数字凯发k8娱乐平台的解决方案后，成功提高了产量和质量，优化了能源使用，并建立了数字化维护系统。误区四：唯有万全的准备才能实现数字化万全的准备不仅毫无必要，更不切实际，甚至可能适得其反。新冠疫情暴发后，企业普遍停工停产，这就给那些具备数字化能力的企业带来了优势——大环境瞬息万变，但他们能在业务管理、员工沟通和保护股东利益方面先发制人。很多时候，企业会在规划上花费太多时间。但事实上，成立一个数字化转型办公室，在其帮助下主动出击更为重要。这个中心团队会负责监督试点项目，并引导组织完成快速试错。数字化转型办公室就像是一台“发动机”，它能基于经过验证的方法、最佳实践和领导者对转型的整体愿景，帮助企业逐步扩展数字化项目。数字化转型是一个持续的过程：我们对亚洲高管展开的调查显示，有64%的受访者都称他们仍处规划阶段，只有17%的受访者表示他们已经处于扩展阶段。敏捷工作方法能够促进企业进行快速开发，不断完善及改进流程。敏捷方法能够助力企业实现快速部署和快速迭代，从失败中迅速总结经验，并以更快的速度打造更好的产品。一家欧洲集团的领导层在认清尽早启动和边做边学的重要性后，专门成立了一个数字化组织来推进集团内各种业务的数字化转型，包括自动化、机床和专业制造系统等。这个数字化组织主要有两大目标：一是改造现有业务，二是增加新的数字化收入流。误区五：应用了工业物联网之后，持续改进将成本高企许多企业的经验表明，被动颠覆或是直接淘汰出局的代价更大。面对充斥全球数字经济的挑战与威胁，制造商如果因循守旧，坚持依靠传统手段进行持续改进，则根本无法取得重大突破。企业若能拥有稳定的大数据流、工业物联网带来的实时洞见，以及更敏捷的思维和工作方式，便能在运营中嵌入持续改进流程，打造“下一个新常态”。任何转型但凡成功都会“物有所值”。很多“灯塔工厂”的成功实践都向我们有力证明：工业物联网能够带来效率和生产率的提升，其促成的成本节约完全能够抵消转型投入。优化现有基础设施后，企业能以最少的设备投入来最大化影响规模。随着数字化转型的不断发展与推广，成本和利润优势会变得越来越明显。利用工业物联网技术，一家全球工业机械制造商针对零配件开发了预测和可用性模型。该技术改善了公司针对全球不同地区建立的零部件需求预测。最终，零配件的准备程度一跃升至90%以上，库存量减少了逾30%，客户服务满意度得到了大幅提升。然而，效率和生产率的提升并非工业物联网和其他数字技术所能带来的唯一益处。它们能使企业实现巨大飞跃，简化整个价值链，并催生新的价值创造机遇——从新的客户凯发k8娱乐平台的解决方案、新的生产流程到新的凯发k8娱乐官网地址的合作伙伴关系等。一家全球电子产品制造商的经验表明，向工业物联网的升级无需过多投资。该公司拥有数十个生产设施和超过2.5万名三班制员工，生产过程涉及众多生产区域、生产线和工作站。由于生产设施和团队彼此孤立，各个系统和设备生成的日常数据之间缺乏连接，公司很难从整体上了解每天的运营情况。但是，若将整个生产计划系统完全换掉，将会是一项声势浩大、费时费力且代价不菲的工程。相反，该公司在所有生产线上都安装了传感器，以实时获取设备效率和生产线效率等关键数据。获取的数据会由一个工业物联网平台进行处理，以远程绩效看板的形式呈现，并为所有设施提供实时查看的自由。有了这种绩效透明度后，该制造商成功拉齐了所有设施的生产率水平——仅在第一年，就将生产率提升了10%以上。此后，在工业物联网系统的帮助下，该制造商一直保持着较高的持续改进水平，对问题的回应速度也不断加快。误区六：工业物联网在新兴经济体的可行性低于发达国家新兴经济体的一些领导者担心，工业物联网远远超出了组织或地区的承受能力，其基础设施的先进程度也无法满足发展要求。但其实，发展中国家的企业在工业物联网，或是其他第四次工业革命技术方面的成功并非乏善可陈。发展中地区的企业很有可能更具优势，因为原有设施和老旧系统对他们的桎梏要小得多。截至本文成稿时，最多的“灯塔工厂”仍旧在中国（在44家“灯塔工厂”中占12家）。除去这12家工厂外，还有约20%的“灯塔工厂”位于包括巴西、捷克共和国、印度、印度尼西亚、罗马尼亚和土耳其在内的其他新兴经济体。其中有一些“灯塔工厂”坐落于偏远地区，其实体基础设施的可靠程度可能并不高；另一些“灯塔工厂”则远离大都市或技术中心，既没有唾手可得的服务和专业知识，也没有大量的技术人才可供选择。然而，这些假定的缺点都没有阻碍工业物联网的发展。塔塔钢铁在印度的卡林加纳加新建了一家工厂，它在很短的时间内就达到了满负荷运行，远远落后于行业平均水平。随着时间的推移，该公司逐步在数字和分析凯发k8娱乐平台的解决方案，以及提升团队经验与能力方面进行了重大投资。先进分析技术的大规模应用极大地提高了原材料利用率、减少了停机时间，并改进了产品质量，从而实现了工厂绩效的整体提升。印度尼西亚矿业公司petrosea拥有一个位于tabang的偏远工地，在应用了包括卡车优化调度、实时性能监控和预测性维护在内的一系列技术后，该工地仅用了短短6个月时间便扭亏为盈。工业物联网等第四次工业革命技术已成现实，随之而来的阶跃式改进和新增价值应该足以打消制造企业领导层的种种疑虑。当然，领导层也不应忽视其在推动数字化转型中必须发挥的作用：唯有企业自上而下团结一心，才能在端到端实现工业物联网和数字技术的真正价值。企业唯有挑起大梁，勇于主导这次数字化转型，才能确保技术的广泛应用、巩固转型的发展势头。对企业领导层而言，第一步是明确一个清晰的愿景，然后判断为了实现愿景所需的各项技术。当然，在此过程中免不了要遭遇失败；但企业领导层应当吸取教训，屡败屡战。企业应当鼓励业务部门之间展开紧密合作，打造凝聚力。正如一位高管所言：“企业在推动数字化转型的过程中必须要有一种强烈的紧迫感。”数字化转型事关竞争优势，没有一家公司能够做好万全准备，拖延只会徒增痛苦，且最终往往会导致企业在技术方面进行徒劳的追赶。相反，企业必须牢记转型是一项持续进行的工作，而敏捷模式则能助其向着目标不断迈进。最后，企业领导层必须思考，哪些额外的因素能够帮助推进转型，比如可扩展的工业物联网架构，或是能够提升效益的技术合作关系或生态系统。企业若能向员工展示数字化可带来的积极影响，并持续提供就业岗位，便有望在员工、凯发k8娱乐官网地址的合作伙伴和企业之间实现共赢。
2020年卫华股份产销两旺、捷报频传屡屡刷新历史记录卫华起重近期又拿下一个亿元大单中广核陆丰海洋工程基地水工工程2000t轨道式龙门起重机主要服务于风电设备生产基地代表性的防摇摆控制系统和同步升降抬吊功能对风电塔筒的翻转、装配、合拢、装卸作业尤为重要解决超大型海上风电设备机舱、风机轮毂及风电塔筒、钢管桩和叶片的运输和装卸船作业 起重量大、起升高度高 起重量达2000t，起升总高度达90m，跨度达62m，解决了国家重要海洋装备的吊装难题。核工业标准、世界最高安全等级采用双小车设计，每个小车均配置两套起升机构，可保障在极端情况下将吊装重物安全降至地面。生产制造环节采用“核工业质量管理体系”全流程监控，确保产品质量完全受控。启动运行平稳、实现零速制动可实现各机构零速制动，使冲击造成的载荷降为零，保证运行机构、起升机构的平稳性，满足设备安装精度的要求。四点同步抬吊、各点同步运行采用四吊点同步提升技术，通过测量各吊点的位置，保证各吊点同步运行。工况实时监控、设备预测维护配置起重机管理安全监控5g数据信息管理系统，可实现数据整体统计、产品工况实时监控、历史数据查询、产品故障快速维修、设备预测性维护等功能。客户至上，创造价值随着新基建时代来袭卫华将围绕智能化、绿色化、定制化、网络化发展方向针对客户不同需求提供高可靠性和高性价比的凯发k8娱乐平台的解决方案为客户创造更大效益
通过对国内外主流工业互联网平台的应用分析，可以发现平台提升了企业信息化能力，增强了企业数据分析水平，还使得企业的资源调配更加灵活，并带动企业应用从信息化到智能化的多层次发展，同时解决了企业三大方面的问题：一是推动信息化大规模部署，解决效率提升和成本降低的问题，信息系统和工业软件迁移至平台，依托平台实现客户关系管理、财务人力管理等应用，带动信息化成本降低和大规模部署；二是推动工业数据深度分析挖掘，解决产品和服务价值提升的问题，基于平台的大数据汇聚和分析能力，实现设备、生产、管理等场景的深层次优化和服务增值；三是推动业务商业模式的创新，解决跨领域资源灵活调配和协同协作问题，通过平台进行产业链、供应链、价值链各环节的实时连接和资源共享，以实现不同主体间的高效协作和供需精准对接。01基于平台的信息化应用得益于平台的“连接 数据可视化”能力，传统的生产管理类信息化应用得到更为广泛的普及。其中，在生产监控分析领域应用最为广泛，在物料管理、排产调度等方面也有初步探索。ptc、微软、思科、阿里云等企业的平台均推出了面向生产过程可视化应用。这类应用主要提供数据汇聚和描述基础，帮助管理者直观了解工厂运行状态。当然，这些只是初级的可视化、远程监控等应用，借助更深层次数据挖掘分析企业能够获得更高价值回报。比如，工业互联网服务商寄云科技协助世界知名汽车零部件制造商麦格纳旗下格特拉克（江西）传动系统有限公司（gjt）实施智能制造战略，成功解决了传统mes在数据实时、真实和粒度等层面的不足，实现了更加精准的kpi追踪，提升设备利用率、提高工人工作效率、保障企业营收。另外，基于平台的“软件上云 简单数据分析”在客户关系管理、供应链管理和部分企业计划资源管理领域也获得应用，能有效降低中小企业软件使用成本。如sap、oracle、salesforce、微软、用友浪潮、金蝶等企业提供大量管理软件saas服务。如salesforce所提供的云化crm软件服务已聚集超过15万客户，同时除通用软件工具之外，还提供基于社交网络的客户关系与需求分析，为中小企业提供销售渠道服务。用友提供采购、供应链、物流、财务、人力资源等工业云服务，服务工业企业客户44万家。02基于大数据能力的深度优化基于平台的大数据能力，以“模型 深度数据分析”模式在设备运维、产品后服务、能耗管理、质量管控、工艺调优等场景获得大量应用，并取得较为显著的经济效益。ge、西门子、abb、富士康等企业已经推出了上百个上述类型的应用服务，如uptake帮助美国最大核电站paloverde，通过提高资产性能，实现每年1000万的成本节省，成本降低20%；彩虹寄云智能工厂工业大数据项目助力知名平板显示制造企业彩虹集团实现了数据可视化、生产透明化、质量可控化，并获得了综合良品率显著提升，非计划停机、运营成本等大幅减少等多种收益。03平台协同资源调配和模式创新借助平台整合产业链资源，探索智能制造、供应链协同等应用，成为部分企业的实践选择。如寄云neuseer平台开放共享自身生产力，提高闲置设备的利用率，目前已对数千台机床和钻井机器提供数据监控和预测性维护功能。再如中船集团利用船海智云平台对船舶制造企业、船用设备制造企业等开展纳期监控等应用，提升供应链协同水平。基于平台进行深层次的全流程系统性优化尚处在局部的探索阶段。无论是产业链、价值链的一体化优化、产品全生命周期的一体化优化、还是生产与管理的系统性优化，都需要建立在全流程的高度数字化、网络化和模型化基础上，仅有个别龙头企业具备相关基础并开展了简单实践。
作者：王晨，清华大学大数据系统软件国家工程实验室总工程师、工业互联网产业联盟副秘书长。 1工业产生转型升级作用的路径大数据系统软件国家工程实验室将工业产生转型升级的作用的路径，总结为加减乘除四个象限。所谓加和减就是智能制造。智能制造更关注于企业内部的事情，狭义的智能制造关注制造，即生产环节，广义的智能制造则包含企业的全寿生命周期，从研发设计到生产制造再到运维服务。智能制造不外乎在在现有流程上加了一些东西、减了一些东西，它基本可以被总结为八个字：提质、增效、降本、控险。今天，智能制造做的事情就是加法和减法。但在这个时代光做加减法是不够的，比如私募股权机构投资一个企业，企业每年做一点加法，投资人可能不会满意，而是希望企业实现指数级的增长。如何实现？工业互联网可能就是实现乘法和除法的路径。乘法就是平台效应。比如淘宝，容纳无数的商店在它的平台上开店挣钱，就是一个案例。但是在工业领域，是否可以构建一个工业互联网平台？以服装行业为案例。传统的第一代的服装企业，比如雅戈尔，有自己的设计、工厂、店面，即完整的产业链条。第二代服装企业，比如海澜之家，舍弃工厂选择全代工生产，转为做营销，以门店为资产。互联网时代的服装企业，比如韩都衣舍，既没有工厂也没有店面，成本几乎为零，所有的店面依赖淘宝，只负责快速设计、把控供应链，最后的“总盘子”虽然不一定有传统企业那么大，但是利润率高。因此除法就是企业聚焦自己的核心竞争力。轻资产高利润运营，这是未来中国中小企业创新创业之道。打造工业互联网的平台生态，不是说只有这个平台才能挣钱，但平台上的每个人都有可能挣钱。2三个层次：工业大数据行业的分类 实验室接触了也做了很多与工业大数据的应用，并将其分为了三个层次。第一个层次是单元级。即针对工业设备，不仅限于设备的远程运维，还包括对设备故障的提前预警、故障分析，以及设备的优化运行、资产管理等等。首先我们需要将设备的运行状态进行精确的数字化测量，这种测量手段其实是将工业大数据的连续空间离散化。这个连续空间很复杂，而能测量的物理量、精度、传感器数量都是有限的，所以全空间采样无法实现。但随着数字化水平提高、信息化进程推进、智能化应用迭代，未来的测量过程也会升级。第二个层次是工厂层次。这个层次不是关注单体设备，而关注整个工厂的运营效率、产品质量和安全、环保问题。工业讲求的是包括人、物料、工艺、设备、环境在内的因素，在复杂的动态系统中能够协同作用。假设把全中国都看作一个大工厂，怎么在产业链条上提升自己的效率？我们今天做工业大数据，做“智能 ”，就是这个用途。首先要回答数据在哪里，其实数据在任何一个地方。以前工业上管数据管的相对粗糙，传统在信息化领域做的相对较好的是管理信息化，而现在很多工业数据只是用来做监控以及做故障发生时做数据的回放。这些数据拿来怎么做两化融合（信息化和自动化的数据融合）没有做。第三层次是怎么拿到其他人的数据？比如说挖掘机要自动化施工，需要了解gis数据、环境数据，但这些都不是传统制造业企业拥有的数据。这说明今天工业大数据的内涵，比传统的数据内涵要大得多。自动化以及跨界整体的数据，构成工业大数据的体系。3工业大数据的分类和挑战实际上，工业数据有三个特点。第一个特点是多模态。过去很简单粗暴地将数据分成结构化数据、半结构化数据、非结构化数据，但工业企业不是这样。今天看到的很多好像格式不一样的、非结构化的工程数据，真正把它打开的时候是不一样的。非结构化数据的使用效率取决于结构化的程度，只有结构化才可以被高效利用；第二个特点是高通量，很多设备是不停机的，所有的数据是7*24小时连续产生的，量非常大；第三个特点是强关联，在工业的不同行业，数据关联遵循不同的规律而非简单的聚合。所以工业大数据本身的特点带来了非常多的挑战。除了数据获取的挑战，随之而来的就是数据分析、应用的挑战。这里边最大的限制是因果关系，即数据驱动的方法只能告诉我们关联性，而无法不能告诉我们因果性。比如淘宝推荐商品，只知道推荐相关商品，却不关心这个事情的因果——为什么用户是这样的人。但这在工业上是行不通的，尤其是控制方面，因此模型需要长时间的分析和验证。工业领域存在白盒模型和灰盒模型，白盒模型即工业机理，企业会根据工业机理设计工序、产品结构和工艺，这是第一步。当它们被设计完之后，运行中又会出现大量的不确定性，这些不确定性的消除靠的就是专家、工匠的经验，让整个流程生产变得更加稳定和高效，这是灰盒态。不再对机理和知识本身进行分析和理解的数据模型，是一种黑盒模型。工业大数据和工业智能的本质就是，将这些经验和知识量化学习出来，挖掘心中有口中无的隐性知识，或者尝试通过数据方法把统计关系找到，再交还给工匠分析。工业就是工业，它存在的时间比信息化时间长，积淀比信息化多，而大数据和人工智能技术只是给工业上带来小的变化，尝试帮它去消除不确定性。4大数据、人工智能在工业中的应用首先是智能制造。比如某个机床的良品率下降，那么机床可以猜到刀具可能磨损了，主动提出要换刀，或者炉温过热，就自主将温度往下调两度。如果设备可以自主告知、自主变化，而不是按照事先设定的逻辑来操作，这才是智能化。真正的数字化车间应该是什么样的？分了三个层次：第一层是大数据集成。以攀钢为例，它做钢轨最大的问题是产品质量，很多钢轨表面不平整，必须要修正。如果发现表面不平整会怎么办？调整工会猜测原因、调试、再生产，经过很多迭代之后调稳。而大数据能够建立数据集成体系，让决策者看到每个钢轨发生了什么、控制参数是什么、检测参数是什么。这样一个以物料为中心、以工序流程为轴的数据集成体系，能够为调整工提供更多更好的决策信息；第二层是大数据统计分析。能不能将好的批次的数据和差的批次的数据进行叠加对比，看控制参数的差异？大数据可以猜测造成问题的原因，至少可以排序，让调整工按照排序来做检查和调整；第三层是机理模型。通过大量的数据和反馈，工业企业可以构建一个相对准确、正向的仿真模型，并在数字孪生体、数字空间进行调试，最后在工厂里进行测试，这就是数字孪生带来的智能化体系。那么工业互联网的逻辑对于智能制造来说改变了什么？从业务的角度来讲，工业互联网更多关注产业互联网的边界，而不关注企业内部的生产环节，它可以被总结成三个融合跨界：一是业务融合跨界，通过对产业链上下游业务边界的拓展，企业可以尝试整合上游的上游，也可以服务于下游的下游，我们是一个产业链协同视角下的大工厂；二是数据链条融合跨界，业务的拓展带来了数据边界的拓展，今天的数据不局限于企业原有的数据。比如说要服务于建造商，需要环境数据、操作数据、气象数据；三最根本的是技术改变，相比it技术的发展，工业软件和it产业不在一条发展曲线，但现在通过云计算技术可以轻量级地让用户做这样的开发，对于激励、知识的沉淀，可以在很多领域产生了技术溢出机会。工业互联网平台的出现，让工业企业能将花大量时间研发的仿真模型有可能沉淀成小而精的新形态工业软件。
夏日炎炎，骄阳似火卫华产品销售及生产现场更是火热近期的卫华冶金类起重产品订单一个字形容“燃”尤其是200-500t大吨位冶金起重机订单接踵而至让小编忍不住要点名表扬工欲善其事，必先利其器为应对快速增长的订单及产能需求卫华全面启动、全速推进多条焊接、汇装、涂装等自动化生产线陆续投入使用1小时卫华双梁主梁机器人焊接生产线实现1根主梁生产1小时卫华双梁端梁机器人焊接生产线实现2根端梁生产1小时卫华将创造下线一台双梁起重机的“卫华速度”下面就跟小编一起感受卫华产线背后的智能力量智能化备料生产线经过开卷、抛丸、切割等一系列自动化操作后卷板可直接产出符合订单要求规格钢板效率比人工高10倍智能库区采用钢卷、钢板两用智能起重机实现库存上下料全流程自动化提高了原材料管理的高效性和准确性02主梁机器人焊接生产线主梁机器人焊接生产线集成搬运机器人系统焊接机器人系统rgv物流小车系统变速埋弧专机焊系统等实现1根主梁/小时的生产节拍03端梁机器人焊接生产线端梁机器人焊接生产线集成焊接机器人变位机、rgv小车拼点工装系统辊道 板链物流系统实现2根端梁/小时的生产节拍04百余套数字化起重机生产设备数控等离子切割机数控车床、数控刨台数控龙门、机器人数控折弯工作站等100余台套数字化起重机生产设备全力以赴提升产能时至今日从大型结构件的整体镗铣加工、退火处理到整体汇装卫华起重的工艺装备均按照500t以上的标准设计随着卫华起重智能产业园的全面投产500t以上超大吨位冶金起重机及超大型桥门机的生产制造对卫华而言已经不再是考验而是彰显制造实力的徽章长期以来，卫华起重为宝钢集团、首钢集团、武钢集团、鞍钢集团、河北敬业钢铁、京唐钢铁、安丰钢铁、凌源钢铁、凤凰钢铁等大型钢铁、冶金企业集团持续供应多种智能化冶金起重产品获得行业内一致好评
一、工业互联网平台是人工智能应用的重要载体工业互联网平台覆盖全流程生产数据。数据是应用人工智能的“燃料”。工业互联网平台从数据“量”和“质”两个维度入手，提升工业场景数据集的广度与深度，为人工智能应用提供支撑。从“量”的方面看，工业互联网平台汇聚了数以千万计的设备和传感器，对异构系统、运营环境、人员信息等要素实施泛在感知、高效采集和云端汇聚，实现了海量数据的广泛集成。从“质”的方面看，工业互联网平台通过构建设备、产品、系统和服务全面连接的数据交流网络，充分挖掘实时有效的工业大数据，搭建数据自动流动的赋能体系，为深度学习的模型训练提供优质的训练集、验证集和测试集，切实提高人工智能模型自学习、自决策、自适应的有效性。工业互联网平台推动工业知识算法化。算法是人工智能应用的关键。工业互联网平台作为工业全要素、全产业链、全价值链连接的枢纽，打通了工业知识向工业算法转化的通路，为构筑工业领域人工智能算法库提供助力。一方面，工业互联网平台丰富了算法理论来源。依托工业机理基础和数据模型分析，工业互联网平台将隐性的工业技术原理、行业知识和专家经验进行代码化、算法化，重构了工业知识创造和应用体系，面向特定工业场景提供针对性强、鲁棒性高的算法。另一方面，工业互联网平台降低了算法开发成本。工业互联网平台通过提供开发环境和各类工具，助力开发者打造工业app与微服务体系，将各类工业知识封装成可交易的模块组件，推动工业算法在更大范围、更高频次、更短路径上创造、传播和复用。工业互联网平台构建协同算力资源池。工业场景具有环境参数复杂、工序步骤精细、实时性要求高等特点，应用人工智能技术对算力要求较高。工业互联网平台基于云架构汇聚企业内外算力资源，根据实际需要统一调配，搭建广泛聚集、高效协作的算力供给体系，为人工智能应用提供稳定的支撑保障。在企业内部，工业互联网平台汇聚内部算力资源构建算力资源池，针对不同时段、不同用户和不同级别的算力需求，基于大数据分析统筹使用内部设备，提高设备使用效率。在企业外部，工业互联网平台对接各类算力提供商，通过租借、购买等方式，补充企业内部算力的不足，以提升整体算力水平，缩小人工智能应用需求和实际算力之间的差距。二、多维应用场景加快人工智能与工业互联网平台融合设备层：机器智能构建新型人机关系。企业依托工业互联网平台，在生产、控制、研发等领域的设备上运用人工智能技术，构建人机协同、互促共进的新型人、机、物关系。一是设备自主化运行，如复杂工料分拣、设备自运行等。机械臂、运输载具和智能机床等产品，通过搭载机器学习算法、路径自动规划等模块，实现对不同工作环境和加工对象的动态适应，提高设备操作的精度和复杂度。二是人机智能化交互，如动作识别、语音用户界面等。应用语音识别、机器视觉等技术，打造人性化、定制化、高效化的人机交互模式，提升控制装备在复杂工作环境的感知和反馈能力。三是生产协同化运作，比如协作机器人、仿生工位等。利用人工智能技术将人机合作场景转变成学习系统，持续优化运行参数，为操作员提供最优的生产环境。例如，德国festo公司基于仿生协作型机器人开发人机协作生产的智能化工位，可将人从重复性、危险性高的工作中解脱出来，提高了生产效率。边缘层：边缘智能提升边缘侧实时分析处理能力。边缘智能技术通过协同终端设备与边缘服务器，整合计算本地性与强计算能力的互补优势，从而减少非必要的数据传输、降低模型推理延迟与能耗。具体有以下三类应用：一是智能传感网络。东方国信、寄云科技等企业通过建设智能网关，动态实现ot与it间复杂协议的转换，提供安全高速的数据连接与数据采集服务，强化对带宽资源不足和突发网络中断等异常场景的应对能力。二是噪声数据处理。天云网、海尔集团等通过智能传感器采集多维数据，利用基于人工智能的软件识别减小确定性系统误差，提高数据精度，从而实现物理世界隐性数据的显性化。三是边缘即时反馈。思科、微软等企业通过分布式边缘计算节点进行数据交换，及时比对云端广播的模型和现场提取的特征值，基于边缘端设备实现本地快速响应和操作优化，减少云端运算压力和处理延迟，实现云端协同。平台层：大数据分析构建“数据 认知”算法库。工业互联网平台基于paas架构，打造由数据存储、数据共享、数据分析和工业模型等组成的整体数据服务链，把基于数据科学和认知科学的两类工业知识经验沉淀在可移植、可复用的人工智能算法库中。在数据科学领域，企业构建以机器学习、深度学习为核心的数据算法体系，综合利用大数据分析、机器学习和智能控制等算法，通过仿真和推理解决已知的工业问题。例如，美国康耐视公司开发了基于深度学习的工业图像分析软件，能以毫秒为单位识别缺陷，解决传统方法无法解决的复杂缺陷检测、定位等问题，使检测效率提升30%以上。在认知科学领域，企业从业务逻辑原理出发，通过搭建以知识图谱、专家系统为代表的认知算法体系，解决机理未知或模糊的工业问题，如企业智能决策、风险管理等。实际上，西门子、ibm、华为等公司通过构建供应链知识图谱，汇集气象、媒体、交通和物流等信息资源，大大提高了供应链风险管理效率。应用层：商业智能提升工业app数据挖掘深度。开发者依托工业互联网平台提供的开发工具和框架，面向不同工业应用场景，开发搭载人工智能的特定工业app，利用人工智能手段赋能现有生产过程，为用户提供各类在平台定制开发的智能化工业应用和凯发k8娱乐平台的解决方案。主要有以下几类：一是预测性维护。利用机器学习方法拟合设备运行复杂非线性关系，提升预测的准确率，降低运维成本与故障率。德国konux公司结合智能传感器及机器学习算法构建设备运行模型，使机器维护成本平均降低了30%。二是生产工艺优化。依托深度学习绕过机理障碍，通过挖掘数据隐藏特征间的抽象关系建立模型，并找出最优参数组合。tcl格创东智针对液晶面板的成膜工序，通过机器学习算法实现了关键指标的预测与品质优化，年收益达到近千万元。三是辅助研发设计。通过应用知识图谱、深度学习等技术构建设计方案库，对设计方案提供实时的评估反馈。美国utc依靠知识图谱解决了多个产品研发问题，设计出的换热器传热效率能提高80%，设计周期仅为原来的1/9。四是企业战略决策。利用人工智能拟合工业场景中的非线性复杂关系，提取非结构化数据构建知识图谱和专家系统，为企业提供战略方案选择。美国初创公司maana聚焦石油和天然气领域，协同应用知识图谱与数据科学，为ge、壳牌、阿美等石油巨头提供企业级决策建议。三、几点建议夯实产业基础，突破人工智能与工业互联网平台融合的关键共性技术。一是构建高质量的公共数据集。鼓励满足条件的工业互联网平台企业开放具备一定规模的生产环境、视频图像、文本对话等数据集，建立高质量的公共测试数据库。二是加大算法研发应用力度。推动科研院所、行业龙头企业开展协同研发和创新应用，围绕卷积神经网络、递归神经网络等算法开发相关工具，完善开发环境。三是提升算力支撑能力。引导和培育一批算力提供商和算力交易平台，探索算力租赁、交易、托管等新服务模式。聚焦场景应用，引导加快面向工业互联网平台的人工智能产品开发。一是加快重点智能设备研发。加快智能传感控制、智能检测装配、智能物流仓储等重点技术装备的开发，布局和积累一批核心知识产权。二是突破边缘智能核心技术。重点突破图形处理器、现场可编程门阵列、专用集成电路等一批关键核心技术，提高硬件基础支撑能力，实现围绕边缘设备的感知、控制、决策和执行等功能。三是加快行业机理模型沉淀。聚焦ai工业应用，建设工业互联网模型算法公共测试验证中心，坚持以测带建、以测促用。四是培育基于ai的工业app。引导工业互联网平台企业搭建制造业创新中心，开放开发工具和知识组件，构建开放共享、资源富集、创新活跃的工业app开发生态。完善生态体系，构建工业互联网平台跨界融合新模式。一是强化示范引领。在现有工业互联网平台相关专项和试点示范中，增添人工智能方向的应用试点，加快推动复杂环境识别、新型人机交互等人工智能技术与工业互联平台融合发展。二是优化公共服务。面向语音识别、视觉识别、自然语言处理等领域，建设能够提供知识图谱、算法训练、产品优化等共性服务的平台和开源社区。三是增强人才储备。鼓励高等院校设置人工智能工业应用课程，开展人工智能专题教育和培训，加紧培育一批急需的人工智能人才。四是加强宣传推广。通过开展现场会、人工智能大赛等形式，凝聚行业共识，提高公众认识，挖掘优秀做法，推广典型案例，积极营造产业发展的良好氛围。
2020新基建来袭一个智能创造价值的时代开启无数个工厂的智能化建设正在急速推进中伴随一个个耀眼的项目落地建成卫华智能全明星系列产品正式组团出道智能钢卷搬运起重机、智能建筑搬运起重机智能电解铜起重机、智能垃圾抓斗起重机智能淬火起重机、智能酒厂专用起重机智能5吨门机它们7位大咖将在近期的微信公众号里为大家展示智能重型工业机械的多才多艺带给大家“力与智”的全新享受的同时希望可以在更快的生产节奏中助力更多自动化工厂进一步升级本次向大家介绍的是卫华智能全明星团队的力量担当卫华智能钢卷搬运起重机如果您对它还是认知模糊那么我们一起到卫华智能钢卷搬运起重机的工作现场去看一看它跨度：28.5米负载：35吨搬运距离：不限不止于此它的智能控制系统才是它的灵魂所在钢卷库智能搬运系统是在传统搬运系统的基础上利用信息技术、网络技术及传感器技术为搬运系统添加管理层、控制层和基础层来实现起重搬运智能化、无人化作业的库区综合管理系统↓↓↓可实现↓↓↓仓储管理无人值守车辆主动扫描识别钢卷智能识别搬运库存程控实景可视它的工作过程看起来是如此轻松惬意背后的隐藏技能却不容小觑隐藏技能一卫华自主研发视觉识别系统车辆信息与钢卷的扫描识别精准定位实现智能无人化自动装卸车及作业区安全防护隐藏技能二卫华自主研发防摇功能自动入库搬运过程平稳高效隐藏技能三卫华与首钢自动化联合研发数据云平台可视化仓储管理调度系统 仓储数据管理系统 智能产线调度系统 设备状态监控系统可对接所有智能仓储管理系统智能钢卷搬运起重机及其数据云平台系统已成功应用于多个现代化智能工厂助力京唐钢铁、包钢集团、中钢机电等提高企业生产效率提升工厂智能程度
数字化不仅影响着产品的生产方式，还改变着交易和消费方法。数字化贸易通过数字网络将企业与企业、企业与政府、企业与消费者紧密的连接，在改变原有贸易方式的基础上最大化降低贸易成本，提高企业国际竞争力。1数字化增加了贸易规模。首先，数字化便于全球范围内的企业相互联系，帮助企业专注核心业务并将非核心业务外包，进而低成本、扩大生产规模。此外，这种将企业连接紧密的方式使得资源共享成为可能，而更快、更好地获取关键信息也可以帮助中小企业克服信息劣势，为中小企业提供更为平等的竞争机会。其次，就以数字化服务为主营业务的企业来说，虽然具有较高的固定生产成本，但其分销成本接近于零。与那些仍然受制于实物生产和交付限制的传统行业相比，提供数字化服务的企业更容易满足日益增长的贸易需求。此外，由于数字化服务并不需要在不同的业务国家设立子公司，进一步降低了其服务成本。2数字化改变了贸易的范围和速度。首先，数字化改变了企业的经营活动范围。从传统意义上来说，数字化零售商通过提供配套服务将全球供需联系起来。如今，新的贸易生态系统正在被建立，零售商通过数字化平台提供额外的配套仓储、物流、电子支出、信贷和保险等服务，进一步扩大包括中小企业在内的企业贸易范围。其次，数字化加快了商品跨境流动的速度，更好地满足“及时”交货和短周期库存管理的新要求，贸易往来更加有效、便利化程度更高。具体来说，贸易通过数字化连接实现更大程度的信息共享，有助于更有效地协调全球价值链上中下游企业，帮助企业和消费者追踪商品信息及物流动态。此外，缴纳关税或其他费用的电子支付系统、货物申报或处理系统等逐渐实现一体化操作，商品出入境手续自动化程度提高，简便了通关程序、提高了通关效率。3数字化可以为中小企业国际化发展提供新的机遇。中小企业受自身特性制约，经营管理水平和抗风险能力低，相较于大型企业来说，无法有效对接全球资源。在充分依靠数字化的基础上，中小企业可以利用跨境网络交易平台、跨境电商等渠道拓展国际市场，以相对于以往更低的成本实现国际化发展。
工业技术软件化：把人的知识变成计算机的知识工业技术软件化就是把各种数据加以标准化、量化，这种进步就像从中医到西医，能把知识数字化、明确地表达出来。在这个过程当中，很多人有一个心理障碍：总是担心自己的模型不太精确，原理上有漏洞。我认为这种担心是没有必要的。为什么呢？先试用再说，有了问题，大家再回过头来研究这些问题。据说日本人有个特点，任何的东西都把它模型化，这样一来就可以传承了，出了问题也可以进行持续改进。所以模型确实非常重要，一定要把知识记录下来，记录下来最好的办法就是变成一个很明确的东西，变成一个计算机可以实现的东西，很多问题就都解决了。在这个过程当中，我们要做的很重要的一件事情，就是要把人的知识变成计算机的知识，朱铎先总和赵敏总写过一本书叫《机·智》，某种程度上来讲，他们就主张把人的智慧变成计算机的智慧。其实优也也是这么做的，优也的基因之一是咨询，我们怎么去做咨询呢？第一步，要发现有价值的东西，比方说锅炉热效率比最优的时候下降了3%，价值就在你发现的问题里。我一直强调，会搞技术的人一定是价值驱动的，这个价值不是虚的，是实的；第二步，问题根源在哪里？烟道堵了；第三步，怎么解决？扫一下灰。效果如何？两边数据进行对比，报给领导。搞咨询是这样一个逻辑。那么我们搞智能化、知识软件化什么逻辑？你需要把以下思考告诉我：你凭什么知道锅炉的热效率下降了？你凭什么知道是烟道堵了？你什么时候发指令让它清扫？清扫的效果如何？报给领导作为考核的标准。其实这就是把人的知识变成计算机执行的东西。在过去，一个咨询师要花1-2天才能发现这个问题，现在把它软件化之后，它可以实时监控着。而且，知识不仅可以用到你这里，还可以用到各地，从而知识就被极大的重用了。所以，知识软件化并不难，多数情况下是人想清楚了，交给机器去做，就这样的一种逻辑。技术问题背后的管理问题搞智能化，很多人搞偏了，有的人说，先上机器人吧，或者先上一个什么系统吧，结果有时候一个机器人的成本等于3-5个工人的成本，我们要机器人干嘛呢？工人失业了，企业花钱又多，也很难挣回来。不具备经济性的所谓的技术进步，其实是一种资源的浪费，甚至可以说是犯罪！智能化必须是有经济价值的。在我看来，智能化的经济价值很大程度跟管理有关系。我们把很多事情当成技术问题，其实它的背后不是技术问题，而是管理问题。我先讲个小故事。一家钢铁厂，有一个重要的炼钢指标，叫一次拉碳的双命中，即碳和温度同时达到要求。这个公司花了很长时间，把命中率提高到百分之九十几，觉得水平已经很高了，因为已经考虑到所有能考虑的条件，似乎已经达到天花板了。后来跟国外先进的企业对标，问对方你们的双命中率是多少？国外的专家一听，感到很奇怪，问什么叫双命中？他解释说是碳和温度同时命中。国外的专家反问，还有不命中的吗？这件事情让我们中国的这个同志就感到非常的惊讶，问难道你们100%都命中吗？对方说不一定，一年有个一两次也是有可能的。换句话说，不命中的情况实在是凤毛麟角，以至于人家不把双命中当成一种指标。为什么会有这么一种本质性的差别在这里面？这位同志回来思考后，得到一个答案：我们总是试图用技术解决生产中变化的问题，但是国外公司的出发点就是把变化都控制住，不发生变化，就可以永远按照这个逻辑走。它是通过管理，让生产过程变得很稳定，就不会不命中了。我用这件事情告诉大家一个什么逻辑呢？管理定义技术的边界。一个问题之所以是技术问题，往往是因为管理不到位，才变成技术问题，假设管理到位，往往它就不是一个技术问题。如果一个企业的技术水平真高，往往是管理水平高，而不见得是真正的技术水平高。有位老先生是优也的顾问，过去在丰田负责精益，听了我这个故事之后非常感慨。他说我们一开始在发展中国家设厂的时候就发现了一个问题，发展中国家的工人和技术人员的技术水平，比我们美国和日本人的水平高，为什么呢？因为发达国家的工人和技术人员，永远面对一种稳定的生产过程，出了问题不知道该怎么办；但是发展中国家，管理过程中会有各种各样的麻烦，这些麻烦都会甩给技术人员去解决，所以技术人员就见多识广了，因此技术水平反而比发达国家的人的技术水平还要高。所以，我们看技术问题要看它的背后的管理问题。数字化转型的切入点：管理的优化在钢铁行业或者一些大企业当中，管理和控制，都是由计算机系统来实现的。计算机是分级的，底层的叫控制，高层的叫管理。高层的和底层的是有差别的，底层管的范围很小，响应速度很快，主要是以自动控制为主；高层管的范围很大，响应速度慢，主要靠人。过去计算机不发达的时候，底层能做得都做了。随着工业互联网的发展，我们可以把管理和控制融合在一起，让计算机代替人的管理，帮助、监督人的管理，特别适合空间大、相关要素多、实时性要求复杂的情况。因为空间大，过去没有办法实施做；相关要素多，人脑子转不过来；实时性强，人脑也算不过来。有了互联网，可以把数据都提取上传，把逻辑告诉计算机，一秒钟就可以算出人工一个小时算的东西，计算机的优势就出来了。计算机用于管理，其实是一个老问题。1982年的时候，江苏有家企业就想用计算机来看一看挡车女工干了多少活，当时被称作“电子包公”。因为它很公平，谁干的活多，谁干活少，按这个结果论功行赏。20多年前大家搞过cims，当时条件不充足失败了，cims的一个重要想法也是把管理和控制融合在一起，过去没有条件，现在开始有条件了。管理和控制放在一起，真正困难在什么地方？它的困难第一是价值隐藏。价值隐藏，举个例子，有一家钢铁厂，他的铁矿石的买家和负责收购的人串通勾结，让这家企业一年损失20个亿。还有一个炼钢厂，一年被偷的合金有1个亿。再比如说有一家工厂，他的设备烧了，损失1000多万，就认为是设备故障，其实是操作工睡着了。大家注意到，这些问题往往跟个人利益有关系，当事人不愿意让你看到，这叫看不见的损失。第二种是忽略掉的成本。比方说研发的过程，看起来都是小事，你出了点错改改，他出点错再改改，他改错了，其他人也得相应调整，这么一来二去，本来研发时间一年，拖成了三年，都是因为小事；交货周期也是这样，本来是计算机一秒钟可以做的，换成人来协调，如果涉及多个部门，一个礼拜都决策不下来，等等。很多这些小损失往往大家注意不到，但是加在一起是非常大的，大到什么程度呢？一般说法是占到成本的20-30%，是这些看不到或者忽视的成本。为什么忽视？因为不好管。当企业的管理有短板时，才会出现这个问题。做智能制造要从价值出发，价值在哪里？就在看不见的地方。如果你能把企业这些看不见的问题都管好，你的企业差不了。所以做智能制造要从价值出发，价值在哪里？就在看不见的地方。如果你能把企业这些看不见的问题都管好，你的企业差不了。那么，看得见为什么有用呢？有家豆腐厂装了个摄像头，产量就提高了；有家生产笔记本电脑的企业，装了个摄像头，信号都还没连，次品率就降低了。厂长跟我讲，为什么会发生这种变化？看到装了摄像头，操作工都不知道没连通信号，他干活就认真了。所以，当被看见的时候，管理水平就会上去。数据有什么作用？数据就是用数字来表征，让人看得见。涂子沛先生写过一本书叫《数文明》，他认为管理加强之后，会把我们带入一个新的文明时代。何老先生也说过一句话：智能化可以让管理能力显著增强。新冠疫情期间有一个健康码，可以管到每一个人的每一天的每一个时刻，设想一下，没有数字化，我们怎么可能管得这么细！所以，能把每一个个体、每一个时刻的全生命周期都管起来，没有数字化是做不到的。如果用在工业生产上，就可以看到每一个时刻、每一个产品是不是处在最优状态，尽量地去接近，现状和最优之差就是你改进的空间。把每一个个体、每个时间段、每件事都管好，让最佳的做法能够保持并成为常态。我有一个同事讲过这么一句话：“管理最大的麻烦，是授权和受控的麻烦。”你给一个人权利，他就开始以权谋私了；你不给他权利，他就没有办法发挥积极性。这个矛盾怎么解决呢？办法就是你授权给他，但是看得见他干得好坏。何老也有类似的说法，数字化能解决利和义的统一。干得好的，计算机给记下来，干得不好的，计算机也给记下来，所以干好就能得到表扬，干坏就会得到惩罚，利义就会统一。过去倡导管理者要和生产相结合，很麻烦，但是有了计算机，操作者可以知道自己的操作对于管理效率可以产生多大的影响，管理者也知道生产者干得是好是坏，这个手段可以靠计算机实现，这才是真正有意义的地方。清华大学王建民老师帮石家庄天远公司做了这样一件事情：个别卡车司机跑冒滴漏干私活，如果一个老板有1000辆车，他不可能时刻跟着这1000辆车。于是就在卡车上装一个gps，把速度信号和功率信号提取出来，根据f=ma，就算得出它的质量是多少，也就知道了卡车在哪里增加了重量，在哪里减少了重量。这样一来，当货车在不该增加的时候增加，不该减少的时候减少，就可以判断他干私活了。计算机帮助人去做管理，哪怕有10000辆车，它都管得好好的。这情况下，被管理者就不会干私活了，这个漏洞就被补上了。所以，数字化可以对管理赋能。用智能的办法，把数据变成可认知的信息，用有限的精力实现更好的管理。我常说：管理的优化，往往是数字化转型的切入点。这些价值在于平时的跑冒滴漏。困难就是些“兔子”。因为这些兔子都是隐藏的。一般来说，别人没有把事办好，是不会主动告诉你的！这是人性所在啊！所以管理优化首先是要解决人的问题，这事比较难，这种做法，叫做“管理带动技术”。来源：数字工业知识中心 郭朝晖：上海优也科技信息咨询有限公司首席科学家，曾长期担任宝钢研究院首席研究员。
2017年底开始，数字化转型开始形成市场热潮，彼时各行各业纷纷加码数字化，希冀从一次转型中华丽转身。如今，数字转型热潮依旧未减。cio 们正紧锣密鼓地将云、api 和微服务整合到平台中来增强业务流程。因为他们坚信，敏捷的架构有助于简化操作，从而更好地为客户服务。根据咨询公司 teksystems 在2019年底进行的一项研究，在510名商业和技术领袖中，有 47% 声称他们的组织正在推进整个企业的数字转型计划。然而，现实是，这种转变常常感觉像海市蜃景：从远处看很酷，很诱人，但慢慢靠近则发现，就不那么真实了。通常，组织进行数字化转型最大的失误是无法做出实现整个企业转型所需的文化变革。而且，即使是那些保持大部分预算不变的组织，在推动大规模的企业变革中也存在一些障碍。具体来说，阻碍企业数字化转型的10个绊脚石是：1、文化冲突对许多组织来说，文化变革是其转型过程中不可避免的。根据 teksystems 的调查，39%的组织表示他们的组织结构无法支持企业转型。teksystems 市场研究经理 jason hayman 表示:“尽管技术触手可及，但如何优化其潜力却很复杂。那种缺乏共同愿景，没有考虑到整个生态系统的狭隘心态正是数字化创新的走向错误方向的根因所在。”2、缺乏 ceo 的支持转型要从顶层开始，至少从理论上来说是这样的。但 2017年 wipro digital 的一项调查显示，35％的高管将缺乏一个清晰的转型策略视为实现全面数字化的关键障碍。wipro digital 全球主管 rajan kohli 补充说，ceo 通常是罪魁祸首。“数字化转型的努力未能达到预期的投资回报率，部分原因是，数字化转型既是战略、技术、文化和人才问题，也是领导力问题。”3、目标不一致在接受 teksystems 调查的 leader 中，有32%表示，有太多相互竞争的优先事项是他们难以清除的转型障碍。hayman说:“人们的期望不一致。而且对许多组织来说，突袭的 covid-19 可能更加剧了这一点。所以，确保高层和利益相关者就商业目标达成一致至关重要。”安永咨询市场、业务发展、行业和凯发k8娱乐平台的解决方案部门的负责人 herb schul 也表示，结盟问题往往源于业务部门之间的隔阂。由于无权进入，产品所有者无法看到供应链内部的情况，这样一来，他们就很难为客户服务。此外，一个孤立的组织不会对像冠状病毒大流行这样的危机做出敏捷的反应。“成功的关键在于超越或跨越组织的竖井和结构，转变所有的业务流程，以获得你想要的结果” 。4、徘徊在“what 和 how”的问题上即使克服了对变革的抵制，当大多数公司在糟糕的财务状况和来自董事会及竞争对手的压力上升之前依然不会退出观望模式。而且，大多数 leaders 仍在努力弄清楚他们需要改变什么以及如何去做。这种优柔寡断会造成组织惰性，更有甚者，导致他们做出错误的决定。麦肯锡高级知识专家 laura laberge 表示，转型的主要障碍在于未能理解所需的技术以及运营这些技术所需的人才。比如，企业是否需要一种新的数字化运营模式？这需要多少 scrum/敏捷专家或devops工程师？等等。而数字化变革的步伐使这些成为其成功的一个困难但必要的因素。对此，企业业务负责人必须与 cio 沟通，以填补这些知识空白。5、陷入观望的陷阱波士顿咨询集团亨德森研究所(henderson institute)董事总经理 martin reeves 表示，在“做什么以及如何做”的问题上犹豫不决，会让企业陷入困境，因为它们推迟了转型。reeves说：“成功转型最重要的一个因素就是他们是否能迅速开始。因为数字化颠覆发生得很快，而大多数财务指标都是滞后的。”schul也指出，具有讽刺意味的是，虽然新冠肺炎使许多企业陷入停滞，但它也加速了技术变革，使其在几周内而不是几个月就能完成。“covid-19 正在推动我们跨越障碍，”schul 补充说。6、技术陷阱无论是改变的意愿，还是技术与员工的完美结合，都无法拯救 cio 们免于落入以技术为中心的陷阱。reeves 认为，虽然技术是转型的关键驱动因素，但应用那些不能帮助满足客户需求或启用新的数字商业模式的工具几乎不会帮助组织增加价值。另一个问题是，如何选择最喜欢的技术，譬如云计算、预测分析、区块链、人工智能或物联网(iot)。而且，有时候 cio 们会爱上他们工具包里的单一工具，而忽略了基本的竞争问题和客户需求。schul表示：“那些表现不错的案例存在这样一个共性：较少关注高大上的新技术或新技术组件，而是更多地关注于寻找合适的地方来应用它们。”7、大爆炸理论在策略上找到共同点并表现出改变意愿的组织倾向于用“大爆炸”的方法来对待转型，而不是通过一系列的迭代转换来改变业务流程。然而，这通常会导致组织“对太多结果抱有太多期望”。而且，如果凯发k8娱乐平台的文化不协调，企业战略就会失败。所以，关键在于组织如何在不断重复的基础上取得阶段性胜利，而不是一开始就朝着那个或许永远实现不了的大里程碑迈进。8、速度不够快在接受wipro digital调查的受访者中，只有4%的人表示，他们在一年内实现了一半的数字化投资，而大多数受访者表示，他们公司花了两到三年时间。laberge说，数字化加速发展的规模和速度加剧了这一问题，使得缩小现有企业和竞争对手之间的差距变得越来越困难。而且，规模或网络效应会让这一差距看起来更大。9、人才赤字数字化转型需要新的人才，包括受过最新编程语言培训的软件工程师，以及知道客户想从虚拟助手那里得到什么的产品经理。而在能够找到这些人的前提下，很多公司愿意花高价聘请，比如用户体验设计专家、devops工程师、数据科学家和人工智能专业人员。hayman 表示，90%的企业认为，他们至少需要一些新型人才，37%的企业认为，要想成功实现数字化转型，需要进行广泛的人才结构改革。但现实是，需求远远超过供给，大多数企业发现很难从苹果、谷歌或facebook那里吸引到经验丰富的软件开发人员、产品经理和其他技术专业人士。10、缺乏连续性不知你以前是否遇到这样的场景：一个 cio 的 linkedin 档案从“x的全球cio”变成了“y的全球cio”，或者更糟，“寻找我的下一个机会”。这种转变的影响很难量化，但它们往往会阻碍组织转型的努力。为什么这样说呢？laberge表示，高层领导往往不想继承一场变革。他们更希望从零开始，留下自己的印记。而且，普通员工和其他管理人员的人事变动也是造成这一问题的主要原因。最终的结果就是，随着 cio 和其他员工跳槽，企业几乎没有机会执行他们的数字化战略。
