本文由知识自动化公众号（zhishipai）授权转载
作者：陈广乾
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。
工业4.0评级与智能制造评测三部曲
（上） 工业发展阶段论
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。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？
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。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。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。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。
工业4.0与智能制造分级评测三部曲
（中） 驱动要素详解
需要很好地理解企业流程所涉及到各个模块，才能真正驱动和实现工业4.0。
所有的变化，起点都是从用户开始。理解用户驱动的主控逻辑，这是理解工业4.0何以得以实现的关键。这包含两个模块，一个是智能销售系统，一个是用户需求交互分析系统。图2 企业流程主图
显然，需求只有转化成为订单，才能真正落地。1、智能订单系统：出发点是用户/客户多样化和个性化需求订单至少有三种形式：•从工业2.0承继而来大规模和标准化订单；•从工业3.0而来有约束条件的个性化可配置订单；•只有工业4.0能解决（也未必百分之百）的充分满足个性化需求的订单。
工业化时代（2.0时代）的本质属性之一是大规模、标准化生产，这个时代的大批量、标准化订单，在工业3.0时代已有减少趋势，在4.0时代肯定会明显减少。用户的多样化和个性化需求是企业生产和发展永远的驱动力，也是工业4.0的引擎。从这个角度而言，工业4.0首先要解决的是，基于互联网技术，线上和线下融合，能充分对应各种订单，尤其是个性化订单，由工业3.0时代的销售自动化发展而来的销售智能化系统。未来的智能销售系统，比今天的销售自动化系统（Sales Automation System）至少在三点上应该具有更高的成熟性：一是订单预测，尤其是面对复杂和多样性市场环境下的订单预测准确度更高，这意味着，预测背后需要有多维度和全渠道的大数据分析，以形成高准确性的订单预测模型。
二是销售订单与销售目标、销售计划三者之间到型号、到渠道（线上渠道和线下渠道，全渠道）、到门店、到销售人员、到销售政策、甚至到用户，多视角和多场景的智能匹配，尤其是三者之间多种业务处理规则上的智能匹配。
三是各种订单类型，标准化订单、定制化订单和个性化订单的智能匹配，形成一个符合智能制造规则的“订单包”。这种订单匹配，可以想象，每个订单的具体型号、具体性能要求、具体质量要求、具体交付要求，甚至具体对应到一个小社群或一个单体个人，对智能处理的要求会非常高。目前包括ERP系统在内任何现有系统都无法满足。在智能销售系统的更前端（贴近用户端），需要开发出一个基于互联网，尤其是基于移动互联技术，用户ATP（用户全接触点All-Touch-Point）的数据获取、处理和分析的系统。没有这样的系统，难以实现对用户多样化和个性化需求的完整把握。这个功能如果能实现，意味着，中国企业在用户数据ATP获取，企业内外数据流的打通，生态链上统一数据处理平台的建设上将迈入一个全新伟大的阶梯。目前的严酷现实是，真正能实现企业内部DMP（统一数据管理平台）的都极端罕见。第二、成熟易用的、对用户进行全息深层分析，并与用户进行深度交互的大数据分析。所谓全息深层分析，比如，不仅仅是一个门店内的消费行为场景分析，而是要扩展到一个大型购物中心全场景的用户消费动机、消费行为轨迹、消费偏好的分析；也不仅仅是消费轨迹和动线的分析，还要深入到对用户语言文化行为的深层分析等。分析的深度和广度，没有类人脑的“认知”技术难以实现。概念和理论早就有了，实现不了的最大障碍是用户数据获取的成本代价太大。例如，我们常见的定制家具部分，很多时候都要靠人工设计师上门进行测量和设计。这里面所带来的成本，事实上是由用户自己承担的，而很多产品目前的生产组织模式难以承担这样的成本。这几年视频识别技术和VR（虚拟现实技术）的发展让我们看到了曙光，尤其是这两年的拉斯维加斯消费电子展CES上各种视频识别分析和VR技术已经使用户需求数据获取的代价不断降低。
未来用户定制化（不一定是个性化）的需求会越来越成为一个重要分支。这并不会完全取代大规模自动化生产，而是两者形成有机的结合。
在更加个性化的领域，比如家居，时尚，电子数码等行业，这些也许会更早进入现实。这是工业4.0智能用户需求分析系统的典型应用想象。
有了智能用户需求分析系统和智能销售系统，智能制造才有意义，才有依托，才有归属。但目前缺乏对这两个智能系统的研究和阐述。这里的“系统”两字，不仅仅限于IT和网络技术意义上的信息化系统，还包括这个系统所服务的业务流程、组织和人的能力，一个完整的体系。如果把机器人、传感器、RFID、人机界面等称为肢体或末梢神经系统，那么工业4.0的中枢神经指挥系统，应该是类似德国所指的基于互联网的制造执行系统（iMES系统）和类似GE所暗示的互联网数字总线系统。决定个性化订单怎么执行，从用户开始，是走向虚拟设计，还是走向智能生产，还是直接到智能物流，不是由机器人或传感器说了算，我个人认为，而是由这个智能总线，或iMES所决定。
虽然机器人、传感器，这些末梢系统非常重要，甚至也可能具有“自应激反应”功能，但机机互联也好，机物互联也好，人机互联也好，最终的决策，还是要汇聚在这个大脑指挥系统。图3 iMES的核心地位
当然，即使是在前4.0时代，MES也极其重要，但它的价值却被低估了。由于种种原因，长期以来我们被灌输，很多企业经营者也接受了这样一种观念，企业只要上了ERP系统，企业竞争力的问题，换句话说，系统对业务的赋能问题就解决了。客观说，钢铁流程型企业，和离散制造企业不一样，一开始对MES就很重视，以至于产生了像上海宝信那样大的在钢铁MES中打出一片天的中国企业。钢铁本身管理的复杂性、质量要求和颗粒度决定了MES天然的重要性。MES从一个分散独立的系统不断转化为工业4.0的核心，是什么原因驱动的呢？成本要素的驱动是重要力量。企业管理有两个方面的驱动要素：一个是利润，另一个是成本。这两个要素是辨证统一的。之前的传统成本管理主要是从两个角度，一个是事先的成本预测逻辑，通过BOM，原料，工艺等要素的组织，形成对于标准模式下的成本预测；另一方面是事后的成本归集，在一个较长的时间段内（往往是月度）收集各种成本总的消耗情况，并通过综合计算得到成本消耗。但这两种情况最主要缺失，就是中间的成本具体执行和产生过程的控制。具体的生产过程虽然有一定的绩效指标控制，但这些指标是否能有效的跟成本要素结合，是否能快速有效跟踪到成本的具体科目，都是目前生产管理中无法做到的。只有通过MES系统更全面、更有效的管理和控制，才能真正实现成本的可控和可管理，不再只是事后跟踪。只有在制造执行的每个细节都被有效地按照驱动要素成本的要求来执行，才能真正实现精益制造，而精益制造的核心就是质量和成本。这个也可以从另一方面来说明未来的iMES管理的范围是什么，所有跟成本要素相关的执行过程都是iMES管理的范围。全面和深刻理解了互联网总线或iMES，这个大脑指挥系统，其余局部或板块层的智能化就比较容易理解了。所谓局部或板块层的智能化，主要是指智能工厂（或智能生产）、集成、协同与创新的研发设计，还有智能物流和智能服务等。这里，为叙述方便，这里用“工厂”确指具体的加工、产线组装和总装，从而构想“4.0智能工厂”大概应该是什么样子。准确说，下面这张图中，在红色方框内的内容，就是智能工厂。图4 智能工厂
智能工厂，显然应该有这样几个要素：物料定位、物料移动以及伴随物料移动的智能控制系统，各安装主节点的智能设备和仪器，各关键节点的质量检化验及质量实时追溯系统，核心工序高度自动化，数据采集、实时处理与监控系统，人机交互系统等。在智能工厂层面，未来在4.0时代，全新的场景是，大量和有序使用机器人、传感器、RFID以及其它智能终端设备。但这个问题，似乎也不能发展到绝对的程度。
依据对汽车工业产线的观察，机器人的用度，应该主要考虑四个视角：人工操作比较危险或难以实现，人工操作质量难以控制、人工操作速度节拍难以保证、对数据获取的要求（人对数据获取和处理的能力不依靠计算机是很有限的）。
基于目前阶段一些先进企业的工厂部署，大致可以想象，未来4.0时代，工厂的产线执行层肯定要大量部署传感器，部署承担各种功能的机器人和其它高效成熟的自动设备。再往上是产线控制层，主要是PLC，承担各种功能的PLC。再往上就是智能工厂的管理层，部署各种实时管理“驾驶舱”，这个就是iMES层。比如，订单执行状态的监控、设备监控与状态预警、质量监控、物料看板、员工绩效看板等。在这一层应该部署相关的服务器。在未来的智能工厂，和今天不同，应该能真正实现机机互联、机物互联和人机互联，从而在工厂制造，这个供应链的主节点上，实现实时化、可视化、数据全程贯通，从而确保多样化和个性化产品的质量、成本和交期，三大承诺的真正实现。智能物流怎么理解？主要是从两个层面思考这个问题：一个是信息系统层面，另一个是终端智能设备导入层面。想一下，中国现在至少有2000多万货运司机，在城郊结合部，躺在车里聊天等活的司机也是一大把；还有4000多万货主企业，有上百万家大大小小的物流企业，有大约200万家运输企业，有500-700家物流园。扣除高物流成本（高速高收费是典型）外，整个物流行业的经营管理效率确实很低下。那么缺的到底是什么？缺失的就是让所有这些看得见的仓储物流资产有序、可视、高效运转的智能仓储物流运输系统。中国出租车行业，和物流运输几乎一样，只不过出租是送人，物流是送货。而Uber优步模式一出现，就在全世界出租车市场的横空出世。靠的就是创建这样一个信息系统，打造的核心能力就是开发、运营、不断优化整个智能运输系统，通过这个系统占领和统治出租车市场。
而第二个要素——终端智能设备的导入，就要容易理解得多。伴随智能技术的发展，物流运输的整个链条，这个链条上的每一个终端环节，不管是出于效率，出于成本，还是出于物流质量控制，都不得不导入智能监控设备，不得不开发基于移动的与智能终端设备联通的APP应用，以便全流程数据可视。
因为物流本质上就是移动的，货物、货车、司机和背后的数据都在移动。就物流信息系统而言，在企业的微观层面，至少有以下九个方面需要进行管理。1、原材料和零部件完全实现自动部署在库2、场内外物流（Inbound/Outbound）实现自动配送；3、自动发货4、缺货、缺件的自动预警；5、仓储物流系统全部节点，包括与外部供应商节点，实现基于云的（私有云、公有云或混合云）端到端的自动结算；6、基于料件、产线、产品、仓储、货车的统一大数据分析模型7、类似Uber的司机或承运商与货主直连的信息平台8、车联网系统是需要的，基于GIS的最佳路径选择和优化9、为同城提供最后一公里服务的信息系统以上九个方面的信息系统的建设，是智能物流的基础，是必备前提。当然在这个系统部署和建设的同时，也必然会使用机器人、传感器、立式自动仓库、AGV等。
九大系统和终端智能设备同时使用，并且将各种运行数据（订单、货品、司机、货车、货主企业、承运商、仓储、干线运输、同城运输、最后一公里），以及相关的资金流等，经过大数据模型分析和优化，才能形成最具竞争力的物流增效、降本和最优服务水平。
毫无悬念的是，智能物流对产品的质量确保、产品成本结构的优化和订单交付的确保，都将产生根本性改善。目前可查阅的资料并不多，笔者认为，智能服务未来应该贯穿整个售后服务的八大主节点：服务受理（呼叫中心）、服务执行（派工）、服务监控（服务质量管理）、配件管理（配件全生命周期管理）、服务结算、特殊业务处理、服务体系构建和服务主数据管理。
比如，在服务报修环节，肯定要由原来的用户电话或Email，发展成为用户在购买产品时信息自动进入到智能服务平台，产品在用户端使用状态的详细信息，通过智能芯片等技术手段自动传递到品牌商的智能服务平台，在用户未感知的情况下获取产品正常或异常的使用信息，主动预警给用户报修和保养等，实现远程机器自诊断、远程报修、远程维修等全流程可视化服务。
今天意义上的“呼叫中心”，毫无疑问，很快会退出历史舞台。取而代之的是“用户互动中心”，基于微信、APP、Web等媒介手段实现用户与服务工程师，与研发设计人员，与销售人员的并行和互动服务，以及用户之间的自服务。
同样毫无疑问，所有这些交互数据，结构化数据（订单编码）、半结构化（订单与语言交互混合数据）和非结构化数据（各种流媒体数据）都将进入“用户互动中心”的后台系统，进入大数据分析模型体系，提炼出为用户提供更高水平服务的“最优曲线”：服务水平与成本的最优匹配。
就目前而言，工业4.0的投资兴奋点，似乎仍然落在机器人、传感器、3D打印上，而对神经中枢指挥系统、智能物流系统和智能服务的“软投资”上，中国工业领域，仍然缺乏自觉的认知。中国人常常对看得见、摸得着的东西愿意投资，对看不见的软件系统，由于缺乏一整套成熟的价值评估体系，因此不愿意投资，或不知道怎么去投资。今天的企业经营者和投资人，对“软件定义世界”感受并不深刻，这也是中国软件发展不起来的重要原因。在目前2.0尤其是3.0的情况下，大的核心软件系统，那些工业制造的“灵魂”，基本都在美国和德国企业手里。未来4.0的互联网总线系统或互联网MES系统，会是什么格局，确实堪忧。重要的是，只有明确工业4.0的驱动要素，才能真正理解工业4.0的评测模型，从而真正建立企业的核心竞争力，并且有着清晰的技术路线。
工业4.0与智能制造分级评测三部曲
（下） 九大评测维度详解
本节提供了评测的维度，并且以工业2.0的评测为例，给出详细的企业竞争能力C3的解决方案。
基于一些先进企业的实践，本文提出了工业4.0评测的九维度模型。链接用户需求，使需求转化成订单的核心环节是销售。在前2.0和2.0阶段，测评销售的核心点是，考察实现标准化大规模制造产品的销售预测准确的程度。这在绝大多数企业都是公司最高级别的考核指标，是非常硬，也有很高难度的指标。在2.0走向3.0阶段是标准化+模块化定制产品销售预测的准确率。即两种销售模式并行的预测准确率，同时还要考虑全渠道统一的预测准确率，在这个阶段，既有线下传统渠道的预测，又增加了线上电商渠道的预测。而在3.0走向4.0阶段，是更加复杂的三种不同类型订单（标准化订单、模块化订单，加个性化订单）的预测准确率和由此而产生的用户大数据分析对预测的贡献率。也可以说是订单交付（OTD）。在前2.0和2.0阶段，主要考察从预测，从订单到计划，到订单交付，全过程的业务流程和信息系统是否基本健全和切实在发挥作用。在2.0走向3.0阶段，重点考察是否建立了能实现模块化订单交付的能力体系、系统增强以及BOM的打通。而在3.0走向4.0阶段，应该是三种订单都能实现即时承诺，而且能实现随时下单的业务流程和与之匹配的智能化信息系统是否具备。在前2.0和2.0阶段主要测评采购料件的质量、交期和成本，实现这三个KPI的流程体系和与信息系统是否已经创建。在2.0走向3.0阶段，主要考察三个关键点：一个是模块化采购是否实现；第二个是模块化供应商导入的程度；第三个是供应商是否参与了品牌厂家的模块化设计。在3.0走向4.0阶段，则是在3.0进步的基础上，追加考察供应商的料件加工是否能实现加工全程可视，只有全程可视，才能根本实现质量可追溯和质量0缺陷。测评KPI有三个：第一个是TTM（Time to market），新品上市数量占产品规划的比例以及是否按规划时间上市；第二是TTR（Time to Revenue），新品上市后的实际销售收入和预期销售的比较；第三是TTP（Time to Profit），新品销售的实际利润与预期利润的比较。在前2.0和2.0阶段主要看实现这三个KPI的基本产品企划、研发设计和新品上市的体系（业务流程）和基本的信息系统是否建立。而在2.0走向3.0阶段则主要看产品的全生命周期管理（Project Lifecycle）体系是否建立，看模块化研发设计是否实现，比如，具体说，在模块化设计上，要测评有没有产品配置、设计参数、接口规范、模块需求发布等。在3.0走向4.0阶段，主要测评有没有基于IOT与互联网，实现基于用户体验和用户参与的设计，有没有建立个性化产品的设计研发体系，有没有实现高标准的3D虚拟仿真设计，有没有实现全球的实时协同研发，即研发设计资源的全球实时共享。在前2.0和2.0阶段聚焦在订单兑现、质量、节拍和设备利用率几个KPI上。主要测评ERP计划、计划到排产是否打通，基本的MES是否实现等关键点上。2.0走向3.0阶段则聚焦在，完整的MES与ERP，与APS，与底层系统是否打通，是否能实现精益排产的。而在3.0走向4.0，则聚焦在合理的终端智能设备导入，实现基于工业互联网的系统上下左右的互通互联，即机机和人机交互上，同时实现实时的业务流程、系统和设备的可视、可控和可分析。注意，这里用的是终端智能设备的“合理导入”，而非越多越好，既非“无人工厂”，也非“机器换人”。6、厂内（Inbound）物流和厂外（Outbound）物流。在前2.0和2.0阶段主要是考察是否打好了物流的基础，即做好出入库管理、仓储管理、配送管理，即从业务流程角度，人的能力培育角度，又从系统建设角度。在2.0走向3.0阶段，侧重考察大型品牌企业是否着力打造高效的物流管理平台和物流互联网系统平台。在3.0走向4.0阶段，侧重考察Inbound立体仓与智能控制系统的建设，Outbound互联网智慧物流平台的建设。2.0时代主要是精益质量管理的基本体系的建立；2.0到3.0时代主要是质量体系的进一步完善和更多自动检测分析设备的导入和质量信息系统的建设。在3.0到4.0时代，则是全价值链所有涉及质量的环节能够实现到料件、到批次360度动态的质量监控，从而实现质量的0缺陷管理。2.0时代主要考核设备完好高效使用的基本业务流程和信息系统是否建立，在2.0到3.0时代主要考核设备点检维护是否完整实现了自动化。在3.0到4.0时代考核是否导入了智能设备和智能系统从而实现设备的实时点检维护和实时可视和可控。到目前阶段，中国企业几乎很少有企业在实施大数据或工业大数据的应用。在与智能制造紧密相连，逻辑上前后呼应的工业大数据领域，不讨论计划与排程，不讨论制造与工艺，不讨论质量控制，不讨论设备的高效利用，不讨论仓储物流，不讨论MES，不讨论人机互联，怎么可能进入工业大数据领域？而这些数据能够落地，也仅仅是工业大数据分析模型的基础和前提条件。工业大数据应用的深度与否是考察未来中国企业能否走向全世界制造的制高点和制胜点最重要的一块试金石。很明显，如果实现绝对的最优成本结构（ABC+），实现真正的质量0缺陷，实现订单及时承诺和随时下单（即需即供），实现无限趋近于0的最优库存结构，没有工业大数据的分析模型，根本无法做到。这九个大的维度，或者九个板块，构成了“兮易工业4.0测评模型”的顶层架构。工业2.0，整体八个板块， 兮易工业4.0评测模型，将之细化成了23个模块。第一个是，应该实现从品牌商，到渠道商，一直到终端门店的扁平化。很明显，不搞扁平化，不缩短中间分销的成本，品牌商在渠道销售的总成本难以降低。而渠道扁平化的重要工具是“人区客店数”。第二个是，品牌商-渠道-门店全节点到SKU数据打通。数据不打通，就无法知道渠道的真实成本，就无法实现对渠道的有效管理。2.0在今天互联网时代，不同于历史上的工业化时代，已经碰到了新兴的销售渠道：电商。这是今天传统企业躲不开的选择。所谓电商运营的竞争力，就是，粗放经营，拿个单品、占个坑位就赚钱，一个单品就是一个爆款的时代过去了，电商也必须进入“精细化运营”的阶段。一是在2.0阶段，还谈不上智能，也谈不上大数据，但至少线下与用户接点的组织、接点的流程和接点数据应该打通，应该实现数据可视化。这点，到目前为止，相当多的企业，即使是产品面向消费者的企业，还是没有做到。基本还是“三不哲学”：不看、不听、不闻。因为如果组织、业务、数据，三个层面都没有实现端到端打通，那么必然是：有眼看不到用户，有耳听不到用户，有鼻闻不到用户，。二是建立产品质量投诉及建议的反馈、接受和改善的体系。世界500强的很多企业把质量和用户体验放在一个部门。这种客户的购买和使用体验，是一个企业的核心竞争力构成。这个问题在互联网时代，则更加明显。3、传统工业化或大规模制造时代的MES而言，包含四个模块第一、应该建立完整意义上的MES系统。说到MES系统，许多企业有误解，往往以为早就实施了，甚至10年前就有了。但很多企业的MES，其实就是一个报工系统。第二、MES系统与产品管理系统PDM、与ERP，与物流的打通。MES不与PDM打通，不与ERP打通，MES起不了太大作用。第三、实现基于MES的质量管控。因为，传统意义上的ERP很难真正实现对质量的管控，一般就是质量数据的上报。第四、初步实现基于MES-ERP的SCM成本分析。一是从研发设计转到产品全生命周期管理，建立七层（P0-P6）完整的业务流程体系。到目前为止，相当一部分企业，还依然停留在产品研发，而非产品全生命周期管理的阶段。处于至关重要地位的产品规划，产品差异化卖点企划，还没有从研发设计中发育出来，研发与新品上市在考核上还处于分离状态，产品退市还没有进入视野。这个根本体系问题不解决，模块化，以及未来智能化，无从谈起。二是基于P0-P6（即产品全生命周期），建设完整的PLM系统，实现数据打通和数据可视。第三个是，客户产品经历与产品研发打通，建立产品市场企划体系。产品规划或差异化卖点，是企业的核心改进源头。很多企业是研发设计人员到市场走马观花，就开始进行产品设计。实际上，从精益化管理的角度，应该在销售一线有产品经理这样至关重要的岗位，天天研究产品在市场的表现，包括品类、型号、渠道、与竞品的比较分析等。没有这个，就没有真正的意义上的产品规划或企划。第四个是，建立完整的新品上市和退市流程与系统支撑平台。就是说，新品上市和老品退市，这两个产品生命周期管理的重要流程，应该能有系统支撑。把单纯采购扩展到对供应商的端到端管理。这个看似简单的问题，其实，很多企业没有完成这个转变。显然，全生命周期管理，至少应该有七个主节点的管理：基于产品竞争力（性能、质量、成本）的采购战略、基于战略的寻源、供应商的资格认定、供应商的合同与风险管理、供应商的质量目标管理、供应商的绩效管理以及供应商的优胜劣汰。没有这个体系，下一个任务难以实现。二是建立对供应商料件（或关重件）极度严格和权威的质量管理体系。这个任务在工业2.0阶段极其重要，怎么强调都不过分。一个质量事故，一批产品的质量问题，零部件的质量占很大比例。三是实现基于ERP/SRM/MES等料件准时交付的体系。这是指供应商料件的交付，这直接影响整个供应链的准时交付。第一个是，以品质追求为导向，建立严格的质量目标管理。质量管理体系的最高原则是质量目标管理。有些企业，至今也还缺乏质量目标的概念。质量目标可以分成两类。其基本逻辑是，产品战略与产品规划 → 产品系列/战略主销产品的竞争力规划 → 设计标准和指南 → 质量目标和质量标准（符合产品竞争力的原材料和零部件选用，国际供应商选用，成本与毛利空间以及市场规划的平衡） → 设计质量标准/关重件标准/制造工艺（如夹具）安装标准 → 质量执行与控制的航标 。一般轨迹是，首先，用户抱怨 → 质量索赔 → 到标杆质量实践，这个实践使我们认识到，我们必须要确定质量改善目标；接着目标要指标化（质量改善KPI）；接着，确定基于指标改善的关键任务；接着，培育有质量意识和质量竞争力的人。美国汽车零部件企业，组装线上一旦出现质量问题，往往会紧急停车，紧急锁死，除质量首席责任人外，任何人无权解锁。那种严格质量管理的场景记忆犹新。第三个模块是，以成本优化为导向建立全流程成本控制精益化管理体系。第一个模块是，从产品下线到终端配送全流程精细化管理。这是物流的业务流程体系建设：从成品入库，一直到终端配送。第二个模块是，创建并运营好物流管理基础五大信息平台：仓库管理、订单管理、调度管理、运输管理和计费管理。这五大基础系统是后续智能物流建设不可或缺的前提条件。一个是，基于服务水平协议，服务主业务全部实现流程精益化管理。另一个是基于流程优化实现主业务系统可视化。前者讲的是业务流程，后者讲的是，对业务的信息系统赋能。在2.0阶段，至少，服务受理、服务执行、服务监控、服务结算、配件管理、特殊业务处理、服务体系建设、呼叫中心建设、服务主数据管理，这几个核心业务应该精益化，应该有系统支撑。
图2 评测模型和板块
以上以八个驱动要素为例，解读了工业2.0的评测模型和指导实践的具体方案。同样对于3.0、4.0，也通过不同的评测模型和板块，可以有效诊断企业核心能力，从而为企业走向工业4.0，提供有量化数据可依的评测手段和改进措施。
前沿君微信：tech9999
投稿邮箱：13355524@qq.com