这篇文章是杨明波先生的作品，我赞赏他能从不确定性的角度分析问题。在我看来：不确定性是推动工业互联网应用需要解决的核心问题之一。

工业企业转型，面临诸多挑战。市场层面追求更高效率、更高质量，满足多品种、小订单、短交货期的柔性生产能力。经营层面追求更低成本、更少库存，以及应对劳动力短缺和用工成本高、安全与环境压力增大的经营风险能力。

工业企业开始着力于智能化的设备、自动化和流水化产线的制造系统升级，使得制造系统自由度高度约束，依赖于产线的智能化，管理难度逐渐降低。同时，这更加要求制造系统具备足够的稳定性和可靠性。

处在转型期的工业企业，面临技术的复杂性和运营的经济性矛盾突出，使得不确定性增加，这无论对于工业企业需求侧，还是工业服务商，MRO工业品电商以及装备制造商，必然构建全面服务解决方案，构建规避不确定性的工业互联网背景下的工业转型生态。

工业产品的质量特性与工业供应链面临的挑战 

追求确定性是工业企业转型的本质特征，在选择解决方案、工业产品和服务之前，企业就想明确这些产品和服务为制造业增值带来帮助，抑或帮助制造系统提高效率和降低成本。对于供应质量和效率的判断通常遵循以下原则：

图一：工业企业判定产品质量的能力

1)经验特性.

工业产品往往在购买前无法验证产品特征，只有使用后才能验证。经验特性是指，用户一般基于经验和产品的认知，通过展会获取和服务商上门提供的产品资料、复杂的采购和招投标流程，用来证明最后所选用的服务商和产品是符合需求的。

受制于知识和判定能力的限制，或者在采购成本上的考虑和采购流程中的不可控，经验特性并不能有效解决产品特性符合使用要求的确定性，时常会出现低价中标或决策流程过长的弊端。

这通常给工业交易带来极大的挑战，无论是工业品电商、装备制造商还是工业服务商，售前的沟通成本和沟通时间都是最大的挑战，毕竟说服用户并非易事。

2)信任特性.

信任特性适用于一些不依赖于使用寿命的工业品，如办公用品、生产所需要的一些耗材，工业企业通常不检查此类产品是否仍然有效，换句话说，用户为此付了款，但仅仅相信它是有效的。

我们发现，绝大多数的MRO工业品供应商，只是在一些诸如办公用品、生产辅助耗材等运行物料和服务开展的较为顺利，而涉及维修、维护相关的装备和工业品相关业务并没有太多涉足，我也常说，MRO工业品电商，大多只是O电商，和MR并没有太多关系。

3)探索特性.

探索特性可以在购买前进行产品验证，比如我们在某二手车交易网站，可以提前查验使用性能、维修记录等专业验证记录，而这使得交易双方都能通过去掉中间环节，满足买卖双方的交易预期。

工业企业购买产品之前，了解产品信息减少交易过程中的不确定性，这是至关重要的的驱动因素。一些工业企业，开始使用设备维修数据，统计出不同工业设备/备件的MTBF（平均故障间隔时间）、以及不同服务商提供维修服务所反映的MTTR（平均故障修复时间），以此作为供应商筛选和工业品采购决策依据，取得了非常不错的效果。

从企业维修业务作为切入点，建立数字化运维成为了工业转型的比选项，相比于传统手工统计的方式，具有不可比拟的优势：

1 客户必须感知到它。数字运维的核心价值，是必须和工业企业的价值增值结合起来，价值逻辑以效率和提高品质、降低运营成本和库存为导向，业务上逻辑以缩短维修时间、延长设备寿命为导向。一句话来表达，数字运维必须清晰的告诉用户，利润去哪儿了，时间去哪儿了。

图二：探索属性与数字运维价值模型

2 它对客户是重要的。数字运维，必须与维修业务高度结合，重视用户体验，如采用简单的扫码和基于移动终端的便捷操作，重视数据驱动决策，帮助用户知识积累和运维管理能力提升。业务上让运维过程更高效，数据分析上让管理更简单，基于数据的决策分析，易于新购设备、工业品和服务筛选，从而降低交易过程中的不确定性。

3 竞争者是不容易模仿的； 以缩短维修时间，强化数据驱动为目标，建立技术壁垒和商业壁垒这是产品保持先进性和有效性的关键，这包括：融合人工智能技术，在故障诊断和人才技能培养方面强化，以持续缩短维修时间；商业层面与工业服务商、MRO电商等建立需求对接，实现供需赋能，这都是非常行之有效的方法。

图三：“精益卫士”数字运维业务逻辑

延伸阅读：【深度】数字运维＋工业维修外包，工业互联网原来是这样玩的－上

设备管理组织创新与工业互联网背景下的全面服务解决方案 

数字运维所搭建的是工业企业级的工业服务内包（TPM全员生产维护或称为维修内包）模式，解决的内部知识和资源协调难题，由于企业决策的弊端和工业服务社会化的趋势，全面服务解决方案，成为工业互联网背景下的必然选项。

图四：工业互联网背景下的全面服务解决方案

工业企业由大量相互依存的变量构成，表现为不可预测或预测难度较大的复杂系统。全面服务解决方案，是面向工业企业复杂技术要求和经济复杂性条件下的服务模式，由于全面服务解决方案项目通常需要多方的参与，这增加了其社会复杂性。

除了复杂性，全面服务解决方案另外一个特点是个性化，针对于不同的行业，以及不同的具体不同工业企业的发展阶段和客户的不同要求。故全面服务解决方案适合聚焦在一个行业去发展延伸，一开始不宜分散较多行业去开展。

除此之外，对客户重要性是全面服务解决方案的第三个特点，成功的实施方案会带来显著的优势，反之，失败会产生巨大的风险。重要性会增加客户对解决方案的付费意愿，从而提高供应商的盈利能力。

由于高复杂性、个性化和重要性，决定了全面服务解决方案在技术驱动的市场竞争地位，要真正落实下去，必须注重以下三个方面：

1)知识作为业务的基础

对工业企业用户的全面了解是进入全面服务解决方案的重要路径。这有利于能够从成本收益的角度识别用户的现状和目标，并从经济的角度来评价他们的服务。

图五：“精益卫士”数字运维实时监控系统

延伸阅读：〡行业动态〡精益卫士发布国内首款人工智能故障语音播报机器人

通常的业务逻辑为，数字运维辅助业务流程，识别和评价业务的经济性、有效性和服务价值。工业互联网平台则基于多源数据采集、分析，得到确定性的诊断结论，与数字运维形成业务闭环。以此形成租赁、托管和维修外包,＋MRO服务社区的全面服务解决方案的基本形态，促进工业企业设备管理组织创新与变革。

2)与顾客互利为合作伙伴关系

在以工业园区为载体的全面服务解决方案，工业企业主体只需保留运维决策主体，建立起与顾客互利的合作伙伴关系，将实现：

1维修外包。与创新与技术改造以外的维修业务，包含事后维修、预测性维修和预测性维修业务外包给第三方服务商来管理，而实施的项目经理及其维修成员也最好采用原来的维修人员，这样更能有效提供个性化的针对服务。

对工业企业用户而言，以满足和持续提升制造效率为基本合同指标，并适当降低维修成本。对外包方而言，满足用户需求前提下，省下的就是赚到的，将拥有自主的工业品和服务的自主采购决策权，这对于实现维修共享和工业品产业链（包含MRO工业品电商）创新是至关重要的。

2能源托管。涉及水、电、气、热、冷等基础公用能源，通常是企业的烫手山芋，首先是来自于安全和环保的压力，二来是居高不下的能源成本。能源托管，则是由第三方专业运营机构全权托管，用户只需支付相比原来等同或更低的能源使用成本，享受更高效的能源服务。

对于用户而言，可以大幅减少运营人员，减少能源运营风险，节约能源成本。而对托管方而言，充分利用工业互联网平台和数字运维技术，在保障安全可靠运行的钱提下，并在工业品及其服务中与MRO服务社区协同起来，将减少运营成本，以实现运营利润的增加。

3物流租赁。物流设施是面向工业企业的移动式的设备，具备通用性和共享性的特征，以租代售将成为普遍性的做法，这将提高设备使用效率，实现价值共享。

对于用户而言，灵活的租赁方式，使其不必购买和担心设备故障造成的使用不便，可降低使用成本。对于租赁方而言，依托于工业互联网＋数字运维的解决方案，实现基于状态的灵活租赁、实现基于可靠性和更低综合成本的维修维护，使其具备更强的盈利能力。

4MRO服务社区。MRO服务社区是依托于产业聚集区的中继级的服务站点，工业企业、物流租赁方、维修外包方、能源托管方均是其服务用户，主要任务包含三个方面：

a.向用户提供咨询服务，包含服务咨询、技术咨询；

b.通过数字运维数据分析识别需求，并整合行业资源，包括服务技术资源、人力资源等，以支持全面服务解决方案在需求侧落地和持续改进；

c.整合供应链上游资源，如装备制造商、工业品服务商（含MRO电商），集采集供的工业品超市的供应体系搭建。

延伸阅读：【深度】数字运维＋工业维修外包，工业互联网原来是这样玩的－下

3)用户信任与供应链金融

面向工业企业的全面解决方案，其复杂性决定了其不确定性，风险也是难以控制的要素。这包括：

1交易的风险。回款难，是工业领域面临的主要障碍，这种风险会让许多价值服务商望而却步，也是造成低价中标的关键诱因之一。基于数字运维的大数据分析模型，结合区块链技术、工业产品和服务的质量探索属性，解决用户和供应链信任难题，实现供应链金融，使得全面解决方案得以产业化。

2安全的风险。辛辛苦苦几十年，一夜回到解放前，工业服务的属性决定了这个是高危领域和职业。无论对于用户主体，还是服务主体，基于数字运维与工业互联网平台的数据分析，将有利于开展工业领域的安全责任保险业务。对于涉及责任判定，这些客观数据还将有效的识别、判定和事先预防，对于工业互联网生态而言，这是至关重要的一点。

 结束语 

工业互联网领域创新方兴未艾，它的成功取决于全面解决方案中的每一个服务主体的项目经理及其团队，他既是业务专家、也是项目协调和销售的行业里手，这对工业领域每一个行业来说，都潜藏着无数的商业机会和职业发展。而最终工业互联网生态的建成的成功标志，也在于销售员的消失和每一位有梦想的工业人价值发挥和回报。

 参考文献 

杨明波，刘华，郭显昌.数字化工厂＋工业维修服务体系［M］. 北京：机械工业出版社，2017.