数字化转型:学员的两个问题 点击:116 | 回复:1



gchui

    
  • 精华:2帖
  • 求助:0帖
  • 帖子:237帖 | 6回
  • 年度积分:88
  • 历史总积分:785
  • 注册:2016年9月13日
发表于:2020-07-31 10:06:03
楼主

昨天,工信部人才开发中心组织了一个学习班,我去讲了一天的课。应学员要求。我提前结束了半个小时,用来回答学员的问题。下面是我记住的两个。

 

有位学员问道:我们企业刚起步不久,上了信息和控制系统。没有自己专门的维护团队,会不会有问题?

 

我回答说:如果企业自己不能维护数字化系统,未来技术发展会遇到天花板,难以成为一流企业。

 

我曾帮助一家企业分析质量问题。后来发现,问题的根源在一个控制回路上。性能波动的一半原因是这个回路导致的。问题找到了,但却难以改进。原因是设备是从国外引进的,对企业来说是个黑盒子,没办法维护。由此观之,这家企业的质量就会遇到天花板。这个案例也让我暗自庆幸:20年前我曾经写过一个建议。建议宝钢自主开发这类软件。这个建议受到了当时宝钢几位高层领导的大力支持。现在,宝钢大院里面已经完全掌握这些技术了。

 

像宝钢这样的大企业,有自己的软件开发和维护队伍,其他企业怎么办呢?我想,大概有两种解决思路:大中企业可以建立自己的数字化系统维护队伍,中小企业则要建立更加密切的生态关系来解决问题。

 

这种做法,是种必然趋势。我们可以回顾一下历史。在人类历史上,机械化、自动化都有一个共同的目标:机器代人、提高劳动效率。机器代人完成后,人的工作岗位岂不是少了?失业人数会不会增加?现实却恰恰相反。

 

中国改革开放40年,原来是10以人民9亿农民,劳动力严重过剩。经过40年的发展,农村没有青壮年劳动力了,我们却开始进入劳动力短缺的时代。世界各国的情况也是一样的。劳动效率提高了就业人口为什么反而多了呢?这里有多个方面的原因:大家普遍富裕后,消费能力增强了、市场大了;产品的知识含量增多了,从事知识工作的人多了。还有一个原因,机器多了、自动化程度高了以后,维护机器的人多了。

 

数字化时代应该面临类似的问题。我曾经多次提出:企业推进智能化,应该是一个持续改进的过程、一个不断将人类的知识变成数字化知识的过程,难以毕其功于一役。可以预计,在未来的智能化时代,一定会有很多人从事知识数字化工作,从事数字化系统的维护工作。所以,有能力的企业可以建立或者扩大这样的团队,没有能力的企业则要靠社会资源来维护。我预计:为制造业提供数字化维护的服务公司应该会越来越多;这些公司可能会通过互联网,加强与被服务企业之间的协同。

 

还有学员问道:我们需要培养什么样的数字化人才?


在我看来,数字化转型中遇到的实际问题往往并不难,无非是把人的技术或管理知识转化成数字化的知识难的是不同专业的人难以有效地协作。何老称之为“文化上的差别”。数字化的人才培养,要解决这种思维差异带来的问题


所以,我先给学员讲了一个笑话。程序员的老婆告诉他:你出去买5个包子;如果遇到卖西瓜的就买一个回来。结果,程序员买了一个包子回来。他老婆感到很奇怪。程序员说:因为我看到卖西瓜的了.....

 

这个笑话背后的现实是:程序员的思维方式和其他专业的人往往不一样。两种人之间的交流,经常出现问题。程序员的思维特别缜密、架构师的思维还特别系统;这些思维素质都是长期专业训练的结果。其他专业的工科学生,思维相对模糊和宏观,想学也不容易学会。

 

在数字化时代,我们需要程序员、也需要懂其他专业和业务的人。现代社会专业性很强、分工很细,很难做到让一个人什么都精通。最好是大家可以尽量地了解对方,让业务专家能把自己的需求用程序员能听懂的话讲清楚,然后让做IT的人去处理细节问题。

 

我认为,这是一个发展方向:日本专家就能这样。宝钢的实践其实也证明了:不懂数学模型可能就进入不了工艺的细节。因为许多工艺上的做法,都写在了程序里。

 

但在实际操作工程中,两类人之间还是有鸿沟的。原因是:多数工科学生不擅长建立数学模型。我曾经说过:理工科的理论,本质上都是数学模型。既然如此,理工科的专家为什么不擅长模型呢?

 

道理其实很简单:理论上的模型和现实中的模型是两回事理论模型需要一些参数,但现实中往往拿不到、不准确、不及时。所以,现实的模型与教科书上的模型对不上。现实中需要解决的问题是:如何解决数据不理想的问题?因为这个原因,工业界才会有“数据建模”。所以,才会出现工科工程师不懂数学模型的现象。

 

这时,工艺工程师就觉得,自己不懂模型是正常的。于是,他们习惯于把模型交给数学或者计算机专业的人去做:你们拿数据学习去吧。似乎懂得数据建模,就可以万事大吉了。这其实是极大的偏见。

 

我研究过宝钢的200多个模型。纯粹的数据模型或机理模型都是非常少的。我曾经有过一个观点:模型的水平体现在工业或机理知识与数据的“融合”能力。知识数字化能力(或者说建模能力)的培养,其实就是培养“融合”能力。种融合能力,需要我们把工艺机理、数据条件和建模方法结合在一起。所以,我特别反对把模型分成机理模型和数据模型的说法。我估计,未来企业最需要的就是这样一种人才。

 

不久前,一位朋友带着老婆孩子到上海来看我。他儿子今年上大学,咨询我选专业的意见。期间,我就谈到了数学专业和计算机专业的区别。数学系的人喜欢说:“你把问题说清楚”;而计算机系的人则喜欢说:“你把需求说清楚”。两者其实是有差别的。一个人作为桥梁,一定要把问题本身理解清楚,而不是仅仅把对方提出的需求说清楚。正如我前一篇文章说的:对创新问题来说,需求一般就是不清楚的

 

在我看来,把数学学好,适合做桥梁。


来源:微信号 蝈蝈创新随笔

作者:郭朝晖

该作品已获作者授权,未经许可,禁止任何个人及第三方转载。




楼主最近还看过



Chen

  • 精华:0帖
  • 求助:0帖
  • 帖子:0帖 | 1回
  • 年度积分:161
  • 历史总积分:161
  • 注册:2020年8月06日
发表于:2020-08-06 13:57:44
1楼

说的很对,企业必须有自主开发的产品


相关主题

官方公众号

智造工程师