工业4.0首先应该被看作是一种体系。德国在搭建工业4.0时,考量的是如何构建生态体系,使企业能够形成合力。

   其次,运用工业互联网也要考虑工业和互联网二者之间的组合关系以及接口标准是什么。对此,政府和企业都应该积极探索,只有各自的专业化分工明确,才能形成合力。

   面对工业4.0,要有来自顶层的数字化思维。

   同时,企业的实践要有一条数字化的主线从头贯穿至尾。原因是,工业4.0强调的是从设计端把所有的产品信息、工艺,到生产、制造、维护再到最后的运行数据连通在一起。

   由此,企业领导必须要有数字化的思维。这种思维需坚持“三不要”的原则:一是不要在落后的工艺基础上搞自动化;二是不要在落后的管理基础上搞信息化;三是不要在不具备数字化的网络基础上搞智能制造。

   以德国工业4.0为例,现在国内都在解读其中的智能制造。但智能制造研究的项目过多且又各不相同,我们很难了解到各个项目的精髓。比如风厂,它要求风机软件要有特别好的预测风向和设备的运维水平,传统的装备制造业很难做到这一点。

   现在,我们面临着在风厂采集回来数据不知道该如何进行分析的问题,主要是因为没有适合的分析模型。软件化思维就需要企业把已有的经验、知识与社会实践相结合。目前有些领域的模型比较精准,有些则是半物理化模型。我们要做的就是把这些技术体系真正实现软件化、显性化。

   GE最大的难点不是软件编程,也不是大数据分析。而是如何将行业里专家的知识进行转化,变成模型放到平台上运营。

   从这一角度看来,工业4.0一定要回归数字化基础的本质。但是,对于国有企业,精益管理基础存在着大量的浪费。以军事领域设计端中坦克的设计为例,其采用的全部是型号管理,原因是不习惯把所有设计产品的零部件进行可重组分析。

   反过来讲,库存管理亦然。现在的库存管理中,设计、工艺和采购是分开进行的。如若从数字主线的角度来思考,在设计端、工艺端看到的采购和元器件也和设备的工艺端是一样的。而在库存管理中,元器件、零部件的管理则经过了成组的技术分析。这样一来,有产品的库存会大幅度降低。

  工业4.0就是使人、机器和智能对象可以和系统连接,最终达到优化整个价值链,质量、成本和交货时间缩短的目的。换言之,工业4.0的关键在如何提高价值,提高产品的质量,降低生产成本。

   随着市场环境的不断变化,越来越多的客户对个性化产品的需求旺盛。更短的交货期和产品生命周期,以及客户采购方式的改变都是企业面临的挑战。这些挑战使得企业有了改进质量、降低库存、减少对劳动力的依赖等目标。

   实现工业4.0需要一个开放的平台,只有把新一代产品智能系统的核心开放了,才能真正实现智能化。

工业4.0带给中国工业很多挑战,同时也带来了很多机遇,我们要做的就是把握这些机遇。