数字化不是工业4.0 工业4.0成熟度三步走

      工业4.0能不能被评测？如果能，它如何被实施。这个问题在行业内一直被广泛关注。在德国国家工程院acatech的推动下，亚琛RWTH工业大学、德国人工智能研究中心DFKI和弗朗恩霍夫研究院等几家机构，历经一年，在今年4月联合推出了《工业4.0成熟度指数》报告（Industrie4.0 Maturity Index）。


       错了，工业4.0真的不是技术范啊

       工业4.0一词自2011年以来，一直被广泛用于描述制造业的未来。然而，现在即使德国也意识到，仅从技术角度阐释第四次工业革命的相关发展，显然是不足的，企业还需要组织和文化层面的改革。作为对这一点越来越明显的趋势，该指数的副标题干脆就是“企业数字化转型管理”。

       《工业4.0指数》为企业实施变革提供指导，包括六个阶段的成熟度模型，每个发展阶段的实现都将获得额外利益。《工业4.0指数》着重于四个关键领域，而这四个领域都包含与其相关的两个基本原则。

       工业4.0下的企业目标

       企业目前并未在其战略思考中对这些原则的充分影响予以足够重视。许多组织仍缺乏对工业4.0关键环节的基本理解，例如，企业经常错误地以为工业4.0仅限于数字化或全自动化领域。除此之外，各企业没有建立共同目标，许多已经实施的行动均是各自为政的孤立措施。多数公司实施的措施仅限于偶尔的试点项目，事实上更类似于技术可行性研究。但此类项目却难以将工业4.0的全部潜力展示出来，因为它们忽视了包括公司组织结构和企业文化在内的工业4.0实施的关键方面，结果就是变化仅仅是顺应自然的发展进化。

       德国工程院的《工业4.0指数》，可以依据各企业的需求，精确定制数字化路线图， 从而帮助企业实现工业4.0的最大化利用，并转型成为学习型敏捷组织，正如精益生产不等同于简单的防止浪费，工业4.0也不只是通过网络连接机器和产品。《工业4.0指数》强调的是需要进行范式的转变。

       令人惋惜的是，这些变化往往无法反映组织的实际流程或满足制造型企业的真正需求。因此，无论是独立企业内部还是整个经济层面上的转型变革的实例，都只是凤毛麟角。

       这说明，必须要合适的技术要素相结合，来压缩企业的适应过程。

       对于各企业来说，实现工业4.0的道路各有不同，因此必须以分析企业现状和目标为起点。企业现状的相关问题包括企业未来几年的战略目标，企业已经实施的技术和系统，以及这些技术和系统在企业内部的运行情况。这些问题的答案可以帮助企业确定成功引进工业4.0所需的能力。

       工业4.0的六步法

       工业4.0的引入，涉及制造型企业数字化能力素质的显著提升，并需要企业组织的大规模改变。作为一项高度复杂的任务，这种转型通常需要花费数年。而且转型的计划和实施需要确保在整个转型过程中的不同阶段都可以实现积极盈利（如增长和效率）。

       在工业4.0转型过程中的任何阶段都应实现可见的收益，这才可以支持转型的整体成功。


       该路径包括六步法，也可以看成是工业4.0的六个阶段，可分为计算机化、连通性、可见性、透明性、预测性、适应性。每一步都建立在前一阶段之上，并且说明了达到每一阶段所需要的能力和实现的企业效益。

       六阶段的描述

       1）计算机化

       发展路径的第一阶段是计算机化，因其提供了数字化的基础。在这一阶段，不同的信息技术在企业内部独立运作。大多数企业的计算机化已经相当成熟，主要用于更加高效地处理重复性工作。通过计算机化，企业可以实现高标准、低成本制造，而且许多现代产品可以达到以前不可能达到的精密程度，从而实现获得利益。但实际上，很多机器并不具备数字接口，特别是对于长周期机械或人工操作的机器来说。在这些情况下，终端经常用于填补商业应用和机器之间的缺失环节。

       计算机化的例证之一就是CNC铣床。通过采用计算机数控，CNC铣床可以加工高精度零件，但是有关执行行动的细节，所需要的NC加工数据通常仍需要手动传输给铣床，也就是说，铣床并未实现连接。另一实例则涉及未与企业EPR系统连接的商业应用系统，这可能导致半自动质保，尽管在试验站实施，但记录数据却并未与相应的工作环节关联。这将导致一旦发生质量问题，回溯环节会变得异常困难。

       2）连通性

        在连通性阶段中，相互关联的环节取代了各自为政的信息技术。广泛使用的商业应用彼此连接并反映企业核心业务过程。操作技术（OT）系统的各部分实现了连通性和互操作性，但是依旧未能达到IT层面和OT层面的完全整合。

       3）可见性

       传感器能够获得大量数据节点，从而捕获整个过程。传感器、微芯片以及网路技术价格的下降意味着现在可以实时记录整个企业的事件和状态，而不是像之前一样仅仅记录单独的领域，如制造领域。所以现在可以始终保持工厂的最新数字模型。我们将这种数字模型称为企业的“数字孪生”。“数字孪生”能够显示企业在任何特定时刻发生的情况，并根据这些实时数据作出管理决策。因此，我们可以将“数字孪生”视为下一阶段的核心构成元素。

       4）透明性

        第三阶段涉及企业当前形势数字孪生的构建，而第四阶段是关于企业了解事件发生原因，并通过根本原因分析生成认识。为了辨别和解释数字孪生的交互，必须使用工程知识对采集的数据进行分析。语义链接和数据汇集能够产生信息和相应的语境，为复杂和快速决策提供过程认识。

       5）预测性

       达到预测能力阶段后，企业可以模拟不同的未来情景，并确定最具可能性的情景。这包括将数字孪生投射到未来，以描绘多种情景，并评估它们发生的可能性。由此，企业可以对未来发展进行预测，并适时作出决策和采取适当措施。然而具体措施还是需要人工执行，因此较长的前置时间有助于限制消极影响。减少突发状况或计划变动等引起的意外事件可以实现更为有效的经验。例如，通过预测能力，可以在承运人失职等反复出现的物流问题发生之前对其进行标记，并通过更换承运人防止此类问题发生。

       6）适应性

       预测能力只是自动化行为和自动化决策的根本要求，而持续的适应性则使企业能够向IT系统下放适当决策，以便IT系统尽快适应变化多端的经营环境。

       适应程度取决于决策的复杂性和成本收益比，通常最佳方式是实现单独过程的自动化，因此应调查自主重复性操作的基本可行性。