搭好框架，备战工业4.0 ！

　　近些年，随着中国工业数字化程度进一步加深，数据采集程度提高，逐步涌现基于大数据采集的人工智能等应用技术。此外，百度、微软、联想等互联网新晋玩家带来了专属的工业互联网平台，为寻求智能解决方案的头部企业带来了可观的效益。制造业的龙头企业也不甘示弱，纷纷内部孵化出工业互联网平台，例如美的集团的美智数云、海尔集团的 COSMOPlat等，推动了制造业数字化转型。

　　那么，数字化转型要具备哪些条件？热门的工业4.0是什么？其和工业物联网以及智能制造等概念有哪些区别？中国是不是已经到了可以大规模去实践工业4.0的阶段了？智能制造又有哪些具体的应用场景？这些问题可能萦绕在投身于企业数字化转型的每一个人心中。本期，让我们听一听来自于普华永道的战略与运营合伙人沈宇峰先生的分享，看看他对于工业4.0和数字化转型带来了哪些独到的见解，又是否能为我们的读者答疑解惑。

　　框架性的工业4.0赋能智能柔性生产

　　工业4.0的概念最早源于德国，其框架分为面向客户层、核心业务层、运营支持层及赋能工具四个不同的层次。而工业物联网的概念则源于美国，侧重于联通数据中联通的概念，和工业4.0框架性的概念有区别。不管是互联网、物联网还是智能制造等概念，都属于整个工业4.0大框架下的不同组成部分。其中对应的智能物流和服务、商业运营与数字化进入市场和新的商业模式、数字化产品开发、智能工厂、数字化互联供应链、智能化运营支持，共同构成了一个工业4.0的框架。在这一框架下，工业4.0注重于打造从销售端、研发端、生产端、物流端等更多环节整体的互联互通。

　　“因为过往的从业经历，我认为工业4.0这一框架性、体系性的概念更具现实意义，是未来实现真正智能化、柔性化生产的一个非常重要的前提。”沈宇峰分享道。

　　制造环节是整个工业链条中的重中之重，智能制造是生产智能化、协同网络化、产品定制化和服务延伸的综合，其也是工业4.0的核心。随着数据采集、网络互联、智能计算与处理等技术的飞速发展，智能制造才能真正走到实践中去，为整个工业链赋能。

　　而中国，工业增加值连续9年位居世界第一，是当之无愧的世界工厂。从全球的原料采购地，到世界工厂，再到最大的市场之一，现在，正逐步转型为创新技术的发源地。虽然中国占全球工业增加值的30%，但相比美国，在制造环节的数字化投入还是偏弱。数据显示，美国的工业增加值为全球的15%，但其在数字化转型的投入规模占到了全球的1/3，而中国对应的数据只有13%，约占美国的1/3。

　　“有人认为造成这一现象是因为中国的人工成本低，但随着老龄化趋势愈加明显，劳动力成本将不再是中国的优势。目前，中国工业制造部分为基础加工，高新技术生产比例低于美国等发达国家，导致数字化相对占比较低。”沈宇峰说道，“但中国数字化的投入正在逐步增加，人工智能的市场规模以每年45%的比率增长，工业软件的增长率也维持在两位数，发展空间巨大。”

　　中国的工业发展从自动化、信息化逐步转型走向数字化。在信息化阶段，我们更多地解决数据的打通、设备之间的联合、系统性的业务配合，以及传统意义上的产供销体系的数据可视化，让人能够在决策的时候有更多的参考；而在数字化、智能化的阶段，拥有更多的云端、人工智能、5G等技术的加持，智能化的辅助决策降低了人在系统中的占比，提升了系统鲁棒性。“我认为，中国现在到了大规模讨论并且实践工业4.0这个概念的时候了。”同时，他也提醒道， “值得注意的是，目前市场上尚未有企业能提供面向整个供应链环节的完整的解决方案。”

　　高ROI的四大智能制造应用场景

　　企业积极推进智能解决方案，其中需求明确且高ROI （投资回报率）的场景最先落地，例如供应链优化、设备预测性维护、质量检测、能耗管理等。沈宇峰从这四大智能制造的应用场景适用的行业、用户面临的痛点，以及落地了相关的解决方案后带来的核心价值等方面，为我们进行了深度剖析。

　　在供应链优化方面，零售业、汽车及其零部件行业、 3C电子等行业的需求会比较多。例如，行业下游的需求变化大、频率高，采购降本的要求高与采购周期的缩短趋势相悖等等，使得整个供应链对于智能化和柔性化的要求在短期之内有大幅提升。

　　一方面，中国经济结构变化、产业升级，对智能化和柔性化供应链的要求增长；另一方面，地缘政治问题叠加疫情的影响，全球的供应链结构整体从原来的长链、大闭环转向短链化和中小闭环再造重组，这也是国内越来越多产业集群化的背后原因之一。在这一场景中，应用新的智能化的解决方案，通过人工智能、深度学习的算法等技术，更好地去做数据整合，给采购、研发、生产、制造等环节提供更先进的预测、更精准的调整性判断。

　　在设备的预测性维护方面，石油化工、港口、轨道交通等重资产行业拥有大规模自动化设备，固定资产投入占比较高，对产线的集成度、开工率要求比较高。传统行业模式下的响应式维修以及固定周期的维护保养不能满足其需求，利用智能制造中物联网等先进的系统化、集成化的解决方案，可以实现预测性的维护保养。通过软硬件的结合，用户可以通过数据第一时间研判趋势，分析故障产生的可能性和频率，达到降低成本、保障安全的目标。这一场景在目前的实践中比较常见。

　　在质量检测领域，目前对于人力的依赖比较重，一方面，人力培养成本高、供需匹配不平衡；另一方面，人工检测容易导致存在偏差、分析不系统等问题。智能检测在提高产品质量的同时也降低了检测的成本，通过深度学习构建起来的缺陷识别的模型可以把质检变得更加智能化。智能检测解决方案的供应商，例如蔡司等，也正在从原先只卖检测设备转向提供设备背后的一整套解决方案。“在质量控制这一领域，最大的挑战不是人力成本的投入，而是人在检测过程中的局限所带来的不可靠性。”他如是说道。

　　最后一个典型的应用场景则是能耗管理。在建筑、煤炭、天然气等行业，往往会出现由于各部门能耗管理分散，形成数据孤岛，高能耗企业生产由于排放高，导致环境治理成本高等问题，这都困扰着企业。在有互联网等基础应用之后，大量的数据积累可以帮助企业实时了解各类能耗的真实数据，并且对其进行实时分析，使得能耗管理变得更加落地和有效。

　　“目前，各行各业都有企业在做一些相关应用，我们能看到对于高增长的头部企业⸺例如精研科技、振华重工等，他们在智能制造相关技术的投入比较积极，也在通过打造标杆性项目进一步拓展市场份额。而对于像首钢、太钢等相对低增长的头部企业，他们对于智能解决方案的更多期待是在降本方面，希望通过降本增效来攫取存量市场。”沈宇峰总结道。

　　结语

　　为了达成工业4.0目标，从采购到制造等各个运营环节本身，都需要有强大的分类工具，从整个技术的基础架构方面都要做转型。当然，仅仅建设数字化赋能工具是不够的，企业还需要提高自身核心战略、运营能力，人力资源的整合也是企业数字化转型需要的能力架构之一。

　　用一个完整的体系框架去做，从顶端的数字化战略进行部署的同时和企业本身的战略进行良好的衔接，再布局数字化的技术，实现端到端的全面打通，这种自上而下的数字化转型战略似乎更能把控全局。未来，工业4.0还能为企业发挥多大的价值，或许需要每一位从业者去探索。

关注读览天下微信， 100万篇深度好文， 等你来看……