开篇之时，首先向期待继续看到我文章的朋友们，深深说一声：对不起。原本计划半个月左右写一篇，前几篇还好，这篇一下子拖延了差不多快3个月，真的很抱歉。

　　原因主要有两个，一个是，上一篇文章发表后不久，可能就是第二天，在北京有个工业4.0小规模演讲会，一位上市公司老总开始关注我和我团队的创业，关注我们创业的主题是企业核心能力的测评、分析和改善，尤其是关注我们开发的工业4.0测评模型。经过两个月和这家公司的交流、深度交流、全方位交流，以及他们的尽职调查，并全部履行完上市公司投资的法定手续，到5月底顺利完成了我们创业的首轮融资。

　　我们的产品是CCIAI：中国企业核心能力测评、分析、改善Saas云服务平台，英文全称是Corporate Core Competency：Indicator, Analysis & Improvement。

　　其实，到今天为止，不能说，就根本解决了“中国企业如何走向工业4.0”这个严肃的命题，但至少和我的前四篇文章比，还是有明显的进步。可以肯定地说，真正能解决“中国企业如何走向工业4.0”这个命题的，绝不会是今天的文章本身，而一定是未来那些担当起中国脊梁的中国企业自身实践的脚步。

　　这两个多月，我和我团队思考的，如何走向工业4.0，新模型的结构展示如下。

　　我来详细解释这个新的模型。

　　兮易工业4.0测评模型的要义

　　1、动态阶段的概念

　　中国企业走向工业4.0不是一个短期内可以完成的历史任务，因此必须引入一个阶段的概念，因此，模型提出了：前2.0和2.0的阶段，2.0到3.0的阶段和3.0到4.0的阶段，这样动态进步的概念。阶段性进步概念的好处是，对于一家具体的企业，你首先要知道，在当下今天你是处在一个什么发展水平，一个什么历史阶段上。这是我们进步的出发点。这就解决了，我们需要朝前看工业4.0的远景，同时我们更需要量化测评我们今天所在的位置，同时知道，我们需要如何走到3.0，以至于4.0，解决了一个路线图问题。

　　2、2.0阶段的基本定义

　　工业化与标准化，也就是大规模制造的阶段，这个和德国工业4.0的定义也吻合。我提出了2.0的本质特征是“大批量订单满足用户的基本需求”。在这个阶段，对大规模制造提供能力支撑的信息系统关键特征是什么呢，是满足基本的业务需求的信息化系统，比如ERP系统等。在这个新模型里，我增加了一个“精益管理”的新维度。在前2.0和2.0阶段，一般说来是“精益管理”的导入期。

　　3、从2.0走向3.0阶段有两个基本特征

　　一个是产线自动化导入阶段，也就是德国工业4.0提出的从工业化走向自动化的阶段，同时也是从大规模制造走向大规模定制的阶段。大规模定制，从电脑、汽车、发动机、家电等行业的实践看，这个阶段具体实践是，通过模块化设计与制造完成大规模定制的历史过程。在这个阶段，信息系统也呈现两个特征，一个是自动化设备和自动化系统的导入和增强，另一个是信息系统的模块化的增强。在这个阶段，精益管理表现为，由导入期发展到提升期，精益在企业管理中切实起到了助推作用。

　　4、从3.0走向4.0

　　遵从德国工业4.0的通用表述，是智能化阶段，从企业经营的本质看，是“个性化制造”的阶段，就是说，是个性化订单满足用户个性化需求的阶段。这个阶段从信息系统角度看，如果不采用智能设备，不采用物联网，不进行系统互联互通，难以从技术手段上实现个性化需求的满足。这个阶段，精益管理将进入“高标准精益”的新阶段。

　　5、大数据的定位

　　从2.0走向4.0的过程，可以肯定地说，是系统实现可视（看到数据）的过程，从表面可视走向深层可视的过程，因此也是从数据走向大数据的过程。大数据的一个基本和必要前提是可视，但表面可视解决的是企业内部经营者所要的报表分析，而深层可视带来的是以前所不曾有的，表面上看不到的，为企业带来新的价值增值。

　　6、企业不变的初衷

　　我们已经走过或者还在走的2.0也好，已经或即将开始的3.0也好，还是展望未来或行将开始的4.0也好，企业经营者永远不忘初衷，永远需要牢记在心的，就是企业的本质和存在的合理性就是，不断满足用户不断变化的需求和用户的完美体验。

　　兮易工业4.0测评模型的基本维度

　　和我前面写的文章比较，在测评维度上，基于一些先进企业的实践，我们提出了基本九个维度的建模。

　　1、第一个测评维度是销售预测准确率

　　链接用户需求，使需求转化成订单的核心环节是销售。在前2.0和2.0阶段，测评销售的核心点是，考察实现标准化大规模制造产品的销售预测准确的程度。这在绝大多数企业都是公司最高级别的考核指标，是非常硬，也有很高难度的指标。

　　在2.0走向3.0阶段是标准化+模块化定制产品销售预测的准确率，即两种销售模式并行的预测准确率，同时还要考虑全渠道统一的预测准确率，在这个阶段，既有线下传统渠道的预测，又增加了线上电商渠道的预测。

　　而在3.0走向4.0阶段，是更加复杂的三种不同类型订单（标准化订单、模块化订单，加个性化订单）的预测准确率和由此而产生的用户大数据分析对预测的贡献率。

　　2、第二个维度是订单履约或订单执行

　　也可以说是订单交付（OTD）。在前2.0和2.0阶段，主要考察从预测，从订单到计划，到订单交付，全过程的业务流程和信息系统是否基本健全和切实在发挥作用。

　　而在2.0走向3.0阶段，重点考察是否建立了能实现模块化订单交付的能力体系、系统增强以及BOM的打通。

　　而在3.0走向4.0阶段，应该是三种订单都能实现即时承诺，而且能实现随时下单的业务流程和与之匹配的智能化信息系统是否具备。

　　3、维度三是采购

　　在前2.0和2.0阶段主要测评采购料件的质量、交期和成本，实现这三个KPI的流程体系和与信息系统是否已经创建。

　　在2.0走向3.0阶段，主要考察三个关键点：

　　一个是模块化采购是否实现；

　　第二个是模块化供应商导入的程度；

　　第三个是供应商是否参与了品牌厂家的模块化设计。

　　在3.0走向4.0阶段，则是在3.0进步的基础上，追加考察供应商的料件加工是否能实现加工全程可视，只有全程可视，才能根本实现质量可追溯和质量0缺陷。

　　4、维度四是研发设计体系

　　测评KPI有三个：

　　第一个是TTM（Time to market），新品上市数量占产品规划的比例以及是否按规划时间上市；

　　第二是TTR（Time to Revenue），新品上市后的实际销售收入和预期销售的比较；

　　第三是TTP（Time to Profit），新品销售的实际利润与预期利润的比较。

　　在前2.0和2.0阶段主要看实现这三个KPI的基本产品企划、研发设计和新品上市的体系（业务流程）和基本的信息系统是否建立。

　　而在2.0走向3.0阶段则主要看产品的全生命周期管理（Project Lifecycle）体系是否建立，看模块化研发设计是否实现，比如，具体说，在模块化设计上，要测评有没有产品配置、设计参数、接口规范、模块需求发布等。

　　在3.0走向4.0阶段，主要测评有没有基于IOT与互联网，实现基于用户体验和用户参与的设计，有没有建立个性化产品的设计研发体系，有没有实现高标准的3D虚拟仿真设计，有没有实现全球的实时协同研发，即研发设计资源的全球实时共享。

　　5、第五个维度是制造到智能制造

　　在前2.0和2.0阶段聚焦在订单兑现、质量、节拍和设备利用率几个KPI上。主要测评ERP计划、计划到排产是否打通，基本的MES是否实现等关键点上。2.0走向3.0阶段则聚焦在，完整的MES与ERP，与APS，与底层系统是否打通，是否能实现精益排产的。

　　而在3.0走向4.0，则聚焦在合理的终端智能设备导入，实现基于工业互联网的系统上下左右的互通互联，即机机和人机交互上，同时实现实时的业务流程、系统和设备的可视、可控和可分析。注意，这里用的是终端智能设备的“合理导入”，而非越多越好，而非“无人工厂”，而非“机器换人”。

　　6、第六个维度

　　是厂内（Inbound）物流和厂外（Outbound）物流。在前2.0和2.0阶段主要是考察是否打好了物流的基础，即做好出入库管理、仓储管理、配送管理，即从业务流程角度，人的能力培育角度，又从系统建设角度。

　　在2.0走向3.0阶段，侧重考察大型品牌企业是否着力打造高效的物流管理平台和物流互联网系统平台。

　　在3.0走向4.0阶段，侧重考察Inbound立体仓与智能控制系统的建设，Outbound互联网智慧物流平台的建设。

　　7、第七个维度是质量管理

　　2.0时代主要是精益质量管理的基本体系的建立；2.0到3.0时代主要是质量体系的进一步完善和更多自动检测分析设备的导入和质量信息系统的建设。

　　在3.0到4.0时代，则是全价值链所有涉及质量的环节能够实现到料件、到批次360度动态的质量监控，从而实现质量的0缺陷管理。

　　8、第八个维度是设备管理

　　2.0时代主要考核设备完好高效使用的基本业务流程和信息系统是否建立，在2.0到3.0时代主要考核设备点检维护是否完整实现了自动化。

　　在3.0到4.0时代考核是否导入了智能设备和智能系统从而实现设备的实时点检维护和实时可视和可控。

　　9、最后一个维度就是大数据的应用

　　到目前阶段，中国企业，不管是漫步在2.0阶段的企业，还是进展到3.0阶段的企业，几乎很少有企业在实施大数据或工业大数据的应用。

　　我参加过几个大数据会议，5月31日在杭州萧山参加了一个高规格的工业大数据会议，由国家网信办、浙江经信委和萧山区人民政府共同举办。老实说，上台发言介绍数据应用，介绍信息系统建设的居多，而真正称之为工业大数据应用的少之又少。

　　可能是我的个人偏见，或者是我个人的一孔之见，在与智能制造紧密相连，逻辑上前后呼应的工业大数据领域，不讨论计划与排程，不讨论制造与工艺，不讨论质量控制，不讨论设备的高效利用，不讨论仓储物流，不讨论MES，不讨论人机互联，怎么可能进入工业大数据领域？

　　而讨论这些，也才仅仅是工业大数据分析模型的基础和前提条件。

　　我始终认为，工业大数据应用的深度与否是考察未来中国企业能否走向全世界制造的制高点和制胜点最重要的一块试金石。

　　因为，很明显，我们如果实现绝对的最优成本结构（ABC+），实现真正的质量0缺陷，实现订单及时承诺和随时下单（即需即供），实现无限趋近于0的最优库存结构，没有工业大数据的分析模型如何能做到。

　　这九个大的维度，我也称之为九个板块，构成了我们“兮易工业4.0测评模型”的顶层架构。但我们的测评模型不仅于此。在板块基础上，我们进而开发出了聚焦三个阶段的87个小测评模块和更多的测评模板。

　　在接下来的时间里，我们计划，首先在纺织行业上游，也就是涤纶和锦纶企业，在纺织行业的下游，就是服装鞋包时尚企业，开始具体运用这个模型对企业进行具体测评、分析、改善实践。幸运的是，有两个企业已经开始了，项目的名称都是工业4.0升级改造。

　　一旦项目有了具体成果，甚至或者是不成功的实践，我们都会向关注这一模型的朋友们做汇报。