改变思想 向前看;协同创新 共发展——写在NCP依旧的今天

来源:陈江宁博士原创

点击:10086

A+ A-

所属频道:新闻中心

关键词:智能制造 数字化 智能化

    陈江宁博士简介:

    西门子智能制造总监,宝武西门子联合探索工业4.0(智能制造)项目总监(中德政府合作项目),原西门子系统集成商总经理,IRM集团中国区总经理,南方商学院特邀教授。

    中国两化融合技术委员会委员

    中国智能制造系统集成商联盟专家委员会成员 

    中德数字化转型,中德智能制造人才培养专家组成员 

    中国智能制造国家标准总体工作组专家 

    中德智能制造/工业4.0标准化工作组成员 

    工信部赛迪研究院学术委员会委员 

    中国企业家联合会智能制造专家委员会 

    中国人工智能产业创新联盟专家委员会成员 

    中国《人工智能》杂志编委

    重点研究智能制造和德国工业4.0领域的趋势、发展、实践及应用,在智能制造的战略、 标准、智能制造系统集成商的建立,数字化转型做出相应的研究及实践成果。在IEEE发表SCI因子论文两篇,在德国出版智能制造论著(英文版)一部,参与中国智能制造工业4.0战略 及相关专业性研究;拥有智能制造相关专利7项。 

    应邀在芬兰欧陆大学、华尔街就IOT、智能制造学术交流。



    目前大家都宅家中,对抗这场影响广泛且深远的新冠肺炎疫情, 可以确定的是中国不会回到过去,我们的制造业也需要从所谓的韧性展现出更强的弹性和协同性。

    西门子为应对这场疫情,特别是武汉做为中德的友谊之地,充分体现了“风月同域“的人类的共同情感, 号召员工积极捐款,向武汉疫区捐赠物资据不完全统计达到1500万以上, 同时与时间赛跑,利用自己的优势产品为火神山医院的建设助力,为卫生防疫的消毒机器人提供快捷的服务。

    今天进入官方复工的第一天, 其实许多地方, 许多企业在考虑群众和员工的生命健康, 依旧选择安排在家办公;就制造业而言目前讨论最多的是三个话题,第一何时复工,如何复?第二企业在疫情中需要的支持, 第三企业如何应对这次疫情。

    坦率的说, 由于禁航这些天只能在家带娃思考,提供一些粗浅的建议供大家参考:

    1. 对于企业复工, 需要考虑不是复不复而是需不需要和如何复,所以不能一刀切模式,需要一个可操作流程,尽快落实,建议分区域、分行业、分企业大小、分服务和密集程度;有轻重缓急的复工,防护做好了,政府部门服务到位;另外考虑企业的需求,关系民生和社会发展的如生产卫生防疫的工厂需要优先考虑;基本都是本地员工和长期员工的可以考虑,现阶段减少外协;有独立办公和厂房的企业优先考虑, 在CPD或可以远程办公、鼓励在家。以企业自主管理结合政府部门监管为主,以平台形成报备监控机制(这里也许工业互联网提倡的平台和App有用武之地)

    2. 群中大量企业的呼声,研究机构对于政府的产业支撑提出新的需求, 前几天也应邀给政府提出一些建议,从目前最快的对策:第一尽快出台政策允许企业与员工协商薪酬支付方式,与房东协商暂缓或减免房租承诺支付方式,以及创新借贷工具支持上下游支付展期;第二尽快建立对于特别中小企业的紧急扶助基金和透明的申请流程;第三基于去年的交税先行返还或减免未来3-6个月税费;第四将企业员工的五险一金,延期到第四季度到明年上半年缴纳或部分减免,特别是中小企业;第四利用此次疫情总结建立企业面对区域性或全国性或世界性风险的运营预报、预测与支持服务平台;同时发挥国有企业的社会责任,在今年的考核KPI中更多体现人文的考核指标。另外也要防止某些企业利用这个蹭热点,虚假投资换取政府补贴(如有企业投资口罩生产,利用政府未来包销产能的政策)

    3. 谈到企业如何应对, 从企业运营的角度而言 一、目前为止形势依然严峻,所以大概率是封锁在家,即使复工也考虑3月中(可以合理的复工)所以我们面对企业需要做一个虚拟安排,梳理关键时刻可能会企业需求,包括未来沟通流程和物流规划,我相信一旦结束会有一批紧急采购,会造成物流和材料的短缺;二、停工时间长,意味设备闲置,一旦恢复,可能会有设备运行问题,如何快速服务而又避开出门风险;三、建议建立动态健康管理平台,确保企业员工的健康和工作平衡, 四、目前国家对于企业复工有许多担忧和预测,我们也可以针对不同行业、不同企业体量,做一个疫后复工支持套件,服务企业。同时心理疏导是企业和政府部门应该提供的员工福利。

    最后应该对于我们的国家、我们的人民、我们的党要有信心;其实恐惧本身是最大的病毒,关键还是未来如何规划和完善,否则就会秦人不暇自哀,而后人哀之;后人哀之而不鉴之,亦使后人而复哀后人也。

    谈到未来有哪些产业和业务机会, 我个人觉得中国不会回到过去,会更加理性的思考, 特别是这些天都宅家中,让我们突然中断以前繁忙的社交和购物活动,重新梳理与自己、与家人、与公司、与社会的关系,我相信这超过14多天宅家会彻底改变大部分人的认知和习惯。

    第一企业在远程办公、在线会议投入,那么其工具、平台、交互系统、数据安全等均值得关注,从国外的流行会议软件如SKYPE, CIRCUIT 的实际使用效果和便利程度甚至不如Wechat,所以对于如何快速进入系统, 如何有效传递信息, 如何做人-机-人的互动这个是关键。

    第二企业在工作密集度的降低的需求, 特别是工序物流环节、现场巡检、远程集控、工艺及设备运营状态分析及决策等会发力、通过模型、数据平台、基础设施的等体系化建设会有投入;但目前国内基于行业能够有经验有实施场景的非常少。

    第三对于工厂安全管理,人员定位,物流路径优化和生产过程优化会有一定的需求。如危险区域无人化巡检、数据采集无人化网络化、集控数据平台远程5G化等

    第四企业运营管理的无人化,流程化,或者更加信息化;这个会加速从而减少人员的密集程度,因为这个是会议集中的所在;同样对于企业在物流管控、采购管控等方向提供新的需求。

    第五企业应对风险和灾害的应急对策和实施管控方法及业务流程会有极大的需求,在物质管理和透明分配等应用场景上会创造一批风口。

    第六数据分析、人员追踪、不同平台的信息协同等对于一直难以推动的大数据、AI等实施场景提供了机会。

    所以其实我们唯一担心的是我们自己是否已经认识到变化, 中国回不到过去, 中国会一往无前, 因为这就是我们的国家,乐观而向前。

    结合2017年的智能制造视频,就内容做了部分更新, 主要是在过去两年多实践与思考的更新:

    今天给大家讲讲我们做智能制造的一些实践与思考,第一因为我们最主要做借用互联网的概念叫羊毛出在猪身上。什么意思?我们做业务要找大的领军企业合作,把这些技术和实践方法落地之后再进行普及。第二个与大渡河公司有个很好的互动,我们也看到他们在做智能制造实践过程中结合自己水电产业的特点提出关于数据中台的概念,触发我们做的研究,认为 “能力中台“才是企业最为需要的,接下来给大家汇报一下过去四年多时间对智能制造的工作和思考。

    接下来先给大家看一个我们跟宝武炭材公司合作的案例,这是工信部智能制造示范试点项目,在过去的两年多时间,我们从规划到落地,实现了很多与智能制造相关的实践案例。当然其中有很多是宝钢自身的部门的参与如,比如说宝钢的装备、宝信、宝钢工程等外部如华为、北科大在里面做了很多的贡献,总体来说效果是非常不错的,得到中德智能制造专家组的高度评价。

    这里有一个视频是在2019年11月5日在柏林中德智能制造副部长级会议上播放的,宝武炭材做锂电池负极材料,原来就是叫石墨电极,做了40多年这个东西,现在变得很时髦了, 原因是电动汽车。通过这个大家看到我们很多所谓的智能制造技术集合到它里边都实现了,而不是仅仅讨论了。

    接下来简单跟大家描述一下我们怎么做的,实际上中国的发展确实比国外要快,包括在数字经济领域和移动端支付的领域,我举个简单例子,前段时间我在美国讲课的时候,跟人吃饭,吃饭的时候拉卡不能用,微信肯定不行,移动支付是没有的。要求你到马路对面的小超市用信用卡把现金提出来,每次只能提20美金。所以数字化改变不仅是一种思维模式也是生活方式,大家可以想象一下。

    今天谈互联互通的技术,谈了仿真的技术等等其实是赋能,大家仔细读一读2014、2015年美国跟德国的出的关于工业4.0及先进制造业的书讲的很清楚,所以这个大家一定要想通这个问题。实际上从产业的角度看一下,从简单到复杂的行业,原来做的都是比较容易做的行业,数据的关联度很少,对数据的安全性要求很低,而且数据的防护几乎是没有做。什么时候用数据要付钱了?大家看看欧洲的数据安全法,如果你要用个人的数据,必须要事先争得这个人的同意,如果挣钱了还要跟这个人分享。按照我们目前互联网的操作模式,如果这样跟14亿中国人沟通,不用沟通已经破产了。实际上我最想讲的两个,就是通过技术的驱动和业务的驱动,带来很大的一个变化,我们怎么从这里面找到变化?

    上午腾讯的先生讲过,他找到to B跟to C之间如何拉动的一个变化,这些细分的应用会产生很大的业务的机会。实际上从世界的生产率,整个世界的变化在未来数字经济的领域会发生很大的变化,包括我们的产业变化我们总结了五个变化ABCDE的方向可以供大家思考,我们现在讨论最多的就是第三个C这个方向,中国工程院已经意识到了太多强调先进的行业,我们传统的行业占90%的GDP的产值。据屈贤明院长谈到比如纺织行业,一年给中国外汇的贡献率是70%,中国外汇的利润的70%是来自纺织行业,这个非常有意思,我们做了那么多的智能制造,人工智能,最后是纺织工业给我们带来了价值。

    是我们团队做的,从目前来看未来会变成什么样子?现在的企业我们更多讨论自动化、网络化,当然我们说这个过程是迭代的不是孤立的,实际上大家可以看到整个过程。我们理解在未来可能三年左右的时间,在网络协同这个领域会有很大的发展,六年以后我们会预见到在预测跟优化,会有有更多的案例跟实践的效果,特别是在企业层级上会有很大变化。

    以上是我们做了一个调研,中国企业目前的状况的理解,基本上中国企业从目前所处的智能制造的阶段和所关注的技术,和投资的领域以及关注的方向我们从四个维度给大家做个分享。

    中国智能制造战略我也参加里边的很多的工作,我们的理解我给它加了一条,要有一个互联互通的平台,原来只谈了快速到市场等五个方向,我们觉得除了上面讲的五个方向,一个互联互通的平台可能是更为重要的,而且我们所有智能制造的目的,我们目的本身实际上就要提高企业效率,提高企业的价值研究。

    我前段时间在美国的时候,大河钢铁(BRS)你可以查一下特朗普总统的推特里面专门提了这家公司,它背后的投资是私人基金PE同时也投了三家人工智能的公司,其中两家我去过,其中一个是做流程优化,一个专门做能效管理。这三家公司估值一直做不起来,因为没有场景,于是就在密西西比河上游建了一个钢铁厂:美国大河钢铁公司(BRS)。如果到现场你们会发现,按照中国的环保标准这样的环境基本立刻就关闭了,但是这个工厂的生产效率是最高的,四百个工人的人均劳动生产率是3750吨每人每年,这是全球最高的劳动生产率,像宝钢在湛江的才2500,所以这就是管理与技术差距。在今年下半年卖给了美国钢铁,6.3个亿一半的股份卖给美国钢铁,三年时间投资者挣了一倍钢铁的钱,而其中的AI公司的估值第二轮据说几千万美金以上,大家明白意思了吗?这就叫资本跟技术结合,产生这样的场景跟案例,最后应用和价值就出现了,实现前端与后端的统一,所以在现在这个时代讨论更多的是有多少的场景,有多少案例,可以实现用户价值与市场价值的统一。

    谈到数字孪生车间,在数字孪生车间有三个主导因素,一个是设计模式的改变,第二个是工厂生产模式的改变,最重要的就是数字孪生,出现数字化的资产。这些资产很重要,如何把这些资产管理好,从设计到运维到运行,整个的维度来看待这个事情。

    实际上整个逻辑架构是技术赋能从电器化、数字化、网络化到智能化,通过数据安全的迭代最后还要做降低运营成本等五个KPI,未来的许多年也会这样,只不过技术通过融合和迭代的方式来推动KPI提高与优化。

    接下来讲讲我们的实践,这是我们2016年6月13日在大会堂两国领导人的一个项目,我们先从宝钢的基地开始,接下来是在一个工厂,现在就是开始准备在一些行业或者一些应用复制。基本上就分成这三步,在这个过程当中最难的不是做项目本身,因为我们这个项目要求的是蛮高的,大家看到下面这页就知道了,一个我们要有突破,第二要有IP的特点,还要有专利,还要有案例,这就是我们在过去三年所有的项目组跟宝钢合作的成果,你看到做这个项目我们要做多少事情,我们要有业绩,完全业务导向,这个项目组不是纯搞研发的项目组,而是要背定单的项目组,要做研发、标准、IP。我给华为讲课,他们说你们做这么多得到什么?做这个事情很有意思在于可以把对于工业的情怀和客户的需求之间对接,这其中最难的是团队的人才,为什么会这样?原因就跟大家分享,这样的人才非常难培养,因为第一个你是需要对工艺管理熟悉,第二个对IT熟悉,第三个对整个工厂的流程要熟悉,因为你要做业务,第四对自动化和供应商的工程架构熟悉,你要求的人才在目前的教育体系里是很难培养出来的。

    如果在座各位想要奔智能制造的方向,我给大家提四个建议:

    第一,要有合适的团队,这个团队的人要有很强的创新机制; 一定是跨界和领导力,有风险和经济意识的。

    第二,每个项目要从业务导向,到底能不能带来效益,是否有长短期结合,这个很重要。

    第三,知识产权,如何分享、如何保护、其实最重要的是不能为保护而做IP。

    第四,智能制造必须从咨询开始, 从规划、可行性方案,需要有强的行业Know和客户关系,因为这个是共同投入的过程。

    这是我们做的第一个案例,用逆向建模,这个老的工厂做逆向建模最重要的意义就是把设备层的电气、仪表、机械的各类信息能够协同起来;第二个就是远程应用,因为随着企业越来越大,你的规模在异地如何做运维协同很难,我是从宝钢的现场出来的,我们知道80%的现场的问题什么原因?是因为你的沟通不畅,不是因为现场没有数据,你是带厚厚的资料到现场干活,基本半夜到现场去的,如何解决现场跟后台的协同很关键,虚拟远程监控和实时决策可以解决这个问题。

    这个案例也比较有意思,工业网络包括大家理解的物联网的技术,RFID技术,识别技术,机器视觉识别技术很多场合都可以应应用,这些应用可以帮助我们减少大量的人力、物力的成本的。

    工业网络信息安全很重要,数据安全有两个问题,一个数据自身的安全,第二个承载数据系统的安全,我们通常谈的基于态势感知的公共安全是对系统本身的一个保护,大家不要被这个词误会,但是在国内能做好基于态势感知的公共安全的几乎没有,我们说的多做的都没有,就是我们板砖的专家很多,砌砖的专家没有。

    在工厂级,在工厂很多的工艺段之间的优化怎么通过数字化数字孪生进行仿真和优化是很关键的问题, 就像以前工程设计需要设计总师对于工程和工厂工艺路线和逻辑进行优化。

    下面就是跟大家讲讲对企业数字化转型的思考,其实我们调查了一些国内的企业最关心什么?第一中国的概念太多,第二个就是刚才谈到的智能制造需要什么样的队伍,最后有一点就是如何解决装备制造业制造升级不兼容的问题,因为我们上了这么多不同类型的设备、产品,怎么把不同的系统兼容,像阿里的数据中台的概念,是帮助解决一部分的问题。

    从企业数字化转型我觉得有四个困境,就是角色团队跟执行团队的不一致,这是很明显的问题,第二如何评估投资问题,第三如何选用合适的数字化平台,这个问题POSCO的CEO专门私下来找我,他问了一个问题,他说我们被人忽悠,天天说要建一个平台统一我整个公司的管理,我说你想象一下可能吗?你不同的数据有不同的属性,不同的平台有不同的着眼点,怎么把它统一起来,最后就是如何合理的使用数据。我们大概只有10%的数据能被很好的利用起来,这是比较困难的一个局面。

    实际上目前我们工业转型的一个误区就是我们都想从常规的业务到数字化转型,其实我们从过去的三年的实践,就觉得从精益化的管理和系统化的提升两个维度考虑的,实际上我们现在这些问题就不多说了,我们面临的局面最的问题我们最后这个问题其实值得大家思考的,我们建了太多的示范中心,忘了应该做什么了。

    中国企业做智能制造, 我理解有以上五个问题?可能通过这种研发、计划生产过程物料这些提高我们的水平,无外乎怎么把不同类型的数据通过完整的数字化的过程有效的管理起来,从我们个人做项目的过程当中总结起来是这样的,第一个很重要,一定以数据切入,供需服从场景为核心的。那么第二个关于流程的梳理跟需求分析是必备的程序,我们给用户做规划的时候,通常会画一个流程,就是说从信息流、物流、工艺流程到底有什么样的问题?另外选择合适的人选推动是很重要的问题。

    还有一点我们在做智能制造一定要有顶层的规划,然后把自己的公司,我们能做什么,具体的项目落到业务模块里,中间一定要有一个业务能力蓝图层,到底你能干什么这个企业,要把这个画出来。有的企业做了智能制造最后编程智能制造展示中心,我们一家青岛的企业最后靠参观收费挣钱了,西门子成都灯塔工厂参观什么时候收钱过?

    做智能制造一定是分布的实施的结构,也不能说一下把问题都解决了,最开始把现场的自动化层跟数据的标准化做起来。工厂的数据从哪里来?一定是传感器从网络层、从PLC、从DCS来。

    人很重要,我们在做的过程当中看到这些人确实是很难培养,有很多人确实是很难,但是通过做这个过程,如何把有效的人鉴别出来,给它一个合适的位置来推动,其实很重要。而且最后会造成整个企业组织架构会发生巨大的变革,我们总结了三个的变革,第一个传统的层级管理,第二以供需为核心的贴近模式,第三集控模式。刚才那个宝武炭就是集控,什么概念?大家现在知道很时髦,只要把操作室一合并直接就减人了,合并完了怎么办呢?这个数据怎么管理?那就是把所有车间的屏幕堆在一个上面,这不叫可视化。在国外可视化什么意思?就是智能的一部分,因为你能把一个图做的让大家明白,这不是智能吗?换句话说如果你写了一个报告领导很喜欢,那也叫如何“智能的玩领导“。

    最后我想如何做业务?我觉得我们要建一个能力的平台,不仅建一个数据的平台,要建能力的管理平台。实际上我们理解从基础层、平台层跟业务模型层把它迭代起来,这就是建立这样一个架构,可能我们要从数据化、模型化到制造的协同,资源按需配置所有投IDC的基金都讲这个词,我们搭了一个这样的平台的架构,说中台应该怎么做,基础设施层,平台层,业余层,包括跟其他企业的架构怎么做,但是我们想基础设施、平台业务三层怎么结合在一起,这是很重要的一个方向,但是如何要把这些数据业务起来,模型是很关键的因素。

    最后跟大家谈谈未来,这是我们理解的2019-2030年会发生什么样的变化。从到市场创新、可视化、投入的精度等等会发生一些变化。另外边缘计算很重要,我相信在数字化工厂车间未来的边缘侧的控制器、存储器、业务模型会有大量的应用空间。5G现在应该有很大的应用前景,但是更多的是低功耗、低时延,大功耗数据。

    我们要为这个世界进入数字化时代做好准备。我们唯一恐惧的其实就是我们自身, 努力吧, 一定会春暖花开。

    感谢中德政府、感谢西门子、感谢宝武集团、感谢宝武炭材以及所有为之付出、所以为之加油的人们。

    以上材料、数据未经许可不得转载,版权所有。

    (审核编辑: 智汇张瑜)