工业4.0准备度模型解读

2021年10月22日 100 次阅读 本文共4106字,预计阅读时间12分钟

“工业4.0准备度模型”解读

“工业4.0准备度模型”来源于文献“Industrie 4.0 Readiness Study”,感兴趣的朋友可以关注公众号,回复关键字“准备度”,获取该文献。

前言

这篇研究报告是由the IMPULS Foundation of the German Engineering Federation (VDMA) 完成的,其中提出了一种工业4.0准备程度(Industrie 4.0 Readiness)的评估模型。如下图所示

工业4.0的维度及相关领域

Readiness Model包含了六个维度:

  • 战略与组织(Strategy and organization)

  • 智能工厂(Smart factory)

  • 智能运营(Smart operations)

  • 智能产品(Smart products)

  • 数据驱动服务(Data-driven services)

  • 员工(Employees)

研究报告将每一个维度都进一步划分为各个领域,然后用适当的指标进行评估(如IT系统对于整个生产运营流程的覆盖程度,产品是否已经具备了ICT能力等)。 它们构成衡量公司工业4.0准备情况的基础。

个人认为,这篇报告的价值在于站在整个企业的高度,为制造企业的智能制造顶层设计提供了参考维度以及各维度的建设目标,也就是to-be的内容。

与NIST标准相比(请参考之前的文章《聊聊对智能制造概念的理解》),Readiness Model着眼的高度更高,不仅涉及技术、业务,还有组织、战略、人员等管理方面的内容。

下面逐一对各个维度进行简要解读。

维度一:战略与组织(Strategy and organization)

工业4.0不仅仅是通过使用数字技术改进现有产品或流程——它实际上提供了开发全新商业模式的机会。 出于这个原因,其实施具有重要的战略意义。 对这一维度的评估,有以下四个标准:

  • 工业4.0战略的实施状况

  • 通过指标体系进行操作化和战略审查

  • 与工业4.0有关的投资活动

  • 使用技术和创新管理理

达到的理想状态如下:

  • 实施并定期审查战略

  • 企业范围的工业4.0投资

  • 建立统一的企业范围内的创新管理

注:该项研究在德国的机械工业企业中选取了248家做“战略与组织”方面的评估,结果显示,54.8%的企业没有做任何的相关工作,距离理想状态相去甚远。可见工业4.0对德国的制造业,至少是机械工程行业的企业,也是一个新鲜的领域。

维度二:智能工厂(Smart factory)

智能工厂是一个智能互联工厂的概念,在这个工厂中,生产系统直接与上层的IT系统(或MES,ERP,SCM系统)以及智能产品进行通信。 智能工厂通过集成(Integration)和自我调节(self-regulation)所有流程,尤其是生产流程,实现价值链数字化的最高水平。 通过生产系统,信息系统和员工的同步交互,可以实现高效的信息交互和资源利用。

智能工厂的一个关键特征是在整个工厂和重要数据收集点的机器和系统上布置全面的传感器技术。其目的是实时捕获所有与过程及事务相关的数据,并快速进行相关业务的处理。并使用数据分析技术为海量数据进行信息分析。这也就需要强大的计算机系统。

以下四个标准用于衡量德国机械工程行业在智能工厂方面的进展:

  • 数字建模

  • 设备基础设施

  • 数据使用

  • IT系统

这一维度达到的理想状态如下:

  • 设备基础设施已经满足未来的功能(对应“设备基础设施”,设备应具备通讯能力,并能够与IT系统进行充分的信息集成)

  • 收集并充分利用所有数据(对应“数据使用”,“数字建模”,能够自动获取数据,完成数据采集,并且对这些数据进行高效的利用,通过数字建模的方式,进行深入的分析,挖掘数据的价值,为工厂运营的改进提供建议)

  • 全面的IT系统对流程的支持(对应“IT系统”,IT系统应覆盖生产运营流程中的所有环节)

注:其实从这部分内容里能够看出这项研究的发起者对于智慧工厂的理解(主要偏重在生产相关领域)——生产运营管理中IT系统的全覆盖以及充分集成,设备层与IT系统的集成,能够自动全面地采集设备与生产过程中的数据,并加以利用,通过对数据的分析,挖掘数据中的价值,改善生产运营。

总结一下就是,理想中的智能工厂首先要实现全面的信息化,然后是OT与IT的融合,最后数字双生子的产生与应用。

维度三:智能运营(Smart Operations)

以下四个标准用于衡量德国机械工程行业在智能运营方面的进展:

  • 信息共享(Information share)

  • 云使用(Cloud usage)

  • IT安全(IT security)

  • 自治过程(Autonomous processes)

这一维度达到的理想状态如下:

  • 完整的系统集成、信息共享

  • 实施自主控制和自我反应过程

  • 全面的IT安全和云解决方案的实施

对于上述理想状态的解读,也就是说,这三点内容是如何支撑运营的:

信息集成

在智能运营方面,研究报告中首先提出了集成(integration)对于企业运营活动的重要,通过横向集成、纵向集成对企业内外部业务流程的支持,以及利用集成的信息进行预测,从而改善生产流程。

现状是,德国的机械制造业企业虽然能够在内部实现非常充分的信息整合,但在外部整合方面还存在很多待开发的潜力。 简化沟通渠道并将采购和销售自动集成到各种流程中,可以降低成本并提高效率。

自治过程

工业4.0的宏伟愿景之一是自导式生产:工件自行移动到下一个加工站,自行确定路线和顺序,并将必要的生产参数传达给设备。

调查表明,85.3%的受访企业没有自治过程控制系统。

IT安全

仅仅保证数据的可用性以及具有能够分析利用这些数据的系统是远远不够的,还需要确保这些数据的安全性。 德国公司对于提供数据非常谨慎并高度重视数据保护和安全。

调查结果也印证了这一点:很多受访企业已经实施了内部数据和沟通渠道的解决方案,但在涉及外部保护和沟通渠道时受到更多限制。

云计算的使用

云解决方案包括云存储(数据存储),云计算(数据分析)等基于云的软件。调查中感兴趣的主要问题是企业使用云解决方案的目的。企业经常使用云解决方案来外包数据计算和存储以及授权软件,从而提升效率。云计算的可扩展性是重要的优势,因为未来会有越来越多的设备进行联网、信息集成,产生越来越多的数据需要进行存储与分析。

维度四:智能产品(Smart products)

智能产品是智能工厂和智能运营的基础。是实现横向集成与纵向集成的重要载体。智能产品既包括企业生产的产品,也包括企业在生产制造过程中使用的设备、原材料等,因为,一家企业的产品正是其下游企业的原材料或生产设备。

智能产品领域的准备度可以用以下两个维度进行衡量:

  • 产品的ICT附加功能:产品是否具有信息的采集、计算以及通讯的能力

  • 使用阶段的数据分析程度:对于智能产品采集到的数据是否进行了充分的利用,挖掘其中的价值

维度五:数据驱动服务(Data-driven services)

简而言之,就是企业从卖产品进化为卖服务。

工业4.0的另一个标志是信息通信技术的使用,这是对现有业务模式的重新思考,重点在于增强对客户的利益。企业有机会将常规商业模式数字化,并开发全新的商业模式,其附加价值来自数据收集和分析。

工业4.0的破坏性创新商业模式则更进一步,其目的是强制开放现有价值链并挖掘新的潜力。在机械工程行业,近年来的趋势是制造商不再仅仅是销售机器,而是提供混合捆绑服务,即将产品和服务结合起来,为客户创造更多附加值。这方面的典型例子是将机器的销售与维护合同相结合,其中包括合同定义的系统可用性承诺。这又与收集并分析设备数据,以实现预测性维护有关。

数据驱动服务

数据驱动服务领域的准备度使用以下三个标准来确定:

  • 数据驱动服务的可用性

  • 来自数据驱动服务的收入份额

  • 数据使用的比例

德国机械工程行业在数据驱动服务方面的准备程度最低,即使是行业领导者也在这项研究的所有维度中获得了最低分。数据驱动型服务的目标是调整未来的商业模式以增强客户的利益。 售后和服务业务将越来越多地基于对收集到的数据的评估和分析。调查结果显示,大多数企业(84.1%)尚未处理与数据驱动服务相关的工业4.0主题。在该模型研究的所有维度中,工业4.0在数据驱动服务方面的进展最低,只有5.5%的公司达到了初级阶段,即通过客户的信息集成实现数据驱动服务,来自于服务的收入比例超过10%,数据的使用率超过50%。

该项研究中也重点提到了在产品使用信息采集方面,除了传感器技术以外,集成(Integration)也是重要的信息获取手段。

注:笔者认为,此处的集成更多体现为与客户方的信息系统的集成,以此来获取信息。这也属于横向集成的范畴。

维度六:员工(Employees)

员工帮助企业实现数字化转型,员工是受数字化工作环境变化影响最大的。他们的直接工作环境被改变,这也要求他们获得新的技能和资质。在这样的背景下,企业通过适当的培训和继续教育让员工为这些变化做好准备就变得越来越重要。

多项调查结果表明,随着数字化进程的推进,生产人员的需求也会随之发展。在这些变化中,终身学习的意愿被视为最重要的因素。在研究中被问及的技能中,较高的IT技能的重要性排名第三,仅次于较强的技能跨学科的思考和行动。在员工维度上的准备度是通过分析不同领域的员工技能和公司获取新技能的努力来决定的。

研究中提及的IT技能包括:IT基础设施、自动化技术、数据分析、数据安全/通信安全、辅助系统的开发或应用、协作软件、非技术技能(如系统思维或过程理解)。

注:个人认为,对于制造业企业员工的技能要求这部分内容还存在一个共性的问题,即目前还没有一个统一的标准来阐述清楚在智能制造的背景下,员工所需要具备的具体技能集合以及掌握程度。大家可能都知道大数据、人工智能、云计算等很重要,但是传统IT、自动化技术的内容也同样重要。对于制造业企业的员工来说,由于自身的甲方的身份特征,对于这些技能的掌握究竟需要到什么程度呢?在目前以及不久的将来,智能制造的相关技能培训,或者针对制造业的IT技能培训应该会有一定的市场。

结语

在研究报告的最后,针对工业4.0领域不同发展程度的公司都提出了一系列的行动建议,感兴趣的朋友可以查阅一下研究报告的第4部分Industrie 4.0 action items。

上一篇:

下一篇: