 |
图1 驱动要素
五、用户驱动的主控逻辑，理解工业4.0所有的变化，起点都是从用户开始。理解用户驱动的主控逻辑，这是理解工业4.0何以得以实现的关键。这包含两个模块，一个是智能销售系统，一个是用户需求交互分析系统。
|
|
图2 企业流程主图
显然，需求只有转化成为订单，才能真正落地。1、智能订单系统：出发点是用户/客户多样化和个性化需求订单至少有三种形式：· 从工业2.0承继而来大规模和标准化订单；· 从工业3.0而来有约束条件的个性化可配置订单；· 只有工业4.0能解决（也未必百分之百）的充分满足个性化需求的订单。
工业化时代（2.0时代）的本质属性之一是大规模、标准化生产，这个时代的大批量、标准化订单，在工业3.0时代已有减少趋势，在4.0时代肯定会明显减少。用户的多样化和个性化需求是企业生产和发展永远的驱动力，也是工业4.0的引擎。从这个角度而言，工业4.0先要解决的是，基于互联网技术，线上和线下融合，能充分对应各种订单，尤其是个性化订单，由工业3.0时代的销售自动化发展而来的销售智能化系统。未来的智能销售系统，比今天的销售自动化系统（Sales Automation System）至少在三点上应该具有更高的成熟性：一是订单预测，尤其是面对复杂和多样性市场环境下的订单预测准确度更高，这意味着，预测背后需要有多维度和全渠道的大数据分析，以形成高准确性的订单预测模型。
二是销售订单与销售目标、销售计划三者之间到型号、到渠道（线上渠道和线下渠道，全渠道）、到门店、到销售人员、到销售政策、甚至到用户，多视角和多场景的智能匹配，尤其是三者之间多种业务处理规则上的智能匹配。
三是各种订单类型，标准化订单、定制化订单和个性化订单的智能匹配，形成一个符合智能制造规则的“订单包”。这种订单匹配，可以想象，每个订单的具体型号、具体性能要求、具体质量要求、具体交付要求，甚至具体对应到一个小社群或一个单体个人，对智能处理的要求会非常高。目前包括ERP系统在内任何现有系统都无法满足。2、智能用户交互分析系统在智能销售系统的更前端（贴近用户端），需要开发出一个基于互联网，尤其是基于移动互联技术，用户ATP（用户全接触点All-Touch-Point）的数据获取、处理和分析的系统。没有这样的系统，难以实现对用户多样化和个性化需求的完整把握。它包括几个基础功能一个，成熟、易用的用户360个性化标签视图模型。这个功能如果能实现，意味着，中国企业在用户数据ATP获取，企业内外数据流的打通，生态链上统一数据处理平台的建设上将迈入一个全新伟大的阶梯。目前的严酷现实是，真正能实现企业内部DMP（统一数据管理平台）的都极端罕见。第二、成熟易用的、对用户进行全息深层分析，并与用户进行深度交互的大数据分析。所谓全息深层分析，比如，不仅仅是一个门店内的消费行为场景分析，而是要扩展到一个大型购物中心全场景的用户消费动机、消费行为轨迹、消费偏好的分析；也不仅仅是消费轨迹和动线的分析，还要深入到对用户语言文化行为的深层分析等。分析的深度和广度，没有类人脑的“认知”技术难以实现。概念和理论早就有了，实现不了的大障碍是用户数据获取的成本代价太大。
例如，我们常见的定制家具部分，很多时候都要靠人工设计师上门进行测量和设计。这里面所带来的成本，事实上是由用户自己承担的，而很多产品目前的生产组织模式难以承担这样的成本。这几年视频识别技术和VR（虚拟现实技术）的发展让我们看到了曙光，尤其是这两年的拉斯维加斯消费电子展CES上各种视频识别分析和VR技术已经使用户需求数据获取的代价不断降低。
未来用户定制化（不一定是个性化）的需求会越来越成为一个重要分支。
这并不会完全取代大规模自动化生产，而是两者形成有机的结合。
在更加个性化的领域，比如家居，时尚，电子数码等行业，这些也许会更早进入现实。这是工业4.0智能用户需求分析系统的典型应用想象。
有了智能用户需求分析系统和智能销售系统，智能制造才有意义，才有依托，才有归属。但目前缺乏对这两个智能系统的研究和阐述。这里的“系统”两字，不仅仅限于IT和网络技术意义上的信息化系统，还包括这个系统所服务的业务流程、组织和人的能力，一个完整的体系。六、工厂驱动如果把机器人、传感器、RFID、人机界面等称为肢体或末梢神经系统，那么工业4.0的中枢神经指挥系统，应该是类似德国所指的基于互联网的制造执行系统（iMES系统）和类似GE所暗示的互联网数字总线系统。决定个性化订单怎么执行，从用户开始，是走向虚拟设计，还是走向智能生产，还是直接到智能物流，不是由机器人或传感器说了算，我个人认为，而是由这个智能总线，或iMES所决定。
虽然机器人、传感器，这些末梢系统非常重要，甚至也可能具有“自应激反应”功能，但机机互联也好，机物互联也好，人机互联也好，终的决策，还是要汇聚在这个大脑指挥系统。
|
|
图3 iMES的核心地位
当然，即使是在前4.0时代，MES也极其重要，但它的价值却被低估了。由于种种原因，长期以来我们被灌输，很多企业经营者也接受了这样一种观念，企业只要上了ERP系统，企业竞争力的问题，换句话说，系统对业务的赋能问题就解决了。客观说，钢铁流程型企业，和离散制造企业不一样，一开始对MES就很重视，以至于产生了像上海宝信那样大的在钢铁MES中打出一片天的中国企业。钢铁本身管理的复杂性、质量要求和颗粒度决定了MES天然的重要性。MES从一个分散立的系统不断转化为工业4.0的核心，是什么原因驱动的呢？成本要素的驱动是重要力量。企业管理有两个方面的驱动要素：一个是利润，另一个是成本。这两个要素是辨证统一的。之前的传统成本管理主要是从两个角度，一个是事先的成本预测逻辑，通过BOM，原料，工艺等要素的组织，形成对于标准模式下的成本预测；另一方面是事后的成本归集，在一个较长的时间段内（往往是月度）收集各种成本总的消耗情况，并通过综合计算得到成本消耗。但这两种情况主要缺失，就是中间的成本具体执行和产生过程的控制。具体的生产过程虽然有一定的绩效指标控制，但这些指标是否能有效的跟成本要素结合，是否能快速有效跟踪到成本的具体科目，都是目前生产管理中无法做到的。而MES实际上是完成这一工作的核心系统。只有通过MES系统更全面、更有效的管理和控制，才能真正实现成本的可控和可管理，不再只是事后跟踪。只有在制造执行的每个细节都被有效地按照驱动要素成本的要求来执行，才能真正实现精益制造，而精益制造的核心就是质量和成本。这个也可以从另一方面来说明未来的iMES管理的范围是什么，所有跟成本要素相关的执行过程都是iMES管理的范围。七、智能工厂的理解全面和深刻理解了互联网总线或iMES，这个大脑指挥系统，其余局部或板块层的智能化就比较容易理解了。所谓局部或板块层的智能化，主要是指智能工厂（或智能生产）、集成、协同与创新的研发设计，还有智能物流和智能服务等。这里，为叙述方便，这里用“工厂”确指具体的加工、产线组装和总装，从而构想“4.0智能工厂”大概应该是什么样子。准确说，下面这张图中，在红色方框内的内容，就是智能工厂。
|
|
图4 智能工厂
智能工厂，显然应该有这样几个要素：物料定位、物料移动以及伴随物料移动的智能控制系统，各安装主节点的智能设备和仪器，各关键节点的质量检化验及质量实时追溯系统，核心工序高度自动化，数据采集、实时处理与监控系统，人机交互系统等。在智能工厂层面，未来在4.0时代，全新的场景是，大量和有序使用机器人、传感器、RFID以及其它智能终端设备。
但这个问题，似乎也不能发展到的程度。
依据对汽车工业产线的观察，机器人的用度，应该主要考虑四个视角：人工操作比较危险或难以实现，人工操作质量难以控制、人工操作速度节拍难以保证、对数据获取的要求（人对数据获取和处理的能力不依靠计算机是很有限的）。
基于目前阶段一些先进企业的工厂部署，大致可以想象，未来4.0时代，工厂的产线执行层肯定要大量部署传感器，部署承担各种功能的机器人和其它高效成熟的自动设备。再往上是产线控制层，主要是PLC，承担各种功能的PLC。再往上就是智能工厂的管理层，部署各种实时管理“驾驶舱”，这个就是iMES层。比如，订单执行状态的监控、设备监控与状态预警、质量监控、物料看板、员工绩效看板等。在这一层应该部署相关的服务器。在未来的智能工厂，和今天不同，应该能真正实现机机互联、机物互联和人机互联，从而在工厂制造，这个供应链的主节点上，实现实时化、可视化、数据全程贯通，从而确保多样化和个性化产品的质量、成本和交期，三大承诺的真正实现。八、智能物流智能物流怎么理解？主要是从两个层面思考这个问题：一个是信息系统层面，另一个是终端智能设备导入层面。先，为什么从信息系统层面思考？想一下，中国现在至少有2000多万货运司机，在城郊结合部，躺在车里聊天等活的司机也是一大把；还有4000多万货主企业，有上百万家大大小小的物流企业，有大约200万家运输企业，有500-700家物流园。但中国的物流运输效率怎么样？有人说是世界低的。扣除高物流成本（高速高收费是典型）外，整个物流行业的经营管理效率确实很低下。那么缺的到底是什么？缺失的就是让所有这些看得见的仓储物流资产有序、可视、高效运转的智能仓储物流运输系统。
中国出租车行业，和物流运输几乎一样，只不过出租是送人，物流是送货。而Uber优步模式一出现，就在全世界出租车市场的横空出世。靠的就是创建这样一个信息系统，打造的核心能力就是开发、运营、不断优化整个智能运输系统，通过这个系统占领和统治出租车市场。
而第二个要素——终端智能设备的导入，就要容易理解得多。
伴随智能技术的发展，物流运输的整个链条，这个链条上的每一个终端环节，不管是出于效率，出于成本，还是出于物流质量控制，都不得不导入智能监控设备，不得不开发基于移动的与智能终端设备联通的APP应用，以便全流程数据可视。
因为物流本质上就是移动的，货物、货车、司机和背后的数据都在移动。就物流信息系统而言，在企业的微观层面，至少有以下九个方面需要进行管理。1、原材料和零部件完全实现自动部署在库2、场内外物流（Inbound/Outbound）实现自动配送；3、自动发货4、缺货、缺件的自动预警；5、仓储物流系统全部节点，包括与外部供应商节点，实现基于云的（私有云、公有云或混合云）端到端的自动结算；6、基于料件、产线、产品、仓储、货车的统一大数据分析模型7、类似Uber的司机或承运商与货主直连的信息平台8、车联网系统是需要的，基于GIS的佳路径选择和优化9、为同城提供后一公里服务的信息系统以上九个方面的信息系统的建设，是智能物流的基础，是必备前提。
当然在这个系统部署和建设的同时，也必然会使用机器人、传感器、立式自动仓库、AGV等。
九大系统和终端智能设备同时使用，并且将各种运行数据（订单、货品、司机、货车、货主企业、承运商、仓储、干线运输、同城运输、后一公里），以及相关的资金流等，经过大数据模型分析和优化，才能形成具竞争力的物流增效、降本和优服务水平。
毫无悬念的是，智能物流对产品的质量确保、产品成本结构的优化和订单交付的确保，都将产生根本性改善。九、智能服务工业4.0的智能服务是什么？目前可查阅的资料并不多，笔者认为，智能服务未来应该贯穿整个售后服务的八大主节点：
服务受理（呼叫中心）、服务执行（派工）、服务监控（服务质量管理）、配件管理（配件全生命周期管理）、服务结算、特殊业务处理、服务体系构建和服务主数据管理。
比如，在服务报修环节，肯定要由原来的用户电话或Email，发展成为用户在购买产品时信息自动进入到智能服务平台，产品在用户端使用状态的详细信息，通过智能芯片等技术手段自动传递到品牌商的智能服务平台，在用户未感知的情况下获取产品正常或异常的使用信息，主动预警给用户报修和保养等，实现远程机器自诊断、远程报修、远程维修等全流程可视化服务。
今天意义上的“呼叫中心”，毫无疑问，很快会退出历史舞台。
取而代之的是“用户互动中心”，基于微信、APP、Web等媒介手段实现用户与服务工程师，与研发设计人员，与销售人员的并行和互动服务，以及用户之间的自服务。
同样毫无疑问，所有这些交互数据，结构化数据（订单编码）、半结构化（订单与语言交互混合数据）和非结构化数据（各种流媒体数据）都将进入“用户互动中心”的后台系统，进入大数据分析模型体系，提炼出为用户提供更高水平服务的“优曲线”：服务水平与成本的优匹配。
小结就目前而言，工业4.0的投资兴奋点，似乎仍然落在机器人、传感器、3D打印上，而对神经中枢指挥系统、智能物流系统和智能服务的“软投资”上，中国工业领域，仍然缺乏自觉的认知。中国人常常对看得见、摸得着的东西愿意投资，对看不见的软件系统，由于缺乏一整套成熟的价值评估体系，因此不愿意投资，或不知道怎么去投资。今天的企业经营者和投资人，对“软件定义世界”感受并不深刻，这也是中国软件发展不起来的重要原因。在目前2.0尤其是3.0的情况下，大的核心软件系统，那些工业制造的“灵魂”，基本都在美国和德国企业手里。未来4.0的互联网总线系统或互联网MES系统，会是什么格局，确实堪忧。
重要的是，只有明确工业4.0的驱动要素，才能真正理解工业4.0的评测模型，从而真正建立企业的核心竞争力，并且有着清晰的技术路线。
