您好,欢迎来到上海仪器仪表行业协会!

搜索

Copyright © 上海仪器仪表行业协会 版权所有 沪ICP备08100447号

>
>
>
无边界制造:士兵、将军和国王的云计算时刻

宏观视点

无边界制造:士兵、将军和国王的云计算时刻

浏览量
【摘要】:

无边界制造:士兵、将军和国王的云计算时刻

   

中国制造,一忧一喜

中国制造业的体量从2010年以来一直保持着全球第一的位置。即使在2020年制造业在国内GDP占比下滑到26.2%,但在全球制造业增加值中仍然贡献将近30%。在过去四十多年,全球几乎最重要的制造业类别,都像游牧民族一样,在各地迁徙,最终雄壮地聚集在中国。这不是工业试错的过程,而是产业新陈代谢自我吞吐的结果。这期间,企业之间的知识交互起到了重要作用,全球化分工加速了这一点。

制造能力,与创意的结合,从来都能产生令人兴奋的创新,完成规模性的商业化。然而这种产业的自然迁徙和动态演化,正在被魔化。全球化出现了新的噪音信号,闪烁不定的红绿黄灯,让路口似乎失去了往日的秩序。

在当下,中国制造迈向中高端价值链的时候,前进的阶梯出现了新的变化,可以说是一忧一喜。忧心忡忡的是,科技前进的梯子,正在被发达国家以快慢不一的速度所抽走。科技创新的火炬,以前在全球产业板块中不断传递和交融,现在则出现了犹豫和间隙。美国一些政治家,经常会质疑制造界,为什么不能赶紧把制造业搬回美国,为什么总是发生“此处发明,彼处制造”(Invented here,Manufactured There)的现象。科技脱钩的现象,这几年被广泛地讨论,很多异乎商业规则的考量,也被掺杂进来。产业发展,很难按照自己的节奏了。

这个问题并不容易解决。然而对于中国制造而言,也有积极的要素。多年来,中国已经积累了强健的供应链基地,这种深网连接的能力,可以有效抵御产业风险。另一方面,一个制造业从未见过的新军力量:数据,异军突起。工业革命几百年的历史变迁,在工厂厂长们所熟悉的生产要素中,人力资本、设备、物料等,出现各种不同的变化,都已经司空见惯。但对于看不见摸不着的数据,却基本都是被忽略了。质量大师戴明,对数据由于人性的原因而出现的篡改,从而导致对质量的严重影响,也是无可奈何。科技手段,还不赋予人能够驾驭数据的能力,数据也自然成为附属品。而现在,数据已经独立成一种显性的要素,尽管它的价值还在被议论,但很多场合已经开始大展身手了。

可以说,这是制造业从来没有见过的现象。数据作为一个要素资源,并无嫌贫爱富之心,也并无代差,所有的工厂都是平等的。考虑到制造业之上的数字化经济,中国已经成为领先者,那么中国制造,是否能够利用好这样一种全新的机会?

从历史来看,制造业已经走过了营业收入最高的巅峰时刻,也不再是利润宠儿,但制造业一直就是创新技术最密集的领域。即使美国制造业占GDP的比重不到12%,但美国70%的国内研发投入、90%企业专利也都是来于制造业。

制造业从来都是创新的摇篮,但是创新方式正在深刻的变化。数字化工厂、数字化工业、制造即服务、工业互联网等乘风破浪而来。为什么在此刻来临?这是多种技术共同推动的结果,既有廉价的传感器,还有物联网的发展,快速降利的硬件成本如机器人,唾手可得的弹性计算力等。实际上是这些综合的因素,导致了无处不在的数据。如果说数据是一种取之不竭的面粉,而云科技则是最重要的酵母。云科技是ICT发展形态的集大成者,代表了一种全新的能量。如同铀原子在中子的轰击下,会产生巨大的核能量一样。制造业被数字化,就是被要素颗粒化,就像一个一个充满元能量的原子核,在知识引领的算力的冲击下,也会释放出新的能量形态。这是我们对于制造业数字化转型的最大憧憬。

而这个过程,需要企业之间比以前更加深入地打开企业边界,重新思考制造的形态。企业创新,边界在哪里?

灰度创新:制造无边界

微笑曲线,一直被人们广泛使用,它往往用来表明,就制造的供应链而言,两端增加值最高,而中间的增加值则最低。这根曲线,经常会被用来证明全球工业化的分工差别导致的价值链高低,而且也暗示了不同企业各守其位的合理性。

微笑曲线

图1  微笑曲线

这条简单明了的单薄线条,无意之中忽略了供应链的复杂性。制造远比这种简单的价值分工,要复杂得多。中国供应链,有着更强的聚合效应,尤其是企业之间的结合部。大量创新,其实是由制造工厂与上游供应商,或者下游用户联合完成的。这种围绕着制造结合部而产生创新,可以称之为“灰度创新”。它意味着,一个制造企业需要通过知识交换,与它的外部组织之间的结合部位,形成一个创新共同体。由于发生在企业间结合部的交叉地带,因而呈现灰度特征,使得它的创新价值很容易被忽略。

灰度创新的曲线

图2  灰度创新的曲线

作为产业链条上的联合创新,灰度创新是由企业或者组织共同形成的无边界制造。它是成多个企业创新力量的叠加。施耐德电气最近启动的“企业组团,联手攻擂”的创赢计划,验证了这种供应链的联合力量。它提供了自动化控制平台,它的用户是一家生产各种PVC管的企业则提供了机器数据和工艺流程,亚马逊云科技提供了云计算能力,而一家初创公司则成为真正的主角,它需要证明自己具备为复杂生产提供快速排产的能力。数据成为一个强有力的连接剂,让四方人员可以以一个混编作战的方式,快速击中任务靶心。这是一种新型的连接。它是一个多方信任、多方交互的结果。

从这几年智能制造的实践来看,工厂里出现了沸腾开锅的全新景象。做IT、做物联网、做自动化、做云计算、做软件、做装备的各路人马,都汇聚到了工厂中,有共商大计的阵势。退回十年之前,还曾经是井水不犯河水,如IT人员不谈自动化,很少会像现在这样看到如此多不同的角色,在制造界要产生深度的交集。五湖四海的力量,汇集到一起,不考虑边界的融合是不可能的。

云计算也起着巨大的催化作用。全球范围内,已经有90%的公司都在使用某种类型的云技术。对于制造业而言,显然需要适应这些在连接和计算方面的全球变化。而到2023年,制造商使用的软件将有近一半都会考虑云技术。

既然走到一起来了,就说明制造业正在面临着各方的协作,事实正是如此。当下工业多品种小批量的苦恼,叠加诸多不确定的用户,又有高速发展的数字化和物联网技术,任何一个组织都会感受到知识浓度的不足。仅仅靠一个企业内部来创新是远远不够的,企业原有的信息化部门IT人员很难应对当前由于物联网而引起的大并发量的数据涌动,这种场景在以前并不多见。同样,工厂车间里也都开始意识到,高速旋转的机床吐出来的并不仅仅是废热铁屑,大量的数据也从刀具处喷涌,而这些数据足以描绘出机床实时的运行性能。“数字孪生”的概念,就是对这种散乱的数据价值的一种系统性整体表达。一家做数字孪生装备的深圳华龙讯达,早已不再满足简单的3D可视化,而是通过实时数据和机理模型,对机器实现实时交互,甚至可以反向控制。能够识破这些数据价值的人,往往并不来自企业内部。这需要机器制造商与数字孪生服务的厂家相互交换知识拼块。显然,增加创新氧气的最好办法,是通过灰度创新,构建企业之间的融合。打开天窗说行话,推倒围墙见共生。

供应链所表现出来的整体强健,会变得更有竞争效率。共建一个屋顶的时代,正在来临。而数据,则是供应链最有效率的方式。

数据流转,企业无边界产生的价值

历史经常会有很多拐点,但当事人很少能看得出来。往往需要多年以后,从回响声中,才能想起当年沉默的火光。2015年数据造假的“排放门”事件,让大众汽车的声誉蒙羞。而在五年后的今天,人们终于可以看清,那笔罚款并不是仅仅训诫德国大众,它惩罚了整个燃油车行业。汽车未来的发展方向,开始清晰地绑定在可持续能源的基础之上。

同样2020年的疫情在带来深重的生命灾难的时候,人们或许会逐渐习惯了另外一种全新的方式,这里有居家办公、有线上会议,还有制造业供应链的透明化。

当病毒强制性地隔离人员无法赶到现场的时候,只有透明的数据,借助于云端才能化解这一困境。在今年3月底的时候,德国工业4.0的提出者重新回顾了十年前为何提出这样一个概念,并展望了“下一个十年工业4.0”,其中两个细节值得关注。2011年的首次出现文章是《工业4.0:依靠物联网走向第四次工业革命》,这意味着工业4.0是与物联网紧密捆绑。万物互联是基础,数据流动才是驱动力;而在展望下一个十年时,作者则认为,人们不会满足于当下的“居家办公”,而是可以“居家工位”,完成工厂里的工作。很显然,只有云科技的高速发展,才能跟上这样的挑战。

即使抛开如此宏大的主题,制造商供应链的数据流转在云端,好处也是显而易见的。最常见的是在汽车行业。汽车主机厂要求上游的零部件供应商共享一级供应商T1、二级供应商T2数据,从而知晓上游订单的供货情况,同时下游客户也能知道汽车是否按时生产。供应商生产的确定性,往往会随着远离主机厂的级别不同,而变得黑暗而不可控。但丰田汽车自2012年就开始启动的丰田新全球架构TNGA,就是为了消除内部之间的割裂,加强与外部公司的融合。它的供应链正在穿透多级,这是靠数字化来实现。大公司对于数字化的热情,会像导火索一样传递到中小企业。GE卓越制造工厂,则将数据连接做的更加微观。北京亦庄工厂的医疗CT机的现场生产节拍,通过物联网与上游供应商(哪怕再小)都连接起来。以精益生产而知名的GE工厂的产线上的律动节拍,成为一群拔河人共同的号子。这有效地指导了供应链上的小企业,GE高效的库存周转率,不再是独家的蜜罐,供应商也跟着一起共享成果。

云科技的力量,串联其中。在美国咨询公司Gartner公布的2020全球供应链25强中,施耐德电气能够跻身榜单Top5,靠的就是与供应链伙伴的开放分享哲学以及智能化物流体系。从忙碌的工厂车间抬头望过去,它在全球有200家工厂和98个物流中心,每天处理超过15万笔订单。如果把这些订单的运动轨迹勾勒出来,简直是一个斗转星移的宇宙图。如此庞大的物流所需要的精细保障,它依靠的是运输控制塔(TCT)。武汉就是全球7个中心之一,通过实时跟踪各种交通工具和评估天气、事件(如奥运会)带来的影响,以积极管理运输风险。最大的风险就是来自于诸如苏伊士运河堵船、雅加达突降大雨等突发事故的脉冲性和不确定性。而云计算的透明且灵活的弹性,为经典的供应链控制塔提供的支撑堪称绝配。无论是工程机械领头羊卡特彼勒,还是电子制造服务供应商捷普科技,都通过供应链控制塔和云计算的双重配置,实现游刃有余的全球化资源配置。

这是数据的横向流动。在企业内部的垂直流动,同样也有奥妙。IT与OT融合,成为工厂数字化转型的关键。然而,IT跟OT最大的不同在于,制造业要求是非常确定的。为什么很多时候,人工智能在制造业中并不受欢迎,因为它的运行机制往往是黑箱子。如果不能说清楚机理,工厂并不敢用。

IT代表了一种标准化的思想,化繁为简。它让一切变得简单。OT代表了一种确定性的力量,反客为主。它让一切变得稳态。

现在要把标准化的思想和确定性的力量融合在一起,粘接剂是什么?IT和OT的融合,需要同一个屋顶。云科技正在证明,自己可以成为这样的屋顶。这是多个组织需要协同的结果。

但仅仅有屋顶是不足够的,云科技,不得不做出更多的下蹲姿势,这样,它才能跟心事重重的制造商,完成握手。握手之后,数据的交换,才能够发生。云计算公司也需要想办法更好地理解制造业的诉求,亲尝几颗李子。亚马逊云科技在2020年推出的Lockout for Equipment,把IoT和机器学习组合起来,定位于机械设备的客户分析。企业只要输入来自设备端的数据,就能利用内嵌机器学习模型进行数据分析,并得到设备健康或潜在风险等结果。这种服务,被做成了直接订阅服务的模式。如果企业没有数据分析人员,就可以利用直接调用。而更多的第三方分析工具,可以同步跟进。这是一种引导生态的努力。在机器端,当传感器、软件、数据分析等全新“数字化”部件出现之后,机器智能化变得越来越普遍。具有OT视角的IT技术,和具有云原生的OT技术,都会让云计算对于机器有着更好的亲和力。机器智能化,其实是一个多方组织交互的结果。

国王、将军和士兵,激活数据湖

机器产生的数据量,是超过人们想象的。这些数据,很多就像废屑一样被丢弃,即使储存起来,也往往不为人所知,它们大部分安静地躺在数据仓库。

在这里,很多数据被淹没,只有一小部分参与了循环。而且,这里的数据往往是以关系型数据作为重头戏。

但现在,很多业务数据是视频、图像等形式,这并不是非关系型数据库所能承载的,原来存储和分析的方法,都受到了挑战。

全新的数据湖,正在试图重新激活这个混乱不堪的世界。它试图支持各个维度的数据源,无论是来自质量系统、MES、ERP的关系型数据,还是设备、车间的非结构化的实时数据(非关系型数据),以及来自Excel、质检文件、机器视觉图片的半结构化数据。

人们突然发现,认识数据的方式,可以采用组合拳。原来需要用老师傅耳朵辨识的发动机噪音检测,现在用声纹传感器探测就易如反掌。听觉信号,被转化成了心电图的图表。丰富多彩的数据湖上,飘来了各种创新性的工具,用来打捞来自不同系统里的数据,并进行关联性分析。

这是各种IT、OT系统的数据库所需要的融合。而这种数据湖,借助于云的弹性,使用单元成本会大大降低。这就激发了众多初创公司,前往探索其中的奥秘。数据驱动创新,由此而生,它来自三种不同的要素。

首先,大量的数据,可以称为算据士兵,漫山遍野,无处不在。无论是来自控制系统,还是传感器,或者是工业相机。这是企业内生的资源。第二,有一些强大的计算能力(无论是边缘端,还是云端),称为算力将军。实际上是泛计算力的存在,才能统帅住这些算据士兵。大量的算据,只有通过计算,才能变得有序。第三个关键点就是所谓的知识国王,它手里掌握着万物运行机理。每个行业领域、每个工厂都有一套知识体系。在这三者的配合下,笨重散乱的数据才变得有趣、有用。

这三种要素,是来自不同的方向。只有一个组织,是无法实现的。不同的组织实现无边界的融合,才能把这三种力量拧成一股绳。

万物互联之“联”,不仅仅是连接硬件,那只是表象。它本身就代表了一种数据流动性的结果,背后的意义是“万物共生”。数据、算力和知识,主导了这种势不可挡的趋势:谁先用谁先受益,联得越多集体越受益。

制造行业,需要有一种数据互联的信念。信息孤岛并不可怕,这只是IT困局。云科技看上去已经找到了钥匙。真正最可怕的是思维孤岛,这才是数据流动最大的天敌。这种情况下,企业家的思维也会发生变化,需要用无边界的开放方式,来迎接制造的创新理念,塑造协同创新的一种文化。这种文化可能首先是一种开放的心态,而不是 “非我所有,不得用”的排他综合症:不是这里的,都不许进来;是这里的,都不许出去。这是一个企业最需要警惕的创新阻塞。

小记:制造业是云计算的落后分子吗?

当云计算在电子商务、金融、教育、视频等领域攻城略地的时候,制造业则被看成了穿着笨重盔甲小心行走的保守派。这难免让人旧事重提,当年第一次工业革命开始推广机械化的时候,一批担心失业的熟练工人一起开始砸毁机器,一个叫勒德的带头分子最有名气。后来,历史学家们隆重地推出了一个专有名词“勒德分子”,描述那些反机械化和反自动化或者反对技术进步的人。而现在,制造业成为云计算的“勒德分子”,充满了对云计算的偏见吗?

要知道,在20世纪60年代,当商业计算变得经济可行的时候,制造业可是第一批完全拥抱商业计算的行业之一。第一款真正的商业软件,正是美国通用电气GE在那时由内部人员开发的一款财务软件。制造业创新的火星四射,会计系统、计时系统和生产跟踪系统,都跟IT紧密地结合起来,其他很多行业如能源等则仍在使用各种纸张来管理业务。而软硬结合的数控机床,则成为那个时代IT与制造业结合的巅峰之作。随后,大型集成软件系统(如ERP)、计算机辅助设计CAD软件等,都在制造业取得巨大突破。

而这次在云计算方面,制造业可能还是落后了——它对于物联网和人工智能的拥抱,似乎更为热切。这与企业遗留IT系统有关,很难快速过渡到云。过重的包袱,难免让人总往后看,而忽略了前方崛起的力量。

时代已经进入了云计算环境,还有太多的制造公司既没有接受,也没有拥抱云。但是制造商不能若无其事地勉力维持数十年的IT体制,而忽略大量原生云应用市场的爆发性增长。原来那些老化的工程、生产和商业系统,以及相应的业务流程和员工培训,都可能已经成为进步的障碍。制造业为什么缺少年轻人?固然,制造业越来越不被认为是一个有吸引力的行业。收入固然是一个重要的考量因素,而许多工业公司过时的IT环境,恐怕也难辞其咎。年轻人生来就是“数字原住民”,习惯于随时随地访问现代系统和设备来完成自己的工作。他们生活在云中——不接受这种思维的制造商,是不会吸引到这样的年轻人才。制造业的创新,对于IT基础设施的思维解放,也是重要一环。

如今制造面临的挑战今非昔比,无论是全球精益标杆丹纳赫管理着二十多个不同领域的工业品牌,还是中国电动车引领者蔚来正在进入挪威市场走向国际化,或者广州希音用10倍于ZARA的服装款式来赢得速度之战。这些动态的复杂性,会使得巨大的内部IT基础设施成为一个显眼的麻烦。而相比之下,选择基于云的系统,则不需要相同数量的人力或基础设施,而且它提供了更大加速度的爆发力。这是制造创新的一个不能忽视的支撑点。

作者:林雪萍  来源:知识自动化 

相关附件

暂时没有内容信息显示
请先在网站后台添加数据记录。