工业互联网的实践路径

来源:E-works 作者:网友

    谈到对工业互联网的理解,要从对整个制造业的理解开始说起。我们谈论的工业互联网是在整个工业的大背景下,特别是在中国制造业转型升级的背景下提出的。中国制造业是非常有典型意义的,突出表现在它很大、很重要。

    国内的制造业贡献了近一半的GDP,解决了近一半的农村剩余劳动力,如果说中国制造业在国内是经济支柱,这是当之无愧的。

    中国制造业是伴随着工业革命而诞生的,从设计到应用到生产的各个环节,在国际市场上占有支配作用,这是一个历史观点。中国制造业在一些领域取得了比较典型的突破,但还有很长的路要走。我们提出的目标是从数量提升到质量发展,我们讲智能制造也好,讲工业互联网也好,我们对于它的本质理解是,这是实现转变和发展的路径。

    回归制造本质,工业互联网的应用价值体现在哪里?实际上要解决当前制造业面临的典型挑战,特别是来自市场的需求挑战和成本上涨的挑战,用两个词可以概括:敏捷和精益认识。工业互联网的价值是用互联网、大数据等新一代信息技术提升企业的敏捷和精益理念。

    基于这样的理解和判断,企业实践工业互联网是有门槛的,可以总结出四个方面:第一,工业互联网要找到价值提升的空间,找到适合的应用场景。第二,基础设施状态体现在经营能力方面。在效率方面,尤其是在离散制造业,要减少人工需要,提升效率。在质量方面,尤其是在一些高度重视质量的行业,比如汽车、食品等,要在质量上做好追溯和管理。第三,人才约束。工业互联网项目最终能不能获得价值,关键不在服务部门,在于有没有人,哪些人至关重要。我们看到企业中最缺三类人:第一类是做运营的人,工业互联网打破空间局限,需要一个运营视角。企业中除了老板有运营视角外,还需要有更多人有运营视角。第二类是数字化工程师,一个CIO已经解决不了所有问题,要有更多懂得数字化技术的人,把理念和实际业务结合起来。第三类是新型技能工人,我们看到很多企业在做项目的时候无功而返,因为缺人。第四,持续投资能力。工业互联网不等同于信息化建设,这是一个精益的思想,需要一直干,一次解决一个问题,持续地改进,那就意味着要有持续的投资,包括企业的现金流能力、融资环境,特别是成本核算和控制能力。

    工业互联网是有约束的,有四点约束。第一点,一定要明白做这件事情是要解决具体问题的。比如生产节拍,质量检测点放得多会影响节拍,放得少出了问题还得反映,这也是工业互联网中大数据的作用。离散制造业特别是快销行业,需要一些个性化的小批量需求,要把那些具有最大化共性的基础设施拿出来,让它标准化,把一些个性化的东西进行软件化和轻量化,都是工业大数据和工业互联网要解决的问题。第二点,要考虑投资回报率。没有一个老板会说,我不知道干这件事要赔多少钱。第三点,对于企业来说,对于我们服务的人员来说,要明白上系统不是目的,要提升决策能力、管理应变能力和运营能力。第四点,要支持一个可迭代更新的服务机制。这里面的道理很简单,市场、技术、知识都在快速变化。

    我们建议企业分三步走:第一步,现状评估,评估一下短板在哪里,迫切需要解决什么问题。第二步,提出一个实践路径规划,我们建议一次解决一个问题。第三步,成熟度评估,干的过程中实时回看并检查是否符合预期。

    我讲几个案例,大家就能很容易理解。某个离合器制造企业,我们从车间多装备到传感器,逐个查找问题,分析原因。把所有的解决方案汇集在一起以后,我们按照投资强度来排序,列出来一个投资见效比较快的区域。我们帮助它设计路径,这个企业一次只解决一个问题,每次解决问题都能见效。按照这样的逻辑,我们勾勒出一到两年的路线图,规划出应该上什么项目,然后到此为止,我们不做解决方案,不卖解决方案。

    某平板显示制造企业,有高度自动化的工厂,被评为优秀级,但不代表没有问题。我们帮助它定位短板,跟竞争对手对标分析,根据企业自身设计、生产、运营情况,提出相对应的解决方案建议。这个项目我们大概做了四个月,最终给他们推荐一个交付路线,告诉他们今年应该干什么事,明年应该干什么事,目标是什么。

    再比如某车锁制造企业想提高效率,经过诊断以后,我们告诉他们不要干太复杂的事,结合产能信息做一个自动派车系统就可以。某控制阀、控制器制造企业,安全生产水平比较差,我们给他们做咨询,提高整个车间的安全管理条件。

    总结一下,我们有几个方面的感受:第一,信息技术只是使能手段,代替不了企业苦练内功。第二,联网上云的价值在于跨部门、跨工序的统筹调度。第三,平台应当是轻量级的,不能要求客户主要为基础设施买单。最后,做工业互联网这个事情是企业一辈子的事,不是一锤子买卖。要练内功,持续经营,认识到这件事归根结底是自己的事,不是别人的事,牢记精益和敏捷,持续优化,做好知识管理。


相关文档推荐

离散制造破局之道主数据管理平台重构.PDF

1742450737 詹慧超 4.6MB 37页 积分6

从DeepSeek到ManusAI如何重塑企业价值.PDF

1741937117 华中科技大学 6.23MB 58页 积分6

SRE Copilot大语言模型智能运维框架.PDF

1741936996 王宁 5.04MB 24页 积分6

AI辅助编程真实测评与企业落地实践.PDF

1741936506 蒋志伟 10.17MB 37页 积分6

探索IDE下的智能研发和研发知识库的建设.PDF

1741936274 汪晟杰 4.23MB 28页 积分6

智能编码工具Comate的核心能力揭秘.PDF

1741935936 吴玮琦 3.07MB 33页 积分5

AI大模型技术在数据库DevOps的实践.PDF

1741935803 叶正盛 2.67MB 30页 积分6

大模型辅助需求代码开发.PDF

1741935139 路宁 1.24MB 15页 积分5

2025年中国AI Agent 行业研究报告.PDF

1741838553  5.38MB 41页 积分5

相关文章推荐