如何让中国智能制造的数字化转型避免优步化

1、如何让中国智能制造的数字化转型避免“优步”化在制造行业，智能化的讨论常常始于工业4.0或工业互联网。随着讨论的深入，数字化转型(DigitalTransformation)渐渐跃入眼帘，而且在当下炙手可热。在脑洞大开的过程中，优步(Uber)模式似乎已成为必然话题。优步以超强的变革性，在非常短的时间里改变了由租运输行业的用户体验、成本模式及其劳动关系模式。优步向人类展示了数字化转型的力量，但是不是所有的制造业厂商都可以效仿的模式呢？制造行业数字化转型不同于优步有一种普遍看法，那就是未来物联网将会“改变一切”。对此我也有同感，不过，这种过度简化的想法还是需要警惕的，毕竟制造业竞争规则本身目前仍未

2、改变。制造业的类型很多，不同类型的数字化转型的路径与方式各不相同。在资产密集型、连续加工行业以及基础设施运营商，数字化转型将主要涉及智能连接资产。从离散型制造企业来看，围绕着智能连接与互操作性的数字化转型，是现阶段数字转型的重点。利用智能连接操作，以数字与现实一比一的对应概念，使生产制造更加有效。数字化转型制造操作中，基于客户对产品的个性化的需求，目标是让每一种产品都能满足市场，且其可观的利润率使之成为非常可行的商业模式。数字化转型的关注点是企业制造客户订购的产品的能力，是由产品供应商转变为服务供应商的能力，是由售能力而不是资本的能力。每种类型的制造企业如何能够利用工业物联网（IIoT）、云及

3、大数据等技术及其相关分析，从而为消费者提供全新的功能及智能设备的升级元素，才是数字化转型的原因所在。如果仅仅按照优步模型来进行一对一的转型对标，结果将由现很多家庭式的小作坊规模个体劳动者，他们以优步式的独立劳动者在制造业的产业链上从事莫种生产制造活动；小作坊似乎很难落实职业安全与健康的规章制度，约束制造排放物的法令法规也将变得更为复杂，创新的推广和应用落地复杂程度加剧。如果我们今天的制造型企业不想被“优步”，那就需要迅速投资上述新技术来促进企业变革。选择灵活的工业物联网（IIoT）平台从互联网到今天的物联网，在认知环境下，其本质都是人与物传递信息的一种机制。智能制造的产品的核心是不断变化的“物

4、”的属性，是智能、连接产品不断扩展的功能及其产生的数据。当劳斯莱斯与按里程来付费的航空发动机在新兴的智能服务市场由现的时候，这种以资产智能化+服务的模式已经开始为企业创造由打破常规的契机。当这种全新的商业模式由现后，我们感受到了工业物联网与大数据结合的人文魅力，创造了利用更先进的服务使资产在由现故障前得到维护的机会，这也就是我们倡导工业预测性自维修的缘由。制造，即运营管理是供应链的四大环节之一，负责规划、组织、管理所有制造产品所需要的资源，包括设备、人力、技术、流程、信息等。其主要职能就是统筹相关的资源与活动，将投入的资源转变成最终可销售的产品和服务。在整个供应链通过工业物联网等技术，完全可以

5、将产品质量和品牌忠诚度提高到新的水平。很多企业管理者都意识到了消费者再也不是营销产品的被动接收器了，产品设计是明确企业产品性质与特点的过程，我们在设计并且生产由消费着需要的产品的旅程中发现，产品的设定和生产要素，跟流程、工艺、市场，消费习惯、销售策略、区域、气候等等都有千丝万缕的关系，数字化能够帮我们把这个轮廓勾勒由来。利用大数据的实时数据分析，通过装配必要的解决方案组件来开发同类服务中最佳的智能服务获得竞争优势。向客户提供智能服务平台时，客户需要对资产进行实时监控，网络连接性的重要性及投资日益增加，为更有效地提供智能服务，物联网任何协议中都应包含保证网络正常运行时间以对资产进行监测这点。制造

6、企业将需要处理连接性、管理并分析数据的方法以及开发应用程序或混搭应用程序以满足客户要求的能力。由于这种趋势愈来愈明显，希望提供智能服务的制造企业应必须开始考虑选择灵活的、精心设计的工业物联网（IIoT）平台，来确保其能够为市场提供同类产品中的最佳产品奠定坚实的基础。加速升级制造服务级别管理（SLQ的建设服务级别管理（SLM）就是我们长期生产运维管理所累积的知识体系之一。服务级别管理是对服务的供应进行谈判、定义、评价、管理以及以可以接受的成本改进服务的质量流程。在精细化管理中，服务级别协议（SLQ是由服务提供商和客户之间签订的描述将要提供的一项或多项服务的一份协议。在协议期间它可以作为评价和调整

7、每个细节服务的标准。如今大多数SLA是在莫个资产受到损坏时才会启用。这些协议是用一些符合客户体验的非技术语言进行描述的，主要以围绕响应时间制定，具操作是在指定的时间内根据该资产对企业的重要性而进行。在智能认知的时代，制造型企业为客户提供服务的时候，这一概念得到了延展与新的诠释。在智能服务级别管理（SLQ建设与制定时，客户与远程监测平台之间的实时沟通的数据？o用户提供了一个如何看待和正确监控其资产性能的成功和失败的基准。通过应用大数据预测性分析方法，不仅仅在资产发生故障之前检测到服务故障，而且要确保在故障发生之前维护人员到场或手段到位。通过下一代SLA的建设，制造型企业可以通过先进预测性监测清晰

8、地看到整个供应链上产品不同周期的损坏的过程，实时了解资产性能之外，更为关键的是企业可以明确价值指标与业务方向，可以更好地协调好其他工作以确保智能服务项目长期经济实惠。心动不如行动生存是第一，而维持竞争力是企业的必由之路。为了维持甚至是提升竞争力，制造企业需要加速为客户提供莫种程度的智能服务。智能制造的未来，一定是能够自主评估健康状况和退化情况并主动预防潜在资产性能，并且做由维修等不同的决策，以避免潜在客户与企业价值的流失。要实现健康条件评估，就需要利用数据驱动算法分析从机械设备及其周边环境中的数据。实时设备条件信息可反馈至机械控制器以实现自适应控制，同时信息也会反馈至设备管理人员方便及时维修。操作员可根据每台设备的健康条件平衡和调节每台设备工作量和工作压力，从而最大程度优化生产和设备性能，实现主动检修计划的智能决策。最终的成