智能拖地机器人,云鲸 NARWAL 哪些企业可以靠工业4.0来升级改造? 有人认为工业4.0就是机器换人,有人认为是更强大的信息化,抑或就是制造业的“互联网+”…… 真的是这样吗? 近些年,中国制造业企业普遍面临产能过剩和成本上涨等发展问题。 国家信息中心报告显示,中国制造业产能持续过剩,与此同时劳动力、土地和能源等成本不断走高。牛津经济研究院调研结果显示,2016年中国劳动力生产率仅为美国的14%左右,然而劳动力成本已与美国基本持平。与欧美等国相比,发展参差不齐、大而不强是我国制造业的主要现状。 在摸索转型的过程中,不少企业都把目光对准了工业4.0为代表的智能制造模式来进行转型升级。然而,根据麦肯锡2016年11月发布的一项调查研究,中国制造业企业对于工业4.0热情有余,但准备不足。超过70%的中国受访企业相信技术革命将增强自身竞争力,但只有57%的中国企业对工业4.0做好了充分的准备,远低于美国(71%)和德国(68%)。 围绕工业4.0也有很多迷思:有人认为工业4.0就是机器换人,有人认为是更强大的信息化,有人认为就是制造业的“互联网+”…… 工业4.0真正本质不是追求所谓的高新技术,而是利用先进的数字化智能制造技术,以最快的速度满足客户个性化需求,从而提高用户的满意度并确保企业的持续竞争力。 在技术手段上,工业4.0运用信息化和自动化两化融合的技术,共同服务于满足用户的个性化需求。在转型的路径上,中国企业并不应该盲目跟风欧美,而应根据企业的实际情况进行适当的升级改造。 工业4.0:体验至上的新经济 纵观工业化制造的发展进程,笔者认为可以分为四个阶段,或者称为四次工业革命。 第一次工业革命是英国开创的机械化生产时代。以瓦特发明蒸汽机为契机,机械替代传统的手工劳力,解决了生产制造的人力问题。 第二次工业革命是美国福特公司引入的批量生产,具体表现为大规模批量流水线以及科学式管理,解决了生产制造的数量问题。 第三次工业革命是日本的精益生产,以丰田精益系统(JIT)为典型代表,以自动化、JIT和零库存解决了质量问题。 第四次工业革命是由德国带头的智能生产(工业4.0),意在通过大规模定制解决用户体验问题。在延续自动化、信息化发展趋势的同时,工业4.0试图通过降低满足客户个性化需求的时间来提高客户的使用满意度。 具体来看,四次工业革命的差异可以体现在它们的产品结构、能源动力以及组织结构上。 从产品上来说,以汽车为例,工业1.0时代的汽车仅有一个小锅炉在车底下烧木柴。2.0时代的汽车以福特ModelT为典型代表,纯机械操作,颜色和型号统一而单调。标准化、价格低廉的福特ModelT让汽车成为了大众消费的标配。到了3.0时代,市场上出现了更多汽车品牌,它们在外观性能等方面也纷纷差异化。曾经垄断市场的福特也在激烈的竞争面前被迫转型。工业4.0时代,汽车的定位则从一个单一的汽车产品过渡到满足交通需求、定义生活品质的全套服务体验,例如特斯拉为顾客提供自主试驾、预订和个性化定制等服务,通用汽车提供全生命周期服务等。 从能源动力上来说,第一次工业革命主要使用蒸汽动力,第二次由蒸汽变成了电力(化石燃料),第三次工业革命的动力能源以化石燃料为主,逐步向新能源转移。第四次工业革命(工业4.0)里,预计新能源将占主导地位,化石燃料将逐步减少。 从组织结构上来说,工业1.0时代以作坊、匠人手工铺为主,机器只是辅助人工作的手段。2.0时代组织架构发展成中央控制的大规模流水线工厂。3.0时代,丰田的精益生产系统成为主流,注重供应链管理、追求零库存的JIT拉动式生产模式被纷纷效仿。而工业4.0时代,传统工厂的概念已不再存在,物联网连接起制造商、零件商、消费者和设计者等生态流程上的多方角色形成一张智能制造的网络。 工业4.0的核心目的是解决定制生产问题,同时降低这样做的时间与成本。在工业3.0时代,产品的标准化是由企业规划、工厂生产,再由营销销售部门推向市场上的消费者。消费者是被动的接受者,其个性化的需求被隐藏、忽略。只有极少数的个性化需求以高定价的手工定制、VIP服务等形式得以满足。 然而,在今天的商业环境下,制造业企业普遍产能过剩,面临激烈的同质竞争,传统的经营模式越来越难奏效。同时,互联网的快速普及和去中心化赋予用户更多话语权,他们对体验、个性主张有了更多要求,制造服务业成为主流。 从产品转向服务、从制造为中心转向用户为中心、从制造业到制造服务业,这是工业4.0区别于前三次工业革命的颠覆之处。 智能生产只是手段,个性定制才是目的。如果没有满足定制化生产需求做前提,工业4.0并不是必需的,可能精益生产就够了。 海尔集团首席执行官张瑞敏曾表示:“机器换人可能是智能制造的一个必要条件但不是充分条件。智能制造是一个体系,它是满足用户个性化需求的一个生态体系”。 工业4.0通过建设有“智慧”的可以和用户、供应商等多方角色实时沟通、灵活排产的工厂,以柔性化、小规模的智能生产单元替代大规模流水线,从而以更低成本、更快速度来满足日益个性化的需求。在最极端的情况下,工厂甚至会为某一个用户生产一个特定的单件商品。以3D打印为例,就是满足定制需求的即刻式设计+生产模式。 以青岛的服装定制厂商红领为例,它推出的定制化生产模式使得顾客可以拥有贴合自己身材比例的西装,而不必勉强选择市面上标准的尺码。一套独属于自己的西装,解决的不是穿衣蔽体的基本需求,而是消费者面子、身份的潜在心理需求。 又以美国制造业的领先选手通用电气GE为例,这家老牌制造公司正在从传统的工业巨头转型工业互联网的智能服务平台。GE的Predix平台通过收集设备实时回传的大量数据并进行相应分析、预测,为客户提供设备效率提升、故障预警预测等相关服务。 工业4.0的技术:如何解决体验问题 制造企业在工业3.0时代就试图解决生产定制的问题。然而,生产定制往往意味着更高的成本、更多的时间。趋利避害下,大规模流水线成为当时主流的选择。大规模定制(Masscustomization)在20世纪90年代被提出,然而还是以传统大规模流水线生产模式的改良版本存在,只是在产品组装、行销的最后阶段给予客户一些次要功能的选择权,例如戴尔的网络个人化直销模式。 直到工业4.0的到来,以低廉成本进行定制生产的技术才逐步成熟。具体来说,这包含两方面的技术:一是让“物”更聪明强大的技术,二是让“物”“物”互联、自主决策的技术。 首先,工业4.0时代的技术使得“物”能够承担更加灵活、复杂和精准的生产任务,甚至自我学习、演进。工业3.0已经在自动化、智能设备上达到一定高度,然而工业4.0在机器人发展方面让制造业有了更多想象空间。机器人可以互联互通,与人类一起工作,甚至从自己的工作、人类的工作中学习新技能。 以德国库卡(KUKA)公司生产的工业机器人为例,可负荷3公斤到1300公斤的货品,工作范围从635毫米到3900毫米不等,承担物料搬运、加工、堆垛、点焊和弧焊等多种功能。库卡最新的工业4.0智能型工业作业助手LBRiiwa可以直接协作人类工作,还具备自动运行系统,可以不依靠地面标记、感应线圈或磁铁等在工厂内自动来去,运载货物和零件。 工业4.0时代,机器人可以辅助人工作,甚至替代人工作。它们可以承担高危作业,提升劳动效率,并解决日益上升的人力成本问题。这也是当初德国提出工业4.0的一个重要动因,即是希望通过更加自动化、智能化的生产解决适龄劳动力不足的问题。除了机器人,智能生产所需要的传感器、数控机床、智能仓库、智能物流等相应技术的逐步成熟也为工业4.0的发展提供了技术基础。 第二,工业4.0时代物联网信息共享、自主决策的技术使得生产更灵活、更柔性,可以快速响应复杂、个性化的市场需求。如果说互联网让智慧人之间得以更便捷地交流,那么物联网的重点则是把死物智能化,使其能够自动抓取相关信息,实时与他人/他物对话,并有判断、决策的能力。如果说工业3.0的自动化是人与机器的对话,工业4.0则是机器与机器的对话。 信息物理系统(Cyber-physicalSystem,简称CPS),换言之一个高效的工业互联网网络是工业4.0技术基础的核心。CPS将物理世界转换为数字世界,形成了物理系统对应的虚拟系统(digitaltwin),再通过IoT(Internetofthings,简称IoT,物联网)技术数字化管理生产,提升机器与机器之间的互联性、减少人为参与,从而实现制造的“智能化”。CPS(虚拟现实系统)中工业设备嵌入的大量传感器充当机器接受外部信息的感觉器官,采集生产流程的所有数据并运用虚拟系统的高级运算能力进行分析、运算和决策,形成可自律操作的、自组织的智能生产系统。 如果说机器人、数控机床等设备是工业4.0的躯干和肌肉,那么CPS和相关技术就是工业4.0的大脑。 CPS系统网络化的信息分布形式是关键。以前,制造型企业内的生产流程均由一个“中央”控制,信息和指令自上而下,通过各类生产管理系统下达给生产车间。然而CPS系统里,信息并不需要经过某个统一的、自上而下的渠道进行分发,而是呈网络化分布,共享给生产过程中的每一个参与方,使得每个参与方都可以获得足够信息以做出最优决策。这其中也包括机器。借助物联网和人工智能的相应技术,机器不仅可以掌握信息和知识,还可以自主决策、自主出发动作。 在CPS系统里,机器们会说话、会思考,而且彼此间形成了一个智慧的“社交网络”,协作完成各种高复杂度的生产任务。当一个订单进入工厂,机器不用等待上面的指令就已获得相应信息,了解什么时候该做什么,并自动开始生产。机器还可以根据实时数据、订单信息来安排产线,增加、减少或改变生产流程。 例如,根据实时的大数据挖掘分析,系统可以主动给用户推送消息提醒设备维护保养,某个工位可以自动联系供应商增加物料等。这就像曾经叫车须拨打电话给一个呼叫中心,而如今人人都可以通过滴滴出行类似的APP获取自己身边的用车信息并自主进行叫车和乘车。 机器实施通信、自主决策的技术也意味着工业4.0能够以低成本实现3.0时代无法实现的个性化定制生产。在过去,流水线带来了大规模的成本降低,然而一旦遇到生产故障,则会面临整条流水线停产、以及处理残次品等带来的高昂成本。然而,通过CPS机器之间的实时通信,某个环节出现问题不会对其他生产环节产生重大影响,生产流程可以不受太大干扰地进行,同时对产品的实时智能控制也使得次品率大大降低。 在工业4.0之前,生产流程中产生的数据是大量浪费的,鲜少得到利用。而现在,工业设备产生的海量数据可以“变废为宝”,借由大数据、云计算进行分析、归纳,用于预测未来的机器行为、潜在故障和生产问题。北京博华科技自主研发的健康监测云平台正是基于传感器采集的大量设备数据、过往故障和维修案例,利用大数据、机器学习等技术来研发出智能诊断和维修决策模型,为石油石化等行业客户提供故障预警、故障报警和维修决策等服务,其报警准确度可达94%以上。 高度精密的机器人(自动化技术)和CPS(信息化技术)即构成了智能制造的两方面核心技术,这和我国制造业提出的“两化融合”的思路不谋而合。 什么样的企业适用工业4.0? 工业4.0的概念如火如荼,并不代表每个中国企业就要全盘接受工业4.0模式。个性化定制、信息物理系统的概念很美,但是落实到企业自身时需要更冷静的思考。 首先,德国的工业4.0是切合德国的国情提出的智能制造战略,并不一定适合我国的国情。 德国提出工业4.0是为了巩固制造业的传统优势,用互联网、物联网等新技术对制造业升级,强调的是对用户个性需求的满足。另一个制造强国美国也提出工业互联网的概念,强调的是通过惯有的IT软实力提升制造业的生产效率。而我国制造业的传统优势呢?大规模、高复杂度、快速交货——这与其他国家各有差异,且所面临的主要问题是产能过剩和创新乏力。 同时,我国的整体制造业水平尚未达到德美等制造强国的水准,不少企业首先得补课工业3.0才可能迈入工业4.0的阶段。没有成熟发达的工业3.0生产技术和基础,难以谈及工业4.0的升级改造。此外,德美等国进行智能制造升级的一大目的是解决劳动力匮乏问题,而如果中国仅采取机器换人的片面做法进行技术密集改造,可能会造成更严重的就业问题。 更进一步来说,在有基础的工业3.0水平之上,是否要实施工业4.0、如何实施工业4.0也取决于企业相应的定位与目标。麦肯锡的调研显示,在工业4.0的大潮里获益最多的是根据企业自身管理、业务和战略情况来选择部分结合工业4.0的企业,而并非那些彻头彻尾焕然一新的企业。 从企业所处的行业性质、业务特点和战略定位来分析它是否需要同时在自动化/智能化(新技术)和个性化(新制造)上达到比工业3.0更高的标准,从而决定企业是否应进行工业4.0的升级改造。 这其中,新技术指的是高度精密自动化(机器人)和工业互联网(CPS),而新制造指的是以满足客户个性化使用为目的的模式创新/革命。 当企业同时需要很高的智能化和个性化水平时,工业4.0是首选。以海尔为例,在最新的网络化战略转型中,海尔同时在信息化和自动化上进行升级改造:底层用户数据互联互通,围绕用户组织全流程,同时打造更加定制化的家电品类,建设互联工厂,以小批量柔性化的生产方式应对更加个性化的订单。 青岛红领也属于工业4.0的范畴,但由于行业和业务性质,它的工业4.0路径有所不同。一方面,红领的信息化水平较高,这是因为服装定制相较于家电需要更精确复杂的量体裁衣、合身打造,需要较强的信息化支持。另一方面,红领的自动化水平适中,因为制衣的技术本身门槛不高。 当企业需要达到较高的智能化水平但不需要为客户提供定制化的服务时,那么提升自动化水平、机器换人和提升效率降低人力成本的做法更加切实可行。石油化工、原材料制造和代工生产等行业属于此类范畴。以富士康为例,它的代工生产线为苹果公司等提供标准化的产品生产,对定制的需求不多,相反是对提升生产率、降低成本有着更大的需求。 当企业的业务定位一个小众的利基市场,同时其生产流程不需要也难以使用高精尖自动化技术时,工业4.0也不是最优选择,反而扎实打磨产品定位、做好个性化服务才是较符合投入产出的选择。往往活跃在这个领域的是一些小而美的公司或者具备稀缺技能的个体职人,他们的产品服务生产量小,但定价高,往往落入奢侈品类,以高定服装、定制珠宝首饰等为例。 当一些已经处于经营困境的企业可能在智能化与个性化两方面都不够达标,也没有资金投入去进行工业4.0的投资。那么及时改善经营情况、提升基础制造水平等举措是企业应该首先实施的步骤。 工业4.0对我国制造企业的确有借鉴意义,然而,是否全部或部分采纳仍需结合企业自身发展水平和行业特点加以考虑。当然,未来中国制造业面临的将会是一个更加复杂、更有挑战性、竞争更激烈的市场。因此,保持灵活敏锐、持续改善经营、结合自身情况和市场趋势采纳创新技术和商业模式,将会是任何企业保持领先的关键。 (本文作者藕继红为长江商学院副教授,邓迪为长江商学院案例中心研究员,本文首发于《哈佛商业评论》。) 本网站官方群 工业工程5000人群号 249148633
|
2020-02-17
2022-06-13
2021-12-13
2022-11-09
2022-10-20