作者：Claire Fallon, ISA; Jeff Winter
在向智能制造和数字化转型的过程中，企业如何判断其行动是否足够快？您的工业4.0项目收到成效了吗？
自动化技术的进步正在改变制造业的格局。这些智能制造计划被广泛地称为“工业4.0”，将物理和网络系统结合在一起，以实现更高的性能、效率、可持续性、安全性和竞争优势。
作为一个术语，工业4.0起源于 2011 年——被广泛归因于德国政府在当年汉诺威工业博览会上公布的一项战略。十二年过去了，制造业发生了很大变化。在许多情况下，工业4.0的基本原则已经发生了变化，并随着行业需求重新确定了优先次序。例如，人工智能和机器学习在人们日常工作中发挥的作用可能比我们在2011年想象的要大得多。
▲图1：数字化转型框架要求改变人员、过程和技术使用数据的方式。关键要素包括更新的数字化基础设施、系统集成、数字化技能和培训，以及适当的领导力和愿景等。
01
制造企业数字化转型的难点
虽然工业4.0和数字化转型这两个词经常被混淆，但它们之间仍存在着一些重要的区别。
工业 4.0 是关于使用数字平台、产品和服务来获得竞争优势，就像蒸汽机、装配线和工业机器人在以前的工业革命中所做的那样。这些都是有效的新工具，但重点并不一定是改变个人使用这些工具的行为。
数字化转型是一种影响业务开展方式的更实质性的变化——它既是思维方式的转变，也是新技术的采用。数字化转型包括将数字技术集成到企业或组织的各个方面，而工业数字化转型则特别侧重于利用数字技术来优化和改造制造业和工业部门的运营。
两者都可能涉及物联网设备的使用、数据分析和人工智能。在工业数字化转型中，这些技术可用于监控生产设备、预测维护需求或优化工厂环境中的能源消耗。对于制造企业来说，一些相互作用使工业数字化转型比其他行业更具挑战性：
· 制造工艺的复杂性: 制造涉及产品设计、原材料采购、生产组装、质量控工具和设备制、包装和分销等多个阶段。每个阶段都有自己的一套流程、这使得以有效解决整个价值链的方式实施数字技术具有挑战性。
· 与物理系统的集成: 与主要处理数字数据和交易的银行业不同，制造业涉及将实物材料转化为成品。这需要将这些物理资产与数字技术连接起来，例如物联网设备、传感器和执行器。这种集成可能需要先进的工程解决方案、独特的网络安全措施和实时数据处理能力，而这些都是其他行业所没有的。
· 专业人才和熟练劳动力: 在制造业中成功实施数字化转型需要一支精通传统制造工艺和先进数字技术的员工队伍。对“双技能”劳动力的需求可能会在培训和提高员工技能方面带来独特的挑战。所需技能的人才库远低于其他行业。通常，在数据分析、AI或应用程序开发方面拥有较新技能的人不会首选制造业。制造企业不仅需要专注于文化和品牌变革以吸引合适的人才，而且与其他行业相比，他们很可能必须花费更多的时间和资源来提升和再培训员工，以填补这一空白。
02
实施数字化转型的三个阶段
很多人对于全面实施数字化转型的真正含义可能会感到困惑，因此考虑在此过程中的不同步骤非常重要。国际自动化学会（ISA）的执行董事Claire Fallon认为，数字化转型过程通常可分为下面三个阶段。
将模拟文件数字化并在整个组织内共享是明确的第一步，许多企业已经开始这样做。事实上，许多组织甚至在我们理解“工业 4.0”这个概念之前就开始了这种做法。这很容易实施，但对整个数字化转型之旅的影响相对较小。
中间阶段是对现有工作流程的数字化。想想现有的工作流程，例如拿着带夹子的写字板在工厂车间走动以执行日常检查。如果我们将这个流程数字化，那么检查员可能会使用平板电脑来更新数据，甚至可能佩戴智能眼镜等增强现实技术。这使得工程师和检查员更容易访问文档，并以笔记、照片和视频的形式记录测量、读数和观察结果。所有这些信息都可以与特定位置相关联，从而使报表的处理更加简单。但我们仍然要在车间里行走，记录数据以及创建报告。工程师的工作与以前没有太大区别。
最后一步是真正的数字化转型，即数字化工具从根本上改变甚至改善组织开展业务的方式。例如，一家石油和天然气运营商开始依靠机器学习通过图像分析来识别其海上生产平台上的腐蚀。机器学习引擎使用在整个设施中捕获的图像进行工程和运营，以识别潜在的腐蚀区域，从而通过其潜在的偏差分析减少对传统手动检查的需求。在这种情况下，机器视觉算法还可以识别在大规模手动工作中可能遗漏的潜在问题。当检查员和工程师团队不再需要手动巡视整个设施时，就可以腾出时间和精力来管理最有效的方法来排除和解决机器最初发现的问题。
▲图2：根据美国工业互联网联盟的说法，工业AI的应用需要考虑如何实现数字化、提取和转换数据；分析、检测和诊断；优化；生成；规定；预测并采取行动。
03
进展速度是否足够快？
企业如何知道他们在工业4.0方面的进展速度是否足够快？工业4.0行业专家，日立解决方案（Hitachi Solutions）制造业战略高级总监Jeff Winter认为，判断是否“足够快”实际上取决于两件事：1）您的企业与竞争对手相比如何？2）如何实现自己的工业4.0目标？
对于第一个问题，采用成熟度模型有助于评估企业的数字化成熟度和工业4.0的进展（例如Acatech的工业4.0成熟度指数、INCIT的智能工业准备度指数等）。这些模型允许企业根据行业标准和最佳实践对业绩进行基准测试，通常包括对企业的整体评估。
对于第二个问题，企业可以通过跟踪其工业4.0计划的关键绩效指标（KPI）以衡量进展情况。常见的指标包括整体设备效率（OEE）、质量、灵活性甚至创新。由世界经济论坛与麦肯锡合作开展的灯塔网络计划已经实施了数年，该计划旨在找出那些在技术应用方面处于领先地位、正在大规模实施先进制造并取得显著成效的顶级工厂。这些项目取得的成果都是公开的，可作为改进关键绩效指标的现实基准。
以国际工业转型中心（INCIT）的智能行业准备指数（SIRI）为例。该指数非常适合评估工业4.0的进展，因为它提供了一种全面的、结构化和系统性的方法来评估组织的数字化转型进程。该指数由新加坡经济发展委员会制定，该委员会与TÜV SUD合作，对评估人员进行认证。SIRI指数旨在帮助制造商评估和推进数字化进程的准备工作。Winter认为，SIRI框架有两个优势：1）有相关课程可以获得SIRI评估师认证；2）它们还提供了一个优先级矩阵和框架，有助于在评估结果出来后制定可行的计划。
04
智能制造与工业4.0有何不同？
工业4.0和智能制造这两个术语经常互换使用，但Jeff Winter认为它们是不同的概念，关注的重点领域不同。
智能制造是一种先进的工业生产方法，它利用尖端技术、数据分析和自动化来优化制造过程，提高效率，并实现更灵活、更快速的系统。它代表了产品设计、生产和分销方式的范式转变。智能制造的主要目标是提高生产力、效率和灵活性，同时减少浪费、能源消耗和运营成本。范围通常涵盖整个制造价值链，包括产品设计和开发、生产计划、供应链管理、生产、质量控制和分销。
工业4.0是一个更广泛的概念，它描述了当前的时代，即第四次工业革命。这代表着由于越来越多地采用数字技术而对传统行业进行的持续转型。工业4.0不仅包括智能制造，还扩展到其它功能，如物流、供应链、运输、能源，甚至医疗保健和零售。
对最终用户、原始设备制造商（OEM）和系统集成商来讲，工业4.0和智能制造意味着什么？智能制造的主要受益者显然是制造商。从控制和自动化的角度来看，制造商可以获得以下收益：
· 提高生产力：先进的自动化和控制系统可以优化生产过程，从而提高产量和资源利用率。
· 增强的过程控制：最终用户可以实时监控和调整生产过程，确保产品质量一致，并降低缺陷或浪费的可能性。
· 减少停机时间：高级自动化可以实现预测性维护，有助于防止设备意外故障，并最大限度地减少生产停机时间。
· 更好的数据驱动决策：来自自动化系统的实时数据，可以帮助最终用户在过程改进、资源分配以及生产的其它方面做出更明智的决策。
作为工业4.0的一部分，OEM和系统集成商的业务和运营模式将发生不同的转变。它们可以采取的几种适应方式包括：
· 价值模式转变：随着客户对更智能、更互联机器的需求，OEM和系统集成商的价值模式从简单地提供硬件向提供更智能、数据驱动的解决方案转变。这需要开发软件、分析和连接方面的新功能。
· 服务化：工业4.0使所有企业，尤其是OEM和系统集成商，都能够利用远程连接提供数字化服务，并能从获得的所有数据见解中提供超额价值。这包括远程监控、预测性维护、无线更新和优化服务。这甚至可能导致全新的商业模式，基于订阅的服务取代了成本更大的资本支出购买，基于产出的合同取代了传统的基于工作范围的合同。
· 合作与伙伴关系：工业4.0技术不断增加的复杂性和跨学科性，鼓励OEM和系统集成商与其它技术提供商（如软件开发商、数据分析公司和物联网平台供应商）建立战略伙伴关系。继续采用“一站式商店”的公司越来越少，大多转而展示他们是端到端生态系统的一部分，该生态系统可以全面帮助制造商实现组织转型。
▲图3：数字化转型的成功要素包括通过新的知识、技能和视角来创造新的愿景。
05
工业4.0时代对自动化工程师的新要求
从工业3.0到工业4.0的转变，使得成为一名成功的控制和自动化工程师所需的知识和技能发生了重大变化。其中最大的差异包括：
· 不断学习的成长型思维方式：技术创新和市场条件变化如此之快，如果不能迅速做出反应，对组织来说可能是灾难性的。它还使现在的知识/技能在短时间内过时。必须花时间了解自动化、控制和工业4.0技术的最新发展。
· 进入新的学科：工程和组织部门之间的界限变得非常模糊。通过理解各种技术（如机械、电气、软件工程、IT、网络以及其它领域）之间的相互依存关系，树立多学科思维。这将帮助您对所使用的系统有更全面的了解，并确定改进的机会。
· 关注网络安全：由于工业4.0严重依赖互联系统和数据交换，网络安全至关重要。熟悉网络安全最佳实践，如安全通信协议、加密和访问控制。此外，确保它们在项目中得到实施。
· 像分析师一样思考：那些能够更好地捕捉和利用数据价值的企业，将是工业4.0领域的成功者。培养数据分析和可视化技能，以利用智能制造系统生成的所有数据。这将使用户能够识别趋势、检测异常情况并做出数据驱动的决策，以优化过程并提高整体效率。
06
不要忽视网络安全
随着智能制造技术的实施和成熟，除了设备级IT风险之外，还出现了新增加的网络安全挑战。该领域被称为运营技术（OT）网络安全，指的是工业环境的安保和安全，在保护基础设施、供应链等方面至关重要。
OT网络安全领域面临的最大挑战之一是全球大部分关键基础设施中的旧设备。为了应对这一挑战，特定于 OT 的安全设备和平台在市场上变得越来越普遍，但并非所有设备和平台都是平等的，也不是统一采用的。
预计未来几年，对于涉及关键基础设施的企业将需要更严格的解决方案，以提供最高级别的安全性和互操作性，并将寻求符合 ISA/IEC 62443 等公认的国际标准。劳动力发展将是另一个重点关注领域，未来几年，工厂经理将更加关注OT网络安全培训和认证计划。
在过去十年中，工业物联网（IIoT）实现的数字化有所增加，传感器技术的进步提供了更多有关设备、流程和操作的背景信息。新的应用和进步也可能意味着更大的脆弱性，这就是为什么风险管理和缓解策略已成为数字化转型的一个关键部分。
07
工业5.0已经开启了吗？
工业 4.0 不是目的地，这是一个持续的旅程。能够最好地优化其信息物理系统（CPS）的制造商将成为其市场的赢家。我们的建议是今天就做你能做的事。现在开始永远不会太晚。
工业5.0的概念已经引起了人们的热议，它旨在阐明工业对整个社会的作用和贡献。工业 4.0 是关于安全、流程、效率和盈利能力的改进，而工业 5.0 是关于弹性、以人为本和可持续的业务战略。工业5.0设想了这样一种未来场景：人类和人工智能、机器人和自动化等先进技术将以更和谐、更高效的方式协同工作，将人类最擅长的创造力、同理心和判断力与先进技术的精确性、速度和可扩展性结合起来。
与工业4.0一样，这些想法可能是企业已经在做的事情。例如，许多企业已承诺致力于可持续发展和环保实践，有一些公司还进一步致力于实现基于科学的目标。与工业4.0一样，企业转型所需的有意义的变革也需要思维方式的转变。无论如何，工业5.0确实将成为未来工业发展的一个战略方向。
