全球制造業的行業專家進行了一項新的調查：探索企業目前實施“工業4.0”進展如何？不可否認這一進程仍然面臨許多的挑戰，但更多的玩家會參與進來并開辟更多的價值路徑。

　　在過去的幾年里，“工業4.0”的概念被大肆炒作，除了讓許多企業認識到了這個概念，也在公眾心中留下了這樣的印象——老工業的復興就得靠它了！引領這一切的人總的來說還是保持樂觀，但是在某種程度上，幻滅也在悄悄蔓延，因為到目前為止，實施改造的結果好壞半摻。

　　一方面，我們仍然不是很確定制造業是否真正需要實施“工業4.0”——即使許多人正準備開始朝著這個方向努力。比如，我們發現，只有30%的技術供應商和16%的制造商有整體的“工業4.0”戰略，并且其中只有24%有明確的計劃來實施戰略。另一方面，受到數字化趨勢的影響，大多數的技術供應商已經能夠相對快速的調整自己的項目組合。

　　尤其是當制造商不拘泥于“工業4.0”這個術語，而是把眼光聚焦于那些更有價值的、以業務為導向的應用時，越來越多的企業有了實質性進展。為了實現目標，一些企業甚至重新命名了他們的“工業4.0”規劃，以此來擺脫懷疑心理，同時保留那些能真正創造價值的元素。

　　為了觀察這些復雜而多樣化的進程，闡明為什么一些“工業4.0”玩家取得了進展而另一些卻沒有？我們重復了我們在2015年實施的“工業4.0”全球調查。我們關注行業對“工業4.0”的態度，但更注重實施該理念后取得的進展，尤其是在智能能源消耗、實時供應鏈優化、遠程監控和控制、數字質量管理以及數字績效管理等領域。

　　不過，一些企業仍然在這樣幾個領域里步履維艱：在企業內部之間的各管理部門協調行動；維護網絡安全標準；在與第三方供應商合作時確定數據所有權；激進改革時的勇氣以及招聘必要的人才。

　　因為制造商仍然在為如何解鎖“工業4.0”的價值而拼命掙扎，在這里，我們列出了五個務實的步驟：

　　一。制造商應該聚焦部分“工業4.0”應用，而不是全部

　　我們觀察到，那些能在“工業4.0”實施過程中取得重要進展的制造商大都只關注部分應用（參見文本框1），而不是試圖同時應用所有的“杠桿”去撬動“工業4.0”。

　　制造商正在尋找有潛力被應用到整個制造業組織架構中的五大“工業4.0”應用：從上到下，從頭到尾。然而，解鎖價值并不需要企業實施所有的“工業4.0”應用。

　　這里有一個應用列表，正在實施“工業4.0”的制造商能從中獲取最大價值。這份列表并不是對所有的制造商都同樣適用，有的制造商可能更適合那些沒有出現在列表中的應用。但是，考慮到在這些領域有許多成功案例，我們認為這份列表是一個很好的起點——制造商的首要目標應該是獲取價值。

　　數字績效管理

　　由于最小的資源需求和簡單、快速部署的解決方案，數字績效管理可謂是一扇通向數字制造業的大門。該應用加速了現有的精益管理流程，幫助企業建立數字化能力和數據驅動的理念體系，為更加先進的數字技術奠定了基礎。我們已經見識了一些數字化管理工具，如支持性能對話的數字儀表板，在三個月內實現了高達20-50%的OEE（設備綜合效率）提升。此外，數字性能數據支持標準化的計算和報告，使得KPI、工廠和業務部門都能實現共享，這不僅保持了一致性，還方便各個部門隨時進行最佳實踐分享。

　　預測型維護

　　盡管預測型維護這個術語已經存在多年，但是在數據可獲得性、機器學習技術和云計算方面的重大進展都能為其提供全新的方法：新式預測型維護集成了不同的數據集，并且使用復雜的深度學習算法，比如神經網絡。在引入新式預測型維護算法后，機器的壽命增加，而維護成本能夠明顯下降10-15%。企業要想成功應用預測型維護，需要三個必不可少的組成部分：對各自資產深度維護的專業技術和理論知識，強大的先進分析技術，能夠適當靈活變更的管理能力。

　　收益、能源和生產量的優化

　　將過程控制集成數據與其它數據——比如成本數據——進行集成，將對企業收益、能源和生產量的優化大有幫助。我們看到，制造商已經通過結合那些容易獲得的工廠數據和正確的軟件，對工廠實施了不小的改善。此外，他們必須建立正確的算法。最后，同時為最初的試點和由此擴展的不同站點提供支持是成功的關鍵因素。

　　下一層次的自動化

　　幾乎所有的公司，都還存在很多潛在的可以增加使用自動化的藍領和白領階層工作。就拿藍領階層的工作來說，我們預計在未來的5到10年內，工廠里機器人的使用將實現顯著增加。直到2020年，工業機器人的成本都將以每年10%的速度下降，而傳感器技術和人工智能技術卻在不斷進步——這將促使機器人被應用于更復雜的系統和情形中——驅動發掘自動化的潛在價值。我們還發現在白領階層的工作方面，供應鏈中的需求規劃（預測性分析的使用）和訂單管理（非接觸式訂單管理）過程中具有值得優化的潛力。

　　數字質量管理

　　通過開始實施數字文檔系統——幫助記錄和存儲與質量、生產和服務的相關信息，制造商嘗到了甜頭。先進的質量控制，包括使用新式傳感技術（比如計算機視覺）和半自動質量控制（如機器人）可以解鎖更多的價值。更高級的玩家正在使用先進的算法和大數據質量分析來加強他們的數字質量管理。

　　二．別怕變通，今日之變是為明日更完善的解決方案奠定信息基礎

　　通常有一些客戶由于缺乏實際經驗而無法開始實施“工業4.0”，在很多情況下，從重要的“工業4.0”應用中捕捉價值就會涉及到許多制造商需要解決的障礙和問題。

　　當整合數據的時候出現這些問題，項目往往會被迫停止，然后等待數據體系結構轉換、ERP系統的重啟，或者一些其它嘗試。但事實是，出色的客戶管理即使在困難的情況下，（如缺失數據，不兼容的IT系統，人才的短缺）也能成功地完成項目。

　　例如，在做生命科學客戶收益率優化管理時，我們發現一些問題——整個文檔的批閱只能在紙上進行，但是只有輸入電腦的數據才能用于分析。他們并沒有選擇等待兩年等數字檔案建立好或者數字數據積累到足夠的量，而是選擇掃描了所有的物理數據表（15000頁），然后在印度找了一個第三方供應商將其轉換為機器可讀數據標簽。這花了兩周的時間和非常多的努力，最終實現了約1%的產量提高。

　　云平臺解決方案也能無風險的實現同步處理。公司可以嘗試用云平臺方案來解決基礎設施方面的問題。

　　盡管早期航天飛行很成功，大規模的“工業4.0”應用還是需要大量投資和技術的進步。包括其他物聯網的應用、業務邏輯的整合以及數據的積累。

　　由于 “工業4.0”技術比較新，成功案例仍然有限，所以不能有某一個商業案例的成功證明數據投資的正確性。盡管如此，這些投資打下的基礎仍是必不可少的，早期的“工業4.0”應用將引導整個產業發展。除了技術上的投資，公司組織架構上也需要建立清晰的業務所有權管理和客戶數據管理制度。不過，這項努力必須轉化為專業化數據操作模型，而不是私有數據存儲，才能有意義。最后，數據管理辦公室應研究出最佳的總體數據架構，包括一個面向目標的清晰路線圖。

　　這其中的關鍵挑戰是如何將現有主數據和流動數據實現集成，并利用傳感器等技術發掘先進的的分析能力，以便在復雜事件中實現實時處理。制造商必須從啟動數據轉換之初就著眼于從產品規劃和工程制造銷售等方面考慮到在整個產品生命周期里增加集成數據。

　　世界領先企業奧迪已經開始努力鞏固和“清理”他們生產數據了，以此建設先進“工業4.0”應用程序的基礎。

　　我們的目標是在效率和速度上，亦在在工程、控制、管理和決策取得巨大的進步。但只有在整個生命周期中成功整合數據，這個突破才會實現。

　　——奧迪數字化生產主管Fred Schulemann

　　三。組建一個第三方技術供應商的平臺

　　奮斗在“工業4.0”的路上，企業需要考慮清楚以整體價值鏈上的哪個點作為戰略性“控制點”，基于這個點如何創建和保持內部功能和數據的安全，從而獲得巨大的競爭優勢。此外，還需考慮清楚的是，哪一塊具有真正的商業價值，并且這種商業價值能夠通過一個強大的第三方平臺伙伴就可以進行最優化處理。

　　針對前面提出的這一點問題，目前已經有越來越多的“工業4.0”解決方案以供企業從中選擇，比如西門子公司的MindSphere工業云平臺，它充當著一個集成了制造商眾多數據的第三方應用平臺。從現有的解決方案來看，它們可以幫助企業實現利用專業技術以更快的素的實現“工業4.0”。

　　“工業4.0”是促使單一供應商，模式轉向集成技術供應商模式的最直接原因，為了在這個領域取得更大的成功，制造商需要一個發展成熟的平臺以及強大合作伙伴管理方法。而這些都是建立在選擇了合適的合作伙伴、對市場有深入的理解以及創建一個最佳供應商結構的管理能力的基礎上的。

　　此外，對于原始設備制造商和軟件提供商來說，強有力的管理能力是為正確的數據所有權結構提供了保障。有一個現象值得我們注意，就是許多制造商并不知道什么情況下可以放棄數據的所有權（可參考文本框2的內容）。因此，在簽訂合同之前，制造商必須認真考慮哪些數據需要訪問。

　　最近，在主要的半導體制造商中開始了一種所謂的跨越數據障礙的方式——通過部署一種先進的預測分析工具，能夠對故障及產量問題進行預測。最終，這些企業成功做出了驗證：相比于使用傳統的方法，通過這種方法能夠降低超過8%的運維成本，但是這一路上還會遇到一些障礙：

　　數據所有權

　　基于這一點，半導體制造企業不得不針對該企業所使用的工具重寫合同，從而具有訪問和存儲數據的權限。如果沒有明確的條款寫進合同里面，設備供應商幾乎很少會主動提供“數據ID”這項服務，同樣也很少針對跨設備的集成需求提出相應的“數據需求”。所以有必要想出一種改進方法，利用這種方法能夠將需求合并到供應商和制造承包商的服務中。

　　數據基礎架構

　　對于一家工廠來說，50%的數據會被丟棄。畢竟，等級數據的實時追蹤并不是任何情況下都適用，再加上對“歷史”系統的訪問是一件很困難的事情。為方便訪問，需要一個全新的方式以轉向云架構。

　　分析能力

　　企業需要意識到，他們可能需要挖掘眾多的模式，這些模式能夠在十多個獨特的機器學習算法和上百個資產失效模式之間達到最好的匹配。概念性驗證方案為故障類型提供了一種即插即用的驗證方式。這里需要注意的是，由于缺乏可以部署先進算法的科學家，企業有必要將合同外包出去。

　　四。建立一個思維敏捷的內部團隊

　　要真正從“工業4.0”中獲取價值，企業內部需要強大的能力——最重要的就是建立一個專門的跨職能團隊，能夠基于開放性的文化和試驗推動創新。

　　人才對任何一家公司都必不可缺，比如數據科學家中的IT人才，他們可以幫助企業開發復雜的算法，作為敏捷的軟件開發者，他們還能在內部建立新的應用。

　　鑒于這個角色的高需求和有限的供應，從制造商的角度來看，雇傭他們需要清晰的價值定位。一些制造商走向人才所在地，例如硅谷、柏林。

　　與此同時，這些富有IT人才的部門必須無縫對接制造商。這里沒有各種傳統的那些造成內部分離的障礙。“工業4.0”需要運營專家（擁有技術領域的知識），IT專家（擁有先進的分析力和公司的IT架構和基礎設施），和業務專家（知道如何將投資和清晰的商業案例對接）的協作。在緊密的合作之下，運營、IT、業務將定義并執行“工業4.0”戰略。例如，一個公司在每個功能區創建了代表專案組，定期開會，討論已存在的“工業4.0”項目和必要的支持他們的資源。這個專案組有權進入每一個流程、系統和數據庫。其他玩家甚至可在一個新的組織的單位整合“工業4.0”的相關功能。

　　鞏固專業知識以駕馭數字化的力量并集中戰略

　　2015年機械化公司Voith 建立了一個新的集團公司——Digital Solutions，為了利用這個專業公司鞏固其在“工業4.0”領域中所有的數字化和自動化行為。新公司的重點將放在新式數字業務模式的發展上，這種模式既包括Voith公司已經提供的也包括新公司正在探索的。因此，Voith正在建立一個包含自動化、軟件、IT、數字化和傳感器技術等專業領域的部門，而先前這些技術都分散在不同的部門組。另外，Vioth計劃在新公司中重置所有的商業投資，并且啟動在數字領域的活動。

　　五。嘗試新的商業模式

　　在以前的出版物中，我們強調過如何讓“工業4.0”技術不僅讓運營效益得到改善，還能提供數字化整合以驅動新的商業模式，就像“平臺即服務”或“數據驅動即服務”作為一種商業模式那樣。大多數早期實施“工業4.0”并取得成效的企業都發現了快速提高運營效率的方法。企業希望 “工業4.0”不僅僅只是為他們帶來短期回報，更希望其能讓制造商在未來混亂的市場競爭來臨之前做好準備，并進行新的業務模式試驗。

　　尋找新的商業模式時，制造商可以以CLAAS公司和TRUMPF公司的案例為例（見文本框4），圍繞客戶需求建立新的模式，并借鑒其深厚的專業知識和現有的安裝基礎。

　　2013年，許多公司都在尋找新的“工業4.0”商業模式，農業機械制造商CLAAS通過其深厚的專業知識了解客戶需求，并建立了子公司365FarmNet，它提供了一整套的農場操作系統，包括規劃、管理、文檔和分析工具等。通過這一舉措，CLAAS擴展了他們的商業模式，比如一個機器制造商為其客戶提供軟件即服務（SaaS）的服務，并在不斷增長的智能養殖軟件市場將自己定位。

　　我們預計將有越來越多的廠商能夠從實時數據中獲取他們的客戶群，并為客戶提供新的增值服務。過去制造商和他們的產品之間的聯系大部分是通過背后的經銷商，而新的傳感器和通信技術使制造商能夠從他們運作的計算機中收集實時數據。這為制造商改善現有的售后服務將提供了新的可能性，并從客戶群的數據中開發出新的增值服務。

　　舉個例子，德國的壓縮空氣系統供應商凱撒空壓機公司，通過基于SAP HANA的先進的預測性維護模型提高了機器的性能，并且最近還增加了一個“按每立方米壓縮的空氣數支付”的組合服務。