【智能制造】沈斌:我们很努力,为何不赚钱?

2020 年 5 月 12 日 产业智能官

来源于兰光创新 ,作者沈斌

作者沈斌教授,现任同济大学中德学院机械信息技术基金教研室教授、主任,长期从事工业软件的研究与开发,是工业软件教育领域的老将兼老师,也是我的老朋友。这几天大家都在讨论工业软件的兴衰问题。沈教授读了我的文章之后,写了很长的一段评语,并进一步将评语拓展成为两篇文章。在这里一并推荐发出。这正是:


改革开放兴工软,

自主开发四十年。
两代人杰披肝胆,

为能实现小追赶。
有心可控且安全,

无奈外品已垄断。
不进反退差距大,

怎让老将不感叹!

(一)
自德国工业4.0和中国制造2025战略发布以来,各行各业掀起了开展工业4.0和智能制造的研究和应用,似乎一派大好机遇,但我国企业特别是实体企业却面临愈来愈大的挑战和困难。 究其原因,各种各样。 本文仅从技术上对机床、自动化系统、工业软件系统行业略作分析,抛砖引玉,以引起大家的重视和探讨。
机床、自动化系统、工业软件系统三个行业虽属不同行业,但也是紧密相关联的。 照理说,在工业4.0和中国制造2025战略下,它们最能发挥作用的时机,但现实是,套用这些行业的专家和企业高管的话: “我们很努力,为何不赚钱,甚至面临生存和发展的困难? ”。
机床是工业“母机”,太空中遨游的飞船和卫星,天空中飞行的飞机,地面上高速奔驶的汽车和火车,海底中潜行的潜艇和钻进设备,民用工业品和军用武器,其制造都离不开机床。 我国是最大的机床制造国,也是最大的消费国。 但近年来,不断有机床的龙头企业不是破产,就是被重组。
5到10年前,我们还在讨论,中国需要不需要发展自动化,因为我国有7亿农民工,劳动力成本不高,自动化需要昂贵的设备投入,似乎不急于需要自动化系统。 现在随着劳动力成本的提高,许多企业也面临了招工难和生产成本高居不下的困境,所以,发展自动化,也是势在必行。 这应该为自动化行业带来了千载难逢的机遇,但实际情况是,自动化系统供应商也面临着系统集成和盈利少的困境。
工业软件系统是工业现代化的“灵魂”,有许多专家也认为软件可以“定义世界”,企业对软件的需求也呈“井喷”现象,软件行业将有大显身手的机遇,但现实是工业软件供应商大都是在亏损运营,或靠搭卖硬件在勉强生存。 国人“重硬轻软”的观念还未改变,只相信看得见的硬件系统,忽视看不见的软件系统。
这些现象好像大家都看到,但究竟是什么是真正的原因造成的呢?
前三天受邀参加在宁夏召开的2019中国汽车零部件电子电器行业年会,并作了一个“智能制造的发展和实施途径”的报告(有兴趣的可看我在科学网的博客: http://blog.sciencenet.cn/blog-39413-1199555.html ),在会议期间我也参观了宁夏小巨人机床有限公司和宁夏巨能机器人有限公司,并与张伟副总经理(宁夏小巨人机床有限公司)和李志博总经理(宁夏巨能机器人有限公司)以及两个公司的高管和技术人员探讨了机床、自动化系统、工业软件系统三个行业的发展机遇和挑战。 提出了我的观点,并得到了他们的高度认同,我提到的一些理念有些他们几年来也在低调地进行着,下面归纳一下几点:
1、机床、自动化系统、工业软件系统三个行业为企业提供工业4.0和智能制造的装备、自动化系统和工业软件系统,但供应商自身的设计、制造过程无法自动化。
2、自动化系统是集软硬件于一体的集成系统,涉及到机、电、光、液、软件、信息网络和管理等一系列技术,需要各类技术人才,而人员的频繁流动,造成了企业的数据和知识的大量流失。
3、工业软件系统的开发,直至应用,需要比较长时间和丰富经验的积累。 重要的工业软件系统基本上是国外供应商一统天下,我国工业软件系统供应商刚刚起步,时间和经验上都还积累不够。 软件技术的发展跟不上客户对工业软件系统的需求。
4、机床、自动化系统、工业软件系统实际上一直是一个个性化定制产品的行业,除了个别制造过程采用批量自动化生产以外,就整个产品或系统的设计和制造过程,都是根据不同客户的需求,需要定制化提交产品或系统。



(二)



记得20多年前,我经历了两个案例。 一个是港机的参数化设计,另一个是企业的知识管理系统,我们也提出了研究和应用方案,但由于种种原因,未能立项研究。
针对上述情况,我认为定制化产品或系统供应商,不能按批量化设计或生产方式去应对,应该以创新的思维拟定解决方案,以不变应对万变,降低开发设计和生产成本。
1、个性化参数化设计的基础是模块化
通过企业积累的数据和经验,根据成组技术和大规模定制生产的原理,将不同的产品和零部件,分类建立不同的标准模块数据库。 其作用: 一是客户提出的的个性化需求,归纳到不同的标准模块,供应商按大规模定制化生产; 二是指导或引导客户按供应商推荐的标准模块去定制自己的产品或系统,这样大大减少非标零部件或功能数量。
2、用软件系统应对瞬息变化的需求
供应商在实际设计和生产过程中,大量的数据信息是重复用人工查询处理,既费时,又出错。 譬如一个车间里有几十台机床,所用刀具几百几千种,其刀具的管理和刀具寿命的控制直接影响到生产的正常运行和刀具费用; 所涉及到的工艺和质量检测也是复杂多变的。 宁夏小巨人机床有限公司开发建立了SMOOTH技术系统,为自身也为客户实施iSmart Factory,采用最先进的加工技术,建立自动化系统,实现智能化的日常进度管理、刀具信息和寿命管理、实时测量与补偿以及运行与监控分析。
3、建立企业知识管理系统。
企业最宝贵的是人才,最重要的资源是知识和经验。 由于技术人才的流动,如调动、离职等,造成了他们的知识和经验往往随人离去而丢失,新的员工又要从头学习积累,在低层次上徘徊。 宁夏巨能机器人有限公司建立了自己的企业知识管理系统,将五年来所承接的项目中的知识和经验纳入到系统,以免离人而造成的知识和经验的流失。 公司虽然偏处西北,但业务每年20%增长。 我相信随着时间的积累,该系统将成为公司最具竞争力的资源之一。
最近,走向智能研究院赵敏执行院长撰写了“工业软件发展过程中的几点反思”论文,我深表同感。 也写了我的留言,以此作为本文的结束语:
赵总的文章切中了中国工业软件行业的要害,分析有理有据,希望引起有关高层的关注,也改变国人“重硬轻软”的观念。 本人学习的专业是机械制造及其自动化,从82年本科毕业论文在导师指导下参与开发了中国第一个计算机辅助工艺设计系统(TOJICAP)以来,一直从事工业软件的教学和科研工作,至今历时了38个年头了,亲历了“甜酸苦辣”。 我指导的博士、硕士和本科毕业论文也是围绕工业软件系统,也被冷落而“歧视”。 我想起来了微信上有人写的一个故事: 徐悲鸿要用自己画的一幅马向贩马啇换一匹马,贩马啇以为徐悲鸿是在与他开玩笑,纸画的马怎能换一匹价值5000元的真马! 贩马商事后了解到徐悲鸿画的马价值6600万元,后悔莫及。 所以,要知道真正价值的东西,必须从了解开始。 如果连了解的兴趣都没有的人,也就没有福气承载真正价值的东西。 工业软件正如作者文中所述,无形大隐于工业中。 无形的工业软件犹如无形的空气、氧气、思想、知识和文化,才是世上最具价值的东西。 我们只看到有形的差距,而没有看到无形的差距,才是最可悲的。 没有工业软件的支撑,实现工业现代化和智能制造只能是一个梦呓。



延展阅读: 制造企业知识管理,走起!

来源:知识管理中心KMCenter 

  21世纪是知识经济的时代,知识已成为创造价值的主要手段,人类社会的存在和发展越来越多地依赖于知识的更新与发展,而与之相适应的管理模式也发生了根本性变革。著名未来学家托夫勒在他的《权利的转移》中分析指出:人类历史上权利的来源已经从暴力、财富转移到知识,企业知识资源将成为与人力、资金、能源等并列的资源,并且成为企业的第一生产要素。

 

   经过三十多年的改革开放,中国已经发展成为最大的“世界工厂”,制造业是中国经济的重要支撑之一。但随着经济一体化、全球竞争的加剧,加之国内劳动力成本的急剧上升、环境承载能力的限制,使得我国原来依靠低廉的劳动力成本和较低环境保护要求的增长已经不可持续。有远见的制造型企业向高端设备制造、知识密集的制造方向转移。

国内知识管理的首个吃螃蟹者

   知识管理作为一种新的管理思潮,在中国的传播始于1998年左右。在2000年左右有企业开始知识管理的实践,有据可查的资料显示,国内第一个知识管理的吃螃蟹者是北方工业总公司下属的万宝公司。当时它在国内最早搭建了知识管理平台,迈出了国内知识管理实施的第一步。

 

   万宝公司知识管理项目的出发点在于解决项目信息共享、项目经验传承以及组织知识沉淀等问题。公司自身业务决定需要与国际同行竞争,在激烈的竞争环境下,万宝公司领导层感觉到“危险”与不足:同样是投标,国外公司投标的效率、质量和速度都远远高于自己。所以万宝公司希望通过对企业内分散、杂乱的信息和知识内容进行梳理,建立知识库的方式支撑企业的核心业务。从0到1,通过文档的规范化管理建立的知识库辅之以相应的激励措施,的确可以解决一部分问题。但随着内容越来越多,业务的进展和升级,知识库里堆积内容越来越多、良莠不齐,使得知识的查找与利用变得越来越困难,甚至找不到自己想要的内容。所以知识管理项目过了新鲜期以后,迅速冷却下来,甚至无人问津。

 

   万宝公司的知识管理代表了21世纪初的前10年里中国制造业第一代知识管理的现状和共性:它们发现了存在的问题或意识到未来的发展方向,积极利用当时的信息技术支撑知识管理理念,一般以知识库的形式、以文档内容为对象进行知识沉淀和管理,知识管理的主要动作是“上系统”与“存文档”。

联想服务的知识管理

   联想集团的知识管理也是知识管理领域的典型案例。在2003年左右联想集团任命了首席知识官(CKO),建立了全集团层面的知识管理推动团队,试图推动整个集团的知识管理实施和实践。但随着联想业务和竞争环境的变化,CKO去职,

相应团队人员流失,集团的知识管理进展不畅。

 

   在“大而全”的知识管理渐渐无疾而终的同时,一些以某一项职能或业务为范围的知识管理开始显露生机,以客户服务中心(呼叫中心)、研发中心(研究院所)、生产管理(制造、工艺管理等)、运维(维修、维护)中心等为典型代表。联想集团的服务部门(联想服务)也早在2003年的时候就建立了知识库管理系统,但那时候的知识分散在呼叫中心、服务渠道等各个地方,没有形成统一的平台。2006年,联想服务改变了内部各个服务部门分别建立知识管理系统且“群雄割据”的局面,将其全面整合为一个系统的知识管理平台,同时支持联想呼叫中心、全国维修站,以及联想用户通过Web网站进行查询使用。有了这个基础,联想在2008年推出了“三网合一”的服务体系(网站、电话和服务网点)——eCare,其网页智能机器人的回答问题准确率也逐步提升到50%左右。

 

   此外,联想服务还将维基(Wiki)的模式和技术运用到知识管理平台上,这让联想多年积累下来的知识文档有了更多的用武之地,给维修工程师和用户也带来了更多的价值。其运作方式是:首先,建立流程让服务工程师随时提交知识文档,并将平时解决的客户问题,随时贡献出来;其次,建立奖励机制,对于贡献知识、应用知识的人根据得分的多少给予相应的物质和精神奖励;最后,在应用设计上,给大家提供更便捷的方式。联想服务探索出一条基于服务的知识管理实践之路,它紧密地结合自身业务和需求,以解决实际问题为根本出发点,从动力上解决了第一代知识管理“麻烦制造者”的问题,使知识管理真正融入企业业务发展并发挥应有的价值。

制造企业存在的问题

   在近15年的中国知识管理历程中,有不少的成功案例积累了许多经验;但更有许多失败的尝试,让我们总结出了许多教训。从失败中学习,中国制造型企业的知识管理实施方法论愈加成熟。马云说:“阿里巴巴最大的财富不是我们取得了什么成绩,而是我们经历了这么多失败,犯了这么多错误,我说阿里巴巴一定要写一本书,这里是阿里巴巴曾经的错误。”向失败学习,才能知道如何走好知识管理的路。知识管理中心(Knowledge Management Center)对于15年的知识管理实践尤其是制造型企业的知识管理实践进行总结提炼,沉淀出以下3条错误,这些错误可以帮助准备实施知识管理的机构规避风险。

 

    问题1对知识管理欠缺正确认知

 

   由于知识管理是新生事物,而且知识本身就是一个哲学问题,所以在对知识管理的认识上存在许多误区。在制造企业中对知识管理有一个比较普遍的片面认识:制造企业的知识管理就是建立一个知识库来支持产品设计和制造。事实上,在企业中实施知识管理,是提高企业管理水平的实现手段,它以知识工程为基础技术工具,它不仅仅是建立知识库,还包括规范知识流程、建立基于知识的工作方法,形成知识共享的氛围,使企业逐步转变成为一个知识型、创新型的企业,为企业长远发展提供必要支撑手段,这才是实施知识管理的最终目标。

 

   问题2:知识管理没有与具体业务结合

 

   制造型企业知识管理实施,主要针对企业文档建立积累、存储和沉淀,使知识和信息内容脱离了实际业务而单独存在。一些有价值的内容散落在各种文档中,员工在遇到问题的时候很难找到,甚至有时候根本不知道找什么、去哪里找。在信息和知识内容越来越多的时候,不加以整理、区分和利用,仅仅存在知识库中,是不能发挥其价值的。

 

   问题3:欠缺合适的方法和工具

 

   在制造型企业知识管理实施的过程中,缺乏科学专业的知识管理方法指导,没有便利的知识管理工具,也是阻碍制造型企业知识管理发展的问题之一。之前中国大部分知识管理项目都是基于软件工具发起的,但知识管理本身不是一个IT工具,只有工具没有方法的知识管理实施不可能成功。同时,随着互联网成为知识型员工的工作和生活工具,他们已经养成了互联网方式的使用习惯。

 

   但传统软件和互联网尚存在着巨大的“鸿沟”:知识管理软件系统易用性差,不适合知识型员工的使用习惯。

未来发展趋势

   从整个社会的角度看,知识管理的方式已经或正在经历如图1所示的变化,基于此,我们预测未来知管理趋势如下。

 

  趋势1:按职能细分开展知识管理

 

   制造业价值链比较复杂,在制造业的价值曲线上,制造加工环节始终是处于低端,而产品研发、营销和售后服务处于价值链曲线的高端。在产业链中,附加值更多体现在设计和销售两端,处于中间环节的制造附加值最低。所以,在制造型企业知识管理实施的过程中,需要基于不同的职能采用不同的知识管理方式,确定不同的知识管理目标。例如,可以按照采购、研发、生产、营销的思路分别确定不同的知识管理目标和实施方法。

 

   趋势2:基于问题进行知识管理

 

   知识的作用是“被利用”,在信息爆炸和知识更新换代加快的环境下,要从需求角度“倒推”出需要产生沉淀什么样的知识内容,并按照适合知识的组织方式去组织。没有人能够推动组织的知识型员工参与知识管理,只有在满足他们某项需求的时候知识管理才可能做成。所以,制造型企业的知识管理要基于具体问题,从应用场景“倒推”出知识内容需求和知识组织方式、方法,从“推动”到“拉动”的知识管理。

 

   趋势3个人知识管理作用凸显

 

   制造型企业的知识管理需要更多精力和成本投入知识型员工和知识管理专业人员身上,对于知识型员工主要解决知道、能力、意愿问题,千方百计提升知识管理专业人员的能力和水平,全社会共享高水平知识管理专业人员的能力。对于知识型员工而言,需要理解知识管理是什么、能给自己的工作业务带来什么,同时他们需要有足够的时间、有相当的能力时才可能参与知识管理。对于知识管理专业人员,掌握知识管理实施的理念、方法和工具则是自身成长必须要走的路。

 

   趋势4:知识管理的创新方式

 

   制造型企业的知识管理需要适应知识工作和知识工作者对于信息和知识需求的变化,应对碎片化、移动化、可用性的变化。“学知识”和“用知识”是两种完全不同的活动和形态,知识型员工在利用知识做出判断和决策时,其需求与知识的产出和保存之间有较大的不同。如何从用的角度组织内容,如何适应移动性、碎片化的现状是知识管理必须考虑的问题。

 

   制造型企业的知识管理需要考虑利用社会化、可视化、移动化的知识管理系统替代传统的文档和内容管理系统。传统的知识管理软件、系统开发部署形式需要去变化,因为环境和需求都已经发生了较大变化。在实践中,已经有不少新的知识管理IT工具出现并在应用中证明了其价值。(本文作者为中国知识管理中心高级咨询顾问 宋建敏,原文首发于《中国信息界》)


先进制造业+工业互联网




产业智能官  AI-CPS


加入知识星球“产业智能研究院”:先进制造业OT(自动化+机器人+工艺+精益)和工业互联网IT(云计算+大数据+物联网+区块链+人工智能)产业智能化技术深度融合,在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的产业智能化平台;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。


产业智能化平台作为第四次工业革命的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎; 重构设计、生产、物流、服务等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生 新技术、新产品、新产业、新业态和新模式; 引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。

产业智能化技术分支用来的今天,制造业者必须了解如何将“智能技术”全面渗入整个公司、产品、业务等商业场景中, 利用工业互联网形成数字化、网络化和智能化力量,实现行业的重新布局、企业的重新构建和焕然新生。

版权声明产业智能官(ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源,涉权烦请联系协商解决,联系、投稿邮箱:erp_vip@hotmail.com。




登录查看更多
0

相关内容

对个人及社群所拥有的显性知识和隐性知识的确认、创造、掌握、使用、分享及传播进行积极及有效的管理。 
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
105+阅读 · 2020年1月2日
电力人工智能发展报告,33页ppt
专知会员服务
120+阅读 · 2019年12月25日
战略|咨询公司在中国的困境与出路
智慧云董事会
16+阅读 · 2019年3月13日
1年融资超230亿!计算机视觉为何如此吸金?
【工业智能】人工智能在智能制造中的应用
产业智能官
22+阅读 · 2019年1月11日
【智能制造】智能制造的核心——智能决策
产业智能官
11+阅读 · 2018年4月11日
【智能制造】智能制造技术与数字化工厂应用!
产业智能官
13+阅读 · 2018年2月21日
马斯克最感性专访:我期待失败,也期待真爱
中国企业家杂志
4+阅读 · 2018年2月8日
李开复为何说年底人工智能泡沫要破?
数据猿
4+阅读 · 2018年2月5日
Learning Dynamic Routing for Semantic Segmentation
Arxiv
8+阅读 · 2020年3月23日
Image Segmentation Using Deep Learning: A Survey
Arxiv
43+阅读 · 2020年1月15日
Arxiv
12+阅读 · 2018年9月15日
Text classification using capsules
Arxiv
5+阅读 · 2018年8月12日
Arxiv
5+阅读 · 2018年5月5日
Arxiv
3+阅读 · 2017年10月1日
VIP会员
相关VIP内容
相关资讯
战略|咨询公司在中国的困境与出路
智慧云董事会
16+阅读 · 2019年3月13日
1年融资超230亿!计算机视觉为何如此吸金?
【工业智能】人工智能在智能制造中的应用
产业智能官
22+阅读 · 2019年1月11日
【智能制造】智能制造的核心——智能决策
产业智能官
11+阅读 · 2018年4月11日
【智能制造】智能制造技术与数字化工厂应用!
产业智能官
13+阅读 · 2018年2月21日
马斯克最感性专访:我期待失败,也期待真爱
中国企业家杂志
4+阅读 · 2018年2月8日
李开复为何说年底人工智能泡沫要破?
数据猿
4+阅读 · 2018年2月5日
相关论文
Learning Dynamic Routing for Semantic Segmentation
Arxiv
8+阅读 · 2020年3月23日
Image Segmentation Using Deep Learning: A Survey
Arxiv
43+阅读 · 2020年1月15日
Arxiv
12+阅读 · 2018年9月15日
Text classification using capsules
Arxiv
5+阅读 · 2018年8月12日
Arxiv
5+阅读 · 2018年5月5日
Arxiv
3+阅读 · 2017年10月1日
Top
微信扫码咨询专知VIP会员