本文分為三部分：首先從電子制造企業視角談下對工業互聯網的理解，其次基于上述理解介紹一下制造企業可采取的工業互聯網數字化改造思路以及相應的解決方案，最后闡述一下對工業互聯網未來發展趨勢的觀點。

一對工業互聯網的理解

從電子制造業視角看過往30年，每10年劃分一個分水嶺，我們認為88年到98年是PC時代，屬于勞動密型集型生產，這時期的生產形式側重于人與人，以及人與治工具的協同。車間中普遍的生產場景是：長長的一條流水線上，每個作業員都在緊張忙碌的工作，不但要與他的上下工位協同，還要與他手上的治工具協同。98年到08年進入功能手機生產時代，屬于精密制造。這時期強調生產加工的精度，工程師每天花大量時間在設備前調機，為的是保證產品的加工精度與品質。本時期側重人與精密機器，及人與監控系統間的協同。08年至今屬于智能終端時代，隨著IoT、云計算、大數據、人工智能等技術的不斷進步，出現了越來越多的智能裝置與智能系統。這時期強調人與智能系統及智能裝置間的協同，如利用智能系統替代或指導工程師調機，在保證產品品質、精度的前提下大大縮短了調機時間，使工程師調機有了科學依據，通過與智能系統協作，可快速挖掘出藏在問題背后更深層次的隱藏因素，從而不再單純依賴經驗判斷。

以上電子制造業不斷演進的這30年，讓我們深刻體會到了其中的變與不變：

首先，不變的是，無論我們在企業中身兼何種角色，每天做的工作都可以用8個字概括：提質、增效、降本、減存。目的是保證我們產品品質、精度、成本、交期與安全，從而提升公司的核心競爭力。企業里不斷強調“品質是生命，時間是金錢，產線是我們的客戶，所有周邊單位都服務于產線”，即無論您從事研發設計、生產制造、還是運營管理、都直接或間接服務于產品的品質、精度、成本、交期和安全，如果滿足不了這些需求，就是工作還沒做到位。

以上是不變的部分，接下來談一談變化的部分：

隨著新技術的不斷引入，我們做提質、增效、降本、減存的分析工具與解決方案變了，進而我們的工作方式與工作體驗也跟著變了。

先看分析工具，在功能手機時代，公司大力推行精益生產，用IE七大手法降低車間的各種浪費：如等待的浪費、無效搬運的浪費、不良品的浪費、提前生產的浪費、庫存的浪費等。后來為了使我們的分析更加有科學依據，能看到更多隱藏在問題背后的影響因素，公司引入了6Sigma，遵循DMAIC流程解決問題，再到目前引入機器學習與人工智能技術，輔助我們解決超出人們經驗的復雜工況多因素耦合的生產工藝相關問題。

圖1 分析工具的變化

如上圖片所示，左上角就是公司IE提案改善網站，公司員工過去做的改善按都提交在這里，保守估計里面至少有幾十萬件了。中間是公司發的6Sigma資料，分黃帶、綠帶、黑帶。右邊是我們引入IoT、大數據、機器學習，將就舊有測試系統升級成了智能測試平臺，左半部分是現場加工場域，右上半部分是仿真及預測，右下半部分是具體加工狀態，良率、利用率、點進去可以看到詳細的工況信息等。導入這個平臺使整體測試直通率提升了20%以上。

另外談一談常見問題的解決方案部分。在IE時代若車間工站出現異常，工程師去解決，有個不成文的衡量解決方案優劣的標準是--讓作業員想犯錯都很難。初期我們常采用治工具+SOP或開發自動化防呆腳本等手段解決問題，目的是固化作業員的動作，或讓程序輔助或替代作業員完成輸入信息核查等。后來隨著自動化與監控系統的引入，很多之前做到準防呆的工位，在成本合理的情況下，基本上都被自動化裝置與機械手臂取代了，人員轉而去做更有價值的事情，再后來隨著IoT、大數據、機器學習的引入，越來越多的核心自動化設備與系統也變得越來越智能了。

再看工作方式部分。以車間巡線為例，過去我們主要采用定點巡線方式，這里的“定點”指在固定時間去固定地點發現與解決問題。現在只需要在辦公室或戰情中心遠程監控，完全解除了地域的限制。只要你的手機可以聯網，系統會將車間異常與診斷信息主動推送給你。

在工作體驗上，由過去做附加價值低的工作感到枯燥乏味，到需要深度鉆研才可以解決問題的興趣漸濃，再到現在利用新技術高效解決過去毫無頭緒的棘手問題，而變得越來越有成就感。

綜上，可以看出，無論技術如何變化，我們追求品質、精度、成本、交期、安全的核心競爭力是沒有變化的，只是隨著技術進步使得我們看待問題的方式和解決問題的方法在變化，變得更加科學與高效。

合理利用新技術可以不斷地提升企業自身的生產力，但從整個工業生態視角看，如果只是個別企業利用新技術提升生產力價值不大，企業處在其供應鏈與合作生態中，企業的價值最大化在于如何利用新技術革新自身的同時，還能高效低成本的相互協作、賦能。而要想做到高效、低成本協作，需要生態企業在運用新技術時都能遵從統一的標準。國家大力推行工業互聯網，作為工業領域的頂層設計，工業互聯網涵蓋了所有工業領域用到的新技術，力求整合這些技術，制定新標準，指導工業企業用統一標準高效、低成本的協同，從而可最大范圍地優化整個工業產業的資源配置，最大程度地做到整個工業產業的提質、增效、降本、減存。

圖2 對工業互聯網的理解

二基于工業互聯網的數字化改造思路

基于上述對工業互聯網的理解，筆者認為制造企業可基于自身的現狀，首先梳理出核心主業務流程，以及輔助主業務流程的高附加價值服務，通過深度參與AII，盡量利用標準化的工業互聯網技術，逐步打通企業內部、企業間所有與主業務流程強相關的數字化通路，盡量減少主業務流程節點之間信息交互的人為干預環節，同時將輔助主業務流程的高附加價值服務與核心主業務流程解耦，單獨打包成標準化的高附加價值的數字化服務模組，達到既能高效服務企業內部核心主業務流程，同時又能以單個或組合方式對外部企業提供即時服務的目的。這樣通過將企業核心能力服務化，按需開放共享，可最大化的發揮企業的行業價值。更重要的是，當技術變革驅動企業主業務流程重構時，企業可通過按需編排或更新部分高附加價值的數字化服務模組，以最小的代價，快速做出調整。當然整個改造過程不是一蹴而就的，需要試錯、標準化、封裝、服務化并以此循環下去，這需要參與者具有去中心化、解耦、分層、服務化的思維，要能從核心業務維度，沿著價值鏈條過濾出不同層次體系內部的真正的價值點，要避免對非價值單元進行過度的數字化設計。

圖3 核心制造能力數字化

下面以筆者公司內部的模具零組件工廠數字化改造舉例。模具零組件廠通過對其生產單元拆解，合理規劃。引入IoT、大數據、機器學習等技術，對其人流、物流、過程流、信息流、金流、技術流進行全面優化，并在此基礎上研發出了模具制造服務系統，利用系統將流程與標準固化。通過不斷試錯累積了數十萬套模具產品加工工藝數據，并通過工業互聯網平臺將研、產、供、銷、服務能力以專業化服務形式輸出，可為中小企業提供核心關鍵零組件訂制加工服務，以滿足中小企業共性需求，解決中小企業因面臨生存壓力無法購買昂貴的加工設備、無法配置昂貴的夾治具資源、無法使用昂貴的刀具資源、及先進加工技術引進和導入較慢等問題，以提升中小企業的核心競爭力及平衡模具產能波峰波谷（這里之所以通過云平臺輸出服務是因為供需對接都遵循統一標準，有效協同成本低）。

另外，為能更好的做好數字化改造工作，可以根據企業自身發展方向，選擇參與國家數字化工廠示范項目、省級細分行業工業互聯網平臺建設項目、以及地方傳統產業集群咨詢診斷等，可通過提供試驗場域，或提供解決方案的方式參與，因為實踐永遠是檢驗真理的唯一標準。

三工業互聯網相關的解決方案

有了好的思路，需要有可行的解決方案才能有助于達到數字化改造的目的，以下簡單介紹下工業互聯網相關的解決方案。

（一）自動化核心裝備與集成服務

主要以整線自動化與應用數字化集成服務提供。生產制造是核心，除要有精密制造設備外，還需要有一系列可拆解的機械手臂，搭配視覺演算法的智能傳送帶，Mobile Robot AGV 及它們配套的控制系統，以替代人解決不同形狀尺寸、重量工件在不同場景抓取、搬運、存放，以及設備操作等問題。

此外，這些可拆解的設備、連同系統可以根據生產業務需求整合成不同組合形式的自動化工作島（或柔性線體）及配套監控系統等。

圖4 自動化核心裝備與集成服務

（二）工業物聯網基礎設施

為了讓上述自動化裝備具有智的能力，需提供能與云協同或獨立作戰的霧小腦集群及其配套的傳感器、控制器與網關，其中傳感器，控制器與網關打通了自動化工作島與霧小腦的數據鏈路，使霧小腦成為自動化工作島各工作單元服務協調者與決策者。

圖5 工業物聯網基礎設施

（三）云平臺

云平臺連接產業供需端，通過提供基礎共性服務、業務協同服務、供需撮合服務、使能開發服務等，讓供需雙方通過平臺創造價值與交換價值。例如平臺可通過傳感網絡、智能網關、霧小腦、結合從邊緣到云端IoT平臺、數據平臺、模型算法平臺、決策中心打通到海量工業資源的連接，完成從數據量測，到決策分析，再到控制反饋的實時閉環。通過使能開發服務，打造與發布固化工業Know-How的工業應用，解決企業數字化轉型過程中遇到的品質、精度、成本、交期、安全等核心問題。通過業務協同類服務，打通企業間的業務壁壘，完成企業間業務協同的實時閉環，最后通過基于眾包等模式的供需撮合服務，完成產業生態的匯聚等。

四對工業互聯網未來發展趨勢的闡述

任何事物要具備價值，首先要能有效的解決某方面的問題。工業互聯網也一樣，以生產問題的解決思路為例，生產問題解決由最初完全依賴于領域人員經驗，逐步傾向于依賴人工智能技術。因領域人員的知識難以傳承，雖然可通過應用固化，但固化的知識不一定是最優的，而且人面對多因素耦合的復雜生產場景多數情況下是束手無策的，但領域知識不會消失，貢獻度有可能會越來越小，最起碼它可以有助于初步界定問題分析方向與范圍，避免無效的算力的浪費。若上述觀點成立，隨著工業互聯網相關技術的不斷進步，在解決問題的廣度、深度與時效性方面將遠遠超過人類所能的極限。屆時在大部分的生產場景中，由工業互聯網打造的智能裝置將大范圍的取代企業管理與執行層人力，少數的人力將與大量的智能裝置在分布式的智慧型監控系統的監督與調度下協作，而解放出來的人力將在工業互聯網不擅長，但對人類有價值的新的領域如生物領域等繼續深耕。
編輯：lyn