规避不确定性是工业互联网创新的基本任务

工业互联网创新的基本任务

• 工业解决方案的重要特性

面向工业企业转型的解决方案，体现三个重要特性，包括：

1）技术和社会的高复杂性。工业制造系统不同于一般商业化的场景，体现在工艺关联性强，产线装备新旧程度、先进程度以及采购渠道的多样性，使得工厂的设备数据接口、运行机理和故障模型不尽相同，这构成了技术的复杂性。再加上工业解决方案需求方、决策方、购买方、提供方和制造方存在信息不对称、产业链较长，构成了社会的复杂性。

2）工业企业个性化特征。不同的行业，以及工业企业不同的现状和发展阶段，对于工业解决方案的具体诉求不尽相同，这使得工业服务需求的信息匹配非常困难。

3）客户重要性。当企业有工业解决方案需求时，往往对时效性和目标性要求非常明确，他们一开始就对企业增值，抑或对制造系统提高效率、降低成本有明确的需求，这使得工业解决方案满足售前、实施和售后的全部需求，提高了工业解决方案服务商的各项风险。

基于这些重要特性，工业企业一般为规避风险，采用关系型合作伙伴、联系厂家以及冗长的招采流程，以规避决策风险、而这往往牺牲效率、成本和质量。

• 工业企业转型的不确定性

工业企业转型的要点是规避不确定性。在制造系统向自动化、数字化和智能化升级过程中，对制造系统的稳定性和可靠性要求越高，这无疑增加了不确定性，这包括。

1)技术不确定性。对自动化、数字化和智能化的复杂系统而言，失效模型也随之增多，如何在前期规避和后期洞察都是件很难的事情，为此我们只有用正确的方式进行测量和观察，以减少这些不确定性。

2)目标不确定性。理论上讲，工业解决方案是面向企业增值的，但实际上这些改善如果不在系统瓶颈部位，很难体现对全局优化的提升结果。这要求首先要搭建企业盈利目标和作业指标关联的数据体系，识别和改善瓶颈是规避目标不确定性的关键。

3)交易不确定性。用户无法事先判断工业服务和产品质量，供应商无法预测工业企业需求，使得交易查询和匹配困难，造成用户需求无法满足，供给质量和效率无法有效提高，甚至造成收款困难和承兑流行的三角债关系。规避交易的不确定性，关键在于解决产品质量的购买前验证和交易诚信体系构建。

4)风险不确定性。受制于使用环境、实施条件、供应系统，以及现金流的不确定性，供需双方存在各类风险。

• 全面服务解决方案是解决工业转型不确定性的基本模式

知识是解决工业不确定性的基础，一些优秀的工业企业对于工业知识的积累和交互相对专业，这也解释了为何这些企业的转型需求较为明显。

但对于绝大多数的工业企业而言，拥有专业性的第三方服务，依然是当前最需要解决的问题。依照组织规模和产业集中度，可以是由第三方专业组织构成的服务商，或者由企业非生产的运维部门（如设备维修部门、IT部门）等构成的三产独立组织，构成全面服务解决方案服务商，承包工业企业的维修、技术改造和技术服务业务，这些业务包括：

1)维修外包。这主要是指生产产线相关，开展对于事后维修业务和预防性维修业务、人力、MRO工业品供应的整体外包服务，同时包括对产线改造、数字化升级、工业互联网改造等相关的外协业务；

2)运营总包。主要针对于非生产产线相关，主要体现在能源供给方向（水、电、气、热、冷）的能源托管\能源供给服务，帮助用户降低能源风险、控制能源成本，节约人员指出方面的服务。

3)租赁共享。主要针对于物流等便于移动和共享的设施服务，用户以租代购，不仅实现按需付费降低成本，还可以实现共享，增加设备使用效率，实现绿色经营。

这些服务的创新，本质上是实现运维、采购和决策的一体化，减少业务分散和决策分离的带来的效率和成本浪费，同时通过专业化管理、技能和工业品共享和集中采购，减少和规避不确定性。

• 数据驱动的工业服务互联网供应链能力优化

数字运维从业务层面连接用户需求和供给能力，是全面解决方案中的业务辅助工具，同时也是解决目标量化的关键数据。

“精益卫士”人工智能数字运维系统

工业互联网则侧重于对数据分析，是数字运维在预测性维修诊断结果的输入，以提高全面服务解决方案的服务能力。

二者相辅相成，以业务和物理实时数据为基础，通过建模与数据处理，实现在工业服务供应链的产业化应用，将实现：

1)大数据与交易信息匹配。大数据主要解决交易高效匹配问题，比如我们通过数字运维提炼出MTTR(平均故障修复时间）、MTBF（平均故障间隔时间）为数据基础，可在实现对工业品和服务购买前的供应效率和供应质量验证，同时通过运维业务分布数据，实现对工业服务和工业品的消耗预测，实现供应链的整体响应效率，这是规避目标和交易不确定性，实现工业电商和供应链优化的关键所在。

2)人工智能与知识积累和交互加速。以数据应用为基础，通过人工智能技术的应用，比如对维修记录、数据分析模型的学习，将提高工业服务技术人才的学习和应用效率。或通过AR技术，数据自主分享相关的场景，实现技术专家与工业服务技术人员的知识共享，提高工业知识在产业化条件下的交互能力，从而规避技术的不确定性。

3)区块链与供应链金融。金融往往是产业化的基础，这代表了工业互联网生态模型成功建立的条件，依托于数字运维和工业互联网技术的支持，在区块链技术的驱动下，建立交易诚信和工业保险体系，是规避风险不缺性的关键。

“精益卫士”AI故障语音播报系统

• 参考文献

杨明波，刘华，郭显昌.数字化工厂＋工业维修服务体系［M］. 北京：机械工业出版社，2017.

第一本融入TOC约束生产理论、可靠性与维修性工程理论，立足智能制造（数字化工厂）、提出数字化运维、赋能工业制造业转型，面向工业服务生态、工业互联网发展方向应用书籍。

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@mmsonline.com.cn。