规避不确定性是工业互联网创新的基本任务

国际金属加工网 2018年04月13日

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。


网友评论

编辑推荐

相关主题