《数字化是解开企业转型难题的钥匙》

  • 来源专题:数控机床与工业机器人
  • 编译者: icad
  • 发布时间:2020-07-09
  • 数字化是解开转型难题的钥匙

    西门子眼中的数字化是什么?

      卫岳歌:在我看来,没有电气化就没有自动化,没有自动化也不能谈数字化。西门子专注的是通过电气化、自动化、数字化来构建完整的价值链。中国企业在转型升级中,需要进一步提高效率、降低成本、增加柔性,这是一项艰巨而复杂的任务,而数字化正是解开这道难题的“钥匙”。西门子可以提供贯穿评估、咨询、集成、实施与数据服务,覆盖企业数字化转型全周期的一站式产品组合及服务,以帮助不同规模和发展阶段的企业解决数字化转型之路上的痛点和难点,助力中国企业将数字化转型落地为实。

    数字化需要“集齐”三对双胞胎

      在企业运营中会出现三对分别描述虚拟和现实的双胞胎,即:产品数字化双胞胎、生产数字化双胞胎和性能数字化双胞胎。首先是“产品数字化双胞胎”,无论是茶杯还是汽车,新产品都可以通过数字化的方式在电脑中虚拟设计,并对虚拟的数字化产品模型进行仿真、测试和验证,以便降低验证成本和缩短上市时间。接下来,我们就可以在虚拟世界里平行做不同的事情。产品设计专家在设计产品的同时,设备工程师可以利用虚拟生产模拟生产流程,从而识别生产瓶颈、分析问题原因,进而对设备、产线进行优化,这就是“生产数字化双胞胎”。在实际的生产制造过程中会产生大量的数据,通过人工智能对数据进行分析,进而通过闭环的方式反馈到产品和工厂设计中,提高性能,这就是“性能数字化双胞胎”。只有将这三方面都考虑进去,企业才能在整个价值链的各个步骤中实现真正的数字化。西门子可以帮助客户实现这三方面的数字化双胞胎,提供完整的数字化解决方案。

    只有“巨无霸”企业才有底气数字化?

      卫岳歌:有人会认为数字化意味着巨大的投入,因此只适合那些有一定规模的“巨无霸”型企业。其实不然,中国有很多OEM厂商已经在利用数字化工具创建生产的数字化双胞胎,从而大大缩短产品上市时间。西门子不仅能为整个工厂提供全面数字化解决方案,还可以为OEM原始设备制造商或小型应用提供数字化产品。

      做中国制造业数字化转型道路上的最佳伙伴

    西门子能提供哪些边缘计算服务?

      卫岳歌:西门子一直在思考工业未来,工厂自动化事业部把侧重点放在工业边缘计算和人工智能应用方面,目前已经取得了诸多进展。自主机器技术可以更好地减少工程师的编程组态时间,让设备更加智能化。无论多么先进的技术,唯有为客户创造价值才有意义。

    西门子会因为疫情调整业务目标吗?

      卫岳歌:虽然受到疫情的影响,但我们的目标并没有变化。我们对中国的自动化市场,包括市场需求和机会都很有信心。我们正不断研发新的产品,不断去接触更多的行业。同时,我们也期待继续扩大西门子在工控领域的市场份额,继续成为客户数字化转型道路上的最佳合作伙伴。

    面对竞争激烈的中国市场,西门子有哪些本土化策略?

      卫岳歌:工厂自动化事业部的本地化策略主要包括两个方面:第一,针对中国市场需求,研发和生产出更适合中国客户的本土化产品;第二,中国作为西门子价值链上的重要一环面向全球市场将开展生产。目前,西门子成都工厂正在担当这一重任。

      数字化虚拟调试解决方案赋能更多行业

      凭借数字化双胞胎这一解决方案,西门子支持企业进行涵盖其整个价值链的整合及数字化转型,为从产品设计、生产规划、生产工程、生产实施直至服务的各个环节打造一致的、无缝的数据平台,形成基于三对数字化双胞胎模型的虚拟企业和基于自动化技术的现实企业镜像。

    虚拟调试作为生产数字化双胞胎中的核心,在生产规划和调试阶段实现了物理实体与虚拟环境无缝链接,赋于传统设备开发商和线体集成商等客户全新的设计开发模式,为企业以提供更加灵活、高效的仿真平台,进行设备的验证与调试。目前西门子已为电子制造、玻璃制造、物流、汽车、矿山与重工、医疗设备、冶金、食品饮料和机器人等客户提供了虚拟调试的整体解决方案,助力传统行业的数字化升级与转型。

    重磅签约

      2020年6月8日,中煤(天津)地下工程智能研究院有限公司与西门子(中国)有限公司就数字化深入合作进行探讨并签订了数字化合作意向书。西门子将提供如全集成自动化、虚拟调试、边缘计算等数字化解决方案,着手于传统领域新业务模式的开展,助力中煤天津智能研究院,共同推进煤炭行业数字化和智能化转型。

相关报告
  • 《全面解读数据中台,让企业实现数字化转型》

    • 来源专题:数控机床——战略政策
    • 编译者:杨芳
    • 发布时间:2018-12-04
    • 伴随着云计算、大数据、人工智能等IT技术迅速发展及与传统行业实现快速融合,一场由数字化和智能化转型带来的产业变革正在孕育。   伴随着云计算、大数据、人工智能等IT技术迅速发展及与传统行业实现快速融合,一场由数字化和智能化转型带来的产业变革正在孕育。  随着企业规模不断扩大、业务多元化——中台服务架构的应运而生。“中台”早期是由美军的作战体系演化而来的,技术上说的“中台”主要是指学习这种高效、灵活和强大的指挥作战体系。阿里在今年发布“双中台+ET”数字化转型方法论,“双中台”指的是数字中台和业务中台。  数据中台是什么  数据中台是指通过数据技术,对海量数据进行采集、计算、存储、加工,同时统一标准和口径。数据中台把数据统一之后,会形成标准数据,再进行存储,形成大数据资产层,进而为客户提供高效服务。这些服务跟企业的业务有较强的关联性,是这个企业独有的且能复用的,它是企业业务和数据的沉淀,其不仅能降低重复建设、减少烟囱式协作的成本,也是差异化竞争优势所在。  广义的数据中台包括了数据技术,比如对海量数据进行采集、计算、存储、加工的一系列技术集合,今天谈到的数据中台包括数据模型,算法服务,数据产品,数据管理等等,和企业的业务有较强的关联性,是企业独有的且能复用的,比如企业自建的2000个基础模型,300个融合模型,5万个标签。它是企业业务和数据的沉淀,其不仅能降低重复建设,减少烟囱式协作的成本,也是差异化竞争优势所在。  建立数据中台的原因  数据中台和业务中台相比,面临的情况可能会更加复杂一点。建立数据中台的原因:  大数据可以告诉决策者一些潜在的规律,以数据来证明或判断决策。以往我们会用数据来证明我们的决策对错,现在我们用数据来引导我们做出对的决策。在大数据时代,样本就是全体,大数据可以防止伪造和偏差。  数据催生人工智能。数据是人工智能的根基,并且可以进行融合形成新的数据。数据给我们无限的创新,让我们不停去尝试。  数据是机器人的指令,我们形成数据服务思维。数据是不断变化的,让机器智能成为决策环节,运营就可以智能化。  中台的目标是提升效能、数据化运营、更好支持业务发展和创新,是多领域、多BU、多系统的负责协同。中台是平台化的自然演进,这种演进带来“去中心化“的组织模式,突出对能力复用、协调控制的能力,以及业务创新的差异化构建能力。为什么数据中台如此重要呢,大致有以下四个原因:  1、回归服务的本质-数据重用  浙江移动已经将2000个基础模型作为所有数据服务开发的基础,这些基础模型做到了“书同文,车同轨”,无论应用的 数据模型有多复杂,总是能溯源到2000张基础表,这奠定了数据核对和认知的基础,最大程度的避免了“重复数据抽取和维护带来的成本浪费。”  曾经企业的数据抽取就有多份,报表一份,数据仓库一份,地市集市一份,无论是抽取压力、维护难度及数据一致性要求都很高。同时,统一的基础模型将相关业务领域的数据做了很好的汇聚,解决了数据互通的诉求,这点的意义巨大,谁都知道数据1+1>2的意思。  2、数据中台需要不断的业务滋养  在企业内,无论是专题、报表或取数,当前基本是烟囱式数据生产模式或者是项目制建设方式,必然导致数据知识得不到沉淀和持续发展,从而造成模型不能真正成为可重用的组件,无法支撑数据分析的快速响应和创新。其实,业务最不需要的就是模型的稳定,一个数据模型如果一味追求稳定不变,一定程度就是故步自封,这样的做法必然导致其他的新的类似的数据模型产生。  数据模型不需要“稳定”,而需要不断的滋养,只有在滋养中才能从最初的字段单一到逐渐成长为企业最为宝贵的模型资产。  以报表为例,企业报表成千上万的原因往往也是没有沉淀造成的,针对一个业务报表,由于不同的业务人员提出的角度不同,会幻化出成百上千的报表,如果有报表中台的概念,就可以提出一些基准报表的原则,比如一个业务一张报表,已经有的业务报表只允许修改而不允许新增,自然老报表就会由于新的需求而不断完善,从而能演化成企业的基础报表目录,否则就是一堆报表的堆砌,后续的数据一致性问题层出不穷,管理成本急剧增加,人力投入越来越多,这样的事情在每个企业都在发生。  3、数据中台是培育业务创新的土壤  企业的数据创新一定要站在巨人的肩膀上,即从数据中台开始,不能总是从基础做起,数据中台是数据创新效率的保障。研究过机器学习的都知道,没有好的规整数据,数据准备的过程极其冗长,这也是数据仓库模型的一个核心价值所在,比如运营商中要获取3个月的ARPU数据,如果没有融合模型的支撑,得自己从账单一层层汇总及关联,速度可想而知。  在如今的互联网时代,企业都在全力谋求转型,转型的关键是要具备跟互联网公司一样的快速创新能力,大数据是其中一个核心驱动力,但拥有大数据还是不够的,数据中台的能力往往最终决定速度,拥有速度意味着试错成本很低,意味着可以再来一次。  4、数据中台是人才成长的摇篮  原来新员工入职要获得成长,一是靠人带,二是找人问,三是自己登陆各种系统去看源代码,这样的学习比较支离破碎,其实很难了解全貌,无法知道什么东西对于企业是最重要的,获得的文档资料也往往也是过了时的。  现在有了数据中台,很多成长问题就能解决,有了基础模型,新人可以系统的学习企业有哪些基本数据能力,O域数据的增加更是让其有更广阔的视野,有了融合模型,新人可以知道有哪些主题域,从主题域切入去全局的理解公司的业务概念,有了标签库,新人可以获得前人的所有智慧结晶,有了数据管理平台,新人能清晰的追溯数据、标签和应用的来龙去脉,所有的知识都是在线的,最新的,意味着新人的高起点。  更为关键的是,数据中台让新人摆脱了在起步阶段对于导师的过渡依赖,能快速的融入团队,在前人的基础上进行创新。数据中台天然的统一,集成的特性,有可能让新人打破点线的束缚,快速构筑起自己的知识体系,成为企业数据领域的专家。  当然,数据中台的建立不是一蹴而就的,每个企业都应该基于实际打造独有的中台能力,在这个过程中,需要遵循一些原则:  首先,企业的组织架构及机制需要顺势而变。比如以前负责数据的部门或团队往往缺乏话语权,面对业务需求往往是被动的接受的角色,这让一切数据中台的想法化为泡影,需要为数据中台团队授权。  其次,要改变工作方式。现在很多企业的数据团队的主要工作内容就是项目管理、需求管理等等,当一个项目完成后又投入到下一个项目,做好一个需求后又开始负责下一个需求,这样的工作确实非常锻炼人的组织、协调能力,但这样能力的提升与工作时间的长短并不是呈线性增长的,虽然增加了项目和需求管理经验,但并不能在某一个专业领域得到知识和经验的沉淀,随着时间的流逝,越来越多的人会失去最初的工作积极性和创造性,事实上,数据人员只有深入的研究业务、数据和模型,端到端的去实践,打造出数据中台,才是最大的价值创造,才能使得持续创新成为可能。  第三,数据中台的团队要从传统的支撑角色逐步向运营角色转变。不仅在数据上,在业务上也要努力赶超业务人员,中台人员要逐步建立起对于业务的话语权,不仅仅是接受需求的角色,更要能提出合理的建议,能为业务带来新的增长点,比如精确营销。  最后,中台是适合公司特点的。最合适的中台是当你深入了解业务、产品、系统、组织,而且不仅了解今天在哪里,还要了解过去是怎么演变而来,未来又会怎么演化。只有当了解所有的东西之后,才能做出较好的中台架构设计。 相关热词搜索:数字化 智能化 数据中台 .
  • 《装备制造业智能化升级与数字化转型路径研究》

    • 来源专题:数控机床——战略政策
    • 编译者:icad
    • 发布时间:2020-07-08
    • 装备制造业为实现产业升级,需要产品与运营两手抓。一方面通过研发的资源投入和产品的服务化拓展实现产品本身的迭代升级;另一方面,需要借力数字化、网络化和物联化等技术的发展,实现内部数字化运营能力和产业协同运营能力的阶段性提升。 综述 作为机械工业的核心部分,装备制造业是先进生产力的代表和竞争力的关键,其发展程度已成为体现国家综合国力的重要因素。 根据《中国制造2025》的“三步走”战略目标:到2020年,基本实现工业化,制造业大国地位进一步巩固,制造业信息化水平大幅提升。掌握一批重点领域关键核心技术,优势领域竞争力进一步增强,产品质量有较大提高。制造业数字化、网络化、智能化取得明显进展。 基于这一战略目标,装备制造业为实现产业升级,需要产品与运营两手抓。一方面通过研发的资源投入和产品的服务化拓展实现产品本身的迭代升级;另一方面,需要借力数字化、网络化和物联化等技术的发展,实现内部数字化运营能力和产业协同运营能力的阶段性提升。 智能化产品升级 1研发先行 现状: 作为集资金、技术和劳动为一体的密集型产业,装备制造业在研发领域普遍具有专业性强、技术含量高的特点。从全球来看,装备制造业相关的创新技术研究活动较为频繁;并且,随着大量新技术、新工艺的渗入应用,装备制造业对研发的要求将不断被强化。 借助人口红利带来的低劳动成本,我国装备制造业在生产规模和速度上一度处于全球先进水平。但目前来看,我国的装备制造水平仍旧处于“大”而不“强”的阶段,低成本的比较优势也正在逐渐消失,发达国家和新兴经济体正纷纷抢占制造业发展先机。究其根本,我国装备制造业在部分关键领域和关键零部件的核心技术上受制于人的现象较为普遍(表一),依靠设备进口和技术引进的发展模式势必会受到国际贸易环境的牵绊。因此,提高关键技术的研发水平和创新能力是我国装备制造业形成国际竞争优势的必要要求。 措施: 根据2019年10月工信部等十三个部门联合印发的《关于印发制造业设计能力提升专项行为计划(2019-2022)的通知》,“强化高端装备制造业的关键设计”被作为重点设计突破工程的首要任务(表二)。 一方面,以市场机制为纽带,推动“产、学、研、用”一体化发展,是坚持创新驱动发展、加强创新体系和创新能力建设的一项重要内容。装备制造业产业链长,各环节关联性强,利用“产、学、研、用”的协同力量促进研发创新是必然选择。在“产”的环节,企业应主动担起主要行动者和执行者的角色;在“学”和“研”的环节,创新人才和研发能力的培养是重要推动力,推动从源头上补足装备制造业人才短板;在“用”的环节,通过有效的市场反馈、体验参与和局部微创等方式,拉动创新系统的前进。 另一方面,装备制造业应借力数字孪生、3D打印等技术,实现在产品设计、建模仿真、样机制造和设计反馈等阶段的数字化转型。通过实现产品全三维数字化设计,建立产品工艺布局、加工流程、装备和实验等环节的虚拟仿真;通过五维仿真技术,补足传统三维模型无法承载的作业环境的信息和时间维度信息,实现不同时间不同地理环境与产品的耦合动态。 2服务共赢 现状: 消费升级的大背景下,中国社会的经济形态正在经历从“工业经济”到“服务经济”的转型更迭。作为制造业与服务业深度融合的重点发展领域,装备制造业不断在探索“服务化”的发展路径模式。但由于其所涉及到的设备复杂度和多元性,装备制造业产业服务化的进程相对于其他产业较慢,行业内厂商更多的仅是将服务作为后市场层面“附加价值”的载体,还未实现“产品服务化”,甚至“活产品”的产业模式。 对于传统的大型复杂装备制造领域,例如轨道交通、航天航空以及船舶海工等,核心设备的检维修都已逐步产业化,形成完整的后市场服务产业链,但这样的服务更多是以针对特定产品的故障维修工作和定期的预防性维护工作为主,从而导致成本虚高、服务不及时性等多种问题的出现,整体后市场的服务质量和收益情况并不乐观。 从市场需求来看,“成果性经济”盛行的时代即将来临,实体产品越来越无法满足客户的需求,除了单纯的硬件产品,对产品相关的信息和数字化服务已经逐步从后市场步入前端需求;从产品的生命周期来看,装备制造业产品由于其产品复杂度,在其工艺设计、加工制造过程、部件装配过程、维护维修过程到再制造过程都需要产品制造商提供大量支持。因此,提供“成果”而非单纯产品是装备制造业“产品及服务”这一转型路径的重中之重。 措施: 随着以传感、识别、通信以及物联技术为基础的智能装备制造业的大力发展,设备状态的实时监控与数据采集逐渐成为可能。智能产品与平台服务的连接,将实现以数据为核心的泛力生态系统。在“成果经济”的推动下,数据和基于数据的洞察与决策将成为工业的价值驱动力,而作为企业能融入这一生态系统,将是立足数字化市场的根本。 例如,在产品使用过程中,装备制造厂商可利用产品回传的数据,有针对性地实现设备状态信息、环境信息等各种数据的实时监控,再通过机器学习和大数据分析的推演,建立数理模型,对设备的健康状况做出评估,并对可预测性故障发生频次、程度等进行提前预测分析。 这些分析数据一方面可以提高内部运营的效率,增强市场响应能力,在指导产品备件的及时采购和产品可靠性的优化升级等方面均能产生决策性影响。 另一方面,也是更重要的,数字化价值链的形成需要各环节企业共同参与与决策制定,快速实现外部变化的根本是在专注自身核心竞争力的同时,开展并引导彼此的合作,而物联生态系统则是促成合作的桥梁。设备数据的积累将逐步加速产品数据的资产化进程,利用设备监测与机器学习带来的大数据资产,制造厂商可研制出设备全生命周期管理等服务方案,实现从设备产品提供商到 “活产品”提供商的转型升级,成为可为客户提供设备状态监测、大数据分析等配套服务的合作伙伴。 数字化运营转型 现状: 高新技术的突破,促进装备制造业发展提速。传统装备制造业的数字化改造是重中之重,这决定着中国制造业的整体价值。 大数据产业的快速发展,为装备制造业注入新的生产源动力。一方面,大到全球性互联网巨头、咨询公司,小到科技类创业公司,都在不断探索“大数据+”等相关新兴技术在制造行业中的数字化转型解决方案;另一方面,工业巨头也立足于深耕多年的产业链,拥抱新技术为生产运营带来的红利。在此格局下,“新制造”已经成为不可阻挡的未来。 相较于数字化发展如火如荼的零售业,装备制造业在数据管理和分析能力上一直存在短板。因运营资本较重、运营流程复杂等原因,行业内企业信息系统众多,系统管理相互独立,数据存储分散。因此,在运营的数字化发展上,装备制造业仍然沉浸在将数据作为管理辅助工具的阶段。 措施: 借鉴其他行业的先进管理模式,我们认为企业数据运营往往需要经历三大阶段(表三)。而作为数据化程度相对较弱的装备制造业,需要通过前、中、后端的变革逐步实现阶段性突破。 1后端:全量化大数据挖掘 所谓全量化大数据,则是相较于传统的局部性小数据,综合了图像、音频等非结构化数据,综合了企业内外部不同来源数据的数据集合总称。上一个十年,随着ERP、CRM等企业系统应用的兴起,装备制造业的信息化水平大幅度提升,“业务数据化”的工作已逐步完善。虽然业务人员对数据有了一定的认识,但这种认识大多数仅停留在对业务系统中简单结构化的理解上。因此,从两个方向上拓展多元化大数据是企业数字化决策实现的基础。 一方面,通过网页和社交媒体等相关平台中的数据获取,可以帮助装备制造企业打破2B局限,直面最终用户。数字时代下,企业讲求“以人为本”,客户作为有温度的个体,需求应当得到察觉并给予充分响应;装备生产也一样,最终落地的体验还是在人身上。但相较于2C行业,装备制造业很难直接获取到较为明确的2C端市场用户意愿。在全量化大数据的思路下,越过2B的屏障,直接通过人产生的数据理解群体思想,能更好地帮助装备制造企业跳出2B的局限。 另一方面,装备制造业涉及较多传感技术与物联设备,高效利用机器生成的数据,可以大大提升装备制造业生产能力。智能化时代下,多种设备前端的数据收集系统已逐步自动化,加上物联与互联网的发展,庞大而丰富的数据源有待被开采。行业特点决定了行业优势,通过采集设备的第一手数据抢占先机,将是装备制造业智能化路径的重要里程碑。 2中端:战略性数据中台 从数据处理层来看,以BW/BO系统为主的企业数据分析工具已在各行业被广泛使用;但就实现情况而言,在装备制造业,大部分的BW/BO应用仅能基于以ERP为主的业务系统数据,提供事后分析报表,这些报表大多强调业务的标准化和规范性。但由于市场需求多样化和生产模式多元化的快速发展,这类标准报表已无法满足企业发展所需的数据支持。在装备制造业,系统数据各自独立、数据服务效率不高以及业务诉求不匹配等问题成为常态。 随着数字产业化逐步从C端走向B端市场,以Hadoop、Spark等分布式技术和组件为核心的“计算&存储混搭”的数据处理架构为主体的数据中台战略,将在制造业兴起并日渐成熟。数据中台的出现使得企业对于多源异构数据的预测性分析、实时性分析和主动性分析成为可能。 3前端:场景化数据决策 在数据的前端展现层面,传统的单一报表或简单图表输出模式已无法满足目前企业的业务决策。 在硬件与软件的优化升级中,多样化的数据展示应用已逐步形成,管理驾驶舱、即席分析、生产看板、自助报告、数据大屏、预警通知等,企业可以根据不同的使用场景,例如高管办公室、会议室、生产车间等,选择适当的数据展示方式。除了展示方式的场景化,数据决策过程的场景化更重要,不再是传统的基于单向流程的基础性数据展示,而是双向的使用和反馈,并通过闭环的场景化过程形成新一轮的业务数据化,从而实现不断优化的智能模式。 对于零售业和服务业等第三产业,往往更注重满足“千人千面”的用户个性化需求;但对装备制造业来说,需要清晰地认识到,场景化数据决策的建立不仅仅取决于技术的发展,更重要的是需要对业务场景的明确把握。一方面,决策者应该明确将数据决策的过程嵌入运营环节,深入现场,而非闭门造车;另一方面,也需要在必要的时候借助业务专家对发展趋势和业务重点给予专业的建议,从而真正实现从“数据辅助业务”向“数据驱动业务”的转变。