ZD至顶网软件频道消息:2015年12月16日,在上海市经济和信息化委员会、中国经济体制改革研究会产业改革与企业发展委员会指导下,ZD至顶网和工业4.0协会联合在上海龙之梦大酒店主办“中国制造千人会2016暨第二届互联网+制造高峰论坛”,以“智慧的工厂,智能的产品”为主题,聚齐来自学界、产业界、互联网业和金融行业等不同领域的30位重量级嘉宾,共同探讨中国制造当前遇到的问题以及如何在中国制造转型之路上赢得先机。会上,富士通中国副总裁兼北京公司总经理汪波进行演讲,以下为演讲实录。
富士通作为一家日本企业,我们是一个制造型企业,也提供一些ICT的服务,我们在自身发展中所遇到的一些问题,包括我们在解决这些问题中发现的好的方式,我想对在座的各位朋友会有一些帮助。
我在2003年加入富士通,加入富士通之前在中软,当时在中软参与了国家的一个进出口运行系统,属于国内比较早去玩数据仓库、数据分析。希望我的心得体会能够对大家今后的工作产生一定的借鉴和帮助。
从富士通来看,当今世界是一个高度互联的世界,如大家知道的一样,目前整个商品、服务、贸易不断增强。在所有贸易当中,应该来说绝大部分的商品都是一些零配件,或者是中间产品,在我们处的中亚地区,无论是中国、日本、韩国都是主力军,在东南地区50%的出口、60%的进口,基本上都是这样。我们使用的一些产品应该说不仅仅是中国制造、日本制造、德国制造更应该说是全球制造。
另外一方面,小米公司也提到了,包括手机,包括无线终端的应用,整个2014年全球智能手机出货量13亿,如果把我们的像一些数码相机,包括我们的游戏终端、平板电脑全部涵盖在内,整个全球出货量达到100亿。
传感器的话,成本以往是非常高的,2012年随着科技的发展成本降低,2014年削减一半,到2020年这个成本会进一步削减一半。可穿戴产品去年年底飙升到9000万,说明物联网时代正在向我们迎面走来。
什么是物联网?我们也称为下一代互联网。十几年前我们通过计算机互联,最近几年移动互联通过手机、平板。必然会涌现出大量的数据,我们处在大数据时代。如果能够运用好这些数据,我们就可以更好地去把握现状、更好地预测未来。在座同仁更多是来自制造业,我们如何通过网络检控我们的产线数据,如何更好的把握品质,包括产品的复杂状况,通过用这些技术就可以更好的预测,产线上哪些设备可能出现问题,在整个设备出现问题之前及时调整,保证产线的顺利工作。我们也坚信这样的发展方式会对人的生活产生正面影响。
ICT贯穿生产研发全流程
我们都在谈ICT,以往大家认为ICT不外乎企业在进行发展、效率提升的工具,或者是个人工作效率提升的工具,我认为这是一个误区,在高度互联的世界里面,ICT不仅仅是提升一个企业或者个人的效率,更多会贯穿我们从产品最初研发设计,到我生产、服务。对于企业来说,如何把数字化,包括ICT的技术运用到自己的整个企业各个环节之中,也就是我们所谓的业务数字化,或者叫做数字业务化,这是一个关键。
我们也相信实际上在高度互联的世界中,和我们以往的很多时代是不太相同的,我们把整个的商业发展或者是工业发展分成了三个时代,最左边是手工业时代,中间是工业化时代,右边是高度互联时代。工业时代是以人为本,更多依赖于技术者的个人能力、才能、客户不同需求定制需要的产品。
这个时代的问题是什么呢?首先会依赖于整个技术,所以很难产生一种大规模市场,很难满足人们广泛的需求,同时创造性也是非常有限。进入工业化时代,包括劳动力、人力成为生产要素的一部分,导致了人的创造性受到了约束。到了如今高度互联的时代是什么样呢?我们认为是再次回到了以人为本的时代,核心就是手工业的时代人的创造性和工业化时代的效率能够更好的有机结合,从而满足更多的个性化需求。关键就是如何打造一个数字化的生态系统。
中国制造2025的中国特色
接下来中国制造2025,我相信很多同仁对国家提出的纲领性文件或多或少都有了解,在我们看来是如何比肩日本、美国、德国等制造强国,首先第一步是中国制造2025。
从我们分析来看,本质是大同小异,当然德国和中国不同,我们的基础比德国差,尤其是经过30多年改革开放的高速发展,经济是拉上去了,但是环境问题也很突出,所以中国制造2025有突出的一点就是绿色发展,这点和德国工业4.0有所差别。
中国制造2025实际上涵盖了10个重点行业,关注5个领域,这个话题我会更多的集中于如何打造智能化工厂。
如何实现中国制造2025所描绘的智能化工厂,从富士通看,要分成三步走,第一步首先要建立一个具有一定基础的信息平台,也就是说以我们现在各个领域的单元,涵盖生产、制造、销售,这个目的是什么,实现从业务到数据的转变,只有在做好这一步之后才能更多的考虑第二步,就是实现业务单元的互联互通。
第二步业务单元互联互通,这个中间要考虑最主要的是两个话题,一个是工业互联网,一个是大数据运用,通过这两种数据垄断,如何更好的协作、协同、互联互通,从而打造企业数据平台,这里的关键就是所谓的数据到数据,或者从数据到大数据。
第三步是所谓的智能化,只有第一步第二步扎实推进之后,才能有效推进这个构成,这个工作最终实现的目标是实现各个业务单元之间的业务和数据协同,实现整个工厂运营的人、机、料、法、环的智能协同。
刚才提到三段论,接下来分享一下关于整个智能工厂的全景,我们浓缩为比较好记的7121。7和1是左边的CPS,我们要实现智能化工厂,这些元素都是不可缺少的,从最底层的传感机器人,包括ERP、云服务等等,这些都要充分考虑。另外2、1是什么呢,始终围绕核心观点,数据驱动,两个维度一个是智能制造,一个是数字化工厂。智能制造包括资源、排程、质量、能源、设备、物流。数字化工厂包括数字化设计、虚拟产品,工厂仿真、作业仿真、物流仿真。这些能够做好,围绕中间的中心点,数据为驱动,建立适合自身企业的大数据平台,通过和互联网的充分对接,最终实现我们整个企业的高速发展。
我们希望跟大家分享两个概念,一个叫做SoR一个叫做SoE,什么是SoR就是system of record,制定整个流程,包括流程当中产生的信息,数据以结构化数据为主。什么是SoE呢?system of engagement。SoE是针对特殊的问题去处理,简单来说假定一个结论然后验证,包括大数据分析,更多的是属于SoE的范畴,如何使用传感等收集数据,从数据当中发现有意思的思路,通过假设和验证,验证之后把很好的思路通过流程互换掉,所以SoR和SoE不是分离的是相符关系,企业在推进智能化工厂建设中,要遵循这样的思路。
富士通的智能化工厂理念
这块讲讲我们富士通关于智能化工厂的管理理念,大家都在中国制造2025,包括工业4.0,一谈到工业4.0大家都在想机器人,都想设备、设备的智能化、产区的智能化,这里面有一个很大的误区,产业的发展最终不是设备替换人。无论设备怎么发展,电脑始终不能代替人脑,一个企业是不是有核心竞争力,比的是我们的人。中国制造2025也好、工业4.0也好,目标实际上希望提高企业整体的运作效率,从而把人从我们的产线,从简单的一些劳动中释放出来,最大的目标是通过智能设备,解放人的智慧,同时数据驱动为核心,打通数据到业务各个环节,最终打造互动性智能生产。
我们在推荐整个智能化工厂的时候,需要针对不同层级的人员,他所处理的不同问题,有针对性的去拿出我们企业的方案。
这一页是基于刚才的管理理念,我们富士通也在自身发展当中,我们可以为我们的客户、为个人提供整个全方位解决方案。中国制造2025,我认为这里面有一个关键点,还是精益制造,无论未来如何追求产线自动化,最终还是管理水平和制造水平,就离不开精益制造。
富士通和丰田在1961年达成全球战略合作,在整个半世纪,我们不断的汲取丰田的生产方式,把好的东西拿到自身的发展中,我们从自身发展出发,强烈建议我们中国制造业,虽然现在在推进智能化工厂,但是如何把整个企业管理团队、乃至于现场员工,去理解精益这两个字体,如何把这件事情彻底贯彻下去,不要说我们上了一套ERP就OK了。就像我前两年帮长安汽车做了一套系统,我说你们今天上线只是万里长征的第一步,如何通过数据化把数据分析发展才是任重道远的事情。
富士通我们还是有一些特有优势,世界上唯一提供生产制造业所有领域的ICT供应商,我们的产品,无论是产品的生命周期,还是传统的供应链维度,应该说富士通在自身发生过程中都酝酿出很多很好的产品。
大家可以看一下关于我们产品的介绍,(播放视频)谢谢。
刚才的短片分享了一下富士通自身,今年是我们80周年,在80年中,我们在全球有很多工厂,刚才介绍很多产品都是在实践过程中打造的一些产品,这些年我们也把好的产品引入中国,同时我们也在服务中国制造业同仁。
接下来做一个简单的案例分析,如何活用大数据进行生产质量改善。
这个客户是我们的一个日本客户,这个企业应该说整个包括它的产线的调优,富士通通过对它整个产线进行信息搜集,把生产数据,包括各个工程数据收集到我们大数据平台,通过相关的一些大数据分析工具,最终实际上是把它原先的整个效率提升了6倍。
我从10多年前做数据仓库包括这些年研究大数据,我也分享一个心得体会,我们谈大数据的时候,不要光去强化我们的平台,更重要的是把关注点放到我们的数据治理上。为什么这么说?我经常跟大家分享一句话,如果我们的数据是垃圾数据的话,即便是再好的数据分析工具出来的必然是垃圾,我们现在这个社会即便强调数字化驱动、数据创新,如果数据失真会对企业决策产生巨大干扰,我的心得体会就是说,希望大家考虑大数据平台建设中,首先要考虑如何进行数据治理。(播放视频)
好文章,需要你的鼓励
临近年底,苹果公布了2024年App Store热门应用和游戏榜单,Temu再次成为美国下载量最多的免费应用。
云基础设施市场现在已经非常庞大,很难再有大的变化。但是,因为人们可以轻松地关闭服务器、存储和网络——就像开启它们那样,预测全球云基础设施开支可能非常困难。