工业企业数字化转型的内涵与实践

郭朝晖

(上海优也信息科技有限公司，上海 201209)

0 引言

数字化转型的意义重大、影响深远。安筱鹏博士认为，数字化技术的广泛应用，既可以带来全新的技术，又可以重构整个工业生态[1-2]。德国人则认为，工业的生产和组织方式会发生巨大的改变[3]。

但数字化技术领域的新概念层出不穷，有许多概念内涵接近或交叉，每个人的理解也不一样，比如，智能制造的概念有几十种之多。有人称这种现象为“概念的迷雾”。在推进数字化转型的过程中，“概念的迷雾”给技术人员带来了很多的困惑，不容易找到方向。很多人都试图理出其中的脉络[4]。

要摆脱这种现象，就要正确地认识相关理论的作用。先行者的工作往往是走在理论出现之前的。工业理论是针对这些先进实践的总结，用来指导落后企业的实践。

对企业来说，技术创新通常是需求驱动的，而需求与企业的具体场景有关。先行者的经验，也未必适合所有企业。对此，企业必须学会结合自己的实际情况学习这些理论，并通过这些理论理解信息技术带来的机会和可能性。但同样的技术和工作，在不同企业的投入产出不同。企业要做的是：在理解机会的基础上，找到能给自己带来价值的场景。这就是常说的理论结合实际[5-6]。

1 自动化、信息化和智能化之间的联系

数字化转型的工作往往在自动化、信息化和智能化的范畴内。如果能找到一个统一的理论架构，就易于全面地认清数字化转型。在笔者看来：维纳的控制论[7]是自动化的理论基础，也是信息化和智能化的理论基础。从控制论的角度，可以厘清技术发展的脉络。

控制论的核心思想是通过信息来调整行为。“前馈”和“反馈”都符合这样的逻辑。“通过信息调整行为”的过程可以分为三个阶段，即信息的感知、决策、执行。所谓的自动化，就是将这三项工作全部交由机器自动执行。

从控制论的视角，可以分析信息化的工作。企业开发信息系统的目的，是更加准确、及时地获取信息，以便企业更好地运行。与自动化不同的是，信息化并不刻意强调机器的自动决策。在常规的情况下，信息系统只是为人提供决策的信息。也就是说，决策的主体是人，而不是机器。不强求机器决策的原因有两个：首先是计算机接收到的信息有限、缺乏完备性，不足以支持自动决策；其次是有些要求灵活处理的问题需要人的智慧。

从自动化到信息化，决策的自动化程度降低了，但这并不意味着技术的退步。这是因为两者涉及的领域和范围不同。常规的自动化系统往往针对小系统，如一个阀门、一台设备。而常规的信息系统往往针对大系统，如一个车间、一个公司。两者的直接区别是系统的规模不同，但本质区别则是系统的复杂程度和开放程度不同。

众所周知，自动化系统正常运行的前提，是系统的结构和参数基本稳定。系统出现故障时，自动化方式往往就要停止运行。这种要求对阀门、设备等小系统是容易做到的，但对车间、工厂等大系统就难以做到。从工厂的维度，某台设备出现故障、某个订单出现问题是经常发生的。这时，生产组织的方法就要改变，相当于对系统结构进行调整。这样的工作往往需要人来协调。信息化系统能为人类的决策提供及时、准确的信息。

进入智能化时代，再次强调计算机参与决策、甚至是自主决策。但应用的场景超出了传统自动化的范畴。智能化系统既能弥补传统自动化的短板，又能提高信息系统的计算机决策或辅助决策能力。

自动化和智能化都重视机器决策或机器参与决策，但两者创造价值的方式和侧重点往往不一样。自动化强调的是让机器代替人的劳动，降低劳动力成本；智能化强调的是让决策更加科学、及时，通过优化创造价值。智能化之所以成为热点，是因为互联网等数字化技术能够为机器参与决策提供完整、及时、准确的信息。

信息通信技术的发展，也为人工智能等技术的发展创造了机会。

传统的人工智能包括三个学派：符号学派、连接学派、控制论学派。从实践层面看，过去这三个学派的交集很少，发展是相对独立的。但是，在智能化时代，智能技术领域发生了拓展，把三个学派的领域融合在一起，从而发挥了更大的作用。比如，把连接学派的图像识别技术与控制论的思想结合在一起，就产生了很多新的自动化应用场景。

控制论的思想愈久弥新，可以用来解释各个人工智能学派之间的关系。有人把智能的特点归结为5个要素，即状态感知、实时分析、自主决策、精准执行、学习提升[8]。控制论强调的是把信息感知、决策、执行统一起来。由于某些场景的决策过程比较复杂，可以将其分为分析和决策两个阶段。分析和决策过程都是需要知识的，而知识获取是智能化的基础之一。因此，控制论的思想就引出了这5个要素。

连接学派的优势在于知识获取，而符号学派的优势在于复杂的知识推理。对于传统的自动化系统而言，知识都是由人设定的、决策逻辑也相对简单。在智能化时代，对于复杂系统，部分知识需要用计算机获取，决策逻辑也可能相对复杂，综合应用3个学派的实践机会就更多了。

2 传统计算机系统的功能分离

人们习惯于把工业企业内部的计算机分成两类：控制系统(自动化系统)和管理系统(信息系统)。控制系统用于代替工人的劳动，而管理系统用于帮助管理者工作。两类工作是相对独立的。

在钢铁行业，人们还把这两类分成了四个层级。第一层级(L1)是基础自动化系统，主要针对阀门级的自动控制；第二层级(L2)是过程控制级，主要针对大型设备的自动化；第三层级(L3)负责生产调度，主要针对车间级的管理；第四层级(L4)是管理计算机，针对全厂的管理活动。L1、L2一般被称为自动化系统，而L3、L4被称为管理系统。不同层级的计算机数量不一样，越高层越少。工厂里可能有成百上千个L1计算机，却只有一个L4计算机。

分级的原因是为了解决一些矛盾，比如，控制计算机管理范围小、数据存储周期短，但响应速度快、实时性要求高。管理系统响应速度慢、需要实时处理的工作少，但管理范围大、数据存储周期长，涉及数以百计的工作岗位。传统的计算机很难兼顾这些要求，只能分而治之。

计算机的分级体现了人的分工，而计算机之间的通信则体现了人的协作。生产安排和标准要从管理计算机下达给控制计算机；而生产过程的实际数据，要从控制计算机上传给管理计算机。但是，受技术条件的制约，底层计算机不可能把所有数据都传递到高层，而是需要经过过滤、筛选、压缩后才能上传。比如，有些实时工艺参数的采集周期是秒级、毫秒级的，但上传的时候只给出几十分钟内的平均值。需要特别说明的是：在这种结构下，如果现场出现异常，需要现场直接处理；即便涉及管理部门，一般也不是实时响应的。

在计算机发展的早期，通信技术很不发达。80年代建设宝钢的时候，负责计算机领域的何麟生先生强调“数据不落地”。其含义就是数据交换过程要避免因人的干涉而影响数据的准确性、可靠性。当时的网络技术很不发达，只能用土办法去做。随着互联网技术的发展，让数据在网络上传送就变得非常简单了。

计算机网络出现后，国外提出计算机集成制造系统(computer integrated manufacturing system,CIMS)的概念，希望通过通信技术实现管理和控制功能的融合，提高企业快速响应市场变化的能力。20世纪末，国内也开始重视这个方向。但受当时技术条件的约束，早期的实践几乎都失败了。随着计算机和通信技术的发展，互联网、物联网、大数据、云平台、人工智能等技术逐渐成熟，信息集成再次成为人们关注的热点。

3 工业互联网的技术逻辑

工业互联网是支撑数字化转型的重要手段。网络解决了计算机之间的通信问题。但要理解工业互联网的作用，还要回答两个问题：通信能用来解决什么样的技术困难，以及这些困难的解决为什么能创造价值。为了回答这些问题，我们从GE的工业互联网白皮书谈起[9]。

图1 工业互联网的关键元素Fig.1 Key elements of industrial Internet

工业互联网包括三个重要元素：智能机器、高级分析、工作人员。众所周知：机器是位于工作现场的，与自动化系统控制的对象对应；而工作人员一般是远离生产现场，从事技术和管理工作的。

按传统的计算机结构，远程的管理者一般是不需要看到设备实时数据的。只需要现场操作室的工人看到这些数据。其原因是：现场设备数种类多，数据产生的频率很高。如果把这些数据汇集到一起，工作人员的注意力会被淹没在信息的海洋中，没有办法有效处理。所以，给他们传输大量的实时数据，往往是没有价值的。

即便能够把设备数据上传，处理信息的瓶颈也会出现在工作人员的身上。这是通信问题解决以后产生的新问题。解决这个问题的关键就是工业互联网的第二个要素：高级分析(算法)。在笔者看来，高级分析的作用本质上就是过滤信息：在智能机器中抓取必要的信息送给工作人员，避免人的注意力淹没在低价值的信息海洋中。可以将高级分析形象地比喻为小秘书。通过这个“小秘书”，可以把管理和控制功能更有效地融合起来。

GE工业互联网白皮书有个副标题：“Pushing the Boundaries of Minds and Machines”。笔者将其理解为：重构人和机器的界面。其强调的是人类和机器一起工作，并不是“机器代人”。这是一种现实主义的做法。在现实中，机器完全代替人是不可能的。但通过数字化技术的应用，让高级算法帮助人把工作做得更好，是完全可以做到的。

高级算法提升了管理者关注生产现场实时事件的能力。但是，管理者为什么需要关注生产现场的实时动态？一个原因是：这可以帮助现场的管理者更加及时、准确地了解到现场发生的问题，以便于及时处理。另一个原因是：如果高层管理者能够全面、准确地了解现场的实际情况，必要时给出帮助、督促和奖惩，有利于基层把工作做好。这样就可以使企业的管理水平得到显著提升。根据一些咨询师的经验，许多企业成本的20%～30%是由管理不善导致的。这就是提升管理水平的价值所在。

4 企业内部的管控制能力提升

目前，工业互联网被成功地用于能源管理、质量管理、安全管理、操作管理、设备管理等多种业务活动。控制系统的响应速度一般比较快，而管理问题的响应速度比较慢。管控融合的本质作用是通过实时的数据采集，迅速、准确地捕捉生产中出现的各种异常情况，以提高管理响应的速度和准确性。

在大型工业企业中，能源管理是工业互联网典型的应用场景之一。比如，钢铁厂用于产出煤气的设备非常多，并且分布在几平方公里到几十平方公里的范围内。当某台设备出现问题时，煤气的产用平衡就可能被打破。这时，借助工业互联网和数字化技术，可以及时发现不平衡的隐患并采取措施，避免煤气的损失以及对正常生产的干扰。

设备管理、质量、安全管理的逻辑是类似的。计算机通过对实时数据的分析，可以准确、及时地发现问题，并在此基础上迅速提醒相关管理人员前往解决问题。需要特别提出的是：相关数据一旦上网，工作人员是否及时处理也是有据可查的。问题处理的效率和质量，可以作为人员奖惩的依据。需要特别提醒的是：数字化方法的介入管理，可以有效地提升操作的规范性，并有效地防止腐败。这样，就可以把“管事”与“管人”有机地结合起来。

北京大学的陈龙博士做了半年的外卖骑手，写出了《“数字控制”下的劳动秩序：外卖骑手的劳动控制研究》。平台为骑手制订计划、优化调整计划并评价骑手的工作。在陈博士的眼里，平台更像是一名管理者。这样的思想，同样可以用于工业领域。

随着互联网应用不断深入，越来越多的员工在网上工作、在家里工作。这种工作方式能够让职工更好地兼顾家庭和工作，节省上班途中的时间，从而提高员工生活的幸福指数。但人不在单位上班，也为管理工作提出了挑战。为了解决这个问题，通过数字化技术对员工的敬业度进行考核，已经成为一种趋势。国外有些企业根据数字化技术的考核结果开除了一些“不敬业”的员工，引起了很大的矛盾。由此可见，数字化背景下的人员考核方式，是需要认真对待、仔细研究的。

管理能力的提升，能用于生产方式的改变。“流水线上的个性化定制”是工业4.0的典型场景。如果按照这种方式组织生产，物料跟踪、工艺切换、库存管理、销售采购、设计研发等方面都面临极大的挑战，采用传统的技术和管理手段很难应对。只有采用数字化技术，这样的生产方式才能得以实现，从而把工厂管好。

5 企业之间的商业模式创新

管控能力的提升，不仅可以提升企业内部的管理水平，还可以重构企业之间的关系，促进商业模式的创新。根据笔者的观察，现实中的做法可以分成以下几种。

最常见的方式是加强企业之间固有供应链的联系。比如，通过信息系统的对接，汽车、家电的主机厂把生产计划直接传给上游的零部件供应商，用主机厂的生产计划拉动供货商的生产，从而减少库存，降低成本。再比如，设备提供方通过工业互联网获取设备的使用信息，给设备使用方提供设备的维护服务。

第二种方式是重构企业本身的业务。通过互联网，企业从外部获得资源变得更方便，可以剥离某些非核心业务，从外部专业公司购买。例如，某些企业需要零星的钢材切割、热处理等加工。现在，这些工作就可以外包出去。外包的方式有两种：一种是多对一的方式，即一个企业为多个企业提供服务；另一种是多对多的方式，即通过平台公司进行对接。这种业务的重构，也为创业者带来了新的商机。

第三种方式是产业链重构。利用互联网加强小微企业之间的联系，让小微企业像大企业中的职工、部门或车间一样协同工作。阿里讯犀就是其中的典型。2020年下半年，阿里推出了讯犀数字科技有限公司。这个公司整合了服装产业链上的若干资源：需求方、设计方、生产制造方、原料供货商、快递运输等。通过整合，可以用合理的成本生产小批量的订单。

这种做法往往适合县市级区域的特色产业、工业园区，促进传统产业的转型升级。地方的特色产业区域往往能够聚集成百上千个相关或类似企业，有许多能够共享的资源。从某种意义上说，推进工业互联网应用，就是推进资源的共享。几年前，广东省工信厅开始推进产业集群的工业互联网应用，取得了很好的效果。

需要特别指出的是：这种模式往往是互联网公司带动低端产业的转型升级。低端产业往往有两个特点：劳动密集型、技术含量低。随着社会的发展和老龄化问题的日趋严峻，劳动密集型产业的压力很大。压力大意味着对转型的需求强烈，而产业的技术含量低意味着互联网公司容易介入。所以，这类应用的广泛使用是有中国特色的。相关应用往往涉及农业、畜牧业等领域。因此，有人把这类应用称为“产业互联网”。

需要特别指出的是：美国人应用工业互联网实践的侧重点与我国有所差异。现今的美国面临制造业外流的问题，美国企业担心制造环节的外流会引发核心技术的外流。于是，美国的一些先进企业通过工业互联网来加强对供应商的控制，以便更有效地保护核心技术。苹果公司利用互联网管理代工厂的设备，就是典型的做法。

6 技术创新能力的提升

传统工业是生产物质产品的，但高端制造业的业务重心往往会向“知识产品的生产”倾斜。工业互联网等数字化技术同样可以提升“知识生产”的能力。

数字化技术能够帮助研发人员实现跨专业的知识深度融合。比如，设计零件时涉及选材、设计、生产等多个专业。传统的做法是按照选材、设计、生产的顺序进行的，由不同专业的技术人员分工协作。虽然这样做可以发挥技术人员的专业特长，但是难以实现技术知识的深度融合。借助计算机的运行能力，可以实现多专业的技术知识的深度融合。例如，通过仿真在设计环节中优化选材和生产环节，就能实现选材、设计、生产这3个环节的综合优化。美国一家企业采用这个办法后，把某个飞机零件的重量减少了85%。

数字化技术最显著的作用之一，是支持技术的持续改进。

我国长期处于技术模仿和跟随阶段，创新能力相对薄弱，对持续改进的意义认识不足。事实上，中国在某些高科技领域被国外“卡脖子”，根源就是持续改进的速度慢、效率低。数字化技术的一个重要作用，就是促进研发和持续改进。

数字孪生是目前的技术热点之一。数字孪生把产品全生命周期的数据集成起来。全生命周期的信息集成以后，仿真技术的应用将会更加方便，也会更加普遍，从而有利于减少物理实验的次数，提高研发效率。对于大型设备来说，如果把需求分析、设计、制造、调试、使用、维护等阶段的数据贯通起来，任何一个环节出现的问题都可以及时地反馈到相关的环节，对持续改进的促进作用是非常显著的。

事实上，工业互联网平台的一个重要作用就是支持工艺和管理技术的持续改进。在推进数字化转型的过程中，需要不断地把工艺和管理知识沉淀下来，变成计算机的数据和代码。工业互联网平台能够减少数据收集的工作量、提高数据管理的能力，从而降低持续改进的成本、提高持续改进工作的质量和效率。当人们把知识沉淀到平台上，变成了计算机代码，本质上也解决了知识传承问题，而知识传承是技术创新的重要基础。

7 结论

数字化转型是漫长的过程,可能需要几十年的时间。在这个过程中，企业需要善于把握技术推进的节奏。好的节奏要以价值创造为前提，技术的先进性则要适度。为此，必须结合企业自身的特点，并与社会经济的发展程度相适应。

从技术角度看，工业互联网促进了不同系统之间数据和信息的集成；从业务角度看，工业互联网则促进了业务的融合和管控能力的提升。由此，我们能用统一的逻辑分析数字化转型中的各种实践活动：管控能力的提升，不仅能提升企业内部的管理水平、改变生产和管理方式，还能把能力拓展到企业之外，推动商业模式的改变；不仅能提升物质产品的生产和管理水平，还能提升知识产品生产和管理水平、促进技术创新和持续改进。