|
与更多CIO 一路同行 ▲ 数字化已经是企业的必需品，它的重要性毋庸置疑，但我们对数字化的认知是否清晰却值得怀疑。因为，数字化、智能化仿佛成了赶时髦。你要是不谈谈数字化，都不好意思说你在制造业里；不谈谈智能，更不好意思说你是技术领先的企业。但是，究竟斤两如何，大家都心知肚明，但“看破不说破”，是行走江湖的基本素质。
数字化能否推进的好，对于企业来说，它是企业运营水平的问题。对于产业来说，则是整体产业所处阶段的问题。它看到的是数据、信息、知识、决策的问题，这背后是以下几个层面的问题： 在工艺层面：什么是影响品质、成本的关键因素，什么是可被测量的，用于直接或间接反映生产过程的关键因素。包括因果相关分析，这决定了我们如何分析品质；现场不缺数据，也不是采集不到数据，而是你知道你需要什么数据吗？或者，作为服务商，你清晰了解什么数据是需要采集的吗？ 在装备层面：机器-机器间它们是如何协作的，它们在时间、空间、位置、速度方面的协作需要什么？材料、产品规格变化后，它们需要改变的是什么？ 在工厂层面：现场数据、物料、信息、能源，这些如何构建了品质、成本、交付的效率持续改善的架构。这些是清晰的吗？ 生产作业变化：当系统发生了变化，我们整个系统如何将什么信息，以什么方式频率下发，并快速的重构生产过程、验证，并执行。这个问题我们是否清晰呢？ 数字化表面是对数据、信息的应用，但背后却是对生产、制造的装备、工艺流、生产作业流、资产评估等运营问题的认知。 在自动化水平整体不高、精益水平尚未有清晰的认知情况下，那么对于数字化的认知一定是不清晰的。现在所谓的数字化存在的数据无法采集、传输问题…它都是对制造本身的认知问题，而不是技术实现的问题。 现在很多企业将互联网、AI的想法都拿到了现场，将这些前沿、时髦、流行的概念引进制造企业，试图要改变或者说颠覆制造业。是的，几乎没有人否认这种趋势和未来的前景。但是，它却不是高谈阔论的专家所看到的。现在做工业互联网的大厂都开始撤退了。 冰老师说“Cyber-Physics System”，大家关注“赛博”这个抓眼球的，可是Physics的重要性没有被充分认识。根据“屁股决定脑袋”原理，考虑到资本、互联网、AI企业的立场，他们会将Cyber拿个大喇叭吆喝，这也是情理之中，非意料之外。  我们要找到关键标杆用户、了解用户感知、抓住用户痛点、找到技术抓手、下沉到现场、对齐认知、构建技术底座、拉通数据、提高数据颗粒度、拆解问题、解耦复杂的关联、封装知识、以达到复用目的。然后通过持续迭代，成为具有可快速迁移的知识容器。赋能企业的运营，吃透商业逻辑、树立行业标杆、然后跨界复制、击穿行业壁垒、共享共性资源、持续进化、成为数字化转型的赋能者。 以上所谓的互联网黑话随机组织一点内容，挺适合高端论坛讲讲，大家觉得像不像？ 这种在各个高谈阔论的论坛上讲的数字化，与现场可能是形成了截然不同的画面。很多所谓的数字化其实根本就谈不到现场的复杂性。商业意义的互联网、AI与工业最大的差异来自于现场的特殊性。即，物理的对象在力学、声学、热学、光学、电磁学等多个场域里的复杂耦合关系，而互联网纯软件的数字化、AI它并不存在这一障碍。 制造业的数字化，一定是数据源于现场，这需要CIO了解现场的认知，而现场的认知则来源于对物理世界的认知。而这些都建立在对材料物理学特性，如塑料的弹性/塑性力学、结构力学、疲劳力学、断裂力学等基础上。即使我们讲工业软件，卷绕控制建立在对柔性薄膜/纸张类材料的特性，而半导体沉积则包括物理性和化学反应的电磁场、温度场的影响基础上，对于电池则聚焦于界面工程，以及光伏核心在于钝化工艺（PERC/HJT/TOPcon是不同的钝化，也算是界面工程）。材料像胶体、流体、粉体、固体、液体他们都会有不同的特性，在制造过程中影响着品质、效率及成本。
数字化，互联、智能、无论多么高大上，它必须源于生产现场，而且用于现场。这就是知行合一，理论联系实践的一个动态循环过程。 数字化，如果不了解现场，或者不了解现场的具体对象，那么，就无法真正做好数据、信息、知识、决策的上行，以及下行的应对变化，把知识复用于解决问题，并挖掘新的知识，应用于解决现场问题的过程。 因此，认知制造，才能认知数字化，做好数字化。 |
|
|
