2017年8月11日 星期五

‧ 2017\08\11\3S Market Daily 智慧產業新

3S Market deliver Smart and Valuable information for Business

                                                                                                                                                                                                                 

.德國中小企業為何對工業 4.0 不來電

Industry 4.0: A New Challenge for SMEs




来源: 财经十一人


德國數位經濟雷聲大雨點小
截至2017年上半年的統計結果,德國數位化產業對GDP貢獻僅為5.4個百分點,根據麥肯錫研究機構數據,德國對於數位化經濟的利用,僅僅在總量的10%左右,低迷的數位化經濟成長,會讓德國至2025年的八年中,失去5000億歐元的產值。


德国中小企业为何对工业4.0不感冒
3 各國數位化經濟利用比重 來源:
《知识自动化》整理




在歐盟範圍內數位化程度最高的,是資訊和通訊產業也包括媒體和金融服務領域。相對成長較慢的,包括資本較為密集的製造業,和許多政府機構部門,比如公共衛生服務和教育部門,這個現狀在德國尤其突出,在與歐盟其他國家的比較中 ,德國在服務業,運輸業,物流行業的表現都很一般。

 「德國工業的數位化程度,遠比我們預期的要低」,麥肯錫研究中心顧問,「一個重要原因是針對德國工業4.0升級的投資,僅僅在過去的兩到三年中得以實現。」

隨著德國對於數位化經濟推動的加速,透過物聯網製造數位服務業新成長,成為了許多公司面臨的任務。

很多人在談「工廠商業模型的升級和數據安全的保護」貌似熱鬧的話題,但是多數中小企業並無此打算。對此,作為研究中小企業在工業4.0下的轉型升級問題的主將,Fraunhofer產品與自動化研究院項目總監Muller評論道,「40%的工業4.0相關企業,到目前還沒有任何相對應的技術轉型計劃,這個高比例其實從反映出,這類企業需要扶持」。

看起來,即使德國數位化經濟大背景下,製造業和數位經濟技術之間的關係仍然不能明確。在數位化產業表現疲軟的情況下,擁有巨多中小企業的德國製造業,能否完成承載數位經濟成增長的歷史重任,仍然是個有待觀察的課題。即使在工業4.0的發源地德國,對中小企業而言,工業4.0也是一個奢侈的口號。

人才是難以揮開的痛
當甚至連美國,都羨慕德國的雙軌制人才教育的時候,德國的人才也陷入了深深的痛。不同於日本老齡化問題,德國人才呈現了結構性的問題。

在Fraunhofer IPA針對薩克森州5000位製造業技術人員,提出的問卷調查中,「對於工業4.0技術平台標準化的搭建需求」尤其突出。同時,企業在IT軟體系統上也備受詬病,「不靈活」「不統一」「跟不上」常常成為高頻形容詞,「市場需求的產品類型,一直在呈現多樣性複雜化的趨勢,而我們的軟體管理系統,卻往往無法適應這種變化」。這些問題,都體現在軟體人才需求的渴望上。

值得注意的是,在德國大學每年應屆畢業生的招聘上,所有涉及物流和經濟管理的專業,都或多或少的要求SAP數據庫的操作經驗,很多即將步入職場的年輕人,都對此表示非常有挑戰性。

在問卷調查報告中的其他問題,還包括工廠生產計劃的優化,市場產品需求的獲取,和對於產品數據的持續監控。但人才短缺讓這個問題雪上加霜。

資訊產業面臨的人才短缺,就連德國工程師協會都直言不諱:「我們在去年的公司調查中,資訊部門職位無法得到滿足,或者表現不佳的狀況,僅僅佔到20%左右,今年已經達到了33%,  不僅僅是在中小型公司,德國的大型企業,也同樣面臨此種困境。

2016年德國共有28800個資訊行業的職位供給,年同比成長率高達23%,並且缺口已達到了1:3.5的新高,許多公司不得不將IT部門設在國外或進行服務外包。

資訊軟體缺乏,是德國很多企業面臨著,數位化帶來的最大困擾之一。


不想擴張的中小企業
中小型企業,在德國一般僱員低於250人,年營業額低於5000萬歐元的企業。儘管在保證就業和產品創新品質上,他們功不可沒。但由於普遍的家族式管理——其實即使在福斯集團,甚至西門子公司,也可以看到家族管理的影子,和偏向地域化的市場行銷模式,讓這些小企業在高度整合中的資訊,資源甚至人力平台面前顯得十分徬徨。

9年過去了,歐洲的中小型企業像面對災難的嚙齒類動物一樣,很好的度過了難關,甚至有所成長。但由於德國多數的中小企業,都是製造業供應鏈企業,傳統經營模式中,中小型「供應鏈」類型企業,將大量的資源和精力放在了製造業「微笑曲線」的末端,即市場和服務,將德國企業訂單精準到「小時」和「米」單位上,這讓德國許多大型企業嘗盡了甜頭,高度分工的製造業鏈條,密集的供應鏈企業,不僅讓大型企業有了很多選擇,和討價還價的餘地,也讓在此領域的許多中小企業緊繃著神經。

讓筆者印象較深的是寶馬公司,在德國萊比錫建設的「手指工廠」。

在建設初期,工程師們就考慮到為方便產能提高,和日後物流作業,而將生產線建設成形似「手掌」蜿蜒狀,並在兩側留下了足夠空間進行擴張,如今16年過去了,手指越來越長,其背後就是供應鏈企業物流能力和產能的不斷提升,允許寶馬在車輛組裝方面,產能迅速膨脹。

這樣的例子還有很多,B2B中小企業在殘酷的市場環境中物流和產品質量都得到了很大提升,但「微笑曲線」中間的生產段被冷落,本該與信息技術進步相結合的產能優化出現了滯後,在德國甚至人們常說,「養肥了康採恩(大型跨國企業),累死了供應商」。


在德國中小企業本身就具有的「不擴張性」企業文化背景下:
德国中小企业为何对工业4.0不感冒
2 1990-2010年德國就業市場



租借工成長規模
德國自2000年也出現了大量的「租借工」,即借由獨立人力公司雇傭,而非與用工企業締結合同的「臨時工」,企業借此免去許多解雇和稅務方面的成本和法律問題,這種勞動者被任意支配的用工方式,一度上升成為社會議題受到猛烈抨擊。

然而其背後,正是德國用工成本與產品利潤,在「世界變平」過程中產生的客觀衝突,大企業可以透過人力資源外包,轉嫁這種成本,而中小企業在這方面往往缺少選項,德國的高福利政策傳統,在製造業成本人力成本飆升,面臨騎虎難下。

龐大數目的公司情況千差萬別,在以品質著稱,「百家爭鳴」的德國中小企業文化氛圍,背後其實隱藏的是激烈的競爭,和差異巨大的技術研發,用人和管理模式,這些特點在過去半個多世紀的製造業歷史中,讓德國始終在加工零件供應上,處於領先優勢,而如今成為數位化升級巨大「作業量」,和缺乏統一資訊化平台的一個隱痛。

不要向中小企業剪羊毛
作為在國民經濟中,扮演重要角色的中小企業,當然也得到了相應的政府扶持,特別在全球化背景下,牽一髮而動全身,中小企業再次被推到市場競爭最前沿。

在2008年金融危機爆發的大背景下,尤其以資金為短缺的中小企業面臨著巨大壓力,對中小企業的保護,被迅速提上歐盟日程,當年6月歐盟委員會通過《中小企業商務法》報告,敦促各國在預算和貸款方面,予以中小企業扶持和保護,並減少政府機構對於中小企業帶來的干擾。

歐盟也在中小企業與大企業界定上,進行了一番討論,並將界限從之前的5000萬歐元營業額,提高到7500萬,對僱員人數不做「一刀剪」的界定,以在行政上保護在快速成長過程中的中型企業順利發展。政府在保護中小企業的力度上可見一斑。



德国中小企业为何对工业4.0不感冒
3 2015年歐盟各類型企業佔比(%
數據來源:歐盟委員會2017年公佈數據&德國經濟部 科隆



根據2015年的統計數據,歐盟境內中小企業數量超過2300萬家,在所有企業中佔比高達99.8%,提供了超過9000萬個就業職位,製造稅前產值超過39萬億歐元。

這意味著在歐盟範圍內,中小企業提供了,除國有公共服務部門外,市場70%的就業,創造了57%的經濟產值。


                                                                                                                                                                                                                 

.這個能在你身上爬的機器人,可能是未來可穿戴設備的雛形

Rovable Robots Crawl Over Your Body | HowStuffWorks NOW


ifanr




提到可穿戴設備,通常我們會想到手錶、手環、眼鏡等,但如今,你可以把機器人「穿」在身上了。

最近在東京的一個技術會議上,麻省理工學院和史丹佛大學的研究人員展示了他們的微型人體機器人——Rovables。據他們介紹,這是一種能夠在衣服上自由移動的微型機器人,前提是你的衣服表面不能有圖案或飾品。

Rovables 可由磁性輪固定在適當的位置,並能進行垂直爬升。機器人工作時並不需要線纜連接,內置電池、微型控制器、無線通訊模塊等部件。此外,Rovables 還配備有一個低功耗定位系統,因此能夠進行有限的自主導航。

研究人員表示,這個小傢伙大概有以下幾種用途:

普通青年:在上班途中時,讓幾個 Rovables 在你的手臂組成臨時顯示屏,用來看視頻或查看郵件;在夜晚騎車時,讓 Rovables 組成臨時安全燈。

可穿戴机器人

中二青年:讓機器人躲在暗處,在你的發號施令下恐嚇無知的同事。

可穿戴机器人

文藝青年:機器人可以提供身體反饋或作為互動服裝和首飾。

可穿戴机器人

好吧,研究人員說他們也沒想好到底要讓這些機器人乾嘛……

事實上,Rovables 目前僅是一個原型,只能在實驗室的 3D 空間中才能正常導航工作。研究人員表示他們還沒有找到一個有足夠處理能力微型處理器,所以機器人暫時無法運行複雜的線路規劃算法。

此外,Rovables 要想成為真正的可穿戴設備,還有一個問題需要解決——續航能力。它的電池只能連續工作 45 分鐘 ,如果不是一直保持移動的話,電量大概能維持幾個小時。



                                                                                                                                                                                                                             

智慧家庭最佳選擇套件


.深度解析:使用大數據分析的十大行業

Big Data Learning paths Tutorial | Choose The Right Career in Big Data | Big Data Tutorial | Edureka




來源:AWS博客


大數據每天都在發展,並成為科技界的熱門詞彙。我們周圍的許多人都在談論它,但他們知道它的真正含義嗎?

大数据分析
  

大數據只不過是非結構化數據的集合。這些數據不是以特定的格式,因為數據集通常是巨大的,有時是數十兆字節,有時甚至超過了PB級別。大數據這個術語出現之前用的是大型數據庫(VLDB),由數據庫管理系統(DBMS)進行管理。

大量與商業有關的數據,能夠有效增加公司的銷售與利潤。為了做到這一點,我們需要利用大數據分析。那麼,大數據分析究竟是什麼。


大數據分析是研究大量,且多樣的數據集(即大數據)的過程,從而揭示隱藏的模式,未知的相關性,市場趨勢,客戶偏好和其他有用資訊,這些資訊可幫助公司,做出更明智的商業決策。

透過專業的分析系統和軟體,大數據分析可以指明商業收益的方向,比如新的機慧,有效的行銷,更好的客戶服務,提高營運效率,以及競爭優勢等等。


此外,透過Elasticsearch搜索,能夠更加簡單的理解大數據。大數據常常用於網頁搜索,日誌分析和大數據分析。此外還有許多其他工具,但當中Elasticsearch更受歡迎,因為它易於安裝,擴展到數百個節點,無需額外的軟體,並且由於其內置的REST API而易於使用。

以下是通過大數據分析將大大受益的十大行業:


1. 銀行和證券
透過網路活動監控和自然語言處理程序,監控金融市場,從而減少欺詐性交易。交易委員會正在使用大數據分析,監控股票市場,避免非法交易的發生。


2. 通訊和媒體
同時在多個平台(移動,網路和電視)上,即時報導世界各地的事件。媒體的一部分,音樂行業使用大數據關注最新的趨勢,並透過自動調諧軟體創作出流行的曲調。

3. 體育
瞭解特定地區針對不同活動的收視率模式,並透過分析來監測,個人球員和球隊的表現。像板球世界杯,FIFA世界杯和溫布頓國際網球錦標賽的體育賽事,均有使用大數據分析。


4. 醫療保健
收集公共衛生數據,從而更快地應對個人健康問題,並掌握新病毒株(如伊波拉病毒)在全球傳播的狀態。不同國家衛生部門合併,使用大數據分析工具,以便在人口普查後進行數據收集。

5. 教育
針對目前快速發展的各種領域,更新和升級相關文獻。世界各地的大學均使用大數據來檢測和追蹤學生和教師的情況,並通過不同科目的出席率分析學生的興趣喜好。


6. 製造業
通過大數據提高供應鏈管理,提高生產率。製造企業使用這些分析工具,確保以最佳方式分配生產資源,從而獲得最大效益。

7. 保險
通過預測分析處理各種業務,從開發新產品到應對索賠。保險公司使用大數據,瞭解需求最大的政策計劃,並產生更多收益。


8. 消費者貿易
預測和管理人員編制以及庫存需求。消費者貿易公司透過會員制度,記錄會員情況從而發展貿易。

9. 交通運輸
制訂更好的路線規劃,交通監控和物流管理。主要是政府為了避免交通堵塞而設立的。

10. 能源
通過智能電表減少電氣洩漏,並幫助用戶管理能源使用情況。負荷調度中心使用大數據分析來監測負荷模式,並根據不同的參數分析能源消耗趨勢之間的差異,並節約能源。


早期的大數據系統大多用於內部,特別是在收集,組織和分析大量數據的大型組織中。

但是,如今許多雲平台供應商,諸如Amazon Web Services和微軟等,已經能夠使在雲中,建立和管理Hadoop集群,變得更加容易。逐漸越來越多的公司,也開始利用其豐富的數據,進行大數據分析。