【關鍵對話】推動台中產業升級打造智慧機械之都

迎接雲端超融合來臨，10G混合式交換器全面支援雲端超融合基礎架構

來源：先进制造业

第四次工業革命的到來，為各個國家提供了發展和轉型的機遇，也面臨競爭力格局變化的挑戰，智慧製造成為各國競爭的新戰場。

Will Blockchain and the Token Economy Happen in 2018?

各國圍繞製造業，都提出了相應的策略——美國的「國家製造創新網路」、德國的「工業4.0」，日本的「工業價值鏈」，當然還有「中國製造2025」。那麼，這些策略之間有何差異呢？而形成這些差異的根本原因又是什麼？

第一、對知識的理解、累積和傳承方式的差異決定了製造哲學和文化

對製造業而言，簡單地來講即是「發現問題（比如品質缺陷、精度缺失、設備故障、成本較高、效率低下等）、瞭解問題，在此過程中獲取資訊，並將其抽象化為知識，再利用知識去認識、解決和避免問題的過程。」

瞭解和解決問題的手段和方法，決定了所獲得知識的形式，而將知識抽象化，加以運用的過程和形式，則決定了知識傳承的形式。這個過程可以透過「人來完成」、「數據來完成」或是「系統來完成」，這也是決定一個國家製造哲學的最根本原因。

日本「透過組織文化和人的訓練不斷改善，在知識的承載和傳承上非常依賴人」

日本獨特的克忍、服從和集體觀念文化，也深深地影響了日本的製造文化，其最主要的特徵，就是通過組織的不斷優化、文化建設和人的訓練，來解決生產系統中的問題。

這一點相信國內許多製造企業都感同身受，因為大家在接受精益訓練的時候，被反覆強調的三個方面就是「公司文化」、「三級組織」和「人才訓練」。

最典型的體現，就是日本在20世紀70年代提出的，以「全生產系統維護（TPM)」為核心的生產管理體系。其核心思想可以用「三全」來概括：全效率、全系統和全員參與。

實現方式主要包括在三個方面的改善：提高工作技能、改進團隊精神和改善工作環境，以致在20世紀90年代以後日本選擇「精益製造（LeanManufacturing）」作為其轉型方向，而非「6-sigma品質管理體系」。

日本企業在人才的培養方面，也是不遺餘力的，尤其是「僱員終身制」文化，將僱員與企業的命運緊密聯繫在一起，使得人的經驗和知識，能夠在企業內部累積、運用和傳承。

日本企業解決問題的方式通常是：發生問題→人員迅速到現場、確認現物、探究現實（三現)，並解決問題→分析問題產生的原因，透過改善來避免問題。最終的知識落在了人的身上，人的技能提升之後，解決和避免問題的能力也就上升了。

因此對於日本企業而言，員工是最重要的價值，對人的信任通遠勝於對設備、數據和系統的信任，所有的自動化或是資訊化建設，也都是圍繞著幫助人去工作為目的，所以日本企業從來不會談機器換人或是無人工廠。

如果想要學習工匠精神，那麼最應該借鑒的是日本孕育工匠的組織文化和制度。但是這樣的文化在近幾年，遇到了一個十分巨大的挑戰，就是日本的老齡化，和製造業年輕一代大量短缺的問題，使得沒有人能夠去傳承這些知識。

日本也意識到了自己在數據和資訊系統方面的缺失，開始在這些方面發力。這一點在日本的「工業價值鏈產業聯盟」的構架和目標上能夠清晰地看到。

該聯盟提出的19條工作項目中，有七條與大數據直接相關。可以說日本的轉型策略是，應對其人口結構問題和社會矛盾的無奈之舉，核心是要解決替代人的知識獲取和傳承方式。

但日本在轉型過程中，同樣面臨著許多挑戰：首先是數據累積的缺失，使得知識和經驗，從人轉移到資訊化體系，和製造系統的過程中，缺少了依據和判斷標準。

其次是日本工業企業保守的文化、造成軟體和IT技術人才的缺失，正如日本經產省公佈的《2015年製造白皮書》中所表達的憂慮：「相對於在德國和美國正在加快的製造業變革，現在日本企業表現出重視軟體的姿態。」

Will Blockchain and the Token Economy Happen in 2018?

德國「透過設備和生產系統的不斷升級，將知識固化在設備上」

德國的先進設備和自動化的生產線，是舉世聞名的，可以說在裝備製造業的實力上，有著傲視群雄的資格。

同時德國人嚴謹的風格，以及其獨特的「學徒制」高等教育模式，使得德國製造業的風格非常務實，理論研究與工業應用的結合也最緊密。

然而德國也很早就面臨勞動力短缺的間題，在2015年各國競爭力指數的報告中，勞動力是德國唯一弱於創新驅動型國家平均水平的一項。

因此，德國不得不透過研發、更先進的裝備和高度整合自動的生產線，來彌補這個不足。

德國的製造業解決問題的邏輯是：發生問題→人（或裝備）解決問題→將解決問題的知識和流程固化到裝備和生產線中→對相似問題自動解決或避免。

舉個比較直觀的例子，來比較日本和德國解決問題方式的不同：如果生產線上經常發生物料分揀出錯的現象，那麼日本的解決方式，很有可能是改善物料辨識度（顏色等）、員工訓練，以及設置復查制度。

而德國則很可能會設計一個RFID掃碼自動分揀系統，或是利用圖像辨識+機械手臂自動進行分揀。

又比如，德國很早就將誤差補償、刀具壽命預測、多軸同步性算法、主軸震頻補償等解決方式，以功能包的形式固化到了機床中，因此即便是對製造技術和操作並不熟練的工人，也能夠生產出可靠的產品。也正是這個原因成，就了德國世界第一的裝備製造業大國地位。

除了在生產現場追求問題的自動解決之外，在企業的管理和經營方面，也能夠看到其盡力減少人為影響因素的努力。比如最好的ERP、MES、APS等軟體供應商都來自德國，大量的資訊錄入和計劃的生成，及追溯透過軟體自動完成，盡量減少人為因素帶來的不確定性。

然而，德國同樣對數據的採集缺少累積，因為在德國的製造系統中，對故障和缺陷採用零容忍的態度，出現了問題就透過裝備端的改造，一勞永逸地解決。

在德國人的意識中，不允許出現問題，也就自然不會由問題產生數據，最直接的表現就是找遍德國的大專院校和企業，幾乎沒有人在做設備預診，與健康管理（PHM)和虛擬測量等品質預測性分析。

另外由於德國生產線的高度自動化和整合化，使得其整體設備效率（OEE)非常穩定，利用數據進行優化的空間也較小。

德國依靠裝備和工業產品的出口，獲得了巨大的經濟回報，因為產品優秀的品質和可靠性，使得德國製造擁有非常好的品牌口碑。然而德國近年來也發現了一個問題，那就是大多數工業產品，本身只能夠賣一次，所以賣給一個客戶之後，也就少了一個客戶。

同時，隨著一些發展中國家的裝備製造，和工業能力的崛起，德國的市場也在不斷被擠壓。因此，在2008—2012年的5年時間裡，德國工業出口幾乎沒有成長。

由此，德國開始意識到，賣裝備不如賣整套的解決方案，甚至同時如果還能夠賣服務就更好了。

於是，德國提出的工業4.0計劃，其背後是德國在製造系統中，所累積的知識體系整合後，所產生的系統產品，同時將德國製造的知識以軟體，或是工具包的形式，提供給客戶作為增值服務，從而實現在客戶身上的可持續的盈利能力。

這一點從德國的工業4.0設計框架中，能夠十分明顯地看到，整個框架中的核心要素就是「整合」，包括縱向的整合、橫向的整合和端到端的整合等，這簡直太像德國製造體系的風格了，既是德國所擅長的，也為其提供增值服務提供了途徑。

所以第四次工業革命中，德國的主要目的是利用知識，進一步提升其工業產品出口的競爭力，並產生直接的經濟回報。

American Manufacturing Innovation Network - ppt download

美國「從數據和移民中獲得新的知識，並擅長顛覆和重新定義問題」

與日本和德國相比，美國在解決問題的方式中，最注重數據的作用，無論是客戶的需求分析、客戶關係管理、生產過程中的品質管理、設備的健康管理、供應鏈管理、產品的服役期管理和服務等方面，都大量地依靠數據進行。

這也造成了20世紀90年代後，美國與日本選擇了兩種不同的製造系統改善方式，美國企業普遍選擇了非常依賴數據的6-sigma體系，而日本選擇了非常依賴人和制度的精益管理體系。

台灣和中國的製造企業，在2000年以後的品質和管理改革，大多選擇了精益體系這條道路，一方面因為台灣、中國與日本文化的相似性，更多的還是因為台灣、中國企業普遍缺乏數據的累積，和資訊化基礎，這個問題到現在也依然沒有解決。

Big Data Analytics for Industry 4.0 Predictive Manufacturing ...

除了從生產系統中獲取數據以外，美國還在21世紀初提出了「產品全生命週期管理（PLM)」的概念，核心是對所有與產品相關的數據，在整個生命週期內進行管理，管理的對象即為產品的數據，目的是全生命週期的增值服務，和實現到設計端的數據閉環。

數據也是美國獲取知識的最重要途徑，不僅僅是對數據累積的重視，更重要的是對數據分析的重視，以及企業決策從數據所反映出來的事實，出發的管理文化。

從數據中挖掘出的不同因素之間的關聯性、事物之間的因果關係，對一個現象定性和定量的描述，和某一個問題發生的過程等，都可以透過分析數據後，建立的模型來描述，這也是知識形成和傳承的過程。

除了利用知識去解決問題以外，美國也非常擅長利用知識進行顛覆式創新，從而對問題進行重新定義。例如美國的航空發動機製造業，降低發動機的油耗，是需要解決的重要問題。

大多數企業會從設計、材料、技術、控制優化等角度，去解決這個問題，然而通用電氣公司（GE)發現飛機的油耗與飛行員的駕駛習慣，以及發動機的保養情況非常相關，於是就從製造端跳出來，轉向運維端去解決這個問題，收到的效果比從製造端的改善還要明顯。

這也就是GE在推廣工業互聯網時，所提出的「1%的力量（Powerof1%)」的依據和信心來源，其實與製造並沒有太大的關係。所以美國在智慧製造革命中的關鍵詞，依然是「顛覆」，這一點從其新的策略佈局中，可以清楚地看到，利用工業互聯網顛覆製造業的價值體系，利用數位化、新材料和新的生產方式（3D列印等)，去顛覆製造業的生產方式。

Value chain analysis

第二、製造中價值鏈的位量是競爭力的決定性因素

我們從日本、德國和美國三者間文化差異性方面，分析了三個國家對智慧製造革命的理解、側重點和目的的不同。除此以外，這些國家的競爭力差異，也是造成其策略方向差異的關鍵因素，其中各國在製造價值鏈的分布，和未來佈局的不同起了決定性的作用。

生產活動中的價值要素分布，從上游到下游依次是：想法創新與需求創造→原材料與基礎使能技術→關鍵裝備與核心零組件→生產過程與生產系統→產品和服務。

在整個價值要素的分布中，中國在生產過程與生產系統這個環節具有優勢（主要體現在勞動成本和生產能力方面)，但是在其他各個環節中處於劣勢。

那麼，如果進行橫向比較，世界各主要國家在生產活動中的價值要素的地位，以及未來改革的佈局是怎樣的？

Strengthening Purdue's Innovation Ecosystem

美國「牢牢佔據生產要素的上游，努力向下游延伸」

美國在生產活動要素的分布中，在想法創新和需求創造、原材料和使能技術，以及產品增值服務端，具有明顯優勢。美國工業系統的核心競爭力主要來源於「6s的生態體系」：

（1）航太航空：為美國製造業累積了大量技術紅利，成為美國工業系統中基礎使能技術的最主要來源。

（2）半導體：近年來在低耗能半導體材科的研發投入巨大，在未來智慧化技術的核心，低耗能高性能晶片技術上，具有明顯優勢。

（3）頁岩氣：佈局未來新能源和清潔能源領域，已成為美國最主要的替代能源。

（4）智慧化服務創值經濟：借助美國在電腦和資訊化技術領域的優勢，在利潤最高的製造業服務端進行佈局。

（5）矽谷為代表的創新精神：透過不斷創新挖掘用戶的潛在需求，從而不斷獲得新的市場和商業機會的藍海。

（6）可持續人才資源：在第四次工業革命的策略佈局方面，美國白宮在2012年3月提出了「國家製造創新網路計劃」，在製造業的四大領域建立九個研究創新中樞（如下圖）。

分析美國6S生態系統和製造業發展策略佈局，我們不難發現，美國力圖在生產系統最基礎的原料端（能源和材料)、工業產品的使用服務端（互聯網技術和ICT服務)，以及不斷由創新驅動的商業模式端，牢牢掌握住工業價值鏈當中，價值含量最高的幾部分，這樣即便德國的製造設備再先進、中國的製造系統再高效，都可以從源頭和價值的投放端，確保其競爭力的核心優勢。