————————————————

【導讀】為用戶提供的任何數據可以實現價值，為用戶實現的價值可衡量。

美林數據技術（杭州）有限公司主要做兩件事情：一是實體的融合，包括業務的融合、數據的融合和流程的融合，這是我們開始做工業大數據的時候，如果工業大數據要落地，這是第一個前置條件。

今天可以看出所有創造的樣板都是從數據過來，所以一個工業大數據企業首先要融入實體企業才可以產生價值以及可衡量的價值。二是我們的展台有一個天平，一端是工業大數據以及工業大數據的價值，一端是成本、利潤等等，這就是我今天的主題。

我們有做過一些案例，這裡有三一重工的何總以及鄭總講的中航工業，我們做的時候發現很大的問題。第一個問題，它不能代表中國的工業，中國工業的90%是民營，絕大部分公司體量沒有這麼大。而他們在各自領域做出了卓越的貢獻，但運營成本特別高。

第二，關注側重點不一樣，我們在航空航天做了很多的客戶，他們以裝備質量和裝備安全為標準，生產的成本過程是其次。實際上很多中小型企業在關注的是什麼呢？中小型企業有迫切的轉型升級的要求，轉型是其次，升級是最主要的目的。

中小型企業的模式非常多，實際上今天很多人講工業大數據走忽略了業務模式，而中小企業的模式、商業模式非常不一樣，許多是混合了很多模式，不清楚模式無法對症下藥。第三，中小企業有特彆強的成本在裡面。第四，周期方面，必須是小步快跑，一步一個腳印，一步賺一步的錢。周期和效果要在這裡顯現出來。

美林數據是如何幫助中小型企業做數據採集和價值挖掘呢？

如果只靠高端裝備製造業所傳遞下來的內容，我們發現了一些問題。我們大致談一下自己的三個觀點：

第一，量化。無論數據採集是人工輸入，還是整個機器在生產過程中產生的大量數據，可量化是一個非常重要的方面。我定義的量化：一是數字化，二是數據質量，三是場景，只有把這三個內容放在一起的時候，才能幫助企業創造一些價值。

當然這有前提我們的企業負責人、工人有決策能力。現在一些工業2.0都達不到的企業，在談所謂的人工智慧，達不到3.0的企業在做標準化的質量，稍微有一些自動化程度就講工業4.0，這是忽略了一個問題，就是忽略了現狀。

同時它也忽略了中國人、中國企業家，尤其是眾多中小型中國民營企業家和製造企業家所積累的經驗和決策能力，他們需要的是我們給他們這些數據，把這些數據的場景描述出來，這些數據是經過質量篩選的。我想今天很多專家和學者都會告訴我們如何實現這點。

所謂的量化，在對老闆講的時候，不是投更多的錢做更多的感測器，也不是把IT部門再擴大一倍，也不是說開發很多軟體。

首先，是為什麼要做量化，二是量化能幫助你做什麼，降低人，提高人的素質。這就是數據驅動的量化，在整個過程中是工業大數據要做的第一步。這些事情只是冰山上的事情，冰山下的事情要解決包括倉庫、數據模型是什麼的重大問題。

第二，對症下藥。現在美林數據主要面對的是離散製造型企業，我們把離散型製造企業分了四種：面向訂單的設計；面向訂單的生產；面向訂單的裝配，面向庫存的生產。現在面向訂單的生產裝配、設計和製造是絕大多數中小企業的特點，我調研了100多個企業，沒有發現一個企業是因為沒有活干而苦惱，我見到的沒有一個企業是因為付款有問題。

中小企業有幾個痛點：第一個痛點聚焦設計環節，這就是中國企業的現狀，企業和設計環節是工業大數據首先要解決的問題，如果不解決這兩個問題，就像大家預測的，肯定是德國工業4.0的買單者，美國互聯網的實踐者。

所以，我認為需求和設計環節是現在面臨最大的問題，也是中小企業的呼聲。如何解決這個問題呢？這確實要引入高端裝備製造業，要有系統的概念，要有模擬的概念，要有設計一體化的概念，要極簡化的實現這樣事情。這是我要幫中小企業解決的第一個問題。

在生產過程中，計劃、生產、交付要解決ERP和MES，以及剛才說的工業數據的問題，我剛從漢諾威工業展回來，給我兩個最大的感受：第一，機器在環境產生的數據、人產生的數據、客戶產生的數據開始嫁接，提出價值的概念。第二，能夠明顯感覺到特別大的壁壘，無論是施耐德還是GE，基本上開始把工業大數據平台化、系統化、工程化了。

因此，我們在後面盯著中國的中小企業怎麼做，首先解決的是當前ERP、MES和眾多系統中融合問題。從我的理想狀態上來說，我們的生產作業系統有幾塊構成的：一是終端性；二是雲的系統，雲的系統就是三層風險控制系統，作業層、終端層、管理層和精英決策層，ERP用持續的流程解決信息系統的問題。現在在座有很多做ERP，希望大家帶著數據的方式做會有更大的收穫。

第三，未來的趨勢。經常開大會的時候講的是海爾如何做個性化定製，但很少說中小型企業，80%的民營中小型企業是如何轉型，他們更需要的是批量化。我們說中國的中小型企業是最符合工業4.0的第一個特徵就是個性化，我們的中小企業接的永遠是別人不願意做的活，這個活需要個性化的設計，這個活需要個性化的採購，個性化的組裝，以及個性化的其他東西。

我覺得市場應該這樣走，但怎麼走，還是要落到需求與設計環節。首先，設計的標準化是解決它最大批量的瓶頸，這個瓶頸可以加入互聯網的方式，可以做一些標準化的眾包，網上設計的眾包，以及郵電結構的知識化，但我認為它是知識化的內容，知識化包括了體系化建設、標準建設，以及市場需求和流程的打通、和數據的打通。

美林數據把規模化定製當成了自己的事情，尤其是幫助中小類型在個性化訂單生產方面可以達到標準化。我們提出了標準化如何實施，標準化模塊，實行有效的路徑，在實施環節包括了工程管控、過程管理和結果管控。

實施方式和很多企業一樣，以問題為出發點，實際上，以問題為出發點就是以價值為出發點，首先進行的是價值點的分析和確定，涉及到方法，方法中涉及到標準化的統一、標準化方案以及信息化建設，以及數據深度分析的內容。

這是我們為一個中小型電氣成套企業做的生產管控。包括做了智能終端，現在智能終端不僅僅只是管理終端，而是把工業數據和管理據融合在一起，基本上就是只操作他做的事情，只輸入他了解的信息。二是雲燈的風控系統，剛才說了包括了三層風控系統，以及生產管理系統。這個生產管理系統，剛才說了是對ERP、MES以及相關係統的融合。

這個指標確實客觀存在，51%生產現場的問題能夠在30分鐘之內解決，87%的生產問題能夠在兩個小時內解決，這就是我們提出的三個概念，就是量化生產模式以及趨勢的解決方案所帶來的價值。還有分工和生產量化的提升。我覺得這對中小企業有益，所謂工業2.0或者工業3.0水平來越低下，有可能提升的點越來高度。

這個案例給一個OEM企業做的生產解決方案，這個解決方案主要講的是絕大多數企業是從外面拿了需求過來，別人把設計給他了，原材料也給他了，他只需要按照別人的需求、設計和原材料進行生產。這麼粗糙的活，這麼簡單的活，市場是巨大，但利潤極薄的。如何提高它，看一下它的幾個價值割裂點是什麼？一是客戶和生產者的割裂，包括需求和生產的割裂；

二是報價，在報價過程中，因為是個性，並且任何設計和整個材料是別人提供的，有時候它計算不出生產過程中到底耗費了多少的材料成本、管理成本和生產成本，我們的解決方案就是幫他做這樣的事情。我覺得，剛才看了內外做協同，用數據打通內在的協同關係，降低管理成本。二是設計的周期，包括研究所和工廠的協同，或者工廠和用戶的協同，還有管理過程。

————————————

【造奇智能產業新媒體】：國內第一家正式成立並開展運營的智能製造產業新媒體機構，聚焦工業4.0與智能製造時代的價值創造，以「深度影響智能製造進程，守望智能製造產業成長」為使命，聯接產業企業、大學、研究機構、政府、資本等產業核心力量，通過創新和融合力量，提供深度觀察、行業洞見、豐富資訊於一體的原創型、產業新媒體平台。