作者 | 张百舸   OB欧宝体育管理咨询集团公司副总裁，企业数字化转型战略中心总经理

今年年初，我碰到一家物流企业的老板，他给我讲了一个他们运用数字化技术的事例：这是一家传统的物流仓储企业，以前计算货物重量的方法是让货物运输车辆在地磅上称重，由公司计量员负责记录数据并手工输入电脑。但在定期盘点中总会发现“缺斤短两”的情况，推测是计量员与货运司机串谋腐败，但又没有证据。后来，公司开发了一套远程计量系统，就是利用称重感应及数据传输技术，辅以摄像数据处理技术，每天进出货物的数据信息及司机人员信息等都实时传送到手机终端。这一小小的数字化技术改进，不但使企业能即时、精确地获得物流数据，仓储盘点的准确率也明显提高，而且连计量员这个岗位都不需要了，消除了人工计录可能存在的不准确、不透明等缺陷，还节约了人工成本。
这说明企业的数字化转型正从概念走向实际运用。据不完全统计，2020年受新冠疫情影响，凡是数字化程度高的企业，其复工复产的速度相对快些；一些原来以线下为主、但是有数字化技术储备的企业迅速地转为线上，避免了损失，比如很多培训辅导机构。
数字化转型的价值正在为广大工业企业所接受，事实上工业企业数字化转型的浪潮正在形成，企业应洞见到这一趋势。
 
数字技术将会重塑全球工业制造产业价值链
工业企业的数字化转型就是我们常说的智能制造，其概念源于1988年美国纽约大学怀特（P·K·Wright）教授和卡内基梅隆大学布恩（D·A·Bourne）教授合著的《智能制造》一书。推动工业企业数字化转型升级，美国、德国、日本和中国多年前就已经提出，但真正实现工业企业广泛的数字化转型也就是近两年的事情，这得益于近年来人工智能、深度学习技术的重大突破。
经济历史学家加文·赖特（Gavin·Wright）说过，“一旦出现重大的、有深刻思想的通用目的技术，即GPTs（General Purpose Technologies），不仅会对经济系统的很多部门产生潜在而重要的影响，而且会颠覆很多工业生产体系。”
数字技术将会重塑全球工业制造产业价值链，中国世界工厂的优势有可能不复存在，因为数字技术会改变传统工业企业的投入要素，譬如人工成本优势将不复存在。
数字技术让全球经济有重回“城堡经济”（也称“壁垒经济”或“经济城堡”——编者注）或者“内循环经济”的可能。近两年，三星、耐克、阿迪、苹果、高通等很多大家耳熟能详的企业纷纷离开中国，曹德旺提醒“要警惕全球产业价值链去中国化”的预言正在变为现实，逆全球化的经济趋势已经越来越明显，这对于中国工业发展来说还是那句老话：既是挑战，也是机遇。
实体工业经济是一个国家真正的经济实力体现，随着工业企业数字化转型的逐渐深入，各个国家在工业经济方面的表现就会出现两极分化——掌握核心运营技术的国家会越来越强，而没有赶上这波技术潮流的国家就会丧失制造业发展的机遇。如果中国工业企业不能在这一波数字化转型浪潮中迎头赶上，很有可能丧失制造大国的地位，甚至成为制造弱国。对企业来说，由于数字经济时代，各个行业的集中度也在显著快速地提高，所以，未来你的企业要么被兼并或破产，要么就成为行业头部企业。
不过，在数字化转型方面，中国制造业有着规模化的场景优势资源，包括终端设备的数量和企业的规模。
工业企业数字化转型可以解决多年来困扰中国制造的质量问题。欧美工业企业信奉的标准作业程序（SOP）已经真正转化为产业工人的日常行为自觉；而我国一些工业企业的产业工人，乃至生产管理人员喜欢变通，追求速度而忽视改进及恪守SOP，导致质量波动。但智能制造会解决掉这个问题，正如文前所列举的例子，自动感应、识别技术和自动生成数据，会使得生产过程中导致质量波动的行为大幅减少，产品质量自然就会得到保障。
 
算法与自动化：企业数字化转型瓶颈
工业企业的数字化转型，或者说智能制造的内涵究竟是什么？关于工业企业的智能制造成熟度，现在有很多划分标准，国家工信部也正在出台相应的管理标准。
为了方便理解，我个人将工业企业数字化转型分为数字化（信息化）、链接化（工业物联网，即IoT工业场景应用）、自动化、数据化（即常说的工业互联网平台、数据中台、边缘云、工序L2模型等）、自预测和自决策几大阶段。近两年随着物联网传感技术的发展，物物链接数量呈现快速增长态势。但真正实现“无人化工厂”，即达到自预测和自决策智能制造目标的工业企业数量还非常少。自预测和自决策是建立在工业大数据基础之上，让大数据像人一样指挥机器运作，“让数据说话”的唯一途径是算法。
经过对企业数字化转型实践的分析，我认为我国工业企业数字化转型的瓶颈主要是两方面：一是技术瓶颈，二是管理瓶颈。其中，技术瓶颈主要是自动化和边缘计算。
我们常说智能制造是建立在自动化的基石之上，欧美工业强国在经历电气化工业革命之后，在自动化工业领域形成了领先的竞争优势。2019年10月份，美国《Control》杂志发布了2018年全球自动化领域的Top 50。在前10名中，美国占据4家，日本有3家，德国、瑞士和法国各有一家。从Top 50的整体数量来看，德国毫无疑问是全球第一大自动化强国，有19家公司进入了Top 50；排名第二是美国，有15家；排名第三是日本，有9家。德、美、日这三个国家包办了全球Top 50中86%的名额。
从这个数据中不难发现，自动化领域仍是欧美高度垄断的行业，而且美国其实也是自动化制造的超级强国之一，遗憾的是在这个领域很难看到中国企业的影子。
我曾参观过很多珠三角、长三角的大型制造企业，发现这些企业的设备都很先进，其中关键设备基本都是进口的，但是与先进设备不太相符的是，这些企业的工艺技术管理，尤其是设备技术管理还比较落后，很多设备的运行机理少有人掌握，解决设备故障大多是靠更换模块化的零部件。很多大型工业企业制造装备的自动化元器件，仍然依赖进口，设备运行机理即我们常说的“L2数学模型”仍然是个“黑匣子”。由此，可以看出中国制造业要进行企业数字化转型，自动化是个绕不过去的坎，必须要突破。
但是全球自动化领域的大公司也遇到了巨大的烦恼：如何面对泛滥成灾的大数字，以及如何管理数字转化而来的大数据？前一个问题随着深度学习技术的突破已经可以解决，只是自动化公司必须要增强软件开发力量。后一个问题就是我们常说的“数据中台”概念，数据最终必须转化为生产要素才能够带来效益。正如南钢集团董事长黄一新所言：“工业企业的数字化转型最终要实现数据业务化的目标。”
数据业务化其实就是“大数据+算法=业务”，这其中最为关键的就是算法，对于工业企业而言，就是边缘计算。因此随着全球工业企业数字化转型需求的增长，自动化技术正走向硬软一体化，这也是为什么这两年全球自动化公司纷纷通过并购或合资的方式与软件公司合作的原因。这种变化趋势也要求工业企业的产品和工艺研发工程师必须熟练掌握信息技术，像马斯克汽车制造公司的工程师中约50%属于软件工程师。
什么叫算法？表面上它就是一个数学模型，工业企业人员习惯称之为制造运营技术（OT），但我更愿意称之为场景技术，这往往是企业核心的技术秘密，也是工业企业数字化转型的关键之一。这些年像西门子等欧美先进工业企业提出“知识图谱”概念并加强这方面管理，也说明了场景技术的重要性。场景技术需要一点一滴的积累，它不一定是个标准化的通用技术，但一定是这家企业能够形成壁垒优势的核心技术之一。
那什么叫场景技术？为什么场景技术需要日积月累？其实生产过程本来就是一个简单的投入产出函数，即宏观生产函数中的Y=F（人、机、料、法、环等），这个函数就是场景技术，这种技术实现了投入要素的最优组合并产出了期望产品。换言之，场景技术是工艺技术、装备技术、原料技术等有机的融合，这个函数永远没有标准答案，只有不断迭代进化，因此我说场景技术是一个不断积累的过程。复杂经济学家布莱恩奥瑟(W.Brian Arthur《技术的本质》）认为技术本来就源于需求或现象，“知识构成了新技术呈现过程中至关重要的基础部分”“技术的核心在于发现合适的可行性解决方案”，也就是我们所说的找到合适的工作原理，这就是场景技术的内涵。
不掌握场景技术就不可能开发出应用需求的算法模型。这也就是为什么国内外互联网巨头涉足工业制造行业纷纷铩羽而归的原因。现在国内的工业互联网平台200多个，但鲜少形成真正的商业价值。场景技术需要一点一滴的积累，你无法“弯道超车”，虽然现在工业仿真技术、数字孪生技术可以压缩场景知识积累的时间，但积累的过程不可或缺。
 
数字化转型将会带来深刻的管理变革
工业企业的数字化转型不仅给制造模式带来显而易见的巨大改变，譬如工厂空间更集约、劳动生产率短期内显著提升、工艺质量过程更稳定、柔性化制造等，而且也会对工业企业的传统经营管理思想带来巨大冲击。
第一，经营管理理念的改变。未来管理更多基于数据而非经验，经验在某些场合可能是一种羁绊，管理者要具备数字化管理能力即识别数据、掌握数据、运用数据的能力，现场管理要从管人向管事转变。我曾经参观过一家公司的无人化工厂，对方告诉我一件有趣的事情：工厂实施数字化转型之后，工厂厂长一时间竟不知如何管理？因为这家工厂原来有600多人，转型之后不足100人，工厂厂长的办公场所由原来独立的办公室转移至集控中心，每天面对红红绿绿的数据屏幕，耳边萦绕各种操控指令声，厂长感觉不习惯。工厂厂长习惯了以前通过管人来处理事情，不懂的事情还可以交给专业的人去处理，现在突然发现身边没有几个人可以差遣，只能依赖数据来决策或协调事情，一下子很难适应。
可见，工业企业数字化转型无形中对现场管理者的综合素质要求高了，一方面，要求现场管理者要具备复合型专业知识，具备较强的问题判断及解决能力。另一方面，要建立健全生产现场例外管理标准作业程序（SOP）。理想情况下，无人化工厂完全可以实现自主化运营，前提是设备等运行可靠性高，人唯一的作用就是例外管理。但实际上工业企业数字化转型是一个漫长的过程，所以企业必须要对可能的隐患点进行识别并建立相应的SOP。
第二，企业价值增长模式的改变。南京钢铁近些年在中国钢铁冶炼行业中的综合竞争排名一直在提升，黄一新董事长提出未来把南钢打造成科技型企业的战略目标，当时部分人员并不太理解，钢铁企业一直予人“傻大黑粗”的传统企业形象，好像与科技型企业并不沾边。黄一新董事长给出的解释是“数字技术能够重塑甚至颠覆传统企业，传统企业嫁接数字技术是可以成为科技型企业的。”
传统的经济增长模型有赖于资本、人力、技术等三大要素，数字技术可以大大弱化人力要素的贡献，而且数字技术产品的边际成本越来越小甚至趋于零。美国有一个统计数据，自20世纪80年代初以来，全球劳动力份额出现明显下滑，美国劳动力占比GDP的份额已经从1947—2000年的平均64.3%降至2010年的57.8%，而企业利润占GDP的份额却在上升。另有数据显示：美国近20年来，企业的资本报酬率愈来愈高，简而言之，就是资本获得的回报越来越多，实体资本投资人获益颇丰。
可见数字技术不仅可以重塑传统企业，而且可以改变资本市场对传统工业企业价值的重新认知，就像近期特斯拉的市值差不多是全球最大车企丰田的1.7倍，原因不在于特斯拉是新能源汽车，而在于它拥有的数字技术可能产生的巨大价值。因为可以说，工业企业的数字化转型最终的受益者主要是资本投资人包括人力资本所有者。
第三，组织管理体制的改变。传统工业企业的现场管理仍受泰勒科学管理思想影响至深：专业化分工太细导致车间数量多、职能层级多、“部门墙”厚、信息孤岛多。有家工业企业的计划管理人员就告诉我们说，“公司每天的调度例会大部分时间浪费在部门信息不对称的问题上”。而数字化工厂未来现场管理职能只有运行控制、设备运维和例外管理，而且现场管理边界将会延伸至产供销一体化，即生产计划、原料计划和销售计划三大专业管理都将汇聚于现场统一管理。当然未来数字化工厂的生产集中化程度主要受制于产线边缘云计算的算法成熟度，即CT、IT、OT的融合程度。
所以未来工业企业数字化转型不仅会带来生产组织的扁平化，而且大运营、大维修的组织模式也呼之欲出。大运营首先要实现销售计划、物料计划、动力保障计划、生产计划、产线状态和产品质量几者实时数据源的融合；大维修首先要实现设备监控系统（MMS）和综合维修管理系统（IMMS）的数据融合。
正如南钢董事长黄一新预言：“数字化技术赋能的工业产业互联网风口已经来临，但是工业产业的互联网巨头尚未出现，会不会来自传统制造行业？极有可能！”