智能制造能力成熟度模型|智能制造成熟度模型与实施路径
智能制造能力成熟度模型(智能制造成熟度模型与实施路径)
在笔者看来 , 作为制造企业的愿景和目标 , 智能制造的本质不只在于企业的产品或服务的竞争力(企业之“用”) , 更在于企业作为一个系统的生态存活能力(企业之“体”) , 即企业适应环境和市场变化的能力 。在智能制造时代 , 企业要能够敏捷执行和实时变化 , 要能够自学习和自适应 。“学习型组织”是彼得圣吉对优秀企业的要求 , 不过他主要指的是企业中的人、组织结构和企业文化;智能制造则把自学习、自适应的能力要求扩充到企业的整个系统 , 包括人、组织、文化、技术、流程、资源、设备、工具 , 等等 。具体来说 , 就是运营技术(Operation Technology , OT)、信息技术(Information Technology , IT)、通讯技术(Communication Technology , CT)、人和组织等四者的融合 , 以及融合之后的自学习和自适应 。
(1)进化阶段和路径
企业系统从无知、混沌的状态到自学习、自适应的状态 , 是从无序到有序 , 从懵懂到明智的进化过程 。从企业数字化转型和智能制造建设的角度来看 , 这个过程大体可以分为五个阶段:互联化、可视化、透明化、可预测和自适应 , 这也可作为企业智能制造的建设路径 。
图1:智能制造的进化阶段和路径
在互联化阶段 , 企业系统的各个要素及运行都可用数字来表达 。在信息化时代 , 业务的数字化显现主要通过手工录入来完成 , 在数据的准确性、完整性、及时性方面都有一定的缺陷 。面向智能制造时代 , 通过物联网和人工智能(图像识别、语音识别等)等技术的应用 , 理论上讲 , 业务的数字化显现工作可以自动完成 , 数据在准确性、完整性和及时性等方面有了指数级提高 。
在可视化阶段 , 企业系统的数字化显现被赋予了业务意义 。在信息化时代 , 业务的可视化主要以交易或记录为中心 , 以统计学技术来表示业务运营的特征 , 比如总量、最大、最小、平均、中位数、环比、同比、TOP N , 等等 。面向智能制造时代 , 随着云计算技术的发展 , 企业更注重业务发展轨迹的变化 , 数字主线和数字孪生成为了业务可视化的新型展现方式 , 并使业务远程管理等业务场景成为可能 。
在透明化阶段 , 关注的是企业系统各要素之间的关系 , 以及企业业务运营和变化的背后 , 因果关系的寻求 。在信息化时代 , 企业能够得到的主要是业务变化的“How” 。面向智能制造时代 , 随着数据数量和质量的大大提高 , 以及高级分析技术的发展 , 企业更关注业务变化的“Why” 。有了对企业系统中因果关系的清晰认识 , 就可以做制造运营的仿真和优化 , 从而实现精益制造 。
在可预测阶段 , 关注的是业务运营的未来变化 , 以便于企业提前做好应对 。在信息化时代 , 企业对业务变化的预测主要是通过统计学方法来实现的 , 比如SPC(统计过程控制技术)在制造管理中的应用 , 其在适用范围和准确性等方面还有很大的局限 。面向智能制造时代 , 随着机器学习等技术的发展 , 可供应用的预测技术更加多元化 , 线性回归、神经网络、决策树、支持向量机等技术在制造业都可以找到其适用场景 。
在自适应阶段 , 企业系统的运营已经实现了高度自主 。作为智能制造的高级阶段 , 企业系统可以根据环境的变化做出实时调整 , 并根据应对措施的效果反馈进行自学习和算法优化 。在自适应阶段 , 智能制造的表象就是少人化 , 甚至零人工干预 , 并实现柔性制造和自主制造 。
(2)组织范围和能力要求
根据企业系统智能化的五阶段划分 , 对于不同的系统要素 , 其所处的阶段是不同的 。为了对系统要素的智能化程度有个更具体的认识 , 以便于后续的改进优化 , 本文从四个维度、九大视角来对组织范围和能力要求进行划分 , 即资源维度 , 包括资源的数字化映射和结构化沟通;技术维度 , 包括数据处理和信息集成;流程维度 , 包括纵向的执行链 , 端到端的产品链和资产链 , 横向的价值链;文化维度 , 包括变革的意愿和社会化协作 。
- 聪明却孤单的孩子:利用“执行功能训练”提升孩子的社交能力读后
- 沉淀自己,是一个人最了不起的能力
- 把生活变美,是一种能力
- 四川|2021四川省制造业企业100强企业榜单,四川制造业企业百强企业榜单
- 《起飞:飞机是怎样制造的》的读后感大全
- 个人能力的自我评价格式怎么样?
- 机械设计制造及其自动化求职信写法怎么样?
- 如何培养孩子的时间管理能力心得体会怎么写?
- 大学生社会实践能力自我评价怎么写?
- 光纤入户设备的广告词怎么写?