搞技術的人要善于把握細節。有些細節把握不好，就會成為阻礙前進的“壕溝”。磚家的毛病，就是不懂細節。把握細節的辦法之一，就是去總結歸納事物發展的線索。這些線索的本質，就是實際發生的路徑。然而，復雜事物往往會沿著幾條線索并行發展，它們可以給人們提供更多的觀察角度。這些線索的交叉，又讓我們認識到更多的細節。從而便于推進企業數字化轉型的頂層設計。
數字化轉型發展的過程就比較復雜，我們有必要從幾個線索及其相互關系來認識它。下面我總結了三個視角、或者說三條線索。工信部兩化融合專家組組長王安耕先生曾經研究了數千份兩化融合的報告。他發現：兩化融合往往是沿著信息集成的脈絡展開：從部門內部使用拓展到部門間的協同，從企業內拓展到企業之間。例如，銷售、生產、采購和財務就是最常見的一條線索。這條線索的背后是業務邏輯：銷售接到訂單以后，需要知道什么時候能夠安排生產、是否需要安排采購、還要準備好采購的資金。任何一個環節掉鏈子，都會對企業產生不利的影響。王先生的觀點與工業4.0的“三個維度的信息集成”不謀而合。只是工業4.0提出的線索更加具體一些。計算機存儲資源稀缺時，很多工作就難以在計算機上進行。比如，計算機存儲量能力小時，數字化的協同設計就比較麻煩；生產設備數據不會采集上來，某些生產協同就難以用計算機來做。隨著數據成本的下降和云大物等技術的應用，復雜產品設計可以數字化、復雜生產過程仿真也可以數字化。在這樣的平臺上，我們就比較容易地推進工業APP和數字孿生等技術；CPS和數字孿生的思想也可以拓展到工廠級別。設備數據采集、傳輸的密度增加后，管理和控制的融合也就進入了新的時代。GE工業互聯網的思想就體現了這樣的趨勢。在筆者看來，工業互聯網三要素（智能的機器、高級算法和工作中的人），可以理解為“重構人和機器的界面”，也可以理解為“管理與控制的融合”。計算機做決策的前提是信息和知識的完備性：計算機必須獲得做決策的必要信息，才能做決策。受完備性的影響，過去的智能決策（自動化）往往限于小系統，如設備、閥門級的系統。前面談到的兩條線索，使得計算機能夠獲得更多的信息和知識等決策要素。所以，前面兩條線索的發展，促進了計算機的智能決策。這時，智能決策開始針對復雜大系統了。但決策機制往往是筆者所謂“吳淑珍式的智能”——用及時、準確、完備的信息加上簡單的決策規則進行決策。促進智能決策發展的技術還有兩個：一個是大數據帶動認知能力的提升，典型的就是圖像識別。第二種是借助數字化手段利用經驗性知識：把實踐中好的做法記下來，下次遇到相同的情況就去用。特別需要指出的是：企業是難以完全實現智能決策的。因為機器是無法完全替代人的作用的。所以，在可以預見的未來，人機界面的重構、讓機器幫助人決策，是智能化的主要方向。三條線索的發展有一定獨立性：網絡的發展推進第一條線索，大數據的進步推動了第二條線索，信息和知識的完備性推動了第三條線索。但是，三條線索之間又是互相關聯的。比如，互聯網帶動了大數據，而大數據技術有促進了互聯網的應用；大數據和互聯網提升了信息的完備性、進而促進了智能決策，而智能決策又為大數據和互聯網應用創造價值。我們還注意到：這三條線索與中國工程院智能化發展的三個范式（如下圖所示）是非常接近的。但在筆者需要強調：智能化發展的關鍵往往不是算法，而是決策要素的完備性和價值。
需要特別指出的是：推進三條線索進步的，不僅是數字化技術，還有其他與經濟相關的因素。比如，勞動力成本上升以后，會推動自動化程度的提高；而自動化程度的提高，會讓數據采集變得容易。再比如，針對個性化小批量市場的企業，生產組織的困難度比較高，就比較容易推動網絡化協同、數字化設計。再如，客戶對產品質量要求高了以后，會對管理提出更加嚴峻的要求，這是有利于推動管控一體化。所以，推進數字化轉型，首先是CEO的事情，其次才是CIO的事情。
當前位置：
返回
