博世：工业4.0 之路上的实践与探索

博世对于工业4.0 的定义

      工业4.0 的四大阶段

提到工业4.0，认知比较普遍的可能是4 个工业阶段

1.     工业1.0 阶段――机械化，以蒸汽机的发明为标志，用蒸汽机取代人力；

2.     工业2.0 阶段――电气化，以电力的广泛应用为标志，用电力驱动代替蒸汽驱动；

3.     工业3.0 阶段――自动化，以PC 的应用为标志；

4.     工业4.0 阶段――互联化，以互联网的诞生为标志。

.     博世在实践中对工业4.0 概念的界定

工业4.0，这一概念最早由德国国家工程研究院提出，博世从2013 年开始参与工业4.0 标准的制定，现在博世也在积极地实践、推动工业4.0。

虽然对于工业4.0 的定义众说纷纭，但博世结合自身的实践，已经形成了一套对工业4.0 的理解，这些概念主要包括:

1.     工业4.0 是一个物理世界和虚拟世界的信息技术及互联网融合的工业生产系统。

2.     工业4.0 是人、机器、物体、系统的互联，互联后它们能够以动态的、实时的、自适应的方式来沟通。

3.     整个互联的、智能的生产系统从整个价值链上看：从供应商端到企业，到客户端，能实现互联。

4.     该系统能够实现：企业能够以高质量的和非常灵活的方式以及最优的资源配置，来为客户提供定制化的生产和服务。

        博世对工业4.0 的7 大特征的定义

        快速的整合能力和灵活的配置。

        开放的标准

        分布式智能

        虚拟世界的实时映射

        价值链上的网络安全

        数字化的产品寿命周期管理

        以人为中心

博世工业4.0 规划

.         愿景与蓝图

对于工业4.0 的实现，博世也仍在朝这一方向探索与迈进，现在已经形成了两个发展的大方向和策略：

.         要做实践者。即要去实践工业4.0，博世希望通过全球200 多个工厂应用4.0 来实现提高效率、减少库存、让客户更满意、质量更好的目标；

.         成为工业4.0 的供应商。博世拥有完善的硬件与软件，以及服务和解决方案的部门。博世可以为企业提供完整的工业4.0 解决方案。博世专门成立了一个独立的事业部- 博世互联工业，来为内外部客户提供工业4.0 相关的产品和服务， 包括工厂参观，培训，诊断和咨询，以及以Nexeed 为品牌名的软件方案。

.         实现步骤规划

大的蓝图和愿景的实现尚待时日，各工厂和业务部门有各自不同的路线图。以苏州工厂为例，博世苏州工厂希望能在未来5 年初步地把工厂打造成数据驱动的工厂，要实现这一目标，目前博世仍分“三步走”：

✓ 第一步――数字化。这一步将推广无纸化，积累数据，并将流程透明化。

✓ 第二步――互联化。在这一步要打破数据孤岛，建立供应链上统一的数据平台。

✓ 第三步――智能化。利用收集和整合的数据，开发智能解决方案，挖掘数据价值。

博世工厂在人工智能上的应用

          博世对人工智能特征的理解

人工智能是工业4.0 很重要的技术之一，工业4.0 往智能化发展的过程中，势必会涉及人工智能技术的应用。结合博世苏州工厂的实践，人工智能有以下的几个特征：

1.     人工智能的基础是数据，需要大量结构化的、质量好的数据；

2.     人工智能是基于计算的，计算包括算法和算力；

3.     人工智能还要与环境、人、物形成一定的感知与互动；

4.     人工智能要有学习和适应能力。

.       人工智能在苏州工厂中的场景应用高级数据分析：数据分析有四个维度，由低至高分别为：

.       描述性：发生了什么

.       分析性：为什么发生

.       预测性：什么会发生

.       指导性：我能做什么

.       

在生产领域，大部分情况下还处于分析的维度，数据分析要达到最高阶段需要人工智能的助力。如：现在在生产过程中出现质量问题的时候，工程师会收集、分析数据，再人为地制定相应措施去解决这个问题。如果到达“指导性”的数据分析维度，企业便会生成一定的模型，这个模型可以搜集从供应商到生产端的数据，根据收集的数据形成建议――“结合物料和设备的情况， 这批产品的质量可能存在问题，为了避免生产结束后才发现这些问题，建议把机器的参数做一定的调整，流程进行相应的优化， 经过这些措施后产品的质量就会有所保证。”该模型可以自主地分析、预测和做决定，工程师只需要做最后的确认并执行即可。高级数据分析工厂中会有很大的应用空间，包括所有的质量问题、问题的解决、流程优化，从而大规模减少企业技术员、工程师的工作量。

其他场景还包括：计算机视觉，RPA( 机器人流程自动化)， 语音识别和自然语言的处理等等。

博世工业4.0 过程中的挑战

.         挑战之一来自于策略，人工智能的应用不仅仅需要技术，也需要策略，因为它还涉及人员的技能、业务模式、生产方式、组织架构调整等。策略上的挑战具体包括： 从何处下手，企业当前的痛点是什么，技术如何更好地解决这些痛点。

          投资和回报的冲突，人工智能的实现需要很大的投入，并且回报并非立竿见影，因此对于决策层来说存在挑战。这便需要平衡投资和回报，明确哪些事投入带来短期效益，哪些需要等待长期的回报。

          ♦ 第二大挑战便是人才，这对于所有做人工智能的企业来说都是极大的挑战。这些人才主要是两类： 大数据和人工智能专家，这些人才在市场上处于稀缺的状态，且市场价值很高，即使投入很多成本聘用了，又该如何进行留用是另一个挑战；

          业务领域专家，AI专家无法直接解决业务问题，因此需要有懂业务的“翻译人员”，这一人员需要同时具备业务和工厂的知识，复合型跨领域人才。企业普遍缺乏这样的人才，而且这样的人才往往需要企业自行培养。

          ♦ 第三大挑战便是数据，数据是一切的基础，但是当企业尝试去做人工智能的一些应用的时候，常常会发现数据不够，或已有的数据质量不高等，所以可能在前期需要花费大量精力来处理数据。

工业4.0 对劳动力管理带来的影响

          对于劳动力管理的定义

传统看来，劳动力管理的定义可能是人力资源的招聘、劳动关系的管理、合同管理等。然而，劳动力管理在增加一些新的内容，即在工厂中，劳动力管理还会有关于劳动力技能的管理（如：适应市场和变化的能力，领导力的培养等）、意识和理念的管理等。

          对劳动力管理带来的具体影响劳动力需求的减少：过去的企业生产劳动密集程度高，现在随着自动化、智能化的普及，产品的更新换代，企业对劳动力的需求大幅减少。但同时也是劳动力角色的转换，就是企业会需要很多新的角色，如：增加维护保养机器的角色等。

          对于劳动力技能的要求发生变化：员工需要去掌握新的技术。过去工程师可能只需要进行机器维修维护，但现在，工程师还需进行数据分析及生产系统的维护和配置等。对蓝领工人企业过去只是需要操作，但是现在企业还要求工人要懂机器基本的维护。