作者：张文豪 贲霖 来源：知识自动化
本文主要是探索工业转型升级过程中所需要的成熟度评估方法，分为上中下三篇。上篇通过对一些德国、美国及中国有代表性的的评测模型进行分析；中篇探讨性提出对评测模型的改进；下篇结合具体评测实践，从而提升企业的核心能力，实现可操作的落地。本文为上篇。
进入成熟度的世界
在新一轮转型升级过程中，中国的制造业工厂首先就面临一个问题需要回答：什么样的制造能力可谓智能制造，以此为参照，我们目前的制造能力处于什么水平？这就是所谓的智能制造能力成熟度评估SMRA（smart manufacturing capability maturity/readiness assessment）或者是智能制造能力就绪度评估（以下简称成熟度评估）。
目前各种智能制造/工业四能力成熟度评测模型（以下简称成熟度模型）陆续出现，其中既有一些学术/工业组织团体研究开发的模型，也有一些公司根据自身的理解和技术背景推出的模型。所有这些模型目前基本都是德国和美国两个制造强国所推出，在他们工作的基础上，2016年9月，中国电子技术标准化研究所提出了《智能制造能力成熟度模型白皮书1.0版》。一年以来，成熟度模型研究领域发展变化非常迅速，出现了一些更新的评估模型和方法。今年中国电子信息产业发展研究院软件评测中心也推出了“企业智能制造核心能力评测参考模型”，给出了更为细致的描述。
在该领域由于第一，智能制造能力的定义不一致；第二，成熟度评估方法科学系统性不一致。而且也都立足于各自国家/公司的基本情况，造成各种模型水平参差不齐，让国内智能制造领域莫衷一是。
成熟度模型
成熟度模型Maturity Model是对于一个组织面向持续改善在特定领域内的某种能力发展程度的度量。越高的成熟度意味着组织在该领域内将失误转化为进步的能力越强。成熟度模型基本是一种定性分析，将成熟度分为若干个由低到高的级别。低级别通常是高级别的基础，且不能跨越式发展。
成熟度模型是一种指导性的模型构建，以其为基础，衍生出各个领域不同的成熟度模型，包括：能力成熟度模型、业绩管理成熟度模型、商务流程成熟度模型、质量成熟度模型、供应链成熟度模型等。而智能制造能力成熟度模型是一种能力成熟度模型。
能力成熟度模型Capability Maturity Model，简称CMM，是美国国防部支持下由美国卡耐基梅隆大学成立的软件工程学院SEI首先开发的，用途是协助美国国防部等政府单位进行重要软件外包作业时，作为分析软件厂商开发能力，以及评选合格软件承包商的工具。
流派大放送
智能制造能力成熟度模型是在CMMI的基础上建立起来的。尽管一些工业国家和组织都推出它们各自的智能制造/工业四能力成熟度/就绪度模型，其基本思想和途径没有什么区别，都包含智能制造/工业四参考模型、能力成熟度模型以及度量定义。不同点在于，对于智能制造/工业四能力的理解和侧重点不一样，评估的内容也不尽相同。
目前，成熟度模型主要有以下两类：技术联盟或者协会组织研究发布的，或者公司发布的。它们分别是：
1.工业四成熟度指数，2017年，Acatech推出；
2.《企业智能制造核心能力评测参考模型》，2017年，赛迪软件评测中心；
3.Smart Manufacturing System Readiness Assessment智能制造系统就绪度评估预研报告， 2016年， 美国标准技术研究所NIST发布（但不代表NIST正式观点）；
4.智能制造能力成熟度模型白皮书1.0，2016年，中国电子技术标准化研究院；
5.工业四/数字化运营自评，2016年，普华永道德国；
6.IMPULS-工业四就绪度，2015年，VDMA及RWTH Aachen等推出；
7.中小企业实施工业四指导原则，2015年，VDMA Verlag推出；
8.互联企业成熟度模型， 2014年，Rockwell公司；
图1：各个模型的发布
来源：作者自绘
另有德国IPRI和IPH的4.0 Ready模型（德文版）尚在开发中，此外，还有University of Applied Sciences Upper Austria的I4.0 Reifegradmodell德文版等诸多小规模的模型百花齐放。
德国最新流派
Acatech的工业四成熟度指数，参见《评测你的工业4.0 | 成熟度指数三部曲》。对待这些新领域的新指数，我们一定要严谨考察其基础和方法。首先，Acatech工业四成熟度指数的副标题是：对于公司数字化转型的管理。也就是说，工业四在此文中限定为数字化转型。工业四是否等于数字化，什么样的情况下等于数字化，这是一个可以讨论的问题。
其次，数字化转型的目的是实现“敏捷”企业，从产品研发到生产到客户服务到市场变化等全方位实现快速响应。所以，该指数在工业四这个大范畴下限定为“如何引导企业成为敏捷和学习型企业”。
第三，成熟度指数的工业四参考模型在原文中简略提到，是德文版的Strategy and management of producing companies，第一册 生产和管理手册中的“Production and Management Framework”，该框架将一个企业的内在方面分为企业构架、企业流程和企业发展三个方面。
基于这三个方面，将企业构架分为四个结构面：资源、信息系统、文化和组织结构；每个结构面两个原则性企业发展方向；每个发展方向下属若干能力评估项。
企业流程分为五个功能域：开发、生产、物流、服务、市场和销售。能力成熟度按照数字化转型的阶段模式分为六个高低级别：计算机化、互联、可视、透明、预测能力和全适应。这四个结构面、两个原则发展方向/每结构面、五个功能域、六个能力级别进行一定的组合，形成对于企业工业四成熟度的评估指数（一个非常概要的说法是“二三四五六”）。
具体评估执行办法简要来说是这样的：每个企业的数字化成熟度（工业四成熟度）从四个结构面进行评估，每个结构面有两个评估原则，每个原则下属若干性能评估项。每个评估项从五个功能域分别进行六个数字化转型阶段考察评估。详见图2。
图2：Acatech的工业四成熟度指数的模型框架
总体来看，Acatech的模型构架优美，系统详尽，有智能制造参考模型、有能力模型、有评估模型，非常完整。但是，四个结构面是一种通用模型，并非类似工业四的RAMI参考模型，具一般性但却有失针对性；评估模型的各阶段其实是数字化转型能力，这个也有待商榷。
美国智能制造就绪度最新研究
美国国家标准研究院NIST的智能制造就绪度水平Smart Manufacturing System Readiness Level（SMSRL）本质上是对企业ICT技术整合就绪度的评估模型。据称SMSRL是基于FDI参考模型，FDI全称是Factory Design and Improvement (FDI) reference-activity mode，也是SMSRL的作者为NIST所进行的一项智能制造工厂设计的标准途径的工作，主要是智能工厂设计的活动模型（Activity Model，如图3所示）。
图3：FDI活动参考模型
图3NIST展示的FDI活动参考模型，因此，SMSRL评估的对象是生产制造系统。
美国标准技术研究所NIST也在进行智能制造系统就绪度评测模型（简称NIST模型）的工作，根据目前了解的情况，其进展落后于德国，而且其范围聚焦于制造系统，而不是类似德国的工业四或者数字化企业转型。也就是说，美国的评测模型着眼于技术手段的成熟度而不是企业构架的整体。强调一下的是，这些工作虽然由美国NIST给予了资助并发布在NIST官方网站上，但是，NIST并未将这些工作作为它认可的公开观点或者结论。
SMSRL评估模型如图4所示，主要考察组织成熟度、信息系统成熟度、绩效管理成熟度和信息互联成熟度四个方面。每个方面，又分别由以下一个或者数个子方面进行考察：流程、人事、软件系统、输出数据格式、关键绩效指标、关键绩效指标关系。
图4：SMSRL评估模型
度量的标准如图5所示。分为6个等级，每个等级有分值0-9。
图5：SMSRL智能制造成熟度等级
SMSRL模型还非常粗略，也过于简单，衡量的指标不能说全面。虽然NIST也同样初步开发了智能制造参考模型（参见Current Standards Landscape for Smart Manufacturing Systems、 Yan Lu等），但SMSRL模型并未以此为基础，而是基于FDI活动参考模型（该模型为SMSRL的相同作者）。但是，其从工厂规划和设计的角度来阐述智能制造能力成熟度确实不失为一种独特，可借鉴的视角。
中国能力成熟度的进展
在中国有两个模型的发展，值得关注。一个是电子标准研究院在去年推出的能力成熟度模型。该模型以《国家智能制造标准体系建设指南（2015年版）》中智能制造系统架构为参考模型，提出生命周期、系统层级和智能功能3个维度，参见图6。对智能制造的核心特征和要素进行提炼总结，归纳为“智能+制造”两个维度，最后展现为一维的形式，从设计、生产，一直到资源要素、新兴业态等10大类核心能力以及细化的27个域。模型中对相关域进行从低到高5个等级（规划级、规范级、集成级、优化级、引领级）的分级与要求。根据使用者的不同需求，可分为整体成熟度模型和单项能力模型，参见图7。
图6：智能制造系统架构
图7:智能制造能力成熟度模型1.0
图8:智能制造能力成熟度
该模型基本逻辑严密，条理清晰。还给出了完整的评测案例来说明如何实际运用该模型，这是其他模型都不具备的。然而，本文认为，该模型的设计仍然有一些可商榷之处，例如图9。
图9：企业整体能力成熟度等级
这是白皮书原文中给出的企业整体能力成熟度等级，非常明确，所谓“智能维度”其实本身就是一个智能能力的等级。一个基础维度本身就有等级，这个容易引起逻辑上的混淆。本文认为，能力成熟度模型的维度、类和域应该是企业各方面待评价能力的层级分解，本身不应具有成熟度属性。
另外，从模型的“制造维”来看，这是工厂的核心业务流程，但事实上，一个工厂的运营是否成熟，还取决于其“管理流程”和“支撑流程”，比如，标准与体系的管理、财务管理、变革管理等。这些业务流程在模型中未被提及。
另外一个是中国软件评测中心推出的智能制造评测模型《企业智能制造核心能力测评参考架构》，其参考架构从产品竞争力和供应链竞争力两个视角出发，在企业的不同结构层级中，考量工业物联网对精益制造的赋能，结合人、战略等其他要素配置情况，综合评价企业智能制造转型核心能力水平。如图10所示，该模型将制造企业解构为三个基本维度：一是企业组织；二是供应链；三是产品。其中，对于to C模式为主的行业，如消费品制造行业，产品更新频繁，需要以用户的使用体验为导向，及时调节产品的研发及工艺规程。因此该类产品的使用/服务环节对市场环节具有反馈，并且在设计、工艺规划、生产工程这三个环节形成一个快速迭代闭环。
图10：核心能力评测参考架构
在评测的实施方面，该模型将产品生命周期和供应链的各个环节及环节间的交互，分别映射到企业结构的不同层级，并独具匠心地引入了测评元胞的概念，在每一个映射单元中，均按照元胞的拓扑结构，以质量、成本、准时和环保四个方面协同发展为目标，将传统的全面质量管理五要素“人机料法环”拓展到成本、准时、环保的管理上，秉承持续改善（Kaizen）思想实施PDCA循环，进行具体分析和评估，从而使测评内容能够从工厂的实践出发，体现了整体持续发展思想，易于落地实施。根据以上参考架构，该模型归纳提炼了8大能力测评单元，包含30个测评模块，如图11所示：
图11：评测单元模块
模型三板斧小结
基于对各种智能制造成熟度模型以及相关模型的调研，智能制造能力成熟度模型应由以下要素组成：基础，需要给出一个智能制造的定义及参考模型（reference model）；其次是能力模型，即智能制造的能力有哪些待考察要素组成；最后是等级，也就是能力如何衡量。
此片为中篇，探讨性提出对《智能制造能力成熟度模型白皮书1.0》评测模型的改进。
成熟度参考模型
在本文的上篇中，我们系统的分析了近年中、美、德各国出现的智能制造成熟度模型，最终聚焦在《赛迪企业智能制造转型核心能力测评模型参考架构》之上，如图1所示：
图1：赛迪企业智能制造转型核心能力测评模型参考架构
本篇以此为起点，提出对优化该模型的一些思考，以期为建立更科学的智能制造成熟度评测模型提供参考。所有的思考都要从认清制造的本质出发，在企业运营活动范畴来理解生产制造活动的内涵，进而理解什么是智能制造。在此基础之上，对智能制造的具体实施形式进行归纳和抽象、拟出实施智能制造的主要赋能技术和主要信息，最后，综合上述思考提出一个优化的智能制造成熟度评测参考模型。
参考模型是某个特定环境中的基本元素（实体）及其关系的描述。例如，TCP/IP通讯协议四层参考模型。最小子集的统一概念，公理，和关系；独一于具体的标准，技术，实施等细节。提供一种沟通的共同语言，得以正确理解模型对象的重要特征。
回归制造的本质
制造是将信息与物料融合，在信息的指导下，通过价值链各个环节，实现物料熵减、创造客户价值的一系列企业运营活动。
信息包括：客户需求、产品设计、工艺设计、生产计划及排程、采购计划、质量标准及检验方法等，构成了制造的虚拟世界。
物料熵减的过程包括：客户需求转化成样机、物料转化成产品、设备按一定布局组合成产线或车间、成本被有序的分配到各个环节、订单转化成现金流、人员竞争力及客户满意度提升等消耗能量提高有序度的过程，构成了制造的物理世界。
可用借用图2来理解该本质：
图2：数字化双胞胎
虚拟世界也可称为“比特的世界”，物理世界也可称为“原子的世界”。
对于物料流经价值链各个环节的本质，精益生产中的价值流图给出了很好的描述，其基本结构如图3所示：
图3：比特与原子的两大流动
认清制造的本质，能为我们理解智能制造能力成熟度的基本构成，提供重要的依据。
在企业运营活动中理解制造
企业经营的目的是获得利润。制造，本身不是目的，而是实现价值进而获得利润的途径。
在认清制造的本质之后，还必须在企业运营活动的范畴来理解制造。这时，我们会发现，除了制造过程本身、其实还有很多活动在影响这制造，比如：ISO或IRIS等特定的行业标准、企业从国内市场进入国际市场的决策等，再比如：对制造过程的质量管控、劳动力资源的发展、制造环境的健康和安全等。
从这个角度，我们可把和制造相关的企业运营活动归纳为图4：
图4：业务管理与支撑活动
☆ 业务管理活动包括：战略规划及管理、财务计划及管理、内外部审计及审核；
☆ 产品实现活动包括：市场与销售、研发与设计、生产、物流、服务；
☆ 运营支撑活动包括：质量工程、人力资源管理、流程与信息管理、环境健康与安全。
从企业运营的角度来理解制造过程，有利于我们在设计智能制造成熟度评测模型时，能有更全面的视角。赛迪现有模型中的评测单元（如图5），要解决的正是这个问题。
图5：赛迪模型的评测单元
只是，我们应该对这些评测单元进行分类归纳，并识别出不同类别活动的特征内容，进而对这些活动的特征内容的智能化程度进行评测。
智能制造的认识
在认清制造的本质、并在企业运营的范畴理解了制造的相关活动之后，我们再来理解一下什么是智能制造。
美国清洁能源智能制造创新研究院（CESMII）在其发布的2017年到2018年的建设路线图中给出了对智能制造的定义：
智能制造（SM）一系列涉及业务、技术、基础设施及劳动力的实践活动，通过整合了运营技术和信息技术（OT/IT）的工程系统实现制造的持续优化。
该定义体现了智能制造最终是为业务服务的观点，提到了“劳动力”的实践活动，显然，智能化不是简简单单的“少人化”，最后，该定义把智能制造落足到“持续改进”之上。（感兴趣的读者可参阅笔者的另外一篇文章：美国智能制造的路线图）
所以，智能制造是一种能力，使得适当的信息，适当的技术，在适当的时间，以适当的形式，可为适当的人群所用来在制造过程的整个价值链中进行高效准确的决策（smart决策）。
与此对比，精益生产的实质是：以尽可能小的成本、在尽可能短的时间内、尽可能平稳的生产出、质量尽可能高的产品。
可以看出，这两个归纳有一些相同之处。因为，不管精益生产、还是智能制造，都是一种手段、一种服务于制造本身的手段，而制造是服务于企业运营的持续改善的。
但智能制造之不同于精益生产，在于这是两套不同的方法论及工具集。精益生产在“及时交付”和“自働化”两大支柱上建立起了其成套的方法论体系，而智能制造在IT和OT的融合上形成了其特定的路线图和工具集。如图6所示：
图6：IT、OT与精益屋
可以发现，这两套方法论的结构，有惊人的匹配之处。这是制造的本质决定的，也就是说，不管使用什么手段，都需要解决信息流和物料流协同工作的问题。
这也是为什么我们在实现智能化转型的过程中，总是会用到精益生产方法的原因所在，但必须再次强调，精益生产和智能制造，是两套不同的方法论和工具集。
智能制造赋能技术
在精益生产中，有很多工具的应用，标志着精益生产的实施程度，诸如：5S、SMED（快速换模）、VSM（价值流图）、Kanban（看板）、Heijunka（荷均卡）、Milk Run（循环送料）、Andon（安灯）、Poka-yoke（防呆）、Mizusumashi（水蜘蛛）、Ergo JIG Samurai（武士刀架）等。使用了这些工具、不等于就实现的精益生产，但它们会在一定程度强化精益生产的实施。
同样，在智能制造中，也存在一些技术，使用了这些技术不等于就实现了智能制造，但它们会在一定程度加强智能制造的实施，我们把这些技术称为：智能制造的赋能技术。
按CESMII对智能制造的定义，这些赋能技术可分两大类，比特领域和原子领域。可以简单地看作两种技术。
一种是智能制造中的关键 OT
OT是全称是：Operation Technology运营技术（参见“工业百条：运营技术” ），Gartner公司对OT技术的定义是对企业的各类终端、流程和事件进行监控或控制的软硬件技术。本文希望扩展一下其含义，因为在企业的实际运营中，有一些方法论及工具，也对企业的卓越运营有着重要的影响，比如：QFD（质量功能展开）、DFX（面向X的设计）、DFMEA/PFMEA（实效模式分析）、MSA（量具分析）、SPC（统计过程控制）这类已为很多世界500强企业所熟知并广泛应用的方法论和工具，国内的很多企业对这些方法论和工具的应用尚未成熟。当然，按Gartner的定义，OT里面应还包括智能机床、工业机械手、智能物流设备、数据采集设备、实时控制设备等直接作用于制造过程的技术。
一种是智能制造中的关键 IT
IT技术从CAD/CAE/CAM到MIS/ERP，早已在国内得到了广泛的应用。所不同的是，在智能制造领域内，出现了一些新的IT框架系统，比如：OPC UA、工业互联网平台使能技术等。与此同时，为提高制造过程信息传输的实时性和安全性，近年推出了新的工业以太网协议TSN。最后，这些技术整合在一起形成了赛博物理系统，并在工业大数据技术之上形成了给制造过程赋予了智能化的元素。
上述赋能技术，可作为实施具体的智能制造成熟度评测时的参考。更多的赋能技术、以及赋能技术在成熟度评测中的权重，需要在评测的实践中不断探索、优化，也即：智能制造成熟度模型本身也是持续发展的。
制造过程的关键信息
重新回到制造本身，再来看看制造过程的关键信息，因为这些关键信息将驱动整个制造过程的运行。这些关键信息包括：
1.What，企业提供什么产品，对应：产品研发与设计的相关信息；
2.How，企业如何提供产品，对应：产品工艺、制造工程等相关信息；
3.How Many，企业生产多少产品，对应：订单、产量、库存等信息；
4.When，企业何时进行生产，对应：生产计划与排程的相关信息。
抓住这些基本信息，就能抓住一个制造型企业的整体运营状况，这是在实施评测的初期应去了解的信息。
因为这些信息驱动了制造过程的运行，智能制造中不管是OT还是IT，其实为这些信息的有效流转提供服务的，。抓住这些信息，还有利于更好的理解智能制造的赋能技术和制造过程是否得到了有效的结合。
本文提出识别制造过程关键信息的目的，不是为了分析成熟度评测模型，而是为了强调评测实施人员应具备的知识储备。全面而清晰的了解这些信息的基本流动模式，才能有效的和评测对象（制造型企业）进行对话，才能灵活的运用评测模型、给出客观而令人信服的评测结论及建议。
更新后的参考模型
综上所述，我们归纳出了如图7参考模型：
图7：建议的成熟度参考模型
首先，制造过程的信息流，从接到订单开始，历经产品设计、工艺设计、生产规划、制造工程等环节，进入生产执行闭环；与此同时，制造过程的物料流从采购开始，历经转运、存储、分发等环节，也进入生产执行的闭环。而后，信息流和物料流交汇，在制造过程中进行物料和信息的融合，实现熵增的过程，创造出价值，最后，物料承载着信息，以产品的形式交付给客户，企业继续提供各种服务直到产品推出市场。
在信息和物料交汇之前，数字化双胞胎为在不同阶段为信息和物料的交汇提供着各种支持，包括：产品设计期对原材料采购的确认、产品设计与工艺设计的同步、生产规划中的工艺布局、制造过程的自动化设计、厂内自动化物流的实现等等。信息和物料交汇之后，服务过程的信息反馈到数字化双胞胎的虚拟世界，为产品、工艺、制造的优化提供要求和依据，企业运营构成持续改进的闭环。
明确了制造过程信息流和物料流的交汇后，还应该考虑企业运营的管理流程，事实上，信息流、物料流、乃至数字化双胞胎，都是在企业运营管理流程的指导下工作的，所以在我们的模型中，把管理流程看成是信息和物料双流交汇的背景。这个观点借鉴了赛迪现有模型的思路，只是，这个背景中不同的流程域，应该是结构化存在的，我们认为可参考如图8结构：
图8：企业运营业务流程背景
在企业运营流程的背景下，智能制造成熟度评测参考模型的呈现，如图9所示：
图9：在背景衬托下的成熟度模型
（此为三部曲的中篇，关于如何在该参考模型的指导下展开具体的评测，以及评测实施过程的专家角色，将在本文的下篇进行阐述。敬请期待。）
本文试图探索中国智能制造的成熟度评估方法，分为上中下三篇。上篇主要是对各种现存的评测模型进行调研和分析，中篇探讨性提出对《智能制造能力成熟度模型白皮书1.0》评测模型的改进。本文为下篇，结合具体评测实践对于评测模型进行检验并思考进一步的改进方向。
概念准备
在上篇及中篇，我们提出了优化的评测模型。现在将探讨实施智能制造成熟度评测的思路，以期企业能从评测开始，找到一条适合自身的智能化转型之路。如果说上篇是理论依据，中篇是思考，那么下篇就是实战，是迈向智能制造的实战。
在开始探讨评测的实施之前，让我们先回顾一下中篇的几个关键概念：
1.制造的本质是企业的经营活动；
2.智能制造的本质是对制造的持续优化；
3.成熟度是将失误转化为进步的能力。
好了，让我们开始！
评测计划
01
明确评测的背景
重点回答：谁是评测活动的发起人？政府部门？企业董事会？还是企业制造部门的负责人？不同的发起人，对评测的要求是不一样的，实施评测的人员需要据此把握评测的尺度。
02
确定评测的范围
重点回答：评测哪些流程域？按中篇的思路，我们建议把企业经营活动分为三个大的流程域：业务管理活动、产品实现活动、运营支撑活动。评测实施人员在制定评测计划时，首先要明确是否需要全部覆盖。因为，有些企业不怎么关心战略规划、有些企业不愿意外界触碰财务领域、有些企业没有专门的流程管理部门……，各种原因决定了您的评测很难覆盖中篇的模型中提及的所有流程域。
但我们建议，评测应尽量覆盖产品实现活动的全部子流程域，如图1所示：
图1 评测问题结构配置
03
指定参与人员
这是评测实施人员需要预先和企业接口人达成的一致，通常按照如下原则来组织：
☆ 启动会：企业决策者做主要发言，各部门负责人参与，评测团队讲解评测实施计划。
☆ 访谈会：评测顾问主导，相关部门负责人参与，按流程域分批进行。
☆ 总结会：决策者、各部门负责人、核心员工参与。
04
制定时间计划
排出评测过程各项活动的具体时间，包括：启动会、现场考察、访谈、编写报告、阶段讨论、总结汇报等，其中“阶段讨论”不是必选项。
按照我们的经验，因评测项目的规模不同，评测周期大致可分为三档：一周、两周、一个月，实施人员可据此安排各项活动的时间，并与企业达成一致。
评测访谈问题设计
评测的目的不单单是为了找到企业的短板、制定出优化的途径，更重要的是，要建立企业实施变革的信心，进而能让企业开始行动。因此，一套有效的问题列表就显得尤为重要了。有效的标准是：用尽可能少的问题找到优化的途径。
请设想一下这个场景：一位医生给病人做诊断的时候，一会儿问胃病的问题、一会儿问心脏病的问题、一会儿又问关节病的问题，然后让病人做了所有能做的检查，这样的诊断，会是什么样的体验呢？
为了让评测访谈有序高效的进行，针对企业经营活动中不同流程域的不同工作方法，我们提出了设计评测问题的几个原则：
1.业务管理活动，通常遵循戴明循环PDCA，因此，我们从计划、行动、检查、处理等四个方面考察企业业务管理活动的成熟度。
2.产品实现活动，这是和智能制造关联最紧密的部分，综合参考了各家的评测模型后，我们认为应从五个方面来考察企业产品实现活动的成熟度：1）基本要素齐备；2）实现系统集成；3）信息透明可视；4）具备预测能力；5）自适应的发展。如图2所示：
图2 产品实现活动的五个成熟等级
3.运营支撑活动，这个流程域的主要活动是发现问题、解决问题，为此我们应从这三个方面来考察企业运营支撑活动的成熟度：1）对问题本身的解决；2）由问题的解触发的对体系的建立或更新；3）持续改进机制的执行。
评测过程的展开
让我们以一个具体的案例来陈述这部分内容。如图3所示：
图3 产品设计成熟度评测示例
我们要考察企业产品实现活动中“产品设计”的成熟度。
首先我们问，企业是否建立了产品设计的标准流程、是否具备三维设计能力、是否运用了模块化设计的方法等，这是在考察“基本要素齐备”的水平。企业的反馈是，已经建立了三维设计的方法、模块化设计处在起步阶段，好，我们如实记录下来。然后我们让参与人员给自己的工作成熟度打分1/3/6/9，分值越高成熟度越高，企业给了自己6分，好，记录下来。
然后我们问，企业使用了哪些CAD/CAE/CAM软件、这些软件之间的数据同步如何、市场部门和工艺部门是否参与设计过程等，这是考察 “实现系统集成”的水平。同上，我们记录下企业的相关反馈及成熟度评分。
接下来我们考察其设计过程信息透明可视的情况、预测设计问题并及时响应的机制、以及从过往缺陷中优化产品设计的保障体系。
您可能会发现，我们没有问企业上没上 PLM 系统、建立没建立设计数据管理中心、有没有使用知识管理系统之类的问题。为什么？因为企业关心的不是数字化/智能化的技术，他们关心的是自己的经营中存在的问题，至于解决这些问题用还是不用数字化/智能化技术，那是下一步讨论的问题。
按上述方法完成访谈后，您会得到每个子流程域的评分，我们的评测工具会自动汇总，如图4所示：
图4 各子流程域成熟度指标汇总
这时您得到的是一个相对的成熟度指标（XX.X %），这不是一个精确的测量，其评价逻辑是距离智能制造理想状态的距离。然后，参考VDMA的工业4.0指数，把成熟度指标转化为成熟度指数，如图5所示：
图5 智能制造成熟度综合指数汇总
至此，评测的工作得到两个结论：1）企业的整体成熟度水平；2）子流程域的短板。短板是选择改善项的重要依据，而整体成熟度水平是下一次评测的纵向对比，企业可用此数据度量经过一段时间的发展所取得的进展程度。
接下来，我们要讨论评测报告的编写，这是评测活动最重要的输出。
评测报告的编写
评测报告的格式可参考很多模板，这不是我们讲述的重点，本文想讨论的是评测报告的主体内容：对评测发现项的改进建议。
通常我们会对具体的子流程域，给出三项改进建议，如图6所示：
图6 评测报告中的建议项
每一项建议都包含两个重点内容：1）改进行动的主要方向；2）改进行动的主要输出。在评测报告中定义主要输出非常关键，这直接关系到，企业采取一系列的活动后能得到什么，决策者首先会关注这个内容，然后他们才会去看，通过你上面的行动方向，得到这些结果的可能性有多大。请放心，他们有足够的经验，能判断得出您给的行动建议是否靠谱。
关于评测报告，值得强调的是：
1.评测报告不是解决方案，而是呈现解决问题的可用方法。
2.每一个建议框，就是未来的一个优化项目，应有可度量的收益并落实到具体的责任人。
评测报告的归结点是：行动！也就是说，如果评测结束后，企业没有行动起来，那么这个评测很难说是否成功，如果评测后企业动起来了，我们敢毫不犹豫的说，这个评测是成功的。
所以，评测报告要有利于被评测的企业从中识别出具体的行动项，甚至，在评测结果汇报的过程中，应引导、帮助企业去拟定相关行动项。
此外，为了确保优化行动的顺利展开，应鼓励企业建立起类似图7的沟通机制：
图7 确保行动展开的沟通机制
一般而言，在第三方顾问团队之后，仍然需要运营方的支持，确保评测的质量、确保评测的后续活动能得到有力的支撑。
至此，《智能制造能力成熟度评估》的上中下三篇全部完成，整个编写过程中得到了广泛朋友的厚爱与支持，在此表示由衷的感谢！
人工智能赛博物理操作系统
AI-CPS OS
“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。
AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。
领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：
重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？
AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：
精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：
创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。
给决策制定者和商业领袖的建议：
超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。
子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。
如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。
产业智能官 AI-CPS
用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
长按上方二维码关注微信公众号： AI-CPS，更多信息回复：
新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市”、“智能驾驶”；新模式：“财富空间”、“数据科学家”、“赛博物理”、“供应链金融”。
官方网站：AI-CPS.NET
本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！
版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com
3442
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
