汽车电子行业案例

由于与电子行业相关，这家企业的主要目标是建立能力，能够实现客户化订单的生产。具体来说，它关注的是快速换模、快速换线等的实现，能够让它的生产线上的某一些装备动起来。虽然没有说让这些设备自动的去调整他所在的工位，但是可以使他能够在人的帮助下快速地进行换模换线。然后能够做到智能排产，能够利用大数据对它原有的定量的排产进行一些定性的修正。

图8 汽车电子行业案例

与此同时，相比其他行业，例如机械加工、装配行业等，电子行业的自动化能力会高一些，数据交互能力也更强，因此成本也会相对低一些，所以他们在考虑一些让产品智能化，让生产线高度自动化，然后能够在不久的将来实现一部分的设备自主调整的能力。这家企业在大数据方面花了很大的力量，他们引进了海外的大数据的专家，这些专家不仅是熟悉大数据和这个行业，非常重要的一点是它能够在你建模的时候，考虑到这个行业的背景，这个行业所需要分析的模型。你所积累的数据是不是能够在将来为你所分析所应用，能否带来价值，你需要在积累数据的时候充分考虑到每一个数据它所涉及到的背景信息，否则将来你在进行数据应用的时候，应用范围和深度就会受到非常大的影响。

汽配机械加工行业案例

这是为汽车主机厂提供其中一个机械部件的一个集团公司，在多个主机厂附近建工厂，为国内外各大主机厂供货。这家企业同时在做两件事情，一是对现有的老的工厂做改善，通过逐步改善的的方式，主要是做了工业物联网，装载了EMS系统，应用了一些机械臂，降低了一小部分的功能。另外其建立了一个全新的工厂，对所有工艺、装备、信息化系统、管理体系全部做了新的设计，跟老的工厂完全不同，在老的工厂做改善的时候，新的工厂从他们管理层角度上提出了要大量减少现场功能的要求，并且要让产品落地，完全实现上下游的集成，一般来说，拉动式生产都体现在工厂内部，但这家企业提出，从客户到这家公司再到公司的下游，要求实现整个产业链的拉动式生产，这非常不容易。

图9 汽配机械加工行业案例

当然，自动智能排产战略控制室可能会在这个新工厂里体现出来，但是他们目前还没有考虑到柔性生产，因为主要是根据汽车行业主机厂给过来的这些订单，还是大规模的生产方式，所以它在商业模式没有大的变动情况下并没有提前去做这样的调整，主要也是考虑到投资回报期的问题。这家企业所担心的问题是两个：一是跟前面的调研报告一样，内部和外部的人才储备目前都非常的欠缺，很难找到优质的在工业领域非常有前瞻性的人才；二是判断汽车行业在柔性定制化方面的需求，市场变化的速度到底有多快，在什么时间阶段它需要作出调整。

针对以上三个案例总结了几个关键字，分别是：闭环自动化管理、混线生产、产业链的拉动式生产、模拟仿真辅助、接近实时的数据处理/响应、管理体系影响解决方案……虽然大家都在谈聪明的生产，但是实际上前面三个企业在这个领域这个方向上迈出的步伐有大有小，特别是在大数据领域，你要让生产方式变得比较智能，那么大数据是不可缺少的一个因素，实际上工业大数据的应用在国内还是非常初步的阶段。

对企业相关实践的建议

关于工业4.0实践方面的建议，个人听得比较多的是要从商业本质出发。虽然我们知道有很好的愿景，但是这个愿景我们在什么时间点去实现它，我们整个行业的水平是不是具备这个条件，这跟我们的商业本质相关。另外，在实践的过程中我们要考虑的东西实在是太多了，包括投资、技术、管理体系、客户需求等，我们不能只是希望做到CPS就立刻去做。

当然，国内的企业家们他们不缺乏相关平台去获得这些新的知识，但是他们更多的是希望能够看到一些好的案例，但是好的案例在市场上不是太多，特别是号称能够达到“工业3.5”以上的案例也非常少见，更不用说达到“工业4.0”的。不过，这并不妨碍我们去做横向的交流，无论在失败的例子还是成功的例子上，我们或多或少能够获得一些收益。

图10 对企业相关实践的建议