本文由CIO发展中心根据“亦庄分舵2019年终论坛”活动上，康明斯中国发动机事业部和智能制造IT总监张振的演讲整理

康明斯中国发动机事业部和智能制造IT总监张振

康明斯介绍

康明斯公司成立于1919年2月，总部设在美国印第安纳州哥伦布市，公司通过其在全球190多个国家和地区的500多家分销机构和8000多个经销商网点向客户提供服务。目前，全球有6万多名员工，每年保持150万台的出货量，其中中国区占据三分之一的市场份额。

康明斯是全球最大的独立发动机制造商，产品线包括柴油和代用燃料发动机、发动机关键零部件（燃油系统、控制系统、进气处理、滤清系统和尾气处理系统）以及发电系统。从动力来说，主要从2.8升到80升都有全系列的产品。

康明斯公司主要由发动机事业部、电力事业部、零部件事业部、新能源事业部和分销事业部五个既相互独立又互为补充的事业部组成。其中最大的是发动机事业部，覆盖了整个商用车各种场景的市场。

作为早期来华进行本地化生产的外资柴油机企业，四十多年来康明斯已经与包括东风汽车、陕汽集团、北汽福田、江淮汽车、柳工、重庆机电在内的中国商用车及装备制造领先企业组建了六家发动机合资厂，康明斯二十四个发动机系列中已有十五个在中国本地生产。 

数字化时代面临的业务挑战

从需求端或者客户端来讲，数字化时段面临的挑战主要体现在以下方面：

1、客制多样产品

对于同样的卡车无论动力是2.8升，还是4.0或者是4.5升都有很大差异，即便同样4.5升的发动机，对于不同客户或者是同一客户不同时期的需求都有不同的要求，客制化需求越来越多，因此，在越来越强调个性化的当前，大规模定制也是未来的发展趋势。

2、极致用户体验

虽然康明斯服务的是OEM整车厂，但最终使用我们产品的是车队和司机，如何能更好的服务于他们，如何能让他们信赖康明斯动力？对我们来说，这是一个业务挑战！传统toB模式是把发动机卖给整车厂，将来用户的反馈和我们没有任何关系。但是基于极致用户体验来讲，终端用户在开车过程中对于发动机的反馈，如何能够提升终端用户的价值体验，如何帮助用户提高运营效率，降低整体成本，体现其业务价值？所以，从用户体验角度去讲，我们的客户不只是直接的OEM厂商，终端的车队和司机也同样是我们的客户。

3、创新驱动需求

在数字化时段，需求已经不是过去靠用户提交一个明确的需求表来产生了，而是需要技术创新来推动需求产生。比如在智能手机之前，大家对手机页面的要求并没有非常明确和清晰，自从Apple创建了智能手机模式后，推动了很多创新的技术。现在很多新的技术，无论是车联网还是大数据分析，同样也会驱动需求和引领需求。作为一个企业，如何能够采用和使用创新技术来引领需求，让产品具有独特的竞争优势，也是我们面临的挑战。 从企业内部来讲，数字化时段面临的挑战有以下几个方面：

更快捷的交付。当客户端的需求传导到企业内部的时候，要求我们需要极大得缩短产品的生产周期，但是一个发动机从开始创建项目到生产出来，整个研发周期就需要一年半的时间，快速消费电子产品可能需要半年或者几个月。对于发动机来说，产品更新换代会越来越快，产品的研发周期和交付周期也会要求越来越短。

更可靠的质量。企业提供质量可靠的产品，这是一个永恒不变的话题。

更经济的成本。随着产品越来越多样化，用户要求的生产周期越来越短，质量要求也会越来越高，同样，用户也会要求越来越经济的价格来获得更好的产品和更多的服务。更为经济的成本，才能保证企业能够长足生存和发展。

更柔性的生产。多元化的产品、敏捷的交付，在制造行业，重资产的各个工厂如何能够快速的形成柔性生产，减少换线时间，去生产多元化的产品是对生产企业的一个挑战。

企业数字化和数字化企业

一般意义的工业4.0是以智能制造为核心的数字化。对于康明斯，工业4.0不仅仅是智能制造，而是一个全价值链的数字化转型。

在康明斯内部是以智能制造为核心，利用新兴IT和OT技术对企业内部运营进行数字化改造，从流程驱动到数据驱动。工业4.0是IT和OT的融合，IT指传统的信息技术，OT涵盖运营技术和机械技术，通过这两部分融合来对企业的运营进行数字化改造。过去，传统的IT系统建设，MES、ERP、SRM这些都属于流程驱动，需要把各种业务流分解出来，从L1到L3去设计这些流程，把流程从线下搬到线上，这也称为数字化。但是将来需要以数据为驱动，用流程产生的数据去驱动更好的决策。但是目前，数据已经不仅仅来自于企业内部的信息系统了，还来自于生产过程中的设备、传感器的物，这些数据与系统流程的数据紧密结合起来并对流程进行优化，所以首先需要从流程驱动到数据驱动的转型。

以上是讲内部企业数字化，但是对外部我们需要讲数字化企业。

数字化企业是指企业提供的不单是硬件产品，而是以客户为中心，围绕着客户体验进行数字化转型。我们提供的不单是发动机，而是在发动机基础上提供更多的数字化的应用与服务。

那么，打通内部的企业数字化以及对外的数字化企业需要数据平台，把内部数据和外部数据打通，把内部的数字化能力对外去提供服务，同时也通过数据平台把外部的需求引进来，在内部提升数字化的改造。  

康明斯的工业4.0

康明斯车联网

作为发动机的供应商，康明斯对外服务方面也有领先的康明斯车联网。

1、提供实时的智能诊断联网手段及主动服务。发动机运营信号会通过T-box装置进行收集，再和整车进行集成，随时判断发动机的故障隐患，通过后台专家服务系统实时提供故障诊断的专业信息。

2、康明斯远程写入Cummins OTAP。目前，随着国六标准的上线，商用车经常会有软件升级和功能提升的要求，我们会通过更加安全的OTAP的方式，让用户进行一键式的软件升级。

3、车辆性能分析。通过车联网对发动机各种数据的收集，比如对司机的驾驶行为进行评估，帮助司机改善驾驶行为、降低风险、减少油耗。

4、数据分析服务及产品。通过车联网平台与其他行业进行工业大数据合作，形成一些数字化产品。 康明斯智能制造

智能制造定义为基于新一代信息技术和工业技术，贯穿设计、生产、管理、服务等制造活动各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。具有以智能工厂为载体，以关键制造环节智能化为核心，以端到端数据流为基础、以网络互联为支撑等特征。智能制造强调“自”，所以，其两个核心就是“互联”和“数据”。

智能制造的业务价值体现在缩短产品研制周期，降低资源能源消耗、降低运营成本、提高生产效率、提升产品质量五个方面，如何去做？

1、智能制造需要自上到下，有顶层管理层的支持，有整体的规划和路径图，同时也需要自下而上的实践推动。因为智能制造里边涉及到很多技术，不管是大数据、工业物联网、还是图像识别等技术，都需要实践来推动，只有通过实践，才能摸索出适合自己的路线，只有反复的POC才能形成可执行可推动的经验成果。

2、组织变革和技能培训。在过去首先要熟悉业务流程，从头到尾需要了解业务该怎么去推动；对IT来说需要业务分析员了解业务和行业最佳经验，需要编程人员写代码去满足业务流程，数据库需要传统数据分析去实现。在工业4.0时代，所有的职能都需要做出变革。对IT的要求已经不单单是流程分析和数据分析，而是要通过流程中产生的数据去判断业务存在的问题，进而提升业务价值。对业务的要求是把业务流程映射到每个数据中，使之成为一个数据模型，把日常运营的状况用数据的形式体现出来。在康明斯，我们成立了全球工业4.0推动委员会，自上而下来做规划，自下而上来做推广实施。

3、业务价值导向，以数据为核心。很多企业会把新技术的应用作为导向，而不去关注新技术对于业务的价值。所以即使是在工业4.0时代，非常注重新技术的应用和实践，也需要考虑这些技术能够用来解决什么问题，能够带来什么业务价值。

4、先行试点，敏捷部署，以点带面。对于新技术，可以先小规模敏捷部署，再不断优化其功能，不断的迭代，通过以点带面去进行大规模的推广。

智能制造主要由五大框架构成，分别是：

1、安全网络：不仅传统的信息系统在网，工厂里所有的设备都将在网，设备无处不在，如果设备上的漏洞把病毒或者高风险带入整个公司体系，那将会带来非常严重的后果。所以需要非常安全的工业互联网架构设计。

2、标准的核心系统：做工业4.0一定要打好信息化基础，不能没有MES就去做工业4.0。做数字化转型，需要以数据驱动代替流程驱动，但前提是首先要有可靠的流程，通过流程产生高质量的数据并进行数据管理，进而驱动业务。

3、工业物联网：我们会大规模用传感器把工业物联网技术应用于能源、安全、生产、物流等方面。

工业物联网的模型规划，首先最底层的边缘层包含生产线和传感器等各种设备接入、协议解析、边缘数据处理，边缘层需要保证多种协议都能够统一安全的接入，对每个接入设备进行认证管理和监控管理。边缘层之上是平台层，数据收集上来之后建立各种数据模型，形成各种微服务应用，无论是对我们能源监控，还是对我们产线的实时分析。在康明斯，我们是通过模块化或者微服务的架构推广IIOT平台的应用，去适应不同工厂的不同场景。

4、先进技术：通过OT、3D打印等技术，能快速的缩短产品研发周期和市场周期，帮助用户进行操作指导，缩短培训周期，在物流领域能缩短物流的交付周期。目前还用到很多比较先进的人机协作机器人，能够在非常安全的前提下非常友好与人进行协作。

5、数据平台：所有端到端业务的数据、设备的数据、外部产生的数据统一构成大数据平台，在此基础上再做不同层级的分析。

康明斯中国区的数据湖，像ERP、MES、CRM以及各种设备、车联网和Social Media的数据都会统一在一个数据平台上，并且基于该数据平台做各种应用：企业层面的工业物联网、企业内部的审批管理、供应商、用户等等整个端到端、内部和外部的应用。  

具体业务场景实践

拧紧数据分析

在制造行业，有很多拧螺栓的场景，我们取其过程中所有的实时数据做连续性的数据观测和分析，结合过去历史数据进行数据训练，形成多维轨迹曲线，由阈值判断到相似曲线判断，提高风险预判能力，并做出故障预警。相当于把过去一些不可见的数据，通过工业物联网的联网数据和数据分析曲线，使其可见，进行风险预判并及时解决。

涂胶图像识别

由“奔驰漏油”事件可见涂胶环节的重要性。人工方式很容易造成误判或者漏判，采取图像识别技术结合大量的数据训练，在规定范围内，什么样的数据图像或数据是合格的，什么数据可能会带来问题，一旦发现问题就会发出报警，然后再分派专业人员实际查看做出分析，解决安全隐患。

智能照相下线检测

在装配线上通过智能照相机器人对设定的几个点去拍照，通过对照片进行图像处理，发现问题并发出预警，专业的工作人员再去解决，极大的提高了工作效率和产品质量。这些数据信息同时会上传系统进行统计分析。

Cobots 应用

Cobots 应用是指人机协作机器人应用。Cobots应用于涡轮增压工厂的装配工作位，装配时间由原来30S减少到16S，平均每班节省一个人力，并且人机协作对线体不会造成任何影响。 

三点体会

第一点：三轮驱动。我们讲工业4.0，一定要讲组织和人员，IT/OT技术，业务流程和数据这三个轮子。组织上，要有高层的重视和支持，有专门的数字化推进办公室，人员要进行技能培训和职能转型；对于业务流程和数据。首先要理顺业务流程，传统ERP、传统精益工作是保证数据准确性的前提，然后才能在高质量数据基础上去应用分析数据；IT/OT技术上，要展开学习，以业务目标为驱动进行技术试点，在实践中获取获取知识，提升公司数字化技能。这三点形成三轮驱动。

第二点：联接是基础，数据是核心，分析是关键，应用是价值。有了联接，有了数据，在分析方面其实对IT人员提出了很大的挑战，需要用传统的编程，结合统计方法把传统的逻辑变成数据算法。最后需要以业务为导向，能够把这些数据和分析应用起来才是最有价值的。

整体来看，数字化转型的本质就是在数据与算法定义的世界中以数据的自动流动化解复杂系统的不确定性，优化资源配置效率。通过各种IT或者OT技术，要能把所有物理世界产生的东西映射到数字世界，是数字化的一个愿景。

第三点：不要在落后的工艺基础上搞自动化—工业2.0必须先解决的问题。不要在落后的管理基础上搞信息化—工业3.0必须先解决的问题。不要在不具备数字化网络化基础时搞智能化—工业4.0必须先解决的问题。