“工業4.0準備度模型”解讀
“工業4.0準備度模型”來源於文獻“Industrie 4.0 Readiness Study”，感興趣的朋友可以關註文章下方公眾號，回復關鍵字“準備度”，獲取該文獻。
這篇研究報告是由the IMPULS Foundation of the German Engineering Federation (VDMA) 完成的，其中提出了壹種工業4.0準備程度（Industrie 4.0 Readiness）的評估模型。如下圖所示
Readiness Model包含了六個維度：
研究報告將每壹個維度都進壹步劃分為各個領域，然後用適當的指標進行評估（如IT系統對於整個生產運營流程的覆蓋程度，產品是否已經具備了ICT能力等）。 它們構成衡量公司工業4.0準備情況的基礎。
個人認為，這篇報告的 價值 在於站在整個企業的高度，為制造企業的智能制造頂層設計提供了參考維度以及各維度的建設目標，也就是to-be的內容。
與NIST標準相比（請參考之前的文章《聊聊對智能制造概念的理解》），Readiness Model著眼的高度更高，不僅涉及技術、業務，還有組織、戰略、人員等管理方面的內容。
下面逐壹對各個維度進行簡要解讀。
工業4.0不僅僅是通過使用數字技術改進現有產品或流程——它實際上提供了開發全新商業模式的機會。 出於這個原因，其實施具有重要的戰略意義。 對這壹維度的評估，有以下四個標準：
達到的理想狀態如下：
註：該項研究在德國的機械工業企業中選取了248家做“戰略與組織”方面的評估，結果顯示，54.8%的企業沒有做任何的相關工作，距離理想狀態相去甚遠。可見工業4.0對德國的制造業，至少是機械工程行業的企業，也是壹個新鮮的領域。
智能工廠是壹個智能互聯工廠的概念，在這個工廠中，生產系統直接與上層的IT系統（或MES，ERP，SCM系統）以及智能產品進行通信。 智能工廠通過 集成（Integration）和自我調節（self-regulation） 所有流程，尤其是生產流程，實現價值鏈數字化的最高水平。 通過生產系統，信息系統和員工的同步交互，可以實現高效的信息交互和資源利用。
智能工廠的壹個關鍵特征是在整個工廠和重要數據收集點的機器和系統上布置全面的傳感器技術。其目的是實時捕獲所有與過程及事務相關的數據，並快速進行相關業務的處理。並使用數據分析技術為海量數據進行信息分析。這也就需要強大的計算機系統。
以下四個標準用於衡量德國機械工程行業在智能工廠方面的進展：
這壹維度達到的理想狀態如下：
註：其實從這部分內容裏能夠看出這項研究的發起者對於智慧工廠的理解（主要偏重在生產相關領域）——生產運營管理中IT系統的全覆蓋以及充分集成，設備層與IT系統的集成，能夠自動全面地采集設備與生產過程中的數據，並加以利用，通過對數據的分析，挖掘數據中的價值，改善生產運營。
總結壹下就是， 理想中的智能工廠首先要實現全面的信息化，然後是OT與IT的融合，最後數字雙生子的產生與應用 。
以下四個標準用於衡量德國機械工程行業在智能運營方面的進展：
這壹維度達到的理想狀態如下：
對於上述理想狀態的解讀，也就是說，這三點內容是如何支撐運營的：
在智能運營方面，研究報告中首先提出了集成（integration）對於企業運營活動的重要，通過橫向集成、縱向集成對企業內外部業務流程的支持，以及利用集成的信息進行預測，從而改善生產流程。
現狀是，德國的機械制造業企業雖然能夠在內部實現非常充分的信息整合，但在外部整合方面還存在很多待開發的潛力。 簡化溝通渠道並將采購和銷售自動集成到各種流程中，可以降低成本並提高效率。
工業4.0的宏偉願景之壹是自導式生產：工件自行移動到下壹個加工站，自行確定路線和順序，並將必要的生產參數傳達給設備。
調查表明，85.3%的受訪企業沒有自治過程控制系統。
僅僅保證數據的可用性以及具有能夠分析利用這些數據的系統是遠遠不夠的，還需要確保這些數據的安全性。 德國公司對於提供數據非常謹慎並高度重視數據保護和安全。
調查結果也印證了這壹點：很多受訪企業已經實施了內部數據和溝通渠道的解決方案，但在涉及外部保護和溝通渠道時受到更多限制。
雲解決方案包括雲存儲（數據存儲），雲計算（數據分析）等基於雲的軟件。調查中感興趣的主要問題是企業使用雲解決方案的目的。企業經常使用雲解決方案來外包數據計算和存儲以及授權軟件，從而提升效率。雲計算的可擴展性是重要的優勢，因為未來會有越來越多的設備進行聯網、信息集成，產生越來越多的數據需要進行存儲與分析。
智能產品是智能工廠和智能運營的基礎。是實現橫向集成與縱向集成的重要載體。智能產品既包括企業生產的產品，也包括企業在生產制造過程中使用的設備、原材料等，因為，壹家企業的產品正是其下遊企業的原材料或生產設備。
智能產品領域的準備度可以用以下兩個維度進行衡量：
簡而言之，就是企業從賣產品進化為賣服務。
工業4.0的另壹個標誌是信息通信技術的使用，這是對現有業務模式的重新思考，重點在於增強對客戶的利益。企業有機會將常規商業模式數字化，並開發全新的商業模式，其附加價值來自數據收集和分析。
工業4.0的破壞性創新商業模式則更進壹步，其目的是強制開放現有價值鏈並挖掘新的潛力。在機械工程行業，近年來的趨勢是制造商不再僅僅是銷售機器，而是提供混合捆綁服務，即將產品和服務結合起來，為客戶創造更多附加值。這方面的典型例子是將機器的銷售與維護合同相結合，其中包括合同定義的系統可用性承諾。這又與收集並分析設備數據，以實現預測性維護有關。
數據驅動服務領域的準備度使用以下三個標準來確定：
德國機械工程行業在數據驅動服務方面的準備程度最低，即使是行業領導者也在這項研究的所有維度中獲得了最低分。數據驅動型服務的目標是調整未來的商業模式以增強客戶的利益。 售後和服務業務將越來越多地基於對收集到的數據的評估和分析。調查結果顯示，大多數企業（84.1％）尚未處理與數據驅動服務相關的工業4.0主題。在該模型研究的所有維度中，工業4.0在數據驅動服務方面的進展最低，只有5.5％的公司達到了初級階段，即通過客戶的信息集成實現數據驅動服務，來自於服務的收入比例超過10%，數據的使用率超過50%。
該項研究中也重點提到了在產品使用信息采集方面，除了傳感器技術以外，集成（Integration）也是重要的信息獲取手段。
註：筆者認為，此處的集成更多體現為與客戶方的信息系統的集成，以此來獲取信息。這也屬於橫向集成的範疇。
員工幫助企業實現數字化轉型，員工是受數字化工作環境變化影響最大的。他們的直接工作環境被改變，這也要求他們獲得新的技能和資質。在這樣的背景下，企業通過適當的培訓和繼續教育讓員工為這些變化做好準備就變得越來越重要。
多項調查結果表明，隨著數字化進程的推進，生產人員的需求也會隨之發展。在這些變化中，終身學習的意願被視為最重要的因素。在研究中被問及的技能中，較高的 IT技能 的重要性排名第三，僅次於較強的技能跨學科的思考和行動。在員工維度上的準備度是通過分析不同領域的員工技能和公司獲取新技能的努力來決定的。
研究中提及的IT技能包括：IT基礎設施、自動化技術、數據分析、數據安全/通信安全、輔助系統的開發或應用、協作軟件、非技術技能（如系統思維或過程理解）。
註：個人認為，對於制造業企業員工的技能要求這部分內容還存在壹個***性的問題，即目前還沒有壹個統壹的標準來闡述清楚在智能制造的背景下，員工所需要具備的具體技能集合以及掌握程度。大家可能都知道大數據、人工智能、雲計算等很重要，但是傳統IT、自動化技術的內容也同樣重要。對於制造業企業的員工來說，由於自身的甲方的身份特征，對於這些技能的掌握究竟需要到什麽程度呢？在目前以及不久的將來，智能制造的相關技能培訓，或者針對制造業的IT技能培訓應該會有壹定的市場。
在研究報告的最後，針對工業4.0領域不同發展程度的公司都提出了壹系列的行動建議，感興趣的朋友可以查閱壹下研究報告的第4部分Industrie 4.0 action items。