传统企业，当以制造业为例，老大难了。
制造业数字化转型首先要了解四个交融。因为咱们做的所有事件最终都是为了提高效率，这四个交融就是解决效率问题的。
第一个是能源管理与自动化交融
以中国为例，以前能源是集中生产，一个微小的坑口发电站或者核电站集中发电，而后通过一张大的电网输送到各地。这是一个十分计划经济的想法。
当初有了新能源。首先新能源出现分布式趋势。尽管有集中的风场，光伏场，但更多的是这边有个风车，那边有几块瓦片，包含很多工厂的楼顶都放了太阳能版。
第二风电、光伏、水电是靠天吃饭，比方一片云来了，整个光伏场的效率就会不一样。这时会呈现一个很大的问题，在没有贮存技术的时候，电是即发即用的，这里就会造成需要侧和供应侧之间的不均衡。
所以这对整个能源管理要求从集中式的更多向分散式转变。
这和数据中心一样，以前数据中心也是一个十分集中化的做法，当初越来越地采纳边缘计算。尽管也有集中的，然而很多计算能够在边缘进行。比方每个人的智能手机自身就是一台电脑，它的算力可能比 N 年前一个数据机房的算力还要大。不论是能源也好，自动化也好，都处在一个从扩散到集中又到散布一个变动中。所以两者联合十分重要。
第二个是纵向的终端到云端交融
整个 IOT（物联网），无外乎是三个层面的事儿：
第一层在物理层面互联互通；第二层是数据采集的自动化、可视化和可拓展性；第三层是对数据的分析判断和利用。
这就是物理层的互联互通，到数据采集的自动化、可视化、直到整个剖析的数字化服务。它真正难的中央在于 IT 和 OT 联合，因为每个行业需要齐全不一样，不同的工艺段需要也不一样。
所以如何可能将两者联合好是基本：
首先有一个边缘的感知，包含你的控制系统、设施，在不同状况下，你来采集数据，能够用私有云，在边缘也能够用公有云。最重要的是数据的治理和剖析，不同起源的数据怎么交融起来。
当你有了这些货色，就既能够提供近程的服务，也能够提供线下的服务。实际上在数字化外面也有 O2O 的概念。
第三是横向的全生命周期交融
任何工艺都是有生命周期，工厂从工艺设计，而后建厂，再到经营保护是一个生命周期。设施从设计制作，到开始应用，再到保护弃用，也是一个生命周期。
其实跟人一样，一个新设施就像年老小伙子一样没病，有病也不去看。然而你不好好保护，原本一个设施有 20 年寿命。设施外面有易损件，也有非易损件，易损件坏了该换不换，可能导致整个车间设施寿命不划算。所以这时候你能够做一个延寿。
以前的惯例是设计一拨人，制作单位一拨人，交付一拨人，经营一拨人，数据都是纸面的。从设计到制作都有很多改变，经营时候的机器状态又不一样，这些数据没有叠加在原始数据上，所以没有方法造成一个闭环。
当初有一个新的理念叫数字化双胞胎或者数字孪生：
「数字孪生：数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中实现映射，从而反映绝对应的实体配备的全生命周期过程。」
从最后的工艺设计开始数字化建档，而后在设计和建造过程中一直地对这个电子文档进行批改，始终到经营的时候有大量的经营数据又能够叠加在原来的设计文档上。
同样对整个设施的保护也是一样，从设施开始应用，到对设施的历史状况，培修状况，当初的状态，来做一个预测性的维运。因为设施坏了，整个生意就没了。
特地是连续工艺是须要找到工夫点来做保护，那就得很了解应该怎么来做制造业整个全生命周期的数字孪生。
这是将来制造业效率晋升的基本。
最初一个是从分散式治理到集成化的企业治理
以前企业规模小，老板个别都是技术业余和营销专家，底下人都看得见，有几个客户也都晓得。等你做大了，企业有 1000 人，1 万人、原来只有 1 个车间，当初有 5 个车间，缓缓变成 5 个工厂，散布在 5 个中央。
这时候靠集体教训和人来治理必定能是不行了，怎么把这些信息可能死记硬背起来。这是最初须要去攻克的。
在以上四个交融阶段，会面临各种挑战
第一个挑战必定在治理下面，其实最基本的还是策略
首先得了解本人战略目标是什么。有的企业是大批量生产绝对繁多的产品，有的是小批量定制化的。咱们方才讲了有连续工艺，也有离散制作。如果你是做小批量定制化产品的，再去搞大型的自动化，未必是一个最好的解决方案。
讲完策略，接下来是文化，很多时候制造业在做数字化，员工感觉这是 IT 部门，信息化部门，自动化部门的事儿，和我没什么关系。没有一线员工的参加，数字化做不起来。因为整个数字化改革是一个循序渐进的过程，不是拿自动化设施把人替换掉这么简略。
在没有数字化之前，企业惯例用比较简单的 KPI 进行治理，比拟僵硬。要做数字化，须要绝对对这个组织的宽容度所有晋升，容许大家试错，容许相互合作跨界。如果是 KPI 分得特地细的企业文化，没有人违心试错、翻新。
以前的组织构造基本上是事业部，每个部门都是本人的小天地，一层一层把事件汇报下来，再一层一层把工作安排下来。将来组织首先要扁平化，因为有了数据当前，不须要当中那么多人做总结。咱们能够将这些人力解放出来，做更有创造力的事件。
当初很多公司上了 ERP、MES 等各种各样的零碎，然而零碎之间居然不连在一块。原本想做数字化，后果造成了千岛湖。每个中央湖里的水的确挺多，然而它淤在那边没有效率。所以这个问题也得解决。这又跟后面的组织、文化、策略非亲非故，零碎是你组织文化的一个映射。不解决这些问题，数字化最初会造成更多的千岛湖。
第二个是能力挑战（企业数字化能力有余也是普遍存在的）
首先讲人的方面。以前说术业有专攻，当初其实须要的更多是绝对跨界，因为咱们当初做的事件，跟原来的角度不同。这又和整个公司对人的造就方向和思路无关，如何建设一个学习型组织，激励员工学习，他山之石可以攻玉。很多制作型企业，以前始终在减员增效，造成组织外部没有年轻人。怎样才能吸引更多的年轻人退出制造业？老中青摩擦会带来不同的火花。
IT 和 OT 联合后，对公司技术能有不同的延展要求。首先通信技术能力有所晋升，当然你不须要晓得怎么把 5G 产品生产进去，然而你须要在厂里布局如何互联互通。也能够请业余的公司帮忙做这件事，但你要有这方面的意识和想法。
第二是对数据采集和剖析能力的要求。当初不是数据太少，而是数据太多，再加上有这么多千岛湖，所以咱们须要有能力更好地使用数据。大家忽然发现，当初很多制造业公司都有数据工程师了。
第三是对整个流程的再造。如果你公司大了，如何能力把这些货色重新组合起来。所以须要整个数据处理和流程的整合能力。
第三个数字化真的要胜利，要以效益为第一位
工厂每年规定降 5% 的能耗，一开始很容易，只须要把走廊里两排灯关掉一排。过了两三年不行了，这就会逼着你去想如何精益治理。晓得每一度电，每个能耗用在什么中央，哪些地方能够省，能力把节能继续做上来。这样你的治理效益晋升了，必定有经济效益。同时省电节能，怎么没有社会效益？
整个制作型企业，不要放心社会效益跟经济效益不均衡。只有想明确经济效益，别做违规的事件，这必定是均衡的。
挑战是否有解决方案？
其实解决方案也很简略。有求实的也有务实的：
第一抓治理，改革企业文化，但这是一个循序渐进的过程。组织灵活性要扭转，更好的适应变动。最初你的流程必须再造，千万不要只是把现有的流程用代码从新映射到数字空间，那就糟了。
第二进步能力。搞清楚要建设什么能力，哪些先建，哪些后建，哪些是能够请他人帮忙。其次要吸引人才，而且要害是可能让现有的人才也能学习新的货色。
最初
疫情期间相对的赢家：数字化
当初中国基本上从疫情中进去，过后碰到了什么问题？
第一，停工的时候怎么办？这时企业业务的韧性就十分重要，这么多设施在近程，人不能去的时候，有没有方法晓得设施工作状态如何？在远端的客户，有没有方法反对他们？
第二，疫情带来一个特地有意思的中央，就是这个世界不太同步。以前任何危机，世界都是比拟同步的。
然而 2 月中国疫情重大的时候，欧美实际上经济很好；而等中国停工了，欧美又进入疫情的高峰期。这对供应链来说是一个十分可怕的事件。原来供应链的模式是全球化大分工，寰球贸易产品由散布在不同国家的几十家甚至几百家企业独特生产，数以万计的生产节点通过寰球供应链失去连贯和流通。不同步的话，这根线实际上是断掉的。这就到了考验企业供应链能力的时刻。
之前咱们始终在说生产降级，但疫情后变成了生产降级。见客户，第一件事说降本。因为大家挣钱都不容易了，做生意第一件事必定问你能不能提价。企业效率晋升这时是十分重要的。
做制造业首先要合规，因为当初环保各方面要求越来越高。第二能耗间接是老本，同样的产出，你缩小 5% 的能源，在老本收入上就少了 5%。这时候数字化会带来十分多益处。
所以明天这篇，次要是基于施耐德电气和秦朔朋友圈的几篇文章，重点梳理一下传统制造业数字化转型的框架。
总的来说，传统制造业的数字化转型，就包含以上这些问题。
同时，咱们也在始终思考，简道云在传统制造业数字化转型中能做的还有哪些。这也是前面要总结的，即联合制造业案例和解决方案。