下载掌阅APP，畅读海量书库
立即打开
数字经济是未来全球经济的发展方向，是推动世界经济发展的重要动能，也是人类进入智能时代的基础。数字化转型作为数字经济发展的重要着力点，以物联网、云计算、大数据、人工智能等新技术为抓手，广泛赋能各行各业，已成为激发企业创新活力、推动经济发展质量变革和效率变革、提升国家经济竞争力的核心驱动力。数字经济是重组全球要素资源市场、重塑全球经济结构、改变全球竞争格局的关键力量，推进世界经济数字化转型已是大势所趋。
制造业是数字经济的主要领域之一，针对我国制造业数字化转型现状，本书从如下三方面进行阐述。
我国制造业分为三大类：轻纺工业、资源类加工工业和机械电子类制造工业。由于制造业覆盖的范围非常宽广，有三大原因决定了不同类别的制造业的企业数字化转型路径和方法是不一样的。
一是不同行业的制造形态差异非常大。比如纺织服装、食品饮料、电子制造、重型机械等行业的制造形态基本风马牛不相及。纺织行业的数字化解决方案对于电子制造行业和重型机械行业来说，基本没有太大的参考价值；同样，食品饮料、电子制造、重型机械行业的数字化解决方案对于其他行业也没有太多的借鉴。
二是同行业中产业链上下游企业和不同细分行业的制造形态也差异非常大。以汽车行业为例，至少覆盖机械、注塑、电子电气、玻璃、纺织等几大细分行业，这些细分行业的制造技术、工艺流程、设备设施等相差十万八千里；另外，即使都属于为整车厂提供机械件的供应商，比如传动系统、车门、座椅骨架等企业的差异也非常大，它们的数字化转型需求也注定不同。
三是同行业竞争对手之间的差异也可能非常大。生产同种产品的不同企业，由于制造技术、工艺流程、设备选型、管理方法、组织结构的差异，决定了它们的数字化转型需求也是不一样的。
以上这些差异决定了企业在进行数字化升级转型时，需求都是个性化的；但是从供给方来看，解决方案的标准化程度却越来越高。这就形成了需求个性化和供给标准化间的矛盾，并且这个矛盾越来越突出。供给方本身也知道需求方的需求是个性化的，但还是在不断提高解决方案的标准化程度，这是为什么呢？
一是定制化供给不能带来巨大的经济收益。一般供给方在刚涉足市场时，需要有具体的应用场景，针对种子客户，一般会提供定制化服务来满足客户的个性化需求，这个过程供给方基本没有经济收益。因此供给方在积累了一定服务经验后，就开始提高解决方案的标准化程度，希望通过复制解决方案来产生经济收益。
二是定制化服务难度大。面对不确定的服务场景，需要拥有不同技能的人才，针对超出企业服务能力的需求，还要临时招聘或者购买服务，这样导致团队很难组建且管理难度大，因此供给方会尽量避免出现这种局面。
三是服务需求方不愿意为定制化服务支付更高的成本。每家制造业企业在谈自身需求时，都会强调自身的独特性；但是在和能够满足自身个性化需求的服务商谈合作时，大多数企业不愿意为定制化服务支付高于标准化服务的成本，再加上企业逐利的本性，导致市场上定制化服务商的数量减少。
四是投资方多数不看好定制化的商业模式。一般提供数字化解决方案的企业都是科技型创新创业企业，开发产品和解决方案需要一定的投入，作为投资人一般不偏向投资提供定制化产品和服务的企业，因为定制化不能复制，不能产生规模收益。
针对需求个性化和供给标准化的矛盾，部分行业头部企业自己组建团队，自行开发解决方案。例如无锡某智能制造标杆企业，由于找不到适合自身的解决方案，就组建了近百人的软件开发团队和200多人的硬件和自动化开发团队。这么庞大的团队，对于大多数制造业企业来说，基本不能自给自足，只能去市场上寻找匹配度尽可能高的解决方案，针对不能满足企业个性化需求的部分，再进行相应的二次开发。需要注意的是，无论是企业自己组建团队，还是去市场上寻找解决方案，都需要在智能制造顶层构架设计的指引下进行，否则会事倍功半或者功亏一篑。
当前企业在进行数字化转型前，普遍没有进行顶层构架设计，或者顶层构架设计不足。这导致企业数字化转型没有方向和层次，从而增加了数字化转型失败风险和成本，延长了数字化转型窗口期。
企业数字化转型缺乏顶层构架设计的现象非常突出。主要有两大原因：一是部分企业没有认识到顶层构架设计的重要性，只是以解决问题为导向逐步实施，这样不能从企业盈利和发展的角度保证数字化转型成功；二是缺乏有效的顶层构架设计方法论。2016年之前，笔者就认识到了顶层构架设计的重要性，随后结合多年为企业提供智能制造顶层构架设计的实践经验，在2021年提炼出来了智能制造顶层构架设计“2347”方法论，该方法论是业界第一套完整的智能制造顶层构架设计方法论，在本书第5章会详细介绍。
在智能制造顶层构架设计的指引下，以企业中长期战略目标和数据赋能场景为导向，持续推动制造业企业数字化升级转型，是制造业企业高质量发展的关键所在。
制造业数字化转型需要大量的数字化人才，由于数字化涉及众多知识领域，属于前沿的综合性学科，数字化人才培养工作目前还不成熟，任重道远。
当前数字化人才培养有政府、企业和高校三大主体。2023年，中国成立了国家数据局，负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划和建设等。地方政府也陆续设置了数据管理相关职能部门，政府机构需要一大批懂数据管理的工作人员，也在积极推动各种数字化人才培养工作。企业是数字化人才的主要需求方，也在积极探索数字化人才的培养方案，部分企业还设立了相关的数字化部门。但是，目前企业内部还没有成熟的数字化人才培养模型和方案，很多企业是通过团队合作，将数字化工作分解给不同的职能人员去执行。高校是数字化人才培养的主力军，众多高校都开设了智能制造相关专业，但是在智能制造课程规划、教材可用性、师资培养、教学模式等方面还不成熟，还需要更加系统的规划和进一步完善，以培养批量的数字化复合型人才。
本书第4章针对企业数字化人才培养体系进行了初步探讨。
在过去十几年间，世界各国都在积极探索制造业数字化转型道路。从我国的制造业数字化转型实践来看，呈现出“产品-制造-管理”三轮驱动、以解决问题为导向和从点到面逐步深入的三大特征。
制造业数字化转型有三大驱动因素，分别是产品升级、制造升级和管理升级。在产品、制造和管理这三个维度上，整体趋势是从产品升级开始，逐步向制造升级和管理升级过渡。一家制造业企业的产品相对于制造和管理来说相对简单；制造相对于管理来说，又简单一些。因此，三轮驱动是从简单到复杂逐步演变的，符合新生事物的发展规律。
产品升级是制造业企业持续经营的必然要求。在数字经济爆发前，企业也一直在进行产品升级，不断地推陈出新，为社会提供更有竞争力的产品。在数字经济时代，产品升级又多了数字化、智能化、互联化的翅膀，通过集成各种新技术，持续提升产品的核心功能和附加功能，增加客户购买产品的渠道，提升产品体验，从而提高客户心理感受和满意度等。
制造升级也是制造业企业的必修课。制造系统主要由人（这里主要是指直接人员，间接人员属于管理系统）、机、料、法、环、测组成，制造升级就是要对这六大要素进行全面升级。针对制造系统涉及的直接人员，要持续提升作业者的技能水平和生产效率，或者降低作业者对于制造系统的影响；针对设备，要持续开发高性能和高性价比的设备、提升设备自动化和智能化程度，从而提高生产效率和降低生产成本；针对物料，要持续降低来料不良率、提升物料包装规范性、降低物料损耗来降低生产成本；针对作业方法，要持续开发新工艺、科学制定作业标准，以提升生产效率和降低作业强度；针对环境，要持续改善作业环境、降低安全事故、节能减排，向绿色制造方向前进；针对检测，要持续提升检测的科学性、时效性和准确性，确保用最经济的方法保证产品质量。在数字经济爆发前，制造业一直围绕这六大要素进行持续改进，各行各业的劳动生产率每年提升5%以上。当前，基于数字化、智能化和互联化的相关技术和解决方案正进一步提升劳动生产率和降低生产成本。
管理升级是制造业数字化转型最重要的应用场景。企业管理系统非常复杂，过去管理升级的主要路径是建立完整的企业管理体系，以及基于企业管理体系开发相应的信息化系统；随着数字化、智能化、互联化技术对企业管理系统的持续渗透，企业内部各项管理工作都存在数字化升级机会，并朝着管理自动化方向发展。管理自动化是指企业内部的管理工作，基于各种互联互通的数字化系统和管理模型，能够自动完成，不再需要人工进行处理。如本书第16章介绍的实时成本分析系统和全面预算管理系统就实现了管理自动化，不需要人工进行成本分析和预算管理工作，而是由系统自动完成，管理者只需要基于系统给出的结果进行决策或做出决策选择即可。
制造业企业在进行数字化升级转型时，在产品升级、制造升级和管理升级三个维度上需要并行实施，以缩短企业升级转型窗口期，从而获得更大效益。
过去制造业企业在进行数字化升级转型时，以满足某一具体需求或者解决某一具体问题为导向的特征非常明显。比如发现现场人工作业困难，就会考虑机器换人；发现人工检测容易出错，就会考虑自动检测；发现多道工序可以实现连续生产，就会考虑自动化单元改造；发现生产过程不透明，就会考虑安装制造执行系统（Manufacturing Execution System，MES）等。这种以解决问题为导向的局部思维模式非常不系统，而制造系统又是非常复杂的系统，因此从局部考虑问题往往不能取得预期效果。以解决问题为导向是典型的实用主义，制造业讲究实效，也强调解决问题的重要性，这种现象在制造业企业数字化转型过程中比比皆是，但是整体效果欠佳。
制造业企业数字化转型需要一定的投入，而且这类投入在刚开始时没有前车之鉴，需要自行探索，风险比较大；因此制造业企业在制定数字化转型策略时，普遍先进行试点，待试点成功后再全面推广。从点到面逐步深入的做法在现场改进时有一定的可取性，因为现场各生产单元比较独立，不同生产单元的改进可以独立进行；但是这种方式只能进行一定程度的改进，不能将制造业企业数字化提升到较高水平，其原因是制造系统是一个有机整体，不同生产单元之间要相互协作，试点成功不能保证整体成功。因此在从点到面的推广过程中，还是有相当一部分工作属于面层级的首次尝试，其可行性在试点过程中无法验证。这也是很多企业在试点取得了成功，但在全面推广过程中失败的原因所在。
过去的制造业企业数字化转型实践，有积极的部分，也有不足之处。针对积极部分，要继续坚持和推广；针对不足之处，要基于实践给出具体的解决方案。本书就是基于这样的原则，尝试为制造业企业数字化转型提供具体的方向、策略、方法和工具，以供参考。
数字经济主要以数据为生产资料，数据要产生价值，需要遵循以始为终的数据闭环策略，依据数据赋能场景来拉动数据生产、数据传输、数据存储和分析，从而实现以小代价换来大价值的目标。
针对数据产生价值的机会，本章总结了制造业企业数据赋能的五大场景：一是解决企业内部问题；二是在企业内部创造新机会；三是在外部客户端创造新机会；四是在外部供应端创造新机会；五是外部的平行伙伴合作新机会。随着企业数字化转型的不断深入，除了以上五大主要数据赋能场景外，未来还会产生其他场景。
大多数企业内部都会存在使用传统方法不容易解决或者解决起来非常烦琐的问题，但是当数据丰富以后，借助数字化解决方案，很多问题就可迎刃而解。针对解决企业内部问题的赋能场景，本章从内部价值链的角度进行系统分析，总结出如下10个通过常规解决方案很难彻底解决的问题场景。
1.客户开发
按照客户需求的性质，一般将客户分为定制化客户和非定制化客户。定制化客户需求的产品一般由客户制定产品标准，非定制化客户一般由公司提供产品标准。针对这两种业务模式，客户开发工作也相差很大。
定制化客户开发一般需要响应客户需求，目前典型做法是招投标。供应商按照客户标书要求应标，中标后按照标书技术要求定制产品交付给客户。这个过程中供应商一般都期望提高中标概率和减少风险：提高中标概率需要准确把握客户技术要求的关键点，并提供有竞争力的竞标方案；减少风险需要广泛了解产品的技术标准和不同地方的宏观政策环境。在传统模式下要实现这两个目标并不容易，需要人工收集大量信息并且还容易遗漏很多细节事项。在这种情况下，若企业有一套标书管理系统，不仅能够分析标书内容和输出相关分析结果，并且能够通过数据爬虫获取相关的外部信息，那么就可有效帮助企业解决问题；与此同时，还能精确获取外部更多的招投标信息，扩大需求信息来源，从而提高中标数量，并减少对人员的依赖。
非定制化客户开发的关键是依据客户画像获取客户信息和建设销售渠道。传统方式主要靠人工宣传、活动宣传、购买客户信息等方式引流，效率比较低下。当借助数字化手段时，可以事先建立客户画像，然后基于第三方平台海量数据进行潜在客户筛选（一般需要多家平台的数据集中才一起，才能获取完整的客户画像），实现精准营销，从而提升客户开发速度和效率。这种做法需要使用第三方平台数据，当数据保护相关的法律法规升级后，除非数据所有者授权，否则这种方式不可行。
2.产品设计
产品设计完成时，针对制造可行性的验证还不充足，多数企业是等到样件制作时才能发现问题。当发现问题后，再去优化设计方案，整个过程需要反复多次，这样就拉长了产品开发周期。借助MBD/MBE数字化设计与制造技术，在产品设计过程中，将设计信息、制造信息共同定义到产品的三维设计模型中，改变目前三维模型和二维图纸共存的局面，保证产品数据的唯一性。基于MBD在企业内部和供应链上下游建立一个集成和协同的开发环境，各业务环节充分利用已有的MBD单一数据源开展工作，从而能有效地缩短产品开发周期，降低开发成本，提高产品质量和生产效率。另外，在产品设计环节，还有各种系统仿真软件，对于提升产品设计效率和质量、减少产品制造不良，以及交付后质量问题有很大帮助。
3.交付管理
交付一直是困扰传统制造业的一大难题，即使交付绩效优秀的公司，由于交付过程很难实现透明化，也需要管理者投入大量精力进行订单跟踪和协调等工作。借助数字化手段，依据企业信息流和产品价值流，通过设置关键报工点等方式，实现整个交付管理过程的透明化，让全部订单状态实时呈现在管理者面前，简化了订单跟踪工作，也便于处理插单和订单变更等异常情况。在此基础上，也可以将企业内部数字化系统和供应链上下游企业对接，打造协同供应链，从而简化整个供应链上的信息交互，消除牛鞭效应，提升整个供应链的交付绩效，减少供应链上的库存。
4.生产计划排程
生产计划排程是传统制造业最复杂的一项工作，由于以前没有好用的信息化工具，基本都要手工排程。即使是在当今信息技术非常发达的背景下，通过账本进行生产计划排程的现象还十分普遍。部分管理较好、人员技能较强的公司会开发Excel版排程工具，但是使用起来比较复杂，而且容易出错，出错后还不能快速识别问题出在什么地方。也有一些企业安装了排程软件，但是大部分软件的排程能力较差，还没有Excel版排程工具的效果好，原因是排程软件里面的很多参数和模型需要经常依据实际生产状况进行调整和增减。Excel修改起来比较方便，而系统更新较为困难，因此排程软件安装完一段时间后可能就不好用了。另外，生产计划排程是一个动态过程，而一般排程软件都是基于历史数据进行静态处理，不能和公司实际情况保持一致。在这种情况下，基于实时数据（再考虑决策目标和约束条件）的动态生产计划排程软件会比较有竞争力。
5.质量检验
质量检验是制造业企业一项十分重要并且琐碎的工作，通常包含来料检、首检、自检、互检、过程抽检、终检、出货检等，任何一个环节出差错都可能导致不良品流出。一般企业通过制定质量检验标准、提高员工质量意识和提升质量检验人员责任心来做好质量检验工作。这个过程的主要问题是员工不按照质量检验标准来执行，而且管理人员又不能一直盯着员工，从而可能导致产品不良率上升。通过数字化工具，按照质量检验标准，实时获取检测信息，对于没有按照检测标准执行的行为进行预警和提示，可以规范员工的质检行为，并且消除繁复的质量检验结果记录、汇总、分析等工作，从而提升产品质量和降低质量检验成本；另外也可以开发数字化质量检测系统，取代人工检验，进一步消除人员对于质量检验结果的影响。
6.直接人员管理
制造业企业直接人员管理一般有考勤管理、技能管理、工作纪律管理（如串岗、离岗等）、绩效管理这四大核心内容。考勤管理一般由文员记录、每班汇总上报，工作量较大而且容易出错；技能管理靠班组长进行技能评定，既不系统也不科学，另外还要基于班组长的经验将人员技能和岗位匹配起来，若匹配有差错，就可能导致产品不良率上升；工作纪律管理一般由一线管理人员负责，如班长或组长等，虽然大多数企业都有明确的工作纪律要求，但员工串岗和离岗的情况仍然时常发生，变成管理者和员工间猫捉老鼠的游戏，既浪费管理者时间和精力，管理效果也不好；对于大多数企业来说，绩效管理最复杂，管理基础差的公司直接人员的绩效管理简单粗暴，管理基础好的公司通过生产日报进行数据汇总、分析，然后算出员工绩效，整个过程至少滞后一个排班，不能及时识别生产过程中的问题并解决。通过数字化和物联网技术，可以实现自动考勤、数字化员工技能管理、员工岗位胜任力分析、员工定位管理、实时绩效管理等，从而加强对直接人员的过程管控，并提升管理效率，更重要的是能及时识别生产过程中的异常并及时解决。
7.设备管理
国内制造业设备管理有三大普遍存在的问题：一是不知道产能利用率；二是不知道设备综合效率；三是TPM（全面预防性维护）执行不到位。不知道产能利用率就会导致盲目投资，投资的必要性和精准性都得不到保证；不知道设备综合效率就不清楚如何对设备进行有针对性的管理，从而无法减少设备故障和提升设备效率；TPM执行不到位，设备故障就会频发而且不受控制，也就随之变成管理者完不成生产计划的借口。通过数字化手段，可以实时监控设备产能利用率、计算设备综合效率（部分数字化产品只能计算设备综合效率，不能识别设备综合效率损失的原因），另外也可以通过智能TPM系统进行AM（自主性维护）和PM（预防性维护）管理，从而提升TPM的执行力度和降低管理成本。在智能TPM的基础上，针对关键设备，还可以进行设备健康管理，在设备发生故障前及时进行维护，从而更科学地执行TPM，进一步降低设备管理成本、提升设备效率。
8.物料管理
物料管理包括仓储物料管理和现场物料管理。国内制造业关于物料管理整体基础还比较薄弱：多数企业在仓储物料管理方面没有进行储位管理，造成物料存储混乱，“存盘取”效率低下；在现场物料管理方面没有进行中间库、线边库和工位内物料点规划以及现场物流线路规划，造成现场物料混乱、员工浪费大量时间去找物料。按照过去的项目经验，传统企业现场作业人员大约5%的时间浪费在找物料和物料周转器具上。通过精益化数字化改造，可以在仓库实现动态储位管理，提升储位利用率、提高物料盘点效率、提高存取料效率；规划现场物料点并进行储位管理，可以提升车间间物料配送效率、车间内物料转运效率，从而加速物料周转和减少在制品库存。
9.工艺变更管理
传统工艺管理的主要问题之一是在工艺技术部制定完工艺标准后，交付给生产执行过程中发生工艺变更，生产作业指导书更新不及时或物料采购更新不及时，造成产品不良率上升和物料采购错误导致呆滞产生。通过数字化系统，将图纸电子化，并且将生产作业指导书电子化，实现同步在线更新，能避免操作错误；将工程BOM和生产BOM同步更新，可以避免物料采购错误，从而减少呆滞。
10.环境管理
很多生产场合对于环境有特别要求，比如恒温、恒湿、无粉尘等，若环境条件发生变化，却没有及时识别出来，可能会造成产品批量质量事故，严重时还会引起重大安全生产事故。通过物联网和数字化技术，可以实时监控重点生产场所的环境条件，当环境条件发生变化时及时预警，以便管理人员能够及时响应或自动启动应急措施，从而预防事故发生。
以上是企业内部一些常见的问题，目前都有可行的数字化解决方案。这些内部问题也是智能制造顶层构架设计的重要输入，在进行智能制造顶层构架设计前，要进行详细的业务需求分析，识别相应的数据赋能场景，在企业具备相应的数字化实施条件后按照解决问题的先后顺序有序实施。
企业内部经常有一些隐藏的、不通过数据分析就发现不了的问题，或者不通过数据分析根本无法解决的问题。针对这两类问题，借助数字化解决方案，有机会识别问题之间的关联性，找到解决问题的方案。本书把这两类问题称为内部新机会，主要是以结果为导向的系统性问题，如提高效率、降低成本、提升质量等。本书从制造业企业最关心的话题角度，总结了企业八大内部新机会。
1.降低成本
目前我国制造业的整体创新水平不高，众多制造业企业主要赚加工费，因此降低成本意义重大。降低成本是一项系统性工作，一般从单点出发很难见效或者效果甚微。曾经有一位上市公司董事长对笔者说，他们公司成本居高不下，但是找不到降低成本的方法。这话听起来很矛盾，但是现实情况往往如此。一方面成本高，另一方面还不知道怎么降，这也是很多制造业企业的真实写照。企业在数字化转型前，一是通过精益管理，对企业成本进行系统的分析，然后逐项分析成本降低的机会和措施；二是借助数字化管理工具，将成本模型数字化，能够实时监控各成本要素的变化情况，及时识别哪些因素推高了成本，以及是如何推高的。通过实时的系统分析，能够准确识别成本居高不下的表层原因和根本原因，对该如何控制成本、控制哪些成本，以及成本降低潜力有多大也都一目了然。这样能够从根本原因出发解决问题，通常有四两拨千斤的效果。
2.提升效率
提升效率和降低成本一样，是一项系统性工作，单点效率提升往往不能带来整体效率提升，有时还会导致整体效率降低。传统管理模式下企业提升效率，需要有精通运营管理的人才，一旦这类人才流失，企业的整体效率一般都会下降，这对人的依赖性非常高。通过数字化手段，能够实时监控人、机，以及各种生产要素的使用效率，分析效率的制约因素，也能够预测消除制约因素影响后的效率变化情况，从而给管理者提供可靠的决策依据。在科学精准决策的指导下，再配备能够解决具体问题的人，就可以有针对性地提升效率了。
3.降低不良率
质量的影响因素不像成本和效率那么错综复杂，一般不同类型的质量不良是由不同因子导致的。只要能识别质量不良的真正原因，针对真正原因来解决问题，质量不良率就能很快降低。依据笔者过去的质量改进经验，1～2个月内将质量不良的影响因子分析清楚，然后确定控制方法，接下来1个月内，不良率通常能下降50%～70%。但这属于事后解决问题，还不能够做到在质量不良发生前（或发生时）就识别并解决。通过数字化手段，实时监控质量不良的发生，同时设定质量不良的响应方式，当不良结果达到响应极限时及时干预，可以阻止批量不良的发生，也能够为及时解决问题提供数据。另外，在积累了一定的数据量后，通过质量大数据分析，也能够更简单地确认各类不良的影响因素以及它们之间的关系，从而找到降低不良率的方案。这种方式比传统的实验设计要简单和高效许多，也降低了对于质量管理人员专业技能的要求。
4.减少安全事故
虽然大多数企业一直把安全挂在嘴边，但是相对于成本、效率和质量，安全经常被忽视。目前国有企业和外资企业对安全比较重视，民营企业的安全意识还较为淡薄。不过随着国家对于安全生产监管的不断加码，减少安全事故对企业而言越来越重要。传统的安全管理基本都属于事后管理，精益管理强调安全要进行事前预防和消除安全隐患。传统管理方式不能够阻止安全事故的发生，精益管理只能够将大多数人为的和安全管理工作没有做到位的安全隐患消除或预防掉，但是针对一些突发安全事故并不能起到很好的预防效果。通过数字化和物联网技术，感知安全事故的触发条件，在各条件接近阈值前进行预警和及时干预，通过人工或者自动控制方式，可以有效预防发生一些突发安全事故。
5.生产计划
生产计划是企业的大脑，也是制造业企业中最复杂的工作。完整的生产计划系统有主计划、月计划、周计划、日计划四个层级，再加上产能分析、生产日报和日生产异常反馈和处理机制。还有一些企业有年生产计划，由于年生产计划的主要目的是进行投资规划和决策，不是直接为生产制造服务，所以一般不将年生产计划归到生产计划系统。过去生产计划管理较好的企业一般是开发Excel工具，来完成产能分析、各级生产计划排程、生产日报汇总等工作。现今通过数字化系统，可以进行实时产能分析，自动完成主生产计划、月计划、周计划、日计划四级生产计划排程，还能分析生产计划排程不合理的原因，比如结合日生产计划异常的反馈，及时调整日生产计划，使日生产计划会更合理，不仅能提升设备利用率，更能提升企业的整体生产能力。
6.生产过程监控
很多企业的生产过程是一个黑匣子，投料后就等着产品出来。如果管理者想要查询某一订单处于什么状态，什么时候能够完工，就需要安排人员去现场确认。这种完全靠人的管理方式，在制造业企业依然十分普遍。过去进行信息化改造时，很多企业安装了报工系统，但报工系统是在设定的报工点通过人工输入或者扫描方式录入信息，属于事后控制，只不过是控制点多了一些，能够在每班结束后知晓订单的状态信息。而通过数字化生产管理系统，可以实现订单信息、工艺信息、图纸信息、物料信息、生产信息同步，再结合相应的可视化解决方案，管理者能够实时了解全部订单状态。
7.管理决策效率
现代企业管理者要做一个决策可能要花几天、几周甚至几个月的时间。究其原因，是数据整理和分析效率低下，需要一群人提供数据，然后通过数据模型将结果运算出来。以国内非常普遍的价格战为例，如果竞争对手开始打价格战，那么通常来说企业有两个选择：一是不理会；二是跟着降价。但是企业若想做出恰当的决策，可能需要很长时间，因为要进行精确的成本分析。对于没有精确成本分析模型的企业，完成这项工作大概要2个月左右；对于有成本分析模型的企业，也需要先整理数据，然后才能算出各产品的真实成本，也需要1～2周时间，然后在真实成本分析的基础上，再去评估竞争对手的成本水平，最后才能做出决策。而通过数字化方式，开发实时动态成本分析系统，可以实时精准地呈现当前各产品的真实成本，也能够提供过去一段时间内产品的真实成本，为管理者及时提供决策数据。企业类似这样的管理决策场景还有很多，通过数字化、智能化辅助决策系统，可以大幅提升企业管理决策的效率并降低管理成本。
8.知识管理
企业知识一般分为通用知识和专有知识：通用知识是在不同企业都能共用的知识，比如办公软件操作技能、沟通技能、领导力等；专有知识是企业在发展过程中沉淀下来的，针对特定场景解决特定问题的知识。专有知识通常换一个环境，有效性就会打折扣或者根本没有用，如企业文化、解决问题的经验等。一般企业的知识都比较分散，没有形成统一管理，比如通用知识由人力资源部管理，图纸由研发部管理，工艺由工程部管理等。目前大多数企业的知识是以电子档存在服务器、员工电脑里，或者以纸质形式保存起来，非常不便于查找，因此使用价值相对较低。借助数字化管理方式，建立通用知识管理平台和专有知识库，定义知识管理标准和标准化管理规则，可以将各类知识系统地管理起来，便于使用时查找和提升知识利用率。
以上八大内部新机会场景包含了提质降本增效，这也是目前企业数字化转型要实现的核心目标。其他新机会的数字化赋能方式和企业解决内部其他问题的方式基本一致，只是解决问题的复杂程度不同。
针对内部新机会场景，目前部分场景还没有成熟的解决方案，如实时成本分析系统和辅助智能决策系统等，需要在健全的实时动态数据基础上进行开发。
企业在进行数字化转型时，将同步解决常见问题和内部新机会场景纳入智能制造顶层构架设计，在项目实施过程中，最大限度地完善各数字化系统功能和挖掘数据价值。
数据除了能给内部带来解决问题的新机会外，还可在外部创造新机会并带来新价值，比如提高老产品销售收入和市场占有率，开发新产品和开拓新市场，利用现有产品和技术实施降维打击来进入新市场，改变公司业务模式，从销售产品为主变成销售“产品+服务”，扩展销售收入渠道等。针对外部客户端新机会，本书总结主要有七大场景。
1.市场情报
企业传统的情报来源，主要靠内部人员去外部搜寻或与外部人员沟通获取，因而对人的依赖性极大，并且完整性和可靠性较低。基于我们过去的企业战略规划项目辅导经验，每次询问客户有没有完整的市场情报渠道时，得到的回答基本是没有，这非常不利于做出准确的战略决策。通过数字化手段，建立市场情报系统，通过定向获取有价值的外部渠道信息，能为内部战略决策、产品设计、市场开拓、销售预测等工作赋能。
2.销售预测
销售预测是一项比较难做准确的例行工作。很多公司由于销售预测很难做或者很难做得准确，干脆就不做，但这样内部生产就失去了“望远镜”，十分被动，忙的时候非常忙，闲的时候又很闲。另外，有些公司因销售预测不准，若进行提前生产，可能会产生大量呆滞品。如服装行业这种变化非常快而且周期又非常短的消费品行业尤为明显，大多数服装企业生产的50%～70%的衣服都不能正常销售出去，有些甚至论斤甩卖。借助数字化工具，通过分析历史销售数据、市场情报数据，以及客户行为习惯数据，能够较为精准地进行产品销售预测，预测“爆款”产品以及销量，从而为企业精准决策提供参考数据。
3.产品开发
产品开发主要有两类增值机会：一是通过同步开发来缩短产品开发周期；二是通过自身产品升级来提升客户产品性能。
和客户同步产品开发是很多ODM公司的一大痛点，特别是针对国外客户，由于工作时间不一致、信息共享程度低、信息交流不便等原因所致。通过数字化协同开发平台，可以解决信息不一致和不同步的问题，从而提升同步开发速度。
产品可以分为面向消费者的终端产品和组成终端产品的零件、部件、组件或者局部产品。从面向终端市场来看，目前“物联+”和“智能+”的发展方向非常明显，需要众多能提供“物联+”或“智能+”产品的供应商。如果供应商将自己的产品做成终端产品的“物联+”或“智能+”载体，那么就能够大幅提升产品的竞争力。在产品变成“物联+”和“智能+”产品后，还需要相应配套的云端管理系统，基于产品传回来的数据，提供相应的增值服务，这样就能创造新的价值场景。
4.敏捷服务
客户服务可分为售前服务、售中服务和售后服务，迅速响应客户需求并提供各种高质量服务是企业的核心竞争力之一。针对售前服务，敏捷洞察客户需求，并能迅速提供有竞争力的产品是核心，比如富士康曾经在戴尔公司发布奔腾四笔记本电脑十几个小时后，就在深圳成功开发和制造出来了奔腾四CPU连接器样品并专机送到了美国戴尔公司。如此敏捷的售前服务，自然获得了戴尔奔腾四电脑的订单，也正是这个标志性事件，富士康才超越伟创力变成全球代工之王。针对售中服务，要保持与客户的良好沟通，及时洞察客户痛点，并提供有针对性的解决方案。售后服务也需要及时响应客户需求，尤其当现场出现问题时，要及时解决。这些都是敏捷服务能力，过去由于信息不对称或者信息传递不及时，很多敏捷服务工作无法开展。通过数字化手段，建立和客户之间的共享信息平台，可以大幅度提升敏捷服务效率和质量。例如在企业客户关系管理（Customer Relationship Management，CRM）系统中使用最频繁的就是客户售后服务模块。
5.售后运维服务
企业基于“物联+”和“智能+”产品采集的数据，可提供三种远程售后运维服务模式：一是产品免费、服务收费；二是产品收费、服务免费；三是产品收费、服务也收费。企业可以根据实际情况进行决策。另外，针对B2B业务模式的企业，还可以通过产品采集的数据提供增值运维服务，比如安全服务、故障诊断与修复服务等。
6.售后市场服务
对于提供整机产品的企业，售后是个巨大市场，比如汽车行业2020年售后市场规模达到5.3万亿元，比很多行业的整体市场容量还要大。一般行业售后市场服务主要形式有配件销售服务、维修服务、保养服务、清洁服务等。售后市场服务的一大特点是渠道比较分散，能够提供服务的服务商众多，那些最先了解客户需求的服务商将会抢占先机。针对“物联+”和“智能+”产品，最先了解到客户需求的一定是产品厂家，因为他们能准确知道产品将在什么时候需要售后服务。如果将这些信息通过数字化系统管理起来，就能够给客户提供非常有竞争力的服务。例如3M产品售后服务人员会在产品备件快到期时提醒客户更换，若客户同意，会立即和客户预约上门服务时间。
7.提升行业影响力
有些行业产品有知识鸿沟，客户在产品选型方面可能会比较困难。由于供应商对所在的细分市场更加专业，因此可以开发一些简单的SaaS软件，能够有针对性地去解决客户的共性问题，这样既能提升行业影响力，也能扩大产品销售渠道。以纺织行业为例，成品企业可能并不太懂布料，而布料生产商则非常熟悉各种布料的适用环境。如果布料生产商将环境和布料匹配起来，那么就能够帮助成品企业在产品设计完成后进行恰当的布料选择，从而提升产品的使用性能。另外，以渠道、设计和品牌为主的公司主要面向终端消费者，可能并不太熟悉纺织品的制造过程，成品制造厂如果将制造工艺标准化并且以SaaS形式提供给客户，那么就能在提高产品标准化程度的同时满足客户的个性化设计要求。
针对客户端众多新机会场景，建议按照如下三个方向实施：
1）方向1：和关键客户实现信息互联互通，通过CRM系统和共享大数据平台，增强客户黏性和为客户提供新服务，如售前、售后敏捷服务和提高客户满意度。
2）方向2：和关键客户同步开发新产品，含智能化产品，解决客户痛点问题，为客户提供更多增值服务，增强客户黏性。
3）方向3：基于“智能+”和“物联+”的“产品+服务”模式，进行商业模式创新，挖掘数据价值，拓展销售收入渠道和方式。
数字化在客户端有赋能场景，在供应端同样有赋能场景。下面总结了数据在外部供应端的六大价值场景。
1.协同开发
企业和客户可以进行协同开发，和供应商也可进行协同开发。当前供应端开发主要是供应商依据客户技术要求进行产品开发，当供应商开发完成后，将样品送到客户现场组装，通过组装来验证产品设计的合理性和制造可行性等，若有问题再进行工程变更，修改设计方案，过程繁复。通过建立供应商协同开发平台，企业可以缩短产品开发周期、简化开发流程、提升产品设计合理性和制造可行性，提升不同供应商之间的产品匹配性，降低采购成本。
2.共享资源
企业和供应商之间有些资源若能共享，也会产生价值。常见的如图纸、库存信息、实验资源等。当企业和供应商共享图纸时，能够和供应商保持信息同步，也能够减少图纸传递带来的时间损失；当企业和供应商共享库存信息后，供应商就能实时掌握客户的物料消耗速度以及剩余库存，以更好地制定库存策略和安排生产，从而给企业提供更好的服务；当企业的实验资源开放给供应商后，若供应商在企业的实验室完成相关测试和实验，那么企业更容易接受测试结果，整个产品确认过程也会更简单。要实现实验资源共享，有传统的线下模式，也可以通过数字化手段，将供应商实验室和客户实验室连接起来，形成共享实验室，实现检验结果互认和同步共享。
3.订单管理
企业下订单给供应商后，最想知道的还是订单状态。有时企业为了赶货，甚至派采购人员去现场监督生产。通过数字化手段，将企业信息系统和供应商信息系统互联互通后，企业可直接通过信息系统下订单给供应商。若供应商内部有健全的数字化制造执行系统，企业还能够了解订单的实时状态，并在订单状态出现异常时及时在线与供应商交流，从而提升来料准时率。另外，若企业库存较多时，也可以通知供应商延期交付，从而调节企业内部库存数量，减轻库存压力，也能避免仓库储位不足导致物料在企业内部随意放置，造成二次或多次搬运浪费。
4.在途管理
对供应链管理要求较高的企业，货物在运输途中也需要监管，因为运输途中也可能发生质量不良。比如监管货物有没有被雨淋、是否发生碰撞、运输条件是否能够满足要求、司机是否酒驾或疲劳驾驶等。在传统模式下，这些情况无法监管或者监管十分困难。通过数字化和物联网技术，在车辆上安装传感器和摄像头，可以实时监控车辆各种在途信息，若运输过程中发生异常，企业能够立即知晓并采取应对措施。
5.质量追溯
针对很多关键产品，客户都希望在发生问题时可以溯源，尤其对同一批次的产品都进行追溯，从而阻止问题进一步扩大。比如汽车行业，当车辆某一关键零部件发生质量问题后，整车厂就需要将同一批次生产的汽车都召回，避免问题扩大。那么，想知道要召回哪些车辆，就必须要借助质量追溯工具来实现。传统方式通过系列号追溯同批次产品，但是不知道质量问题的具体原因；而借助数字化手段实现质量追溯，可将产品全生命周期的关键质量信息都存储起来，当出现质量问题时，可以实时知晓哪些环节出了问题，这对于质量问题的追踪、处理以及质量改进都极为方便。
6.供应商售后服务
供应商通常要为客户提供各类售后服务，比如退货、换货、补货、配件销售、各种增值服务等。传统模式下，都是等客户有售后服务需求时再告知供应商，供应商再被动地采取响应措施，这样会造成服务滞后和服务效率低下。通过数字化手段，供应商可以事先知晓客户的售后服务需求，变被动为主动，这样既可以提高客户满意度，还有增加销售收入的机会。若不能事先知晓客户售后服务需求，至少可以和客户同步知晓售后服务需求，这样也可以主动响应。
针对识别出来的这六项外部供应端机会，主要赋能方式是安装供应商关系管理（Supplier Relationship Management，SRM）系统和建立供应端的数据共享平台。建议按照如下三个阶段执行：
（1）第一阶段：SRM系统上线。通过SRM系统来进行供应商基本信息管理、供应商评估、采购管理、供应商绩效管理等，这是供应端数据赋能的前提。
（2）第二阶段：建立供应端数据共享平台。通过数据共享平台和供应商信息系统互联互通，实现库存信息共享，同步了解供应质量信息，为供应商提供敏捷服务等；针对信息化程度较高的供应商（如上了MES系统等），可以实时了解供应商产能信息、订单进度信息等；另外，通过数据共享平台，企业也能够知道供应商的产品和订单匹配情况，从而优化下发给供应商的订单量，提升交付及时率。
（3）第三阶段：鼓励供应商全面数字化升级。通过数据共享平台实现供应商数字化系统和企业数字化系统的全方位对接。比如针对实施了QMS系统的供应商，可以实时监控供应商内部和外部全过程质量信息，能够大幅提升来料质量，消除由于来料不良造成的各种问题和浪费。
在一条产业链上，处于同一层级的企业都可以称为平行伙伴。由于供应链上信息不透明，以及平行伙伴间的行业差异，导致平行伙伴间的合作较少，导致的结果是客户产品组装匹配度较差，或者是能够匹配但是整体性能不是最优。常见现象是不同供应商提供的软件，经常出现通信协议不同和软件开发语言不一致的情况，导致最终产品信息化集成程度低。因此针对平行伙伴，存在协同开发、统一软件技术标准的合作机会。
1.协同开发
对于B2B（Business to Business）型企业来说，都有平行伙伴，但是它们之间通常缺乏交流和合作。导致此结果的主要原因是它们往往属于不同行业，产品形态差异较大，彼此之间不熟悉，因此也没有相互合作的动力。在这种情况下，它们的共同客户可以扮演协调者角色，让有相互配合要求的供应商协作起来。当有新产品开发任务时，和它们组成虚拟开发团队，进行产品协同开发，这样可以提升产品开发质量和制造可行性。要想实现这个层面的协同开发，需要客户建立供应端数据共享平台，相关平行供应商在此平台上协同开发。
2.统一软件技术标准
对于以产品组装为主业务的企业来说，它们通过采购不同供应商的零部件进行组装，或者将不同供应商的零部件和自制零部件组装在一起，形成最终产品。在这个过程中，若采购的零部件是软硬件结合体时，常常会出现不同供应商的软件技术标准不一致的情况。当组装成成品后，通常有多套控制系统，导致产品操控较为复杂，给最终用户带来不好的用户体验。部分技术集成能力较强的企业，会再开发相应的软件系统将不同供应商的软件整合起来，这种解决方案成本通常较高。当企业对供应商有一定话语权时，可以先设定技术标准，让不同供应商按照统一的技术标准进行产品开发，从而提升产品的整体性能。
统一软件技术标准不属于数据赋能的价值场景，但是能够降低终端用户的数据获取成本，有利于制造业数字化转型。
本章描述了数据赋能的五大场景，共33个机会，如图2-1所示。
图2-1 数据赋能五大场景的33个机会
大多数企业都有这些机会，企业在实施时可以将其列成点检表，逐项评估每个机会的价值。当企业将这些机会的价值评估清楚后，基本就清楚了数字化能够给企业带来多大价值，从而为企业制定数字化转型预算提供决策支撑。
第2章介绍了制造业数据赋能场景，本章阐述数字化转型整体策略，它是企业数字化转型的行动纲领。对于任何一家企业来说，数字化转型至少由两驾马车拉动：一是数据赋能场景；二是企业的中长期战略目标。数字化转型不仅要能挖掘数据赋能场景的价值，也要能帮助企业实现战略目标。另外，针对一些大型集团的分子公司，还有集团的数字化转型整体要求这驾马车，这样整体驱动力就有三驾马车。
三驾马车要拉着企业向哪个方向前进？需要什么样的资源？要实现哪些目标？具体要解决哪些问题？这就是企业数字化愿景、使命和数字化转型战略需要回答的问题。企业在数字化愿景、使命和数字化转型战略的指引下，有计划地开展落地项目，制订行动计划，才能确保数字化转型成功。
数字化愿景是指企业数字化转型要往哪个方向前进，需要以未来的眼光思考问题。数字化愿景要确保全体利益相关方统一思想，在企业的数字化目标上意见一致，尤其是企业的高层管理团队。
要想明确企业的数字化愿景，企业管理团队需要共同回答以下三个问题：
1）数据在企业业务模式中扮演的角色是什么？
2）企业希望通过数据实现什么价值或目标？
3）若干年后，企业希望如何管理和处理数据？
通过回答这三个问题，能够对数据进行定位，这也是企业数字化转型率先要明确的问题。比如一些企业希望变成数据驱动型的组织，希望通过数据来解决当前企业面临的问题，优化业务流程，创造新业务机会等。
以企业要变成数据驱动型的组织为例，数字化愿景可以设定三大阶段目标，如图3-1所示。
图3-1 企业数字化愿景三大阶段目标
第一阶段要解决数据自身的问题，通常包括数据来源可信、数据种类齐全、数据质量高、数据管理规范等核心问题；第二阶段要用数据来全面优化现有业务流程，帮助企业降本增效、提升产品质量、支撑业务增长等；第三阶段基于数据创造新价值，比如将数据资产化，或者基于数据打造新业务模式等。
总之，企业数字化愿景的核心是让企业的全体利益相关方对数字化转型达成一致认知，统一思想，这是企业数字化转型成功的前提条件之一。
数字化使命主要回答通过哪些目标来实现愿景。因此，企业的数字化使命和数字化愿景是一脉相承的。以“企业要变成数据驱动型的组织”为例，可以制定企业的数字化使命，如图3-2所示。
图3-2 企业的数字化使命示例
在图3-2中，企业数字化主要有三大使命：①统一内外部数据来源，确保企业有可信且丰富的数据；②建设统一的大数据平台，对数据进行统一治理，然后为应用系统提供数据服务，实现应用系统互联互通；③打造企业大脑，实现辅助智能决策、管理自动化、优化业务流程，并最终提升企业的盈利能力和实现业务倍增的目标。
当企业数字化使命明确后，企业数字化建设的主要内容就明确了，接下来就是制定企业数字化转型的整体策略框架，并将企业的数字化愿景和使命落地。
在数字化转型三驾（或两驾）马车的拉动，以及企业数字化愿景和使命的引领下，结合过去十多年帮助众多企业进行数字化转型的成功项目实践，笔者提炼出来一套完整易行的制造业数字化转型整体策略框架，如图3-3所示。
该数字化转型整体策略框架具有一般性，适用于各行各业的制造业企业，不论其是处于工业1.0、工业2.0还是工业3.0水平。该整体策略框架共有十大关键任务（不含图中所示的企业中长期战略目标、集团总体要求和数据赋能场景）。
1.数字化管理体系建设
不以规矩不成方圆，任何一项常态化工作都需要有相应的管理体系来保证执行不走样。目前数字化管理刚兴起，业界还没有成熟的数字化管理体系，需要企业去实践探索。本书建议至少从以下七个方面进行数字化管理体系建设：
1）数字化组织建设：为了将数字化转型落到实处，建议企业组建三级数字化团队，数字化转型领导小组、数字化转型核心团队、数字化转型联络员团队。
图3-3 制造业数字化转型整体策略框架
2）数字化能力建设：数字化能力包括数字化人才和能力管理体系。数字化能力建设离不开数字化人才，企业要在数字化转型实践中培养数字化人才；若企业内部人才不充足，要去市场上引进新鲜血液。数字化能力管理体系是培养数字化人才的关键要素，要持续沉淀企业的数字化建设经验、形成知识和能力，并融入数字化能力管理体系中。
3）数字化考核和激励体系：要对数字化工作进行绩效考核，也要制定能够激发全体员工数字化工作主观能动性的激励措施。
4）数字化文化建设：要围绕数字化转型开展系列活动，将数字化工作常态化，与此同时制定相应的宣传方案，以扩大数字化的影响力。
5）数据资产管理：在数字化时代，数据就是企业的核心资产。企业如何进行数据管理、提升数据质量、确保数据安全、管好用好数据、发挥数据的价值是一项核心工作。
6）数据赋能管理：数据要产生价值，需要进行数据赋能场景挖掘和开发相应的解决方案，为了将数据赋能变成每名员工的本职工作，需要制定相关的数据赋能管理措施。
7）数字化管理体系：在数字化转型工作的实践基础上总结经验，然后形成规范企业数字化相关职能业务活动的管理办法、流程和工具。
针对以上内容，本书第4章将进行详细阐述。
2.智能制造顶层构架设计
在确定了企业数据赋能场景和数字化转型目标后，智能制造顶层构架设计是企业数字化转型的第一步工作。有很多客户问我们数字化转型规划、智能制造顶层构架设计、数字化顶层构架设计、IT规划等概念的差异，我们通常会用建一栋新楼来打比喻：假如要建一栋新楼，那么这栋楼要建多高、需要有什么功能，就相当于是数字化转型规划要完成的输出，也就是这栋楼的规划蓝图；假设数字化转型规划输出的结果是要建造一栋10层楼，7层现在使用，3层留给未来使用，那么接下来就要完成10层楼的设计方案（智能制造顶层构架设计），而不是只设计现在要使用的7层楼的方案（数字化顶层构架设计）；在这栋10层楼的设计方案中，要具体设计每层楼的功能，每个功能区的大小，还要说明为什么每层楼放这些功能区而不是另外一些功能区，各功能区为什么需要这样的资源配置等，这个过程就是智能制造顶层构架设计；当完成智能制造顶层构架设计后，这栋10层楼的样子就确定了；接下来还要确定大楼每根柱子和横梁的粗细、钢筋型号、水管电线布置图等，这就是IT规划；通过IT规划，要保证大楼的可靠性，基础设施要能够满足使用需求。从这个类比例子可以看出，数字化顶层构架设计是个“伪命题”或是“短视”的做法，一定要兼顾现在与未来进行智能制造顶层构架设计。IT规划是由智能制造顶层构架设计决定的，能刚好满足智能制造顶层构架设计的需求即可，不要设计过剩，过剩就是资源浪费；更不能设计不足，否则整个系统运作不起来。
3.大数据平台规划和信息基础设施规划
数字化管理体系是企业数字化转型的体制保障，大数据平台和信息基础设施是企业数字化转型的基础保障。在智能制造顶层构架设计的指引下，企业的IT部门先要进行大数据平台和信息基础设施规划与建设。
大数据平台规划主要包含以下三大方面内容：
1）数据资产盘点：对全业务域数据资产（含内外部）进行盘点，作为大数据平台规划的基本输入。
2）数据治理：通过建立数据治理规则，在数据采集前就明确数据标准以及各应用系统的数据格式与规范，可以有效提升数据集成的有效性。
3）大数据平台规划：识别全部数据来源并进行数据量评估；依据数据量、数据类别以及数据处理需求规划数据处理方式和存储方式；进行数据安全规划，通过有效的安全防护措施，确保公司的数据安全，既要能够满足使用需求，又要避免核心数据泄密风险发生。
信息基础设施规划主要包括以下四大方面内容：
1）网络规划：要依据工业物联网、工业互联网和应用软件需求，进行企业办公网络、工控网络、外网规划；要依据公司功能区规划主干网；还要让整体网络架构能够灵活满足布局调整和生产规模扩容需求。
2）信息设备设施规划：依据网络规划、大数据平台需求、应用软件需求等，规划信息设备设施，如机房数量、大小和位置等。
3）基础软件规划：对操作系统、数据库等基础软件进行选型和配置。
4）网络安全规划：通过进行全面的技术措施、管理措施和物理防护措施等规划，确保网络安全和提升网络稳定性。
在企业数字化转型过程中，建议先进行系统的大数据平台和信息基础设施规划；在上线各业务应用系统时，再按照具体需求进行持续建设。随着企业数据量的不断丰富，基于大数据平台，还可以开发企业大脑。
4.产品创新
产品创新是制造业的主旋律。通过产品创新，持续提升产品的卖点和性价比，以及持续推出新产品，企业才能实现永续经营。本书重点推荐四类产品创新方向：
1）“智能+”和“物联+”方向：通过对产品进行“智能+”和“物联+”升级，打造更有客户黏性和竞争力的产品。
2）标准化方向：通过提升产品软硬件开发平台的标准化程度，以及提升标准化零部件的比例，能够提供更高性价比的产品。
3）价值工程方向：通过产品价值工程分析，不断优化和升级产品，也能够提供更高性价比的产品。
4）批量定制方向：通过提供有限选择的个性化设计，并灵活组合，来满足不同客户的个性化需求，将会促生批量定制的业务模式。
5.服务创新
针对第2章描述的数据赋能场景，服务创新主要体现在企业内外部的智能化服务和敏捷服务上。智能化服务能够创造更多的增值服务机会，敏捷服务能够提高服务效率和客户满意度。
6.商业模式创新
商业模式创新是识别新价值的主要方式，是企业数字化转型十分重要的组成部分。企业研发部门、营销部门和数字化相关部门一定要进行深度的商业模式创新机会探讨，要深入客户现场，体会客户痛点，要将客户痛点和未被满足的需求变成商业模式创新的机会。另外，商业模式创新也体现在产品和服务的供给方面。在数字化转型过程中，不能一味地强调单兵作战，要联合外部合作伙伴进行兵团作战，将不同伙伴的资源整合起来打造更有竞争力的产品和提供更有价值的服务。
7.制造升级
制造升级主要是通过精益智能制造理论，结合企业的实际情况，先通过精益化夯实管理基础和制造基础，提升企业的盈利水平；再通过创新化提升产品和企业的核心竞争力；然后在企业内外部寻找自动化、数字化、智能化、互联化升级机会，来进一步提升企业的盈利能力和实现转型升级。
8.管理升级Ⅰ：完善企业管理体系
针对中国制造业的现状，一般建议管理升级分两步：第一步结合精益管理，完善企业管理体系，构建企业的灵魂；第二步再进行管理数字化和自动化升级，最终打造企业大脑。
企业要想进行管理升级，首先就是要打造能体现企业文化的管理体系。完整的企业管理体系标志着企业开始走上现代化企业管理的正轨。
9.管理升级Ⅱ：管理数字化、管理自动化、企业大脑
在完整的企业管理体系基础上，再去寻找管理数字化的机会，通过管理数字化来固化管理流程，确保不同的人执行起来不走样，也能简化管理流程，提升管理效率。在管理数字化的基础上，进行管理自动化升级，通过持续完善管理模型、管理软件或者开发新应用软件，让数据获取自动化、分析过程自动化、决策建议自动化。当企业内部的全部管理工作（优先聚焦核心管理工作）都实现了自动化，企业大脑就建立起来了，企业大脑需要随着企业需求的变化持续升级。
10.数据赋能：新业务机会
企业业务是在不断发展的，有了丰富的数据，企业还需要持续识别数据赋能场景，并提供相应的解决方案，开拓新业务机会。
依据上述数字化转型十大关键任务，企业需要先进行数字化转型基础评估，通过全面评估识别企业数字化转型的薄弱环节，然后在各环节数字化转型前有针对性地补强，为数字化转型成功奠定基础。
结合数字化转型十大关键任务，需要进一步找出关键任务对应的落地关键项目，针对关键项目，需要明确项目负责人，以及项目执行时间。
在确定各关键任务的落地关键项目时，可以运用头脑风暴的方式，建议公司数字化转型团队和各业务部门，针对不同的关键任务，结合各职能的具体业务，进行单独讨论。当讨论出初步结果后，要初步评估项目可行性。若评估结果为可行，可以进行项目立项，视为一个落地关键项目。
当识别出来全部落地关键项目后，填入“企业数字化转型关键项目进度计划表”（如图3-4所示）中，此计划是企业数字化转型的行动纲领，由公司最高管理者负责批准和监督。
图3-4 企业数字化转型关键项目进度计划表（示例）
在确定了数字化转型关键落地项目后，由各项目负责人组建项目团队（可以包含企业数字化转型团队中的成员，也可以不包含），然后项目团队一起拟订项目落地行动计划。
在拟订项目落地行动计划时，一般运用结构化思维模式，先确认项目的行动方向，然后再针对各行动方向制定具体的行动措施。企业数字化转型项目行动计划表（示例）如图3-5所示。
图3-5 企业数字化转型项目行动计划表（示例）
运用上述项目管理方式，可以在项目绩效出现偏差时能够较容易制定出补强措施，确保项目目标的实现。
目前各行各业正在全面实践智能制造，一套有针对性的评价指标体系就显得非常必要。为了落实《中国制造2025》确定的大致方针，工业和信息化部、财务部联合印发了《智能制造发展规划（2016—2020年）》（工信部联规〔2016〕349号），该规划对智能制造重点领域提出如下目标要求：制造业重点领域企业数字化研发设计工具普及率超过70%，关键工序数控化率超过50%，数字化车间/智能工厂普及率超过20%，运营成本、产品研制周期和产品不良率大幅度降低。
《智能制造发展规划（2016—2020年）》对研发工具、关键工序数控化、数字化车间和智能工厂普及率提出了明确的指标值要求；但是对于运营成本、产品研制周期、产品不良率这些运营类指标没有提出明确要求，而这些运营类指标又是比较容易设定具体目标值的。在上述通用指标的基础上，本着“企业标准高于行业标准、行业标准高于国家标准”的原则，结合中国制造业实际情况，笔者在《精益智能制造》一书中设定了13项评价指标，如图3-6所示。
图3-6 数字化转型评价指标
在上述评价指标中，包含了国家层面的五项指标：生产效率、运营成本（运营成本比例）、能源效率、研发周期，不良率（内、外部PPM）。除了这五项指标外，结合数据赋能场景，还有另外的七项指标：
1）客户满意度：衡量客户服务质量。
2）固定资产收益率：衡量投资决策的经济效益。
3）交期：衡量流程效率和内外部协作效率。
4）库存周转率：衡量内部价值链协作效率。
5）安全生产：衡量企业发展有没有以牺牲安全为代价。
6）服务性收入比例：衡量公司的服务创新能力。
7）研发成功率：衡量公司研发综合能力的高低（此项指标针对定制化的企业不成立，因为定制化企业的研发成功率是100%）。
关于各项指标的具体升降比例，本书不提具体要求，这是由于中国制造业不同领域、不同企业的工业化和信息化程度不一样。比如在半导体和液晶等领域，工业化和信息化程度相对较高，基本都实现了工业3.0；在锻造、铸造、家具等传统领域，基本还停留在工业1.0水平。在相同领域中，不同企业的水平也相差非常大，比如在机加工行业，有的企业是工业1.0水平，如产品加工主要靠钳工；有的企业引进了现代化数控设备，产品加工主要依靠设备，实现了工业2.0；还有的企业自动化水平高，数控设备配备机器人上下料系统，实现了单元自动化，也引进了MES等管理系统，可以称为工业3.0。因此，针对不同领域和不同企业，需要解决的问题以及潜力完全不一样。以生产效率为例，有些潜力大的企业稍微改进一点，效率就能翻番；而水平高的企业，如果没有技术革新，生产效率潜在提升空间就非常有限，因为它们的效率提升主要依赖于更为先进的生产设备和更为先进的制造工艺。基于实事求是的态度，关于数字化转型评价指标，建议潜力大的企业以提升幅度和经济效益为导向，潜力小的企业要以保持先进性为导向。
针对这13项评价指标，企业要先确认数据来源，再制定数字化绩效考核与激励制度。随着企业数字化持续深入，尽量通过工业互联网和各类数字化系统自动获取各指标的原始数据，实现绩效考核自动化。