数据如何赋能制造业？

20世纪初福特公司一台电机出现故障，很多工程师都修不好，于是聘请德国专家斯坦门茨来维修。斯坦门茨在电机旁边观察边敲打，然后用粉笔在电机外壳画了一条线：“打开电机，在记号处把里面的线圈减少16圈。”福特工程师半信半疑地将线圈减少，结果电机真的好了。

这次电机维修斯坦门茨收取了1万美元酬金，他还特地列了一张费用说明：“用粉笔画一条线1美元，知道在哪里画这条线9999美元。”

当时，这个故事被贴上“知识就是财富”的标签，其实放在今天的工业企业场景中，这是一个“专家经验发挥价值”的典型。

　　经验主义与数据价值的博弈

在工业经济时代，经验主义一度发挥着不可替代的价值。

不夸张地说，当代制造业基本都走过一段经验主义道路，靠习惯和工作经验来管理企业，靠老师傅在一线车间的经验传帮带徒弟。

图1.20世纪工业经济时代的生产车间

直到ERP的诞生，将企业的管理思想逐渐固化和规范下来，用ERP改造管理经验主义；到MES的应用，将企业生产制造的流程固化和规范下来，用MES改造生产制造经验主义。

但不得不说，工业经济时代企业内外部环境相对稳定，挖出多少铁矿石就一定能生产出多少铁或钢材，相对简单的干扰条件，经验主义几乎可以准确地预测和分析结果。而现在，市场的瞬息万变、技术的飞速发展、工业设备的升级换代，专家的经验主义是否还能上演“斯坦门茨”般的神奇？

也许并不能。

现今的制造企业，是一个由数据充斥的商业综合体，其数据有很多种。简单列举就包括数据采集、数据存储与备份、数据安全、数据建模与可视化、数据分析与预测等过程数据；涉及的数据类型包括静态数据和动态数据，也可以分为实时数据和非实时数据，还可以分为结构化数据、半结构化数据和非结构化数据，来源包括企业的信息系统、设备、传感器、供应链以及社交网络。

如何从这些种类繁多的数据中挖掘价值？如何让企业从依靠经验主义过度到数据价值洞察阶段？这既是一个相互博弈的过程，也是一个不断探索和实践的过程。

　　制造业与互联网的鸿沟

在经验主义和数据价值博弈此消彼长的过程中，互联网技术发挥着巨大的使能作用。但客观来讲，制造业和互联网之间的鸿沟比大家想象得要大。

笔者曾经参观过很多制造企业，不管是总装线上舞动着机器人手臂的汽车主机厂，或是焊接车间电光火石般的重型装备企业，抑或是需要更换防尘防静电服才能进入的电子企业，还是正在流水线上发酵或装罐的酿酒企业，大多数伴随着轰鸣的机器声、或多或少呛鼻的味道。

当这些企业将某一单点应用作为样板呈现在同行企业面前时，支撑其业务运行的工艺流程、IT系统或是生产线往往被声声称道，因为还有更多企业没有达到这样的水平。

但如果做个横向对比的话，随便一个IT公司的实验室、或是互联网企业的创新中心，都比以重资产着称的制造企业车间高大上得多，其信息化应用也要成熟得多。

所以，当云计算、大数据、人工智能这些概念铺天盖地袭来的时候，仍然需要对中国制造业的发展现状保持着理性认识：因为还有很多企业MRP都跑不起来，还有很多企业连物料和图纸以及其他技术资料的关联性都做不好，还有很多企业必须依靠手工变更BOM信息。

事实是，制造业与互联网的融合并没有想象简单，制造业长期固化和累积的习惯、经验、模式，在互联网强调灵活和快速迭代的特性面前，存在着不只是技术就可以逾越的鸿沟。

图2.国务院印发《关于深化“互联网+先进制造业”发展工业互联网的指导意见》

这也是中国政府大力推动“中国制造2025”战略、2016年出台《关于深化制造业与互联网融合发展的指导意见》、2017年签署发布《关于深化“互联网+先进制造业”发展工业互联网的指导意见》的原因。

鸿沟虽在，跨越在即。