主页（http://www.cnwulian.net）：麦肯锡重磅报告：企业如何挖掘“工业4.0”的价值？
全球制造业的行业专家进行了一项新的调查：探索企业目前实施“工业4.0”进展如何?不可否认这一进程仍然面临许多的挑战，但更多的玩家会参与进来并开辟更多的价值路径。
在过去的几年里，“工业4.0”的概念被大肆炒作，除了让许多企业认识到了这个概念，也在公众心中留下了这样的印象——老工业的复兴就得靠它了!引领这一切的人总的来说还是保持乐观，但是在某种程度上，幻灭也在悄悄蔓延，因为到目前为止，实施改造的结果好坏半掺。
一方面，我们仍然不是很确定制造业是否真正需要实施“工业4.0”——即使许多人正准备开始朝着这个方向努力。比如，我们发现，只有30%的技术供应商和16%的制造商有整体的“工业4.0”战略，并且其中只有24%有明确的计划来实施战略。另一方面，受到数字化趋势的影响，大多数的技术供应商已经能够相对快速的调整自己的项目组合。
尤其是当制造商不拘泥于“工业4.0”这个术语，而是把眼光聚焦于那些更有价值的、以业务为导向的应用时，越来越多的企业有了实质性进展。为了实现目标，一些企业甚至重新命名了他们的“工业4.0”规划，以此来摆脱怀疑心理，同时保留那些能真正创造价值的元素。
为了观察这些复杂而多样化的进程，阐明为什么一些“工业4.0”玩家取得了进展而另一些却没有?我们重复了我们在2015年实施的“工业4.0”全球调查。我们关注行业对“工业4.0”的态度，但更注重实施该理念后取得的进展，尤其是在智能能源消耗、实时供应链优化、远程监控和控制、数字质量管理以及数字绩效管理等领域。
不过，一些企业仍然在这样几个领域里步履维艰：在企业内部之间的各管理部门协调行动;维护网络安全标准;在与第三方供应商合作时确定数据所有权;激进改革时的勇气以及招聘必要的人才。
因为制造商仍然在为如何解锁“工业4.0”的价值而拼命挣扎，在这里，我们列出了五个务实的步骤：
一.制造商应该聚焦部分“工业4.0”应用，而不是全部
我们观察到，那些能在“工业4.0”实施过程中取得重要进展的制造商大都只关注部分应用(参见文本框1)，而不是试图同时应用所有的“杠杆”去撬动“工业4.0”。
文本框1
制造商正在寻找有潜力被应用到整个制造业组织架构中的五大“工业4.0”应用：从上到下，从头到尾。然而，解锁价值并不需要企业实施所有的“工业4.0”应用。
这里有一个应用列表，正在实施“工业4.0”的制造商能从中获取最大价值。这份列表并不是对所有的制造商都同样适用，有的制造商可能更适合那些没有出现在列表中的应用。但是，考虑到在这些领域有许多成功案例，我们认为这份列表是一个很好的起点——制造商的首要目标应该是获取价值。
数字绩效管理
由于最小的资源需求和简单、快速部署的解决方案，数字绩效管理可谓是一扇通向数字制造业的大门。该应用加速了现有的精益管理流程，帮助企业建立数字化能力和数据驱动的理念体系，为更加先进的数字技术奠定了基础。我们已经见识了一些数字化管理工具，如支持性能对话的数字仪表板，在三个月内实现了高达20-50%的OEE(设备综合效率)提升。此外，数字性能数据支持标准化的计算和报告，使得KPI、工厂和业务部门都能实现共享，这不仅保持了一致性，还方便各个部门随时进行最佳实践分享。
预测型维护
尽管预测型维护这个术语已经存在多年，但是在数据可获得性、机器学习技术和云计算方面的重大进展都能为其提供全新的方法：新式预测型维护集成了不同的数据集，并且使用复杂的深度学习算法，比如神经网络。在引入新式预测型维护算法后，机器的寿命增加，而维护成本能够明显下降10-15%。企业要想成功应用预测型维护，需要三个必不可少的组成部分：对各自资产深度维护的专业技术和理论知识，强大的先进分析技术，能够适当灵活变更的管理能力。
收益、能源和生产量的优化
将过程控制集成数据与其它数据——比如成本数据——进行集成，将对企业收益、能源和生产量的优化大有帮助。我们看到，制造商已经通过结合那些容易获得的工厂数据和正确的软件，对工厂实施了不小的改善。此外，他们必须建立正确的算法。最后，同时为最初的试点和由此扩展的不同站点提供支持是成功的关键因素。
下一层次的自动化
几乎所有的公司，都还存在很多潜在的可以增加使用自动化的蓝领和白领阶层工作。就拿蓝领阶层的工作来说，我们预计在未来的5到10年内，工厂里机器人的使用将实现显著增加。直到2020年，工业机器人的成本都将以每年10%的速度下降，而传感器技术和人工智能技术却在不断进步——这将促使机器人被应用于更复杂的系统和情形中——驱动发掘自动化的潜在价值。我们还发现在白领阶层的工作方面，供应链中的需求规划(预测性分析的使用)和订单管理(非接触式订单管理)过程中具有值得优化的潜力。
数字质量管理
通过开始实施数字文档系统——帮助记录和存储与质量、生产和服务的相关信息，制造商尝到了甜头。先进的质量控制，包括使用新式传感技术(比如计算机视觉)和半自动质量控制(如机器人)可以解锁更多的价值。更高级的玩家正在使用先进的算法和大数据质量分析来加强他们的数字质量管理。
二.别怕变通，今日之变是为明日更完善的解决方案奠定信息基础
通常有一些客户由于缺乏实际经验而无法开始实施“工业4.0”，在很多情况下，从重要的“工业4.0”应用中捕捉价值就会涉及到许多制造商需要解决的障碍和问题。
当整合数据的时候出现这些问题，项目往往会被迫停止，然后等待数据体系结构转换、ERP系统的重启，或者一些其它尝试。但事实是，出色的客户管理即使在困难的情况下,(如缺失数据，不兼容的IT系统，人才的短缺)也能成功地完成项目。
例如，在做生命科学客户收益率优化管理时，我们发现一些问题——整个文档的批阅只能在纸上进行，但是只有输入电脑的数据才能用于分析。他们并没有选择等待两年等数字档案建立好或者数字数据积累到足够的量，而是选择扫描了所有的物理数据表(15000页)，然后在印度找了一个第三方供应商将其转换为机器可读数据标签。这花了两周的时间和非常多的努力,最终实现了约1%的产量提高。
云平台解决方案也能无风险的实现同步处理。公司可以尝试用云平台方案来解决基础设施方面的问题。
尽管早期航天飞行很成功，大规模的“工业4.0”应用还是需要大量投资和技术的进步。包括其他物联网的应用、业务逻辑的整合以及数据的积累。
