我写东西的过程，其实就是我思考的过程、是自己和自己讨论的过程。观点不一定对，欢迎批评指正。
从经济的角度看，制能制造常常可以看成一种对时间、成本、质量、效率的优化。从优化的角度看，之所以能做得更好，是因为可调用的资源增加了、优化范围扩大了、时间效率提升了、决策更加科学了、感知更加敏锐了。这些原因又可以归结到两类：可用资源的扩大和资源调配能力的提升。其中，可用资源的扩大来自于资源的共享和重用，而协同能力的提升则体现在协同能里的增强。所以，我把智能制造价值的创造逻辑归结为共享、重用和协同三个方面。
1、共享与重用
所谓的共享，包括人、知识和资源。通过共享实现优化的空间非常大。
共享的对象可以是社会资源。比如，只要半小时时间，一个好的大夫可以让病人节省下成千上万的资金、减少大量的痛苦。这半个小时，他可以为社会和自己创造大量的财富，也可以在无聊中度过，如果在无聊中度过，这就是巨大的浪费。进一步，如果把医生的知识贡献出来，在互联网上共享，则可以造福千万的人类。这就是IBM现在努力在做的事情。当然，交通工具、生产设备、生产知识、产品知识的共享价值都是非常大的，足以改变世界。
对于企业内部，共享知识同样重要。知识复制的边际成本接近于零。知识生产的成本是一定的，但产生的价值却与企业的规模有关：越大的企业创造的效益越大。我过去常说：如果一项技术可以使每吨钢节约1元钱。则这个技术在万吨级的企业就可以节约万、在0万吨级的企业就可以节约0万。所以，知识的共享是维系大企业生存的纽带。现在，很多企业的技术创新是为自己企业服务的。
共享也可以在企业和社会之间互动。在未来的时候，企业开发技术的目的更多地可能是形成产品、服务社会而不仅仅是为了自用。GE自称要转型为软件企业，就是这个道理。我们知道：技术创新的价值更多体现在扩散的阶段。如果企业的技术不用来赚外来的钱、而仅仅是自用，很可能是亏本的。或者说，如果不赚外来的钱，可以从事的创新项目就会越来越少。当然，共享的前提是你的东西真好。所以，共享的程度越高，对水平的要求也就越高。这样，个人或企业可能会慢慢聚焦在小的领域，做隐形冠军。
重用指的是知识和物质模块的重用。重用本质上是一种共享——往往是企业内部的共享、是一个时段与另一个时段的共享。典型的是零件在不同车型上的共享、设计在不同用户上的共享。重用可以减少不必要的研发和设计时间，重用可以促进持续改进。一个企业可重用的资源越多，做件事的成本就越低、效率也就越高。工业4.0强调个性化定制：如果没有模块的共享，那是不可能实现的。
协同
所谓协同，就是主体之间高效率地配合和联动。无论是德国《工业4.0》还是美国GE的《工业互联网》，基于互联网的协同都是关键点；其差别只是在于：德国更侧重企业内部协同，美国人更侧重企业之间的协同。协同的参与者可以是人，也可以是机器。过去传统的信息化（如OA）侧重人和人之间的协同，而未来的智能化则会越来越偏重机器之间的协同、或者人和机器的协同。
“智能”概念的若干要素，如感知、决策、执行的统一，就体现在协同的过程中。协同得好，首先要有感知、即获得必要的信息、来启动决策。决策过程不仅需要这些信息，还需要相关的知识和更多信息的集成。执行则需要调配资源的能力。
协同参与方包括多个主体，通过信息传递，各个主体按照特定的次序和要求展开工作。协同不好，可能会导致时间和成本的损失。比如，协同对象之间在信息交换上会失真、就像游戏“拷贝不走样”所表现的那样。信息交换还可能延迟、人类的决策也会延迟、会出现决策失误。这些都会造成决策损失。利用信息技术，既可以真正做到信息的“拷贝不走样”；又可以用机器决策大大压缩人类的决策时间；如果信息源足够多，机器智能的决策可以比人类更加合理有效。利用这种机制，企业里的设备或者产品出现问题，生产组织、库存调度、车辆安排、用户合同匹配可以在瞬间进行最优化的调整。否则，如果依靠人来决策，每个环节都可能要耽误几天的时间。涉及的部门越多，决策的周期就越长。
共享其实就是一种协同：一种资源拥有者和资源需求者之间的协同。我们强调协同，指的是把共享关系扩大。比如，制造一件物品，可以由全世界最好的零件制造商、软件开发团队和设计师来共同完成，让共享走向极致。协同还包括企业内部的协同，如上下级的协同。让上情下达更加顺畅、减少各种“跑冒滴漏”。对于企业管理能力相对较差的而中国企业，充分利用信息技术促进协同是“弯道取直”的重要手段。
从智能制造到工业大数据
电商平台的发展历史大体是这样的：最初的电商平台亚马逊是卖书的；后来才开始卖普通民用品；再到后来才出现工业电商。在资源共享平台方面，先是共享出租车（优步），再是共享单车。出现这种次序的先后关系，是有原因的：越是往后走，相对风险越大。
协同、共享、重用在逻辑上是成立的。但在实际操作过程中是有风险的：别人共享的东西，未必是你需要的、甚至会影响你的后续工作。协同的各方，可能会存在各种理解上的不一致。为了避免这种不一致，需要制定标准和协议——亚马逊从卖书开始，就是因为卖书没有不一致问题、不需要对商标制定特别的标准。淘宝很容易面向普通消费者，工业电商的推进却很难——这就是因为工业界对标准的要求比普通商品强得多。同时，提供资源的一方，也会担心自己共享的资源无法收回——共享出租车比共享单车来得早，因为出租车上有个司机，资源共享方损失的可能性小。
风险不仅存在于交易的各方，也存在于写协同的各方。我们知道：协同参与方的每一个决策，都会涉及到一个问题：这样的决策是不是性价比最好的、最优的。如果决策不合理，即便是空有“智能制造”的外壳，也不会有优化的效果。那么，什么是最好的？如何度量？在什么情况下是最好的？如何感知具体情况？要回答这些问题，涉及到信息和知识的问题。
有句话叫做“没有最好、只有更好”。一般来说，所谓的最优往往是封闭条件下的特殊情况。持续改进才能做得更好。如何做好持续改进呢？理论上讲，必须对决策涉及事件的全生命周期进行记录，以便创造出在实践中“通过反馈不断优化”的条件。这样，就和大数据联系上了：
我们知道，人们对大数据的认识和理解有很多种。其中的一种是：“事物发展过程痕迹的全面记录、作为用数据说话的依据。”对于工业大数据，我们特别强调数据的完整性、真实性——这是因为：工业过程是个复杂的系统，信息的缺失可能会带来本质性的错误。具体地说，我把完整性理解为数据之间的关联与对应必须准确。比如，产品要和生产的工艺、设备状态对应起来，生产车间的时钟要统一起来等等。所以，普通大数据强调非结构化、半结构化，而我们对工业大数据则强调“复杂结构化”、强调事先的数据治理。也就是：要让工业大数据有用，必须事先为数据发挥作用创造条件：预则立、不预则废。而不能像对待互联网大数据那样，有什么数据用什么数据。
关于平台问题
经过几年的思考，我感觉把相关逻辑想清楚还是比较容易的。难就难在平台上。平台是个工具，可以把智能制造、大数据的应用变得简单——就像用高级语言、调用模块比用汇编语言编程更加方便。如果没有合适的平台，智能制造技术的成本、代价和质量就会非常高。形象地说，有了好的平台，可以把难度降低为十分之一。但是，开发平台的难度，远不止用好平台的百倍。
如前所述，协同首先要解决标准化的问题，让协同的各方不会产生歧义，以避免协同的风险。这种问题用在工业企业，比用在民用商品的买卖要复杂得多：所谓差之毫厘，谬以千里。各个界面之间协议要求的内容、格式可能是完全不一样的。这样，我们对平台的开放性就有很高的要求。
现在看来，国内顶尖的学者，都已经意识到平台软件的重要性。但是，我们能不能搞出来，我真的缺乏信心。
看来，推进这件事，必须要有好的线路设计，先找到小的切入点，在解刨麻雀的基础上开展研究：比如，从方法论开始、从离线开始、从人与人的协同开始、从行业开始、从具体案例开始。由于工业界问题的复杂性，智能制造和工业互联网的推进，应该不会像电商和共享平台那样在短期内结束。
郭朝晖
转载请注明：http://www.0431gb208.com/sjslczl/928.html
