数字化转型迷思
工业互联网、工业4.0、智能制造、两化融合，这些词汇已经成为制造型企业战略中的热门关键词。自动化、数据采集、大数据、人工智能等概念更是人人皆知。越来越多的企业已经看到先进技术所能够给传统制造管理带来巨大的改变，纷纷投身于这些技术的落地应用。在这场深刻变革背后我们能看到的是数字化技术对传统制造业的颠覆性变革。如果管理模式无法顺应数字化技术的变革，不仅将无法受益于这些技术，而且会快速的被技术竞争所淘汰。因此，一个企业如何进行深刻的数字化转型将成为企业变革战略中不可回避的话题。同时，摆在非常多企业面前的难题也应运而生：数字化技术到底有什么用，到底什么是数字化转型，到底要怎么做才能走好转型之路。
“
谋定而后动，知止才有得 -
演化自《大学》，意指谋划准确周到而后行动，知道目的地才能有所收获
”
我有幸深度经历了一家跨国性电子制造企业的数字化转型全过程，也在最近几年参与过数十家企业的数字化转型战略制定和部分项目落地，深知过程的艰辛。盲目跟风的浮躁以及不知所措的痛苦都来源于没有做好准备就开始行动。基于这些经验，也慢慢沉淀和梳理出对中国制造型企业如何走好数字化转型之路的一些个人思考，希望对计划进行数字化转型的企业有一些帮助。
如果用一句话来概括其中要点的话，我认为就是“谋定而后动，知止才有得”，这句话的意思就是谋划准确周到而后行动。这句话不仅适用于数字化转型，我想对于任何管理变革应该都是适用的。这句话概括了进行数字化转型前我们必须思考的几个问题。
WHO.WHERE.WHAT.HOW
01
我是谁
任何转型的动机都是通过变革找到新的驱动力量，前提是对自身状况的全面而又准确的把握。唯有深刻理解所处行业的竞争模式，以及自身所处的竞争地位、能力现状，如同y=f(x)中的y，才能够激发自身的变革动力，才会去思考需要通过什么方式来改变现状。
02
我在哪里
同时还必须对目前的现状形成的原因有全面深入的分析，了解是什么原因以及有哪些因素造就了现在的局面。只有清晰的了解这一点，才能够像解y=f(x)这样的方程一样了解清楚y和x之间的关系。
03
我要做什么
当全面了解了y和x之间的关系后，摆在面前的就是如何找到改变x的方法，通过改变x来改进y的数值，而各种数字化工具则是改变x的方法。
04
我要怎么做
在清楚知道有哪些可以改变x的方法后，我们还必须清楚的了解到这些方法究竟能够有多大的作用，能够对结果造就什么程度的改变。只有知道这一点，我们才能够知道这些工具的上限是什么，应该用什么样的顺序和步骤去实现。而不是盲目的追求技术的先进性，不分先后顺序的投入。
制造运营管理中的变与不变
如何才能找到y=f(x)这个制胜方程式呢，这需要从源头弄清楚什么才是制造运营管理中变与不变。
首先，我们必须清楚的认识到，无论什么样的行业，制造什么样的产品，制造管理的本质是不变的。制造管理的本质，简单的来说，就是管理资源通过一定的流程转化成符合客户需求的结果的过程。
其次，评价制造管理好坏的标准也是不变的。大多数企业无论KPI如何设定，对于制造管理的指标要求无外乎都可以通过品质指标、交期指标、成本指标进行展开，也就是如何改进资源转化成结果的成功率以及代价。
再而，进行制造管理的改进的底层方法论是不变的。制造管理的改进方法很多，但是如果我们抽丝剥茧，或者浓缩再浓缩，到最后都在沿着两个路径去改进，一个就是精益的思想，一个就是 6Sigma 的思想。一个说的是 "0" Waste，一个说的是 “0” Defect，综合起来就是上文中所提到的代价和成功率。如果将这两个工具做一个简单的延展，则能够得出制造管理改善的四个核心任务 REAS，其中 RE 的目标就是实现 "0 Waste"，而 AS 的目标则是实现 "0" Defect。
R.E.A.S.
R: Response 响应
在精益生产的概念中，一个非常重要的词叫做JIT，JIT简单的理解就是如何彻底消除制造过程中的等待。而这样的等待则来自于生产过程之间，运营管理各职能之间的响应。
E: Efficiency 效率
响应的改进是有限度的，当过程中的等待减少到一定程度，再进行改善，瓶颈则会出现在制造过程本身。制造过程本身的效率改善则需要通过各种精益生产工具来进行。
A: Accuracy 精准
精准本身是来自于6Sigma的一个概念，说的是设计或者计划通过过程转化为结果的过程能力。这个能力越高，则结果的预测性就越高，过程产生的失效（通常指不良品）就越少。这个数字代表了前文中我们所说的成功率。
S: Stability 稳定度
当我们可以精准的产生结果之后，需要思考的就是如何让这个过程能够稳定而持续的运行下去，换句话说就是不出意外。这个则需要我们提高控制的能力，以及当意外发生之后的快速复原的能力。
以上这四个关键任务是我们日复一日不断提升制造管理水平的核心，一切改进均可以归集在这四个内容中。
数字化工具
当我们弄清楚制造管理中以上不会改变的底层逻辑之后，剩下的就是如何通过不同的工具和方法来实现制造管理的不断提升。以往我们通常使用传统的方法进行这样的改进，但是随着数字化技术的不断成熟和提升，越来越多的数字化的工具扮演着越来越重要的角色，可以成倍的提升我们改进的效率，颠覆性的改变传统的路径和方式。
如果我们把传统的方法和工具作为我们驱动绩效改善的驱动力的话，那么转型则是找到新的驱动力，运用新的工具和方法成倍速的进行改善。从这个角度来说，数字化转型是指找到并运用数字化的技术和方法来成为我们快速进行制造管理改进的新的驱动力。
当清楚理解这样的定义之后，我们就需要进一步思考，我们要选择什么样的工具。在回答这个问题之前，我们需要搞清楚的是，到底有哪些数字化工具，这些数字化工具究竟因为什么能够被我们用来进行制造管理的改进。
前一个问题，各种文章中已经罗列或者整理的非常清楚了。人工智能、大数据、PHM、VR、AR、Simulation、数据采集、机器视觉、虚拟量测等等，随着数字化技术的不断突破，越来越多的概念开始被应用在制造领域。但是如果没有理解这些技术究竟对制造管理有什么用，就去盲目的进行投资，换来的恐怕不会是好的结果。所以我们必须弄清楚这些数字化的工具能够帮助我们解决什么问题，以及为什么数字化工具是更好解决这些问题的方法。
机器视觉的本质是利用数字化技术获取图像，并根据图像的对比来判断对错、好坏、差异，并通过这样的对比来触发响应。机器视觉可以帮助我们实现很多需要人工进行判断的动作。随着图像识别能力的提升，相对于人眼，机器可以更精准、更快速，在更不易观测的位置，更不知疲倦的进行判断，并更快速的进行响应，这样就让很多需要人工但是又不便于进行的动作有了被替代的可能。回归到刚才提到的 REAS，机器视觉不仅可以解决响应的问题，同时判断的效率成倍的提升，同时准确性大大提高，更重要的是，这个过程可以持续稳定不知疲倦的进行。但是要知道技术也是有瓶颈的，例如判断的机械性、光源的依赖性、机器学习的速度、判断的灵活性，这些暂时都没有 100% 解决，这也就决定了这项技术只能解决适合机器去解决的一些问题。但是技术也在不断地突破，这些问题也在快速的被优化。当我们全面了解了这项技术之后，就会激发出一大堆应用场景，并在一些比较成熟的场景上实现这样的应用，伴随着技术的不断进步，不断地增加这样的应用深度。如果我们仅仅是因为觉得这个技术很先进就觉得它可以解决一切问题而去盲目投资并全面展开，换来的可能不仅仅是没有解决问题，而是大量的浪费。深刻理解技术本身，并识别技术落地的可能性和应用场景的能力是数字化转型过程中非常关键的能力。这也就是“知止而所得”这句话所传递出来的思想。
结语
