论工业互联网平台的技术经济性

我一直对朋友说:研究工程创新,本质就是研究技术经济性。特别地,与智能制造、工业互联网、工业大数据等相关的技术问题背后,几乎都是经济问题。看不到技术背后的经济原因,创新就是瞎子摸象。这几天和诗万谈ThingsWise,发现也是这个道理。

我读数学系的时候,发现数学家常常“先证明解的存在性,再去找求解的方法”。在创新活动中,我亲眼见过很多人把目标定位在“做不成的事情”上,白白浪费了大量的时间和金钱。经济性极差。这种现象是一种常态——即所谓创新是有风险的。

所以,上述思维方式非常值得每一个创新者借鉴。采用这种思维方式时,先把人的能力问题放在一边,集中精力考虑技术可行性和经济可行性。两者可行了,创新活动的“解”才存在;“解”存在了,才有体现个人和团队能力的机会。其实,所谓智者就是不做做不成的事情。

我讲创新课时,经常强调:现实中的创新和学生“做作业”是不同的。学生做作业时,题目是容易读懂的、题目中的条件不多也不少、解一定是存在的。学生的水平体现在谁能尽快找到合适的方法。创新过程中,目标常常是不清晰的、条件和约束也不确定,提出的问题不一定能解决。创新的水平体现在提出一个容易解、又有价值的问题。这其实就是要论证技术和经济可行性。

不论是做工业大数据、智能制造、工业互联网,都可以从网上找到大量的案例。我们发现:理解这些案例并不难。但是,别人成功的案例很容易理解,却往往不适合我。或者是:值得做的东西都做了,剩下的往往是不值得做的、投入产出不划算、不值得冒险。所以,企业直接遇到的困难往往是经济可行性的问题,而不是原理是不是理解。

另外一方面,影响技术可行性的原因,也往往也与经济因素有关:技术经常遇到的困难是:数据采集不充分、实时性差、检测频度不够、自动化程度低等。这些困难的本质,往往就是投资少。所以,除了近乎“不计成本”的高端行业,企业推进智能化相关工作的时候,遇到的本质困难,几乎都与经济因素有关。

有些人认为:很多技术应用的瓶颈在于算法不好。比如:认为预测式维护做不好,就是因为算法有问题。在我看来,真正的原因是人们对算法提出了不切实际的幻想——论文读多了,就习惯于幻想奇迹了。我把这种期望比喻为:“问大夫要长生不老药”。然而,学术界实践少的书生聚在一起,把错误的“奇迹”相互欺骗,以至于“三人成虎”、“以假乱真”了。

总之,推进技术创新,关键往往在于找到合适的问题。我把这件事称之为“找兔子”。我们常说:新技术要“雪中送炭”而不要“锦上添花”,要针对“痛点”问题。既然是痛点,需求应该比较清楚,为什么还要强调去“找”?

这并不奇怪。《第四代研发》这本书强调的是潜在需求。过去的SUV、现在的5G技术几乎都是面对潜在需求。理解这个问题可以从两个角度去看。一个是从“幸存者偏差”的角度看:好的项目往往都是潜在的、否则别人老早就做了。另外一个角度是:需求与可行性之间往往存在冲突,技术和经济可行性难以判断。所以,问题归结到前面提到的“寻找合适问题”的方法论。

“如何寻找合适的问题?”这个问题其实可以进一步转化。

我们前面提到:技术可行性的问题,本质往往是经济性的问题。所以,解决这个问题的思路就是:如何用尽量少的投入、尽量小的风险、取得更大的收益。当我们找到一个投入产出的转折点,问题也就解决了

很多看似技术问题,本质上就是经济问题。下面举几个例子:

l “我们原来就有很多系统,现在怎么办?”。这个问题的经济本质是:不想花更多的钱、也不想承担更换系统带来的损失风险。

l “工业互联网的局限性会不会太大?”。这个问题其实是担心工业互联网能带来的价值太小。

l “有哪些功能,过去是没办法做的?”这个问题其实是:过去没法做的事情,才容易带来真正的附加值。否则,过去可能老早就做了。

我们常说:智能化的前提是精益化、基础是知识的数字化。这些观点都是对的。但为什么大家不愿意做、推动起来这么难?其实,大家也都是在“算经济账”:这些事需要花多大的代价、能带来多少好处啊?CEO和CTO的心里面没有底,自然就缺乏推动力。

这样一来,要推动这些事情的关键是:先把经济账算清楚,然后再去做,也就是孙子说的“胜兵先胜而后求战”。当然,账算清楚之后,决策可能是做、也可能是不做,但却不会是蛮干。

需要注意的是:“把经济账算清楚”是有“边界”的——在现有组织流程下改变,还是包含企业的转型升级、业务流程再造?一般来说,包含企业的业务流程再造时价值会更大,但风险也会更大。这时就需要企业家想办法了。比如我过去提到的:把临近退休的专家集中起来,进行系统策划;聘请外部咨询团队等。这些做法的本质,都是经济性问题——降低失败的风险、聚焦价值最大化的业务。

智能化的前提是精益化、基础是知识的数字化——这句话好说,但推进起来有个困难:精益化是持续改进、是集小胜为大胜、以时间换空间。这显然就会出现一个问题:信息系统怎么办呢?信息系统持续变革吗?

我们设想一种场景:一旦有了一个想法,就从控制和信息中拉数据。这种做法可行吗?如果总在厂子里面做这种事情,风险极大,人要被骂死了。怎么办呢?

我们的主张是:用工业互联网平台解决这个问题。

首先,企业部署工业互联网平台时,用来承担过去的系统不做的新功能,不要对原有系统更改,以减少对正常生产的冲击。降低风险就是提高经济性。

其次,工业互联网平台要做得灵活,便于随时增加新功能、修正老的功能。关键问题之一,是避免不断地对原有系统提出过多的新的采集要求,同时又要避免数据的混乱。这一点能做到吗?我发现:诗万在开发ThingsWise系统时考虑的就是这个问题,而数字孪生、工业APP技术其实是用来解决这个问题的。

过去,上一个新的信息系统往往要大动干戈:从需求分析到初步设计、详细设计、编码要一步步地来,前面一定要计划好后面才能做。我们这种做法比喻为“建大楼”、耗时很长,必须有详细计划。而ThingsWise的做法则像“搭帐篷”——有新的需求来了,搭一个帐篷就是了。这种做法,特别适合把每一个小的、精益改进的结果转化成智能化的实现。当然,这种做法是有代价的:数据的存储量可能会有一定的冗余。但在ICT技术高度发达的时代,这个缺点可以忽略。

所以,ThingsWise的优势,本质上也是经济上的优势:把精益的结果沉淀下来的风险和代价变小了。

下面是诗万的一篇文章。

林诗万|数字孪生体到底是何方圣神?

第一时间获取面向IT决策者的独家深度资讯,敬请关注IT经理网微信号:ctociocom

   
除非注明,本站文章均为原创或编译,转载请务必注明出处并保留原文链接: 文章来自IT经理网
相关文章:


关于作者

宝钢中央研究院首席研究员 微信号:guoguo_innovation

写评论

忘记密码

X