04
小時(shí)的生活的地方是一個(gè)獨(dú)立初中，學(xué)校是農(nóng)業(yè)中學(xué)，會(huì)長很多農(nóng)作物包括水果蔬菜。學(xué)校最南邊是一個(gè)公廁，公廁上面長了很多絲瓜，仗著體型小靈活，爬上屋頂摘絲瓜的任務(wù)一般都是我的。然而絲瓜太多，有一些來不及吃的，就長成了很大很粗，口感變差甚至無法吃了，那時(shí)候就想，如果能讓絲瓜只長長，不長粗，豈不是很妙？
現(xiàn)在逛菜場到處都是那種長長細(xì)細(xì)的絲瓜，然后吃起來卻沒有以前的絲瓜的味道。小時(shí)候長長的細(xì)細(xì)的絲瓜好吃，短短粗粗的絲瓜不好吃，誤以為長長細(xì)細(xì)就是美味的充分條件，實(shí)際上，只有在特定的條件都具備的情況下，長長細(xì)細(xì)才能等于美味。
數(shù)字模型也是一樣，數(shù)字孿生體通過工程參數(shù)等數(shù)據(jù)來表達(dá)模型，一個(gè)數(shù)字模型會(huì)包含很多工程參數(shù)，模型的功能和工程參數(shù)之間的映射需要從工程原理出發(fā)，使用科學(xué)和工程技術(shù)對(duì)數(shù)字模型進(jìn)行演繹，從而展示和預(yù)測數(shù)字模型能表達(dá)的物理意義，并在物理世界去驗(yàn)證。
比如水銀或者酒精溫度計(jì)，用來測量溫度，我們看到的是液體體積的變化，利用的是液體的溫度和體積膨脹的對(duì)應(yīng)關(guān)系，如果這個(gè)對(duì)應(yīng)關(guān)系不成立（用水銀溫度計(jì)去測量低溫，或者用酒精溫度計(jì)去測量高溫），那么結(jié)果就不對(duì)了。
從這個(gè)角度看，數(shù)字孿生體是知識(shí)的封裝方式，建立數(shù)字孿生體實(shí)際上就是知識(shí)管理。雖然我們?cè)趯?shí)踐中運(yùn)用這些數(shù)字孿生體的時(shí)候，并不會(huì)關(guān)注這個(gè)數(shù)字孿生體背后封裝的知識(shí)，但我們?cè)诮?shù)字孿生體的方法論上，就必須首先尊重科學(xué)和技術(shù)。
這里面有幾個(gè)層面的知識(shí)，第一種是工程技術(shù)，直接用來改造物理世界的知識(shí)；第二種是技術(shù)科學(xué)，是提煉一些共性工程技術(shù)的理論；第三種就是基礎(chǔ)科學(xué)了，這也就是任總說的，企業(yè)研發(fā)要砸數(shù)學(xué)家，物理學(xué)家，化學(xué)家等等。
舉個(gè)栗子，我們?cè)O(shè)計(jì)某一個(gè)特定功能的電路圖，這個(gè)是工程技術(shù)，而應(yīng)用的技術(shù)科學(xué)是電工學(xué)，對(duì)應(yīng)的基礎(chǔ)科學(xué)是物理。
問題來了，既然數(shù)字孿生體是知識(shí)的封裝方式，那么如何封裝不同層次，不同技術(shù)領(lǐng)域的知識(shí)，封裝后的數(shù)字模型之間是什么關(guān)系，企業(yè)又是如何運(yùn)用這些數(shù)字孿生體為企業(yè)創(chuàng)造何種價(jià)值。
這些問題是企業(yè)導(dǎo)入數(shù)字孿生體將要面對(duì)的難題，不解決這些問題，數(shù)字孿生體永遠(yuǎn)是飄在空中的一些時(shí)髦的概念而已。
在嘗試探索這些問題背后的邏輯之前，我們先回到企業(yè)智能化這個(gè)命題上。
企業(yè)智能化轉(zhuǎn)型已經(jīng)成為世界的共識(shí)，無論是德國的工業(yè)4.0，還是美國的AMP（Advanced Manufacturing Partnership，先進(jìn)制造合作體），或者是中國的制造業(yè)2025，其核心目標(biāo)都是企業(yè)智能化。
智能化的進(jìn)化軌跡大概是機(jī)械化-電氣化-自動(dòng)化-智能化，機(jī)械化解決的是手工勞動(dòng)中的問題，從作坊到工廠；電氣化解決的是機(jī)械化生產(chǎn)組織無序凌亂的問題，實(shí)現(xiàn)了產(chǎn)品和零部件分離；自動(dòng)化是應(yīng)用的電子信息技術(shù)，實(shí)現(xiàn)了大規(guī)模的自動(dòng)控制，生產(chǎn)效率，良品率，分工協(xié)作，以及設(shè)備的使用和維護(hù)等都得到了前所未有的提高；按照這個(gè)邏輯，智能化顯然是為了解決自動(dòng)化不能解決的問題，那么都存在什么問題？
現(xiàn)在制造業(yè)四大關(guān)鍵部門，研發(fā)，生產(chǎn)，市場，銷售，我們可以以每個(gè)部門的角度先羅列一下。
研發(fā)部門面臨的挑戰(zhàn)，可以分為幾大類。
戰(zhàn)略問題：
2 研發(fā)戰(zhàn)略不清晰，是否有技術(shù)路線圖？
2 技術(shù)進(jìn)化方面研究很少，無法準(zhǔn)確預(yù)測未來的技術(shù)；
2 知識(shí)產(chǎn)權(quán)戰(zhàn)略，如何屏蔽競爭對(duì)手，如何規(guī)避專利風(fēng)險(xiǎn)？
客戶端的問題
2 難以理解客戶需求；
2 難以發(fā)掘和引導(dǎo)客戶潛在需求；
2 市場反應(yīng)速度不強(qiáng)；
能力問題：
2 需求定義，難以轉(zhuǎn)化成工程參數(shù)；
2 關(guān)鍵技術(shù)突破，缺乏有效的方法，主要依靠試錯(cuò)，但是試錯(cuò)法效率偏低；
2 解決問題是為了應(yīng)付銷售或者其他部門，沒有解決所有問題，沒有從根本上解決問題，甚至沒有系統(tǒng)的分析，存在潛在風(fēng)險(xiǎn)；
2 研發(fā)團(tuán)隊(duì)缺乏降本意識(shí)，降本也是依靠試錯(cuò)，缺乏方法論；
2 缺少資源分析，或者沒有把資源分析提升到公司層面。
知識(shí)管理方向：
2 數(shù)據(jù)整理，方案評(píng)價(jià)，數(shù)據(jù)重用等還比較初級(jí)，甚至融入感情因素；
2 企業(yè)知識(shí)來源比較單薄，存在思維定式；
團(tuán)隊(duì)協(xié)作問題：
2 實(shí)驗(yàn)室-生產(chǎn)，科技成果轉(zhuǎn)化過程中，成本偏高，且不可控。甚至不能量產(chǎn)；
2 缺乏系統(tǒng)思考，甚至研發(fā)團(tuán)隊(duì)內(nèi)部，存在資源沖突；
2 技術(shù)尤其是優(yōu)勢技術(shù)的產(chǎn)品化，橫向推廣缺乏有效的方法。
生產(chǎn)部門面臨的問題。
2 如何編制工藝方案；
2 如何從技術(shù)經(jīng)濟(jì)角度去評(píng)價(jià)現(xiàn)有工藝方案，缺乏有效的改進(jìn)方法；
2 原材料物流控制和損耗控制；
2 生產(chǎn)排程；
2 生產(chǎn)計(jì)劃執(zhí)行，質(zhì)量管控；
2 人員培訓(xùn)，考核和激勵(lì)；
2 人機(jī)交互；
2 設(shè)備運(yùn)行狀況監(jiān)控，預(yù)測與維護(hù)；
2 安全管理。
市場部門面臨的問題。
2 變成職能部門，受限于日常事務(wù)，缺乏創(chuàng)造力；
2 對(duì)外的窗口展示陳舊老套，缺乏有沖擊力，創(chuàng)造力的企劃方案；
2 客戶需求的理解和引導(dǎo)，受限于技術(shù)瓶頸；
2 停留在顯性信息的收集和整理，缺少對(duì)未來預(yù)測的能力；
2 缺乏市場應(yīng)變能力；
2 缺乏綜合處理來自各方面信息的能力。
銷售部門面臨的問題。
2 缺乏系統(tǒng)的理論支撐；
2 關(guān)系型銷售，未來將面臨前所未有的挑戰(zhàn)；
2 很難制定公平的銷售激勵(lì)機(jī)制，開拓性不強(qiáng)；
2 缺乏全局視野，銷售行為短期目的性太強(qiáng)；
2 缺乏構(gòu)建雙贏或者多贏結(jié)果的能力；
2 銷售模型缺乏，過程管理不科學(xué)；
2 缺乏量化的監(jiān)控指標(biāo)，銷售結(jié)果難以預(yù)測；
2 自我積累缺乏，跨部門運(yùn)作能力不夠；
當(dāng)然這還是當(dāng)中問題的一部分，可能還存在其他的問題。企業(yè)的自動(dòng)化實(shí)際上已經(jīng)解決了生產(chǎn)部門大部分的問題，然后自動(dòng)化不能完全替代人，在生產(chǎn)過程中很多和人相關(guān)的問題，還是沒有辦法得到有效的解決，而研發(fā)的問題基本上是自動(dòng)化無法解決的，而市場和銷售的問題，其中的大部分是智能化現(xiàn)階段也不能完全解決的問題。
圖一，企業(yè)智能化
自動(dòng)化聚焦于生產(chǎn)，著眼于管理，用信息化技術(shù)通過流程定義實(shí)現(xiàn)自動(dòng)化，解決的是效率的問題。智能化聚焦于研發(fā)，著眼于創(chuàng)新，用數(shù)字化技術(shù)通過數(shù)字孿生體實(shí)現(xiàn)智能化，解決的是能力的問題。
智能制造的核心是研發(fā)。
一個(gè)巨大變化將會(huì)發(fā)生，現(xiàn)在的企業(yè)，研發(fā)工作主要集中于研發(fā)部門，研發(fā)部門的員工相對(duì)去其他部門，平均學(xué)歷更高，工資也更高。由于研發(fā)工作的不確定性，大家都把研發(fā)比做“燒錢”的部門，這也使得眾多企業(yè)在投入研發(fā)的時(shí)候，態(tài)度并不積極，而是小心謹(jǐn)慎，如履薄冰。而未來的企業(yè)，沒有像現(xiàn)在這樣一個(gè)專門的研發(fā)部門，研發(fā)工作融入到企業(yè)的設(shè)計(jì)，生產(chǎn)，銷售，維護(hù)等其他部門中，研發(fā)無所不在。
對(duì)未來企業(yè)的數(shù)字布局做了一些修改，企業(yè)私有云和公眾云之間不斷有數(shù)據(jù)交互，甚至有合作形成混合云，而企業(yè)的數(shù)據(jù)中臺(tái)支持企業(yè)的所有的運(yùn)作部門，知識(shí)在企業(yè)活動(dòng)中，被產(chǎn)生，挖掘，規(guī)范，存儲(chǔ)，流轉(zhuǎn)，推送，重用，并不多產(chǎn)生組合成新的知識(shí)。
圖二 未來企業(yè)數(shù)字布局
整個(gè)企業(yè)的數(shù)字架構(gòu)，并不是突然形成的，而是循序漸進(jìn)的。企業(yè)準(zhǔn)備做數(shù)字化轉(zhuǎn)型，必須面對(duì)如何處理企業(yè)自身的數(shù)據(jù)，而這些數(shù)據(jù)大概可以分為幾類。
歷史數(shù)據(jù)，知道其來源，也知道其去向(知道是什么，也知道怎么用)
歷史數(shù)據(jù)，知道其來源，不知其去向，或者不完全知道其去向（知道是什么，不知道該怎么用，或者把這些數(shù)據(jù)用好）
歷史數(shù)據(jù)，不知道來源，不知道去向；
未知數(shù)據(jù)，企業(yè)未來解決問題，需要從哪里采集，并送到那里去。
而這些數(shù)據(jù)之間的關(guān)聯(lián)和邏輯，就很少有人去關(guān)心這些問題了。而數(shù)字孿生體的作用，就是可以把這些數(shù)據(jù)規(guī)范化，結(jié)構(gòu)化，這樣便可以在企業(yè)的實(shí)際活動(dòng)中，運(yùn)用這些數(shù)字孿生體去解決自動(dòng)化不能解決的問題。而構(gòu)建這些數(shù)字孿生的兩大關(guān)鍵技術(shù)，便是仿真和人工智能。
圖三 數(shù)字孿生體的兩大關(guān)鍵技術(shù)
因?yàn)榉抡娈a(chǎn)生的是未知的知識(shí)，而AI可以讓知識(shí)得到最大限度的挖掘。
