新闻

工业是强国之本，文化是民族之魂

习近平总书记指出，“体现一个国家综合实力最核心的、最高层的，还是文化软实力，这事关一个民族精气神的凝聚。”

世界工业化三百多年的历史证明，文化元素对工业化进程和产业变革具有基础性、长期性、决定性的影响，工业文化在工业化进程中衍生、积淀和升华，也必将在未来现代化发展中发挥越来越重要的作用。工业文化发展的滞后将严重制约工业转型升级。

李杰在其新书《从大数据到智能制造》中针对工业文化和制造哲学专门做了论述。他认为在过去近200年的工业积累中，尤其在第四次工业革命的进行过程中，美国、日本、德国等工业强国选择的路径和侧重点非常不同，这既取决于他们的制造业基础和国情，但更重要的是在制造哲学和文化方面的差异。

1.日本：通过组织文化和人的训练不断改善，在知识的承载和传承上非常依赖人

日本企业解决问题的方式通常是：发生问题->人员迅速到现场->确认现物->探究现实(三现)，并解决问题->分析问题产生的原因，通过改善来避免问题。最终的知识落在了人的身上，人的技能提升之后解决和避免问题的能力也就上升了，如下图：

图1 日本的制造哲学

对于日本企业而言，员工是最重要的价值，对人的信任远远胜于对设备、数据和系统的信任，所有的自动化或是信息化建设也都是围绕着帮助人去工作为目的。最典型的体现，在1990年代以后日本选择“精益制造”作为其转型方向，而非6-sigma质量管理体系。

日本企业在人才的培养方面也是不遗余力的，将雇员与企业的命运紧密联系在一起，使得人的经验和知识能够在企业内部积累、运用和传承。

因此，如果中国想要学习工匠精神，那么最应该借鉴的是日本孕育工匠的组织文化和制度。

但是这样的文化在近几年遇到了一个十分巨大的挑战，就是日本的老龄化和制造业年轻一代大量短缺的问题，使得没有人能够去传承这些知识。

日本也意识到了自己在数据和信息系统方面的缺失，开始在这些方面发力。这一点在日本的工业价值链（IVI)产业联盟的构架和目标上能够清晰地看到。该联盟提出的19条工作项目中有7条与大数据直接相关：

日本的工业价值链IVI产业联盟19条工作项目

1.远程工厂的操作监控和管理；

2.设备生命周期管理；

3.生产线实时数据的动态管理；

4.设备集成的实时维护；

5.实时数据分析和预测维护；

6.云共享和维护数据的策划-实施-检查-改进(plan-do-check action cyc1e)；

7.通过制造执行系统(MES)将自动化生产线、运输和人工检测进行集成；

8.自主的制造执行系统在公司外工作；

9.能处理意外情况的制造执行系统；

10.达到从实时数据获取制造知识；

11.以智能数据作为质量保证(故障的早期发现和阻止)；

12.中小型企业制造系统使用机器人；

13.制造技术与管理的无缝集成；

14.设计和制造的物料清单与可追溯管理的集成；

15.人与机器合作的工作方式的工厂的标准化；

16.连接中小企业；

17.信息物理生产和物理一体化；

18.远程站点的B2B收货服务；

19.面向用户的大规模定制。

日本工业企业保守的文化造成软件和IT技术人才的缺失，正如日本经产省公布的《2015年制造白皮书》中所表达的忧虑“相对于在德国和美国正在加快的制造业变革，现在还没有(日本)企业表现出重视软件的姿态。”　　2.德国：通过设备和生产系统的不断升级，将知识固化在设备上

德国同样对数据的采集缺少积累，因为在德国的制造系统中对故障和缺陷采用零容忍的态度，出现了问题就通过装备端的改进一劳永逸地解决，在德国人的意识中不允许出现问题，也就自然不会由问题产生数据，最直接的表现就是找遍德国的高校和企业几乎没有人在做设备预诊与健康管理(PHM)和虚拟测量等质量预测性分析。

因此，德国的先进设备和自动化的生产线是举世闻名的，可以说在装备制造业的实力上有着傲视群雄的资格。

日本和德国解决问题方式的不同

德国的制造业解决问题的逻辑是：发生问题->人（或装备）解决问题-> 将解决问题的知识和流程固化到装备和生产线中，对相似问题自动解决或避免。

举 个比较直观的例子来比较日本和德国解决问题方式的不同：如果生产线上经常发生物料分拣出错的现象，日本的解决方式很有可能是改善物料辨识度(颜色等)、员 工训练以及设置复查制度；而德国则很可能会设计一个射频识别(RFID)扫码自动分拣系统或是利用图像识别+机械手臂自动进行分拣。

因为产品优秀的质量和可靠性，大多数工业产品本身只能够卖一次，所以卖给一个客户之后也就少了一个客户。同时，随着一些发展中国家的装备制造和工业能力的崛起，德国的市场也在不断被挤压。因此，在2008-2012年的5年时间里德国工业出口几乎没有增长。

由此，德国开始意识到卖装备不如卖整套的解决方案，甚至同时如果还能够卖服务就更好了。于是德国提出的工业4.0计划，其背后是德国在制造系统中所积累的知识体系集成后所产生的系统产品，同时将德国制造的知识以软件或是工具包的形式提供给客户作为增值服务，从而实现在客户身上的可持续的盈利能力。

图2 德国的制造哲学

这一点从德国的工业4.0设计框架中能够十分明显地看到，整个框架中的核心要素就是“整合”，包括纵向的整合、横向的整合和端到端的整合等，这简直太像德国制造体系的风格了！既是德国所擅长的，也为其提供增值服务提供了途径。

所以第四次工业革命中德国的主要目的是利用知识进一步提升其工业产品出口的竞争力，并产生直接的经济回报。

3.美国：从数据和移民中获得新的知识，并擅长颠覆和重新定义问题

与日本和德国相比，美国在解决问题的方式中最注重数据的作用， 无论是客户的需求分析、客户关系管理、生产过程中的质量管理、设备的健康管理、供应链管理、产品的服役期管理和服务等方面都大量地依靠数据进行。这也造成 了1990年代后美国与日本选择了两种不同的制造系统改善方式，美国企业普遍选择了非常依赖数据的6-sigma体系，而日本选择了非常依赖人和制度的精 益管理体系。

中国的制造企业在2000年以后的质量和管理改革大多选择了精益体系这条道路，一方面因为中国与日本文化的相似性，更多的还是因为中国企业普遍缺乏数据的积累和信息化基础，这个问题到现在也依然没有解决。

除 了从生产系统中获取数据以外，美国还在21世纪初提出了“产品全生命周期管理(PLM)”的概念，核心是对所有与产品相关的数据在整个生命周期内进行管 理，管理的对象即为产品的数据，目的是全生命周期的增值服务和实现到设计端的数据闭环(closed-loop design)。

图3 美国制造业创新的哲学

数据也是美国获取知识的最重要途径，不仅仅是对数据积累的重视，更重要的是对数据分析的重视，以及企业决策从数据所反映出来的事实出发的管理文化。

除了利用知识去解决问题以外，美国也非常擅长利用知识进行颠覆式创新，从而对问题进行重新定义。例如美国的航空发动机制造业，降低发动机的油耗是需要解决的 重要问题。大多数企业会从设计、材料、工艺、控制优化等角度去解决这个问题，然而通用电气公司(GE)发现飞机的油耗与飞行员的驾驶习惯以及发动机的保养 情况非常相关，于是就从制造端跳出来转向运维端去解决这个问题，收到的效果比从制造端的改善还要明显。这也就是GE在推广工业互联网时所提出的“1%的力 量” (Power of 1%)的依据和信心来源，其实与制造并没有太大的关系。

所以美国在智能制造革命中的关键词依然是“颠覆”，这一点从其新的战略布局中可以清楚地看到，利用工业互联网颠覆制造业的价值体系，利用数字化、新材料和新的生产方式(3D打印等)去颠覆制造业的生产方式。

总而言之，对知识的理解、积累和传承方式的差异决定了制造哲学和文化，而制造哲学和文化又影响了国家在工业道路选择的路径和侧重点。