一、刚性自动化窘境

“工业4.0”将开启一个前所未有的智能制造时代，但这并不会导致整个工业体系一夜之间江山变色，智能制造其实就是一个“软性的过渡”，或者说这是一个面向“软性制造”的持续创新、演进过程。

软性，也称之为“柔性”，是“刚性”的反义词。现在国内，对“工业4.0”或“中国制造2025”有一个误区，那就是一提及此，就得是看得见的高度自动化流水线，认为智能制造就是大规模应用工业机器人、数控机床、智能传感器等先进设备。

殊不知，越是这样，越陷入了另一个更大的窘境：刚性自动化窘境，而且有越陷越深的趋势。

不但达不到“工业4.0”，恰恰是背道而驰，越投入自动化设备，刚性越强，越难以适应市场变化，主要体现在技术、管理和供应链三个层面：

技术刚性： 实际上工业2.0时代的概念，即大规模投入对工厂流水线进行改造，在3.0时代，将自动化和信息化技术融入生产线，将可能产生的质量问题极大减少，并且实现了成本的精确可控。(这部分，目前我国的大部分制造业企业需要补课，但大可不必按照以往欧美的老路走)。因为当3.0时代，将成本和质量两大难题解决以后，另一个更重要的问题显现出来：那就是生产的软性不足。自动化线生产出来的只是标准产品，当一条生产线实现全自动化以后，柔性也随之丧失，一旦市场需求、产品种类发生变化，硬件的更换成本(包括与之关联的工装、卡具、量具、工艺文件等)非常高。在当今这个个性化加速成为潮流的时代，“刚性自动化”越来越难以适应不断缩短的产品生命周期。

管理刚性： 为什么一些中国工厂在自动化程度不输欧美同行的情况下，生产效率和市场适应性仍然落于下风?这更多是管理问题。中国工厂的专业分工非常细，甚至细化到工序，决定因素变成了熟练程度，而非专业水平。中国大量工业企业在自动化水平不断提升的情况下，人员组织却精简有限。很多中国工厂的管理层次太多，管理层次是由人数决定的。中国工厂人员庞杂，职能部门分工细致，每个部门都有管理者。分工越细，就越需要管理人员来协调。而欧美工厂基本上都是一层管理，或者管理者就是一个人，在欧美国家，几个人的工厂很常见。欧美工厂讲究“流程管理”，流程稳定的好处就是高效有序;而中国工厂大多是“工序管理”，很多人在乱忙。永远是生产线适应产品、适应市场，而不是产品和市场适应生产线。一旦市场需求有变，产品设计发生大的改变，中国工厂就要动员大量人员调整大量工序，而欧美工厂只需协调少量人员调整相应流程即可。往往技术刚性不是最难克服的，管理刚性问题才是最难解决的，因为这会触碰内部人的利益问题。

供应链刚性： 哪怕是最没有技术含量的产品组装，也会涉及非常复杂的供应链管理。要知道一部手机的零配件大概在100个左右，而一辆汽车的零配件不包括螺丝螺帽都有7000个以上，这个供应链管理的难度，对制造商形成非常大的考验。而更大考验是，如何让供应链的运转速度不跑输市场形势的变化。供应链管理中有一个著名的“啤酒游戏”，说的是市场终端需求的微小变化会被连锁放大，像多米诺骨牌一样最终反映到供应链上和制造厂家的库存中。零售商、批发商和制造商，任何一方的意图都是好的，都想好好满足市场需求，保持产品顺利地在系统中流通并避免损失。但因为制造商与消费者之间的层层阻隔，市场信息传递到生产环节，缓慢而零散，制造商往往数月后才能从订单中看到消费者需求的变迁。

此之前，制造商为了不失去销售产品的机会，不得不囤积主要原料和零部件，产品成本快速增加必然导致产品价格大幅提升，结果是销量陡减，产品价格开始像过山车一样快速下跌，而生产周期往往不可能在一夜之间调整过来，这就必然导致成品和原料零部件的库存积压，而这些库存都是高成本的。市场价格大跌的结果，使利润骤然下降。雪上加霜的是，库存占用了现金，周转变慢，企业的流动性危机接踵而至。

供应链刚性在工业2.0时代就很严重了，大批量、规模化、流程固定的流水线生产方式始终面临一大风险——市场需求沿供应链出现越来越大的波动，销售速度和生产速度严重脱节，库存积压和流动性枯竭成为制造商挥之不去的噩梦。所以，工业企业家们无不竭力追求软性制造(或者柔性制造、敏捷制造)，实现生产速度和销售速度保持同步。

软性制造，在当下及未来一段时间内，成为制造业实现升级转型、实现供给侧改革的必然。

“传统企业必须从过去的‘打固定靶’向‘打移动靶’乃至‘打飞碟’的方向转变。”——海尔董事局主席张瑞敏

“未来中国，以大批量生产、低成本取胜的劳动密集型产业外迁到东南亚势不可挡，中国唯一可以留下的就是小批量、定制化的软性制造产能。”——国务院参事汤敏

二、互联网思维下的软性制造

　　移动互联网的大潮方兴未艾，它所改变的不是需求个性化趋势的本身，只是使这种自古以来就有趋势得以集中爆发，以前所未有的加速度颠覆各种行业，让新的模式以革命的力量得以弯道超车。

　　“人们对个性化的美好追求自古以来就有，私人定制永远意味着高端、品味和优雅。各种行业也都有历史悠久传承数代的作坊。但可以把个性化定制规模化和工业化，才可以称得上是软性制造。”

　　在移动互联网时代，腾讯CEO马化腾曾研判，新一代信息技术正从“价值传递环节(前台)”向“价值创造环节(后台)”渗透，对原有传统行业起到很大的升级换代作用。“后台”的价值创造环节，包括供应链、设计、流水线、库存等。冷冰的“后台”曾离消费者很远，如今不但距离在拉近，而且有了情感与温度。

　　互联网和移动互联网产生的另一革命是倒逼价值创造环节，即制造环节不断改进生产方式，以软性制造增强弹性和灵活性，更快适应“多款少量极致时尚”的集中爆发需求。这一点，正越来越成为有识之士的共识。

　　一直以来，互联网以解放消费者著称，却在生产者这一端没有多大起色。为什么制造商不能通过互联网锁定用户？因为多数制造工厂依然是一个消费者摸不透的黑箱，箱子外面有ERP(企业资源计划)、CRM(客户关系管理)、电商平台……一切都很清晰，人们甚至能看到每一个快递员的实时定位。但是一旦进入工厂这个黑箱，大家就两眼一抹黑，每一个产品生产到哪一步了，每一个产品的每一个零部件来源，每一个工人的工作状态，产品的质量和可追溯性……除了制造工人和计划员心里有点数，连总经理都不知道真实情况，因为他面对的永远是一个由无数因素构建起来的复杂系统。

　　不能锁定用户，何谈软性制造，何谈个性化定制？不能打开工厂“黑箱”，如何锁定用户？

　　突破工厂“黑箱”，并不是要将工厂车间的每个制造细节、所有流程工序透明化地呈现给用户看，而是要使工厂不再封闭和孤立--从上游原料零部件到终端产品，制造业的长期价值在于帮助下游客户赚钱。从终端到上游，要将用户需求的变化高效传达给产业链上的每个环节。

　　在“互联网+制造业”的转型过程中，C2M(CustomertoManufactory，顾客直连工厂)当仁不让的成为近期的热点和主流。可是，并不是每个制造商都具备很强的“零售”能力，况且品牌塑造也需要持续努力并承受长期成本。实现C2M模式的最大考验，是能否做到“产业链协同”，这也是突破工厂“黑箱”的最大瓶颈。

　　什么是“产业链协同”？说白了就是六个字：按需按时产生。你的上游给你提供的，正好是你所需要的。你所制造的，正好是你下游所需要的。中间没有浪费，没有停滞，没有积压。任何一家工业企业，都是生存在一个相对稳定的产业链协作系统中的，它的约束条件从来就不是单一要素。产业链上的任何一个环节要想做到软性产出，都需要上下游协同踏准节奏。

　　过去，一个好的供应商标准就是精益制造、质量可靠、交货及时，现在更多要考量其主导研发、设计的能力能不能跟上。正如一个服装企业，如果实现能够按需定制，首先要考量的是其设计能力和打版能力能否跟上千变万化的尺寸要求。目前以C2M个性化定制著称的红领集团，每天通过不同渠道直接面对消费者，接到的个性化西服订单超过3000笔，如果靠原始的手工进行打版，则至少需要1500名以上熟练的打版师才能完成。而1500名打版师的招聘、培养和聘用，对红领乃至任何一座规模更大的西服工厂来说，都是不可能完成的任务。红领集团靠自行研发的BL系统，通过大数据和计算机打版，完美的实现了计算机按需设计、按需自动打版并传递到数字化裁床以及后继工序。这就是抓住了软性制造的核心要点。

　　物联网、传感器、云计算等前沿技术的最大价值，不是让工业企业在更短时间做到更大产量，而是要使工业企业与上游供应商、下游销售端之间实现高度数据共享，增加生产软性化程度，将一切环节直通用户实际需求。现在的市场竞争是产业链竞争，而非企业之间的单打独斗，能否胜出取决于各方共同的能力和效率。

　　这就是互联网思维下的软性制造。而软性制造，一定是不需要靠大量的人工堆砌、大量的人工处理各种不确定因素，能够将个性化进行规模化，才能实现的。否则，将毫无意义。

　　三、“机器人+”的引入，工业企业的未来将产生颠覆性的变革

　　“机器人”，大家现在都已经有所认知。国际标准化组织通用的定义是：“一种可编程和多功能的操作机；或是为了执行不同的任务而具有可用电脑改变和可编程动作的专门系统。”它能为人类带来许多方便之处。

　　截至到2016年的最新研究成果，已经可以实现：两个机器人碰面后，可以进行相互交流，自己选择合适的交配伴侣。当机器人通过“WIFI”网络交换各自的基因组代码，这种有性生殖机制可产生新的基因组代码，将代码发送到3D打印机上，就可以“繁衍”出小机器人的各种部件，进行组装。目前科学家已经完成了整个生命周期测试。当机器人父母繁殖后代时，它们的功能随机组合。小机器人出生后，需要经历学习过程。如果满足条件，小机器人就可长大成人，继续繁育下一代，这项技术可用于殖民火星。--这是多神奇又精彩的事情。

　　而“机器人+”，在这里，我们特指工业企业的“机器人+”，则是另一番描述。

　　我们可以大胆预言一下，未来3-5年，一些先进的工业企业是怎样的场景：

　　1、工业企业内部各种管理岗位彻底消失，不存在采购部、仓储部、生产调度、行政部、销售内勤、财务部……工业企业管理职能的人员大幅消减到目前的十分之一甚至更少，而且是一人多能，一人高薪，能够处理各种异常。而这种异常只占到所有业务量的百分之一而已。其他正常流程都由系统自动化处理了。系统只会将不会处理的异常情况，自动推送到管理者的移动终端面前，管理者做灵活处理。处理流程和决策会被系统学习，系统就会智能获知，这种异常情况下次该如何处理，管理系统变得越来越智能；

　　2、更进一步，管理者可不必亲临工厂，可不再属于哪家企业，可挑起同一行业的数家工厂的数个不同管理者之重任，更进一步可跨界承担。与其说是管理者，莫不如说是训练师，不过他训练的，是工厂的自动化管理系统，让系统越来成熟、越来越智慧。而系统是忠诚的，可以不眠不休，可以永远属于工业企业主。

　　3、人们可以自由分散的创造性工作，即使看起来有些需要智力的管理工作，也已经被系统取代了。人工智能彻底改变工厂管理模式，厂房机器设备的所有权和使用权完全分离，能力对外开放，社会可以共享。人们越来越多成为自由职业者，成为自组织圈子的成员，(在美国已经有多达34%，超过5300万人是自由职业者)。他们在那里成为某一领域的专家，与消费者进行有情感的沟通、专家角度的推荐，帮助消费者(包括专业企业客户)购买和决策属于个性化定制的商品，帮助消费者进行勾画，畅想未来。他们时间自由，从事着自己喜欢的行当，得到的报酬要比今天高数倍。

　　4、消费者选择的商品一旦确定并满足开工条件后，只有极其复杂的个性化设计，需要人进行创造性的参与进来，其他的部分都可以通过智能设计工具进行处理设计、自动化分解各种组成，自动化安排生产、安排采购、对接到供应商平台上自动跟催，安排领用、安排制造、安排入库、安排发货一直到交付到消费者手中，自动跟催货款，如果您不能按期付款，您的信用记录将会提交到社会征信系统……。管理者只要处理极其复杂的异常部分就好了，比如客户投诉，比如复杂的有偿退货….。

　　5、而这所有的过程，从消费意识的唤醒到选择到制造再到消费者获取其价值直至商品消失的整个生命周期(包括大型设备、工程项目的制造)，都是在一些节点可以和消费者进行交互的，无论是视频、数据或者影像，是有温度、有感情、有故事的。2020年的主力消费者，都是现在玩网游的年轻人，他们是中国互联网一代最重要的推手。他们真正成为了中国互联网一代，并且也已经成为企业的权力掌握者，逐渐参与直至决定企业的决策。他们更需要尊重、认可，因此马云认为“只有企业在85后掌权，B2B才会迎来成熟时机。”而B2B在中国经济下行时，才迎来了春天。

　　6、而工业企业的内部管理，无论是少人化或无人化，“病显”却越来越及时，越来越准确，管理越来越科学，制造越来越精益。所谓“病显”，就是能够让高层管理者实时很痛苦的感知到目前企业存在的问题，以进行判断和决策。举个简单例子，传统的ERP在库存管理中，有个很常见的参数设置：“安全库存量”。当该物品的库存低于设定的安全库存量时，系统会触发生成采购计划。但所有的ERP软件中，这个数值都是靠人工输入的，而且绝大部分数值都是经验值，一旦设定，就再也不去管它--这就要命了，会非常影响到企业的健康。很多库存积压就是这样产生的，因为安全库存量的设定和动态调整，一定是根据最大订货提前期、需求变动值和安全系数等需要科学计算并周期动态调整的。而未来的系统是能够智能做到安全库存参数的智能设置，并能够实时诊断目前企业库存的健康状况，实时调整。只有在出现呆滞料如何处理时，才会“麻烦”到管理者。

　　7、车间内部的制造组织过程，实现少人化。通过IE现场改造，车间内部具备了高度软性自动化，这是工业4.0的景象，可以根据个性化定制的订单，实现自动识别、自动配套、自动更换模具、自动流转，自动将检测信息提供到监测者手中，进度自动汇报和展现，甚至设备也可以自行故障诊断，自行报警后，自动通知设备厂家来人进行维修。

　　所有景象，其实已经不是设想和预言，而是天翼连同一些具有远见的尊贵客户，正在逐渐打造、逐渐实现的工厂现状。未来已来，能够实现这些景象的，就是工业企业的“机器人+”，也是天翼公司正在着手打造研发的新一代管理平台系统中的一个个隐含的管理机器人。

　　“机器人+”实际上就是软性的管理机器人，区别于目前大家看到的“机器人”，它隐藏在管理系统后台，是无形的机器人(当然，通过一些仿真，也可以显示在前台桌面)，正如打败李世石的阿法狗是就是围棋机器人一样，软性的管理机器人，也具备以下能力：

　　智能：指感觉和感知，包括记忆、运算、比较、鉴别、判断、决策、学习和逻辑推理等；

　　机能：指变通性、通用性或空间占有性等；

　　物理能：指力、速度、可靠性、联用性和寿命等。

　　与日常看到的机器人所不同的是，软性管理机器人，由于没有传统机器人上必备的控制系统、检测系统和驱动装置，所以更投入精力在人工智能(ArtificialIntelligence，英文缩写：AI)方面，进行研究，使人工智能的技术更进一步，研究工业企业管理者充满智能和创意活动的规律，通过软性管理机器人构造具有一定智能的人工系统，研究如何让计算机去完成，或部分完成以往需要人的智力才能胜任的工作。

　　根据80/20原则，一名普通企业管理者的大部分工作，都是一些重复的行为，比如采购经理，大部分精力花在下达订单、督促交货、质量索赔、控制库存等；那这些工作，交给一个带有“弱人工智能”的“采购机器人”能不能完成？--是能够完成的，而且如果约束条件设置的足够多，逻辑足够强大，可以做到比人工更加精准，实现管控。而管理者，只要处理由软性机器人推送过来的异常情况，就可以了。而且这种异常情况作为“训练素材”，可以继续培养这个机器人，下次再出现类似的情况，就知道该如何处理。这样机器人就可以越训练越聪明，越成长越智能。

　　“机器人+”的研究方向可以分为两种：一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法(ENGINEERINGAPPROACH)，它已在一些领域内作出了成果，最新的成果是新闻写作也可以机器人化。另一种是模拟法(MODELINGAPPROACH)，它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。遗传算法(GENERICALGORITHM，简称GA)和人工神经网络(ARTIFICIALNEURALNETWORK，简称ANN)均属后一类型。遗传算法模拟人类或生物的遗传-进化机制，人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。为了得到相同智能效果，两种方式通常都可使用。采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂(按指数式增长)，人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁，非常麻烦。采用后一种方法时，编程者要为每一角色设计一个智能系统(一个模块)来进行控制，这个智能系统(模块)开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不到发布新版本或打补丁。利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。但一旦入了门，就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定，应用于复杂问题，通常会比前一种方法更省力。

　　这两种研究方向，在“机器人+”领域，都有应用。前者，可应对在偏弱的一些软性机器人中，比如采购机器人、发料机器人、订单处理机器人、应答机器人等基层管理岗位；后者，可应对在一些稍强的，更像中层管理者的岗位，比如服务机器人、个性化定制机器人、排产机器人、数据分析机器人等，这些就需要靠管理者进行不断地强化训练，不断使其具有更高的智慧，而且更加具有鲜明的行业特征和企业特征。

　　前者可以部署公有云平台上，提供给工业企业按需配置，连通到企业现有的业务系统中，按需租用。就像企业给员工发工资一样，只不过给机器人的工资更低，而且永不犯错，没有接替损失。

　　后者是企业或行业要搭建自己的私有云，首先需要收集大量的数据，让数据称为企业最宝贵的资产之一并盘活，让数据成为训练机器人的基础，数据驱动机器人，数据让机器人变得更智能，然后再加上管理者不断的用处理各种异常进行训练，让行业机器人逐渐变得软性、智能，让行业机器人真正成为本企业的核心资产，不但越来越智能，而且永远年轻，永不背叛，可以传世。

　　在可预期的未来，“机器人+”代表着下一代管理系统的至高点，在互联网思维下，云计算(租用模式)、物联网(自动识别)、大数据驱动(预防与训练)还有生物仿真技术，甚至心理学等，都会在“机器人+”这一高科技产品中，得到完美的结合。作为全国领先的IT系统增值服务商，天翼愿意和一些极具远见、有勇气耐心和坚定意志进行突破和变革的企业、企业家朋友们，一同投入研究，一同进行探索前行。相信，很快就会有样板企业出来，向灯塔一样，在黑暗中，成为具有普惠意义的示范工厂，指引着我们光明的未来。