新指数为企业向工业4.0转型提供了指导
企业越来越认识到数字化和互联互通带来的增长机会。这些技术正在实现新的商业模式、资源的有效利用以及高度可定制产品的成本效益生产。这些发展统称为“工业4.0”。
许多研究探讨了企业对数字化转型的态度以及与之相关的机遇和障碍。后者很少局限于缺乏技术或标准。在许多情况下，工业 4.0 的实施步履蹒跚是由于僵化的组织结构和保守的文化，人们缺乏以不同方式做事的勇气。
我们实施精益的经验告诉我们，仅仅进行变革是不够的。成功的实施还需要对组织的理解，以及其成员中普遍的变革意愿。正如精益不仅仅是消除浪费一样，工业 4.0 不仅仅是通过互联网连接机器和产品的问题。
工业4.0将不可避免地带来新的工作类型和工作方式。这将需要改变公司结构和公司之间的关系。分析企业文化的能力将是成功的关键。企业必须了解工业 4.0 对他们意味着什么，并制定相应的实施策略。
我们的工业 4.0 成熟度指数为企业提供实施这一转型的指导。该指数由德国科学与工程院与德国大学和行业合作伙伴共同开发，其中包括TÜV南德意志集团。
该指数包括一个六个阶段的成熟度模型，其中每个阶段的实现都会带来额外的收益。目标是从数据中产生知识，以实现快速决策和适应。
我们的模型中概述的功能已在实际场景中进行了验证。这证实了该模型的原则，并凸显了一个事实，即公司没有足够关注其战略思维的全部含义。
事实上，许多组织对工业 4.0 的关键方面缺乏基本的了解。例如，公司经常错误地将工业 4.0 限制在数字化或完全自动化。此外，许多行动不是追求共同目标，而是作为独立措施实施。我们的指数可用于制定适合每家公司需求的数字路线图，以帮助他们充分利用工业 4.0。
指数
我们的指数帮助公司确定他们正处于向学习型、敏捷型公司转型的阶段。它从技术、组织和文化的角度对他们进行评估。
对于每个公司来说，通往工业4.0的道路都是不同的。因此，有必要从分析每家公司的现状和目标开始。公司未来几年的战略目标是什么？哪些技术已经实施？
每家公司都必须就其希望实现的收益、优先事项以及工业 4.0 措施的实施顺序做出战略决策。目标是制定一个逐步的路线图，以减少投资和实施风险。该路线图还将强调为整个企业制定共同数字战略的重要性。
我们的方法基于一系列阶段。由于公司的目标状态将取决于其业务战略，因此每个公司都必须决定哪个阶段代表了成本、能力和收益之间的最佳平衡，同时考虑到这些要求如何随着时间的推移而变化以响应业务环境的变化。
工业 4.0 涉及大幅升级制造商的数字化能力，它将影响组织的大部分部门。由于该过程可能需要数年时间，因此应实施该过程，以便在每个阶段对盈利能力产生积极影响。在流程的每个点上都应该看到好处，以支持整体成功。这种方法可以快速取胜，同时密切关注整体转型目标。
我们开发了一条工业 4.0 发展路径，从基本要求开始，并在整个转型过程中为公司提供支持。该路径包括六个阶段。每个阶段都建立在前一个阶段的基础上。
由于许多公司仍然面临着为工业4.0创造基本条件的挑战，因此这条道路从数字化开始。尽管数字化本身并不构成工业4.0的一部分，但计算机化和连接是实施的基本要求。
第一阶段：计算机化
计算机化为数字化奠定了基础。在这个阶段，不同的信息技术被孤立地使用。计算机化在大多数公司中已经非常先进，主要用于更有效地执行重复性任务。
尽管如此，仍然可以找到许多没有数字接口的机器。对于使用寿命长的机器或手动操作的机器尤其如此。在这些情况下，终端通常会提供业务应用程序和机器之间缺失的环节。
一个例子是数控铣床。尽管由于计算机数控，它可以非常精确地加工零件，但详细说明应执行哪些操作的 CAD 数据通常仍需要手动传输到机床上。本机未连接。
另一个例子涉及未连接到公司ERP系统的业务应用系统。这可能导致在半自动测试站进行质量保证，但数据未与相应的工单相关联的情况。这使得确定哪些订单中发生了哪些质量问题变得更加困难。
第二阶段：连接
在此阶段，信息技术的孤立部署被连接的组件所取代。业务应用程序相互连接，并反映公司的核心业务流程。运营技术 （OT） 系统的某些部分提供连接性和互操作性，但尚未实现 IT 和 OT 层的完全集成。
互联网协议 （IP） 的使用越来越广泛，甚至在车间也是如此。由于 IPv6 允许的地址比 IPv4 长得多，因此现在可以连接所有组件，而无需进行网络地址转换。这是物联网的关键要求。连接性意味着，例如，一旦在工程中创建了设计，其数据就可以推送到生产环境中。一旦制造步骤完成，就可以通过制造执行系统（MES）自动实时提供确认。它还允许生产设备制造商通过互联网对其产品进行远程维护。
在大多数工厂中，只要生产出优质产品，资产就会一直处于生产状态。在车间里看到已有 50 多年历史的机器仍在使用并不罕见。由于 IP 可在车间实现标准化通信，因此这些机器可以很容易地加装传感器，以便它们也可以提供数据。
第三阶段：可见性
传感器能够从头到尾监控大量数据的过程。设备的状态和性能可以实时记录在整个公司内外，而不仅仅是在单个区域。这样就可以保持工厂的最新数字模型。我们称之为公司的数字影子。数字影子可以显示公司在任何给定时刻发生的事情，因此管理决策可以基于真实数据。它是后期阶段的核心构建块。
产生数字阴影是一项挑战。一个问题是，通常没有单一的真相来源;数据通常保存在去中心化的孤岛中。此外，对于生产、物流和服务等功能，即使在集中式流程中，通常收集的数据也很少。此外，数据仅对少数人可见。系统边界禁止更广泛地使用数据。
要成为一家敏捷的学习型企业，在全公司范围内进行全面的数据采集至关重要。例如，这将有可能通过实时关键绩效指标和仪表板快速确定交货日期差异。因此，管理人员可以调整生产计划，并且可以随时了解客户和供应商的情况。
这是公司必须改变思维方式的一个领域。公司不能只收集数据来支持一个特定的运营，而是必须始终保持其整个运营的最新模型。通过整合 PLM、ERP 和 MES 系统，可以全面了解现状。此外，模块化方法和应用程序可以帮助构建单一事实来源。
第四阶段：透明度
第四阶段是关于了解为什么会发生某事，并通过根本原因分析产生知识。为了识别和解释数字阴影中的相互作用，必须应用工程知识来分析数据。数据的语义链接和聚合将提供知识，以支持复杂和快速的决策。
支持大量数据分析的新技术可能会有所帮助。“大数据”是一个经常被提及的流行语。它用于描述无法再使用传统业务分析处理的大量数据。
通常，大数据应用程序与业务系统（如ERP或MES）并行部署。大数据应用程序提供了一个通用平台，用于进行广泛的随机数据分析，以揭示公司数字阴影中的相互作用。
例如，这可用于对机械进行状态监测。在记录的参数中搜索相互事件和依赖关系，然后聚合这些事件和依赖关系以反映机器的状况。预测性维护需要此类信息。
第五阶段：预测能力
在这个阶段，公司使用数据来帮助预测未来。这涉及将数字阴影投射到未来，以描绘场景，然后可以根据它们发生的可能性进行评估。因此，公司可以预测未来的发展并及时采取适当的对策。此类对策仍可能手动执行，但较长的交货时间有助于限制负面影响。减少由中断或计划差异引起的意外事件，实现更稳健的运营。例如，系统可以在物流问题发生之前发出警告，例如承运人故障，从而可以预防它们。
第六阶段：适应性
预测能力是自动化操作和决策的基本要求。持续适应允许公司将某些决策委托给 IT 系统，以便能够快速响应不断变化的业务条件。适应程度取决于决策的复杂性和成本效益比。通常最好将单个流程自动化。
仔细评估与客户和供应商自动进行业务交互的风险非常重要，例如由于预期的机器故障而更改计划订单的顺序。当公司可以使用来自数字影子的数据在最短的时间内做出具有最佳结果的决策并自动实施响应时，适应性的目标就实现了。