智能制造在美國、德國、日本有什么不同

工 控

第四次工業革命的到來為各個國家提供了發展和轉型的機遇，也面臨競爭力格局變化的挑戰，智能制造成為各國競爭的新戰場。這些戰略之間有何差異呢？而形成這些差異的根本原因又是什么？

對知識的理解、積累和傳承方式差異，決定了制造哲學和文化

對制造業而言，簡單地來講即是發現問題（比如質量缺陷、精度缺失、設備故障、成本較高、效率低下等）、了解問題，在此過程中獲取信息，并將其抽象化為知識，再利用知識去認識、解決和避免問題的過程。

了解和解決問題的手段和方法決定了所獲得知識的形式，而將知識抽象化加以運用的過程和形式則決定了知識傳承的形式。這個過程可以通過“人來完成”、“數據來完成”或是“系統來完成”，這也是決定一個國家制造哲學的最根本原因。

日本：通過組織文化和人的訓練不斷改善，在知識承載上非常依賴人

日本獨特的克忍、服從和集體觀念文化也深深地影響了日本的制造文化，其最主要的特征就是通過組織的不斷優化、文化建設和人的訓練來解決生產系統中的問題。最典型的體現就是日本在20世紀70年代提出的以“全生產系統維護（TPM)”為核心的生產管理體系。其核心思想可以用“三全”來概括：全效率、全系統和全員參與。實現方式主要包括在3個方面的改善：提高工作技能、改進團隊精神和改善工作環境，以致在20世紀90年代以后日本選擇“精益制造”作為其轉型方向，而非“6-sigma質量管理體系”。

日本企業在人才的培養方面也是不遺余力的，尤其是“雇員終身制”文化，將雇員與企業的命運緊密聯系在一起，使得人的經驗和知識能夠在企業內部積累、運用和傳承。

日本企業解決問題的方式通常是：發生問題→人員迅速到現場、確認現物、探究現實（三現)，并解決問題→分析問題產生的原因，通過改善來避免問題，最終的知識落在了人的身上，人的技能提升之后，解決和避免問題的能力也就上升了。

因此對于日本企業而言，員工是最重要的價值，對人的信任遠勝于對設備、數據和系統的信任，所有的自動化或是信息化建設也都是圍繞著幫助人去工作為目的，所以日本企業從來不會談機器換人或是無人工廠。如果中國想要學習工匠精神，那么最應該借鑒的是日本孕育工匠的組織文化和制度。但是這樣的文化在近幾年遇到了一個十分巨大的挑戰，就是日本的老齡化和制造業年輕一代大量短缺的問題，使得沒有人能夠去傳承這些知識。

日本也意識到了自己在數據和信息系統方面的缺失，開始在這些方面發力。這一點在日本的“工業價值鏈產業聯盟”的構架和目標上能夠清晰地看到。該聯盟提出的19條工作項目中有7條與大數據直接相關。可以說日本的轉型戰略是應對其人口結構問題和社會矛盾的無奈之舉，核心是要解決替代人的知識獲取和傳承方式。

但日本在轉型過程中同樣面臨著許多挑戰：首先是數據積累的缺失，使得知識和經驗從人轉移到信息化體系和制造系統的過程中缺少了依據和判斷標準。其次是日本工業企業保守的文化、造成軟件和IT技術人才的缺失，正如日本經產省公布的《2015年制造白皮書》中所表達的憂慮：“相對于在德國和美國正在加快的制造業變革，現在日本企業表現出重視軟件的姿態。”

德國：通過設備和生產系統的不斷升級，將知識固化在設備上

德國的先進設備和自動化的生產線是舉世聞名的，可以說在裝備制造業的實力上有著傲視群雄的資格。同時德國人嚴謹的風格，以及其獨特的“學徒制”高等教育模式，使得德國制造業的風格非常務實，理論研究與工業應用的結合也最緊密。然而德國也很早就面臨勞動力短缺的間題，在2015年各國競爭力指數的報告中，勞動力是德國唯一弱于創新驅動型國家平均水平的一項。因此，德國不得不通過研發更先進的裝備和高度集成自動的生產線來彌補這個不足。

德國的制造業解決問題的邏輯是：發生問題→人（或裝備）解決問題→將解決問題的知識和流程固化到裝備和生產線中→對相似問題自動解決或避免。舉個比較直觀的例子來比較日本和德國解決問題方式的不同：如果生產線上經常發生物料分揀出錯的現象，那么日本的解決方式很有可能是改善物料辨識度（顏色等）、員工訓練，以及設置復查制度。而德國則很可能會設計一個射頻識別（RFID)掃碼自動分揀系統，或是利用圖像識別+機械手臂自動進行分揀。又比如，德國很早就將誤差補償、刀具壽命預測、多軸同步性算法、主軸震頻補償等解決方式以功能包的形式固化到了機床中，因此即便是對制造工藝和操作并不熟練的工人也能夠生產出可靠的產品。也正是這個原因成就了德國世界第一的裝備制造業大國地位。

除了在生產現場追求問題的自動解決之外，在企業的管理和經營方面也能夠看到其盡力減少人為影響因素的努力。比如最好的ERP、MES、APS等軟件供應商都來自德國，大量的信息錄入和計劃的生成及追溯通過軟件自動完成，盡量減少人為因素帶來的不確定性。然而，德國同樣對數據的采集缺少積累，另外由于德國生產線的高度自動化和集成化，使得其整體設備效率（OEE）非常穩定，利用數據進行優化的空間也較小。

隨著一些發展中國家的裝備制造和工業能力的崛起，德國的市場也在不斷被擠壓，在2008～2012年的5年時間里德國工業出口幾乎沒有增長，于是德國提出的工業4.0計劃，其背后是德國在制造系統中所積累的知識體系集成后所產生的系統產品，同時將德國制造的知識以軟件或是工具包的形式提供給客戶作為增值服務，從而實現在客戶身上的可持續的盈利能力。所以第四次工業革命中德國的主要目的是利用知識進一步提升其工業產品出口的競爭力，并產生直接的經濟回報。

美國：從數據和移民中獲得新的知識，并擅長顛覆和重新定義問題

與日本和德國相比，美國在解決問題的方式中最注重數據的作用，無論是客戶的需求分析、客戶關系管理、生產過程中的質量管理、設備的健康管理、供應鏈管理、產品的服役期管理和服務等方面都大量地依靠數據進行。這也造成了20世紀90年代后美國與日本選擇了兩種不同的制造系統改善方式，美國企業普遍選擇了非常依賴數據的6-sigma體系，而日本選擇了非常依賴人和制度的精益管理體系。

中國的制造企業在2000年以后的質量和管理改革上，大多選擇了精益體系這條道路，一方面因為中國與日本文化的相似性，更多的還是因為中國企業普遍缺乏數據的積累和信息化基礎，這個問題到現在也依然沒有解決。

除了從生產系統中獲取數據以外，美國還在21世紀初提出了“產品全生命周期管理（PLM)”的概念，核心是對所有與產品相關的數據在整個生命周期內進行管理，管理的對象即為產品的數據，目的是全生命周期的增值服務和實現到設計端的數據閉環。

數據也是美國獲取知識的最重要途徑，不僅僅是對數據積累的重視，更重要的是對數據分析的重視，以及企業決策從數據所反映出來的事實出發的管理文化。從數據中挖掘出的不同因素之間的關聯性、事物之間的因果關系，對一個現象定性和定量的描述和某一個問題發生的過程等，都可以通過分析數據后建立的模型來描述，這也是知識形成和傳承的過程。

除了利用知識去解決問題以外，美國也非常擅長利用知識進行顛覆式創新，從而對問題進行重新定義。所以美國在智能制造革命中的關鍵詞依然是“顛覆”，這一點從其新的戰略布局中可以清楚地看到，利用工業互聯網顛覆制造業的價值體系，利用數字化、新材料和新的生產方式（3D打印等）去顛覆制造業的生產方式。

從日本、德國和美國三者之間文化差異性方面分析了三個國家對智能制造革命的理解、側重點和目的的不同。此外這些國家的競爭力差異也是造成其戰略方向差異的關鍵因素，其中各國在制造價值鏈的分布和未來布局的不同起了決定性的作用。

生產活動中的價值要素分布從上游到下游依次是：想法創新與需求創造→原材料與基礎使能技術→關鍵裝備與核心零部件→生產過程與生產系統→產品和服務。在整個價值要素的分布中，中國在生產過程與生產系統這兩個環節具有優勢（主要體現在勞動成本和生產能力方面)，但是在其它各個環節中均處于劣勢。