工業4.0能不能被評測？如果能，它如何被實施。這個問題在行業內一直被廣泛關注。在德國國家工程院acatech的推動下，亞琛RWTH工業大學、德國人工智能研究中心DFKI和弗朗恩霍夫研究院等幾家機構，歷經一年，在今年4月聯合推出了《工業4.0成熟度指數》報告（Industrie4.0 Maturity Index）。

1、錯了，工業4.0不是技術范兒

工業4.0一詞自2011年以來，一直被廣泛用于描述制造業的未來。然而，現在即使德國也意識到，僅從技術角度闡釋第四次工業革命的相關發展，顯然是不足的，企業還需要組織和文化層面的改革。作為對這一點越來越明顯的趨勢，該指數的副標題干脆就是“企業數字化轉型管理”。

圖1：工業成熟度指數報告

德國工程院《工業4.0成熟度指數》（以下簡稱工業4.0指數）認為，先進技術可以獲得更廣泛的數據，但對數據潛在利用能力，完全取決于企業的組織結構和文化。

一個組織的最終目的是成為學習型敏捷的企業，對不斷變化的環境具備持續的敏捷性和適應力。

《工業4.0指數》為企業實施變革提供指導，包括六個階段的成熟度模型，每個發展階段的實現都將獲得額外利益。《工業4.0指數》著重于四個關鍵領域，而這四個領域都包含與其相關的兩個基本原則。

2、工業4.0下的企業目標

企業目前并未在其戰略思考中對這些原則的充分影響予以足夠重視。許多組織仍缺乏對工業4.0關鍵環節的基本理解，例如，企業經常錯誤地以為工業4.0僅限于數字化或全自動化領域。除此之外，各企業沒有建立共同目標，許多已經實施的行動均是各自為政的孤立措施。德國工程院的《工業4.0指數》，可以依據各企業的需求，精確定制數字化路線圖， 從而幫助企業實現工業4.0的最大化利用，并轉型成為學習型敏捷組織。

多數公司實施的措施僅限于偶爾的試點項目，事實上更類似于技術可行性研究。但此類項目卻難以將工業4.0的全部潛力展示出來，因為它們忽視了包括公司組織結構和企業文化在內的工業4.0實施的關鍵方面，結果就是變化僅僅是順應自然的發展進化。

圖2：常見的企業適應過程

正如精益生產不等同于簡單的防止浪費，工業4.0也不只是通過網絡連接機器和產品。《工業4.0指數》強調的是需要進行范式的轉變。

令人惋惜的是，這些變化往往無法反映組織的實際流程或滿足制造型企業的真正需求。因此，無論是獨立企業內部還是整個經濟層面上的轉型變革的實例，都只是鳳毛麟角。

這說明，必須要合適的技術要素相結合，來壓縮企業的適應過程。

圖3：工業4.0可以壓縮時間進程

對于各企業來說，實現工業4.0的道路各有不同，因此必須以分析企業現狀和目標為起點。企業現狀的相關問題包括企業未來幾年的戰略目標，企業已經實施的技術和系統，以及這些技術和系統在企業內部的運行情況。這些問題的答案可以幫助企業確定成功引進工業4.0所需的能力。

3、工業4.0的六步法

工業4.0的引入，涉及制造型企業數字化能力素質的顯著提升，并需要企業組織的大規模改變。作為一項高度復雜的任務，這種轉型通常需要花費數年。而且轉型的計劃和實施需要確保在整個轉型過程中的不同階段都可以實現積極盈利（如增長和效率）。

在工業4.0轉型過程中的任何階段都應實現可見的收益，這才可以支持轉型的整體成功。

該路徑包括六步法，也可以看成是工業4.0的六個階段，可分為計算機化、連通性、可見性、透明性、預測性、適應性。每一步都建立在前一階段之上，并且說明了達到每一階段所需要的能力和實現的企業效益。

圖4：工業4.0的六步法

該戰略要求企業發展必須按部就班。以工業4.0的基本需求為起點，為企業向學習型敏捷組織轉型的整個過程中提供支持。

圖5：工業4.0進階六步法

非常重要的一點是，這種能力是一步一步構建的，也就是說第一階段的效益可以通過低于第二階段的能力實現。因此，轉型過程是步步遞進、持之以恒的旅程，可能無法實現企業、工廠、生產線以及各個部門之間的完全同步。各個企業應該自行判斷哪個發展階段可以代表自身特定情況下的成本和效益的最佳平衡，從而將該階段作為轉型過程計劃結尾的目標階段。

直至今日，許多企業仍面臨的挑戰是創造工業4.0的基本條件。

數字化本身并非工業4.0的組成部分。

該報告的這一個判斷，應該還是出乎很多人的意料。但報告強調，工業4.0的發展路徑以數字化為開端，而計算機化和連通性是實現數字化的基本要求。這兩個初始階段之后的四個更高階段，才是工業4.0發展所需的進一步能力。

4、六階段的描述

1）計算機化

發展路徑的第一階段是計算機化，因其提供了數字化的基礎。在這一階段，不同的信息技術在企業內部獨立運作。大多數企業的計算機化已經相當成熟，主要用于更加高效地處理重復性工作。通過計算機化，企業可以實現高標準、低成本制造，而且許多現代產品可以達到以前不可能達到的精密程度，從而實現獲得利益。但實際上，很多機器并不具備數字接口，特別是對于長周期機械或人工操作的機器來說。在這些情況下，終端經常用于填補商業應用和機器之間的缺失環節。

計算機化的例證之一就是CNC銑床。通過采用計算機數控，CNC銑床可以加工高精度零件，但是有關執行行動的細節，所需要的NC加工數據通常仍需要手動傳輸給銑床，也就是說，銑床并未實現連接。另一實例則涉及未與企業EPR系統連接的商業應用系統，這可能導致半自動質保，盡管在試驗站實施，但記錄數據卻并未與相應的工作環節關聯。這將導致一旦發生質量問題，回溯環節會變得異常困難。

2）連通性

在連通性階段中，相互關聯的環節取代了各自為政的信息技術。廣泛使用的商業應用彼此連接并反映企業核心業務過程。操作技術（OT）系統的各部分實現了連通性和互操作性，但是依舊未能達到IT層面和OT層面的完全整合。

3）可見性

傳感器能夠獲得大量數據節點，從而捕獲整個過程。傳感器、微芯片以及網路技術價格的下降意味著現在可以實時記錄整個企業的事件和狀態，而不是像之前一樣僅僅記錄單獨的領域，如制造領域。所以現在可以始終保持工廠的最新數字模型。我們將這種數字模型稱為企業的“數字孿生”。“數字孿生”能夠顯示企業在任何特定時刻發生的情況，并根據這些實時數據作出管理決策。因此，我們可以將“數字孿生”視為下一階段的核心構成元素。

4）透明性

第三階段涉及企業當前形勢數字孿生的構建，而第四階段是關于企業了解事件發生原因，并通過根本原因分析生成認識。為了辨別和解釋數字孿生的交互，必須使用工程知識對采集的數據進行分析。語義鏈接和數據匯集能夠產生信息和相應的語境，為復雜和快速決策提供過程認識。

5）預測性

達到預測能力階段后，企業可以模擬不同的未來情景，并確定最具可能性的情景。這包括將數字孿生投射到未來，以描繪多種情景，并評估它們發生的可能性。由此，企業可以對未來發展進行預測，并適時作出決策和采取適當措施。然而具體措施還是需要人工執行，因此較長的前置時間有助于限制消極影響。減少突發狀況或計劃變動等引起的意外事件可以實現更為有效的經驗。例如，通過預測能力，可以在承運人失職等反復出現的物流問題發生之前對其進行標記，并通過更換承運人防止此類問題發生。

6）適應性

預測能力只是自動化行為和自動化決策的根本要求，而持續的適應性則使企業能夠向IT系統下放適當決策，以便IT系統盡快適應變化多端的經營環境。

適應程度取決于決策的復雜性和成本收益比，通常最佳方式是實現單獨過程的自動化，因此應調查自主重復性操作的基本可行性。