卓越智能如何拥抱工业智能
卓越运营不会流行，因为能够实现卓越运营的只是少数，或是极少数。
丁莲 第05篇文章
题目：
卓越智能如何拥抱工业智能
作者：付小江
来源：卓越运营之道
一、现状
在追寻卓越运营的道路上，就像《鞋狗》书中所说：“懦夫从不启程，弱者死于路中，只剩前行者，一步都不能停。”
"卓越运营不会流行，因为能够实现卓越运营的只是少数，或是极少数。但每个企业都必须专注于其运营的基本功，用卓越的信念和方式去攀登。如果用动态思维来看，卓越的状态永远属于昨天。
卓越运营着眼于整个运营绩效突破改进和日常改善系统地构建，打造高绩效组织和优化有绝对竞争力的流程。那卓越运营和工业智能是怎样的关联？卓越运营又是如何融合工业智能技术的？
我们首先看下面的分享：
你用常识可以得出上面的结论吗？现在很多谈的智能其实是对智商的伤害。我们换个角度来理解智能，智能的背后是什么？是知识进化论。知识进化论就是企业如何从内部和外部挖掘能匹配组织未来发展的知识，并将这些知识内化为组织的核心要素，成为组织的竞争力提升的源动力。
知识进化论将组织的知识视作产品，在产品流程所要考虑SQDC指标，也同样适用于组织知识这样的产品：
● Safe 安全。目前组织是否对内部知识进行了安全分级？核心知识如何进行管理和升级？
● Quality 质量。这些知识的质量如何？能提升组织的竞争力吗？能提升组织中人员的能力吗？
● Delivery 交付。这些知识如何在组织应用？学习曲线如何？如何提升应用的效率？
Cost 成本。这些知识内化的成本如何？ROI是怎样的？
你如何看待你目前企业的组织知识管理？这些组织知识成为组织的竞争力了吗？它们的质量如何？它们是如何被企业的成员获得的，容易吗？
二、卓越运营中关于流的改进的四个方面
卓越运营的系统如果从流的角度来看，就是如何让物料、信息、资金、知识的流更准、更好、更协同的进行。这些流的运转质量支持了组织的知识进化。
1. 物料流：增值在哪里？
工厂的运营就是把原材料转化为客户所需要的产品的过程。这个转化过程就就是物料流动的过程，在《流的传承》中明确了物的四种状态：
● 停滞，对物料什么都没有做；
● 检查，确认物料是否符合标准；
● 搬运，将物料从一点移动到另一点；
● 加工，改变物料的形态，这里必须要考虑即使是加工，也可能不会是完全增值的活动。如果用“零损失思维”来衡量，会发现加工环节的增值比例本身也有很大的空间。
在《大野耐一的现场管理》中就描述了这样的一个例子：有一个在零件上钻孔的工作，目前是手动方式作业，每天的要求是钻80孔，以8小时计算，每个孔是6分钟，但现场的设备进行钻孔一个只需要30秒。那钻孔过程中又有多少秒是增值的？
2.信息流：实时共享中？
信息爆炸的时代不仅适用于社会，对于企业而言，同样如此。但企业中无论是无形或是有形的信息，增值的部分同样非常少。只有有用的信息得到实时共享，并拉动每一个关键决策点的流动，才能让信息增值。下面是信息的几种可能状态：
● 缺失，对于核心的管理信息，但组织没有设定相应的流程和数据采集，比如我们用损失来表述运营中的机会，如果企业不能收集相关数据，就无法形成有效的绩效管理循环；
● 孤岛，数据或是信息产生后，没有得到流转或是呈现。比如有的公司应用了自动化设备，内部也有很多的过程数据，但企业从来没有确定其价值；
● 冗余，因为缺乏系统的规划，同样的信息在不同单元各自生成。比如同样的流程信息，在设备中有，相关人员的电脑中也有，手工记录也有，但到底有几个备份是必须的，有哪些备份应该及时删除需要明确。
● 杂乱，是数据或是信息没有能明确具体的要求，无法区分“正常”或“异常”。比如很多的信息记录模棱两可，以检查项的结果，给出了“OK”，但难以确认实际状况；
● 触发，信息可以触发某一个行动，包括上面提到的物料的整个流动环节。比如看板；
呈现，对信息进行更容易的方式进行展示，比如目前很多的所谓智能主要还只是在进行信息层面的易用性的展示。
3.资金流：如何通过流来获得回报？
组织的运营在资金层面是如何帮助股东创造价值。资金流关注资金流动的速度、每次流动的投资回报率、以及资金的使用成本。通过这几个方面的展开，可以帮助运营更好地支持财务绩效目标的实现，以及如何在日常管理中及时纠偏。
人力是资本，同样需要考虑是如何让人力增值，而不只是看做成本。库存也不只是资产，同样需要考虑其对资金使用价值的占用，以及库存本身所要消耗的成本。
4.知识流：组织内化知识在流动？
“管理者就应该构建出一个可以推进”流动化“的环境和组织。“ ——《流的传承》
“一个组织卓越的因素有很多种，但唯一不可被取代的就是这个组织创造的知识；不过组织自己并不能创造知识，而知识是由组织里面一个个单独的个体创造的”——《知识创造》
知识的流动对于以上的物料的流动、信息的流动、资金的流动的效用尤为关键。知识可以分为显性知识和隐形知识，对于隐性知识的挖掘对于企业的竞争力的形成非常关键，同时隐性知识又可以分为经验型隐性知识，数据挖掘型隐性知识。
我们不只是要解决可见的问题，智能制造要解决的如何是如何解决不可见的问题，利用智能信息创造新的知识。
知识（模型）成为我们用数据来解决问题的更有效的桥梁。
《CPS：新一代工业智能》中有如下描述：
工业智能化的另一个重要特征是对知识的管理。制造系统中的知识产生过程通常遵循一个闭环的过程：发现问题 →根据经验分析问题 →制定解决问题的决策 →根据结果的反馈积累经验 →把经验进行抽象总结并用于解决未来相似性问题。
在这个闭环的过程中，日本通过对人的不断训练将知识固化在人的身上，于是就形成了“工匠文化”。而德国则通过对生产系统和装备的持续改善和集成化设计，将知识固化在了生产系统中，于是就形成了“器匠文化”。
然而，无论是“工匠文化”还是“器匠文化”，发展到今天都遇到了严重的瓶颈：日本工匠文化的核心是人，但是以传统全生产系统管理（ TPM）和精益管理的方式将知识固化在人的身上已经慢慢变得不可持续。一方面这个过程往往要经历很长的时间，随着新知识产生的速度越来越快，其效率已经受到严峻的挑战。
另一方面，以人作为知识的载体，对知识的利用效率也非常低，因为人的精力和大规模并行处理多个问题的能力非常有限。最后，人终归是要消失的，很多的知识也会随着人的消失而失去。
日本制造的“工匠文化”可持续性正在面临非常严峻的挑战。而德国的“器匠文化”在利用效率和可复制性方面都胜于“工匠文化”，所以德国的制造系统能够变成一种产品成为德国出口的重要引擎。但是“器匠文化”的一个突出弱点是，在使用这些智能装备的过程中，人自身的技能却在慢慢退化。以取代人作为结果的“器匠文化”也面临可持续性的挑战。
无论是工匠还是器匠的模式，都是为了获得知识这一制造领域的核心竞争力。知识的定义是对已发生事情的内在逻辑进行洞察过程，并能够将其作为依据去管理未来相似的事情。”
我们看到了知识的产生方式在发生改变。不仅仅来源于人，也来源于模型（机器智能）。下面是AlphaGo的成长经历：
AlphaGo: 通过棋谱的学习战胜了人类的围棋高手。
AlphaGo Zero：从空白状态学起，在无任何人类输入的条件下（放弃人类的经验），它能够迅速自学围棋，并以100:0的战绩击败“前辈” AlphaGo。
AlphaGoZero: 通过自我对弈，强化学习，可以达到下面的成果：
● 4小时就打败了国际象棋的最强程序Stockfish！
● 2小时就打败了日本将棋的最强程序Elmo！
● 8小时就打败了与李世石对战的AlphaGo v18！
知识社会：知识成为唯一有意义的资源
“下一个社会将是知识社会，知识会成为社会的关键资源，知识工作者将成为主要的劳动力。”
德鲁克：《下一个社会的管理》，133页
只是德鲁克可能无法预测到：知识的创造已经不仅仅是依赖于人类，我们需要更好地拥抱工业智能，思考如何产生知识。
福利
听说你很焦虑
听说你很迷茫
上课听不懂，学了不会用？
工作没人带
没有真正的绩效，不敢跳槽？
那么你的福利来了
让集帅气与智慧的于一身的“3P”吕宁老师来帮您
带你认识最真实的IE
现在你只需要动动手指
点击以下图片，点击阅读原文，进入课程学习
采集：丁莲
编辑：丁莲
排版：丁莲
本文由“工业工程实践者”微信公众号小编整理、编辑，如有侵权，请联系删除。如需转载，请在公众号留言联系授权，未经授权不得转载。转载请务必保留此署名模块，否则按侵权处理。
推荐阅读：
长期招收在校生
做文章编辑 有意留言