在整个工业4.0的实现过程中，肯定没有单一的、标准化的方法。然而，我们对最成功的制造商的观察显示有愿景和激情的公司可能采用的有效方法和观点。虽然我们很少再提起工业4.0，可是有多少企业认真思考和实践了工业4.0呢，4.0依然是大多数企业实现智慧不可逾越的征途，时光虽已远去，但下面这五条建议以及曾经的经验依然值得借鉴和参考。
一、将精力集中在数量有限的应用程序上
我们所看到的工业4.0取得最大进展的制造商主要集中在有限数量的工业4.0应用程序，而不是试图同时瞄准所有可能的高级应用。
制造商发现有价值的前五大应用工业4.0有可能应用于整个制造组织：从上到下，从头到尾。然而，发现价值并不要求公司一次推出所有的工业4.0应用程序。下面是五个工业4.0应用程序的列表，我们看到制造商已经在其中获得了最大的价值。并非所有的五个应用程序对每个制造商都同样有用，并且未出现在该列表中的应用程序可能更适合某些制造商。但是，考虑到许多制造商在这些领域取得的成功，我们认为这个列表是制造商思考的一个良好起点，他们应该首先以获取价值为目标。
数字绩效管理。数字绩效管理由于其最低的资源需求和简单、快速的可部署解决方案，可以作为数字制造的网关。该应用加速了现有的精益管理过程，并有助于建立数字能力和数据驱动的心态，为更先进的数字技术奠定基础。我们已经看到数字绩效管理工具，如支持绩效对话的数字仪表盘，通过增加一线运营商的参与和围绕数据的管理，在三个月内实现了20%到50%的OEE改进。此外，数字化绩效数据持续存在于车间白板之外，并支持标准化计算和报告，从而允许跨职能部门、工厂和业务部门共享关键绩效指标，并为一致性和最佳做法共享设定基准。
预测性维护。尽管预测性维护这个术语已经出现了很多年，但在数据可用性、机器学习技术和云技术方面的重大进展正在促成一种全新的方法：预测性维护的新版本集成多种数据集并使用复杂的深度学习算法（如神经网络）的维护。我们通常会看到基于新的预测性维护算法的引入机器可用性的增加和维护成本的降低10%到15%。公司需要三个部分才能成功地进行预测性维护：深入的维护专业知识和各自的知识、资产、强大的高级分析技术和适当的变更管理能力。
产量、能量和吞吐量优化。将来自过程控制系统的数据与其他数据（如成本数据）集成，可以在很大程度上帮助公司优化产量、能源和吞吐量。我们已经看到，通过将现成的工厂数据与正确的软件结合起来，制造商已经取得了很大的进步。此外，他们必须建立或来源的专有技术，以创建正确的算法。最后，为最初的试点和跨不同站点的扩展工作提供正确的实施支持是成功的关键。
下一级自动化。对于几乎所有的公司来说，在增加自动化在蓝领和白领工作中的应用方面仍然有很大的潜力。预计机器人技术的应用将在未来5到10年内显著增长。2020年，工业机器人的成本每年下降约10%，传感器技术和人工智能的改进（允许在更复杂的系统和情况下潜在地使用机器人）正在推动自动化的可访问性和潜在价值的增长。我们还发现，供应链中的需求计划（例如，使用预测分析）和订单管理（例如，无接触订单管理）等功能的知识工作自动化流程具有很大的优化潜力。
数字化质量管理。只有刚起步的制造商才能通过实施有助于记录和存储质量、相关生产和服务信息的数字文档系统，获得实质性的好处（例如，更高的效率、改进的错误追溯能力和召回成本的降低）。先进的质量控制，包括使用新的传感技术（例如，计算机视觉）和半自动质量控制（机器人、可穿戴设备），进一步释放价值。更先进的公司希望加强数字质量管理的正在使用先进的算法和大数据进行质量分析，例如半自动化的根本原因分析。
场景一：数字质量管理中的智能眼镜，随着向工业4.0的转变，企业正率先转向智能眼镜，以帮助提高员工的工作效率。通过让他们的“实际操作”工人在平视显示器上随时获得信息，智能眼镜正在推动生产力和质量的提高。其中一个应用是在数字质量管理中，可穿戴技术可以改善和加速工作流程。宝马一直在试验使用谷歌眼镜和Ubimax的xMake解决方案，以便在预装生产期间对其车辆进行目视检查。工作人员使用Google Glass通过拍摄照片或视频来记录潜在的偏差，允许以后更好更快地分析和纠正这些偏差。以前，这些问题都是以书面形式记录的，需要分析中心的质量测试人员和开发工程师之间进行更多的来回操作。
下面，详细解释一个初始诊断如何集中于一些关键的制造过程（包括质量、维护、库存和供需管理、能源管理和性能管理）可以提供具体的指导，从哪些应用程序开始。我们推荐的工业4.0诊断方法侧重于制造商如何使用他们已经获得的数据来释放新的价值，分四步进行：
第一步，分析特定于客户的价值流和生产中心，以评估数据创建、集成和使用以及自动化使用的现状。这可以通过与生产相关的活动的“数字巡查”（价值识别工业4.0路线图，德国供暖系统制造商Viessmann开发了一个综合工业4.0路线图，以指导其在该领域的活动。基于自身技术试验的经验，在其他制造商的参考访问，以及由制造和IT专家组成的跨职能团队进行的“数字巡查”，Viessmann确定了三个重点关注的主要机会领域（端到端供应链优化就是其中之一）。对于每个领域，制造商都制定了一个高水平的商业案例和一份路线图，其中包括未来三年的关键里程碑。）和访谈以及对当前绩效关键绩效指标和财务指标。“数字巡查”将评估当前的数据利用率，识别“数字浪费”的实例（如数据泄漏和系统中断、数据转储、不受控制的过程、不灵活、不学习的自动化，以及过剩的能源消耗），并揭示了通过更好地集成和使用可用数据来改善价值流的机会。同时，还将确定进一步实现过程自动化的机会。
“我们使用数字巡查来识别当前设置中的泄漏和系统中断，并开发其他改进思路，以优化我们价值链上的数据流。”——Gerhard Bastet，Viessmann Werke AllendorfGmbH总经理
诊断的第二步集中在改进想法的产生和优先顺序上。改进思路是基于对关键绩效指标和财务数据的演练和审查结果，以及创意生成研讨会和最佳实践基准的制定。例如，在预测性维护中，团队使用数据流映射技术来评估数据创建、传输和利用的现状。他们还根据工业4.0最佳实践对当前流程进行基准测试，并执行差距分析以识别数字废物。随后，根据想法的影响和实施的难易程度对其进行优先排序，并按照时间范围进行组织。可以通过基于行业特定典型潜力的快速问卷评估，帮助确定具有最高估计影响的机会领域。
在第三步中，计算出优先考虑的想法的净影响。在实践中，这必须基于对最有希望的、短名单上的杠杆的深入研究，例如评估高潜力解决方案的可行性和建立孤立的试点，以便根据每个未来状态确定其机会大小。根据结果，改进的想法被聚合成连贯的、整体的概念，从而计算净影响（包括潜在的基础设施投资）。
最后，根据工业4.0潜力的优先杠杆列表，生成一个目标明确、关键绩效指标明确的重点实施路线图。开展准备工作包括3个要素：为整个价值链创建实施计划，使工业4成为制造商流程环境的一个组成部分，并使技术/实施合作伙伴能够获得RFQ/RFP；制定一个引人注目的工业4.0变革场景；建立项目团队以实施，确定他们的技能差距，并培训“工业4.0团队”，以推动整个生产网络的实施和持续分析。重要的是，关于制造商的培训方法，不仅必须发展变革所需的新技能，确定和绘制关键指标和成功因素，而且还必须培养理解力和信念，并确保角色建模。
二、今天不怕“变通方法”，但明天就开始为更强大的解决方案奠定IT基础
我们经常看到，由于缺乏有效的实用主义，客户未能开始实施工业4.0应用程序。在几乎所有情况下，从优先的工业4.0应用程序中获取价值将涉及到制造商需要解决的大量操作障碍。当集成数据时出现这些挑战时，项目通常会暂停等待一些多年的数据架构转换，重新启动ERP系统，或其他更大的努力。
事实上，非常成功的客户即使在数据丢失、IT系统不兼容和人才短缺等困难情况下也能成功地完成项目。例如，当我们通过产量优化工作支持生命科学客户时，我们发现批处理过程的整个文档（这是分析的关键输入数据）仅在纸面上可用。客户没有等待两年，直到转向数字文档并在数据历史学家中积累足够的数字数据，而是扫描了所有物理数据表（共15000页），并让印度的第三方提供商将其转换为机器可读的数据标签。这花了两周的时间和很多努力，但是它让客户能够更快地推进项目而不是迟一点，最终实现产量提高约1百分比。使用这样的解决方案将允许公司快速开始实施新的用例，并为进一步推出应用程序创建通常必要的基础。
云解决方案也有助于实现“同时”无风险解决方案。公司可以使用云来试验新的用例，而不会被遗留的IT基础设施和架构所拖累。尽管早期的试点取得了成功，但大规模的工业4.0的推出需要对整个技术堆栈进行重大投资。在物联网应用和业务逻辑集成的其他投资中，数据堆栈发挥着重要作用。由于工业4.0技术相对较新，与这些技术相关的成功案例仍然有限。然而，这些投资为从早期工业4.0飞跃到规模化、企业级实现的能力奠定了重要基础。
除了技术投资，组织还需要奠定明确的企业所有权的基础，以妥善管理设备或客户相关的数据。中央数据管理办公室和合理的数据域结构可以成为定义总体数据策略和确保全公司数据标准化的解决方案。
这项工作的一部分必须是向专业化数据操作模式的转变，在这种模式中，高质量的数据是可访问的，数据流是主动管理的，而不是锁在私有数据存储中。数据域方法，即属于同一业务上下文的数据元素的分组，可以通过建立由拥有此类数据的业务功能领导的相应数据治理结构来提供帮助。
最后，数据管理办公室应促进围绕最佳总体数据体系结构的讨论，包括一个通向目标的明确路线图。这里的关键挑战之一是将现有的主数据与来自传感器和设备的事务性数据集成起来，以实现高级分析和实时处理复杂事件的能力。大数据技术，如数据湖，也可以应对对于非结构化数据（例如，基于Hadoop）和消息处理技术（例如ZeroMQ或Apache Kafka），这可能是克服现有限制、加快数据可访问性和启动技术范式转变的优雅解决方案，也可以使现有的遗留环境受益。
从事这种数据转换的制造商应该记住的一件事是，从产品规划和工程到制造和销售，数据在整个产品生命周期中的集成度不断提高。多年来，公司一直在努力采用全产品生命周期管理（PLM）系统，即一套业务解决方案允许从概念到使用的产品定义数据的一致性使用。然而，如果我们仔细观察，我们仍然会发现系统出现重大故障和数据冗余/不一致。领先的公司，如奥迪公司，已经开始努力巩固和“清理”他们的生产数据场景，以建立先进的工业4.0应用的基础。
“我们的目标是在效率和速度上取得巨大进步，特别是在工程、控制、管理和决策方面。但这个价值只有当我们能够在整个产品中集成数据时才会解锁生命周期。”——Fred Schulemann，奥迪公司数字产品主管
三、建立第三方技术提供商组合
在实施工业4.0应用程序时，公司应仔细考虑流程价值链中的哪些部分是战略“控制点”，在这些控制点中，应建立并保存能力和数据，以确保重要的竞争优势，哪些是“商品”，通过与强大的第三方供应商合作处理得最好。为了那些后一种选择适用于越来越多的工业4.0解决方案，公司可以从中选择。像西门子的MindSphere这样的新产品可以作为一个平台，将制造商自己的数据集成到第三方应用程序中。从现有的解决方案开始，将使公司能够利用专业技能并加快实施。
工业4.0正导致从单一提供商模式向一组集成技术提供商的转变。为了在这一领域取得成功，制造商需要一个由潜在供应商组成的完善的投资组合和一个强有力的合作伙伴管理方法。首先要选择合适的合作伙伴，发展对市场的了解，并建立管理“最佳”供应商结构的能力。
另一个需要强有力管理的关键因素是，在与原始设备制造商和软件供应商互动时，确保正确的数据所有权结构。我们越来越多地看到，客户在不知不觉中将数据所有权让给了原始设备制造商，这是他们通常只在工业4.0项目进行到一半时才会注意到的事实：
（在预测分析比赛中跨越数据障碍，一家主要半导体制造商最近开始了一次部署之旅先进的预测分析，以预测工具故障和产量相关的问题。该公司最终运行了一个成功的概念验证，这表明维护成本可能会比传统方法降低8%，但同时也遇到了一些障碍：
—数据所有权。半导体制造厂（fab）不得不重写采购合同，以允许其访问和存储正在使用的工具中收集的数据。如果合同中没有明确规定，旋转设备供应商只能提供对“数据标识”的访问。此外，工厂制造团队没有编写“数据需求”来集成设备需求。该工厂缩小了最初影响的范围，并与目标供应商协商数据协议。它正在考虑改进其方法，将需求预先纳入供应商和制造承包商服务中。
—数据基础设施。该工厂50%的数据被缩减并丢弃。此外，无法使用实时跟踪级数据，“历史记录”系统也很难访问。该厂自行开发了数据集成软件，集成多个采集系统的维护数据。一个新的IT提议正在考虑切换到云架构以便于访问。
—分析能力。fab意识到他们需要找到10多种独特的机器学习算法和100多种资产故障模式之间的匹配。事实证明为故障类型的即插即用算法创建了验证方法。需要注意的是，由于缺乏能够部署先进算法的数据科学家，fab不得不将分析工作外包出去。）
因此，在签订合同之前，制造商必须仔细考虑他们需要访问哪些数据。
四、以敏捷的心态打造强大的内部团队
为了真正从工业4.0中获取价值，公司需要建立强大的内部能力，并建立一个专门的跨职能团队，在开放的变革和实验文化的基础上推动创新。
对于那些被公司认定为足以覆盖内部的关键流程链，需要建立必要的人才。这将主要影响IT人才——从帮助开发复杂算法的数据科学家到能够在内部构建关键新应用程序的敏捷软件开发人员。考虑到这些角色的高需求和有限供应，雇佣他们需要制造商明确的价值主张。一些制造商甚至在硅谷或柏林这样的新兴中心设立了新的部门，从而“转移到人才所在的地方”。同时，这些拥有丰富IT人才的部门必须与制造商的其他职能部门紧密配合。传统的壁垒已经无法将各种内部功能分离开来。工业4.0需要运营专家（具有技术领域知识）、IT专家（了解高级分析和公司IT体系结构和基础设施）和业务专家（知道如何将投资与明确的业务案例联系起来）之间的协作。与紧密的合作伙伴、运营部门、IT部门和业务部门合作，将定义和执行工业4.0战略。例如，一家公司成立了一个特别工作组，每个职能部门的代表定期开会讨论新的和现有的工业4.0项目以及支持这些项目所需的资源。工作组（由C-suite输入）有权访问每个流程、系统和数据库。其他参与者甚至将所有相关的工业4.0功能整合到一个新的组织单元中（整合专业知识以利用数字优势和重点战略，2015年，福伊特机械工程公司成立了一个新的集团部门“数字解决方案部”，将其在工业4.0领域的所有数字和自动化活动整合到一个专业部门中。新部门的重点将是为福伊特目前已经服务的行业以及尚未服务的全新行业开发新的数字商业模式。因此，福伊特将其在自动化、软件、IT、数字化和传感器技术领域的专业知识捆绑在一起，这些领域以前分布在不同的集团部门。此外，福伊特还计划将其在数字领域的所有风险和创业活动重新部署到新部门。）。
“建立一个专业的数字部门，使我们能够将所有相关的专业知识，以更具针对性的方式实施我们的工业4.0战略太好了。”——Roland Münch博士，福伊特数字解决方案部首席执行官
跨职能团队需要强有力的授权才能有效，但也需要自由创造自己的工作方式，其特点是敏捷的思维方式。快速试验和迭代改进的文化对于以必要的速度推动工业4.0项目至关重要。数字原住民可以提供这种思维方式和速度的例子。例如，一位德国电子商务玩家进行了一次黑客竞赛，以优化他们仓库的调试过程。他们在周五集思广益，在周末调整了代码，在周一试行了“最低可行流程”，在一周内进行了测试，在下周一上线，员工生产力提高了10%。
五、尝试新的商业模式
工业4.0背后的技术不仅可以提高运营效率，还可以为数字集成和数据驱动的服务提供新的机会，从而推动新的业务模式，如平台或即服务业务模式。大多数工业4.0速战速决都将在提高操作效率方面得到体现。那些既想从工业4.0中获得直接回报，又想为未来市场动荡做好准备的制造商，也应该开始尝试新的商业模式。在寻找新的商业模式机会时，制造商可以从CLAAS和TRUMPF的行动手册中举出例子，围绕客户的需求构建新的模式，并利用他们深厚的领域知识和现有的安装基础。
场景二：在新的工业4.0商业模式中寻找价值，2013年，农业机械制造商CLAAS在创建子公司365 FarmNet时，利用其深厚的领域知识、对客户需求的理解以及其庞大的装机库存，该公司为农场运营提供了一个全面的规划、管理、文档和分析工具。CLAAS将365FarmNet作为一个独立于制造商的平台，建立了一个多元化的合作伙伴生态系统，允许通过标准化的ISOBUS接口从机器实时集成数据。通过这一举措，CLAAS将其商业模式从机器制造商扩展到面向客户的软件即服务（softwareas-a-service，SaaS）提供商，并在不断增长的智能农业软件市场中占据了一席之地；作为工业4.0的推动者，利用现有的技能来建立能力，2015年，成立子公司AXOOM，打造数字化生产流程管理平台。AXOOM正在构建一个基于浏览器的平台解决方案，其软件模块涵盖了整个价值链——从订单到资源管理再到报告。该平台连接了来自不同制造商和不同技术的流程、机器和系统。TRUMPF希望凭借其对生产流程和技术的深入了解，使希望参与工业4.0的中小型制造商发挥潜力。
“我们的车辆性能已经基本耗尽，我们需要从传统的制造商转变为一个系统的网络问题解决方案，这正是我们的客户所期望的。”——赫尔曼·加贝尔斯博士，克拉斯学院前执行董事会成员
预计未来，制造商将越来越多地利用其安装基础的实时数据，为客户提供新的增值服务。过去，制造商与其产品之间的联系大多被切断在销售点之后，而新的传感器和通信技术越来越多地使制造商能够收集机器运行时的实时数据。这为制造商提供了新的可能性，既可以改进现有的售后服务，又可以添加新的增值服务，这些增值服务利用的是已安装的基础数据。一个例子是德国的压缩空气系统供应商KAESER KOMPRESSOREN正在通过基于SAP HANA的高级预测性维护模型提高机器性能，最近在其服务组合中增加了“每立方米压缩空气付费”选项。
“我们的主要优势是我们的安装机器基础。我们是一个真正了解市场的软件供应商。”——
Nicola Leibinger-Kammuller博士，TRUMPF管理委员会主席和主席
为了在工业4.0的新竞争动态中取得成功，制造商必须加强他们在商业模式创新方面的能力。虽然这肯定会涉及到战略部门，但推进新商业模式的试验需要由首席执行官领导。德国金属交易商Klockner就是一个很好的例子，他的首席执行官吉斯伯特·鲁尔把调整公司的商业模式以适应数字时代作为自己的使命(通过让竞争对手成为客户，领先于数字颠覆，2013年，德国金属交易商Klockner的首席执行官吉斯伯特·鲁尔(Gisbert Ruhl)前往硅谷，了解未来十年钢铁市场可能面临的潜在动荡。他逐渐确信，钢铁交易的数字市场平台对克洛克纳目前的商业模式构成了真正的威胁。目前，克洛克纳的商业模式在很大程度上仍是“管道式”的，主要是基于电话和传真的交易。从那以后，鲁尔亲自领导了一个雄心勃勃的数字转型项目，包括kloeckner的创立。一个数字能力中心，正在建设Klockner的数字交易平台(它也打算向第三方开放)，和kloecknerV是一家风险投资公司，其目标是支持可能扰乱Klockner商业模式的初创企业。)。
“速度是企业数字化转型过程中成功的关键因素。因此，CEO的强烈个人参与对于快速决策至关重要。”—吉斯伯特·鲁尔，Klockner & Co SE首席执行官
很多时候，公司在考虑商业模式调整时可以从外部寻求灵感，包括来自数字原生代的灵感。例如，鲁尔开始了他的数字之旅，他与硅谷的风险投资家和初创企业就如何扰乱钢铁市场展开了头脑风暴。大公司甚至可能会考虑建立一个“挑战者董事会”，由企业家、行业老手、风险投资家等人组成。最后，必须明确的是，在当前的市场动态下，选择正确的商业模式就像向一个移动的射击目标。因此，它将需要一种试验和重复的敏捷心态，如果不是比提高运营效率更重要的话。
前景
工业4.0提高了很大的期望，但并没有全部达到。尽管如此，还是有一些制造商发现了工业4.0的大量具体应用，并从中获益。工业4.0的实施是一个多年的过程，随着技术的进一步成熟，更多的应用将会得到发展。现在，所有国家的制造商都必须从具体的应用着手。这将构建组织和技术力量，以应对未来更雄心勃勃的项目，比如产品生命周期中数据的完整集成。
