最近几年,上海市工程师协会每年都请我讲点东西,今年的题目是谈谈数字化思维。该谈点什么呢?就讲几个故事吧。

数字化思维是科学思维

按照传统的技术和工艺,某工厂加热钢坯时需要8小时的时间。吕博士听说之后,就陷入了思考:真的需要8个小时吗?于是,他建立了一个数学模型,用理论方法计算加热时间。根据计算结果,加热4个小时就足够了。这不仅可以加快生产效率,还可以节约大量的能源。工厂的老师傅看到这个结论很兴奋,但不太敢相信这个结果。于是,采取逐步缩短时间的办法改进工艺。最后,吕博士的观点果然是对的!

在工业企业中,许多做法都是依照经验制定的。我经常发现,有些经验非常不合理。比如,有些问题是前工序导致的,而处理方式则是改变后工序。经过计算,后工序的方法其实完全没用。这种错误的做法是某一次偶然的错误导致的,但却一直保留了下来。

另外,还有些方法过于保守,有些做法根本没有必要,有些方法则可以随着设备和工艺水平的上升与时俱进。通过建立数学模型进行理论分析,往往能够发现可能的优化机会。然后通过渐进的方式,平稳而安全地过渡到好的方法。

数字化思维是以理服人

我有位朋友,曾经在某大企业担任CIO。若干年后,他被一家民企以500万年薪聘请他担任CEO。但老板的要求是每年增加30%的销量。

CIO出身的他习惯于用数据说话。他发现:影响销售量的主要原因是代理商不给力、产品卖不出去。于是,他把代理商召集到一起,给他们下达指标:明年增加30%的销量。但是,代理商老张跳出来带头抵制:明年连10%的销售量都增加不了,增加30%是不可能的。

这位代理商是老板的发小,两人私交很好。我的朋友是老板聘请来的CEO,显然不能硬来。于是,他继续发挥用数据说话的特长,花了很大的代价进行调研、摸清基础数据。然后来到老张所在的城市。

他对老张说:老张,你和老板的关系非常好,应该带头帮助老板实现销售目标啊。老张说:我也想啊,但市场就这么大,实现不了啊。我的朋友就对他说:你负责的这个县,有13家商场销售我们这类产品。但你只进入了一家。明年是否可以进入第2家?如果你不能再进入一家,可否换成别人来做代理?在准确的数字面前,老张只好答应明年增加30%的销量。

推进数字化的时候,经常会遇到各种利益冲突和矛盾。人们总是以各种借口不愿意改变。用强硬的办法推进,常常会招致怨恨和抵制,最终导致工作的失败。数字化思维的一个好处,是用数据说话,让客观事实迫使这些人让步,而不是把矛盾集中在个人的身上。

数字化思维是追求极限

广东有一家优秀的民营企业。最高领导曾经给他们题词:中小企业能够办大事。他们为一家中日合资的汽车厂建立了一个工业互联网平台。通过这个平台,这家工厂每小时多生产两辆汽车,一个多月就收回了投资成本。

众所周知,日本企业的精益化管理做得非常好,为什么还会有提升的空间呢?这家企业的老板告诉我:在汽车生产过程中,需要从一个工位移动到另外一个工位。移动过程其实可以加快。比如,非常多工位可以加快0.3~0.7秒。这个时间非常短,很难靠人工的优化来实现。但是,如果用计算机来管理,这段时间就可以优化下来。积少成多,就成就了这个技术。

现代工业是在追求极限的过程中发展起来的。人们经常追求零缺陷、零库存、零延迟、零伤亡、零排放。为什么要追求这些极限指标呢?其实,追求极限指标是一种手段,在追求极限的过程中容易发现企业隐藏的各种问题,促进企业的持续改进,从而实现“久久为功”。在追求极限的过程中,机器比人有更大的优势。

所以,我经常对人说:数字化是追求极限的工具,通过久久为功促进技术的发展。有了极限意识,就比较容易推进数字化的进展。

数字化思维要勇于采用笨办法

有位朋友想根据一个数学公式计算一个重要的参数。这个参数关系到一个重要设备的安全运行,是国外对我们“卡脖子的技术”。看到这个公式,我感觉有点复杂,也不确定自己的推导是不是正确。

于是,我建议他不要去推导公式,而是用随机模拟的办法分析;通过无数次计算找到合适的参数。不久之后,他兴奋地告诉我:这个方法成功了,并得到了上级主管部门的认可。

我经常发现:实践中的思路往往与读书时的思路不一样。读书的时候遇到难题,一般就要想破脑袋去寻找巧妙的办法。现实中,往往不存在这种“巧妙的办法”。一味地追求巧妙的做法可能是“缘木求鱼”,永远都不可能成功。现实中有效的办法,往往是那些笨办法,靠硬算或试验解决问题。有趣的是:聪明学霸们往往想不到这些笨办法。

在数字化时代,计算机的能力大大增强。这使得许多过去没有办法(在允许的时间内)计算的办法能够算出来了。这使得“笨办法”的应用范围大大增强。特别地,把人类的思维方式转化成计算机的算法时,往往就是要采用“笨办法”。善于用笨办法,才能更加有效地解决困难的问题。

数字化思维强调知识的复用

数字化技术的一个重要原理,是把人的知识写到软件里、让计算机去做。大约10年前,我和宝钢梅山的胡恒法首席就意识到这个问题。但却遇到了一个意外的困难:我们想做一件事,人却没有知识。所以,我们遇到了“巧妇难为无米之炊”的困境。

遇到这样的问题,应该怎么办呢?我就去思考:为什么没有知识呢?答案其实很简单:许多工业知识是实验的结果。没有知识是因为没做实验。过去为什么没做实验呢?因为不划算:张罗几个月做次实验,花费非常多收益却很少。打个比方,投入100万,收益30万,根本不划算啊!

怎么解决这种问题呢?解决的方法其实很简单:靠知识复用来解决!

知识的价值是在应用中产生的。知识创造的价值大体上与应用的次数成正比。如果我们把知识放在计算机中、变成软件,而不是放在人的脑子中,应用的次数就可能增加10倍。如果我们把这个软件推广到10个地方,应用的次数又可以增加10倍。这样,收益就可以变成100倍。过去不划算的事情,现在就划算了;过去不值得做的实验,现在就值得做了。

我发现:数字化的价值,往往是通过“知识复用”来实现的。但知识复用往往需要条件和机会的。比如,拥有多个工厂的大企业就容易复用,小企业就不容易复用;有产业集群的地方就容易复用,没有产业集群的地方就不容易复用等等。如何为知识复用创造条件,是企业家应该重点考虑的问题。

还有几个故事值得讲。比如数字化是协同、数字化是服务、数字化是持续迭代等,以后有空时继续写。

发表评论