中、美、德、日制造业理念差异

合格的产品依赖稳定可靠的人机料法环,要求减少变量因素,增加稳定因素,避免“熵”增;五个因素中任何一个不可控,批次产品的一致性绝对差;

日本汽车企业,侧重“人”和“环”, 倚重是人的管理,精益管理的产内环境;用管理来固化人的行为,用5S来创造单一稳定的生产环境;

欧洲汽车企业,更强调“机”和“法”,用自动化工艺设备+完整的制造业一体解决方案,来提升生产效率,减少对人的依赖;

美国汽车企业,更强调“料”和“法”,从创新上重新定义“料”,定义产品;同时辅以更新的生产工艺,制造更符合需求的产品。

在西方国家有这样一句话:To live well, a nation must produce well,说明制造业是一个国家综合国力最重要的体现。

在经历了互联网泡沫和经济危机后,世界各国,尤其是发达国家开始重新意识到制造业的重要性,也在重新审视自己竞争力的优劣势。

第四次工业革命的到来为各个国家提供了发展和转型的机遇,也面临竞争力格局变化的挑战,智能制造成为各国竞争的新战场。各国围绕制造业,都提出了相应的战略——美国的“国家制造创新网络”、德国的“工业4.0”,日本的“工业价值链”,当然还有中国的“中国制造2025”。那么,这些战略之间有何差异呢?而形成这些差异的根本原因又是什么?

一、对知识的理解、积累和传承方式的差异决定了制造哲学和文化

对制造业而言,简单地来讲即是“发现问题(比如质量缺陷、精度缺失、设备故障、成本较高、效率低下等)、了解问题,在此过程中获取信息,并将其抽象化为知识,再利用知识去认识、解决和避免问题的过程。”

了解和解决问题的手段和方法决定了所获得知识的形式,而将知识抽象化加以运用的过程和形式则决定了知识传承的形式。这个过程可以通过“人来完成”、“数据来完成”或是“系统来完成”,这也是决定一个国家制造哲学的最根本原因。

日本

“通过组织文化和人的训练不断改善,在知识承载上非常依赖人”

日本独特的克忍、服从和集体观念文化也深深地影响了日本的制造文化,其最主要的特征就是通过组织的不断优化、文化建设和人的训练来解决生产系统中的问题。这一点相信国内许多制造企业都感同身受,因为大家在接受精益培训的时候被反复强调的3个方面就是“公司文化”、“三级组织”和“人才训练”。最典型的体现就是日本在20世纪70年代提出的以“全生产系统维护(TPM)”为核心的生产管理体系。其核心思想可以用“三全”来概括:全效率、全系统和全员参与。实现方式主要包括在3个方面的改善:提高工作技能、改进团队精神和改善工作环境,以致在20世纪90年代以后日本选择“精益制造(Lean Manufacturing)”作为其转型方向,而非“6-sigma质量管理体系”。

日本企业在人才的培养方面也是不遗余力的,尤其是“雇员终身制”文化,将雇员与企业的命运紧密联系在一起,使得人的经验和知识能够在企业内部积累、运用和传承。

日本企业解决问题的方式通常是:发生问题→人员迅速到现场、确认现物、探究现实(三现),并解决问题→分析问题产生的原因,通过改善来避免问题。最终的知识落在了人的身上,人的技能提升之后,解决和避免问题的能力也就上升了。

因此对于日本企业而言,员工是最重要的价值,对人的信任远胜于对设备、数据和系统的信任,所有的自动化或是信息化建设也都是围绕着帮助人去工作为目的,所以日本企业从来不会谈机器换人或是无人工厂。如果中国想要学习工匠精神,那么最应该借鉴的是日本孕育工匠的组织文化和制度。但是这样的文化在近几年遇到了一个十分巨大的挑战,就是日本的老龄化和制造业年轻一代大量短缺的问题,使得没有人能够去传承这些知识。

日本也意识到了自己在数据和信息系统方面的缺失,开始在这些方面发力。这一点在日本的“工业价值链产业联盟”的构架和目标上能够清晰地看到。该联盟提出的19条工作项目中有7条与大数据直接相关。可以说日本的转型战略是应对其人口结构问题和社会矛盾的无奈之举,核心是要解决替代人的知识获取和传承方式。

但日本在转型过程中同样面临着许多挑战:首先是数据积累的缺失,使得知识和经验从人转移到信息化体系和制造系统的过程中缺少了依据和判断标准。其次是日本工业企业保守的文化、造成软件和IT技术人才的缺失,正如日本经产省公布的《2015年制造白皮书》中所表达的忧虑:“相对于在德国和美国正在加快的制造业变革,现在日本企业表现出重视软件的姿态。”

德国

“通过设备和生产系统的不断升级,将知识固化在设备上”

德国的先进设备和自动化的生产线是举世闻名的,可以说在装备制造业的实力上有着傲视群雄的资格。同时德国人严谨的风格,以及其独特的“学徒制”高等教育模式,使得德国制造业的风格非常务实,理论研究与工业应用的结合也最紧密。然而德国也很早就面临劳动力短缺的间题,在2015年各国竞争力指数的报告中,劳动力是德国唯一弱于创新驱动型国家平均水平的一项。因此,德国不得不通过研发更先进的装备和高度集成自动的生产线来弥补这个不足。

德国的制造业解决问题的逻辑是:发生问题→人(或装备)解决问题→将解决问题的知识和流程固化到装备和生产线中→对相似问题自动解决或避免。

举个比较直观的例子来比较日本和德国解决问题方式的不同:如果生产线上经常发生物料分拣出错的现象,那么日本的解决方式很有可能是改善物料辨识度(颜色等)、员工训练,以及设置复查制度。而德国则很可能会设计一个射频识别(RFID)扫码自动分拣系统,或是利用图像识别+机械手臂自动进行分拣。

又比如,德国很早就将误差补偿、刀具寿命预测、多轴同步性算法、主轴震频补偿等解决方式以功能包的形式固化到了机床中,因此即便是对制造工艺和操作并不熟练的工人也能够生产出可靠的产品。也正是这个原因成就了德国世界第一的装备制造业大国地位。

除了在生产现场追求问题的自动解决之外,在企业的管理和经营方面也能够看到其尽力减少人为影响因素的努力。比如最好的ERP、MES、APS等软件供应商都来自德国,大量的信息录入和计划的生成及追溯通过软件自动完成,尽量减少人为因素带来的不确定性。

然而,德国同样对数据的采集缺少积累,因为在德国的制造系统中对故障和缺陷采用零容忍的态度,出现了问题就通过装备端的改造一劳永逸地解决。在德国人的意识中不允许出现问題,也就自然不会由问题产生数据,最直接的表现就是找遍德国的高校和企业,几乎没有人在做设备预诊与健康管理(PHM)和虚拟测量等质量预测性分析。另外由于德国生产线的高度自动化和集成化,使得其整体设备效率(OEE)非常稳定,利用数据进行优化的空间也较小。

德国依靠装备和工业产品的出口获得了巨大的经济回报,因为产品优秀的质量和可靠性,使得德国制造拥有非常好的品牌口碑。然而德国近年来也发现了一个问题,那就是大多数工业产品本身只能够卖一次,所以卖给一个客户之后也就少了一个客户。同时,随着一些发展中国家的装备制造和工业能力的崛起,德国的市场也在不断被挤压。因此,在2008—2012年的5年时间里,德国工业出口几乎没有增长。由此,德国开始意识到卖装备不如卖整套的解决方案,甚至同时如果还能够卖服务就更好了。

于是,德国提出的工业4.0计划,其背后是德国在制造系统中所积累的知识体系集成后所产生的系统产品,同时将德国制造的知识以软件或是工具包的形式提供给客户作为增值服务,从而实现在客户身上的可持续的盈利能力。这一点从德国的工业4.0设计框架中能够十分明显地看到,整个框架中的核心要素就是“整合”,包括纵向的整合、横向的整合和端到端的整合等,这简直太像德国制造体系的风格了,既是德国所擅长的,也为其提供增值服务提供了途径。所以第四次工业革命中德国的主要目的是利用知识进一步提升其工业产品出口的竞争力,并产生直接的经济回报。

美国

“从数据和移民中获得新的知识,并擅长颠覆和重新定义问题”

与日本和德国相比,美国在解决问题的方式中最注重数据的作用,无论是客户的需求分析、客户关系管理、生产过程中的质量管理、设备的健康管理、供应链管理、产品的服役期管理和服务等方面都大量地依靠数据进行。这也造成了20世纪90年代后美国与日本选择了两种不同的制造系统改善方式,美国企业普遍选择了非常依赖数据的6-sigma体系,而日本选择了非常依赖人和制度的精益管理体系。

中国的制造企业在2000年以后的质量和管理改革上,大多选择了精益体系这条道路,一方面因为中国与日本文化的相似性,更多的还是因为中国企业普遍缺乏数据的积累和信息化基础,这个问题到现在也依然没有解决。

除了从生产系统中获取数据以外,美国还在21世纪初提出了“产品全生命周期管理(PLM)”的概念,核心是对所有与产品相关的数据在整个生命周期内进行管理,管理的对象即为产品的数据,目的是全生命周期的增值服务和实现到设计端的数据闭环。

数据也是美国获取知识的最重要途径,不仅仅是对数据积累的重视,更重要的是对数据分析的重视,以及企业决策从数据所反映出来的事实出发的管理文化。从数据中挖掘出的不同因素之间的关联性、事物之间的因果关系,对一个现象定性和定量的描述和某一个问题发生的过程等,都可以通过分析数据后建立的模型来描述,这也是知识形成和传承的过程。

除了利用知识去解决问题以外,美国也非常擅长利用知识进行颠覆式创新,从而对问题进行重新定义。例如美国的航空发动机制造业,降低发动机的油耗是需要解决的重要问题。大多数企业会从设计、材料、工艺、控制优化等角度去解决这个问题,然而通用电气公司(GE)发现飞机的油耗与飞行员的驾驶习惯以及发动机的保养情况非常相关,于是就从制造端跳出来转向运维端去解决这个问题,收到的效果比从制造端的改善还要明显。这也就是GE在推广工业互联网时所提出的“1%的力量(Power of 1%)”的依据和信心来源,其实与制造并没有太大的关系。所以美国在智能制造革命中的关键词依然是“颠覆”,这一点从其新的战略布局中可以清楚地看到,利用工业互联网颠覆制造业的价值体系,利用数字化、新材料和新的生产方式(3D打印等)去颠覆制造业的生产方式。

二、制造中价值链的位量是竞争力的决定性因素

我们从日本、德国和美国三者之间文化差异性方面分析了三个国家对智能制造革命的理解、侧重点和目的的不同。除此以外,这些国家的竞争力差异也是造成其战略方向差异的关键因素,其中各国在制造价值链的分布和未来布局的不同起了决定性的作用。

生产活动中的价值要素分布从上游到下游依次是:想法创新与需求创造→原材料与基础使能技术→关键裝备与核心零部件→生产过程与生产系统→产品和服务。

在整个价值要素的分布中,中国在生产过程与生产系统这两个环节具有优势(主要体现在劳动成本和生产能力方面),但是在其它各个环节中均处于劣势。

那么,如果进行横向比较,世界各主要国家在生产活动中价值要素的地位,以及未来改革的布局是怎样的?

美国

“牢牢占据生产要素的上游,努力向下游延伸”

美国在生产活动要素的分布中,在想法创新和需求创造、原材料和使能技术,以及产品增值服务端,具有明显优势。美国工业系统的核心竞争力主要来源于“6s的生态体系”:

(1)航天航空:为美国制造业积累了大量技术红利,成为美国工业系统中基础使能技术最主要的来源。

(2)半导体:近年来在低耗能半导体材科的研发投入巨大,在未来智能化技术的核心,低耗能高性能芯片技术上具有明显优势。

(3)页岩气:布局未来新能源和清洁能源领域,已成为美国最主要的替代能源。

(4)智能化服务创造经济:借助美国在计算机和信息化技术领域的优势,在利润最高的制造业服务端进行布局。

(5)硅谷为代表的创新精神:通过不断创新挖掘用户的潜在需求,从而不断获得新的市场和商业机会的蓝海。

(6)可持续人才资源。

在第四次工业革命的战略布局方面,美国白宫在2012年3月提出了“国家制造创新网络计划”,在制造业的4大领域建立9个研究创新中枢(如下图)。

分析美国‘6S’生态系统和制造业发展战略布局,我们不难发现,美国力图在生产系统最基础的原料端(能源和材料)、工业产品的使用服务端(互联网技术和ICT服务),以及不断由创新驱动的商业模式端,牢牢掌握住工业价值链当中价值含量最高的几部分,这样即便德国的制造设备再先进、中国的制造系统再高效,都可以从源头和价值的投放端确保其竞争力的核心优势。

德国

“充分发挥在关键装备与零部件、生产过程与生产系统领域的技术优势,通过服务增强盈利能力与竞争力”

德国在关键装备与核心零部件,以及生产过程与生产系统两个环节上具有十分明显的技术优势,这主要得益于以中小企业为核心的隐形冠军企业,以及德国务实的学徒制双元教育,这两者为德国工业提供了扎实的基础,是德国制造难以被撼动的地基。

德国的隐形冠军企业几乎不被外界所关注,它们规模都不大,但却在其领域占领着很高的市场份额,在全球位列前三。这些中小企业占据了德国出口总量的70%,它们的销售回报率均超过德国普通企业的两倍,拥有高水平的研发能力与技术创新能力,注重产品价值与客户的贴合、高质量高效率的制造能力和精益化、柔性化的全球化高效运营体系,它们中的很大一部分已经传承了百年。

高素质的技术工人和工程技术专业人才历来被看作是德国经济发展的支注,是“德国制造”产品的质量保障。旨在培养专业技术工人的职业教育在德国社会发展中承担着重要的角色,并形成了一套相对完备而且不断调整的法规体系,保障了以双元制为主要特征的职业教育长期稳定的发展。学徒不仅要在生产车间里跟随师傅学习实用技术,还要到学校里学习必要的理论知识。在德国,每年约计60万年轻人开始接受双元制职业教育,约占同龄人数的三分之二。

德国是一个工业产品外向型的国家,由于国内市场较小和自身需求的薄弱,其工业产品几乎全部用于出口,也因此成就了德国制造业设备出口第一大国的地位。然而,由于以“金砖四国”为代表的新兴经济体已基本完成了工业化,东南亚和非洲国家的新一轮增长引擎还没有完全开启,导致了德国的工业装备产品需求停滞不前。从这几年德国的工业出口总值上来看,几乎没有任何的增长,这也从一定程度上影响了德国的经济发展。由此可见,德国提出工业4.0的核心目的主要有两方面:

一是,增强德国制造的竞争力,为德国的工业设备出口开拓新的市场;

二是,转变以往只卖设备而服务性收入比重较小的状态,将重心从产品端向服务端转移,增强德国工业产品的持续盈利能力。

日本

“虽然在产品这个环节中丢失大量市场,但产业竞争力在向上转移”

以往日本制造的核心竞争力主要在于生产过程与生产系统、产品以及服务端。近两年来,日本两个最强势的传统产业,汽车制造和消费电子产业中的市场份额不断被韩国、美国和中国占据,看似在产品端的优势已经丧失殆尽。然而在《2015年全球创新创业百强》榜单中,日本以40家入围企业成为全球最具创新力的国家。同时,在2015年的《全球制造力竞争指数》报告中,日本也由前一年的第10位上升至第4位。其实,日本在消费电子领域的衰退背后是日本创新方向的转变,日本开始在上游的原材料及使能技术和关键装备及关键零部件领域拥有更多的话语权。

例如松下在失去电气行业的优势后,在汽车电子、住宅能源和商务解决方案等领域找到了新的发展机会,同时也成为世界上最先进的电池生产商,特斯拉电动车使用的就是松下18650电池。索尼在丧失消费电子领域老大的地位后,在医疗领域取得突破,已经占据了医疗内窥镜全球80%以上的份额。夏普也将核心业务转向智慧医疗、智能住宅、食品、水、空气安全以及教育产业。在日本发布的《2015年制造业白皮书》中,将人工智能和机器人领域作为重点发展方向,同时也将加强在材料、医疗、能源和关键零部件领域的投入。

所以,我们不由思考,中国智能制造的选择路径和侧重点又应该如何呢?

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/142958.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

828华为云征文|华为云Flexus云服务器X实例之openEuler系统下部署SQLite数据库浏览器sqlite-web

828华为云征文|华为云Flexus云服务器X实例之openEuler系统下部署SQLite数据库浏览器sqlite-web 前言一、Flexus云服务器X实例介绍1.1 Flexus云服务器X实例简介1.2 Flexus云服务器X实例特点1.3 Flexus云服务器X实例使用场景 二、sqlite-web介绍2.1 sqlite-web简介2.2…

画台扇-第15届蓝桥省赛Scratch中级组真题第3题

[导读]:超平老师的《Scratch蓝桥杯真题解析100讲》已经全部完成,后续会不定期解读蓝桥杯真题,这是Scratch蓝桥杯真题解析第188讲。 如果想持续关注Scratch蓝桥真题解读,可以点击《Scratch蓝桥杯历年真题》并订阅合集,…

【教程】鸿蒙ARKTS 打造数据驾驶舱---前序

鸿蒙ARKTS 打造数据驾驶舱 ​ 前面2章我介绍了如何通过定义View绘制箭头以及圆形进度,初步了解了鸿蒙如何进行自定义View。接下来我将通过我最近在带的一个VUE的项目,简单实现了几个鸿蒙原生页面。帮助大家快速上手纯血鸿蒙开发. 本项目基于Api11Stage模…

揭开GPRC5D靶点的神秘面纱,助力多发性骨髓瘤药物开发

前 言 多发性骨髓瘤属于第二大常见的血液系统恶性肿瘤,起源于骨髓造血组织的浆细胞恶性增殖。首发症状表现为非特异性,如腰疼、反复感染等,造成误诊、漏诊率较高,且难治愈易复发。目前临床上的治疗有靶向治疗、放疗、化疗、干细…

C++之继承(通俗易懂版)

前言:我们都知道C是一门支持过程化编程,面向对象的高级语言,既然是面向对象的语言,那么对于对象而言,对象会有很多中相同的属性,举个例子:你和你老师,你们都有着共同的属性和身份,例…

Linux--守护进程与会话

进程组 概念 进程组就是一个或多个进程的集合。 一个进程组可以包含多个进程。 下面我们通过一句简单的命令行来展示: 为什么会有进程组? 批量操作:进程组允许将多个进程组织在一起,形成一个逻辑上的整体。当需要对多个进程…

【关联规则】【Apriori算法】理解

关联规则学习是数据挖掘中的一种技术,用于发现大型数据库中变量间的有趣关系,特别是变量之间的有意义的关联、相关和依赖关系。这种类型的规则在零售业中特别有用,因为它可以帮助确定哪些商品经常一起购买。 关键概念 频繁项集(F…

连锁会员管理系统应该有的高级功能

会员连锁管理系统是一种专门针对连锁企业设计的会员管理软件,它可以帮助连锁企业实现跨区域、跨店铺的会员信息、消费记录和积分等的统一管理。以下分析商淘云连锁会员管理系统的主要功能。 会员信息管理:全面收集和管理会员信息,如手机号码、…

2.4 卷积1

2.4 卷积1 2.4 卷积 在了解了系统及其脉冲响应之后,人们可能会想知道是否有一种方法可以通过任何给定的输入信号(不仅仅是单位脉冲)确定系统的输出信号。卷积就是这个问题的答案,前提是系统是线性且时不变的(LTI&…

不用价位宠物空气净化器有什么区别?性价比高宠物空气净化器推荐

自新冠之后,越来越多人意识到优质空气对健康的重要性了,纷纷购置了空气净化器。不少铲屎官便关注到了“宠物空气净化器”这一专业品牌,但越后面入手宠物空气净化器的人,看到的品牌越多。整个市场那是个“蓬勃发展”。 随着消费者…

erlang学习:mnesia数据库与ets表1

Mnesia 和 ETS 都是 Erlang 提供的表管理工具,用于存储和检索数据,但它们之间有一些重要的区别和共同点。 共同点 都是Erlang提供的表存储机制:ETS 和 Mnesia 都允许你在内存中创建表,并且可以用来存储键值对或者更复杂的数据结…

高级大数据开发协会

知识星球——高级大数据开发协会 协会内容: 教你参与开源项目提供新技术学习指导提供工作遇到的疑难问题技术支持参与大数据开源软件源码提升优化以互利共赢为原则,推动大数据技术发展探讨大数据职业发展和规划共享企业实际工作经验 感兴趣的私聊我,…

我要走遍三山五岳之---嵩山

文章目录 嵩山通勤开爬总结 嵩山 2024.9.16登顶第一座五岳。 为啥第一座高山选择了嵩山呢?因为本来就是新手,想选择一个低难度的开始爬。看了小红书上的攻略,五岳的难度:华山>泰山>嵩山>衡山>恒山。 本来想选择的是…

Linux常见查看文件命令

目录 一、cat 1.1. 查看文件内容 1.2. 创建文件 1.3. 追加内容到文件 1.4. 连接文件 1.5. 显示多个文件的内容 1.6. 使用管道 1.7. 查看文件的最后几行 1.8. 使用 -n 选项显示行号 1.9. 使用 -b 选项仅显示非空行的行号 二、tac 三、less 四、more 五、head 六、…

GAMES101(10~11节,几何)

Geometry implicit隐式几何表示&#xff1a; 函数f(x,y,z)&#xff1a; 根据函数fn描述几何&#xff0c;遍历所有空间内 的点&#xff0c;如果带入xyz到函数f(x,y,z)结果0那就绘制这个点 如果xyz求值结果>0表示在几何外&#xff0c;0在表面,<0在几何内 构造几何csg(…

GIS OGC之WMTS地图服务,通过Capabilities XML描述文档,获取matrixIds,origin,计算resolutions

GIS OGC之WMTS地图服务&#xff0c;通过Capabilities XML描述文档&#xff0c;获取matrixIds&#xff0c;origin&#xff0c;计算resolutions 需求&#xff1a;如何根据WMTS服务的Capabilities描述文档得到&#xff0c;openlayers调用wmts服务时的matrixIds&#xff0c;origin…

【C++二叉树】JZ36 二叉搜索树与双向链表

二叉搜索树与双向链表_牛客题霸_牛客网 (nowcoder.com) 思路分析&#xff1a; 根据题目要求可以看出将二叉搜索树转换为排序的双向链表就是中序遍历二叉搜索树。在中序遍历的过程中将前后节点链起来即可。左指针指向前一个&#xff0c;右指针指向后一个。中序遍历是递归实现的&…

linux下的日志编写

1、日志初始化创建 2、日志写入 3、日志关闭 log.c #include "log.h"static log_t LOG;//初始化日志文件&#xff0c;在当前目录创建日志文件 int log_init(char *pdirname) {time_t t;struct tm *ptm NULL;char filepath[64] {0};int ret 0;time(&t);ptm …

资源创建方式

kubernetes支持两种创建资源的方式&#xff1a; 用kubectl命令直接创建&#xff0c;比如&#xff1a;kubectl run nginx-deployment --imagenginx1.7.9 --replicas2&#xff0c;在命令行中通过参数指定资源的属性 通过配置文件和kubectl apply创建&#xff0c;创建nginx.yml文…

Apache SeaTunnel Zeta引擎源码解析(三) Server端接收任务的执行流程

作者&#xff1a;刘乃杰 编辑整理&#xff1a;曾辉 引入 本系列文章是基于 Apache SeaTunnel 2.3.6版本&#xff0c;围绕Zeta引擎给大家介绍其任务是如何从提交到运行的全流程&#xff0c;希望通过这篇文档&#xff0c;对刚刚上手SeaTunnel的朋友提供一些帮助。 我们整体的文…