【编者按】为了确保进行详细评估，受访者首先要回答有关自己和他们业务的问题。 工业4.0晴雨表的调查与MHP工业4.0框架具有相同的结构，包括三个部分：技术，IT集成以及战略和目标。本节内容侧重于工业4.0技术的使用，概述了流程、系统、工厂和产品的数字化程度。

为了确保进行详细评估，受访者首先要回答有关自己和他们业务的问题。 工业4.0晴雨表的调查与MHP工业4.0框架具有相同的结构，包括三个部分：技术，IT集成以及战略和目标。

调查的各个部分均已发送给所有受访者，没有任何变化。 在每个问题中，回答格式遵循李克特量表，分为五个或七个级别。“技术”部分有五个级别的李克特量表，允许您做出以下反应：未使用，计划中，正在进行的实际测试，部分使用和完全使用。

本节内容侧重于工业4.0技术的使用，概述了流程、系统、工厂和产品的数字化程度。

供应链透明度

系统状态是实时映射的，并且创建了有意义的参数，从而确保了整个价值链的高度透明性。前提是工厂和产品要有足够的设备来生成数据，绘制已执行的流程。

在制造商对零部件的可追溯性方面，汽车行业与其它参考行业相比是非常发达的。然而，尽管汽车行业有非常精确的JIT和JIS流程，受访者当中指定“充分使用”可追溯性的比例(占17%)似乎相对比较小。

这可能是由于供应商提供的零部件和企业自己制造的零部件有各种不同的故障类型。对于整体交付的或与安全性相关的零部件，可追溯性不像连接元件和紧固件之类的那么复杂。由此可以推断，供应商行业的可追溯性会低于汽车制造商。

说明：颜色由深到浅表示未使用、使用计划、部分使用和充分使用，黄色表示评价值(下同，不再介绍)

供应链透明度评价分为：

- 我们可以在整个价值链上找到所有的产品零部件和和最终产品。

- 我们可以在制造工厂中找到所有产品零部件和最终产品。

- 零部件相关信息可以追溯到制造环节，并已按照时间线整理。

- 所有产品都安装了传感器，或易于加装传感器，使得产品可以记录和传输环境参数和状态数据。

有关零部件的信息可以追溯到制造环节，并沿着时间线标注和绘制。

因此，信息可追溯性的最大改进空间是跟踪整个价值链中的零部件和产品。在这一领域，有45%的受访者表示“未使用”。将这些发现与可追溯性的使用情况结合起来，我们可以提出以下假设：零部件的可追溯性对于零部件的跟踪以及合理分配至相关产品，是不可或缺的。此外，与生产现场相比，当前零部件和产品在现场的跟踪，可能更加困难和不准确。这可能是因为，甚至早在生产阶段，零部件分配到最终产品就有一定的模糊性，这种影响随着制成品数量的增加而上升。

汽车行业总体较好的情况很可能归因于更严格的生产期限和每个零部件的明确供应政策。而且，出于平衡库存和检索操作的需要，订单流程的数量也比参照行业中的小公司要多得多。这意味着，由于法律原因必须记录的许多生产数据可以有效地用于数据驱动的流程设计。

数字孪生体

数字孪生体是提供物理产品和生产工厂所有相关细节的数字图像，在工业4.0中被视为战略要素。为了调查美国业务价值链的数字化进展，我们专门询问了整个价值链流程中数字孪生体的发展。

我们发现，无论是在产品还是在生产工厂中，这种数字映射的实现程度都非常低。这表明，数字孪生体策略仍然只是一个愿景，全面实现仍然需要在一系列基本条件下开展工作。

自动化的产品存储器的普及程度甚至更低。因而可以得出，在大多数情况下，采集的产品数据直接传输到后端系统。相比参照行业，汽车行业在RFID、NFC和其他技术的使用上略有领先。

实施程度最低的是应用到整个价值链的数字图像。这一结果不足为奇，因为绘制供应链的全面图景需要大量信息，复杂度最高。特别是获取企业外部的信息，例如供应商的产品信息，存在着其它技术上和法律上的挑战。另一方面，反馈结果表明，传感器在制造、仓储和物流中的使用程度已经很高。但是，46%的受访者说，传感器只是部分安装到位。这一事实表明，采集方法往往不太全面，比较孤立，或者传感器仅用于试点项目。只有4%的人表示传感器以及充分投入使用了。汽车行业在充分利用传感数据方面甚至比参照行业还要。此外，这还表明工厂要在全公司范围实现任何状态数据的全连接都是有困难的。

数字孪生体评价分为：

- 整个价值链都有一个相匹配的仿真数字图像，包含了流程和状态数据。

- 每个产品都有一个相匹配的数字图像，包含了与该产品相关的详细流程和状态数据。

- 制造工厂也有其相匹配的数字图像，包含了流程和状态数据，还可以进行模拟。

- 每个产品都配有“数字产品存储器”(RFID、NFC、嵌入式系统)，可以自动发送相关数据。

- 工厂及系统在生产、仓储和物流等环节都采用了大量传感器，可以记录及传输环境参数和状态数据。

每个产品都有一个“数字产品存储器”(RFID，NFC，嵌入式系统)，可以自动发送相关数据。

数字化工作模型

工业4.0越来越多地涉及到技术的集成，以拓展人员的能力，从而实现更高的效率、质量和灵活性。移动终端的使用在各类技术中相对比较广泛。这可能是因为其工业级的解决方案现在很容易获得，或者可能是由于价格下降。不同设备的可操作性费用和由此产生的用户接受障碍各不相同。而移动终端访问中央控制与计划系统的情况更加少见。

值得注意的是，人们经常使用各种技术来提高员工的灵活性。作为提供工作保障的一种方式，这方面很可能变得更有意义，特别是对未来而言。毕竟，在自动化和人工智能技术越来越强的趋势下，如果员工更加灵活，那么每个人都可以适应更广泛的工作部署。目前人机协作(HRC)仍然很少见，尽管机器学习被认为具有很大的潜力。实践经验表明，在自动化程度较高的领域(例如汽车制造中的车身结构和喷漆等)，HRC解决方案没有任何附加价值。人机协作唯一有可能节省开支的领域是劳动力密集型的场景。在汽车行业，最突出的要素是可以从移动终端访问中央控制系统，这是由于汽车行业的OEM拥有更强大的IT体系结构。汽车行业的受访者常常会作出“充分使用”的反馈，可能就是在全区域范围广泛使用移动终端的结果。

数字化工作模式评价分为：

- 使用数字化技术提高员工的灵活性。

- 使用集成人机协作的工作模型(包括动力外骨骼exoskeleton)。

- 移动终端可以访问中央控制和规划系统，例如MES和ERP。

- 在生产、仓储和物流中使用移动终端来支持员工的工作，包括平板电脑、智能手机、智能手表和数据护目镜等。

我们的移动终端可以访问中央控制和规划系统，例如MES或ERP。

自动化和自治系统

在工业4.0中，自治通信的工厂和系统在业务流程的联网和优化中起着核心作用。

自动化和自治系统在所有技术类别中的实施程度是最低的。关键原因在于其模型的创新水平是最高的。自治和流程环境可以通过中央或非中央的通信来实现。集中控制解决方案的最典型示例是企业服务总线(ESB)。

因此，怪不得受访者认为ESB是工厂、设备和系统之间进行通信的最普遍的解决方案。ESB解决方案是连接新技术和现有IT系统与物联网的通信层。ESB在汽车行业的使用比其它参照行业更为普遍。这是因为汽车OEM的IT基础架构更复杂，对连接性的需求更高。

自治的工厂和流程也可以基于非集中式的机器互通信，但其实施程度低于ESB。这是因为机器互通信的复杂度更高，需要在生产环境的智能系统中针对特定案例进行收益分析等额外的技术工作。因此企业目前更喜欢采用ESB直接进行机对机通信，以作为利用现有数据材料的盈利方式。

自动化和自治系统评价分为：

- 工厂、设备和系统通过互联网(机对机)进行自动的互通信。

- 工厂、设备和系统通过ESB系统进行相互通信。

- 使用自治自组织的机器和机器人。

- 生产、仓储和物流业务流程能够自治应对变化，自治控制和自我改进。

我们的工厂、设备和系统通过企业服务总线相互通信。

但完全实现机对机通信在财务上不太可行，这也有一些经济方面的考虑。

工业4.0中的模块化生产是基于独立响应的流程，以及自组织的机器和机器人。值得注意的是，在这种情况下流程显示出的自治性比机器更高。但令人怀疑的是，这些答案在其背景下是否真的与自主决策有关，或者受访者认为无人驾驶交通系统是自主的。事实上，无人驾驶汽车的系统通常只是沿着特定的编程路线移动，从而以自动化的方式运行，但它不是自主的。

数字化生产技术

为了提高灵活性，以及加快动态生产环境中的响应速度，使用数字化生产技术是非常重要的。这一术语适用于基于数字化输入的新生产流程技术，例如传感器数据和3D模型。

实现程度最高的场景是工厂的远程控制。由于目前自动化水平非常高，尤其是在汽车行业，而且这种类型的控制技术在某种程度上是标准化的，因此其高价值是合理的。

数字化生产技术评价分为：

- 使用模块化生产技术来增加生产的灵活性和敏捷性。

- 再生产中集成了增材制造方法，例如零部件的3D打印。

- 工厂和机器可以与其它工厂和系统相集成，并协同工作。

- 工厂和机器都可以通过软件进行远程控制。

值得注意的是，增材制造往往很少见。无法频繁实施采用的其中一个主要原因是成本仍然太高。这意味着增材制造方法仅限于个别情况，例如高度定制的车辆零部件、需求量很低或特殊用途的零件备件。由于本次调查中的企业主要是从事大规模生产的行业，因此这种情况是正常的。

工厂和机器的相互集成，以及模块化生产技术的使用，是模块化生产系统的进一步条件。考虑到自主自治系统的实现程度较低，集成工厂和自治生产技术的价值相对较高。

数据分析

数据分析涵盖了可以存储和分析大量非结构化数据以优化流程的方法和技术，例如预测性维护解决方案。这可能涉及使用统计相关性分析和机器学习方法，例如神经网络分析。

只有37%的受访者表示正在部分采集和分析孤立的工厂数据和来自整个价值链的数据，尽管复杂性和信息需求的增加可能意味着整个供应链的数据分析价值更低。这是令人惊讶的，因为这表明供应链的相关部分已经提供了大量数据。

值得注意的是，中央数据平台的使用率非常低，36%的受访者表示没有使用，只有21%的使用率。这就可以得出：价值链上的工厂数据仅存储在孤岛中，不能集中使用。这就极大地限制了灵活性，以及潜在应用场景方案的可能性。

此外值得注意的是，关于业务和设备数据的集中采集及其可用性，IT部门的员工和业务部门的员工对此的看法大不相同。相比作出“充分使用”反馈的业务部门受访者，IT部门的受访者反馈对此类数据的使用频率更高是他们的两倍多。

数据分析评价分为：

- 运行一个中央数据平台，整合自身价值链的所有参与者，为各方提供数据。

- 不断采集和分析价值链中的核心数据。

- 集中采集工厂和机器的所有操作和运行数据，并可以随时进行分析。

- 工厂和机器会发送其运行和操作数据，可以独立出发任何维护需求的信号(即状态监控)

工厂和机器的所有操作数据和机器数据都被集中采集，并可以随时进行分析。