传统企业在云上重构产业链，打造新的商业机会。

文/陈珠明

关键词：传统企业转型升级  数字化转型  智能化  天合光能

     传统企业云上转型分为两个阶段：数字化转型和智能化升级。第一阶段传统企业通过传感器、机器人等对现有生产设备、IT基础设施等进行数字化改造，将原来生产过程中的语言、语音、视频等控制行为转换为在线数据，结合传统的生产数据、经营数据，迁移上云，利用大数据、云计算等技术，从产品驱动转型为数字驱动。传统企业通过去中介化缩短产业链，拓展市场空间，降低交易成本，提高风险管理能力，转型为数字化企业。第二阶段数字化企业结合区块链、智能合约、人工智能等技术，去中心化、去边界化、智能化、生态化，延伸价值链，演变为智能经济体，最终实现智能化升级。
     天合光能有限公司（以下简称天合光能）创立于1997年，为中国早期登陆美国纽交所的太阳能企业之一。随着产能过剩、同质化竞争、成本居高不下等问题越来越严重，制约了企业发展，天合光能亟待转型升级。其战略目标是通过大数据、人工智能技术实现生产过程数字化和生产管理智能化，并最终实现用数据驱动生产，在光伏电池片生产A品率的提升上实现突破性的飞跃。
    
第一步：数字化转型从传统制造企业转变为数字企业
     天合光能决定从现有的生产数据入手，以数据驱动为突破口，通过找出数据背后隐藏的关系与问题，识别不同参数间的关联性，获得生产工艺的最优参数，在不对生产线做较大改动的情况下，有效提升A类电池片比率。
1.问题
     数据质量差，离线数据多，缺少多维度数据精准分析能力。
2.对策
战术1：以小步推进的方式，从现有离线数据切入。通过收集生产执行系统（MES）的数据，以及设备的离线日志，对现有数据维度进行分析。当离线数据不足以支撑大数据分析时，再对关键设备升级改造，逐步开放更多真正有价值的数据，补足缺失的数据维度。对于高实时性要求的数据，则通过安装高精度传感器以及阿里云的一站式数据采集接口进行数据的秒级采集、整合。
战术2：把研究聚焦在包括印刷速度、印刷压力、印刷高度、网间距、冷却水温度、流速、风速等关键因子上，数据范围大幅度缩减，使研究更为精准。
战术3：从所聚焦的关键因子中找到最能为生产带来价值的参数组合。数据科学家通过在算法平台上搭建工艺参数优化模型，分析不同变量间的逻辑关系，模拟推演出多个不同的参数组合。与自然规律、常识相悖的数据，天合光能的“工艺老师傅”可以凭借经验并借助DOE（试验设计）将由数据模型推导出的参数组合做减法，排除不符合生产与工艺逻辑的参数，大幅度减少了后续的工作量与时间成本。
战术4：上线测试，产品线上练兵。实测以“小步、快跑、迭代”的方式，负责转型项目的团队选出4条生产线作为测试线。起初以小批量进行测试（200片电池片），根据测试结果进行持续调整优化。随着生产A品率以及生产稳定性的小步提升，测试规模从百片到千片直至上万片。经过几十次的批量测试以及持续调整优化，最终才得以发现能够突破原有生产A品率水平的那一组最优参数组合。
3.绩效
     A品率模型数字化——生产A品率的实际测试值提升了7%，意味着数千万的利润。
     生产数据在线化——目前通过阿里云的一站式数据采集接口，已连接天合光能逾200台生产设备，海量数据通过网络实时上传至阿里云大数据平台进行实时计算。
     生产管理透明化——通过可视化大屏工具，实时展示产量、质量、设备相关数据，实现生产数字化、管理透明化。
     生产预警自动化——通过对设备数据及工艺参数的实时监控，结合工艺参数分析模型，实现设备异常及工艺参数异常的提前预警，从而实现生产过程的主动管理。
     发挥大数据威力的重点是必须围绕业务场景展开，而只有业务部门才能提出具体的需求。工艺专家和数据科学家从对彼此领域的陌生到相互博弈、互为导师，再到脑力碰撞，很好地诠释了大数据创新的孵化过程。
    
第二步：智能化转型从数字化企业转变为数字经济体
纵向：将人工智能技术应用到更多的生产工序，实现全产线的数字化与智能化，所覆盖产品也从电池片拓展到包括光伏切片与电池组在内的上下游产品。持续深化IT技术与OT技术的融合，叠加更多的数字技术到生产中，比如利用AI与图像识别技术做产品的外观质量检测，借助虚拟仿真技术模拟现实的生产环境，以及通过Data V（可视化大屏）与BI优化企业决策。天合光能迁移上云的技术过程如图1所示。

     天合光能的数字化转型过程如图2所示：
1.战略先行。从公司高层到普通员工都认识到迁移上云是企业转型升级的最优路径，是公司整体战略方向，而不仅仅只是IT部门的事情。短期战略：数字化；长期战略：数字经济体。公司目标清晰。
2.战术可行。“三步走”技术战略路线符合公司实际，具操作性，因此效益可测。
3.借助外部力量。公司在数字化方面人才不足，无经验可借鉴，借助阿里云的力量实现目标。公司在迁移上云的过程中，会遇到大量的问题，需要公司的工艺专家和外部的数据科学家之间的磨合。由于专业差异大，两方面话语体系不同，技术对接是高效解决问题的保障。
4.精准提炼问题。迁移上云是一个新的过程，大多数企业只能借鉴其他成功企业的经验和教训逐步探索。天合光能通过实践提炼出来的“数据质量差、离线数据多、缺少多维度数据精准分析能力”等问题具有普遍性，为其他企业迁移上云提供了可资借鉴的经验。
     
转型升级的难点与风险
1.企业转型升级缺乏战略布局。从风险投资的角度把企业的生命周期分为种子期、初创期、成长期、成熟期和衰退期。在种子期和初创期，就会有大量的企业倒闭，我们称为“达尔文海”；过了成熟期，企业进入衰退期，此时，企业需要转型升级，进入第二条生命线，如果转型不成功，企业会进入“第二达尔文海”；在第二条生命线的成熟期的后期，企业必须进行转型升级，进入第三条生命线，如果不成功，企业进入“第三达尔文海”。这其中有一个非常重要的问题就是转型升级的时机，必须在企业生命线的巅峰之前进入第二条或第三条生命线，企业才能不断发展。
     因此，传统企业转型升级是一个必然过程，但转型升级存在最优时机，必须从战略上对转型升级进行规划布局。很多企业容易把云上转型升级理解为仅仅是IT部门的一个项目，通过IT部门推动整个公司的数字化，而长期作为业务后台的IT部门其实没有权力和资源推动公司转型升级这样的生死战略。
     打破信息隔离墙、数据孤岛，需要企业组织变革、技术创新、模式创新、制度创新，这是传统企业云上转型升级的关键。而传统企业IT部门从后台转变为前台，其定位与角色转换需要系统规划。
2.对传统企业数字化转型升级过程不熟悉。要完成传统企业云上转型升级，必须回答以下几个基本问题：
     ● 什么样的传统企业可以云上转型？显然不是所有的企业都需要上云，都可以上云。
     ● 为什么要上云？
     ● 企业自己搭建云平台还是租赁公有云？
     ● 怎样上云？在技术、工具集和DevOps 流程上，本地和云平台如何兼容？在运营、管理、安全和治理方面，怎样实现在众多企业IT资产（包括内部部署和混合部署）之间的协调和统一？
     企业云是一个战略系统。云服务可以提高组织的敏捷性，减轻IT基础设施和成本的负担。迁移上云不再是“如果”，而是“何时”和“如何”。要想实现企业迁移上云和顺利运行，在技术、工具集和DevOps 流程上，本地和云平台必须有合理的兼容性。
     ●  数据如何生产？如何才能形成大数据？如何有效获得各种非结构性数据，并转换为有效数据？传统企业数字化如何实现在线？是否能够产生海量数据训练算法模型？
     传统企业云上转型必须要产生足够多的数据。大数据有“４Ｖ”特征，即Volume(容量大）、Variety（种类多）、Velocity（速度快）和最重要的Value（价值密度低）。很多结构性数据不一定有用，而大量的非结构性数据、半结构性数据需要加工，特别是一些自然语言、视频、行为、音像等都要转换为有用的数据，且数据必须是在线的；绝大部分数据没有价值，要从海量的数据中挖掘有价值的数据。
     ●  传统企业云上转型升级的成本有多高？投入有多大？效益如何？
     云上企业在运营、管理、安全和治理上，需要在多样化的企业IT资产（包括云上，内部部署和混合部署）之间进行协调和统一。虽然良好的经济性和敏捷性是上云的强大动力，但实际操作很复杂，需要企业投入大量的人力与财力。
     智能制造首先是从状态感知开始的。真正的智能制造必须要具备三个基本条件：一是便宜的传感器；二是数字化一切可数字化之物；三是网络化一切可连接之物。
     ● 传统企业如何把握云上转型升级的最优时机。可以把传统企业云上转型升级看作是一个投资项目，存在一个最优时机与均衡投资额，企业怎么把握？
3.人才缺乏。目前传统企业虽然有IT人才，但基本局限于原有业务的信息化领域。熟悉大数据、云计算、人工智能、物联网、社交等技术的人才严重缺乏。
4.风险认识不清。传统企业云上转型可能面临以下风险：
     认识不深刻。对云上转型升级的认识表面化、片面化，不能准确理解数字、数字经济和数字经济体的价值。
     传统IT技术与云技术不兼容。工艺专家和数据科学家不能进行有效对接。
     有效数据严重不足。不能形成大数据，无法有效应用大数据、云计算、人工智能、物联网等技术改进工艺，提高企业效率。
     算法与模型不适应。
     数字化带来的效率不及预期，转型升级失败。
5.政策不明。信息资源是传统企业数字化转型的基础，但目前缺乏统一规划，多部门管理，政策混乱，真正可落地的政策不多。
6.缺乏数据资产的产权意识。对数据资产的产权认识不清、法律保护意识严重滞后，影响企业的积极性。■

本文系阐释党的十九大精神国家社科基金专项课题“健全金融协调监管体系研究:基于系统性金融风险防范的视角”(编号1801004)阶段性研究成果
主要参考文献
[1] 肖静华.从工业化体系向互联网体系的跨体系转型升级模式创新.产业经济评论,2017(3).
[2] 肖静华,毛蕴诗,谢康.基于互联网及大数据的智能制造体系与中国制造企业转型升级.产业经济评论,2016(2).
[3] 陈永伟.人工智能与经济学:关于近期文献的一个综述.东北财经大学学报,2018(3).
[4] 陈珠明.技术力作为未来金融机构的核心竞争力——以花旗为例.金融前沿,2017(1).
[5] 阿里研究院.数字经济体:普惠2.0时代的新引擎.研究报告,2018(1).
作者单位 中山大学管理学院