圖1：精益、自動化、信息化、智能化之間的關系
宋華振
數(shù)字化如此之熱，已然超越產(chǎn)業(yè)界成為全民話題。然而，尷尬正在于此，你會看到各種關于數(shù)字化轉型的基礎認知都是匱乏的。人們或激進地認為技術變革將顛覆眾多產(chǎn)業(yè)，又很多時候將有機器人的產(chǎn)線或僅僅自動化的升級認為是“人工智能”；或將其視為概念而無實質的變化，理由在于很多所謂“智能”已經(jīng)有超過20年歷史。無論是個人還是企業(yè)都陷入一種焦慮之中，因為人們不知道人工智能是什么，也不知道該如何去實現(xiàn)。
這一切，都是因為我們?nèi)狈θ瞬?，缺乏讓基本認知成為共識的基礎。首先，由于大部分人對基本的技術、概念并不清楚，容易陷入人云亦云，或者被商業(yè)推廣中的市場化詞匯所誤導。其次，企業(yè)的數(shù)字化戰(zhàn)略規(guī)劃由于缺乏能夠規(guī)劃的人，導致很多企業(yè)希望改變卻無力改變。再次，數(shù)字化本身的產(chǎn)業(yè)政策制定者也同樣如此，即使是被公認的專家，也由于缺乏現(xiàn)場實戰(zhàn)而沒有說服力，同時企業(yè)又更多是以自身利益為導向的市場化說辭，讓人更是陷入迷茫，難有說服力。
數(shù)字時代需多個維度的融合
事實上，智能化的關鍵仍然是提升制造質量、成本與交付能力，自動化、信息化與智能化并非是一個階梯，也并非像很多人所認為的“斷代史”——智能化是更高級的。他們只是在更多時候分別完成不同的任務。今天討論智能的原因是，人工智能的算力變得更為經(jīng)濟，軟件借助于科技發(fā)展的條件也更成熟。高效的認知也得益于人才基礎普及——因為我們面臨的融合，是過去沒有遇到過的，需要快速構建新時代的人才及其知識框架。
數(shù)字時代的顯著特征是“融合”，這包括了多個維度的融合。
首先是跨學科融合。智能時代對人的需求，并非僅要求在某個垂直方向專業(yè)技術的深度，更在于跨學科的融合，尤其對制造業(yè)而言，除了原有的在機械、電氣、工藝領域的協(xié)作，還包括數(shù)字孿生、邊緣計算、機器學習等技術多維度的融合。這種融合就要求，一個專業(yè)的人或者團隊有一個能夠構建多學科架構的人員，而在具體實現(xiàn)層級，又需要多個專業(yè)人士具有采用相同語言來協(xié)同開發(fā)的能力，即，要么你有一個大咖級的人可以全局搞定，要么有一個在各個領域間建立協(xié)同，包括在軟件接口、工具、平臺、語言、規(guī)范與標準方面進行協(xié)調(diào)的人。
其次是跨領域融合。前面僅僅指技術層面的跨學科融合，而要實現(xiàn)整個制造從設計、測試驗證、制造、運維的全流程協(xié)同，我們還需要技術與管理的融合，即能夠將技術與精益管理的目標、方法、工具進行協(xié)同。對制造現(xiàn)場來說，其質量、成本、交付、柔性、效率的需求，如何被分解為評價的指標體系？建立什么樣的內(nèi)在關系？這些任務與自動化、數(shù)字化、智能化之間的關系是什么？知識如何被更好地復用？……這諸多問題都需要建立在管理運營與技術實現(xiàn)對接的基礎上，否則，可能會導致更為混亂的局面，反倒造成效率下降。
很多時候關鍵都在“接口”，即這個人不一定是非常強的專業(yè)人士，但他必須能夠在各個學科、領域的邊界上具有洞察力、協(xié)調(diào)能力，建立高效的邏輯、內(nèi)在關系以及有效的評估。
最后是思維與認知能力的融合。我們經(jīng)常會注重硬知識，如編程、工藝建模等技能，但是具有系統(tǒng)思維、批判性思考、創(chuàng)新方法、快速學習與溝通能力等牽扯到優(yōu)秀人才的思維與認知問題的軟實力，卻經(jīng)常被忽視。實際上，思維的效率也是效率，甚至它可能影響更大。
如之前所說，我們對技術、數(shù)字化的認知是匱乏的，缺乏高效思維的人才。如果我們連基本的認知都是錯誤的，何談正確的實現(xiàn)與技術推進？
當前工程教育存在的問題
很多人把今天人才的問題歸為教育的問題，但必須意識到，教育的問題歸根結底也是產(chǎn)業(yè)的問題。我們有些產(chǎn)業(yè)本身一度時期內(nèi)采用的是一種“拷貝”“跟隨”戰(zhàn)略，對于創(chuàng)新缺乏需求。就像一個真正的原創(chuàng)機器研發(fā)，一定會牽扯到建模仿真技術，但如果只是抄襲別人已經(jīng)驗證的系統(tǒng)，那就無需這種建模仿真技術，導致這個領域的人才也無用武之地。
當然，工程教育本身也存在以下一些問題：
一是理論與實踐脫節(jié)。德國的博士畢業(yè)要成為教授，需要有5年的產(chǎn)業(yè)從業(yè)經(jīng)驗（之前為8年）。而我們的大學雖然師資要求極高，一些重點高校甚至要求必須是哈佛、耶魯、MIT（麻省理工學院）的博士或者院士、知名教授的博士生，可惜他們大部分都沒有一線實踐經(jīng)驗，這使得其無法理解產(chǎn)業(yè)，并將理論與實踐結合，無法給學生更好的認知傳遞。
二是系統(tǒng)思維缺失。大學專業(yè)過細，也是被有識之士詬病的一個方面。其實，專業(yè)過細會導致“全局”“系統(tǒng)”思維的缺失，產(chǎn)業(yè)里很多問題實際上都是系統(tǒng)性問題。
三是人才需求不明確。對于產(chǎn)業(yè)需要什么樣的人才，產(chǎn)業(yè)與大學似乎都不能明確的提出，遵循《華盛頓協(xié)議》的又像是一種應試教育。其實，通用性的評估反倒比打分的體制更符合實際。
四是教材匱乏。這是在各個專業(yè)都普遍存在的問題。就像產(chǎn)業(yè)已經(jīng)進入了OPC UA over TSN融合的工業(yè)通信時代，而大學仍然停留在RS485/CAN總線的時代。
五是案例缺乏。如何將產(chǎn)業(yè)的案例與理論聯(lián)系，以增強實用性和易于理解，這是未來需要加強的。
人才建設需要個體力量
也需要組織力量
企業(yè)對人才的需求，可能與大學的需求有所偏差。因為企業(yè)的人才需求是應用型，需要人才具備綜合技術與管理能力、知識基礎與思維能力，實現(xiàn)智商與情商的均衡發(fā)展。但是，由于大學學科劃分過細，很多人才的能力特征培養(yǎng)并沒有在大學完成。不過也有很多碩士、博士導師對學生的要求涵蓋了思維與認知能力以及橫向綜合應用能力。因此，了解這種能力的特征，無論對企業(yè)還是對學校都是有必要的。
其實，“需要什么樣的技術基礎和知識”這個話題已經(jīng)不需要討論了，因為這是大學和企業(yè)自身人才培養(yǎng)必須有序進行的工作，今天想要談及的是兩個重要卻經(jīng)常被忽視的話題。
一是企業(yè)不僅需要人才，更需要學習型組織。對企業(yè)而言，不僅要招募到人才，還要懂得如何培養(yǎng)人才，以及如何建立有效的協(xié)調(diào)團隊。這意味著企業(yè)需要成為一個具有自適應能力的學習型組織。智能時代，我們需要解決復雜問題，需要技術的開放連接，也需要內(nèi)部的開放連接，不能寄望于天賦、大咖級的專家，而要依靠企業(yè)整體的實力、黏合個體的組織能力，只有這樣的組織才具有應對變革的能力。
二是企業(yè)需要優(yōu)秀的工程師。我們的目標是培養(yǎng)卓越的工程師，科學在于發(fā)散，而工程在于收斂，工程師就是利用科學知識、借助于工具平臺與方法，通過工程（概念—設計—原型—測試—驗證—封裝—系列化）將材料工藝、操作過程轉化為“可復用”的技術，更多的是以“軟件”或者成型的產(chǎn)品來體現(xiàn)的。優(yōu)秀的工程師具有非常好的科學基礎且能夠系統(tǒng)使用各種方法，通過規(guī)范的工作來創(chuàng)造性地開發(fā)產(chǎn)品和技術，通過為用戶提供高附加值的產(chǎn)品、技術和服務來為企業(yè)獲得利益。
人才培養(yǎng)應避免誤區(qū)
一是避免葉公好龍。通常，企業(yè)口頭上總說人才很重要，而實際上又不愿意投入。人才培養(yǎng)的成效是遠期的，而工作是眼前的。其實，人才培養(yǎng)只要精準、高效，就能夠讓工程師快速進步為高回報的人才。因此，企業(yè)不但要招人，還要培養(yǎng)、用好人才。
二是重視知識與技能，忽視思維能力訓練。思維的訓練又是一個長期而無法立刻見效的過程，同時，系統(tǒng)性思維能力的訓練，對于培訓師要求很高，必須加強培訓師的培訓。
三是借助于跨界的力量。人們很難擺脫思維的慣性，人才培養(yǎng)同樣如此。企業(yè)應多進行一些跨界的融合，比如自動化行業(yè)要多了解IT或AI，而AI和IT行業(yè)也需要了解一下自動化；從事精益管理的人可以給技術人員上課，技術人員也可以給管理人員上課；銷售的視角和工程師有何不同，這些交叉都會給團隊以啟發(fā)。
總歸，在人才培養(yǎng)這件事情上，我們有很多可以改善的地方，這是為后續(xù)工作奠定基礎的關鍵一環(huán)。否則，缺乏人才，缺乏對技術、對產(chǎn)業(yè)技術需求的認知，就一定會走在錯誤的道路上，走在迷茫中。
（作者系貝加萊工業(yè)自動化（中國）有限公司技術傳播經(jīng)理）
《中國冶金報》（2021年3月2日 04版四版）
