从价值链的角度上考虑，主机厂原来的生产模式无法适应配件市场的需求。众所周知，配件的利润是非常可观的，就是因为生产线不够柔性，实现智能制造以后，可以实现单件生产，也就能够实现对配件市场的快速响应，厂家和客户都不需要对备件进行大规模的储备，价值链整体效益也得到提升。

事实上，“深度学习”就是大量数据和各方（运营、设计、售后服务）优秀工程师的经验融合到产品中的过程，准确预知运行5年、10年、20年、30年的动车组或其他产品分别会出现什么问题，通过“深度学习”来预测产品发生故障的时点。

迎接管理变革新挑战

顺应管理变化发展的趋势，企业接下来急需做的事情，可能是以下几个方面。

打下数据化的牢固基础，先解决数据的准确和可靠，atv，然后再向海量发展。一是强化制造过程的数据收集（广义的制造数据包括研发、设计、工艺、生产制造等环节，下决心统一材料编码、过程控制的语汇等，这些不统一，数据是不可能准确的）；二是强化客户在产品使用过程中的数据收集，先把基础打好，逐步实现智能化；三是海量数据形成后的计算机软硬件平台再造，很多企业的软硬件平台不适用智能化制造的需求；四是智能化和“深度学习”的团队建设，其中包含内部团队（有经验的管理者和信息专家）和外部资源的利用。

随着智能制造的深入，企业界不可回避的一个现实就是：各个不同层级的企业员工都可能面临裁减。过去我们认为的管理专家，如计划员、调度员、成本会计、定额员、采购员、质检员等都会大幅度减少，甚至消失。一些工匠型人才也将被智能机器所取代。减员不是为了增效，因为智能制造比人做得更好。企业将有经验的人才转移到智能化和深度学习的技术开发中去，是一个不错的选择。

“深度学习”在某些方面可以超过人类智慧，但在个体思维方面，如企业的战略管理、发展路径、企业文化建设等方面还离不开企业家的独立思考。

（作者系原中国南车董事长）

来源／企业观察报

作者/赵小刚

编辑／钱馨瑶

·END·

版权声明：

谢谢！