当我们说降本、提质、增效，更多是在说这是企业管理层关注的重点。例如，通过工业互联网平台实现全要素的连接，通过数据拉通，通过建模以及机器学习等，实现工艺、质量或流程的改进与优化，从而提升企业所得。
另一个角度来理解，这个过程就是IT、OT、DT的融合，这往往需要一个虚拟团队，但主角或承担责任的一般是信息部门。没错，工人的任务是生产。工业互联网？如果我是操作工人，对不起，这不是我的KPI。
如此一来，工业互联网与业务是否也将出现“两张皮”？
方案为谁而生
某种意义上，工业互联网在工业企业的融合应用，搭平台是一回事，基于平台的应用，是另一回事。工业互联网提供商一定要问自己：我们研发的解决方案是给谁用的？给企业用？这远远不够，你需要细分到不同的使用者，也就是岗位。
这也许是工业互联网解决方案研发的一个思路，但这还不够。在流程信息化时代，不同的系统天然按部门或岗位实现流转。而在新一代信息技术的融合应用阶段，这个思路不足以覆盖更精细的场景。
数字化车间解决了流程、数据的问题，大幅提高了生产效能，提升了生产稳定性、产品质量。但，如要进一步解决隐性的、精细化的问题，则需要工人也成为“数字人”。例如，工人、组长、车间主任，是否也能以某种方式动态掌握产能、瓶颈工序、生产能率、稼动率，甚至提出方案进行优化？
微服务、低代码平台、工业APP等，从底层到上层，从技术角度为更多的“工人”实现融合应用创造了条件。基于工业互联网平台的解决方案如需要融入生产这个根本定位，需要进一步深入生产一线也就是普适和平民化。“杀手级”的应用或许就孕育其间。
PTC 推出的ThingWorx数字性能管理解决方案（DPM）就是一个有益的探索，甚至具有开创性质。DPM提供了一个统一视图，并通过“小时数”这一可理解的业务指标来传达所表达的含义。这一指标很容易为一线员工、经理和高管所理解。或者说，DPM通过“小时数”体现产线、工序、操作者的绩效，一目了然，从而使一线工人能够采取纠正措施；了解瓶颈、根本原因，以及需要集中关注的最关键领域以实现改进。
听起来，这与AIoT很像。可能它与降本增效提质的方向或目标一致，但解决的问题以及实现过程有所不同。
什么是DPM？
根据麦肯锡的研究，工厂的运营优化，对工厂经济效益的贡献超过2/3。一般而言，工厂产能利用效率（生产能率）指标常见的是40%-60%。行业标杆水平大概达到85%。区别就在于生产运营。
以一条生产线为例，理论上是7x24个小时都在运转。如果除去周末、第三个班次停机，那么每周有五天，每天两个班次，如果每个班次是8个小时，总体生产时间为80个小时。如果加上8个小时的加班时间，总共的生产时间是88个小时。
但实际情况是，生产线上有各种各样不同的情况带来各种非计划停机，质量问题、插单问题、产线切换等，都会造成产能损失，最后这条生产线有效生产时间会大幅低于88个小时。
现实中，企业主和管理者敏感于产能的降低，同时，还有很多工具帮助企业进行产能分析。但这些工具的局限性在于，它能帮助企业高层了解生产线的绩效，但对于一线的工人并不够直观。工人不知道哪个地方、哪个工序损失了产能，或，没有数据支持。
在DPM里，上述的所有损失，都统一统计为“生产时间”。如果产能有损失，则体现为时间损失。这种方式非常简单直接。实现这一点，需要完整的数据作为支撑。DPM的数据来自于车间及企业不同的系统，ERP、MES、PLC等。
因此DPM的底层方法论是通过时间的方式来衡量绩效，在此基础上实现产品功能。一是生产的看板，这是操作工使用的界面。生产一线的工人可以看到每个小时的产能，是在某环节损失了时间，还是已经达标？
二是，采集和分析数据是瓶颈分析的方式，也就是首先聚焦关键工序，其次排优先级，第三瓶颈分析。这样，工人能够获知生产效率损失的原因，以聚焦在需要解决的问题上，从而提升产能。
在这里面，时间值是一个“原创技术”，其指标来源有两个方式，第一个方式是看历史最佳效率，第二种方式是做实验，看最大的产能效率对应的时间，是从而提取最佳值。
ThingWorx新阶段
Craig Melrose，PTC数字化转型解决方案执行副总裁，也是DPM的总设计师，此前就职于麦肯锡，是对制造领域非常熟悉的行业专家。在接受采访时他表示，与市场上其他的解决方案不一样，DPM是一个持续的解决问题的实时闭环系统。DPM使用时间作为唯一的单位，所有界面所有内容所有分析都是为车间的一线服务，以非常直观的方式，让车间工人不仅知道发生了什么，还能知道怎么样解决这些问题。
当然，此处的一线，准确理解是生产运营所有层级，从一线工人到中层运营到高层管理，每个层级每个角色都能使用DPM来提高效率和产能。从这个角度，它实现了方案的平民化，避免了业务与技术两张皮。作为方案，DPM是100%的开箱即用的软件产品。其可配置性让其可以适用各种制造业企业，不管基础条件、系统和产品如何。
与当前较多单点的AIoT解决方案相比，DPM侧重在整个生产线整个工厂整个生产网络的优化，而AIoT解决方案往往侧重在某台和某种设备的优化。与此同时，DPM可以用来定位在一条生产线上的哪台设备上应用大数据工艺优化进而指导AIoT的落地。
PTC总裁兼首席执行官Jim Heppelmann说：“PTC ThingWorx DPM解决方案标志着PTC的IIoT增长战略开启了一个新阶段。”
Craig Melrose透露，根据已经实施的案例数据，客户使用了像DPM这样的数字化工具时，能够将产能的利用效率提高5%-20%。
DPM的意义在于方法论
如今，工业互联网在国内正处于快速发展阶段，基于平台的解决方案层出不穷，为大量场景的不同问题提供了解决之道。但在PTC全球资深副总裁兼大中华区总裁刘强看来，平台只是一个手段，怎么使用收上来的数据，才是更重要的。
刘强表示，数字化真正的力量首先是精准。精准一是凭经验，另一个是凭数据。所谓数字化，是数据告诉你（企业）真实的情况是什么。所以精准是数字化转型的第一步，通过精准，知道现实发生了什么，然后通过懂业务的人，基于事实，进行持续优化。
DPM以时间为标准，专注的是企业的生产效率提升。但是企业有更广泛的效率提升需求，包括研发、生产、供应、销售等一系列。业界要着眼于基于平台开发出类似于DPM这样的应用。而不要再去做那些秀的东西，因为没有太大的意义。
“这是数字化转型的一条真正的路。DPM的意义是带来了一套数字化转型的方法论。”刘强说。
