4 基于契约的信 任 — — CONTENTS 9 培养卓有成效的协同管理行 为 观点与判断 我们无法逃避时代的颠覆 动荡时代最大的危险不是动荡本身， 而是仍然用过去的逻辑做 事 PART 01 德鲁克 《第四次工业革命》 ： 本次工业革命将数字技术， 物理技术， 生物技术有机融合在一起， 迸发出强大的力量 中国过去探寻的是高速增长的模式， 接下来要沿着“ 7. 效率来自协同而非分工，组织管理从“分”转向“合” 基本观点 1 ： 企业是个整体 管理的效率不仅来自分工，更来自协同，因而要求组织具备 一些新能力：“强链接”，构建柔性价值网以及“共生逻辑” 企业的商业模式，组织模式，跨组织协作模式，都开始呈现 “网状协同”的态势，组织管理越来越依赖价值网络的共识 一切都在重构之中，认知重构，价值重构，思维重构，这些 重构需要一个更为广泛的视野，更加互动的关联，以及更加 促进，共同 优化 获得组织任何一方都无法单独实现的高水平发展 尽管会带来冲突和分歧，但它从更大程度上强调了共生组织 之 间的相互理解和尊重，实现更优越的进化循环 基本观点 3 ： 共生是进化逻辑 想要获得价值网络的有效价值，第一个难题就是能不能真 让 价值网络中各个成员互为主体，而不是主客体关系 《激活组织》：一项重要工作是建立“合作主体的共生系 统”，做到这一点，需要构建一个“价值共同体”

拥有成长底线具有三种优势： 有多业务扩张的选择 具备一定的定价权 3 5 好公司是能够与客户建立持续交易基础的公司，因为一旦形成黏性，进行持续交易，公司的价值 就可 以按照客户的 终 身价值来进行贴现。在这个经营逻辑下， 公 司主要从三个方面进行强化。 把流量池变成了客户 池， 并 形成公司的利润 池，具 备了 与客户建立持续交易的基础 构建流量池 锁定忠诚客户 流量转化为客户池 联 合第三方流量口，搭建 流 量入口 要有效锁定客户池中最具有 忠诚度的客户 成长底线： 案例 - 亚马逊所构建的成长底 线 根据这个增长逻辑，亚马逊是怎么做的呢？ 亚马逊成长底线构建 3 6 2018 年 9 月，亚马逊市值突破 1 万亿美元，成为互联网领域市值最高的公司之 ，是商业史上第二家突破万亿美元市值 的公 司（第 书时，亚马逊就 会为这些网站的导入行为支付 8% 的佣金。早期的这 一策 略使大量网络生态愿意为亚马逊导流。 大流量入口的接入可以帮助很多网络企业建立增长源 但是重要的不是结果，而是发展的逻辑， 一 家没有成长底线的公司，何谈升到天际线？ 没有 一座座坚固 的城池，扩张再迅速也形成 不了 亚马逊用 Prime 制度把超级用户挖掘出来，形成自己 强 有力的根据地与利润池， Prime 成为亚马逊构建成

示例：人工智能加入医疗诊断 理解产业数字化 产生 加入 提高 一切正在转化为数据 连接比拥有更重要 持续领先企业所拥有的数字化生存能力，关键核心是企业家认知的改 变 六个关键认知 从竞争逻辑转向共生逻辑 开放、信任和协同是关键 顾客主义 长期主义 数据 媒介 价值本身 企业创新价值空间 方向 六个关键认知 认知一：一切正在转化为数据 效率改变 模式创新 成为 影响 可信 度 安全 性 认知三：开放、信任和协同是关键 生态 伙伴 企业 实现数字化的 核心关键 协同 价值 开放 信任 协同 战略底层逻辑 转向 共生逻辑 竞争逻辑 认识四：从竞争逻辑转向共生逻辑 数字化时代 认知五：顾客主义 企业定义：创造客户价值 顾客需求 + 技术 全新战略空间 认知六：长期主义 需要长期主义认知能力原因： 1. 企业与环境是一种共生关系 企业 持续发展 可能性 组织效率改善 业务模式拓展 价值创新 成本重构 专注技术 创新 快速面向 数字化 优势 获取 找到 新势力汽车公司 传统汽车制造公司 产品逻辑 以智能交互为核心 以发动机为核心 变化二：跨界颠覆，数据有效挖掘和运用 新势力汽 车公司 智能技 术公司 天猫 电子 商务 淘宝 阿里 妈妈 智能 物流 菜鸟 网络 .....

己都未必完全知道。1900年在巴黎举行的第二届国际数学家大会上，希尔伯特提出 了23个数学难题，并把算术公理的相容性作为第二个问题提出。他在此基础上提出 了希尔伯特计划，初衷很简单：他希望数学是完整的，也是可判定的，数学将建立 在严谨的逻辑之上，成为比上帝和物理更靠谱的真理。 1928年，关于数学基础，他列出了三个亟待解决的问题。 第一个问题：数学是完备的吗？即能否基于有限的公理，对所有数学命题都进行证 明或证否？ 第二个问题： 简单，但图灵机 能完成的计算任务却非常复杂。理论上，只要纸带足够长、人们的耐心足够多，它 9 就能完成现代电脑能做的任何计算（尽管可能非常耗时）。电脑通过二进制电信号 简化了这一过程，和图灵机的逻辑完全相同。 虽然图灵机操作复杂，但是这样的机器理论上就已经可以解决抽象计算问题了。于 是，图灵开始构想如何利用这台机器来回答希尔伯特的第三个问题，即判定问题。 他想象一种场景：设立一个图灵机，它遍历所有大于等于2的偶数，尝试将每个偶 存在解决停机问题的通用算法，即没有可靠的、可重复的方法来区分机器是停机了 还是继续在循环运行。停机问题（halting problem）就是判断任意一个程序是否 能在有限的时间内结束运行的问题，这是一个著名的悖论，引入了逻辑学中的自我 指涉问题，类似于罗素在1901年提出的“理发师悖论”：一个理发师声明他只为那 些不给自己理发的人理发，那么他应该给自己理发吗？他如果给自己理发，就违背 了自己的声明；如果他不给自己理发，按照声明他应该给自己理发。同理，如果图

(OBF 模式 ) 基于现场、现物 ( 对象驱动技术 ), 进行 实 时 FPS 动态调度 基于共同指令 (ICS 智控技术 ), 实现现场 软 硬一体协同 业务与执行一体技术，从逻辑软管控变成执 行动作的硬管控 逻辑计算及 APS 高级排产，提升资源利用 率 ( 需求变化后：计划失败 ) 设备数采及管理，提升设备加工效率 ( 需 求 变化后：等待浪费 ) 数据统计及分析，优化生产管理能力 人员任务任务 设备加工任务 Ⅲ 人员任务任务 物料任务任务 设备加工任务 物料任务任务 集成对接 ERP 的 MRP 运算后的生产工单，使用有限产能的正推法进行辅助排产，添加配置排产逻辑及参数，并通过试算、试排验证、矫正 排产 的运算模型。 人员任务任务 设备加工任务 等 物料任务任务 支撑数据：例如人员、班组、 设备稼动率、开 / 闭时间等 0 以下 I 序参与节 储产路 播资摩 按工岸 MRP 口 口 工家世理 影助中心 生户筛单洋情 x 体中适算 × 户品规格 历 C j 国 y 插单逻辑 2: 插 单 优先满足之前订单交期前提下插单 原排程 冻结期 订单 1 订单 2 订单 3 订单

利用数字化手段自动应用规则，减少对手工的依赖 人工经验 业务规则 信息化管理平台 审批路径规则 数据转变逻辑 操作控制规则 业务流转规则 自动处理 / 约束业务 将尽可能多的 人 工经验判断转换成模 式化的固定逻辑，减少业务对“经验”的 依赖性，同时提高业务处理的速度 将可逻辑化的 规 则进行结构 化、公 式化处理，交由系统替代人进行处理和判断 审批路径规则 • 计划外采购申请审批规则 付款申请控制规则 • 采购入库控制规则 • …… • 集团集中采购、分公司采购 、计划外采购流程自动流转规则 • 采购接收入库流转规则 • 物资调拨流转规则 • …… 数据转变逻辑 操作控制规则 业务流转规则 ** 交流使用 12 我们将从如下三个方面阐述 ** 的 信息管理 平台 统 一企业标准规范，集中控制及共享 一致 基础数据 业务规则 各系统 各系统 会议讨论变更将会导致的 影响并对影响 作出评估，并形成会议决议。如需调整，针对未下达计划，直接调整 MPS ；针对已下达计划并未生产，直接在各生产基地重新调整周生产计划； ** 交流使用 42 ** 计划逻辑建议 预测 需求汇总 产能平衡 计划分解 销售一部预测 销售二部预测 原料药国外预测 主需求计划 通过分配规则和货 源清单，自动将所 有预测抓取到计划 组织，并自动将所 有的预测进行分类

在流程工 业领域智能制造的快速发展过程中, 通过引入生产管理、实时优化、先进过程控制、零手动操作等技 术, 基于分布式控制系统 (distributed control system, DCS) 和可编程逻辑控制器 (programmable logic controller, PLC) 等控制系统的流程工业企业显著提升了生产装置的自动化水平, 实现了从少人化到无 人化操作的跨越, 并进一步推动了制造 为流程工业智能工厂建设带来了新的契机 [6,7]. 例如, 针对工业时序数据 的生成, MetaIndux-TS [8] 等模型展现了显著的进步, 能够有效解决数据稀缺问题. 大语言模型强大的 交互能力和跨领域逻辑思考能力能够将流程工业智能工厂的知识经验融入核心工业软件体系中, 赋能 核心工业软件提升数据透明化程度、实现信息互通和利用、给出更具价值企业营运分析结果. 基于上述背景, 本文提出了基于大语言模型建立工业大模型驱动的交互式图表分析助手 给出了经典的工厂信息系统架构 [9] (如图 1 所示), 该架构分为 5 层, 自下而上分别是生产过程层、生产过程感知层、生产过程自动化层、制造运营自动化 层、企业营运逻辑层. 在生产过程感知层涵盖了流量、压力、温度、液位、视觉等各类传感器, 在生产 过程自动化层涵盖了可编程逻辑控制器 (PLC)、分布式控制系统 (DCS) 等控制系统, 在制造运营自动 化层涵盖了制造执行系统 (manufacturing execution

已成为推动产业数字化、智能化的重要路径。在产业 数字化发展进程中，需实现数据驱动的智能应用创 新。 数智融合孪生技术面向真实业务场景，提供先行 先试的实验环境。该技术基于“实物孪生-数字孪生- 机理孪生-孪生推演”的逻辑路径，遵循“孪生-拟生- 派生-演生-新生”的路径层级，基于作业流程实现数 字技术与智能技术的融合应用，构建基于真实业务场 景下的数智融合孪生环境 ［6］。 2.4 数智融合孪生技术特点 基于数智融合孪生技术的智能制造应用探索 本期专题 Monthly Topic 图3 预生产试验环境系统数据作业流程 ①异常解决确认 ②异常复盘 数据定义 数据统计 数据处理 异常识别 闭环处置 推送解决 ①计算逻辑与定义 ②异常分类 ①现场数据采集 ②数据存储格式转换 ①时间稼动率 ②性能稼动率 ③直通率 ④指标展示 ①时间稼动差异识别 ②性能稼动差异识别 ③直通率差异识别 ①异常差异推送 ②异常根因分析 传统劳动密集型的生产制造模式，在数智技术快 速发展的当下，面临巨大的挑战，存在根本性重构的 迫切需求。新型技术赋能的业务系统和工业自动化 机器人的出现，正在改写依靠人力堆积实现快速发展 的业务逻辑。为了逐步提升产线自动化水平和人力 资源效率，解决人力需求与实际需求脱节、人岗不配 备等核心问题，将人力资源投入到重要的生产环节， 亟待建立一套人力透明度评价体系，实现自动化产线 排班，并与生产计划更新实时联动，从而精准进行资

在AI时代，人机协作将成为一种新常态。学生需要学会与智能机器进行有效沟通， 理解机器的工作逻辑，在团队中发挥自己的作用，并与机器共同完成任务。这种跨 物种的合作能力，将成为未来职场的重要技能。 在此背景下，沟通、团队合作以及与机器互动的能力显得尤为重要。 有效的沟通是人机协作的基石。学生需要掌握与机器对话的技巧，理解机器的逻辑 和反馈方式，以确保信息准确传递。这要求我们在教育中加强对学生语言表达能力 和倾 ChatGPT的快速发展 如前所述，ChatGPT由OpenAI开发，是生成式AI技术的一个杰出代表。它是一个基 于大规模语言模型（如GPT-3和GPT-4）的聊天机器人，能够理解和生成人类语言， 提供流畅且具有逻辑性的对话体验。ChatGPT的开发标志着生成式AI在理解和生成 自然语言方面取得了重大突破。 基于Transformer架构的AI的神经网络参数量如图3-4所示。它展示了GPT参数的演 进，可以简单理解为模型能力的提升。 10000亿，ChatGPT的发展历程体现了生成式AI技术的快速进步。早期版本的 ChatGPT侧重于基本的文本生成，而随着技术的迭代和优化，最新版本的ChatGPT不 仅能够提供高质量的对话体验，还能进行复杂的逻辑推理、情感分析，甚至是编程 和创作诗歌等。此外，ChatGPT的能力还包括理解和适应不同的对话场景，以及根 据上下文生成相关且连贯的回复。 ChatGPT的快速发展得益于以下几个方面。 ❍ 大数

机器大数据的特点 机器大数据的特点 工业大数据 - 实现路径 从海量产品数据中挖掘出对用户有价值的 信息，以直观，有效的表现形式，为用户 决策提供商业支持和服务 数据产品化 将计算机的逻辑功能嵌入到机器上，用数 据的方式描述机器制造和运行过程中产生 的大量信息。 产品数据化 通用电气 - Predix 工业互联网平台 航空 医疗 制造 采矿 石油 配电 发电 铁路 灌溉 制造业行业积累和能力 工业企业 大型信息化企业 工业大数据领先者 内 容 一、云网介绍 二、工业大数据建设背景及思路 三、工业大数据平台技术架构 四、工业大数据平台案例 工业大数据平台 - 数据业务逻辑 价值 客户 企业数据 机器数据 历史数据 CRM 、 ERP 数据安全 数据管理 Storm 、 Kafka 数据清洗 数据实时、批 量接入 非结构化数据 半结构化数据 数据索引