本周我们采访了东芝产品标准部高级经理Daniel Young 。东芝为多个行业提供了创新且具有成本效益的 b2b 解决方案。 140 年来,它通过将创新技术应用于价值创造,为可持续发展的未来做出了贡献。
在这一集中,我们讨论了制造技术适应的趋势以及需要解决的剩余挑战。我们还讨论了标准和微服务如何使解决方案能够显着降低系统集成成本和时间。
关键问题:
您如何描述当今美国的制造业状况?
您如何优化流程或用例以在财务上可行?
工业自动化和数字化的共同挑战是什么?
音频文字.
Erik:Daniel,感谢您今天加入我们的播客。
丹尼尔:嗨。谢谢,埃里克。我很高兴来到这里。
Erik:Daniel,我真的很期待这次谈话。也许我很期待对话的第一部分,我可以向您询问有关 IIC 工业物联网联盟的状态更新。我们在这里开始之前正在聊天。我只是告诉你,我曾经参与过 IIC。现在我已经被困在中国三年了,所以我没有像我想的那样参与。但我知道你是指导委员会的成员。我很想听到更多关于你自己的信息,也想听听你这些天在 IIC 所做的工作。
丹尼尔:是的,很好,很好。嗯,首先,我很高兴你改名了。当您参与其中时,可能是工业物联网。现在我们已经改名了。它是工业物联网联盟。这是为了反映更广泛的不同业务目标和垂直市场。所以,就我而言,我已经在东芝工作了 20 多年。我的背景是电气工程。我曾在制造、测试设备、设计、软件、质量保证部门工作过。在过去 10 年左右的时间里,我参与了不同的标准、组织和联盟,例如 IIC。
目前,我在东芝的数字创新技术中心工作。我们所做的是推广最佳实践,无论是标准、像 IIC 这样的组织、推广工业物联网系统和我们的参考架构,它基于 IIC 的 IIRA,工业物联网参考架构。很多缩写词。
Erik:您如何对 IIC 进行分类——我想,在某种程度上,它是一个标准制定机构。但是,例如,它并没有设定规定数据传输方式的技术标准。这些更多的设置是最佳实践的业务架构概念,等等。您如何看待 IIC 在这个生态系统中的作用?
丹尼尔:这是一个很好的表达方式,是的。所以,我们不是一个标准制定机构。但我们提倡最佳实践,包括标准。当我们通过各种方式做到这一点时,我们就有了参考架构等核心基础文档。我们有最近更新的连接框架文档、网络框架和安全框架。因此,我们将这些作为核心文件,并推广国际公认的不同标准。我们还在有需要的地方与这些标准机构合作。也许没有特定领域的标准。因此,我们可能会与标准机构合作,无论是母公司 OMG 还是 IIC、ITU 等,看看是否有更大的需求。
我们做的另一件事是测试台和试驾。所以,现实世界的情况。目前,我们为汽车或任何类型的运输类型车辆提供无线更新,无论是工厂中的机器人还是汽车。然后我们采用最佳实践和数字化转型。这是我们的新事物之一,我们正在研究公司如何进行自我转型,他们正在做什么,他们在做什么,以及是什么帮助他们实现这些目标。因此,有很多标准可以对此有所帮助。
Erik:而您自己,您是否更专注于东芝的内部组织,并帮助不同的职能部门、业务部门了解标准和最佳实践并遵守它们?您是否更专注于帮助标准机构代表东芝的利益并参与制定未来的标准?
丹尼尔:两者都有一点,但更多的是后者,促进某些标准,帮助制定它们。然后就像 IIC 一样,推广我们在内部使用的、我们认为有用的,并在组织外部推广。
埃里克:好的。得到你。也许这是开始谈论当今行业状况的一个很好的起点。我的意思是,标准可能不是最性感的话题。但这是一个重要的,对吧?
丹尼尔:对。
Erik:我们的标准在哪里?因为很明显,我们来自一个每个人都有自己的专有协议的传统。希望我们正朝着更类似于消费互联网的方向发展,在消费互联网中,您拥有非常普遍采用的标准。我们可能不会完全到达那里。但是,就制定允许公司在集成解决方案时相互配合的标准而言,您认为我们今天处于什么位置?
丹尼尔:我认为有很多标准可以帮助解决这个问题。我会注意到 OPC UA 非常有名。它有助于我们的 UPS 业务。 OPC UA 被用于与不同的 UPS 供应商进行通信。因此,我们可以使用最初与我们的 UPS 合作的服务。现在它可以与竞争对手合作,因为有这样的标准。我认为缺乏的地方——这是包括 IIC 在内的所有类型组织的一个大话题——准确地表示某些类型的数据模型并拥有这种设备能力本体。所以,这将需要很多时间。它分布在这些不同的垂直市场之间,无论是建筑、智能建筑,还是能源领域、工厂或发电机。但是这些有很多共同的部分,只是需要一些时间才能看到重叠的位置。
Erik:帮助我更深入地理解这一点。例如,如果我在谈论钢,那么我们可以非常精确地定义不同等级的钢以及它们之间的区别吗?但是,如果我说的是两台设备,并且它们都有某种预测性维护解决方案,那么很难比较这两种设备并说出为什么其中一种可能更胜一筹。我们在看这个角度吗?您如何看待这里的挑战?
丹尼尔:是的,有点,或者不了解每台设备的全部功能。也许一个供应商称它为与另一供应商不同的东西。我会尝试使用一个很好的例子。它就像一个温度传感器。它可能是一个温度传感器,它只有温度。但大多数温度传感器也有湿度。你需要湿度控制吗?有些可能,有些可能不会。但是您需要将其作为该功能描述的一部分。这是一个非常简单的例子。但是将其扩展到其他类型的设备,在这些设备中,您只有那些看似很小、微不足道的差异,但当您尝试这样做时,它们实际上会导致大问题——也许供应商希望从一套软件更改为另一套软件。这些类型的差异会导致您必须处理的不兼容问题。这涉及到系统集成问题。东芝试图做的一件事就是尽量减少系统集成的数量。标准在其中发挥了巨大作用。
Erik:当你谈到协调能力的方式时,软件是否也包括在内?因为如果我查看产品类别,物联网平台可能是最具挑战性的产品类别,比较三个并说,这就是为什么 A、B、C 彼此不同。您的营销团队只是在抛出功能要点列表。但是要了解他们真正的能力,在你真正做飞行员之前似乎非常困难。到那时,您已经在评估中投入了大量的精力。
丹尼尔:对。是的,今天这是一个巨大的挑战。我认为,特别是对于云的采用,随着我们开始拥有可以在云提供商之间动态切换的新工具,它会变得更容易一些。例如,我们使用 TerraForm 脚本,允许我们从一个云提供商(比如说它是一个陪审团)转移到 AWS。它曾经是谷歌,但现在已经不复存在了。这些类型的工具有帮助。您可以自动化某些系统集成,但不能自动化所有这些。因此,这方面仍然存在一些痛点。
Erik:是的,我看过一些统计数据。我的意思是,你永远不知道该信任他们多少。我看到的那个,我们称系统集成大约是典型解决方案成本的 30% 到 40%。所以,比方说,要修剪的脂肪很多。这是需要完成的工作。但归根结底,如果没有它就可以实现目标,它不一定是增值工作。
丹尼尔:对。我认为这种新趋势对物联网来说可能并不新鲜,但对工业来说却是。微服务的使用使得组件更加模块化,因此系统集成仍然存在,但它比以前容易得多。因为现在您可以将这些模块化组件组合在一起,而不是尝试重新构建一个单一的软件。
Erik:在我们可能更详细地讨论技术部署等之前,我想先谈谈美国的制造业状况。因为我坐在中国这里。我本来是美国人。这是一个一直存在的话题——我一直在阅读它,等等。现在我有机会挑选一位工程师的大脑。我想你在纳什维尔。那正确吗?
丹尼尔:没错。
埃里克:好的。好的。我们很想了解。显然,一方面,我们这里有很多劳动力短缺和一些挑战,这也是投资自动化和技术的动力。你也有一定程度的回流。您如何描述当今美国的制造业状况?
丹尼尔:我认为在很多方面这是狂野、狂野的西部。最大的挑战是棕地场景。如果您正在建造一个全新的工厂,那么您可以使用所有这些最新的工具和技术。没问题,因为你什么都没有。你从头开始。但是,现有的工厂和运营设施正在努力更新,甚至认为需要更新。我们现在看到的最大挑战,尤其是在云采用方面,仅仅是数据隐私——谁控制了这些数据,供应商或云服务提供商的可信度问题。这些确实是很大的挑战。
Erik:这个数据隐私问题,是否更像是个人隐私问题,因为它可能更多地发生在欧洲?相对于供应商和制造商,是哪家公司拥有更多的数据和更多的杠杆地位吗?
丹尼尔:我在我们的美国业务中看到的是后者。该企业非常不愿意分享他们的数据,不一定与东芝这样的公司分享。如果我们有良好的工作关系,那不是问题。但它正在将这些数据传送到云端。这就是很多沉默的地方。尤其是处理——如果我们进入人工智能模型,我们真的必须做得更好,准确地将我们共享到云的内容传达给云,以允许这些人工智能引擎工作。也许我们没有传输您所有的原始数据。我们只是在传输 AI 模型需要的一些参数。所以,归根结底,这不是技术障碍。这是人类的理解。我们只需要更好地传达我们正在尝试做的事情以及完成这项工作需要什么类型的数据。
Erik:这个信任问题很有趣。我们最近在为西门子做一个项目。我们正在帮助他们,他们的业务之一,找出他们的人工智能制造战略。我们正在关注的一件事是,所有这些技术初创公司都有非常有趣的解决方案。他们正试图进入市场。但随后,他们试图说服客户,“你将成为我们的第 6 号客户。”没有人想成为 6 号客户。他们想成为 600 号客户,因为他们会给你很多数据,敏感的运营数据。
您是一家拥有 50 名员工并且已经成立三年的公司。它可以被买断。它可能会破产。可能是谁。因此,看看像东芝这样的大公司之间的那种机会,并帮助将其中一些技术推向市场,因为你已经建立了信任关系,那是你投资组合的一部分吗?你玩那个吗?它不是真正的看门人角色,而更像是协调者角色或集成者角色。东芝也是这样做的吗?
丹尼尔:是的,当然。我认为这是我们的主要优势之一,因为我们拥有这些现有的关系以及我们改变我们的技术组合。我们正在从以产品为导向、以硬件为基础的公司转变为以服务为基础、以服务为基础的公司。这对我们帮助很大。因为我们可以与现有客户讨论我们想要做什么并证明它,概念证明,然后获得参与。也许他们想要做出改变。这些都是通过非常密切的业务关系实现的。
Erik:对于现在美国的动态,你说它有点狂野的西部。但是我每天都在《华尔街日报》上看到非常突出的劳工危机。这对技术的采用有何影响?我想,一方面,这意味着你只有这么多工程师可以实际部署新的解决方案。正确的?因此,您实际上需要 IT 人才。也许很多中型工厂只是没有那种水平的人才来管理和部署。另一方面,工厂车间的短缺可能会激励更多的自动化。您如何看待这种与技术投资的动态互动?
丹尼尔:所以,这有几个方面。解决制造方面的劳动力短缺问题,这就是我们看到我们的技术不仅被用于增强能力的地方。不一定要使其完全自动化,而是要使这些工人能够完成只有人类才能真正做好的任务类型。我们还看到我们可以转身并提供这些服务作为培训模型。因此,我们可以对新员工进行更少的培训。它不需要那么多的资深员工进行培训,因为您拥有这些新的数字工具,可以查看工厂中发生的真实情况并帮助培训这些新员工。
然后在技术方面,就工程师等而言,这始终是一个问题。我知道,对于东芝来说,过去几年我们一直在招聘数百名 AI 工程师。所以,希望我们至少在那场比赛中保持领先。
埃里克:我明白了。是的,现在在积累人才方面有点军备竞赛。也许我们只是从东芝的角度来看这个。你看到的技术是什么?我想,工业从来没有真正击中那根刚刚起飞的曲棍球棒。但是,您看到哪些开始获得足够广泛的采用,人们正在超越试点范围,并且现在非常舒适地扩展到国家或全球部署?
丹尼尔:我看到两件事。一是远程维护和预测性维护工具。这扩展到基本的警报类型的东西,但更多的是真正导致这个问题的原因,我们可以提前预测它。我们可以预测电机故障吗?这样我就可以告诉您,“嘿,您的电机将在一年内发生故障。所以,请继续并提前计划进行维护或更换。”我们认为这是一个巨大的好处,也是客户真正喜欢的东西。
另一个是视觉检查过程。自动视觉检测是东芝一直在努力的事情。我们看到了大量的应用程序。无论是监控现有工厂中的仪表。你有所有这些刻度盘和指示器,通常人类必须四处走动并查看它们。我们正在看到一些应用程序,我们可以使用摄像头和带有摄像头的机器人来使用图像识别进行监控。我有一个关于钢铁检测行业的案例研究,我们正在使用更先进的图像采集和处理来实际测量钢样品中的颗粒。
埃里克:哦,有趣。让我们开始吧。钢样中的颗粒,那是什么?那是测量杂质吗?
丹尼尔:对。测量杂质。您会想到熔化金属时脱落的水垢,您必须将其清除。其中一些显微镜仍会进入样品。因此,有不同的监管和标准流程来测量这些小物质——它们被称为非金属夹杂物。我们测量这些,它们可以下降到亚微米水平。但一般来说,这些都是衡量的。这允许对钢的质量进行分级。想想像结构钢、建筑桥梁和其他建筑物。你想要更坚固的钢材。因此,过去的分级过程非常手动。您有一位训练有素的检查员正在通过显微镜观察。他们确实有工具、图像处理工具来帮助他们自动对焦等。但归根结底,他们实际上是在用眼球观察并测量这些非常非常小的夹杂物,然后对钢材的质量进行分级过程。
埃里克:好的。有趣的。这两个都是有趣的案例,因为它们是机器学习的应用程序,你有培训成本,对吧?
丹尼尔:是的。
Erik:每种情况都有点不同。因此,如果您必须针对每种独特情况进行培训,那么您的前期成本就会很高。但是随着算法的改进、数据标记、流程的改进等等,您可以降低这些成本。实际上,我个人对此非常好奇,因为我们正在开展一个类似的项目。此外,汽车中的机器视觉。我们正试图弄清楚成本结构可能是什么样子,因为我们处于非常早期的阶段。我们试图思考,我们是否能够在合理的投资范围内达到合理的准确度水平?或者我们会发现,当我们开始着手处理这个问题时,我们已经超出了预算。也许你可以谈谈我们在哪里。您如何优化该流程或对其进行评估,以确保您正在处理一个在财务上真正可行的用例?
丹尼尔:是的,所以在这种情况下,这就是我们谈论的劳动力短缺等所有组合。钢材检验,它训练有素。你必须训练有素才能做到这一点。所以,你可以想象劳动力短缺,而且你没有很多训练有素的检查员来做这件事。但另一方面,对于此类测量和监管要求,您需要人工检查员来做出判断。所以,你不能只是自动化这个过程。
我们看到的是,好吧,好吧。我们知道我们将有一名人工检查员执行此分级。那么,我们能做些什么来帮助他们呢?我们能做些什么来消除所有死记硬背的工作?所以,让我们自动化显微镜,自动对焦。让我们做所有这些检查员通常必须做的事情,并且需要很多时间来做。在这些过程中,每个样本的检查可能需要 4 到 5 分钟以上的时间。
我认为一个好主意是,想想相机。在过去,您必须对焦相机并更改 F 档和所有这些东西。现在您只需拿出手机并单击即可。拍照的目的是改变所有这些参数,还是捕捉你想要捕捉的图像?在这种情况下,我们专注于,我们需要检查员实际准备好图像并能够进行这些测量,并且可能会为它们做一些测量。
所以,人工智能工具,训练部分正在研究这些非金属夹杂物。我们得到了大约 90% 的测量尺寸准确度。再一次,这可以归结为亚微米级。这样做的目的是减轻检查员的负担,比如简单的夹杂物,让他们更专注于非常困难的夹杂物。因此,最终我们可以通过做这些事情将五分钟的过程缩短到一分钟 - 自动化该检查过程的机械工作。但归根结底,提供最终判断的仍然是人工检查员。
埃里克:明白了。好的。这听起来像是一个聪明的方法。您正在处理相同的现有流程、现有基础架构,但要自动化其劳动密集型的步骤。在机器人技术、3D 打印方面呢?您是否看到任何其他物联网平台?我想你已经触及了一点。数字双胞胎、边缘计算以及您看到的其他任何东西都开始超越这个试点阶段,更倾向于在行业中更广泛地部署?
丹尼尔:我在我们的布里斯托尔实验室看到了关于群体机器人的研究。因此,占用工厂空间,占用可以移动设备或移动茎的机器人。当茎杆变得太大时,机器人可以合并在一起并捡起更大的物体并在没有帮助的情况下移动它们。这可能更像是一个全新的应用程序。但我认为这在未来会非常强大。
回到机器视觉,我认为这是一个很大的问题。它曾经是边缘在哪里?边缘在哪里?我们有雾计算的想法。我认为现在我们在人工智能领域看到了人工智能在哪里。是在云端吗?是在边缘,还是在设备上?因此,我们有一些视频处理芯片 Visconti,正在与我们在加拿大以外的合作伙伴之一 Labforge 一起使用。他们正在智能相机中使用该芯片的深度神经网络功能。他们可以在一个位置放置多个摄像头,并使用非常低的功率(在许多情况下使用太阳能)绘制整个区域的地图。所有的人工智能都在相机本身上运行。它不在云中运行。传输到云端的只是映射数据点。因此,需要非常低的功率、非常低的网络带宽。我认为这真的很有趣。它将为无人机安全、测绘、保护物理位置等打开许多用例。
Erik:是的,我知道在这个领域和不同的层面有大量的创新。我想我们大概有六个月左右的时间,一家以色列公司正在设计芯片,专门用于机器视觉应用。这是一家小公司,只是做出自己的贡献。但是您会看到,在技术堆栈的每个级别,他们都在向前推进,因为它是一个非常实际的应用程序。
你之前提到过,黑暗工厂。我很好奇,因为这是一个非常标准的话题。如果您要拥有一个具有一些非常好的标准的黑暗工厂。这是我最近在中国听到更多的话题。有时我觉得,中国,也许他们读麦肯锡的报告有点太勤奋了,比他们应该早几年有点兴奋。您是否认为这是一种可行的制造方法,除了可能的一些极端情况,在未来几年?您是否认为选择用例但不要过多地破坏流程仍然更有意义?您在哪里看到该特定主题?
丹尼尔:我认为当我们审视工厂时,我们需要更加注意他们正在尝试做什么。它可以来自更以用户为中心的心态,而不是以产品为中心。我可以在你的工厂里放什么让它变得更好?多想想你现有的流程和现有的问题是什么。我怎样才能促进呢?如果这意味着将某些任务完全自动化,那就没问题了。但这并不一定适用于每个工厂。我真的没有很好的答案。这是一个很大的话题。
Erik:嗯,我认为这可能是正确的方法。对于销售技术的人来说,这是一个困难的方法,对吧?因为你的目标是销售技术。
丹尼尔:是的,所以,进来告诉别人,嗯,你的设备已经够快了。您不需要更大的处理器和更多的内存。你需要的是更好的算法。但这就是我们今天在很多情况下看到的情况。我们可以改进算法。我们可以使用人工智能模型来做过去的事情,“好吧,我们必须关闭你的工厂两周并安装一堆新设备。”现在的好处是我不必关闭你的设备。我们可以上传一个新软件。如果它在云中,那么就没有任何停机时间。因此,一旦客户了解这一点,这对客户来说是一个巨大的好处。
埃里克:是的,绝对的。尤其是在美国,很多工厂,很多设备都有几十年的历史。因此,您正在处理这些遗留环境。如果您对如何解决这些问题有任何见解,也许我们可以快速讨论一下您在部署方面看到的一些挑战。您已经讨论过这个,这与数据所有权数据访问有关。
如果您从技术的角度来看待它——组织、定义业务案例、设定标准——是否还有其他人作为真正常见的挑战跳出来,在工业自动化或数字化方面仍然缺乏出色的解决方案?当你计划部署时,你会说你在哪里出汗最多?
丹尼尔:出汗最多?我认为像东芝这样的公司面临的挑战之一是我们非常注重技术。就像在预测性维护应用程序中一样,我们看到的是我们要去客户那里,我们向他们展示我们拥有什么,我们可以做什么。他们说,“那太好了。”但这太过分了。我不需要知道电机中的轴承出现故障。我需要知道电机出现故障,何时更换。
所以,我们要做的就是退后一步,说:“好的。我们需要在客户实际需要的内容之间保持粒度。”对于一些没有足够员工的工厂,他们无法真正站起来说,“好吧,我可以更换电机中的轴承,”好吧,好吧。我们只需要让他们知道您的电机出现故障。对于另一位可能在这方面更先进的客户,他们可能想了解更详细的分析,了解某台设备发生故障的原因。然后我们可以对此进行更细致的分析,并开始预测其中的某些部分,一台设备何时会发生故障,以便客户可以提前计划。这对我们来说是一个挑战。这是为了了解客户实际需要什么,他们需要的粒度如何,以及他们需要知道多少信息。因为有时他们不需要像我们认为的那样了解那么多。
Erik:是的,这是个好主意。我们在德国也做了很多工作。你有这种趋势,这些公司的团队已经为他们工作了 20 年,他们对流程有非常直观的理解,并且拥有丰富的经验。这一代人在某种程度上正在退休。然后你可能会从土耳其、波兰引进一个相对年轻但缺乏经验的人。他们需要快速跟上进度。那么,你有正确的界面吗?在某种程度上,事情是否足够简单,是否处于正确的复杂程度,以至于有人可以将自己插入这个系统?
丹尼尔:回到金属行业的案例,当我们部署我们产品的这个新更新时,我们在中间或最后意识到,就像,这些人仍然对训练有素的检查员有问题。尽管我们正在减轻老检查员的工作量,但我们并没有做任何事情来帮助这些新检查员跟上进度。所以,我们改变了。我们查看了我们开发的 AI 模型。我们说,嘿,这是一个训练模型。我们可以扭转这种局面,获取真实世界的数据,并对这些新的检查员进行培训。
因为人工智能模型总是可以更新的,而且我们总是有新的数据集,所以在这种情况下,我们可以用真实世界的最新图像样本不断地训练这些人。所以,我认为这是我们的另一个启示。我们有能力培训这些新的检查员。我们有可用的数据。我们只需要考虑培训这些新员工的最佳方式是什么?
Erik:是的,这是看待你建立的资产的一种非常有趣的方式,在某种程度上,工作可以双向流动。
丹尼尔:对。
埃里克:酷。嗯,还有什么?我想,我们已经谈到了美国的情况和技术采用挑战。您认为在今天的美国制造业中还有什么特别有趣的事情吗?
丹尼尔:我认为另一部分,我不关心这些东西的成本。但我要说的是,我已经和人谈过了。许多这些工业物联网变化的最大好处是您的资本设备成本和您的运营成本得到了翻转。因此,对于其中一些新部署,您没有太多的前期资本支出成本。你可以做非常低的初始成本。然后是经常性费用。它是每月一次的服务。它在会计方面更好,但它也可以让您评估您在获得收益时获得的收益。所以,现在你没有一个百万美元的巨额资本设备项目。你有一个价值 20,000 美元的产品,或者说是项目。因此,在这种情况下,概念证明要容易得多。您可以随时监控它,并逐月或逐年做出决策。因此,我认为这允许对此类服务进行更多的概念验证试验。
Erik:是的,这是一个很好的观点。我从运行这些解决方案的公司那里听到的这种沟通方式是,作为一家技术企业,您必须每个月向您的客户证明您的价值。而以前,你有一些一次性销售。然后他们几乎一直坚持到他们会欣赏它,然后他们决定去那很好。
丹尼尔:然后他们去找另一个客户。他们去找别人。现在我们必须逐月证明我们的服务价值。这是一个很好的表达方式。
Erik:听起来您对东芝的 IIS 方面的技术更感兴趣。但是当涉及到销售设备时,您是否看到那里采用了新的商业模式,物理设备也更多地作为服务销售?如果你有预测性维护和机器智能,你可以说,嗯,它有点像喷气发动机。我们会为你管理它,你付钱给我们。您是否看到这些模型被大量采用?
丹尼尔:我们在非常非常高价值的硬件上看到了更多,更是如此。像喷气发动机一样非常非常昂贵的东西。我们正在看到这些商业模式的推出。但不是那么贵的东西。也许建筑物的 UPS 可能仍然是一次固定购买。也许如果它是整个区域的 UPS 系统,例如,大型制造厂的几座建筑物,这是一个可行的选择。将其作为服务运行。然后服务合同包含在其中。因此,当出现设备中断或其他情况时,会立即进行处理。
埃里克:是的,很迷人。对我来说,这是整个旅程中最有趣的部分之一。你真的可以重新思考企业的运作方式,组织之间的互动方式。我记得IIC。我不知道这是否取得了进展。但我认为他们在弗劳恩霍夫和——我忘记了之间有一个试验台。这是韩国的一个组织,它是——我忘记了这里的名字。但正是在这个试验台上,您可以在世界各地拥有供应商。您可以了解他们的能力。然后你可以创建一个在线平台,你可以在其中说,我想买这个。你确切地知道谁可以生产它,谁有能力,谁有合适的能力。你还记得那个吗?
丹尼尔:我愿意。它仍然处于活动状态。实际上,它是制造即服务,您可以在其中构建产品,然后找到具有不同能力的不同制造商。也许一家制造商在做 CNC 工作,而另一家则在做 3D 打印工作。这是非常活跃的。 Fraunhofer 实际上已经对该服务进行了演示。韩国工业 4.0 试图描绘德国正在做的事情。它仍然非常活跃。他们最近刚刚发布了一些东西。如果我有链接,我会发给你。但是,是的,非常活跃。很有意思。
埃里克:是的。伟大的。好吧,丹尼尔,感谢您抽出宝贵时间与我们分享。我认为你在东芝和 IIC 都做得很好。我非常感谢您抽出时间与我们分享您的经验。
丹尼尔:我很感激。非常感谢,埃里克。