2018中國智能製造重點部署及未來發展

編者按：智能製造已成為全球價值鏈重構和國際分工格局調整背景下各國的重要選擇。發達國家紛紛加大製造業迴流力度，提升製造業在國民經濟中的戰略地位。亞洲作為製造業重要區域也在積極部署自動化、智能化，其中中國是亞洲智能化轉型的重要力量。日前，諮詢公司德勤（Deloitte）發布報告《2018中國智能製造》，對中國智能製造發展情況、重點部署進行總結分析，並對未來發展趨勢及問題進行探討。「創新研究」微信公眾號對該報告主要觀點及數據進行摘編，以饗讀者。

一、中國智能製造進入高速成長期

中國是亞洲智能化轉型的重要力量。政府加強智能製造頂層設計，開展試點示範和標準體系建設；企業加快數字化轉型，提升系統解決方案能力。中國智能製造取得明顯成效，進入高速成長期。中國智能製造成長期主要體現在三個方面，如圖1所示：

圖1 中國智能製造成長期主要特徵

1. 數字化能力素質提升

根據國際普遍認可的工業4.0發展路徑，企業智能化程度可分為六個階段，如圖2所示：

圖2 工業4.0發展路徑

據德勤調查顯示，81%的受訪企業已完成計算機化階段，其中41%處於連接階段，28%處於可視階段，9%處於透明階段，而預測和自適應階段的企業各自佔2%。

2. 智能製造利潤貢獻顯著提升

據德勤調查顯示，2013年智能製造為企業帶來的利潤並不明顯，55%的受訪企業其智能製造產品和服務凈利潤貢獻率處於0-10%的區間，而2017年，僅11%的受訪企業處於這個區間，而41%的企業其智能製造利潤貢獻率在11-30%之間。利潤貢獻率超過50%的企業，由2013年受訪企業佔比14%提升到2017年的33%（見圖3）。

圖3 智能製造產品和服務利潤貢獻率顯著提升

3. 應用市場潛力

中國已連續六年為工業機器人第一消費大國。國際機器人聯盟（International Federation of Robotics, IFR）數據顯示，中國工業機器人市場規模在2017年為42億美元，全球佔比27%，2020年將擴大到59億美元。

德勤對中國市場優勢進行分析發現，主要有個兩方面：一是數據量，由於中國的人口數量和設備數量龐大，中國企業在獲取數據方面具有天然優勢；二是中國製造業企業硬體設備和廠房相對歐美企業普遍較新，比較容易實現設備連接和廠房改造。

圖4 全球主要市場工業機器人銷量

二、智能製造部署重點

德勤調查發現，中國工業企業智能製造五大部署重點依次為：數字化工廠（63%）、設備及用戶價值深挖（62%）、工業物聯網（48%）、重構商業模式（36%）以及人工智慧（見圖5）。

圖5 受訪企業智能製造部署重點領域

1. 數字化工廠

智能製造是以製造環節的智能化為核心，以端到端數據流為基礎，以數字作為核心驅動力，因此數字化工廠被企業列為智能製造部署的首要任務。

目前企業數字化工厂部署以打通生產到執行的數據流為主要任務，而產品數據流和供應鏈數據流提升空間大。打通數據流主要包括三類數據的連通，如圖6所示：

圖6 三類數據連通

（1）生產流程數據：打通生產流程數據除了從生產計划到執行的數據流（如ERP到MES），還包括MES與控制設備和監視設備之間的數據流，現場設備與控制設備之間的數據流，以及MES與現場設備之間的數據流等。

（2）產品數據流：打通產品數據流主要體現在產品全生命周期數字一體化和產品全生命周期可追溯。產品全生命周期數字一體化以縮短研發周期為核心，主要應用於模型定義（MBD）技術進行產品研發、建設產品全生命周期管理系統（PLM）等。

（3）供應鏈數據流：打通供應鏈數據流主要體現在供應鏈上下游協同優化，實現網路協同製造。主要應用是建設跨企業製造資源協同平台，實現企業間研發、管理和服務系統的集成和對接，為介入企業提供研發設計、運營管理、數據分析、知識管理、信息安全等服務，開展製造服務和資源的動態分析和柔性配置。

2. 設備和用戶價值深度挖掘

德勤智能製造調研結果顯示，設備和用戶價值深度挖掘是企業智能製造部署第二重點領域。62%的受訪企業正積極部署設備和用戶價值深度挖掘，其中41%的企業側重設備價值挖掘，21%的企業側重用戶價值挖掘。

圍繞設備進行價值挖掘可以說是製造型企業的天性。而在用戶價值深度挖掘方面，雖然起步較晚，但製造型企業也在探索和嘗試。其中，以C2M(customer-to-manufactory，客戶到製造)最受矚目。

3. 工業物聯網

智能製造要求製造系統具備感知、分析、決策和執行的能力，而這些能力的核心均涉及物聯網相關技術，如面向感知的物聯網技術（感測器、RFID、新片）、面向分析的工業大數據分析和面向決策及服務的應用平台。

德勤調研結果顯示，目前中國製造企業物聯網應用以感知為重點，分析和服務交融將是未來物聯網建設重點。受訪企業普遍建立系統以感測器採集動態數據，但數據分析和平台應用相對滯後（見圖7）。

圖7 不同行業受訪企業典型物聯網相關技術應用情況

感知僅是物聯網應用的初級階段，以數據洞察指導行動，從而提高效率，或者與服務交融創造新價值，才是物聯網的核心。雲平台通過提供強大的數據傳輸、存儲和處理能力，幫助製造企業採集和處理大量數據。但企業擔心雲平台的信息安全、知識產權等問題，同時很多企業尚未明確工業雲在企業層面的商業應用和相關能力欠缺，導致中國製造企業雲部署積極性不高。

德勤調研發現，53%的受訪製造企業尚未部署工業雲，47%的企業正在進行工業雲部署，其中27%的部署私有雲，14%部署公有雲，6%部署混合雲。

4. 重構未來商業模式

智能製造不僅能夠幫助製造型企業實現降本增效，也賦予企業重新思考價值定位和重構商業模式的契機。

德勤調研發現企業對未來商業模式的規劃大致呈四類：30%的受訪企業未來商業模式將以平台為核心，26%的企業走規模化定製模式，24%以「產品+服務」為核心向解決方案商轉型，12%以知識產權為核心（見圖8）。

圖8 受訪企業未來商業模式定位

不同商業模式的價值定位和價值創造方式不同，所面臨的挑戰也不盡相同（見表1）。

表1 不同商業模式特點及挑戰

5. 人工智慧

人工智慧對製造業的影響主要來自兩方面：一是在製造和管理流程中運用人工智慧提高產品質量和生產效率；二是對現有產品與服務的徹底顛覆。

德勤調研發現，51%的受訪企業在製造和管理流程中運用人工智慧，46%的受訪企業在產品和服務領域已經或計劃部署人工智慧。對於尚未部署人工智慧的製造企業來說，缺乏投資人工智慧的商業論證、尚不具備建立和支持人工智慧的系統能力、尚不明確部署人工智慧的前提為主要挑戰（見圖9）。

圖9 受訪企業尚未部署人工智慧的主要原因

人工智慧正在迅速滲透各行各業。汽車及汽車零部件製造、高端裝備製造、電子及電器製造三個行業在製造流程中採用機器人的比例過半。在產品和服務領域已經或計劃部署人工智慧的行業分布比較均勻（見圖10）。

圖10 不同行業受訪企業人工智慧應用及部署情況

三、跨越能力鴻溝

重構商業模式是一項複雜艱巨的任務，德勤請企業就實現構想中的商業模式所面臨的能力鴻溝進行打分。綜合來看，商業模式優化、創新管理以及雲部署為企業能力建設三大關鍵任務（見圖11）。

圖11 受訪企業能力鴻溝

1. 商業模式優化

企業需要運用行之有效的方法和工具，從四個工作流程環節入手優化商業模式。一是企業轉型整編：挖掘可以整體改動或局部改進的待優化環節；二是重新配置信息技術系統：需要探索、設計與實施基礎設施及信息技術系統的改進；三是重新調配人員：側重於設計和實施人員調度，以及包括制定新的關鍵績效指標及彙報關係；四是重組法律、財務及稅務架構。

2. 創新管理

創新管理目標包括優化創新產品管理、優化生命周期成本、優化資本使用效率和優化風險管理。值得注意的是，單純的產品創新管理並不能令企業長久保持競爭優勢。組合多種創新類型可以幫助公司擁有更好的財務回報。雖然公司的績效不能全部歸功於創新，但創新有助於提升一家公司的機制，包括投資者對它的未來預期。

3. 雲部署

僅把數據和應用轉移到雲上是遠遠不夠的。企業需要長遠規劃，分布執行。企業還需要充分考慮人力資源和數字化程度如何與雲部署結合。

本文摘編自德勤《中國製造 行穩致遠——2018中國智能製造報告》

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！