數字化轉型白皮書:數智技術驅動智能制造

發布時間:2021-07-10 點擊:603次

(一)智能制造的定義和內涵

  智能制造源于人工智能的研究和應用,其概念最早由美國賴特·伯恩在著作《Smart Manufacturing》中提出,將“智能制造”定義為“通過集成知識工程、制造軟件系統、機 器人視覺和機器人控制來對制造技工們與專家知識進行建模,以使智能機器能夠在沒有人工 干預的情況下進行小批量生產”。20 世紀 90 年代,隨著主要發達國家投入重視和研究,“智 能制造”概念得到進一步發展,由原先的單體智能化轉向智能機器與智能生產活動的有機融 合。

  21 世紀以來,隨著人工智能、大數據、云計算、物聯網等新一代信息技術的快速發展及應 用,“智能制造”概念進一步深化。 根據我國工信部 2016 年出臺的《智能制造發展規劃 (2016-2020 年)》中定義,“智能制造是基于新一代信息技術與先進制造技術深度融合, 貫穿于設計、生產、管理、服務等制造活動各個環節,具有自感知、自決策、自執行、自適 應、自學習等特征,旨在提高制造業質量、效益和核心競爭力的先進生產方式?!?014 年, 美國能源部將“智能制造”定義為,“智能制造是先進傳感、儀器、監測、控制和過程優化 的技術和實踐的組合,它們將信息和通信技術與制造環境融合在一起,實現工廠和企業中能 量、生產率、成本的實時管理?!?/span>

  無論從哪個視角出發,今天各國對“智能制造”的理解都不再局限于生產過程或單體智能, 而是擴展到產業價值鏈的各個環節、包含企業活動的方方面面,也不再單方面強調數智技術 本身的應用價值,而是更加重視數智技術與先進制造等跨領域技術的深度融合和實踐創新。

  由全新定義出發,智能制造在實踐中的運用和滲透將幫助企業實現在產品、生產、管理和服務四大方面的智能化升級。

  產品智能化:即是將傳感器、處理器、存儲器、通信模塊、傳輸系統嵌入產品,使得產品具 備動態存儲、感知和通信能力,成為物聯網連接的終端,從而實現產品“可追溯、可識別、 可定位”功能。根據 Transforma Insights 研究顯示,到 2030 年這些物聯網終端數量將增 長到 241 億個,復合年增長率為 11%。

  制造智能化:包括制造載體智能化和制造過程智能化兩個層面:制造載體智能化,包括單機 智能化,以及單機設備的互聯而形成的智能制造單元、智能產線、智能車間、智能工廠等; 制造過程智能化,則是通過數智技術和先進制造技術的融合應用,使得制造過程中所涉及的 各個流程、生產要素以及上下游企業,以用戶價值為中心,實現網絡化協同和柔性化生產。

  管理智能化:隨著技術融合不斷深入,制造企業獲取數據的實時性、完整性、準確性不斷提 高,結合智能化分析技術可以幫助企業提升資源管理、能源管理、供應鏈管理、訂單管理、 設備管理等方面的決策效率,變被動管理為主動管理和預防性管理,使得管理更準確、更高 效、更智能。

  服務智能化:在產品智能化的基礎上,企業與終端用戶交互更為直接,為用戶提供更好的服務體驗將成為智能制造的重要組成和價值增量,越來越多的制造企業將從生產型制造向服務 型制造轉型,制造與服務的邊界逐漸消弭。

  (二)智能制造發展驅動因素

  制造業升級是所有制造業大國面臨的共同課題,主要目標都是在于通過數智技術創新和應用 來提升國家制造業競爭實力,克服逐漸上漲的人力成本,將制造業留在本國的同時,保持自 身制造業優勢,但由于各國制造業基礎和優勢不同,在發展智能制造的核心訴求和戰略重心 上各有差異。

  美國自二戰后面臨制造業空心化問題比較嚴重,通過發展智能制造引領制造業復興是美國的 主要訴求,而美國制造業信息化全球領先,尤其在工業軟件和互聯網方面獨占鰲頭,因此其 戰略重點主要關注生產設計、服務等價值鏈環節,強調智能設備與軟件的集成和大數據分析。 德國工業自動化領域全球領先,精密制造能力強,高端裝備可靠性水平高,國家戰略著眼通 過 CPS(Cyber-Physical Systems,信息物理系統)推進智能制造,希望通過數字化創新與 工業制造的融合發展來鞏固、捍衛國家工業技術主權。 日本制造業注重提高產品質量和技術創新,牢牢占據產業鏈高端位置。由于日本社會面臨老 齡化和少子化問題比較嚴重,發展智能制造主要以解決問題為導向,戰略側重引導產業智能 化成果融入到社會生活的方方面面,以此來支撐日本社會的結構化轉型,打造“超智慧社會”。 中國近年來從頂層規劃到行動計劃不斷發布各種利好政策來推動智能制造發展,背后的驅動 力主要源自供給側問題和需求側變化兩大因素。

  從供給側看,中國制造雖體量大,但在長期競爭中卻面臨“大而不強”的現實局面,具體體現在以下四個方面:

  一是中國制造綜合成本的相對優勢正逐漸變小。除用工成本外,能源使用成本、土地成本、 融資成本都在不斷上漲。波士頓咨詢曾比較 25 家出口經濟體的制造業成本指數顯示,中國 制造業綜合成本已與美國基本相當。



      二是我國產能過剩問題較為嚴重。根據專家測算,我國產能利用效率低于 79%~83%的正常 值范圍,反映出我國供需兩側適配度有待提升,整體生產效率較低的現狀。



  三是我國制造業主要處于低利潤率的加工制造環節,技術含量和附加值不高,亟待向產業鏈 高端升級;同時,由于產業鏈上游的基礎材料、關鍵元器件、先進基礎工藝和產業技術基礎 較為缺失,產業缺乏自上而下自主化體系,在國際局勢錯綜復雜、不確定因素增加的大環境 下,產業鏈供應鏈穩定正面臨挑戰。

  四是我國制造業發展對能源資源依賴度較高,過往粗放型生產對環境的破壞性較大。據世界 銀行 2017 年數據統計,我國單位 GDP 能耗約為世界平均水平的 1.53 倍,其中工業制造占 全國碳排放總量的 70%以上,面臨主動控制碳排放和 2030 碳達峰的新形勢,制造業未來 發展將受能源環境要素的約束越來越緊。

  從需求側看,消費市場呈現不可逆的兩大趨勢:一是用戶越來越重視消費體驗和產品服務、 強調個性化需求,驅動制造企業生產方式向定制化方向轉變;二是用戶求新求快的需求變化 要求制造企業縮短產品創新和制造周期,敏捷響應市場瞬息變化趨勢。 整體上看,在供給側上所積累的各種問題,以及需求側的變化趨勢,都是驅動我國大力發展 智能制造的主要動力,這和其他國家智能制造戰略的核心訴求形成本質區別。

  (三)智能制造核心價值

  從驅動因素出發,總結中國發展智能制造的五大核心價值:

  一是降低制造企業的綜合成本。例如,通過機器代人或人機協同方式提高勞動生產效率,減 少人工成本;利用視覺算法等手段提升檢測一致性和穩定性,降低產品不良品率,減少因質 量問題造成的經濟損失;物聯網、大數據、區塊鏈等技術應用加速產融結合,精準刻畫企業 經營行為、評估企業資產狀況,為供應鏈企業提供更低價格的信貸資金;依據市場數據反饋 合理安排要素投入,減少物料浪費,或施行智能庫存管理來降低倉儲成本等。

  二是提質增效。例如,數據驅動代替經驗判斷,全面優化生產流程,改善制造工藝,提高生 產效率;科學高效排產,提高設備利用率;集成數智技術提高生產執行精度,確保產品質量。

  三是減少能源資源消耗。例如,通過物聯網連接設備可以實時在線監測和控制能源和資源使 用情況,提高能源資源利用效率;利用智能化節能減排設備或解決方案替換落后產能和生產 工藝,實現綠色生產。

  四是提升用戶體驗。例如,數智技術應用打通產業鏈上下游,實現需求端與設計端、制造端 的直接對接,對復雜的市場動態進行數據分析和預測,準確把握市場機會,快速進行產品創 新,實現敏捷制造和精益生產,響應市場變化和用戶個性化需求;通過在價值鏈各個環節增 加與用戶交互節點,鼓勵用戶全程參與產品生產過程,為用戶的最佳體驗不斷迭代產品,提 升產品附加價值;基于產品智能化,通過與環境、用戶交互,產品可自動回傳運行和環境數 據,通過數據監控和分析,為用戶提供遠程的預防性運維服務。

  五是重塑生產方式。數智技術和先進制造技術的融合應用將會帶來生產模式的創新和變革, 推動傳統制造企業從大規模生產向定制化生產轉變,企業從單純的制造商向服務端衍生,而 價值創造過程也將從傳統單向鏈式過程轉向網絡化協同共創模式。

  第二章 數智技術引領制造“智”升級

  (一)走進“數智技術”

  信息技術是包括信息從采集、傳輸、存儲、分析、反饋這五大環節所有技術要素的總稱,五 個環節組成信息產業的閉環,每個環節的技術進步都會推動整個行業應用生態螺旋式先上發 展。

  數智技術即是推動智能時代信息產業發展的技術集合,包括更低成本的信息采集設備,高帶 寬低延時的 5G 傳輸技術、萬物互聯的 IoT 技術、大容量存儲和高性能計算的云服務,以及 對海量信息高效分析的人工智能技術等,它們與制造技術融合應用推動制造業數字化轉型進 程,引領制造業完成“智”升級的戰略目標。 換句話說,整合數智技術完成信息從采集、傳輸、存儲、分析到反饋的閉環流程是實現智能 制造的前置條件之一。 走完智能制造信息閉環主要經歷三大階段——數字化、網絡化和智能化:一是利用信息采集 技術,包括 MEMS 傳感器、智能攝像頭、智能終端等感知設備實現物理世界數字化過程;二是結合 5G、物聯網等通信傳輸技術完成不同節點間低成本的高效連接和交互,加速數據 的流通和共享;三是基于云邊計算和人工智能技術,進行低成本存儲、處理海量數據資源, 并通過智能化分析形成一系列決策指令,以指導價值鏈各環節的企業活動。其中,每一階段 的完成程度決定下一階段技術的應用價值,換句話說,數字化和網絡化是企業實現智能化的 必要前提。

  另一前置條件是數智技術與制造技術的雙向融合?!爸圃斓谋举|是發現問題、了解問題,在此過程中獲取信息,并將其抽象化為知識,再利用 知識去認識、解決和避免問題的過程。了解和解決問題的方式決定了所獲取知識的形式,而 將知識抽象加以運用的過程則決定了知識傳承的形式。1”由上可知,智能制造是在數據驅 動下完成“獲取信息、抽象知識、形成認知到解決問題”的過程 ??梢?,數據是獲取知識 的基本要素,洞察關鍵數據的內在關系是形成決策的前提,這就要求企業在數智技術應用中 要融合對制造技術的認知,深刻了解生產工藝特點、掌握制造流程變化,才能進行高質、高 效的數據采集和積累,在此基礎上才能真正走完上述信息閉環。

  (二)數智技術:價值與挑戰

  由數據驅動代替經驗驅動已成為產業數字化轉型的共識。如果將數據視為智能時代的“新石 油”,那么數智技術即是鉆取和提煉“石油”價值的“煉油工廠”,使用數智技術廣泛獲取數 據,進行深度學習,將海量原始數據加工為知識,并轉化為決策或行動來指導企業運行。

  數智技術是推動產業數字化轉型不可或缺的關鍵技術,其應用價值主要體現在三個方面:

  決策更及時:實時獲取場景/業務數據的自動反饋,結合智能化分析進行動態預測,代替人工經驗判斷,提升決策的準確性和及時性,例如基于設備狀態實時分析的故障預測和健康管 理,或基于在線用戶數據的需求預測,加速產品創新和迭代周期等。

  運營更精細:隨著產業數字化進程加速,所獲取的數據顆粒度越來越細、數據維度也更加豐 富,由數據驅動的企業運營、管理會更加精細,例如基于用戶畫像的精準營銷,或對能源使 用的實時監測和控制等。

  應用更智能:智能化設備/應用輔助或取代人工崗位,并在應用過程中進行算法的自我迭代 和優化,不斷提高決策水平,例如基于機器視覺的產品缺陷監測等。

  盡管數智技術對產業數字化轉型的意義匪淺,但在實際落地過程中仍然存在一定挑戰:

  數字化程度低,信息閉環難閉合:數據資產的積累是產業數字化轉型的重要前提,如何持續 獲取數據,并將分布在不同系統、組織內的數據打通融合是企業數字化轉型的首要命題。目 前,多數企業(尤其是中小企業)受限于資金和人才匱乏,對數智技術投入不足,導致企業 數字化水平低,缺乏完善的信息網絡基礎設施;此外,由于缺少統一標準、接口和編碼體系, 使得企業內外“數據孤島”叢立,無法實現互通、共享,導致企業使用數據規模、種類有限, 信息閉環難閉合,海量數據的資產價值無法得到充分發揮。

  跨界融合難度大,復合型人才缺乏:數字化轉型實際上是利用數智技術對企業流程再造的過 程,需要既具備良好的數智技術素養,又能夠了解產業技術和發展規律的復合型人才。據清 華大學互聯網發展和治理研究中心 2020 年對全球 ICT 人才調研統計,當前我國數智技術人 才主要集中于科技行業,缺乏產業經驗和實踐背景,而產業 IT 人員總體對數智技術的認知 不深,難以支撐產業數字化轉型需要。根據人力資源與社會保障部數據分析,2025 年智能 制造領域人才需求為 900 萬人,人才缺口預計達到 450 萬人。

  不同產業差異大,規模效應難一朝形成:由于不同產業或產業中不同領域、不同企業之間存 在技術、流程等差異巨大,數智技術在產業中的深入滲透須結合具體場景進行定制化開發, 尚不存在一套放之四海而皆準的解決方案,這使得數智技術在產業互聯網中的應用很難像在 消費互聯網時代一樣,短期建立規模效應、獲取巨大收益,而是需要與產業合作共進,在垂 直領域中不斷積累解決問題的通用能力。

  網絡安全問題不容忽視:隨著數智技術的應用推廣,網絡安全問題將成為數字化轉型過程中 面臨的重要挑戰。一方面,傳統網絡安全系統跟不上數智技術應用和創新步伐;另一方面, 數字化轉型帶來信息節點和信息總量爆發式增長,使得網絡攻擊的潛在損失“指數級”放大, 對網絡安全技術提出更高要求。

  (三)數智技術驅動下的智能制造

  3.1 智能制造的核心特征

  對于制造業而言,數字化轉型是利用數智技術進行全方位、全周期、全鏈條的改造過程。以 智能制造為主攻方向,通過深化數智技術在產品、生產、管理和服務等諸多環節的應用,與 制造技術雙向融合加快企業以及產業層面的數字化、網絡化、智能化步伐,不斷釋放數智技 術的應用價值,是現代制造業實現高質、高效、綠色發展的重要途徑。

  數智技術驅動下的智能制造主要表現為兩大核心特征:一是虛實融合,二是網絡化協同。

  特征一:虛實融合,即物理空間在信息空間的完全映射,信息在兩個空間中交互和融合,由 統一“軟件”平臺協調和安排資源、能源、時間的最優分配,并在反饋中不斷升級。

  回溯工業革命發展歷程,在機械化生產時期,信息技術尚未出現,所有生產要素都集中在物 理空間中發生;到了電氣化生產時期,機器大規模生產拓展了實體要素發生的物理空間,從 小作坊變成了大工廠。

  伴隨信息技術發展以及在制造領域的深入應用,相對于物理空間中的實體要素外,信息/數 據作為新生產要素,在企業活動中扮演越來越重要的角色。 在自動化生產時期,傳感器、控制器(PLC)和執行器形成緊耦合的控制信息環,系統性地 部署在各個機械零部件之上,從而形成依附于設備的“封閉式”信息空間,通過對信息要素 的采集、計算,進而操控物理空間中相連機器部件的自動化運作。 進入智能制造時期,數智技術應用將不同物理空間的實體要素在同一信息空間進行“全要素” 映射和重建,形成具有感知、分析、決策、執行能力的數字孿生體,從而實現物理空間和信 息空間在更廣范圍、更深層次的交互融合,創造出一個虛實合一的制造系統,并通過統一“軟 件”平臺進行要素資源的動態配置。

  這里需要強調的是,由于人工智能技術的應用,機器算法將替代人的決策過程,形成對資源、能源、時間等生產要素的動態配置,并在數據反饋中不斷優化算法精度,提升決策水平,即 智能制造系統相對傳統制造具備自感知、自學習、自決策、自執行和自適應能力。

  特征二:網絡化協同,即通過建立統一“對話”標準,打通分散于不同層級、環節、組織的 “數據孤島”,讓數據在不同系統間自由流動,從而實現企業制造各層級(縱向),及產業鏈 上各環節(橫向)的互聯互通和協同化生產。

  具體來說,一是通過打通企業層、執行層、設備層的縱向數據鏈,實現研發數據、制造數據 向生產現場、制造設備的實時傳遞和處理,企業內部不同系統層級間無縫連接,推動企業的 精細化運營和柔性化生產;二是橫向打通企業內部以及產業鏈上下游不同企業間的業務數據 共享,使得包括研發設計、物料采購、生產制造、營銷銷售、物流倉儲、產品服務等環節中 每個企業組織,都可以根據全產業鏈的共享信息進行資源調配、方案優化,靈活組織生產去 迎合市場變化,縮短產品制造和創新周期。

  通過縱向和橫向數據打通,最終實現設備、車間、工廠、流程、物料、人員乃至產業鏈價值 鏈各個節點的全面互聯,使得價值傳遞過程從傳統制造單向鏈式轉向并發式協同,通過實時數據感知、傳送、分析和處理,圍繞用戶需求和產品全生命周期,進行資源動態配置和網絡 化協同,從而最大限度地實現個性化定制。

  3.2 智能制造的系統架構

  基于兩大核心特征,我們再去理解企業智能制造的系統架構。

  底層的虛實融合,即是通過信息基礎設施的建設,將包括制造載體和制造過程在內的物理空 間所有生產要素、供應鏈環節、工藝流程、管理活動等進行數字化,并通過網絡連接和傳輸 匯聚到統一數據平臺之上,再結合智能化分析技術深度挖掘數據價值,對內賦能諸如能源、 資源、供應鏈、訂單等企業內部管理平臺,提高企業管理和運營效率;對外可以通過工業應 用開發平臺面向第三方開發者開放,結合應用端需求進行工業應用定制化開發,也可以將企 業能力/資源經過沉淀后,以工業服務微組件庫形式開放給諸如金融機構、物流、電商等產 業鏈上下游企業使用,通過協同合作方式提高整體產業的資源配置效率,響應終端用戶需求 變化。

  第三章 智能制造重構產業未來

  (一)智能制造發展現狀

  在數智技術發展和產業政策紅利的雙重推動,中國智能制造進入快速發展階段。

  投融資市場穩步增長。自 2015 年《中國智能制造 2025》政策發布后,智能制造相關投資 開始增多,2020 年我國智能制造行業投融資金額為 252.61 億美元,總體融資額較 2019 年 有大幅上漲;2020 年雖然融資件數相對減少,但單筆融資金額有所增加,反映資本開始向 頭部優秀企業集中。根據政府報告統計,“十三五”以來,通過試點示范應用、系統解決方案供應商培育、標準 體系建設等多措并舉,我國制造業數字化網絡化智能化水平顯著提升。



  供給能力不斷提升,智能制造裝備國內市場滿足率超過 50%,主營業務收入超 10 億元的 系統解決方案供應商達 43 家。支撐體系逐步完善,構建了國際先行的標準體系,發布國家 標準 285 項,主導制定國際標準 28 項;培育具有一定影響力的工業互聯網平臺 70 余個。推廣應用成效明顯,試點示范項目生產效率平均提高 45%、產品研制周期平均縮短 35%、 產品不良品率平均降低 35%,涌現出離散型智能制造、流程型智能制造、網絡協同制造、 大規模個性化定制、遠程運維服務等新模式新業態。2據前瞻研究院統計,2020 年我國智能 制造業產值規模達到 2.5 萬億元。

  中國智能制造發展前景向好,但與發達國家相比我國仍存在較大差距,主要體現在以下幾 個方面:

  一是關鍵技術、核心零部件/裝備、高端工業軟件受制于人。我國近 90%的芯片、70%的 工業機器人、80%的高檔數控機床和 80%以上的核心工業軟件依賴進口3,造成國內制造 企業智能化改造成本居高不下,制約我國智能制造的整體進展。以工業軟件為例,我國飛 機、船舶、冶金、化工、生物醫藥、電子信息制造等重點領域長期依賴國外工業軟件,其 中 EDA 基本被美國 Cadence、Mentor 和 Synopsys 壟斷,CAE/CAD 主要被美國 ANSYS、德國 SIMENS、法國 DS Simul 等把控。

  二是系統集成能力相對不足。我國智能制造系統解決方案供給能力不足,業務形式多是從 國外購買機器人整機,再根據不同需求,制訂解決方案,缺少像西門子、GE 一樣的具有較 強競爭力的系統集成商。

  三是中小制造企業信息化基礎薄弱,難以融入智能化浪潮。中小企業構成我國工業制造主 體,由于信息化基礎薄弱、自有資金不足、相關人才匱乏等多方面因素,數字化轉型面臨 極大的試錯成本和不可控風險,行業內大中小企業間存在較大的“數字鴻溝”。如果以德國 工業 4.0 為參照系,當前我國制造業整體還處于工業 2.0 階段,部分企業在向 3.0 階段邁 進。

  (二)智能制造發展趨勢

  2.1 趨勢一:以數據為驅動的生產柔性化

  柔性生產的本質是對資源要素進行快速重構以響應新的制造需求,而智能制造系統將資源 要素及其過程狀態轉化為數字化信息,并通過算法優化的方式對這些資源要素進行高效配 置,從而實現以數據為驅動的柔性化生產。

  例如,在產品研發環節,企業實時獲取終端用戶交互數據,通過分析預測實現“以需定 產”;在產品制造環節,通過物聯網、傳感器收集全生產過程的實時數據,并整合來自上下 游和用戶的數據信息,傳輸到工業互聯網數據平臺,人工智能再依托數據進行智能分析, 最終制定出最佳生產方案,并將指令傳遞至制造一線實現柔性化生產。

  智能制造帶動柔性化生產趨勢在消費品制造領域表現的尤為明顯,因為消費制造領域離用 戶最近,對于汽車、3C 產品、服裝、食品等具備“少批量、多品種、定制化”特征的制造 企業,進行智能化升級的主要目標之一即是實現柔性化生產,從而可以快速、準確地滿足終端用戶個性化需求,而由消費品制造領域引領的智能化浪潮繼而往上游各環節逐級傳 導,進而帶動整個產業鏈基于數據驅動的柔性化生產趨勢。

  2.2 趨勢二:以平臺為支撐的工業互聯化

  越來越多的產業龍頭以及互聯網巨頭企業都在加大工業互聯網投入,除了加快自身數字化 轉型外,這些企業通過平臺建設將各自關于智能制造的實踐經驗和能力稟賦開放賦能給同 領域的中小企業,以及產業鏈上下游相關主體,形成對整個產業智能化升級的重要支撐。

  根據工信部統計數據顯示,目前我國工業互聯網已廣泛應用于鋼鐵、工程機械、航空航 天、家電、電力、港口、能源等多個行業,具有一定行業影響力的工業互聯網平臺超過 70 家,例如徐工信息的 Xrea 平臺、海爾的 COSMOPlat 平臺、用友軟件的精智平臺、中國 電信的天翼云工業互聯網平臺、阿里云的 supET 平臺等。

  這些平臺匯聚共享了設計、生產、物流等通用資源,有效整合了產品研發、生產制造、運 營管理和服務等數據資源,面向垂直領域內的中小企業提供“低成本、快部署、易運維和 強安全”的輕量化應用,大幅降低使用門檻和智能化改造成本,加快中小企業數字化轉型 進程,從而實現平臺上企業間的連接協同和數據共享,推動整體產業智能化升級進程。

  2.3 趨勢三:以用戶為中心的智造服務化

  制造業和服務業的融合是智能制造發展的主要趨勢之一。在智能制造視角下,嵌入數智技 術的智能化產品,可以感知周邊環境變化,并通過與用戶、環境的不斷交互,向企業平臺 自動回傳運行數據和狀態信息,結合智能化分析,企業可實時掌握產品使用情況和用戶需 求變化,并及時做出反應,主動為用戶提供高附加值的服務體驗,通過“硬件產品+軟件系統+增值服務”模式來滿足用戶的個性化、多樣化需求,創造全新的價值空間。 產品遠程運維服務即是典型的制造企業智能化服務模式,企業利用數智技術,對正在使用 的智能產品的設備狀態、作業操作、環境情況等多維數據進行實時采集和回傳,基于上述 數據的分析結果為用戶提供產品的日常運行維護、預測性維護、故障預警、診斷和修復、 遠程升級等服務。

  (三)智能制造產業生態

  推進智能制造是一個長期的、漸進的過程,除面臨人才、網絡安全、技術標準等共性問題外, 我國還面臨智能制造裝備可靠性差,關鍵技術受制于人,核心零部件、工業軟件主要依賴進 口,系統集成能力不足,以及整體制造業信息基礎設施薄弱等諸多挑戰,只有主動適應智能 制造發展趨勢,積極發揮政府引導作用,并以企業為主體,促進“產學研用”四方聯動加快 培育智能制造產業生態,才能推動智能制造高質量發展。

  3.1 創設新型創新載體,強化“智”造新動能

  通過建設一批國家和省級制造業創新中心等載體,開展關鍵共性技術研發,加快構建智能制 造創新體系,為智能制造產業生態發展“智”造新動能。 制造業創新中心是“由企業、科研院所、高校等各類創新主體自愿組合、自主結合,以企業 為主體,以獨立法人形式建立的新型創新載體”。其目的是“完成技術開發到轉移擴散和首 次商業化應用的創新鏈條各環節的活動,打造跨界協同的創新生態系統?!?2016 年以來,工信息部先后出臺《制造業創新中心建設工程實施指南(2016-2020 年)》、 《關于完善制造業創新體系,推進制造業創新中心建設的指導意見》、《省級制造業創新中心 升級為國家制造業創新中心條件》、《國家制造業創新中心考核評估管理辦法(暫行)》、《國家 制造業創新中心建設領域總體布局(2018 年新增)》等指導性文件,逐步形成了制造業創新 中心頂層設計的政策體系,對制造業創新中心建設的規范性提出了要求。 截至 2020 年,我國已建成 15 家國家制造業創新中心,132 家省級制造業創新中心,主要 聚焦于基礎材料、核心器件、關鍵工藝、重大裝備以及軟件等 5 大關鍵技術領域。

  3.2 開展智能制造應用示范,助力產業“智”升級

  聚焦企業、區域、行業轉型升級需要,圍繞工廠、企業、供應鏈、產業鏈開展多場景、全鏈 條、多層次應用示范,培育推廣智能制造新模式新業態,構建智能制造產業生態,助力產業 “智”升級。

  一是聚焦制造過程關鍵環節,在基礎條件較好、需求迫切的地區和行業,選取行業龍頭企業開展智能場景、智能車間、智能工廠建設示范項目,總結形成有效經驗和模式,再圍繞設計、 研發、生產、物流、服務等全生命周期,遴選確定一批標桿企業,在相關行業移植、推廣所 形成的經驗和模式;同時引導“鏈主”企業建設供應鏈協同平臺,帶動上下游企業同步實施 智能化升級。

  二是滾動遴選跨領域跨行業綜合性工業互聯網平臺作為工業互聯網技術突破、應用賦能的標 桿性代表,同時支持行業/區域平臺發展,建設面向重點行業/區域的特色型工業互聯網平臺, 帶動更多主體參與平臺建設,加快工業互聯網平臺推進進程,發揮平臺向中小企業的賦能作 用,帶動行業整體智能化升級。

  截至目前,工信部發布“雙跨”工業互聯平臺共 15 家,在應用賦能方面,平臺平均注冊用 戶數達到 140 萬個,賦能工業企業共計超過 8 萬家,覆蓋鋼鐵、石化、能源、電力等 10 余 個重點行業;具有一定行業和區域影響力的平臺超過 70 家,連接設備數超過 4000 萬臺套, 工業 APP 數量超過 25 萬個,平臺賦能效應進一步顯現。

  三是培育一批智能制造示范基地、園區、先導區,聚集人才、科研、產業資源,逐步完善智 能制造產業鏈,促進產業規?;?、集聚化發展,并以基地為中心,輻射并帶動一定區域/范 圍內智能制造產業升級。

  3.3 夯實智能制造基礎支撐,做好“智”造新保障

  瞄準智能制造發展趨勢,健全完善標準、信息基礎設施、安全保障等發展基礎,以及加強財 稅金融、人才儲備等要素支持,為智能制造產業生態發展構筑保障。

  “智能制造、標準先行?!睒藴驶ぷ魇菍崿F智能制造的重要技術基礎,包括建設細分領域 行業應用標準體系,加大基礎共性和關鍵技術標準研制力度,以及推進標準推廣應用等。2015 年至今,從我國的智能制造標準體系建設一直根據智能制造發展進程,不斷調整、改 進、完善。根據工信部統計,“十三五”期間,我國已發布 285 項智能制造國家標準,主導 制定 47 項國際標準,涵蓋了企業生產制造的全流程,我國已進入全球智能制造標準體系建 設先進行列。

  “智能制造,數智為基?!卑ㄒ?5G 為代表的網絡基礎設施建設,以及數據中心、智能計 算中心等算力基礎設施建設,是支撐數智技術應用的基礎。但因為投入大、建設周期長,需 要政府帶動并組織社會資源進行先期性、規?;渴鸷徒ㄔO。我國 5G 當前建設規模全球領 先,據工信部數據統計,累計終端連接數已超過了 2 億戶,累計建設開通 5G 基站 71.8 萬 個;算力基礎設施建設加快,但目前制造業使用率較低,約占 3%。

  “智能制造,安全是魂?!?以“虛實融合”及“網絡化協同”為核心特征的智能制造必將面 臨信息和網絡安全挑戰。2016 年我國《網絡安全法》發布,將工控安全確立為國家推進智 能制造的重要前提;2018 年工信部發布《工業控制系統信息安全行動計劃(2018-2020)》, 提出了“一網一庫三平臺”(即在線監測網絡,應急資源庫,仿真測試、信息共享、信息通 報平臺),著力態勢感知、安全防護、應急處置能力支撐體系建設;2019 年工信部等十部門 發布《關于印發加強工業互聯網安全工作的指導意見的通知》,在“設備和控制安全、提升 網絡設施安全、強化平臺安全、建立健全工業 APP 應用前安全檢測機制,強化應用過程中 用戶信息和數據安全保護”四個方面提出建設要求。

  “智能制造,人財兼備?!痹谌瞬殴┙o方面,注重制造和數智產業跨界人才培養,包括推進 產教融合的職業培訓體系,促進從業人員技術和知識結構升級,以及推進新型理工科建設,加強相關學科專業和課程體系建設,完善智能制造關鍵領域的人才梯隊培養。在資金供給方 面,除專項資金支持和定向稅收優惠外,政府鼓勵社會資本參與并加大對智能制造領域的投 資力度,引導金融機構對企業智能化改造提供中長期貸款支持,開發符合智能制造特點的供 應鏈金融、融資租賃等金融創新產品,拓寬融資渠道和降低融資成本。

  3.4 發揮企業主體作用,構建“智”造新生態

  充分發揮企業開展智能制造的主體作用,尤其是龍頭企業在智能制造推廣中的引領和賦能作 用。龍頭企業擁有較強的技術、市場和資金能力,在產業鏈中充當著“鏈主”或系統集成商 的角色,是智能制造產業生態發展的關鍵力量,突出龍頭企業開展集成創新、工程應用、產 業化、試點示范的主體地位,引導和支持它們在實踐中不斷成長壯大,是構建智能制造產業 生態的關鍵。

  同時,以市場需求為導向,以企業為主體,通過“產學研用”結合及開放平臺等形式,最大 程度聚集行業優勢資源,促進創新成果孵化和轉化,推動“智”造生態的可持續生長。例如, 在《“十四五”智能制造發展規劃》中提到的重點任務之一——聯合軟件企業、裝備制造商、 用戶和科研院所合力開發面向細分行業的集成化工業軟件平臺,或系統集成商與用戶交互創 新,開發面向場景需求的解決方案等,即是圍繞該方向的舉措之一。

  第四章 數智技術 X 智能制造實踐

  (一)典型應用案例剖析

  1.1 仿真技術驅動設計 提升研發效率

  仿真技術在制造領域的應用主要是在研發設計環節,將整個制造過程轉移至虛擬環境中進行 “重現”,在虛擬環境中反復試驗最佳結構和配置方案,讓一切工作都可以在制定決策和確 定成本前完成,極大地降低了制造企業研發環節的試錯成本,縮短了研發周期,大幅提高了 產品研發效率。伴隨數智技術的發展,仿真技術的應用場景也在不斷地豐富和拓展,特別是 在高端制造領域,包括航空國防、航天、汽車、裝備制造、電子高科技等,仿真技術的應用 持續深化。

  1.2 智能視覺解放雙手 釋放制造活力

  智能視覺在工業自動化的生產過程中意義重大,具備嵌入智能視覺系統的工業機械臂能夠更 快、更準、更靈活地完成定位、抓取、分揀和裝配等工作,不僅可以將人員從重復性大的危 險、繁重作業中解放出來,提高產線效率,還可以使生產的柔性化程度得到極大提升。目前 主要應用于生產制造和物流領域中。

  1.3 智能視覺檢測 提升產線品控效率

  質量,是制造企業的核心競爭力之一,企業對產品質量的要求越來越高。但是,產品在制造 過程中有時會出現表面缺陷,如何進行高效的質量控制來避免表面瑕疵產生,一直是制造企 業面臨的棘手問題之一。傳統主要通過人工抽檢進行檢測,由于抽檢率低、實時性差,且受 檢測人員經驗、疲勞狀態等主觀因素影響,往往檢測結果穩定性不高,準確性無法保障,易 出現瑕疵漏檢等情況,難以適應高效的生產和質量要求。

  隨著數智技術發展,基于機器視覺的表面缺陷檢測應用得以在實踐中展開,大大提高了產線 品控效率,避免了因作業條件、主觀判斷等因素影響檢測結果的準確性和穩定性,在產品制 造過程中,可以實現對每一環節、每一件產品表面缺陷的實時檢測,更精確、快速的識別產 品表面瑕疵缺陷,同時也節省了制造企業在質檢環節的人工投入,降低了人力成本支出。目 前在電子、包裝、印刷、化工、食品、塑膠、紡織等制造領域廣泛應用。

  1.4 智能運維助力 保障工業設備穩定運行

  智能制造系統高度復雜,對設備的可靠性有很高的要求,相應對于設備維護的要求也會隨之 提高。當前工業制造領域主要依賴人工運維,普遍存在兩大難題: 一是專業運維人才短缺、 成本高,且運維主要依賴人員經驗,可靠性難以保障;二是常遇突發設備故障,致使生產臨 時中斷造成經濟損失。結合數智技術的智能運維,可助力工業制造設備穩定運行,提升對設 備監控的實時性、故障判斷的準確性、維護管理的及時性,以及實現主動預防式維護。

  1.5 工業互聯網平臺賦能 敏捷響應定制化生產

  工業互聯網平臺直接連接生產過程與消費者,能夠支撐低成本的柔性化生產,根據用戶個性 化需求進行規?;ㄖ?,從而改變傳統的標準化設計、大批量生產、同質化消費模式,實現 新的定制化設計、多品種少批量生產、個性化消費的價值創造模式?!靶履J健蹦軌蜓杆俳M 織生產,敏捷響應瞬息的市場變化,有助于企業提高產品的附加價值,增進差異化競爭水平。 海爾的 COSMOPlat 平臺即是定制化生產模式的典型代表。

  (二)數智技術 X 不同制造業領域的實踐差異

  不同制造業領域由于各自特征不同,對于數智技術的應用在實踐過程中會有一定差異。

  對于勞動密集型制造行業來說,低勞動力成本一直以來被視為此類企業的核心競爭力,最典 型的是家電、電子等加工組裝行業,由于近年來人工成本不斷上漲,招工難度愈來愈大,行 業整體利潤被不斷擠壓。因此,該行業智能化升級主要目標在于如何利用數智技術降低生產 對人工的依賴,提高利潤空間,包括減少產線人員部署,以及解決人工造成的各種附加問題, 例如低留存率帶來的高培訓成本、人員不穩定引發的質量損失等。

  對于資本密集型制造行業來說,前期固定資產投入較大,最典型的是汽車制造行業,隨著消 費個性化時代來臨,為迎合需求變化,如何導入數智技術進行智能化產線改良,提高柔性化 制造程度,低成本的進行定制化生產是此類企業智能化升級的核心目標。

  對于技術密集型制造行業,譬如航天航空、生物制藥等,主要依靠技術創新構筑市場競爭壁 壘,一般來說前期的研發成本非常高,且研發周期長,研發風險不可控,此類企業的核心訴 求即是通過引入數智技術來降低研發風險和成本支出,縮短研發周期。

  此外,還有一類市場敏感性制造行業,例如服裝、食品等快消品領域,產品的生命周期很短, 用戶對于相關產品求新求變意識最強,因此,利用數智技術能夠快速洞悉用戶需求,并進行 快速的產品創新、迭代來響應市場變化,是此類企業智能化升級的重要目的。


報告出品方/作者:商湯智能產業研究院

百姓彩票