2018中国智能制造报告

中国智造行稳致远——2018中国智能制造报告德勤工业4.0、数字化制造企业和数字化供应网络系列报告主要发现1一．突破与成长2二．智能制造部署重点62.1数字化工厂72.2设备和用户价值深度挖掘102.3工业物联网102.4重构未来商业模式122.5人工智能14三．跨越能力鸿沟17尾注19关于本次调研20目录中国智造行稳致远|主要发现1主要发现智能制造是基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称1。简而言之，智能制造是由物联网系统支撑的智能产品、智能生产和智能服务。智能制造已经成为全球价值链重构和国际分工格局调整背景下各国的重要选择。发达国家纷纷加大制造业回流力度，提升制造业在国民经济中的战略地位。亚洲作为制造业重要区域也在积极部署自动化、智能化。智能制造发展取得了明显成效，进入高速成长期。中国智能制造进入成长期主要体现在三方面：首先，中国工业企业数字化能力素质提升，为未来制造系统的分析预测和自适应奠定基础。第二、财务效益方面，智能制造对企业的利润贡献率明显提升。第三、典型应用方面，中国已成为工业机器人第一消费大国，需求增长强劲。中国工业企业智能制造五大部署重点依次为：数字化工厂（63%）、设备及用户价值深挖（62%）、工业物联网（48%）、重构商业模式（36%）以及人工智能（21%）。智能制造是以制造环节的智能化为核心，以端到端数据流为基础，以数字作为核心驱动力，因此数字化工厂被企业列为智能制造部署的首要任务。目前企业数字化工厂部署以打通生产到执行的数据流为主要任务，而产品数据流和供应链数据流提升空间大。制造型企业面临愈发激烈的市场竞争和日益透明的产品定价，不得不寻找新的价值来源。德勤智能制造调研结果显示，设备和用户价值深度挖掘是企业智能制造部署第二重点领域。62%的受访企业正积极部署设备和用户价值深度挖掘，其中41%的企业侧重设备价值挖掘，21%的企业侧重用户价值挖掘。中国制造企业云部署积极性不高。53%的受访制造企业尚未部署工业云，47%的企业正在进行工业云部署，其中27%的企业部署私有云，14%部署公有云，6%部署混合云。智能制造不仅能够帮助制造型企业实现降本增效，也赋予企业重新思考价值定位和重构商业模式的契机。德勤调研结果显示，30%的受访企业未来商业模式以平台为核心，26%的企业走规模化定制模式，24%以“产品+服务”为核心向解决方案商转型，12%以知识产权为核心。人工智能对制造业的影响主要来自两方面：一是在制造和管理流程中运用人工智能提高质量和效率；二是对现有产品与服务的彻底颠覆。德勤智能制造调研发现，51%的受访企业在制造和管理流程中运用人工智能，46%的受访企业在产品和服务领域已经或计划部署人工智能。重构商业模式是一项复杂艰巨的任务，商业模式优化、创新管理以及云部署为企业能力建设三大关键任务。15372648中国智造行稳致远|一．突破与成长2一．突破与成长亚洲正受到自动化、智能化大潮冲击。国际劳工组织（InternationalLabourOrganisation）调研发现，越南、柬埔寨、菲律宾和印度尼西亚的工人的失业风险最高，据估计这几个区域约50%的工人工作可能在未来20年被自动化取代2。亚洲作为制造业的重要区域，在面临制造业向自动化、智能化、数字化转型中，能否继续保持其竞争力？毫无疑问，亚洲正在积极寻求突破。以人工智能为例，各国政府大力支持人工能，推动科技公司、初创公司和学术界的创新。2017年，韩国政府宣布了10亿美元的人工智能资金3；日本鼓励人工智能创业公司和风险投资；新加坡政府的国家研究基金会宣布国家人工智能计划（AI.SG），计划未来五年投入1.5亿新加坡元（约1.07亿美元）发展人工智能4。除了政府的支持，亚洲企业更积极打破行业壁垒加快新产品开发。不同于欧美同类企业，中国领先企业间的合作屡见不鲜，一些知名范例包括：百度与小米在物联网与人工智能领域合作开发更多应用场景；腾讯与京东合作布局电子商务生态圈；印度系统集成商组成AI联盟（如OpenAI）。这赋予它们惊人的影响力，也意味着它们拥有可用于快速推动创新的技术实力和资本基础。中国是亚洲智能化转型的重要力量。政府加强智能制造顶层设计，开展试点示范和标准体系建设；企业加快数字化转型，提升系统解决方案能力。中国智能制造取得明显成效，进入高速成长期。中国智能制造进入成长期主要体现在三方面：首先，中国工业企业数字化能力素质提升，为未来制造系统的分析预测和自适应奠定基础。第二、财务效益方面，智能制造对企业的利润贡献率明显提升。第三、典型应用方面，中国已成为工业机器人第一消费大国，需求增长强劲。数字化能力素质提升企业数字化能力素质体现在其利用数据指导生产以及系统自优化的能力。我们借鉴国际普遍认可的工业4.0发展路径，将企业智能化成熟度分为六个阶段：计算机化、连接、可视、透明、预测和自适应5。数据来源：德勤分析计算机化连接可视透明预测自适应图1.1工业4.0发展路径中国智造行稳致远|一．突破与成长3•计算机化：企业通过计算机化高效处理重复性工作，并实现高精度、低成本制造。但不同的信息技术系统在企业内部独立运作，很多设备并不具备数字接口。•连接：相互关联的环节取代各自为政的信息技术。操作技术（OT）系统的各部分实现了连通性和互操作性，但是依旧未能达到IT层面和OT层面的完全整合6。•可视：了解正在发生什么，通过现场总线和传感器等物联网技术，企业捕获大量的实时数据，建立起企业的“数字孪生”，从而改变以前基于人工经验的决策方式，转为基于数字进行决策。•透明：了解事件发生的原因，并通过根本原因分析生成认识。•预测：将数字孪生投射到未来，模拟不同的情景对未来发展进行预测，并适时做出决策和采取适当措施。•自适应：预测能力只是自动化行为和决策的根本要求，而持续的自适应则使企业实现自主响应，以便其尽快适应变化的经营环境。随着中国两化融合和工业物联网建设等多项举措推进，制造型企业数字化能力素质显著提升，大部分企业正致力于数据纵向集成。德勤调研结果显示，81%的受访企业已完成计算机化阶段，其中41%处于连接阶段，28%处于可视阶段，9%处于透明阶段，而预测和自适应阶段的企业各自占2%。中国智造行稳致远|一．突破与成长4智能制造利润贡献显著提升向工业4.0进阶为制造企业带来真实可见的效益。2013年德勤曾调研全国200家制造型企业，结果显示中国企业智能制造处在初级阶段，且利润微薄。经过五年的快速发展，智能制造产品和服务的盈利能力显著提升。2013年智能制造为企业带来的利润并不明显，55%的受访企业其智能制造产图1.2受访企业所处阶段（基于企业自我评估）受访企业工业4.0所处阶段智能制造利润贡献率图1.3智能制造产品和服务利润贡献率显著提升数据来源：德勤智能制造企业调研2018数据来源：德勤智能制造企业调研2018品和服务净利润贡献率处于0-10%的区间，而2017年，仅有11%的受访企业处于这个区间，而41%的企业其智能制造利润贡献率在11-30%之间。利润贡献率超过50%的企业，由2013年受访企业占比14%提升到2017年的33%。智能制造利润贡献率明显提升，利润来源包括生产过程中效率的提升和产品服务价值的提升。19%41%28%9%2%2%0%20%40%60%80%100%计算机化连接可视透明预测自适应2017年2013年0-10%11%55%11-30%41%14%31-50%14%9%51-80%19%9%81-100%14%5%33%14%中国智造行稳致远|一．突破与成长5应用市场潜力中国已连续六年为工业机器人第一消费大国。IFR(InternationalFederationofRobotics)数据显示，中国工业机器人市场规模在2017年为42亿美元，全球占比27%，2020年将扩大到59亿美元。2018-2020年国内机器人销量将分别为16、19.5、23.8万台，未来3年CAGR达到22%。汽车、高端装备制造和电子电器行业依然为工业机器人的主要用户。图1.4全球主要市场工业机器人销量数据来源：IFR，德勤研究中国有哪些独特优势？首先是数据量。当前人工智能热潮背后的机器学习技术对数据极其依赖。识别人脸、翻译语言和试验无人驾驶汽车需要大量的“训练数据”。由于中国的人口数量和设备数量庞大，中国企业在获取数据方面具有天然的优势。第二，中国制造业企业硬件设备和厂房相对欧美企业普遍较新，比较容易实现设备连接和厂房改造。对中国来说，工业互联网不是“弯道超车”而是“换道超车”，基于中国庞大的工程师数量、完善的工业基础和大量数据潜力。——李义章，索为系统董事长中国北美日本德国-50,000100,000150,000200,000250,000300,000350,000400,000450,000201820192020202120222023中国智造行稳致远|二．智能制造部署重点6二．智能制造部署重点德勤调查发现，中国工业企业智能制造五大部署重点依次为：数字化工厂（63%）、设备及用户价值深挖（62%）、工业物联网（48%）、重构商业模式（36%）以及人工智能（21%）。受访企业所关注的相关技术包括工业软件、传感器技术、通信技术、人工智能、物联网、大数据分析等。当然，我们不能简单认为有了这些技术，就是实图2.1受访企业智能制造部署重点领域图2.2受访企业所关注的技术数据来源：德勤智能制造企业调研2018数据来源：德勤智能制造企业调研201863%62%48%36%21%0%10%20%30%40%50%60%70%数字化工厂设备及用户价值深挖工业物联网重构生态及商业模式人工智能现智能制造，因为新制造业文化的变革进程是相当复杂和缓慢的，没有行业、企业与用户的融合推进，这次变革无法实现。0%10%20%30%40%50%60%工业软件传感器技术通信技术人工智能/机器人物联网平台大数据识别技术云计算虚拟制造技术3D打印C2M中国智造行稳致远|二．智能制造部署重点7图2.3生产数据流主要类型来源：公开资料、德勤分析2.1数字化工厂智能制造是以制造环节的智能化为核心，以端到端数据流为基础，以数字作为核心驱动力，因此数字化工厂被企业列为智能制造部署的首要任务。目前企业数字化工厂部署以打通生产到执行的数据流为主要任务，而产品数据流和供应链数据流提升空间大。数字化工厂通过新一代信息技术，实现从设计、生产、物流和服务等各个环节的数据串连，加速决策，提高准确性。只有打通数据流才能实现基于实时数据变化，对生产过程进行分析和优化处理，进而实现业务流程、工艺流程和资金流程的协同，以及生产资源（材料、能源等）在企业内部及企业之间的动态配置。打通数据流也是工厂建立“数字孪生”的前提，数字孪生不仅指产品的数字化，也包含工厂本身和工艺流程及设备的数字化，从而实现全面追溯、物理与虚拟双向共享和交互信息。打通数据流主要包括三类数据的连通，即生产流程数据、产品数据以及供应链数据。•生产流程数据打通生产流程数据除了从生产计划到执行的数据流(如ERP到MES)，还包括MES与控制设备和监视设备之间的数据流，现场设备与控制设备之间的数据流，以及MES与现场设备之间的数据流等。数据流举例MES与控制设备和监视设备之间的数据流MES将作业指令、参数配置、处方数据等发送给控制设备；控制设备向MES发送与生产运行相关的数据，监视设备向MES发送诊断信息和报警信息。控制设备与现场设备之间的数据流现场设备包括各种传感器、数控机床、工业机器人、工艺装备、智能仓储等制造装备。二者交换输入、输出数据，如控制设备向现场设备传送的设定值（输出数据），以及现场设备向控制设备传送的测量值（输入数据）；控制设备读写访问现场设备的参数；现场设备向控制设备发送诊断信息和报警信息。MES与现场设备之间的数据流MES向现场设备发送作业指令、参数配置等；现场设备向MES发送与生产运行相关的数据，如质量数据、库存数据、设备状态等。生产计