《中国智能制造报告》由会员分享，可在线阅读，更多相关《中国智能制造报告（26页珍藏版）》请在金锄头文库上搜索。
1、金准人工智能 中国智能制造报告前言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、精确控制自执行等功能的先进制造过程、系统与模式的总称。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节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，提高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。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（International Labour Organisation）调研发现，越南、柬埔
2、寨、菲律宾和印度尼西亚的工人的失业风险最高，据估计这几种区域约50%的工人工作也许在将来被自动化取代。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，亚洲正在积极谋求突破。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。，韩国政府宣布了10亿美元的人工智能资金；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筹划（AI.SG），筹划将来五年投入1.5亿新加坡元（约1.07亿美元）发展人工智能。除了政府的支持，亚洲公司更积极打破行业壁垒加快新产品开发。不同于欧美同类公司，中国领先公司
3、间的合伙屡见不鲜，某些出名范例涉及：百度与小米在物联网与人工智能领域合伙开发更多应用场景；腾讯与京东合伙布局电子商务生态圈；印度系统集成商构成AI联盟（OpenAI）。这赋予它们惊人的影响力，也意味着它们拥有可用于迅速推动创新的技术实力和资本基本。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，开展试点示范和原则体系建设；公司加快数字化转型，提高系统解决方案能力。中国智能制造获得明显成效，进入高速成长期。中国智能制造进入成长期重要体目前三方面：一方面，中国工业公司数字化能力素质提高，为将来制造系统的分析预测和自适应奠定基本。第二、财务效益方面，智能制造对公司的利润奉献率明显提高。第三
4、、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。1.1数字化能力素质提高公司数字化能力素质体目前其运用数据指引生产以及系统自优化的能力。我们借鉴国际普遍承认的工业4.0发展途径，将公司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。计算机化：公司通过计算机化高效解决反复性工作，并实现高精度、低成本制造。但不同的信息技术系统在公司内部独立运作，诸多设备并不具有数字接口。连接：互相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，但是仍旧未能达到IT层面和OT层面的完全整合 6 。可视：理解正在发生什么，通过现场总线和传感器等
5、物联网技术，公司捕获大量的实时数据，建立起公司的“数字孪生”，从而变化此前基于人工经验的决策方式，转为基于数字进行决策。透明：理解事件发生的因素，并通过主线因素分析生成结识。预测：将数字孪生投射到将来，模拟不同的情景对将来发展进行预测，并适时做出决策和采用合适措施。自适应：预测能力只是自动化行为和决策的主线规定，而持续的自适应则使公司实现自主响应，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动，制造型公司数字化能力素质明显提高，大部分公司正致力于数据纵向集成。金准人工智能专家调研成果显示，81%的受访公司已完毕计算机化阶段，其中41%处在连接阶段，28%处在可视阶
6、段，9%处在透明阶段，而预测和自适应阶段的公司各自占2%。1.2智能制造利润奉献明显提高向工业4.0进阶为制造公司带来真实可见的效益。金准人工智能专家曾调研全国200家制造型公司，成果显示中国公司智能制造处在初级阶段，且利润微薄。通过五年的迅速发展，智能制造产品和服务的赚钱能力明显提高。智能制造为公司带来的利润并不明显，55%的受访公司其智能制造产品和服务净利润奉献率处在0-10%的区间，而，仅有11%的受访公司处在这个区间，而41%的公司其智能制造利润奉献率在11-30%之间。利润奉献率超过50%的公司，由受访公司占比14%提高到的33%。智能制造利润奉献率明显提高，利润来源涉及生产过程中效
7、率的提高和产品服务价值的提高。1.3应用市场潜力中国已持续六年为工业机器人第一消费大国。IFR (International Federationof Robotics)数据显示，中国工业机器人市场规模在为42亿美元，全球占比27%， 将扩大到59亿美元。-国内机器人销量将分别为16、19.5、23.8万台，将来3年CAGR达到22%。汽车、高品位装备制造和电子电器行业仍然为工业机器人的重要顾客。中国有哪些独特优势？一方面是数据量。目前人工智能热潮背后的机器学习技术对数据极其依赖。辨认人脸、翻译语言和实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，中国公司在获取数据方
8、面具有天然的优势。第二，中国制造业公司硬件设备和厂房相对欧美公司普遍较新，比较容易实现设备连接和厂房改造。二、智能制造部署重点金准人工智能专家调查发现，中国工业公司智能制造五大部署重点依次为：数字化工厂（63%）、设备及顾客价值深挖（62%）、工业物联网（48%）、重构商业模式（36%）以及人工智能（21%）。访公司所关注的有关技术涉及工业软件、传感器技术、通信技术、人工智能、物联网、大数据分析等。固然，我们不能简朴觉得有了这些技术，就是实现智能制造，由于新制造业文化的变革进程是相称复杂和缓慢的，没有行业、公司与顾客的融合推动，这次变革无法实现。2.1数字化工厂智能制造是以制造环节的智能化为核
9、心，以端到端数据流为基本，以数字作为核心驱动力，因此数字化工厂被公司列为智能制造部署的首要任务。目前公司数字化工厂部署以打通生产到执行的数据流为重要任务，而产品数据流和供应链数据流提高空间大。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，提高精确性。只有打通数据流才干实现基于实时数据变化，对生产过程进行分析和优化解决，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）在公司内部及公司之间的动态配备。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，也涉及工厂自身和工艺流程及设备的数字化，从而实现全面追溯、物理
10、与虚拟双向共享和交互信息。打通数据流重要涉及三类数据的连通，即生产流程数据、产品数据以及供应链数据。2.1.1生产流程数据打通生产流程数据除了从生产筹划到执行的数据流(如ERP到MES)， 还涉及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。2.1.2产品数据流打通产品数据流重要体目前产品全生命周期数字一体化和产品全生命周期可追溯。产品全生命周期数字一体化以缩短研发周期为核心，重要应用基于模型定义（MBD）技术进行产品研发、建设产品全生命周期管理系统(PLM)等。研发是数字化工厂“数据链条”的起点，研发环节产生的数据将在工厂的各个系
11、统间实时传递，数据的同步更新避免了老式制造公司常常浮现的由于沟通不畅产生的差错，也使得工厂的效率大大提高，缩短产品研制周期。产品全生命周期可追溯以提高产品质量管控为核心。重要应用是让产品在全生命周期具有唯一标记，应用传感器、智能仪器仪表、工控系统等自动采集质量管理所需要数据，通过MES系统开展在线质量检测和预警等。2.1.3供应链数据流打通供应链数据流重要体目前供应链上下游协同优化，实现网络协同制造。重要应用是建设跨公司制造资源协同平台，实现公司间研发、管理和服务系统的集成和对接，为接入公司提供研发设计、运营管理、数据分析、知识管理、信息安全等服务，开展制造服务和资源的动态分析和柔性配备。金准
12、人工智能专家调研成果显示，目前公司致力于打通从ERP到MES乃至现场设备的数据流，但这也仅是从生产到执行的打通，将来还需将产品数据、供应链数据串联。我们们将生产数据流分为两个环节：一、打通生产筹划与执行系统的数据流；二、执行与监控和现场设备的数据流。成果显示， 83%的受访公司表达已打通ERP和MES的数据流打通。62% 的公司继续向下打通MES到现场设备的数据流。但仅有47%的公司打通了产品数据流，44%的公司打通供应链数据流（图2.4）。并且考虑到我们调查的公司均为资质较好且为中档以上规模，这一系列比率显然高于中国整体平均水平。从行业角度来看，航空航天领域所有受访公司已经打通从生产筹划到执
13、行的数据，但从生产执行到现场设备、产品以及供应链的数据链条连通相对滞后，提高空间大。电子组件及电器制造行业产品数据流和供应链数据流连通状况高于其她行业，数字化工厂整体水平较高。产品质量可谓是制药行业的生命，而打通产品数据流的制药公司仅占33%，行业需要强化产品全生命周期可追溯，提高产品质量管控能力。汽车及汽车零部件以及高品位装备制造都在产品数据流方面领先（图2.5）。将来数字世界和现实世界会是一体两面，打通数据流也是数字孪生（digital twin）操作的基本。金准人工智能专家觉得数字孪生是物理实体或流程的准实时数字化镜像，有助于公司绩效提高。数字孪生往往涉及“数字产品孪生”、“生产工艺流程
14、数字孪生”和“设备数字孪生”不同层面但可以高度集中统一的数据模型。数字产品孪生领域，特斯拉公司为其生产和销售的每一辆电动汽车都建立数字孪生模型，相相应的模型数据都保存在公司数据库。每辆电动车每天报告其平常经验，并通过数字孪生的模拟程序使用这些数据来发现也许的异常状况并提供纠正措施。通过数字孪生模拟，特斯拉每天可获得相称于160万英里的驾驶体验，并在不断的学习过程中反馈给每辆车。生产流程数字孪生领域，某些嗅觉敏锐的工厂及生产线开始引入数字孪生，在建造之前，对工厂进行仿真和模拟，虚拟出建造工厂的最佳流程，再将真实参数传给实际的工厂建设，有效减少误差和风险。待厂房和生产线建成之后，平常的运营和维护通
15、过数字孪生进行交互，可以迅速找出问题所在，提高工作效率。Gartner对美国、德国、中国与日本的202位公司的调查发现，到，至少50%年收入超过50亿美元的制造商将为其产品或资产启动至少一项数字孪生项目，届时参与使用数字孪生技术的公司数量将增长3倍。估计在此后数年时间，将有数以亿计的顾客使用数字孪生操作，它将被公司用于规划设备服务、生产线操作、预测设备故障、提高操作效率、加速新产品开发等。在将来，这项技术有望与工业生产彻底融合，推动智能工业进入新阶段。如何创立数字孪生？金准人工智能专家觉得数字孪生的创立涉及两个重要关注领域：一是设计数字孪生的流程和产品生命周期的数据规定 从资产的设计到资产在真
16、实世界中的现场使用和维护；二是创立使能技术，整合真实资产及其数字孪生，使传感器数据与公司核心系统中的运营和交易信息实现实时流动。2.2设备和顾客价值深度挖掘制造型公司面临愈发剧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。金准人工智能专家智能制造调研成果显示，设备和顾客价值深度挖掘是公司智能制造部署第二重点领域。62%的受访公司正积极部署设备和顾客价值深度挖掘，其中41%的公司侧重设备价值挖掘，21%的公司侧重顾客价值挖掘。环绕设备进行价值挖掘可以说是制造型公司的天性。如在研发设计阶段，嵌入新技术，生产更智能或更多样化的产品；在销售阶段，提供设备有关金融服务；在售后阶段，对出厂设备和产品进行实时数据采集和监控，并进行性能分析、预测性维护等，既提高安全性，也为公司发明更多
