工业智能化：制造业的智能升级之路

研究报告丨智能制造

核心摘要：

智能制造是一种可以让企业在研发、生产、管理、服务等方面变得更加“聪明”的生产方法，制造业企业要从自身发展的核心痛点出发，在合理的整体规划和顶层设计基础上，沿着智能制造要素→智能制造能力→智能制造系统的发展方向，分阶段且持续性的获取智能制造要素，建立、完善、扩展企业在研发设计、生产制造、物流仓储、订单获取、产品服务等各个环节的智能制造能力，最终形成完整、高效、科学的智能制造系统。

目前中国智能制造仍面临关键装备与核心零部件受制于人、中小企业难以融入智能制造浪潮、大部分企业缺少智能制造的文化内核等重大挑战，制造业企业要顺应趋势，提前规划，明确目标，关注网络协同制造、5G等新模式、新技术带来的新机遇，以“立足当前，着眼长远”的原则，分阶段、持续性地实施智能化转型。

智能制造的“何为”与“为何”

“何为”智能制造：企业实现生产、管理、服务、产品智能化的全新生产方式

“智能制造”这一概念最早由美国学者P.K.Wright和D.A.Bourne在其著作《ManufacturingIntelligence》中出现，他们将智能制造定义为机器人应用制造软件系统技术、集成系统工程以及机器人视觉等技术，实行批量生产的系统性过程。工信部出台的《智能制造发展规划（2016-2020年）》中，将智能制造定义为基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。

艾瑞认为，智能制造是通过新一代信息技术、自动化技术、工业软件及现代管理思想在制造企业全领域、全流程的系统应用而产生的一种全新的生产方式。智能制造的应用能够使制造业企业实现生产智能化、管理智能化、服务智能化与产品智能化。

智能制造的起源与演变

起源：数字化制造→成长：网络化制造→目标：智能化制造

智能制造代表着先进制造技术与信息化的融合，尽管概念提出至今仅30年的时间，但智能制造的起源可以追溯至上世纪中叶，其发展与演进可以大致分为三个阶段：从上世纪中叶到90年代中期的数字化制造，以计算、通讯和控制应用为主要特征；从上世纪九十年代中期发展至今的网络化制造，伴随着互联网的大规模普及应用，先进制造进入了以万物互联为主要特征的网络化阶段；当前，在大数据、云计算、机器视觉等技术突飞猛进的基础上，人工智能逐渐融入制造领域，先进制造开始步入以新一代人工智能技术为核心的智能化制造阶段。但受限于人工智能技术的发展水平与制造业应用尚未成熟，目前的“智能制造”还远未达到“自适应、自决策、自执行”的完全智能化阶段，智能化制造仍是未来的主要发展目标。

中国“为何”需要智能制造

智能制造是中国制造业转型升级、提质增效的必由之路

近年来，中国的经济发展已由高速增长阶段逐步转入高质量发展阶段，政府更加关注于优化经济结构、转换增长动力。制造业是供给侧结构性改革的主要领域，尽管制造业增加值在全国GDP总量中的比重呈下降态势，但以制造业为代表的实体经济才是中国经济高质量发展的核心支撑力量。2015-2016年，中国制造业增加值的同比增速仅为3.5%和5.9%，原料、土地、人力资源等生产要素成本的不断上涨使制造业本就不高的利润率很难提升。提高质量效益、转变生产方式是中国制造业必须要解决的问题，而发展智能制造正是中国制造由大到强的必由之路。

智能制造系统的构成要素智能制造系统的基本构成

智能制造系统=自动化设备+智能“神经系统”

智能制造是一种可以让企业在研发、生产、管理、服务等方面变得更加“聪明”的方法，我们可以把制造智能化理解为企业在引入数控机床、机器人等生产设备并实现生产自动化的基础上，再搭建一套精密的“神经系统”。智能“神经系统”以ERP（企业资源计划系统）、MES（生产过程执行系统）等管理软件组成中枢神经，以传感器、嵌入式芯片、RFID标签、条码等组件为神经元，以PLC（可编程逻辑控制器）为链接控制神经元的突触，以现场总线、工业以太网、NB-IoT等通信技术为神经纤维。企业能够借助完善的“神经系统”感知环境、获取信息、传递指令，以此实现科学决策、智能设计、合理排产，提升设备使用率，监控设备状态，指导设备运行，让自动化生产设备如臂使指。

智能制造系统的整体架构

智能制造要素是构建智能制造系统的基本组成单位

中国制造业企业智能化路径分析：实现路径千差万别，总体思路可以总结

智能化之路——智造要素→智造能力→智能制造系统

制造业企业智能化不存在“放之四海而皆准”的普适路径。艾瑞认为，制造业企业实现智能化要从自身的核心痛点出发，在合理且有延续性的整体规划与顶层设计的基础上，沿着智能制造要素→智能制造能力→智能制造系统的发展方向，分阶段且持续性的获取智能制造要素，建立、完善、扩展企业在研发设计、生产制造、物流仓储、订单获取、产品服务等各个环节的“智造能力”，最终形成完整、高效、科学的智能制造系统。

本部分对制造业企业生产活动中各个环节的六种典型智能制造能力从预期收益、实施难度、成本下降、资金投入、时间跨度五个维度进行分析评价，并以此为基础提出智能化路径示例。

数字化设计

缩短研发周期、降低研发成本、对接制造环节

数字化设计是智能制造系统的源头，是企业实现数字化、智能化道路上必须要突破的关键点。制造业中的设计包括产品设计、工艺设计、工艺优化、样品制造、检测检验等一系列过程。传统的研发设计流程是以模块分立形式，按照顺序完成开发，产品开发周期长且质量得不到保证。而数字化设计借助计算机辅助设计软件（CAX）、三维设计与建模工具等技术能够赋予企业将研发过程全面数字化、模型化，实现研发设计流程的高度集成、协同与融合，大幅缩短产品开发周期，降低开发风险和开发费用。

目前CAX类软件在国内制造业企业中已有一定程度应用基础，但从发展趋势及与智能制造系统的契合程度来看，第三代产品设计语言MBD（基于模型的设计）技术将成为数字化设计的主武器，MBD的应用将打通数字化设计与数字化制造，使三维模型成为制造的唯一数据源，让产品模型在整个生命周期得到充分利用。

智能制造单元

提升设备使用率带动企业加快生产节奏，增加产出与效益

智能制造单元是针对离散加工现场，将一组能力相近的加工设备和辅助设备进行模块化、集成化、一体化的聚合，使其具备多品种少批量产品的生产输出能力。对于离散制造领域的中小型企业来说，打造智能制造单元是开启智能化道路行之有效的切入点，其最大的作用在于提升设备开动率，加快生产节奏，“简单粗暴”的通过增加产出来提升企业收益。

奇步自动化控制设备有限公司推出的“智造单元”是智能制造单元的成熟范式之一。“智造单元”是一种模块化的小型数字化工厂实践，整个单元由自动化模块、信息化模块和智能化模块三部分组成，以“最小的数字化工厂”实现企业在多品种小批量乃至单件自动化的生产智能化。

生产全过程数字化

打通数据→整合优化→互联互通→降本增效

生产全过程数字化是将“人、机、料、法、环”五个层面的数据连接、融合并形成一个完整的闭环系统，通过对生产全过程数据的采集、传输、分析、决策，优化资源动态配置，提升产品质量管控。生产全过程数字化需要企业在人员配备、自动化设备、设备连接、环境感知等各方面具备良好的基础，即前文中提到的智能“神经系统”包含的要素必须齐全。在此基础上，生产全过程数字化的重点工作是打通各种数据流，包括从生产计划到生产执行（ERP与MES）的数据流、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。有条件的企业可以自主研发或委托开发生产数字化集成平台，将不同生产环节的设备、软件和人员无缝地集成为一个协同工作的系统，实现互联、互通、互操作。

智能物流仓储系统

让一切物理实体流动起来，节省空间、时间与人力资源

物流仓储是制造业中极为重要的一环，如果说通信网络是智能制造系统的神经纤维，那么物流仓储则可视为智能制造系统的血管。智能物流仓储系统的应用能够使原材料、辅助物料、在制品、制成品等物理对象在各个生产工序间顺畅流转，并通过提升仓库货位利用效率、提高仓储作业的灵活性与准确性、合理控制库存总量、降低物流仓储人员需求数量等方式大幅压缩物流仓储成本。

智能物流仓储系统尽管不直接参与产品的生产，但作为整个智能制造系统中的重要子系统，其组成架构也与之类似，分为设备层、操作层、企业层，设备层包括仓储设备、物流设备、识别设备；操作层由WMS、WCS、TMS等软件构成；企业层则对接ERP、CRM、SCM等管理软件的采购、计划、库存、发货等模块，融入总系统的闭环中。

大规模定制平台

打造向大规模定制转型的入口，提升品牌价值与用户粘性

销售是所有企业的核心业务之一，智能制造系统中的销售智能化除了应用CRM等软件管理销售业务外，更为重要的是在订单获取层面发挥作用。在当前个性化需求日益旺盛的环境下，企业通过建立定制平台，能够将用户提前引入到产品的设计、生产过程中，通过差异化的定制参数、柔性化的生产，使个性化需求得到快速实现，以此提升品牌价值，增加用户粘性。与之相匹配的，企业应将定制平台与智能制造系统中的研发设计、计划排产、制造执行等模块实现协同与集成，实现从线上用户定制方案，到线下柔性化生产的全定制过程；在企业后台建立个性化产品数据库，应用大数据技术对用户的个性化需求特征进行挖掘和分析，并反馈到研发设计部门，优化产品及工艺，基于用户需求新趋势开展研发活动。

产品远程运维服务

以智能化服务拓展商业模式，推动价值链向后延伸

智能制造视角下的产品服务是借助云服务、数据挖掘和智能分析等技术，捕捉、分析产品信息，更加主动、精准、高效的给用户提供服务，推动企业价值链向后延伸。远程运维服务即是典型的制造企业智能化服务模式，企业利用物联网、云计算、大数据等技术对生产并已投入使用的智能产品的设备状态、作业操作、环境情况等维度的数据进行采集、筛选、分析、储存和管理，基于上述数据的分析结果为用户提供产品的日常运行维护、预测性维护、故障预警、诊断与修复、运行优化、远程升级等服务。

远程运维服务可以有效降低设备故障率，提升设备使用率与使用寿命，既能减轻制造商的负担，又能显著提升产品价值。远程运维对于企业产品的智能化程度要求较高，产品必须配备开放的数据接口，具备数据采集、通信模块；企业还需建立远程运维服务前端平台与后端数据中心，采集产品数据并基于大数据分析与计算，向用户提供增值服务。

落地基石——整体规划与顶层设计

解决“我是谁，我在哪，我要干什么”三大问题

智能制造系统的整体规划与顶层设计是制造业企业正式踏上智能化道路的第一步，企业在这一环节要为“我是谁、我在哪、我要干什么”三大问题寻找答案：首先要明确“我是谁”，详细扫描企业自身的核心竞争力、运营情况、财务状况、人员配备、组织架构等基础条件；而后通过智能制造能力成熟度模型等工具进行智能程度自评与诊断，了解企业缺失的智能制造要素、已具备和尚未具备的智能制造能力，精准定位企业目前所处的智能化阶段，搞清楚“我在哪”；在回答了前两个问题的基础上，以企业发展的核心痛点为切入点，以获取关键“智造能力”为阶段性目标，以搭建完整、高效、科学的智能制造系统为发展方向，按照统一架构和统一标准规划设计智能制造系统总体实施方案及核心要素能力解决方案，确保企业在智能化之路上知道“我要干什么”。

智能化路径示例No.1

破解“多品种、小批量”困局——智造单元+智能物流仓储

Alpha公司是一家生产发动机连杆的汽车配件厂商，随着业务的发展和客户的增加，Alpha公司的产品线不断拓展，生产车间由3个增加至10个。生产规模扩大、产品种类增加给Alpha公司带来了设备利用率不足、交货期难以保证、物料及在制品积压严重等一系列问题，亟需智能化转型来应对生产经营中的重重挑战，保持竞争活力。

智能化路径示例No.2

以产品差异化突出重围——数字化设计+大规模定制平台

Beta公司是一家机械键盘生产厂商，近年来游戏市场的持续火爆带动机械键盘市场的新进玩家数量激增，为应对激烈的市场竞争，拓展商业模式，提升品牌价值，Beta公司准备由批量化生产向大规模定制模式转型。

智能化路径示例No.3

抓住产品后市场的广阔空间——PLM+智能远程运维服务

Gamma公司是一家主要从事高端农业机械研发制造的大型装备制造企业，Gamma公司在企业战略探索过程中，确立了以研发生产智能化产品、为客户提供智能远程运维服务作为企业的未来发展方向。

中国智能制造的挑战与发展趋势中国智能制造面临的挑战

关键装备、核心零部件受制于人，短期内难以实现国产替代

我国近90%的芯片、70%的工业机器人、80%的高档数控机床和80%以上的核心工业软件依赖进口。这造成国内制造业企业智能化改造成本居高不下，严重制约我国智能制造的整体进展。以工业机器人为例，中国已经连续六年成为工业机器人第一消费大国，2017年中国工业机器人销量达到了13.8万台，全球占比达到36%。而其中仅有3.5万台是由国内工业机器人制造商生产，国产率仅为25.2%，比2016年的31%还下降了近6个百分点。由此可见，中国制造业企业在提升自动化水平时优先选取的是选购国外品牌的工业机器人，国产机器人尽管发展较快，但短时间内难以满足智能制造的需求。

小微企业难以融入智能化发展浪潮

在全国规模以上工业企业中，84.2%的企业属于小型企业，规模以下（年主营业务收入2000万元以下）尚有200余万家小微企业。广大小微企业是制造业的根基，其智能化水平很大程度上影响着中国智能制造工程的实施效果。然而从《中国制造2025》战略提出以来，由于自有资金不足、信息化基础薄弱、缺乏相关人才等多方面因素的影响，大部分中国制造业小微企业只能羡慕大企业申请智能制造试点示范项目、围观大企业开展轰轰烈烈的智能化改造，自己却难以融入智能制造的发展浪潮。相比于大中型企业，小微企业的智能化之路面临更大的试错成本和不可控风险，稍有不慎就会危及生存。

中国智能制造未来的发展趋势

流程领域有望率先实现智能化

智能制造系统是一个覆盖设计、物流、仓储、生产、检测等生产全过程的极其复杂的巨系统，企业要搭建一个完整的智能制造系统，最困难也是最核心的部分就是生产过程数字化。尤其是对于生产工艺复杂、原材料及原器件种类繁多的离散制造领域，产品往往由多个零部件经过一系列不连续的工序装配而成，其过程包含很多变化和不确定因素，在一定程度上增加了离散型制造生产组织的难度和配套复杂性，要做到生产全程数字化、可视化、透明化殊为不易。

与离散领域显著不同的是，流程领域的生产流程本质上是连续的，被加工处理的工质不论是产生物理变化还是化学变化，其过程不会中断，而且往往是处于密闭的管道或容器中，生产工艺相对简单，生产流程清晰连贯，生产全过程数字化难度相对较低。流程领域企业接下来要做的是在全面贯通整合各阶段数据的基础上，运用人工智能的深度学习、强化学习（主要是动态规划方法）进行实时数据分析和实时决策，并进一步将智能系统延伸至供应链、生产后服务等各个环节，最终实现全面智能化。

供应链协同倒逼产业链上游企业“上马”智能制造

制造业企业智能化的动力本源是响应市场需求，这点在消费品制造领域尤为明显，乘用车、家电、3C、服装、医药、食品等直接面向消费者的制造业企业搭建智能制造系统的主要目的即是实现高度柔性生产，快速、准确地实现消费者对产品的个性化、定制化需求。如果我们把视角向上推，对于原材料工业和装备工业的企业而言，智能化浪潮前沿的消费品制造厂商即是他们的市场所在，要跟上客户多品种、小批量的生产节奏，就必然要大幅提升自身的产品创新能力、快速交货能力以及连续补货能力。快速变化的市场需求从消费端沿着产业链不断向上传导，下游企业生产方式的颠覆与创新迫使上游供应商融入智能化浪潮，智能制造倒逼机制就此形成。在这种倒逼机制的作用下，产业链上游企业要主动适应变化，实现柔性生产，基于供应商先期介入思维，通过网络协同制造确立竞争优势，否则将面临被市场淘汰的风险。