加快数智化转型，开启智能制造新时代
一、智能制造的定义
2021年是“十四五”的开局之年，未来五年是打造数字经济优势，夯实智能制造基础的重要时期。中央高度重视我国的智能制造行业发展，政府和企业层面纷纷开始谋篇布局，希望通过数智技术提升制造业竞争水平，抢占未来科技和经济的发展制高点。
根据我国工信部2016年出台的《智能制造发展规划（2016-2020年）》中定义，“智能制造是基于新一代信息技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动各个环节，具有自感知、自决策、自执行、自适应、自学习等特征，旨在提高制造业质量、效益和核心竞争力的先进生产方式。”
二、智能制造发展历程
历史上，每一次技术突破都会带来生产力的飞跃和制造业的巨大变革。18世纪60年代工业1.0阶段，蒸汽机技术的发明推动人类进入机械化生产时期，人们通过操控机器代替手工生产，突破了体力上的局限，实现生产效率的大幅提升。19世纪后期工业2.0阶段，电力技术驱动工厂大规模生产推动社会生产效率空前提升，人类历史上第一次解决了供需之间在数量上的矛盾。20世纪70年代工业3.0阶段，随着通讯和计算机技术的发展，制造业进入自动化生产时期。人们通过计算机编程可以远程操控机器自动化生产，生产效率得到进一步提升。当前我们正在步入工业4.0阶段，以5G、人工智能、大数据、云计算、物联网、区块链等为代表的数智技术逐渐走向成熟，引领制造业再次升级，人与机器之间的交互从体力上的协同升级为脑力（决策）上的协同，从而迈向智能化生产阶段。
三、智能制造的核心价值
新冠疫情爆发以来，制造业企业大都经历了生产中断、供应链断裂、复工复产的过程，加之全球贸易格局不稳定，供应链风险加大，企业运营成本上升而利润空间不断受到挤压，布局以智能制造驱动的制造业数字化转型成为各大企业的重中之重。对于制造业企业来说，实现智能制造有以下几点价值：
1.降低成本。例如，通过机器代人或人机协同方式减少人工成本；利用视觉算法等手段提升检测一致性和稳定性，降低产品不良品率，减少因质量问题造成的经济损失；依据市场数据反馈合理安排要素投入，减少物料浪费，或施行智能库存管理来降低仓储成本等。
2.提质增效。例如，数据驱动代替经验判断，全面优化生产流程，改善制造工艺，提高生产效率；科学高效排产，提高设备利用率；集成数智技术提高生产执行精度，确保产品质量。
3.减少能源资源消耗。例如，通过物联网连接设备可以实时在线监测和控制能源和资源使用情况，提高能源资源利用效率；利用智能化节能减排设备或解决方案替换落后产能和生产工艺，实现绿色生产。
4.提升用户体验。例如，数智技术应用打通产业链上下游，实现需求端与设计端、制造端的直接对接，对复杂的市场动态进行数据分析和预测，准确把握市场机会，快速进行产品创新，实现敏捷制造和精益生产，响应市场变化和用户个性化需求；通过在价值链各个环节增加与用户交互节点，鼓励用户全程参与产品生产过程，为用户的最佳体验不断迭代产品，提升产品附加价值；基于产品智能化，通过与环境、用户交互，产品可自动回传运行和环境数据，通过数据监控和分析，为用户提供远程的预防性运维服务。
5.重塑生产方式。数智技术和先进制造技术的融合应用将会带来生产模式的创新和变革，推动传统制造企业从大规模生产向定制化生产转变，企业从单纯的制造商向服务端衍生，而价值创造过程也将从传统单向链式过程转向网络化协同共创模式。
四、智能制造的核心技术
随着人工智能、物联网、大数据分析和云平台等数字化技术与制造核心环节的融合应用，智能制造转型及发展随之迈入了新数字技术使能的自动化、信息化、网络化、智能化征程，我们称之为“智能制造新四化”。
1、自动化是智能制造的基础。制造企业可以利用自动化产线、数控机床、机器人、3D打印等新技术实现生产环节的人机协同以及整个产线、工厂的管控和流程优化，以实现提质增效、精益管控的目标。
2、信息化是智能制造的关键。企业自动化程度的提升带来软件系统需求的增长，企业借助软件系统的互联互通实现端到端数据集成与应用，使生产过程更加透明、可视、可控。此外，制造企业自身的供应链愈发复杂、工厂分布从国内走向海外，因此工业软件和ERP等集成管控解决方案的云端部署或平台化需求成为信息化新发展方向。
3、网络化关注于大范围的制造核心环节的设备、系统、数据的互联互通。基于物联网（IOT）、云平台、5G通信的大范围数字化连接才能帮助制造企业实现跨业务、跨车间、跨工厂、内外部客户的协同，并向生态系统集成演进。
4、智能化关注于制造核心环节的智能优化与决策。制造企业通过工业互联网、人工智能（AI）等新技术实现智能决策、制造核心环节全流程数字孪生，智能生产优化等，最终在智能化领域实现生产制造的自主决策、执行和优化。领先企业围绕智能化构建其核心工程和生产系统，通过3D仿真、数字孪生技术确保实体机器和软件系统协调同步，释放以往未曾发现的成本效率。
五、智能制造的发展现状
1、基本情况
在智能制造关键技术专利情况上，整体来看，长三角、珠三角地区贡献了许多发明专利推动智能制造技术发展。以数量庞大的工业互联网与工业机器人的专利为例，多集中于北京、上海、广东、江苏、浙江地区。在智能装备专利分布上，传统重工业地区如长江三角洲、珠江三角洲地区更具优势；在工业互联网专利分布上，珠江三角区的优势并不明显。
从区域分布看，国家级智能制造试点项目除广泛分布于京津、珠三角、长三角地区，山东地区的项目数量最为集聚。非万亿城市中，辽宁、新疆、江西、河北与四川重庆等地区的项目数量持平。
从智能制造工程高校资源分布与人才情况上看，据人社局数据统计，到2025年，智能制造领域人才需求900万人，人才缺口将达到450万人。智能制造作为一个系统工程，涉及机械工程、控制科学与工程、计算机科学等多个学科，交叉学科背景的工程师是当下急需人才。在此背景下，多个高校开设智能制造工程专业。被全国高校人工智能与大数据创新联盟评级为B级以上的高校中，江苏有11所，山东有7所，天津有6所，位居前三。自动化控制、人工智能等专业突出的传统理工高校也是国家智能制造领域人才的输送带，多集中于北京、西安、南京等地。下图是中国开设智能制造工程专业高校资源的区域分布。
数据来源：亿欧智库
再看智能制造企业分布及融资情况，智能制造企业多处于成长初期和成熟期。在珠三角地区，上市企业的数量接近甚至超过成长期企业的数量，珠三角智能制造比较发达。一级市场对智能制造版块的关注热度久居不下，即使在2020年新冠疫情期间智能制造投资额也在不断增长。智能制造投融资事件主要集中在北京、长三角、珠三角，从融资金额来看，长三角地区融资总额最高；珠三角地区融资主要集中在深圳。下图是2015年—2021年全国智能制造企业融资金额（亿元）。
数据来源：亿欧智库
2、政府政策
政府对于智能制造行业高度重视，不断出台相关政策支持企业进行数字化和智能化转型。下表为我国近年来关于智能制造的相关政策。
3、不足之处
中国智能制造发展前景向好，但与发达国家相比我国仍存在较大差距，主要体现在以下几个方面：
（1）关键技术、核心零部件/装备、高端工业软件受制于人。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，造成国内制造企业智能化改造成本居高不下，制约我国智能制造的整体进展。以工业软件为例，我国飞机、船舶、生物医药、电子信息制造等重点领域长期依赖国外工业软件，其中EDA基本被美国Cadence、Mentor和Synopsys垄断，CAE/CAD主要被美国ANSYS、德国SIMENS、法国DSSimul等把控。
（2）系统集成能力相对不足。我国智能制造系统解决方案供给能力不足，业务形式多是从国外购买机器人整机，再根据不同需求，制订解决方案，缺少像西门子、GE一样的具有较强竞争力的系统集成商。
（3）中小制造企业信息化基础薄弱，难以融入智能化浪潮。中小企业构成我国工业制造主体，由于信息化基础薄弱、自有资金不足、相关人才匮乏等多方面因素，数字化转型面临极大的试错成本和不可控风险，行业内大中小企业间存在较大的“数字鸿沟”。如果以德国工业4.0为参照系，当前我国制造业整体还处于工业2.0阶段，部分企业在向3.0阶段迈进。
六、智能制造发展趋势
1、以数据为驱动的生产柔性化
柔性生产的本质是对资源要素进行快速重构以响应新的制造需求，而智能制造系统将资源要素及其过程状态转化为数字化信息，并通过算法优化的方式对这些资源要素进行高效配置，从而实现以数据为驱动的柔性化生产。例如，在产品研发环节，企业实时获取终端用户交互数据，通过分析预测实现“以需定产”；在产品制造环节，通过物联网、传感器收集全生产过程的实时数据，并整合来自上下游和用户的数据信息，传输到工业互联网数据平台，人工智能再依托数据进行智能分析，最终制定出最佳生产方案，并将指令传递至制造一线实现柔性化生产。
柔性化生产在消费制造领域的表现尤为明显，用户对于个人消费品的个性化定制需求日益增长，通过对下游消费领域的数据收集分析并进行智能化决策，产生与需求高度匹配的生产方案，自下而上逐级传导，从而带动整个产业链基于数据进行柔性化生产。
2、以平台为支撑的工业互联化
越来越多的产业龙头以及互联网巨头企业都在加大工业互联网投入，除了加快自身数字化转型外，这些企业通过平台建设将各自关于智能制造的实践经验和能力禀赋开放赋能给同领域的中小企业，以及产业链上下游相关主体，形成对整个产业智能化升级的重要支撑。
根据工信部统计数据显示，目前我国工业互联网已广泛应用于钢铁、工程机械、航空航天、家电、电力、港口、能源等多个行业，具有一定行业影响力的工业互联网平台超过70家，例如徐工信息的Xrea平台、海尔的COSMOPlat平台、用友软件的精智平台、中国电信的天翼云工业互联网平台、阿里云的supET平台等。这些平台汇聚共享了设计、生产、物流等通用资源，有效整合了产品研发、生产制造、运营管理和服务等数据资源，面向垂直领域内的中小企业提供“低成本、快部署、易运维和强安全”的轻量化应用，大幅降低使用门槛和智能化改造成本，加快中小企业数字化转型进程，从而实现平台上企业间的连接协同和数据共享，推动整体产业智能化升级进程。
3、以用户为中心的智造服务化
制造业和服务业的融合是智能制造发展的主要趋势之一。在智能制造视角下，嵌入数智技术的智能化产品，可以感知周边环境变化，并通过与用户、环境的不断交互，向企业平台自动回传运行数据和状态信息，结合智能化分析，企业可实时掌握产品使用情况和用户需求变化，并及时做出反应，主动为用户提供高附加值的服务体验，通过“硬件产品+软件系统+增值服务”模式来满足用户的个性化、多样化需求，创造全新的价值空间。
七、如何进行智能化转型
基于领先企业的实践以及总结的经验，我们认为应从以下六点对制造业进行智能化转型：
1、确定价值领域
许多企业的智能制造转型是盲目跟风，为了智能化而智能化，忽略了智能制造本身的价值创造。企业应首先考虑要通过智能制造实现什么目标、当前业务模式和产品是否要创新，再据此做核心业务流程的再造，最后评估智能制造带来的新业务模式、新业务流程的价值。智能制造不能一蹴而就，而是一个循序渐进的过程，企业应该识别最需要进行智能化转型的价值领域，作为试点进行智能化转型的试验，待取得一定成果，积累一定经验后再逐步推广到全部领域。
2、做好顶层设计
很多企业智能制造转型失败的原因就在于没有做好顶层设计，只注重单点优化，轻视整体价值的提升，不同部门各自为战，转型过程缺乏逻辑与协调，造成数据孤岛严重、设备和系统连通性差，往往投资不小，成效甚微。
3、夯实数字化基础
智能制造需要企业在生产全过程数字化的基础上实现智能化，因此需要企业自动化设备和产线、信息系统架构、通信基础设施、安全保障等方面具备坚实的基础。例如IOT等基础网络建设到位，设备的自动化和开放程度较高，支持多种数据采集手段，可扩展、安全稳定的IT基础架构，包括信息系统安全和工控系统网络安全的安全体系等。
4、普及工业软件及核心应系统
工业软件将工业关键流程与知识通过软件技术以软件的形式进行封装与展示，并通过软件版本的升级不断迭代升级工业技术。工业软件作为工业互联网中的软件层，是承上启下数据利用的关键，是智能制造的大脑。
目前，ERP、MES，PLM、先进生产规划及排程系统（APS）等智能制造必须的核心应用系统并未得到普及。为了加速智能制造进程，当制定了发展规划、夯实数字化基础后，制造企业应积极投资于核心应用系统。尤其是在新冠疫情后，制造企业应更加关注管理创新能力提升和供应链弹性部署。因此，ERP、PLM、MES、SCM等智能制造核心应用部署应成为企业智能制造建设要务。
5、实现系统互联与数据集成
目前，制造企业数据孤岛、系统割裂导致不同部门之间的数字化对抗情况严重，造成企业重复投资，智能制造为企业收入带来的回报远低于预期。因此，实现系统互联互通和数据集成将促进企业的跨业务单元和职能部门进行协作，实现价值最大化和全面智能化。
6、建立持续创新的数字化组织和能力
建立持续创新的体系架构和数字化组织在实现智能制造价值目标中扮演重要角色。智能制造的持续演进需要企业尽可能地提高组织架构的灵活性与响应能力，并充分发挥员工潜能，即建立柔性组织。在柔性组织中，组织将更为扁平，这样才可以随着业务需求变化而动态匹配人才生态系统。柔性组织需要在“一把手”的带领下，激发员工人人参与的积极性，基于业务需求和员工的能力灵活调动以满足智能制造持续发展的需求。
八、总结与展望
作为一项持续演进、迭代提升的系统性工程，智能制造需要长期坚持，分布实施，既需要政府的谋篇布局，也需要企业脚踏实地。
纵观我国智能制造的发展，政策层面看来，政府高度重视企业智能化转型，积极出台推动政策，不断完善智能制造发展基础；行业层面看来，在制造端智能家电、汽车智能座舱、工业机器人、军用无人机等领域智能化发展已经初具规模；技术层面看，我国在工业互联网、智能机器人等领域均有众多专利技术。但同时，我们也应立足于现状，稳步推进智能制造转型，充分发挥政府的引导作用和企业的主导作用，企业应该认清价值领域，加强顶层设计，提高数据化基础，整体而言我国制造业的自动化程度已经达到了比较高的水平，但仅有半数企业能够达到关键业务的数字化，处于从工业2.0向工业3.0的过渡阶段，技术上也面临核心设备，工业软件受制于人的困境，智能制造标准体系尚未落地，想实现智能制造的突破与发展，实现弯道超车，我国依然有很长的路要走。