德勤-2018中国智能制造报告-2018.7-24页-1mb

中国智造行稳致远

核心内容概述

中国智能制造在2018年进入高速成长期，展现出显著的成效。其发展主要体现在数字化能力提升、财务效益改善和典型应用的扩展。智能制造通过新一代信息技术，贯穿设计、生产、管理和服务等制造活动环节，具备信息深度自感知、智慧优化自决策、精准控制自执行等功能。中国已成为工业机器人第一消费大国，智能制造部署重点集中在数字化工厂、设备及用户价值深挖、工业物联网、重构商业模式和人工智能。

主要观点

• 智能制造进入成长期：中国智能制造取得明显成效，进入高速成长期，主要体现在数字化能力提升、财务效益改善和典型应用扩展。
• 数字化能力素质提升：企业数字化能力素质从计算机化逐步发展到自适应阶段，目前大多数企业处于连接、可视阶段。
• 智能制造利润显著提升：从2013年到2017年，智能制造产品和服务的利润贡献率显著提高，从净利润贡献率0-10%提升到11-30%，超过50%的企业利润贡献率提升。
• 应用市场潜力巨大：工业机器人市场持续增长，中国连续六年为工业机器人第一消费大国，预计2020年市场规模将达59亿美元。
• 智能制造部署重点：数字化工厂、设备及用户价值深挖、工业物联网、重构商业模式和人工智能是企业智能制造的五大部署重点。
• 重构商业模式复杂：商业模式优化、创新管理、云部署是企业能力建设的三大关键任务。
• 人工智能应用广泛：人工智能在制造业中主要提升质量和效率，同时也具有颠覆性潜力，影响产品和服务的未来形态。

关键信息

1. 数字化工厂

• 部署重点：数字化工厂是智能制造的首要任务，主要目标是打通生产到执行的数据流。
• 数据流类型：包括生产流程数据、产品数据和供应链数据。
• 现状：83%的企业已打通ERP与MES数据流，62%的企业打通MES到现场设备的数据流，但产品数据流和供应链数据流的提升空间较大。

2. 设备和用户价值深挖

• 重要性：62%的受访企业正在部署设备和用户价值深挖，其中41%侧重设备价值挖掘，21%侧重用户价值挖掘。
• 应用场景：设备价值挖掘包括研发设计、销售阶段的金融服务和售后阶段的预测性维护；用户价值深挖则体现在C2M模式，如红领集团、海尔等企业已实现大规模定制化。

3. 工业物联网

• 当前应用：主要集中在感知层面，通过传感器、RFID等技术采集数据。
• 发展趋势：未来将更注重数据分析和服务融合，提升制造效率和用户体验。
• 云部署现状：53%的受访制造企业尚未部署工业云，47%的企业正在进行部署，其中27%为私有云，14%为公有云，6%为混合云。

4. 重构商业模式

• 商业模式定位：30%的企业以平台为核心，26%走规模化定制模式，24%以“产品+服务”为核心，12%以知识产权为核心。
• 挑战：包括商业模式优化、创新管理和云部署等，需要企业进行系统性的调整和升级。

5. 人工智能

• 应用场景：人工智能在制造和管理流程中提升质量和效率，产品和服务领域则可能带来彻底的颠覆。
• 行业分布：汽车、高端装备制造和电子及电器制造在制造流程中采用机器人的比例较高。
• 挑战：尚未部署人工智能的企业面临商业论证不足、系统能力缺失和数据管理问题。

智能制造发展趋势

• 数字孪生：数字孪生是智能制造的重要组成部分，帮助企业实现物理与虚拟的双向交互和信息共享。
• 技术融合：智能制造需要信息技术与制造技术的深度融合，如工业软件、传感器技术、通信技术和大数据分析。
• 跨行业合作：中国企业在智能制造领域表现出较强的协作能力，如百度与小米、腾讯与京东等企业合作推动技术发展。

企业能力提升建议

• 商业模式优化：企业需审视现有模式，探讨可行的新商业模式，并制定相应的云部署战略。
• 创新管理：优化创新产品管理、生命周期成本、资本使用效率和风险管理。
• 云部署策略：企业需进行长远规划，分步执行，考虑人力资源和数字化程度的匹配。

结论

中国智能制造正在快速成长，成为全球制造业转型的重要力量。企业需要在数字化能力、利润提升、应用场景、商业模式和人工智能等方面进行系统部署和优化，以实现可持续发展和竞争力提升。未来，随着技术的不断进步和行业合作的加强，智能制造将在全球范围内发挥更大的作用。