金准人工智能2018年度国内智能制造报告.doc

《金准人工智能2018年度国内智能制造报告.doc》由会员分享，可在线阅读，更多相关《金准人工智能2018年度国内智能制造报告.doc（26页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、|金准人工智能 2018 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、精准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。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

2、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。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；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。除了政府的支持，亚洲企业更积极打破行业壁

3、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（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、

4、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。1.1 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。 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

5、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。金准人工智能专家调研结果

6、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%。|1.2 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 年金准人工智能专家曾调研全国 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

7、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。|1.3 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 (International Federationof Robotics)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

8、装备制造和电子电器行业依然为工业机器人的主要用户。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。|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%）。|访企业所关注的相关技术包括工

9、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。|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

10、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。2.1.1 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。2.1.2 产品

11、数据流打通产品数据流主要体现在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，主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统间实时传递，数据的同步更新避免了传统制造企业经常出现的由于沟通不畅产生的差错，也使得工厂的效率大大提升，缩短产品研制周期。产品全生命周期可追溯以提升产品质量管控为核心。主要应用是让产品在全生命周期具有唯一标识，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

12、预警等。2.1.3 供应链数据流打通供应链数据流主要体现在供应链上下游协同优化，实现网络协同制造。主要应用是建设跨企业制造资源协同平台，实现企业间研发、管理和服务系统的集成和对接，为接入企业提供研发设计、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置。金准人工智能专家调研结果显示，目前企业致力于打通从 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，未来还需将产品数据、供应链数据串联。我们们将生产数据流分为两个环节：一、打通生产计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。结果显示， 83%的受访企业表示已打通 ERP 和 MES 的数据流打通。62% 的企业继续向下打通 MES 到现场设备的数据流。但仅有 47%的企业打通了产品数据流，44%的企业打通供应链数据流（图 2.4）。而且考虑到我们调查的企业均为资质较好且为中等以上规模，这一系列比率显然高于中国整体平均水平。