供需大厅
Access
登录/注册
供应商登录
荣格工业资源APP
了解工业圈，从荣格工业资源APP开始。
过去的2019年对于中国制造业而言是非同寻常的一年。外部形势依旧严峻，包括中美经贸摩擦在内的外部不确定性依旧存在；另外，成本压力、环保压力使得传统制造业盈利空间进一步缩小。“高质量”发展是2019年中国制造业的主旋律。人工智能、大数据、5G等信息技术快速发展，并在制造业不同场景得以广泛应用；以工业互联网为代表的新业态和新模式给制造业带来了新的发展动能，带来了更多的商业机会。
IDC 前不久发布的《IDC FutureScape：全球制造业2020年预测——中国启示》，为制造业企业、厂商提供市场发展方向和技术投资指导。
预测一：数字孪生
到2023年，全球6%的制造商将通过IoT（物联网）和ML（机器学习）例程驱动的过程数字孪生技术（将非结构化数据集考虑在内）实现10% 的运营支出节省。
多项技术的发展使数字孪生成为可能，其中最重要的推动力是IoT 的兴起。IoT 对于我们日常生活具有重大意义，据调查，到2025 年互联设备每年的销售额预计达到11万亿美元。而物联网所带来的技术和实际成本模型，使得能在各种产品上安装传感器，以优化所生成的实时海量数据。
数字孪生能以高价值服务形式创造新的营收来源。制造商可以出售设备的运行时间，而不仅仅只是销售设备本身。麦肯锡针对30个不同行业的分析显示：售后服务的平均利润率为25%，相比之下，新设备销售的利润率仅为10%。
数字孪生能真正实现对昂贵设备的预测性维护，让制造商能够节约质保和保险成本，并主动优化产品的运行。一些移动设备制造商的数据显示：每年的质保成本高达8 亿美元，这个金额相当于产品营收的3%。
数字孪生有望颠覆石油天然气、汽车、航空航天与国防等不同行业制造商的业务模式。Gartner 预测：50%的大型工业企业将于2021年应用数字孪生。
物联网软件平台的出现，可支持将实时操作数据与具体产品的数字信息有效整合，大大推动了数字孪生体的实现。
将工业设备的运行数据与软件平台、仿真和分析技术相结合，从而有助于了解设备当下和未来的运行情况。提高产品性能，减少计划外停机时间，降低工程和制造成本，更快速地将产品推向市场，并且获得深入的产品洞察力。
通过数字孪生体，工程师可以确定产品任何性能问题的根源，开展预测性维护计划，评估不同的控制策略以及实时安排其他的产品性能优化，最大限度地减少运营成本。
预测二：弹性供应链
到2021年底，所有制造业供应链中的一半将投资于供应链弹性和人工智能，从而使生产率提高15%。
供应链是生产流通过程中，围绕“将产品或服务送达最终用户”这一过程的上下游企业形成的网链结构，归根到底离不开其中的商流、物流、信息流和资金流。在当今日益庞大的网络、用户和商品前提下，只靠人的计算已经很难满足精细运营管理的需求了，企业在供应链的多个环节采取智能化应用尤为重要。
◆ AI+ 预测：基于大数据和分析模型，对商品未来的销量预测、对各维度仓库的单量预测，对促销期间的促销预测，给出更为智能的相关业务数据预测和相关计划性支持；
◆ AI+ 商品：基于大数据进行智能化商品分类，从多维度评估商品特征和价值；
◆ AI+ 定价：基于统计学习和决策树进行动态定价，实现客户为先、供需协同及可持续的最优价格策略；
◆ AI+ 库存：基于大数据平台和销量预测，为采购、库存管理等提供了更智能化的建议；
◆ AI+ 分配：科学地分配订单生产路径及快递安排，以最优的方式满足客户时效要求；
◆ AI+ 风险：基于模式识别等技术的风险控制系统，及时预警订单的风险级别等，提供更为安全可靠的客户体验。
预测三：数字应用程序部门
到2021年，将有30%的制造商拥有一个数字应用程序部门，该部门将使用低编码技术来创建与业务相关的应用程序，而无需编码技能。
低编码技术通过可视化开发工具和可重复使用的组件从手动的低级编码中抽象出来，从而减少了交付自定义Web和移动应用程序的时间。
低编码平台不仅可以通过实现快速的迭代开发周期来支持处理数字计划的不确定性，而且还可以通过一组集成的工具来简化整个应用程序生命周期，从而消除传统开发和运营活动的低效率。
预测四：人才VS 基于AI 的机器人流程自动化
到2023年，将有60% 的中国2000强制造商通过对智能机器人过程自动化进行大量投资来解决日益严重的行业人才短缺问题。
机器人过程自动化（RPA）可自动执行通常由知识工作者执行的高度重复性的日常任务。
RPA 适用的领域是企业具有明确业务规则、结构化输入和输出的操作流程领域，如财务、人力资源、供应链、信息技术等。RPA 的技术本身适用于业务高频、大量、规则清晰，人工操作重复、量大、时间长的任务。规则清晰的定义则是可以把详细的、人工操作的每一步动作都能写下来的操作手册。简而言之就是流程标准化程度要足够高。
如果说RPA 就是机器人的神经网络，那么AI 是机器人的大脑。
安永咨询提出：RPA 和AI 是高度互补的解决方案。例如，RPA 可被视为将数据输入AI 的氧气，并制定AI 交付的决策或见解。AI 不仅是取代RPA，RPA 也不仅是“过时技术”。实际上，并非一个取代另一个。它们可以单独使用，也可以共同使用。AI 可大幅提升RPA 工具的价值，反之亦然。识别RPA 和AI 以及其他工具的整合时机与方式，这有助于实现智能自动化。
AI 真正的实力不仅体现在与RPA 和数字化的普遍结合，还体现在与人类输入的融合。人类或机器单独工作的效果绝对无法超越人机携手的成果。
预测五：变更管理
到2022 年，对数据驱动过程的操作弹性的需求将导致60% 的制造商将其智能工厂战略重点从技术实现转移到过程变更管理。
制造商和生产商正在使用技术和数字化解决行业挑战。通过诸如数字化转型和工业4.0 之类的计划，并朝着自动，数字和数据驱动的工作方式迈进。
预测六：区块链和可持续性
到2023年，由不断增长的可持续性发展要求驱动，40%的制造商将利用区块链和物联网来提供可靠的来源，从而使审计效率提高90%。
供应链是制造组织的核心。在增值交易的整个生命周期中，它是信息、材料、服务和财务资源从流向最终用途交付的渠道。甚至在数字供应网络的世界中，供应链流程也容易受到许多漏洞和痛点的影响：
◆可追溯性：在任何给定时间点监视数字供应网络中事件的能力
◆合规性：控制机制的应用，以确保满足监管协议
◆灵活性：以最少的停机时间或大幅增加的成本快速响应不断变化的事件
◆利益相关者管理：建立和执行的治理规则，以促进沟通并降低风险区块链功能可能有助于缓解这些供应链痛点。
而德勤在2019 年全球区块链调查所得到的结果正好佐证了这一点。有65% 的制造业受访者表示，区块链是头五个优先事项，是所有工业集团中最高的。同样，鉴于智能合约可以缓解供应链灵活性的问题，有63% 的制造业受访者表示，智能合约非常重要，仅次于TMT。
预测七：资产体验
到2021 年，将有20% 的制造公司开始将其资产视为内部客户，从而将资产停机时间减少40%。
大多数维护专业人员结合了许多定量和定性技术，来识别故障并减少制造设施的停机时间。新的互联技术的兴起可以使机器为它们完成这些任务，既可以最大化机器组件的使用寿命，又可以避免机器故障。不良的维护策略可能会使工厂的整体生产能力降低5% 至20%。最近的研究还表明，计划外的停机时间每年会使工业制造商损失500 亿美元。
德勤的一篇报道显示，预测性维护（PdM）可以使公司最大限度地提高零件的使用寿命，同时避免计划外的停机时间，最大限度地减少计划内的停机时间并节省成本，从而打破了旧策略的取舍。PdM 可以将计划维护所需的时间减少20% 到50%，将设备的正常运行时间和可用性增加10% 到20%，并将总体维护成本减少5% 到10%。
预测八：自愈性资产
为减少关键设备故障，到2024 年，40% 的OEM 厂商将利用现场资产IoT 数据智能诊断未决问题并解决，从而将计划外停机时间减少25%。
Aberdeen 研究公司发现，“一流”公司正在利用IoT 受益，他们用于资产管理、跟踪、服务和维护目的而进行远程连接的可维修设备的占比为53%，而行业平均水平则为37%。
更智能的机器可以带来更可靠的设备。更高的可靠性意味着机器寿命更长，维护成本更低。随着越来越多的机器与人和其他机器通信，主动诊断降级或安排服务以避免停机的能力也得到了提高。并且，来自物联网的信息可以帮助制造商实现持续改进的目标。对机器和设备性能的深入了解有助于OEM 在下一轮产品开发中进行创新。
预测九：规模化定制
到2024 年，所有面向消费者的制造公司中有75% 将从根本上改变其供应链以大规模管理定制，从而获得2-3% 的份额增长。大规模定制使客户可以设计产品的某些功能，同时仍保持与批量生产产品的成本相近的成本。在某些情况下，产品的组件是模块化的。这种灵活性使客户可以混合搭配选项来创建半定制的最终产品。大规模定制可能适用于许多领域，但更多是面向零售行业。
预测十：创新市场
到2022 年，将有70% 的制造商使用基于云的创新平台和市场进行跨行业和客户共同开发，从而创造出50% 的新产品和服务创意。云平台允许从任何来源和任何格式管理数据，因此可用于在不同应用程序之间共享见解。它还支持业务流程的快速开发、集成和扩展，以确保创新可以连续进行。此外，作为集成套件，创新系统（智能技术）和云平台的行业云，智能企业的构建基块使制造商可以迁移到云并保持竞争优势。
本文由本刊编辑俞祎君组稿，部分资料来源IDC