头像
智能制造  •  ZQ_SOFT  •  发表于3个月前  •  80次阅读

智能制造发展指数报告(2019)

为支撑智能制造发展,引导制造业向数字化、网络化、智能化转型,2015年以来,中国电子技术标准化研究院组织定了《智能制造能力成熟度模型》和《智能制造能力成熟度评估方法》两项国家标准。

《智能制造能力成熟度模型》国家标准将智能制造能力划分为五个成熟度等级,提出了系统反映智能制造能力的四要素人员、技术、资源和制造,简称PTRM模型。《智能制造能力成熟度估方法》提供了一套客观的智能制造能力成熟度量化评估方法。两项国家标准效解决了制造业智能制造能力如何规划、如何提升和如何评估三个关键问题,是衡量和评价智能制造水平的重要抓手,有助于避免智能制造能力提升过程中盲从、跟风、求快的问题。

目前标准已在全国29个省市得到应用,累计8200多家企业通过“智能制造评估评价公共服务平台”(以下简称台)参加智能制造能力成熟度自诊断,覆盖31个制造业大类,为企业了解身智能制造能力水平、行业主管部门全面掌握智能制造发展现状提供了有效支持。

本报告以平台现有数据为支撑,在综合分析国内外发展现状和趋势的基础上编写而成,仅供社会各界参考。

一、智能制造发展现状

截至2019年8月,全国8200多家企业通平台开展智能制造能力成熟度自诊断,其中:江苏、浙江、山东、湖南河南、广东等省市工业和信息化主管部门高度重视,通过支持智能化改造项、第三方评估诊断等方式,有效推动标准应用。

本报告通过对实际完成自诊的6498家企业数据进行分析,反映了现阶段我国智能制造的发展现状。

(一)智能制造已成为普遍共识,业务流程、装备自动化是提升智能制造能力水平的基础

整体来看,参与自诊断的企业均重视智能化展,数字化转型趋势明显,江苏和山东等造业大省的引领作用突出,如图1所示。



图表 1全国智能制造能力成熟度自诊断

85%的企业正在践行智能制造。在此阶段,企业对实施智能制造有了初步规划并开始实践,能够实现对设计、生产、物流、销售、服务等核心业务进行流程化管理。

12%的企业处于成熟度二级,自动化特征显著。在此阶段,企业应用自动化技术和信息技术对核心装备和业务活动进行改造和提升,实现单一业务的数据共享。

高成熟度发展仍处于起步阶段。在此阶段,制造企业通过对装备和系统进行集成,实现跨业务的数据共享。能够对人员、资源、制造等进行数据挖,形成模型和知识,并基于模型对核心业务进行预测和优化,探索新的制造模式和商业模式。

为了验证已有数据的科学性和合理性,与德国机械设备制造业联合会(即VDMA)的工业4.0就绪度评估结果进行对比。从VDMA的统计结果看,德国机械和装备工程领域94%的企业处于工业4.0就绪度二级及以下,5%的企业处于就绪度三级以上,将近2%的企业处于就绪度四级以上可以看出,我国制造业的智能化水平与德国的差距缩小,均在加速推动高成熟度发展。

图表 2全国智能制造能力成熟度水平

总体来看,制造企业积极向智能化发展转型但由于面临实施难度大、投资高、预期收益不确定等挑战,严重影响了企业的智能化发展进程,一个关键原因是发展方向和发展路径不明晰,导致能制造投入存在不同程度的不合理现象,存在没有系统分析投资回报率的情况下贸然采购了智能制造相关解决方案的极端情况。

(二)政策扶持成效显著,企业智能制造水平相对较高

参与自诊断的企业中,有370家是2015018年来获批工信部智能制造试点示范和新模式项目的企业。根据企业自诊断数据分析,平均得分达到2.81分,明显高于全国平均水平1.66分,是创智能制造技术与模式的主力军。投入存在不同程度的不合理现象,存在没有系统分析投资回报率的情下贸然采购了智能制造相关解决方案的极端情况。

图表 3试点示范和新模式应用项目自诊断结果

(三)行业发展不均衡,优势行业继续保持领先地位

离散型制造业的成熟度水平略高于流程型制造业。离散型制造业在三级及以上阶段呈现明显增长趋势,汽车、家电等排头兵企业在智能制造方面进行了大量探索和实践,智能化特征明显,带动了行业的整体水平提升。

流程型制造业在流程化管理、自动化改造方面具备良好的基础和优势,但在智能化提升的过程中仍需加快推进,特别是新一代信息技术在工艺优化、系统集成、服务等环节的应用。如图4、图5所示。

图表 4离散型和流程型智能制造成熟度对比图



图表 5离散型和流程型各能力域得分对比图

为确保数据分析结果有效,选取了企业样本量超过100家的行业进行统计分析。结果显示电子、汽车、食品、运输、医药等行业处于排头兵地位。各行业的智能制造平均水平如图6所示。

图表 6行业平均水平

(四)生产型企业加速向服务型企业转型

企业可根据业务需求,除生产不可裁剪外,选择设计、物流、销售和服务等某个或几个能力域进行组合评估。

从企业的裁剪情况来看,物流和服务能力域被裁剪的情况达到80%以上,主要原因在于当前企业的物流业务以外包为主,专业的第三方物流服务替代了自建的物流服务。开展基于智能产品的新模式服务企业数量逐渐增多,尤其是装备生产制造企业。企业对能力域的裁剪情况如图7所示。

图表 7能力域裁剪情况

二、智能制造发展趋势

人员、资源、技术和制造是智能制造能力成熟度模型的四大核心要素,在具体实施中,进一步细分为20个能力子域。通过对具体的能力域进行分析,制造(M)水平明显高于人员(P)、技术(T)和资源(R)要素,与企业注重核心业务发展相关。数据和集成能力域存在明显短板,直接影响企业走向高成熟度等级。

图表 8能力域平均得分情况

(一)建立智能制造愿景,专注战略优先事项

发展智能制造已成为推动制造业高质量发展的重要路径,目前已有82%的企业具备智能制造发展愿景,47%的企业制定了智能制造发展规划,15%的企业在战略执行过程中定期开展评测与监控,并根据评测结果对智能制造战略进行优化和调整。

领导者基于战略思维以及对客户需求的了解,为企业勾勒出由数字化驱动、持续提升为导向的发展战略。

图表 9智能制造战略规划

(二)打造智能制造文化,提升制造业人才技能

根据平台结果分析,目前85%的企业雇员充分意识到发展智能制造的重要性,企业识别了发展智能制造应具备的人员素质和能力,60%的企业开始配备发展智能制造的综合管理人员和专业技能人才,52%的企业注重内部人才的培育。在知识沉淀和经验转化方面,7%的企业开始积累和沉淀专家知识和经验并将其进行数字化和代码化,以帮助企业解决运营管理中遇到的复杂问题。

图表 10智能制造人员技能

(三)提升设备数字化和网络化能力夯实发展基础

设备数字化是智能制造的基础,面对多种协议并存的异构设备,面对企业数字化网络化水平较低的现实,难以满足企业向智能制造高成熟度等级的跃升。推动对关键设备的运行监测、能效优化以及预测性维护等,有效提高设备的综合利用效率,是近期发展智能制造的基础性工作。

根据平台结果分析,截至目前企业设备的自动化水平已有明显改进,设备自控率达到71%,37%的设备经过改造升级后已经具备联网的基础条件,23%的设备实现了远程监控,6%的设备具备预测性维护功能,关键设备正向数字化和网络化阶段迈进,企业正在探索完整、高效、低成本的设备连接和数据采集方案。

图表 11企业关键设备智能化水平

(四)补齐集成短板,提升互联互通水平

集成是企业实现智能装备到智能生产单元、智能生产线、数字化车间、智能工厂,乃至智能制造系统集成过程的关键环节,是企业提升智能制造能力水平的关键方面。

根据平台评价结果分析,目前企业的系统集成整体处于发展实施阶段,68%的企业完成了设备、系统间的集成需求与规划,27%的企业实现了设备和系统间的集成,11%的企业具备完整的系统集成架构和技术规范,8%的企业实现了设计、生产物流、销售和服务全业务活动的集成。

应用企业服务总(ESB)和操作数据存储系统(ODS}等集成方式可实现企业T资源的复用,减少传统应用架构中整合接口的数量和复杂程度,从而提高开发效率、降低运维成本、快速实现业务需求。

图表 12系统集成

(五)构建数据模型,驱动业务优化

将数据转化为知识、知识转化为决策是企业持续优化资源配置效率、实现高质量、低成本、快交付的核心。

目前已有91%的企业意识到数据的重要性,实现了制造过程的数据采集,68%的企业可实现数据在企业内部的共享,16%的企业开始建立统一数据中心,对数据进行集中清洗和治理,10%的企业基于模型分析和应用数据,驱动生产环节的业务优化。

当前企业在设计、采购、计划与排产、生产作业、物流、设备管理等过程需要高水平的数据模型和大数据分析能力,面临的共同挑战是工业大数据分析技术、大数据人才严重不足等供给问题。

图表 13数据应用程度

图表 14数据获取方式

(六)建设知识库和模型库,推动产品设计模块化和组件化

目前已有78%的企业基于计算机辅助开展二维产品设计,36%的企业基于计算机辅助开展三维产品设计,34%的企业通过产品数据管理系统实现产品设计数据的结构化管理,15%的企业建立了产品设计组件和知识库,在产品设计时进行匹配和引用,4%的企业实现了产品设计的仿真验证。知识库和模型库建设是制造企业未来重点实施的内容。

图表 15产品设计

(七)提高多约束条件下的智能排产与调度能力,优化企业资源配置效率

计划与调度是实现所有生产活动的核心,需要提高多种约束条件下的智能排产和智能调度能力,才能有效提升生产效率。

数据显示,36%的企业使用ERP、MES等信息系统制定主生产计划和详细的作业计划,19%的企业基于系统的多种约束条件开展有限产能排产,但70%的企业仍需借助人工调整方式才能达到生产计划的精准执行。13%的企业能够实现自动对生产计划的异常情况进行监控和预警,8%的企业应用了基于排产算法模型的高级排产。

由于企业资源配置效率面临产品多样性、生产过程复杂性、市场需求不确定性以及供应链协同的及时性等多个方面的挑战,导致企业优化资源配置的决策难度越来越大。

图表 16计划与调度

(八)实时采集生产过程数据,实现全流程信息可追溯

生产作业是生产活动的重要环节,以最佳的方式将企业的生产物料、机器等生产要素以及生产过程有效结合起来,形成联动作业和连续生产,取得最大的生产成果和经济效益。

数据显示,39%的企业实现了生产作业计划、作业指导书和加工信息的自动下发,34%的企业通过MES、 SCADA、DCS等对生产过程数据进行了自动采集和可视化展示,13%的企业质量环节实现了在线检测分析和预警,7%的企业利用生产过程数据实现全流程追溯。

在生产作业环节中,企业的生产过程数据采集和积累正向生产过程数据全流程追溯阶段迈进。

图表 17生产作业

(九)提升能源管控水平,实现降本增效

能源监控与精细化管理是实现企业降本增效的有效手段。

数据显示,34%的企业对主要能源消耗进行动态计量,28%的企业针对重点能耗设备进行监控和节能改造,12%的企业开展了能效评估和改善,9%的企业在能源调度方面实现了与生产运行的协同。

企业已充分意识到能源管控在降本增效的重要性,并逐步开展能源计量和节能改造措施,定期的消耗评估、与生产协同是未来的改进方向。

图表 18能源管理

三、未来展望

近5年来,在国家和各省市政策、资金的支持下,我国制造业的智能制造水平实现了快速发展。中国电子技术标准化研究院于2016年发布了《智能制造能力成熟度白皮书(1.0)》,2017年正式上线智能制造评估评价公共服务平台,多个省市的工业和信息化主管部门和企业直接采用,并开展线上线下智能制造评估诊断,充分说明各级政府和市场各方急需标准支持,引导和规范智能制造发展。

当前,新一代信息技术与实体经济加速融合,推动制造业加快向数字化、网络化和智能化转型。从近三年参与线上自诊断的企业数量增长情况和现阶段我国智能制造水平看,未来2-3年,我国将出现一批标杆效应强、引领作用突出的智能制造高成熟度水平的企业,基于数据和模型持续驱动设计、生产、物流、销售、服务等业务活动的优化和创新,互联共享的制造模式不断涌现,以数据为驱动的智能化特征更加明显,高质量发展水平将显著提升。

为了更好地服务我国制造业的智能化发展,提升智能制造水平,我们将不断优化和推动平台的应用,开发标准实施的配套指南,培育我国智能制造的最佳实践。

暂无回复