2023年中国制造业数字化转型研究报告

36氪研究院 36KRRESEARCH 《2023年中国制造业数字化转型研究报告》 ——将至已至，智能技术带领中国制造业提质升级 2023.08 引言 发达国家制造业回流力度加大，中国制造业战略地位提升 •随着全球制造业生产从西向东转移，许多发达国家经济体经历了一段衰退期。美国制造业在20世纪50年代达到巅峰，约占经济总量的28%，但此后逐步下降至略高于10%；1991年至2022年期间，制造业在德国经济所占比重也从25%降至19%。然而在过去的几年间，新的制造业时代开始形成，以德、美、日、法为代表的发达国家纷纷加大制造业回流力度，积极部署制造业自动化、智能化升级，以求提振制造业在国民经济中的战略地位。 •对于中国而言，制造业发展水平不仅关乎国家地位，对于加快发展现代产业体系、巩固壮大实体经济根基并在建设工业强国的同时构建高质量发展新格局更具有重要的战略意义。历经数十年的高速发展，中国制造业已经建立了独立完善的产业体系，中国制造业规模排名世界第一，2022年中国制造业增加值占GDP比重达27.7%*。 *注：数据来源于工信部 美国 《国家先进制造业战略》、《芯片和科学法案》 欧盟 工业5.0、 《数据法案》 中国 《制造业可靠性提升实施意见》、 《数字中国建设 整体布局规划》 日本 《制造业白皮书》、《机器人新战略》 图示：全球国家制造业数字化转型部署举例 2 1 引言 数字化技术全面重塑制造业生产体系，并为产业链上各环节带来发展新机 •中国制造业体量庞大，一些产业内的先进企业正积极探索从自动化、信息化向数字化、智能化发展，但是多数企业对于前沿技术的融合落地应用还处于初级阶段，我国制造业距离完成真正的数字化转型还有很长距离。 •随着制造业数字化进程的加速，人工智能、工业互联网等底层技术正全面重塑制造业生产体系，推动新的生产要素、研发范式和商业模式的建立。这个变革过程不仅是对原有制造体系的颠覆，而且会影响制造业的所有细分行业和产业链价值链的每个环节，为众多领域以更高效率稳住发展动力提供了新的可能。 •本报告从“研发设计”、“供应链”、“制造生产”及“营销及售后服务”四个部分，阐述工业互联网、人工智能等底层数字技术对制造业各环节的支持与赋能，并在此基础上对中国制造业数字化转型趋势做出展望。我们相信，本报告所展现的产业洞察将为业界带来新的启示，帮助众多制造业创新企业更好地把握数字化转型的要点及路径。 研发设计供应链制造生产营销及售后服务 工业互联网、人工智能等底层技术支持 图示：底层技术从各个环节赋能制造业数字化转型 3 2 目录contents 01 制造业数字化转型底层技术支持 人工智能 工业互联网 02 研发设计 产品设计洞察 研发类工业软件 工艺仿真 研发设计环节创新企业图谱 03 供应链 智能仓储与物流配送 供应链协同 供应链环节创新企业图谱 04制造生产 05 高级排产 设备管理 质量管理 营销及售后服务 智能营销 销售预测 能源管理与环保监测 制造生产环节创新企业图谱 售后服务 营销及售后服务环节创新企业图谱 06 产业总结和趋势展望 产业总结 趋势展望 人工智能 -以深度学习、计算机视觉等为代表的AI技术正加速向制造业渗透 工业互联网 -5G、区块链、边缘计算及数字孪生等技术体系为工业互联网发展提供有力支撑 制造业数字化转型底层技术支持 01 4 1.1人工智能 从技术突破到应用拓展，AI技术正加速在制造业中的渗透 •以深度学习、计算机视觉等为代表的AI技术正加速向制造业渗透，领先的AI能力能成为我国制造业在全球竞争力的重要体现。 •1）深度学习。曾经制造业的数据分析方法以经典统计学和计算机科学为基础，能够处理的数据量和计算速度都较为有限。引入深度学习等机器学习方法后，制造业企业能够对海量数据进行高效处理分析，并使其产生业务价值。深度学习技术能够将工业数据转化为具备价值的数据资产，随着各类算法的逐渐完善，深度学习技术逐渐成为衡量制造业数字化转型进程的核心技术之一。 •2）计算机视觉。计算机视觉是以深度学习为基础的、研究机器如何获取、处理、分析和理解数字图像的技术。对比人眼，计算机视觉具有识别精度高、速度快、效率高、环境适应性好、方便信息集成等优点，目前这类技术已广泛应用于电器制造、汽车、纺织等制造业领域。未来，随着人力成本的不断上升和传感器、电子元器件等工业硬件成本的逐渐下降，机器视觉在制造业中的渗透率将逐步提高。 应用落地 机器学习框架搭建 供应链管理能耗监测 需求分析一体化系统高级排产 语音识别物流机器人 工业质检 智能工控 计算机视觉 分拣机器人 工艺仿真 营销预测 重点技术聚焦突破行业应用逐步扩大行业应用持续深入…… 图示：AI技术在制造业逐步落地应用 6 5 1.2工业互联网 技术体系支撑下的工业互联网是工业制造业实现全面数字化转型的关键基础设施 •工业互联网是新一代信息技术与工业制造业深度融合的产物，通过对人、机、物、系统的全面链接，构建起覆盖工业制造业全产业链的全新制造和服务体系，是工业制造业数字化转型的关键综合信息基础设施。 业务应用 技术体系 需求 业务视图 引导 支撑 决应用开发 数 优 优 据策描述诊断预测指导 化化分析 闭 环数服务管理 模 字工业模型、数据模型 型数据管理 需求 实施框架 构建 感识别控制 知 控 安全 平台 功能架构 网络 制感知执行 物理资产 图示：技术体系支撑下的工业互联网功能架构 •以5G、区块链、边缘计算、数字孪生等技术为代表的新兴数字技术对支撑工业互联网体系架构中的网络、平台和安全的建设以及实现数据优化闭环具有重要作用。 •1）5G技术。制造业领域中的人、机、物系统的全面链接，离不开具有海量连接、低时延的网络连接技术。5G作为最新一代的蜂窝移动技术，具备海量连接、高可靠、低时延等优势，利用5G无线技术、网络切片技术，以及其他与网络技术融合的5G+时间敏感网络、5G+云等技术，可有效解决不同工业场景的多样性需求。 7 6 1.2工业互联网 5G、区块链、边缘计算数字孪生等技术将在更广泛的生产制造场景中实现落地应用 •当前，5G赋能工业互联网已经取得了一定的研究及应用成果。在生产制造场景下，5G能够支持AGV等移动机器设备的部署，并在网络架构融合的基础上支持部分设备的远程控制。 •2）区块链。企业在部署工业互联网过程中，隐私数据需要上云，因此需要区块链技术解决工业互联网平台中的互信协作及数据安全、数据控制权等问题。通过区块链的加密算法、访问控制、隐私保护、入侵检测等技术，可以实现企业内部各个环节的数据共享、网络加密及访问权限控制等功能。目前，区块链技术在产品质量管理及生产过程追溯等环节已经落地应用，未来随着“区块链+工业互联网”融合研究以及各项标准制度的发展与完善，区块链技术将在工业互联网中持续发挥更大的作用。 •3）边缘计算。一些需要高效计算能力的生产控制场景不支持将数据传输到云端后再进行计算，并且由于生产现场设备之间通信标准的不统一和总线连接的异构，需要将计算资源部署在生产现场附近，以满足这部分业务的高效实时需求。边缘计算技术与工业互联网的融合，能够将工业场景中的计算以及存储分散到工业互联网边缘来降低云端计算和存储的压力，解决云计算模式存在的实时性差、运维成本高、数据安全风险等问题。未来，边缘计算技术的数据安全能力及其协同性、可靠性将进一步提升，边缘计算将成为制造业数字化转型的强大驱动力。 •4）数字孪生。数字孪生为工业互联网智能化部署提供了强大驱动力。数字孪生是物理世界在数字世界的建模映射，起源于新兴信息技术与不同领域技术的融合，其技术基础包括物联网、大数据、机理模型建模、人工智能及云边协同计算等技术。这些数字技术的融合赋予数字孪生系统数据采集、建模分析、高效计算和判断决策等功能，未来，数字孪生与工业互联网的融合将持续完善工业互联网的功能架构，帮助企业实现全方位数据优化闭环。 8 7 产品设计洞察 -大数据、AI、物联网等数字技术助力企业贴近需求端，加快研发效率的同时，缩短研发周期 研发类工业软件 -AI/云计算+研发类工业软件，实现研发质量与效率的双提升 工艺仿真 -多物理场耦合、云仿真和SaaS化、人工智能成为工艺仿真技术未来发展新机遇 研发设计环节创新企业图谱 研发设计 02 8 2.1产品设计洞察 大数据、AI、物联网等数字技术助力企业贴近需求端，加快研发效率的同时，缩短研发周期 •工业设计是制造业的第一步，也是产品的起点与核心，包含需求洞察、产品研发、仿真优化等环节。工业设计与创新能力息息相关，设计越活跃，其市场竞争能力越强，制造业水平越高。数字技术的成熟，推动企业可在设计环节，根据用户需求，在大数据、人工智能、虚拟现实等支撑技术的作用下，对海量信息进行分析，实现高效设计的同时，对产品进行仿真，进而快速产出符合用户需求的产品设计。 •在需求洞察环节，过去主要依赖研发人员，研发思路、手段、创意均受到限制，这导致家电、汽车、服装等制造业细分产业的产品同质化严重，各品牌难以通过差异性产品抢占市场份额，行业竞争激烈。此外，消费者需求愈加碎片化、多元化，仅依靠传统产品设计思路已难以适应市场变化。精准挖掘并高效响应市场需求，已成为决定企业市场份额螺旋上升的关键。因此，制造业积极探索需求洞察环节的数字化，借助大数据、人工智能、物联网等数字技术，抓取并分析需求，指导新产品的设计与改进，缩短研发周期的同时，提升研发效率。 •1）人工智能+大数据。大数据技术可基于用户访问、交易等海量数据，对需求端进行全方位深度挖掘分析，以数据驱动，构建用户、产品画像的同时，及时捕捉用户需求，从而为新品设计提供思路，提高研发效率。此外，随着深度学习和知识图谱等技术的成熟，大数据分析能力和效率增强，可深度挖掘数据价值，提升数据洞察能力。美的即通过瓴羊旗下的数据银行产品，洞察消费趋势，准确了解消费者喜好及目前使用痛点，明确“清洗方便”是急需提升的产品特点，从而进军免洗破壁机市场，研发出更复合年轻消费者对厨房空间和生活方式期待的产品。 •2）物联网。物联网可打通消费端与设计端，远程从IoT设备获取设备数据， 评估产品运行状态，收集消费者使用反馈，帮助产品进行迭代设计。 10 9 userid:206478,docid:137809,date:2023-08-28,sgpjbg.com 2.2研发类工业软件 研发类工业软件辅助设计工作，但面临要求高、数据孤岛等问题 •研发设计类工业软件融合多学科，利用计算机计算和图文处理能力，以可视化方式，在设计阶段即可规划产品整个生命周期，帮助设计人员完成产品设计和工程绘图等多项工作，提高设计环节效率的同时，大大简化了设计人员的重复工作，降低误差概率，管控研发质量。 CAD 计算机辅助设计，人员利用计算机辅助工程技术进行产品设计、工程绘图和数据管理。 CAM 计算机辅助制造，将计算机应用到生产制造过程中，以代替人工对生产设备与操作的控制。 CAE 计算机辅助工程，利用计算机对工程和产品进行性能与安全可靠性分析。 PLM 产品生命周期管理，覆盖产品导入期、成长期、成熟期到衰退期整个生命周期的管理软件。 PDM 产品数据管理，帮助产品研发设计，完善产品结构优化，跟踪研发中的设计概念。 EDA 电子设计自动化，利用CAD完成超大规模集成电路芯片功能设计、综合、验证、物理设计等流程的设计方式。 图示：研发设计类工业软件举例 •传统工业研发软件基于单机或局域网本地部署，对使用环境配置、数据版本一致性、数据安全性有较高要求，各环节的独立也导致团队合作较为割裂。此外，目前各个研发软件差异较大，各软件间数据一致性、时效性不同，且存在难以流通、数据孤岛问题，对企业的研发工作造成困难。AI与云计算等数字技术和软件一体化有望解决以上问题，提升设计效率和结果的同时，降低软件使用