您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[帆软]:发展数据要素,智造未来工厂 - 发现报告
当前位置:首页/行业研究/报告详情/

发展数据要素,智造未来工厂

机械设备2024-07-04帆软陈***
AI智能总结
查看更多
发展数据要素,智造未来工厂

2023帆软第五届智数大会 发展数据要素智造精益工厂 孙前 帆软数字制造事业部高级顾问 目录 01 第一部分世界范围制造业发展动向 01 第二部分帆软:制造业数据建设成熟度阶段模型 01 第三部分阶段建设行动方案 01 第四部分破局思考 第一部分 世界范围制造业发展动向 全球制造业的发展趋势 制造业正逐渐向智能制造和 环境可持续性日益成为全球 随着消费者需求不断多样化, 全球供应链在面对地缘政治 自动化技术虽然在制造业中 诸如3D打印、纳米技术、 随着制造业技术的不断演进, 数字化转型。通过物联网 制造业的重要关注点。制造 制造业正朝着更加定制化和 变化、自然灾害以及全球流 发挥着重要作用,但人类工 量子计算等新兴技术正逐渐 对于高技能、跨学科背景的 (IoT)、人工智能(Al)、大数 企业越来越注重减少资源浪 个性化的方向发展。通过灵 行病(如COVID-19)等风险 人仍然是不可或缺的一部分。 应用于制造业,为创新和生 人才的需求日益增加。制造 据分析等技术,制造企业能 费、降低能源消耗、减少污 活的生产流程和先进的制造 时显得脆弱。制造企业正考 未来制造业将更多强调人机 产流程带来了新的可能性。 企业需要寻找具备数字化、 够实现生产过程的自动化、 染排放,以及采用可再生材 技术,企业能够生产更符合 虑减少对单一地区的依赖, 协作,让人类工人与机器人、 工程、科学等多方面知识的 优化和智能化,从而提高生 料和绿色生产技术。 个体需求的产品,从而提高 寻求更加分散和弹性的供应 自动化系统共同合作,发挥 人才来推动创新和发展。 产效率、降低成本,并且能 客户满意度。 链配置,以降低风险。 各自优势。 够更快地适应市场需求变化。 制造业转型升级的宗旨 生产效率资源消耗 单件成本产品品质市场响应 环境影响核心能力职工生活 美国提出“先进制造业美国领导力战略”和“未来工业发展规划” 德国提出“工业4.0战略计划”和“德国工业战略2030” 全球政策导向 发展数据、数字化技术、数字化转型、数据人才建设 美国 《美国先进制造业国家战略计划》(2012年2月):提出要发展包括先进技术平台、先进制造工艺及设计与数据基础设施等先进数字化制造技术。 德国 《德国高科技战略2025》(2018年):到2025年将研发投资成本扩大到GDP的3.5%,并将数字化转型作为科技创新发展战略的核心。 欧盟 《2030数字化指南:实现数字十年的欧洲路径》(2021年3月):围绕企业数字化、数字化教育与人才建设等四个方面提出具体目标,指出到2030年,75%的欧盟企业应使用云计算服务、大数据和人工智能。 日本 “数字新政”(2020年):主要提出四项内容,分别是加强“后5G”时代信息通信基础设施投入;实现信息和通讯技术 (ICT)在学校的普及应用;提高中小企业信息化水平;为ICT领域提供研发支持。 韩国 《基于数字的产业创新发展战略》(2020年8月):计划通过数字创新跃升为世界四大产业强国之一,并计划开展:产业价值链智能化优先实现数据与人工智能应用的成功案例;民间主导推进体系等4个实施战略和9个具体推进任务。 东盟 《东盟数字总体规划2025》(2021年1月):指引东盟2021年至2025年的数字合作,将东盟建设成一个由安全和变革性的数字服务、技术和生态系统所驱动的领先数字社区和经济体。 英国提出“英国工业2050战略” 法国提出“新工业法国计划” 日本提出“超智能社会5.0战略” 韩国提出“制造业创新3.0计划” 十三届全国人大四次会议2021-03-11 政策层面对数字化的重视和指导 数字 处 中国政策法规解读 数字化 处 大数据 处 十四五规划——制造业数字化转型要求 2023数字中国建设整体布局规划 • 推进智能制造,立足制造本质,紧扣智能特征,构建虚实融合、知识驱动、动态优化、安全高效的智能制造系统,推动制造业实现数字化转型、网络化协同、智能化变革。 加快新一代信息技术与制造全过程、全要素深度融合,推进制造技术突破和工艺创新,推行精益管理和业务流程再造”,建设智能场景、智能车 间和智能工厂。 • • • 数字化转型处 将数字中国建设工作情况作为对有关党政领导干部考核评价的参考。 数字中国的目标是实现数字化、网络化、智能化和信息化的全面协同,构建现代化的数字产业体系、数字经济 生态圈和数字社会。 政策与发展双向联动,“成为领导干部考核参考” “灯塔工厂”建设离不开数字与组织的共同建设 全球“灯塔工厂”建设重点围绕整个生产网络、端到端价值链和商业模式转型三个领域,打造卓越制造体系,打通端到端价值链,创新业务模式。与此同时,“灯塔工厂”以数字化能力和组织能力为两大转型基础,为技术创新和业务转型提供保障 精细化管理和决策|动态需求和资源规划管理|柔性生产|全价值链的可追溯性 订单全生命周期管理|个性化用户体验|数字化产品追溯|客户触达渠道 上下游协同创新|服务型制造|C2B用户驱动制造|产业链平台 和支持。利用BI实现管理与决策的精细化以及打造全链路可视的订单分析可以加快 专门的数字化人才梯队|领导力与敏捷组织 企业推进数字化转型应用并扩大数据价值。数字化能力|云化服务化的系统平台|多级协同的工业互联网架构|智能制造技术平台 第二部分 帆软:制造业数据建设成熟度阶段模型 帆软提出:制造业数据建设成熟度评估模型 只有少数核心管理人员能够意识到数据的重要性,大部分员工处于数据启蒙阶段几乎不关注数据建设,在数据建企业投入设方面的资金投入非常少 IT部门人员较少且职能单一,只能保障企业基本的IT基础支撑;业务部门全部由业务人员组成 基础设施非常薄弱,几乎没有部署信息系统 数据通过层层上报的方式汇集到企业中高层处,用于支持企业管理层进行简单的产能分析、财务分析等;数据应用方式单一、传统 企业内部的协同主要依靠电话、纸质表单等传统方式;而且由于信息的分散性,内部的即时协同会面临一定挑战 缺少标注的数据建设流程规范,或既有规范不成体系 整个企业的数据缺乏统一的管理,具有零散、滞后、格式不一致等特点,质量比较低 只依赖人力对数据进行初步管理,没有统一的数据安全管理体系,数据安全等级非常低 只有少数核心管理人员能够意识到数据的重要性,大部分员工处于数据启蒙阶段开始关注数据建设,开始投入金钱和人力进行企业的数据建设 IT部门内人员职能逐渐健全,如数据工程师、系统工程师、网络工程师等,企业 信息化能力逐渐健全;但缺少具备业务和技术双重知识的人才 只有几个核心的信息系统,仍需完善 数据开始与业务管理进行融合,数据用来处理业务流程,支持业务流转在信息系统的支持下,部门内部的协作流程简化,协作效率提高 已建立主要业务的数据建设流程规范,跨部门的数据建设标准仍需梳理 开始制定部分业务的数据质量标准,部分业务的数据质量开始可控;数据质量中等 开始利用系统对部分数据进行管理,逐步建立数据安全管理体系;但仍有一些数据靠人工简单管理;数据安全等级中等 只有少数核心管理人员能够意识到数据的重要性,大部分员工处于数据启蒙阶段十分重视数据建设,并且有了可持续性投入计划 IT部门招募了具有业务和技术双重知识的人才,如数据架构师、BI工程师等,推 进企业数据建设;业务部门设置了专门负责数据建设的岗位 不仅部署了基础的业务系统,而且还部署了数据分析软件 数据与业务管理的融合逐渐紧密,数据不仅用来处理流程,还能够用来支持企业的决策、进行简单的异常状况预警等 打通了部分有业务关联的部门之间的信息系统,实现了部门级协同 随着数据建设进程的发展,跨部门的数据建设标准逐步建立,规范体系逐步健全 随着数据建设进程的发展,扩充完善数据质量标准,数据质量已基本可控,数据质量中等偏上 数据安全管理体系逐步健全,系统能够根据企业的组织架构设定权限,能够对数据进行存储和备份,数据安全等级中等偏上 立足企业全局规划数据建设的资金投入、人力投入和时间投入 引入首席数据官CDO(或兼任),从企业全局规划数据建设、相关岗位职能和角色要求;业务部门和IT部门紧密配合 信息系统部署实现了企业内部全业务覆盖 数据的价值被进一步开发,数据的用途被进一步拓展,数据不仅用来处理流程、支持决策等,还能够对业务发展进行简单预测、支撑企业未来发展战略的制定 企业内的所有系统都能够互联互通,各部门之间的协作效率大大提高,实现了企业级协同 规范较全面,并且逐步系统化自动化,能通过良好定义的流程控制纠正异常,能够识别出信息流中的问题并能够提前预防和处理 建立企业级数据质量评估体系(准确性、完整性、一致性等),保证数据持续可用,数据质量较高 建立企业级数据质量评估体系(准确性、完整性、一致性等),保证数据持续可用,数据质量较高 建立企业级数据安全管理体系,有完备的数据应急方案,数据安全等级较高 企业内部、企业与上下游生态伙伴之间形成了充分利用数据资源,让数据创造价值的良好文化氛围 重点在企业的智能化建设、与外部的生态建设方面投入资金、人力和时间 IT部门仍有精通技术的专业人才,并且分工合理、职能明确;业务部门不再单独设置负责数据建设的岗位,不懂技术的业务人员能够有效利用数据建设的成果,并且积极投入数据建设中 基础设施非常完善,能够支持企业内部的智能化运营以及与外部的生态建设 部分数据从企业内部,有秩序地流入上下游产业中,数据价值与上下游伙伴共享;企业借助其他伙伴共享的数据进一步为业务发展赋能;数据建设智能化,实现了智能预测、智能决策、智能预警等 在同一个生态中的企业,实现了企业之间目标、需求、合作等的协同 数据建设的纲领、架构等规范完备,各部门(包括上下游生态伙伴等)都能清晰了解相关规范并有序遵循;系统能支持规范的运行,规范标准能做到定期迭代 与上下游生态伙伴共建统一的数据质量管理体系,数据能够实现互通互联;数据质量非常高;数据质量管理实现了智能化,能够进行自动化安全审查 与上下游生态伙伴在数据安全管理方面达成共识,明确哪些可共享的数据范围;数据安全等级非常高;实现数据安全管理智能化,能够进行自动化安全审查 制造业趋势&动向 第三部分 阶段建设行动方案 传统阶段起步阶段 初构业务流程数字化塑造业务管理新模式 传统——起步起步——加速加速——成熟成熟——智慧 (KMS) 协同办公系统(OA)人力资源系统(HR)质量管理系统(WPM) 网络学习平台(E-Learning)供应链管理平台(SCM) 流程管理系统 (BPM) 财务共享中心知识管理系统 起步阶段加速阶段 传统——起步 起步——加速加速——成熟成熟——智慧 传统——起步 起步——加速 加速——成熟 成熟——智慧 企业经营管理中心 场景一 场景二 场景一:制造业业务分析全景地图 人力综合分析 营销综合分析 财务综合分析 生产综合分析 供应链效率分析 产销协同分析 交付及时率分析 市场运营分析 预算编制 预算转化 /合并 预算执行 预算考核 绩效规则定义 绩效战略承接 绩效执行监控 绩效评价 经营结果复盘 当期专项进展 纠偏专项定义 绩效进度监控 友商经营分析原料市场分析 产品市场分析 业务/部门分析中心 满意度分析出货量分析长单分析 收入分析 成本分析 利润分析 能耗分析 原料耗用分析 下游需求分析 工单流转分析 来料质量分析过程质量分析成本质量分析 采购价格分析需求达成分析供应商分析 库存结构分析库存周转分析出入库分析 人才结构分析人才发展分析人均效能分析 国家政策分析 产品市场分析 产品销售分析 产供销分析 收入结构分析 产量/产能分析 生产效率分析 客诉/客损分析 生产综合分析 原料市场分析 采购降本分析 呆滞库存分析 物料库龄分析 人才流动分析 招聘达成分析 海外风向分析 个人数据应用中心 个人分析首页 关键业务固化分析 权限业务BI应用 数据预警跟进 个人待办跟踪 个人绩效跟进 个人流程待办