《艾瑞咨询:2023年中国制造业数字化转型路径实践报告(43页).pdf》由会员分享,可在线阅读,更多相关《艾瑞咨询:2023年中国制造业数字化转型路径实践报告(43页).pdf(43页珍藏版)》请在三个皮匠报告上搜索。
1、2023 iResearch Inc.中国制造业数字化转型路径实践关注落地价值2摘要ABSTRACT制造企业数字化转型具有优先级,与钱有关的环节往往优先级更高,但当前生产管理及数据价值释放是当前数字化转型的重点,且将持续很长时间。1)针对生产管理,主要聚焦于设备改造&上云、研发&工艺开发管理、供应链&仓储物流管理、排期&生产管理等方面,这些方面供需两端匹配度比较高,既具有实际的落地价值,还能进一步积累数据资产。2)针对数据价值释放,主要聚焦于AI和BI两方面:对于AI,主要聚焦于在系统最优、识别分类、预测、知识沉淀等问题处理方面赋能,但ChatGPT对企业工作流程的优化与效率的提升、AI增强开
2、发赋能软件开发与测试等值得期待;对于BI,梳理企业数据资产见的关联与逻辑,赋能决策。制造业数字化转型供给市场仍然处于发展初期。与过去几年年相比,制造业数字化转型的供给方市场发生如下变化:1)行业和客户定位逻辑更加清晰:供给方会选择政策大方向有潜力的、且贴合自身优势的行业去攻克,目前汽车及其零配件、新能源、传统能源等行业比较热。确定行业后,供给方的客户逻辑大致呈现出头部/龙头企业-中腰部-长尾企业的拓展态势。2)供给方的产品及服务在横纵两方细分:在纵向上,呈现场景解决方案-行业解决方案-区域/领域解决方案的广度提升;在横向上,呈现出粗放的综合解决方案-细分场景解决方案-关注流程打通的解决方案的变
3、化,即平台化属性开始凸显。3)制造大厂之间的竞争或将拉开序幕:行业know-how理解与沉淀、渠道体系、品牌影响力等仍是制造大厂间的竞争重点,除此之外,以AI为基础的“智造能力”将是期差异化的重要方面。4)市场化之路开始进入探索与验证阶段:部分供给方已经开启上市之路,将为定制VS标准化产品的路径探索提供参考与学习。制造企业进行数字化转型时,的三个关键词:适合、融合、克服。我国的制造业仍然具有“大而不强”的特点,其分层属性非常强,且上海品茶中的“人治”也相对比较重,因此在推进数字化转型时,有3大方面需要注意:1)关于适合:适合的目标、适合的路径、适合的人是基础,毕竟或者依然是大部分企业的首选。2
4、)关于融合:主要指IT部门与业务部门的融合。数字化转型或许是IT部门从成本部门走向价值输出部门的机会:一方面,能够从业务步骤拆解、业务要素确定、业务数据指标搭建等方面助力业务数字化,另一方面,从数据价值流转的视角帮助企业进行战略拆解并落地,即从采购-实施-落地等各个阶段赋能业务。3)关于克服:ISA95架构以满足功能点为主,是点状建设,而数字化转型是以数据价值释放为主,是中心化建设,二者之间存在一定的使用或切换偏差,需要克服或打破。基于制造业数字化转型落地实践分析后的启示有哪些?1)转型具有长期主义:技术迭代速度快,对供给方产品及服务的变革与升级也将作用于制造企业,并经由场景、产线等方式逐步渗
5、透,转型具有长期性。2)软硬件逐渐云化:软硬件云化与工业知识沉淀相互促进,共同推动正向工程的形成与推进。3)从转型构建走向运营:当数字化建设趋于饱和时,基于平台功能及数据关联性的优化、基于知识的沉淀、基于数据价值释放的应用将是未来供给方服务的重点,毕竟花出去的钱需要落实下来。4)产业数据拉通缓慢进行中:数据拉通后的市场将推动买方市场形成,整个产业的价值链有望重构,且离核心机密越远的数据,如行业标准、供应链等,有望优先拉通。3目 录CONTENTS01背景篇-基本情况说明Overview02供给篇-产品及服务市场扫描Supply side03实践篇-各场景转型落地实践Implementation
6、04难点与建议篇-合适、融合与客服Challenges and Suggestions05启示篇-长期且趋于运营Inspiration4背景篇-基本信息说明Overview0152023.12 iResearch I数字化转型的本质通过数据-信息-知识-智慧的蜕变,优化并赋能企业经营与运转制造业数字化转型并不要求“大而全”,也不要求“一步到位”,重点是希望企业结合自身需求,实现关键业务、关键环节、关键节点的数据资产的积累及应用。因此,制造业数字化转型的本质是解决“关键数据从哪里来、关键数据怎么用、关键数据价值如何构建及应用”的问题。无论制造企业是从顶层规划逐步实施数字化转型,还是解决关键节点智
7、能化及上云,其目的都无法离开两大方面:1)显性方面,满足主机厂商要求、优化研产供销服等各环节,降本增效;2)隐性方面,基于历史数据,进行预测分析,赋能订单预测、赋能设备寿命及维修预测、赋能管理者决策。来源:2023年工业互联网平台行业研究报告,艾瑞咨询研究院自主研究及绘制。数据积累及价值挖掘设备接入数据采集(如生产、设备等)协议解析设备物联升级边缘智能分析数据集成/交换数据清洗/转换数据资产管理数据实时监控数据库(如时序、关系等)数据预处理、特征工程知识图谱算法/模型库模型管理及部署可视化建模工业机理模型平台层玩家自研第三方玩家开发可视化编程及开发研发、生产、经营、设备、供应链、能源等场景管理
8、、优化、运维数据可视化(如库存、产销、设备状态等)制造业数字化转型的本质-数据优化并赋能企业经营与运转产品、工艺、产线设计及验证新产品&新工艺开发工厂订单排产计划组装及包装仓储物流生产制造设备能源采购精益质检安全销售及售后用户数据-信息-知识-智慧逐渐演变企业生产制造关键流程显性赋能:1)满足市场主机厂商的需求,如溯源、生产规范等;2)优化:在研产供销服等各环节进行优化,如缩短研发周期、优化配方/工艺、精准排产/备料、降低能耗、精准营销等;3)知识沉淀+流程优化。总之,合理规划、品质生产、节能减排、管理效率等是直接赋能方向。隐性赋能:主要基于历史数据进行合理预测分析,主要聚焦于以下3点:1)销
9、量预测,包含提前备货、预留产能、调货等;2)寿命及维修预测;3)赋能决策:其一,由上至下,分析事件影响因素,并下钻分析原因;其二,由下至上,收集并打通各关键环节信息,支持管理者分析决策。赋能以IoT、边缘层为主以大数据平台为主以AI平台为主以APP开发、定制为主以数据应用、BI为主数据采集、传输数据处理数据分析数据知识沉淀、调用数据应用、可视化62023.12 iResearch I软件在制造企业运营中的作用-总览理想状态下,工业软件贯穿制造企业研产供销运等各个环节工业软件是企业走向信息化的基础和有效工具。聚焦在制造业来看,工业软件可贯穿制造业企业核心生产价值链的全流程,即产品、工艺的研发-产
10、品、工艺及产线的设计及验证-生产制造业-营销销售-仓储物流等全流程环节。但需要注意的是,企业对工业软件需求层级与企业发展阶段(如规模、信息化程度等)与发展目标息息相关,而无需要求“全”。一般而言,制造业企业将优先以财务为核心,然后是采购、销售、研发等。这些场景中,软件应用的易行性和软件所带来的便利性也更容易体现。对于生产制造管理相关软件的需求情况,则与企业产线数量、生产产品品类、主机厂商的要求等直接相关。来源:艾瑞咨询研究院自主研究及绘制。工业软件在制造业企业运营过程中的作用新产品&新工艺开发排产计划组装、包装及检测仓储物流生产制造设备能源采购精益质检安全销售及售后用户CAD、CAE、CAPP
11、、CAM等MES、SCADA、DCS、PLC、SCM、SRM、EMS、QMS等主要软件APSCRMCRM、BI等WMS、TMS等生产价值链主要作用主要进行产品及工艺研发设计、验证等,降低研发周期、成本PLC等:主要负责自动化实现等MES等:主要负责生产现场的物料、质量管理及追溯、决策分析等SCM等:与供应链相关的供应商、制造商、分销商、零售商等管理及评估主要进行计划与排产主要进行客户管理主要负责出入库管理、库内管理、分拨调度管理等ERP:企业资源管理,抓财务、抓资源、管订单、定计划等,与企业其他的软件如CRM、MES、APS等细细相关。工厂订单产品、工艺、产线设计及验证主要进行销售管理销售订单
12、情况订单安排情况物料消耗、生产完成等数据生产计划、物料数据库存数据物料数据销售订单情况订单安排情况72023.12 iResearch I软件在制造企业运营中的作用-MES和ERPERP聚焦于计划层面,无法对现场执行层面进行有效管控,而MES则可对生产现场的每个工位每个制品进行有效管理及追踪MES与ERP不是替代关系,而是有效的互为补充的关系。从功能上看,MES和ERP虽然有很多共性功能,但聚焦到具体功能和范围的精度看,有很多不同,具体表现为:1)MES聚焦在生产现场,而ERP则相对统揽企业的产供销存运等各个层面;2)MES对生产的规划精度可细化到时或者分,但是ERP多以批次为单位规划,最多能
13、规划到天;3)MES可以对每个工位每个制品进行追踪和质量管理,但ERP则只能对批次和现场关键点分别进行追踪和质量检查;4)MES和ERP之间会相互传递数据,但是ERP是将物料信息、采购到货信息、销售单信息等传给MES;而MES则将物料需求计划、产成品产出计划、成本及成本分摊数据、细作业计划(工序计划)、设备管理、质量管理、人事工资等数据传给ERP。来源:艾瑞咨询研究院自主研究及绘制。MES和ERP的区别与关系定位生产计划生产管理执行层面,面向生产管理人员、处理人与机器的关系计划层面,面向管理层,处理人与人的关系管理目标重点在于制造重点在于财务实现方式采用事件的方式实现管理采用表单抛转、表单填写
14、的方式实现管理管理范围更小更细,细致到每个生产制造工序更大,管理范围包括产供销存运等各方面以生产物料和生产设备为对象,有限产能计划通常给出一周或每天每个工序的时间表、每个工序的生产顺序,时间精度可为周/天/班/时/分等可以根据现场情况调整生产顺序基于订单的无限产能计划主要以批次为单位下发给生产车间的计划,时间周期一般为年/季/月/周/天质量:可对所有工位点进行质量管理追踪:每个工位的每个制品进行追踪,为车间作业排产而进行质量:对生产现场关键点进行质量检查追踪:以批次为单位进行跟踪,确定批次完成情况、生产订单的投入与产出结合生产、销售、预测、库存等信息制定生产、采购计划,并且将生产计划下放给ME
15、S系统基于设备、物料等信息将ERP的订单打散、拆解执行;如果有计划外的,则申请采购后,重新滚动执行,并将相关数据上传给ERPMESERP82023.12 iResearch I软件在制造企业运营中的作用-MES和MOMMES强调生产线上的制造管理,而MOM则将管理范围扩大到生产线相关的制造、质量、运维、库存等管理与协同MOM与MES不是替代关系,而是兼容与包含的关系。MOM的出现是为了更加机动有效的完成“生产调度与规划-物料和能源控制-生产控制-质量保证-库存控制-维护管理”这一生产过程的协同管控而逐渐衍生出来的,是为了让企业生产线的运转更高效,与非生产部门的协同性更强。从管理范畴的角度看,M
16、ES、MOM、ERP的管理范畴逐渐扩大。注释:1)MES(Manufacturing Execution System):制造执行系统;2)MOM(Manufacturing Operations Management):制造运营管理系统。来源:艾瑞咨询研究院自主研究及绘制。MES和MOM的关系制造执行系统定位主要功能存在问题制造资源分配与状态跟踪设备维护管理生产单元调度产品跟踪与记录工业规格标准管理详细供需作业计划与排产数据采集文档管理质量管理性能分析劳力资源管理MES:用于制造业车间级的信息化管理系统,强调对生产制造车间的管控,于1990年正式提出。MOM:通过协调管理企业的人员、设备、物
17、料和能源等资源,把原材料或零件转化为产品的活动,强调生产制造运行区域内的全部活动的协调管理、精益管理,于2000年基于ISA 95提出。定义模糊,市场乱象:并非具备11个完整功能才被定义为MES,只要具备1个或几个都可以。标准不定,难以维护:早期MES供应商各自为战,没有统一标准,系统配置性差,架构不够灵活,系统维护成本高。生产运行管理质量运行管理维护运行管理库存运行管理生产、质量、维护、库存等并行管理,具有平台属性,承当企业上层业务流程与底层生产设备之间的信息转换功能定位主要功能制造运营管理系统物料和能源控制生产调度与规划订单处理产品成本核算产品库存控制质量保证维护管理采购产品发运管理研发和
18、工程设计市场营销生产控制维护运行管理质量运行管理库存运行管理生产运行管理123341234MOM平台管理范围:MES主要针对生产运行进行控制和管理,目的是实现生产过程的透明化;MOM覆盖生产制造、生产调度与规划、质量管控、物料和能源控制等相关活动,强调协同管理。本质:MES是软件产品的概念,而MOM是平台的概念。MOM与MES之间不存在取代关系,二者是兼容与包含的关系。几点说明92023.12 iResearch I软件、硬件与工业互联网之间的关系工业互联网是软硬件收集及产生的数据聚集及价值释放的载体及媒介,同时有利于软硬件解耦,提升软硬件功能开发、调控的灵活性ISA-95架构虽然通过使用标准
19、化的接口和协议有效规范了企业业务和工厂生产运营之间的信息流,降低了生产控制系统之间的集成成本和风险。但也存在跨层级传递效率低、实时洞察与管理能力弱等问题,这不太适应数字化浪潮对功能敏捷性高、数据价值深度挖掘与应用能力强的要求。工业互联网类数据中心化的网状架构具有强大的集成性、信息流传性、开放性等能力,好处主要有三:1)工业生产数据的集成、处理、分析、应用及共享效率得到极大提升;2)平台功能的集成性和开放性有助于软硬件功能的开发、应用与调控的灵活性;3)软件定义硬件、软件定义平台的影响有望加速。来源:ISA-95,数物融合-工业互联网重构数字企业,2023年中国工业互联网平台行业研究报告,艾瑞咨
20、询研究院自主研究及绘制。软件、硬件与工业互联网的关系感知层:如传感器、协议解析监控层:如SCADA执行层:如MES/MOM管理层:如ERP决策层:如BI设备层:如ROBOT通过通信协议、驱动程序、编程接口等各类方式控制硬件云基础设施,如服务器、IDC、虚拟化边缘层IaaS层设备接入 协议解析 边缘盒子及设备平台层(PaaS层)工业大数据平台:如数据清洗/转换、管理、存储/交换、可视化等工业AI平台:如工业数据预处理、特征工程、机理模型沉淀及管理等技术赋能平台:如微服务框架及组件、低代码/零代码、模型组件库等应用层(SaaS层)运营大屏数据集成平台:如IT、OT、IOT等数据各类工业APP:1-
21、设计、生产、管理等业务运行类;2-设备状态、供应链分析等应用创新类社区服务服务市场企业中心L1L2L3L4L5L0ITOT工业软件工业互联网对工业软件和硬件的影响工业互联网的功能体系架构ISA-95架构1-软件形态逐步微小型化2-软件架构逐步走向微服务架构3-软件开发逐步走向开源、开放、群智协同开发工业互联网的架构特点1-具有明显的软件定义特征2-提供了强大的数据集成和共享能力,层级结构走向网状结构,跨层级数据传递、应用及共享效率提升3-功能的灵活性和可扩展性强4-实时数据采集、处理和分析能力得以提升,如边缘盒子工业硬件1-硬件设备从自动化趋于智能化2-趋于软件定义硬件3-趋于软硬件解耦数据集
22、成软件开发硬件应用数据应用敏捷、数据集成与分析10供给篇-产品及服务市场扫描Supply side02112023.12 iResearch I制造业数字化转型的产业链情况来源:艾瑞咨询研究院自主研究及绘制。以平台层为核心,围绕数据资产价值挖掘提供一系列服务;平台层之下,保证自动化、信息化、数据采集及传输;平台层之上是数据资产的具体应用与价值体现2023年中国制造业数字化转型升级产业链情况支撑层设备层协议感知层IaaS层平台层应用层电信运营商 标准服务体系控制器传感器芯片伺服系统减速器 生产相关设备智能机床工业机器人 3D打印机检测设备 非生产相关设备边缘盒子监测终端XR设备 工业通讯协议工业
23、无线工业总线工业以太网计算机通讯协议HTTPS/HTTPIPv4/IPv6TCP/IP 物联网通讯协议LPWANTCP/IPWSN 工业物联网通信协议短距离通信技术云基础设施,如服务器、IDC、虚拟化等主要提供数据集成服务,如IT数据、OT数据、IOT数据等工业大数据平台主要提供工业数据预处理、特征工程、机理模型沉淀、模型管理及部署、可视化等服务工业AI平台技术赋能平台微服务框架及组件其他应用开发工具,如能力引擎、容器、可视化开发等低代码/零代码DevOps模型组件库数据集成平台主要提供工业数据清洗/转换、管理、存储/交换、可视化等服务工业安全业务运行类:设计、生产、管理、销售、营销、服务AP
24、P应用创新类:设备状态分析、供应链分析、能耗分析优化各类工业APP社区服务应用商店、模型市场、测评/认证服务等学习社区、开发者社区、工程师社区等服务市场工业网络122023.12 iResearch I制造业数字化转型的产业图谱注释:1)每个类别企业并未详尽;2)企业排名不分先后。来源:艾瑞咨询研究院自主研究及绘制。平台层玩家类型多样,服务能力各有侧重,大部分都提供数据连接-数据价值挖掘-数据应用的服务,即贯穿平台层上下两端2023年中国制造业数字化转型升级产业图谱支撑层现场设备层协议感知层IaaS层平台层应用层生产相关设备工业机器人 非生产相关设备 工业通讯协议工业无线工业总线工业以太网计算
25、机通讯协议HTTPS/HTTPIPv4/IPv6TCP/IP 物联网通讯协议LPWANTCP/IPWSN 工业物联网通信协议短距离通信技术 电信运营商 控制器传感器芯片伺服系统减速器标准服务体系工业安全3D打印机智能机床检测设备检测设备边缘盒子XR设备工业安全制造业大厂类传统软件类ICT企业类互联网大厂类泛数据治理及应用类设备及物联网类垂直技术赋能类DevOps容器微服务低代码/零代码供应链场景供应方管理与评价 采购计划制定 仓库管理 物料管理 销售场景订单管理 营销获客 需求分析 客户服务 销售预测 财务管理 研发场景辅助设计/验证 工业模拟/验证生产制造设备检测/管理 智能排产质量检测 财
26、务场景营收预测 预算规划 能源管理服务市场社区服务132023.12 iResearch I供给方行业和客户定位逻辑行业定位方面,结合政策、区域规划投入、行业需求空间等因素锚定主要行业;客户定位方面,优先布局头部客户,打造标杆案例注释:针对企业大中小类型的划分,主要结合访谈根据营收量级给出大致划分,不代表市场权威划分。来源:企业访谈,艾瑞咨询研究院自主研究及绘制。供给方行业和客户定位逻辑头部/龙头企业,营收至少在百亿及以上的企业。此类型的企业:1)重整体规划,以平台整合建设为主,定制需求强;2)IT能力强,一般有专门的IT团队,且企业各核心系统的打通已初步雏形。中腰部企业(含集团子公司),营收
27、在10-100亿左右的企业。此类型企业:1)部分企业重生产侧典型场景的数字化改造,如生产制造管理等;2)部分企业已经完成数字化改造,但数据价值挖掘有待提升,故重视数据资产的梳理及应用。长尾企业,营收在10亿一下的企业。此类型企业资金和IT能力不足,重生产派单、设备、营销等具体问题的解决,简单、便捷、轻安装、轻运维的SaaS服务即可满足需求。除此之外,关键节点设备智能化改造及上云也是该类型企业的需求。客户特点客户定位逻辑需求共振传导属性强产品质量、工艺质量、产品及原料溯源等要求客户头部/龙头企业/主机厂商对产业链上下游配套核心环节企业提出要求中腰部企业长尾企业头部/龙头企业中腰部企业长尾企业优先
28、布局,打造标杆案例,同时具有打开品牌知名度+获得产业链共振所带来的新的需求机会的双重优势主要有3种方式:1-提供轻量级、标准化的SaaS产品;2-通过政府、产业协会、园区等提供批量化的标化产品;3-关键节点设备智能化改造及上云。通过项目积累服务经验、行业know how经验、工业机理知识等,同时向上拓展头部/龙头企业案例1)潜力行业锚定:以政策鼓励支持的方向为前提,结合区域产业特色、规划及投入、营商环境等多方因素看行业未来3-5年的市场空间及增长潜力,圈定潜力行业2)贴合自身优势的方向:重点考虑企业自身基因优势、自身在产业链中的位置等定位新领域行业定位当前热门行业:锂电光伏等新能源、汽车及零配
29、件、半导体、电子、装备制造、医药和化学、传统能源等客户分层整体来讲,制造业企业被供给方市场主要分为3大类:头部/龙头企业、中腰部企业、长尾企业。供给方的行业定位逻辑主要考虑2方面:1)是否是政策支持的?以及未来3-5年对数字化建设/转型的需求是否旺盛?2)在锚定的行业中,哪些更符合企业自身的优势,如政府/个人关系、相近行业know-how经验等?当确定行业方向后,客户定位一般遵从“头部企业打造标杆案例、中腰部企业积累项目服务经验和行业know-how、轻量级产品覆盖长尾市场”的拓展思路。值得注意的是,2023年政府补贴开始向中小企业倾斜,部分供给方也纷纷布局中小企业市场,多以提供标化的SaaS
30、产品、关键节点设备上云等为主。142023.12 iResearch I供给方产品及服务情况-总览软件是当前主要产品及服务,其中围绕具体场景功能、数据、平台工具等软件类产品是当前主流诊断及咨询+软件+硬件+其他可以视为制造业数字化转型的完整解决方案,也是当前市场供给方所提供的主要产品及服务的类别。其中,软件类产品是当前主要产品及服务,其核心逻辑在于将数据作为资产完成数据-信息-知识-智慧的蜕变,当前软件市场主要有两大特征:1)聚焦数据价值挖掘,需要完成“数据从哪里来、数据怎么用、数据价值如何构建、数据所沉淀的行业know-how如何积累”等问题的回答,故数据处理、数据分析、知识沉淀、数据呈现等
31、软件是热门;2)聚焦生产制造场景的服务与优化,当前围绕企业财务服务的产品相对成熟,研发、生产制造、仓储物流等核心场景是热门。来源:2023年中国工业互联网平台行业研究报告,艾瑞咨询研究院自主研究及绘制。供给方的产品及服务情况总览诊断及咨询软件其他标识解析上云服务具体场景功能性软件数据相关服务性软件平台功能或服务性软件硬件工业机器人检测设备监测设备XR设备边缘设备3D打印机服务市场类别参与方宏观战略咨询、智能化程度咨询、数据咨询咨询公司、数字化转型供给方帮助企业对其产品、设备或物料上的标识进行解析、识别和管理,以二级节点、企业节点较为常见主要包含设备上云、产线上云、业务应用及数据迁移到云端等研发
32、工艺及产线设计及验证排产计划供应链生产制造仓储物流财务管理数据采集人力管理数据传输数据存储数据处理数据分析知识沉淀数据调用数据应用、可视化底层支撑,如云服务、IDC、工业网络等能力开放,如微服务组件、低代码开发等能力管理,如DevOps、微服务治理等搬运机器人、码垛机器人、分拣机器人、焊接机器人、装配机器人、喷涂机器人、切割机器人、检测机器人等目前机器视觉检测比较热,主要有流水线在线检测设备、高速云盘检测机等其他AI服务器社区市场工程师社区学习社区开发者社区会员专区融资租赁应用市场模型市场二手交易辅助申报培训服务152023.12 iResearch I供给方市场特征1-产品及服务边界拓展纵向
33、看,覆盖区域广度提升;横向看,产品及服务颗粒度细化,并且趋于将上下环节打通,即向平台产品演进制造业的数字化转型是一项需要多方参与的大工程,作为供给方,也不太可能只围绕一个方向提供产品及服务。目前来看,供给方的产品及服务主要有两大特征:其一,从纵向看,供给方的服务都将遍历场景解决方案-行业解决方案-领域解决方案的过程,当然目前都仅一些大厂商才覆盖到领域解决方案;其二,聚焦到场景解决方案而言,供给方的产品及服务基本呈现出粗放的综合解决方案-细分场景解决方案-关注流程打通的解决方案的变化,具体而言:1)供给方的解决方案落地性增强,即关注企业生产运营的具体场景或者环节的可执行性和解决问题的能力;2)在
34、供给方产品及服务走向细分的基础上,其服务覆盖需求方运营周期的广度提升,即流程化明显,对外表现为产品及服务平台化。来源:艾瑞咨询研究院自主研究及绘制。供给方的产品及服务边界不断拓展场景解决方案行业解决方案整体方案产品及工艺研发设计与验证智慧工厂排产计划采购设备质量管理品类管理、供应商管理、合同管理、订单到付款、绩效管理设备上云、设备台账、维保知识库、故障与寿命预测、能耗管理来料/过程/成品品质、PDCA改善、SPC分析、检验标准能源/能碳管理安全管理组装及包装生产制造仓储物流运营管理智慧产线其他金融服务产销平台辅助申报细分场景方案主要行业主要领域智慧园区产业集群工业区块链区域区块链汽车汽配泛半导
35、体机械加工电力电子石化钢铁冶金产业大脑领域解决方案几点说明1-整体而言,供给方的产品及服务呈现出场景-行业-领域解决方案逐级拓展,且随着服务经验积累,其领域战略会逐步走向细化,如海尔卡奥斯,逐步形成德阳、芜湖、青岛中心;华为逐步形成厦门、无锡、东莞、辽宁、深圳龙岗、宁波等区域工业互联网平台。2-聚焦到场景解决方案而言,主要有3大特点:1)从纵向上看,制造业的数字化转型经过几年的发展,供给方的场景解决方案从整体走向细分,即落地服务越来越详细;2)从横向上看,供给方的产品和服务越来越聚焦到企业运营的具体环节,重视场景赋能;3)在产品细化与落地性增强的基础上,供给方的服务开始走向流程打通,即重视企业
36、运营周期广度的覆盖,供给方的产品及服务区域平台化。纵向覆盖广度提升横向颗粒度细化与流程化打通智慧车间162023.12 iResearch I供给方市场特征2-开始覆盖长尾市场当前数字化转型政策补贴开始向中小制造企业倾斜,供给方聚焦关键点设备改造、排产派单、质检等方面赋能,落实“省下的就是赚的”服务中小制造企业有数字化转型需求,但与数字化转型具有演进性、不确定性、复杂性、技术/体系架构变化大等特性相比,其存在缺钱、缺技术、缺数据、缺人才等客观难点,故中小制造企业数字化转型进程相对缓慢。虽然近两年政策补贴开始向中小制造企业倾斜,但生存仍是中小制造企业的首要问题,需避免需求与产品之间错配,故其思考
37、数字化转型时需重点考虑4点:1)哪些是关键点或瓶颈或契合点;2)哪些能带来收益,包含节省;3)哪些关键点的可行性、性价比高;4)SaaS、中台等形式不是必须的,重要的是通过合适的形式采集、应用数据。目前,供给方纷纷发力于设备改造、排产派单、质检、供应链采购等方面,“省下的就是赚的”思想在企业规模面前是平等的。来源:企业访谈,艾瑞咨询研究院自主研究及绘制。研发仓储物流采购营销管理服务设备排产生产制造质检能源安全组装打通上游供应链,保证备货与供货的及时性,及时调整报价,如柠檬豆工业互联网平台设备:保证设备不突然停运,提供设备远端控制、故障预测、远程维修等服务,如机智云排产:敏捷派单排产及管理,如卡
38、奥斯生产管理:生产/设备/质量/物料等管理、工艺路线、工厂建模等,如黑湖智造能源:关注整体能源消耗,节能减排缺钱缺技术缺数据缺人才融资难持续投入性差生产自动化水平低流程、制造工艺标准化程度低数据资产积累少、已有数据打通性差IT人才储备少、适应数字化转型的培训推进慢省下来的就是赚的从运输、出/入库、库存等方面精准把控物料及产成品情况,并保证溯源能力供给方市场开始中小制造企业的数字化转型服务类型长尾制造企业转型现状供给方产品及服务应对情况针对数据进行管理、文档进行管理和可视化,如帆软的简道云等数字化转型的特点演进性不确定性复杂性技术/体系架构变化大政策情况2022年中小企业数字化转型指南,对供给方
39、的期望是增强供需匹配度、开展全流程服务(评估规划、设备改造、系统上云、人才培训等)、研制轻量化应用、深化生态级协作。2023年关于开展财政支持中小企业数字化转型试点工作的通知:1)支持试点城市的重点制造行业及相关中小企业,梳理行业共性和个性需求,公开遴选供给方;2)支持中小企业利用链主企业、龙头企业的平台能力和数据基础,实现订单、设计、生产、供应链等多方面协同,推动“链式”税制转型。最终期望在试点实施期满时,细分行业规上工业中小企业“应改尽改”、规下工业中小企业“愿改尽改”。其他生存是首要问题,大而全的解决方案不适合,小步迭代最好,最好是针对关键点的改善与优化172023.12 iResear
40、ch I供给方市场特征3-制造大厂间竞争序幕拉开2023年新增双跨平台主要聚焦于装备制造、电气、钢铁、采矿等泛制造业领域,基本由制造大厂控股或全资子公司成长起来,大厂竞争序幕已开制造大厂、传统软件、泛数据治理、互联网大厂、ICT企业和设备及物联网类等都是制造业数字化转型的供给方,且很多企业都是由大厂控股或全资子公司成长起来。整体来看,制造业数字化转型整体处于发展初期,行业know-how理解与沉淀、需求满足度高且快、渠道体系完善、品牌影响力等是各方竞争重点,市场竞争激烈程度应该相对缓和。但通过整理2021-2023年工信部发布的双跨平台企业数据,我们发现,位居第一的制造大厂占比达40.4%,是
41、主要参与方,且在2023年新增双跨平台中,制造大厂、能源等泛制造业领域的大厂纷纷入局,这些制造大厂之间的比较优势相对不明显,大厂之间的竞争程度或将升级。需要注意的是,今年工业富联对外宣布与英伟达、英特尔等科技大厂展开合作,分别就AI服务器、高性能可扩展处理器模块与新一代散热技术方面进行联合研发与合作,未来“智造能力”也将是大厂间竞争的主要方面。注释:1)统计双跨平台类型时会自动去重,即同一家公司不同年份出现时,只统计一次;2)公司基因如果有母公司,则按照母公司基因统计;3)泛制造业含制造业和能源两类。来源:工信部,艾瑞咨询研究院自主研究及绘制。泛工业领域大厂之间的竞争序幕已开40.4%32.7
42、%11.5%7.7%5.8%1.9%制造大厂软件ICT互联网大厂能源其他2023年新增52%2023年新增100%电气(3个)电力(1个)电子钢铁(2个)汽车&摩托材料(如玻璃、水泥)装备制造(3个)家电采矿(2个)2021-2023年工信部发布的双跨工业互联网平台企业类型情况制造大厂和能源类企业主要行业分布(母)公司基因类型占比(%)主要是一些央国企、政府扶持企业182023.12 iResearch I供给方市场特征4-通过生态构建获客闭环获客-方案输出-能力构建及完成项目-获客的闭环是供给方构建生态的主要逻辑,其中应用商店和供需平台不仅有助于行业知识库的沉淀,还有助于获客与服务完成来源:
43、艾瑞咨询研究院自主研究及绘制。生态构建有助于构建获客-服务-获客的闭环构建生态思路与咨询公司合作或企业自身发展一定咨询能力:战略咨询数据管理/分析咨询DevOps咨询周边服务获客方案输出与科研院所合作:技术类合作人才类合作人才培养分销商、代理商系统集成商金融服务申报服务各类能力构建及完成服务ISV生态伙伴:如数据处理类、AI类、管理类、研发类、应用开发类等IHV生态伙伴:如边缘设备、检测设备、监测设备等连接技术类云服务类应用商店:工业APP、工业模型/算法供需平台:产品或能力的需求对接、工业品商城等社区服务:开发者平台、案例库、知识库等能力沉淀商机汇聚学习交流延长服务链条,加深服务粘性助力公司
44、产品和服务迭代升级反哺类似鱼塘理论,商机转化 获取客户的渠道与资源能力非常强,具备强客单分发能力是当前构建生态的企业的最大共性。因此企业考虑构建生态时,需要考虑:产品能力是否过硬?行业know-how是否沉淀?自身拿项目的能力是否强?是否有稳定持续的项目?自身能力图谱是否构建完成,哪些是自身必须要掌握的?因此,生态构建虽有助于构建竞争壁垒,但企业需慎行。Q1:所有的公司都需要构建自身生态?-不,取决于发展阶段 整体来看,物联网类企业生态构建的整体逻辑基本上都是一样的,即获客-方案输出-能力构建及完成服务-获客。但在工业领域,工业协议多样,故物联网类企业构建生态时,需重点关注两点:1-协议兼容性
45、越多越好;2-物联网需要关注到产品端,如模组、传感器等,因此重视供应链生态丰富性的提升。Q2:以IOT为主的企业生态构建能力是否有所不同?-是,更关注兼容性两点讨论192023.12 iResearch I供给方市场特征5-探索市场化之路1V1服务切入市场-大范围定制拓展市场-小范围定制+标准化服务是各供给方上市的主要路径,但具有转型期周期长、不确定性高等特点整体来看,数字化转型供给方普遍的成长路径大概是“产品-项目-平台及生态”。在这种范式下,各供给方摸索市场化的路径也具有非常强的共性,即:1)发展初期:通过1V1服务切入市场,完善产品能力及服务经验,打造标杆案例;2)市场拓展期:在集团内部
46、、同行业客户、跨行业客户等大范围推广自身产品及服务,此阶段大多是通过大范围定制服务来快速铺设市场,并占领用户心智;3)发展+转型期:企业重点关注盈利变现,小范围定制+标准化服务是当前供给方的主要战略,但都尚处于摸索期,当前的不确定性很高。这种不确定性主要表现为:企业如何让产品走向标准化?标准化的产品如何满足企业定制化的服务需求?定制化的服务与标准化的产品之间的平衡点在哪里可以实现正向盈利?来源:艾瑞咨询研究院自主研究及绘制。供给方的市场化路径1V1服务市场拓展期小范围定制VS大范围标准化产品?上市?发展初期大范围定制发展+转型期除了树根互联外,据新闻报道,徐工汉云、忽米、卡奥斯、美云智数等企业
47、都有上市计划服务方式:多采用1V1定制服务切入方式:1)以产品(软件、硬件、服务)为切入,如摩尔元数、越疆科技、橙色云等;2)以行业经验为切入,如凯盛AGM;3)以主打某个行业为切入,如格创东智开始向子公司或者附属企业推广同行业客户推广跨行业客户推广大范围定制化服务后,企业获得项目经验+行业know-how的积累,企业将进入转型发展阶段,即企业需要考虑盈利。此时企业主要有两个方向:小范围定制or大范围标准化产品。针对小范围定制:什么产品或服务可以进行小范围定制?产品及服务的定制化/标准化占比是多少能保证盈利?针对标准化产品:如何标准化?大中小型企业需求如何满足?定制需求与标准服务之间如何实现?
48、走向上市盈利变现关键阶段20实践篇-各场景转型落地实践Implementation03212023.12 iResearch I转型落地实践总览生产管理及数据价值释放是当前数字化转型的重点,且将持续很长时间来源:艾瑞咨询研究院自主研究及绘制。生产制造管理旧产线改造+新建产线数字化转型主要场景与钱相关与生产相关财务产品及工艺研发设计与验证排产计划客户管理销售分销市场管理数据价值释放人力资源物料采购、仓储物流设备及能源安全质检组装供应商、品类管理等数字化出入库、仓内作业、发货及物流数字化设备上云,管理、维修记录、运维数字化,能耗管理数字化等来料、过程品、成品检测数字化系统最优、推荐及预测、知识管理
49、、智能决策等智能组装产品设计、图纸管理、生产工艺、生产制程等数字化、协同化智能排产数据沉淀数字应用数据应用形成关于研发、生产、供应链、客户等数据资产(包含历史与预测数据)指导经营、生产/仓储/设备可视化管理与运维、生产线虚拟仿真演练、智能决策等制造业数字化转型落地实践总览赋能与助力几点说明:企业关注模块具有优先级,即优先关注与钱相关的业务模块,如财务、销售等;然后是与生产相关模块的数字化。:信息化-数字化-智能化是数字化转型的流程,但数字化本身并不是目的,对数据资产分析挖掘后的管理与运维赋能才是目的。-:1)企业开始关注制造能力本身的智能化、精细化,故产品及工艺研发设计与验证、生产制造管理、供
50、应链、设备管理等均是重点,且此状态将会持续较长时间;2)数据积累与数据价值释放相互赋能。(针对-的实践详情见后面页面)当前,中国制造业企业数字化转型主要表现为两大特征:1)与生产相关的场景是重点,即更加关注制造能力本身的智能化、精细化,因此产品及工艺研发设计与验证、生产制造管理、供应链、设备管理、数据价值释放等方面是重点;2)当前大多数企业处于数据沉淀与数据应用共存共促进的阶段,即企业通过旧产线改造或新产线搭建、核心模块/环节信息化软硬件的使用使得生产运营走向数字化。这两大特征均会持续很长时间,且随着技术进步与技术应用的深入将进一步对企业各个环节优化改造。值得注意的是,随着制造业数字化转型的纵
51、深推进,如企业何将隐性知识、技能转化为可复用、可快速学习的行业知识将是数字应用的重点。222023.12 iResearch I应用场景-设备智能化改造&上云关键节点设备智能化改造及上云是当前各类型企业设备数字化的重点,主要赋能设备耗能、运维、故障、预测等方面的调整与优化来源:企业访谈,艾瑞咨询研究院自主研究及绘制。设备管理数字化备品备件备件列表备件采购与库存库存历史与提醒用量统计设备维修维修工单维修记录(故障原因、关键技术等)任务分配维修经验库远程诊断设备台账采购管理资产管理规格参数设备状态设备上云与联机设备运行与养护绩效管理检修计划(点检、定检)远程控制润滑与技改计划运行监测能耗管理数据分
52、析维修成本故障率异常停机率寿命预测预防性维护能耗优化核心考核指标设备利用率设备故障率设备维修率设备修复时间异常停机率设备管理走向数字化关键节点设备智能化改造及上云是当前制造业企业设备管理走向数字化主要的措施。其中,关键节点设备主要有高耗能设备、高通用设备、高价值设备、新能源设备这几大类型。对关键节点设备改造及上云,主要好处有2点:1)对用户企业,一方面是改造成本低(平均每台设备大约几万左右,与设备数量有关),成本回款周期短,同样适用于中小型制造企业;另一方面,在设备能耗、设备维修及预测、设备利用率等方面都能优化赋能。2)对设备供应商,一方面,聚焦到节点设备,相对容易实现标准化,可覆盖的行业和服
53、务范围广;另一方面,有助于收集设备全生命周期的数据并开展后期运营服务模式,寻找新的盈利模式。3)对于平台运营商,工业设备改造&上云有助于工业数据沉淀,加速工业机理模型沉淀和优化。但需要注意的是:1)存在一定兼容性问题,对平台运营商而言,需要掌握足够多的工业协议、物联网协议;2)对中小制造企业而言,这种服务多转嫁于设备供应商;3)除了传统的工业机器人外,协作机器人凭借着部署位置要求低、位置可变、场景功能适应性强等优势逐步渗透在电子、汽车、新能源生产等行业中(详情见例证越疆机器人)。典型厂商涂鸦智能ABB越疆机器人蓝卓智物联机智云核心设备传统工业机器人协作机器人锅炉空压机发电机组自动流水线产品数控
54、机床类产品改造&上云传感器工业自动化元件,如PLC工业通讯协议传输协议智能网关控制器设备运维及管理云平台,设备数据采集、传输、存储、建模、运维设备管理主要效益设备能耗降低运维成本降低利用效率提升研发周期降低设备故障率降低停机风险降低232023.12 iResearch I例证:越疆机器人越疆机器人战略制定与落实的同步性相对高,循序渐进,稳步发展来源:越疆科技官网,企业访谈,艾瑞咨询研究院自主研究及绘制。教育越疆机器人产品及业务的发展脉络产品场景产品场景产品CRA 系列MagicianMagician LiteMagician E6DOBOTLAB多功能STEAM教育机械臂K12学习解决方案的
55、轻型机械臂专为教育与研究开发的桌面六轴协作机器人专为人工智能教育研发的综合型教育云平台CR3A/CR3ASCR5A/CR5ASCR7ACR10A/CR10ASCR12ACR16ACR 系列CR3/CR3SCR5/CR5SCR7M1 系列M1 ProMG系列上下料、无序分拣、螺丝锁付、焊接、点涂胶、视觉检测、打磨抛光、码垛、装配、搬运等汽车、3C、金属加工、化工、食品饮料、医疗、半导体等行业工业消费Nova 系列Nova 2Nova 5CR 系列CR3CRA 系列CR3A场景数字零售、奶茶店、咖啡店、无人零售等2002120222023A轮融资A+轮融资B轮融资推出DOBO
56、T 1.0、魔术师、M1等桌面机械臂,产品销往全球100多个国家和地区。D轮融资上市辅导至今推出安全皮肤技术和六轴全感知协作机器人,深入工业应用市场,吸引了大量3C、汽车、新零售等行业客户。推出Nova、CRA系,形成业内首个 0.5-20kg 全产品矩阵,全面打开工业、商业、教育市场,产品走进数十家世界500强的产线。前瞻侦查主战场憧憬市场先教育,后工业,教育开局、构建销售渠道、打开品牌知名度,为工业、消费等积累经验行业/市场层面突破了主从控制、驱控一体化、多重感知安全架构等核心技术,控制系统和伺服系统自主研发技术层面1-易用性强:灵活部署、开箱即用、可视化开发、提供工艺包等2-安全都高:非
57、接触式的接近感知与碰撞预防3-负载选择多:覆盖500g-20kg负载范围产品层面战略优势2015公司成立节点事件越疆成立于2015年,是一家定位于轻量工业级应用市场的协作机器人企业。回顾越疆机器人的发展历程,其发展具有以下3个典型特点:1)公司整体从战略制定到战略实施上达成技术-产品-市场-资本的相对同步,企业发展循序渐进;2)在市场打法上,明确以工业级应用为基础,拓展商业、医疗、教育等更广泛的市场,完成品牌初步认知、销售渠道的构建,为后续从工业到商业市场延伸赋能;3)在产品定位上,抓住协作机器人可以突破传统的安全围栏的限制、拉近人机距离以实现真正的人机协同的优势赋能轻量级工业、消费级市场的特
58、点。CR5CR5AMG400技术积累蓄势待发高速成长CR20ACR10/CR10SCR12CR16242023.12 iResearch I例证:越疆机器人针对客户产品涂胶后道工序进行协作机器人替换、调试,省时省成本来源:越疆机器人官网、艾瑞咨询研究院自主研究及绘制。越疆机器人TWS耳机生产的涂胶后道工序项目落地案例SMTTWS耳机的大致生产流程需求背景原耳机生产线上采用大量工业机器人,但存在设备成本高、后期需要定期维护、保养费用高(一般保质期只有1年,过保后硬件损坏更换费用高昂)等问题,希望找到一种性价比更高的代替方案,降低生产整体成本。主要针对产品涂胶后道工序,即静置、保压的工艺,该工序目
59、的是确保产品被稳固粘合。来料检测SMT&烧录副板模组加工PCBA RF/音频/功能测试腔体喇叭装配、音频/阻抗测试前腔装备充电盒耳机装配测试降噪MIC装配通话MIC模组装配PCBA装配纽扣电池装配前后壳精密打胶/保压RF/音频测试成品装配成品耳机功能/音频/配对等测试包装、OQC检测入库越疆机器人CR10满足打胶及保压需求本体重量:40kg额定负载:10kg工作半径:1300mm成本:协作机器人成本不到传统工业机器人的一半运维:1-上下料方案采用模块化设计,无需定期维护保养;2-提供较长的质保服务,同时配置驻广工程师,可快速响应售后问频体积:占用更小空间,可提高产线的空间利用率安全:具备碰撞回
60、退功能,无需护栏,充分保障周围设备和人的安全应用场景:上下料、点涂胶、打磨抛光、码垛、装配、搬运等越疆机器人服务内容项目成果越疆协作机器人在保压、静置工作站中代替工业机器人,进行耳机和耳机充电仓的上下料任务,协作机器人抓取涂胶后装配好的耳机和耳机充电仓,分别放置到保压和静置工位,等完成保压或静置后,再下料到下一道工序。整条产线投入200+台越疆协作机器人,从安装、调试到试运行在数月内完成,并安排驻厂工程师现场跟踪,提供员工培训等服务。同时越疆还支援了客户江西产线转移至越南的项目,为项目复制提供了更加全面的保障。协作机器人价格低易安装、部署调试周期短调试周期运维成本购置成本柔性生产协作机器人无需
61、定期维护易安装、易调试,快速换产越疆方案及成果客户是国内精密制造企业典型企业且是苹果产业链企业,主要从事消费电子、汽车和通信等领域产品的研发生产,拥有完整的生产线和生产设备。针对耳机生产,客户希望在产品涂胶后道工序,即静置、保压的工艺上,找到一种成本低、性价比高的生产产线方案。越疆协作机器人具有成本低、易安装、易调试、易运维等优势,将客户耳机生产的涂胶后道工序上的传统工业机器人替换为协作机器人部署后,在购置成本、调试周期、运维成本、柔性生产等方面为客户带来的收益与赋能效果明显。越疆赋能段252023.12 iResearch I应用场景-研发&工艺开发管理数字化关注与研发生产相关环节的实时数据
62、采集,并与相关历史核心要素数据拉通、分析、建模,进而加强设计-研发与验证-生产之间的耦合性与联动性,缩短研发周期、优化工艺/工况、降低研发及验证成本来源:企业访谈,艾瑞咨询研究院自主研究及绘制。意义反馈给研发和生产端,重新考虑设计、生产方案产品/工艺设计(CAD、CAE等)生产(预生产、试生产、投产)产品/工艺研发及验证营销及销售售后(客户反馈)应用以智慧配煤为示例研发及工艺开发管理数字化常规方案设计-研发与验证-生产之间耦合性增强部门协同协作,包含研发-生产、研发-销售协同研发周期缩短,研发成本降低,如减少反复实验、并行研发验证等工艺配方/流程等优化预判数模变更对制造工艺及成本的影响煤炭金属
63、冶炼钢铁食品加工新材料化学化工数据拉通与集成工具应用智慧配煤系统原煤煤场破碎配煤洗煤粉碎煤塔焦炉熄焦筛焦焦炭鼓风冷凝脱硫脱氨脱苯氨产品苯精制苯类产品粗苯硫磺净煤气焦油煤化工各工段工艺流程简图传统配煤备煤工序,其中配煤为核心以人工配煤为主,主要存在以下不足:时间长:煤质信息指标复杂,配煤师需耗费大量时间适配新原料煤复用性弱:经验传承难,且个人经验依赖性强原料煤成本高:取值保守,质量指标容易过剩,增大炼焦成本原料煤数据焦炭各阶段数据工艺/工况数据设备数据运维数据小焦炉实验数据配合煤质量数据历史配煤数据价格数据环境数据焦炭质量预测配比优化历史方案管理历史数据、实时数据研发&工艺开发管理走向数字化减轻
64、缓解原料数据产品数据工艺数据设备数据运维数据环境数据实验数据工业软件数字孪生AIXR典型厂商华院计算美云智数浪潮云洲雪浪云华为为专家赋能,省时、降成本262023.12 iResearch I应用场景-供应链&仓储物流管理数字化加强供、产、销三端的联动性与协同性,实现一体化管理供应链数字化整体思路就是打破传统供应链上下环节联动性不足的问题,提升供应链各环节,尤其是供-产-销三端的联动性与协同性。具体表现为:1)供应能力可实时刷新、可预测,如价格波动、供应商变动、欠料品类扫描及预测等;2)销售可预测,能为采购、生产计划制定提供支撑;3)仓储管理高效,即空间利用率高、作业模式能从“人找料”转变为“
65、料找人”,同时仓库里面的产品能溯源、方便追责。供应商基础1-供应商寻源2-订单协同:采购申请、送货、财务等全流程协同3-采购价格合理性管理4-供应商生面周期管理5-可原料采购预测原料仓储排期及生产半成品成品仓储订单销售用户软件技术硬件射频识别、追踪定位、传感器等技术算法能力、仿真引擎等技术SRM、WMS、TMS等软件叉车AGV、拣选AGV、搬运AGV、分拣AGV、货架穿梭车等核心思路整体呈类线性关系,上下环节联动性不足,容易出现货物积压或原料不足等问题原材料供应商采购方(战略规划、寻源采购、排期生产等)库存及销售用户传统模式下供应链流转供应链数字化售卖入库出库出库入库物流1-货品可追踪、溯源2
66、-摆放空间合理、利用率高,且货品易找3-库存分析可生产预测:生产规划合理,向下可及时满足订单生产,向上不会出现原料短缺1-货品可追踪、溯源2-摆放空间合理、利用率高,且货品易找3-库存分析1-可销量预测,提前规划采购、生产计划2-需求预测意义供销产有助于供产销平衡达成:1)基于历史数据,结合一定的市场指标,可进行销量预测、生产预测、采购预测,有效降低原料或成品积压;2)由于供-产-销之间的信息协同性强,当企业战略调整时,供、销两端可以及时调整,以适应企业策略变化。促成新的盈利模式:1)对于部分制造企业,买方市场有望建立,主要有两种理解:其一,将消费者的需求进行模块化拆解后,消费者通过自己组装的
67、方式实现需求满足,卖方只需找到该类型产品,并尽可能的模块化拆分;其二,企业结合自身的柔性生产,实现消费者的定制服务,此时卖方需要确定什么产品、产线的什么工段能满足“柔性定制”。2)对于数字化服务方,供应链数字化后市场的数据运维服务,如精准备货、智能调度、智能补货等服务可能是未来重点。利于产业集群与“链主”地位构建:大部分供应链还是采购方为主体,对于实力强劲的采购方,将由原来的以产品为中心逐步转变为以产品+标准为中心的产业生态,利于自身供销服务的标准化管理与地域拓展。供应链&仓储物流管理走向数字化来源:艾瑞咨询研究院自主研究及绘制。典型厂商摩尔元数美云智数卡奥斯忽米菜鸟网络京东物流海柔创新272
68、023.12 iResearch I应用场景-排期&生产管理数字化APS、MES针对ERP的工单计划进行排程、拆解、执行并监控生产什么?生产多少?如何生产?是制造业企业关心的三个核心问题。ERP、CRM为生产计划的制定提供数据支撑,但对现场层的管控不足,APS与MES可对其进行有效补充。其中,APS要基于生产计划、订单承诺等因素,结合企业资源分析后,制定详细可行的排产工单。MES的功能主要表现为:1)将APS给到的排产工单进一步拆解成时间粒度更细的执行计划;2)针对参与生产制造的各类要素,如设备、员工、物料等进行管控、管理;3)进行数据采集、分析、预警、预测等(详情见例证摩尔元数)。ERP-给
69、定生产总目标各软件关系APS-制定目标路径,明确子目标先后顺序MES-拆解并落实每个子目标ERP依据已确定的各种表单内容(如库存/采购/销售订单、原料等)计算各项账目数据,给定订单需求计划。APS综合所有资讯及有限资料(如产线设备使用情况、材料能否及时供应等)分析,需要:1-预测未来时间的生产行为可能;2-对比不同排产(如工单、工序、资源)计划,给出最优方案;3-发生任何因素变动时,快速给出可行的新的排产计划。MES重点在于制造执行与管理,需要:1-给出具体生产制造执行计划,并记录整个生产过程并实现产品的可追踪性;2-采集并监控生产现场状况。来源:艾瑞咨询研究院自主研究及绘制。APS和MES是
70、必须具备的吗?-非必须,与企业的产线、产品类别等复杂度有关。MES生产制造与执行管理的功能应用情况排产计划工艺管理人员管理设备管理生产管理质量管理异常管理工厂建模工单同步、齐套分析、工单计划(每周/天/时/分等生产顺序)工艺文档、工艺流程、工艺要求(如参数、环境等)、BOM员工资质、员工岗位确认、员工工作量化、员工作业时长设备台账、数据采集、点检巡检、状态监控、备件管理、设备维修生产调度、派单管理、派工管理、作业报工、工时管理、批次管理来料质量、过程质量、成品质量、检验数据采集、质量控制分析设备异常、物料异常、工具异常、质量异常、环境异常、异常预警工厂/产线建模、设备建模、仓储物流建模企业经营
71、决策与管理架构与功能设备层制造执行与控制生产设备传感器物流设备检测设备工具&套件:行业套件、算法/模型组件、各种开发工具等应用集成:OA、ERP、WMS、IOT、PLM、PLC、AGV等功能应用:工艺、设备、质量、人员管理等决策分析:数据看板、追溯管理、预警联动等排期&生产管理走向数字化典型厂商摩尔元数美云智数卡奥斯忽米格创东智徐工汉云黑湖智造新核云282023.12 iResearch I例证:摩尔元数以MES为核心,围绕生产制造核心环节为制造业企业赋能,其中项目和生态伙伴相辅相成,开源的、共享共创共赢的模式走向雏形摩尔元数成立于2011年,目前在MES领域深耕十余年,2022年入选国家“双
72、跨”平台。目前摩尔元数基于N2平台,以MES/MOM为中心,对外提供3大类服务:1)为中大型企业提供生产制造管理相关的解决方案;2)为中小型企业提供标准化的SaaS服务;3)与生态伙伴共建MES相关的开源平台,既为其提供开发创作平台,还付费使用其开发的产品,带来营收。未来,开源的、共享共创的服务模式构建将是摩尔元数的发展方向。开源平台的好处是相互的:对于摩尔元数,通过分发或付费的模式使用平台上的产品或能力,可高效全面服务客户、沉淀行业know-how与服务经验、拓展更多领域;对于平台上的生态伙伴,既可以积累服务经验,又可以带来部分营收。来源:摩尔元数官网,企业访谈,艾瑞咨询研究院自主研究及绘制
73、。车间透明可控生产制造产品及工艺研发设计与验证排产计划仓储物流采购设备能源安全质检组装市场需求WMS仓储管理系统VPS可视化排程系统Wis3D仿真平台QMS质量管理系统MOM制造运营管理系统+MES制造执行系统质量监控追溯远程诊断设备健康管理仓储管理协同智能决策设备管理系统WMS仓储管理系统N2云制造系统-中大型企业N2Cloud云产品-中小型企业摩尔数字化转型业务服务框架摩尔N2平台工业知识库、工业机理模型行业套件各种开发工具,如算法构建器基础数据建模MC云开发平台组件模型和算法摩尔元数产品矩阵客户定位拓展与华为、腾讯、电信运营商等合作与行业协会合作与地方政府合作与科研院所合作形成工业应用商
74、城布局信创292023.12 iResearch I例证:摩尔元数打通生产全流程、连接设备等关键要素,实现生产管理透明化、可追溯化来源:摩尔元数官网,企业访谈,艾瑞咨询研究院自主研究及绘制。服务流程摩尔元数项目落地案例ERP订单需求+工单+物料需求计划生产主要流程管控,如注塑、喷涂、搪塑、组装等摩尔元数N2平台摩尔元数为成都航天模塑数字化项目规划方案产能负荷查询原料仓库管理设备点检治具校验关键工序工艺ESOP质量检验测试设备数据采集产线产线停运信息维护需求背景子公司设备各自管理,设备使用效率及设备运行情况信息无法追溯及汇总分析,集团协同难无法准确把控计划及库存,计划执行率低,物料损耗高缺少系统
75、性防呆防错,无法实现追溯设备孤岛,缺少系统化管控产前准备决策分析预警平台成品仓库管理数据采集、建模等接口管理设备管理工艺数据库质量数据库第三方系统看板管理追溯管理SPC预警联动APP和报表管理建设目标(预期收益)生产过程透明化,如工单执行跟踪、现场物料验证、E-SOP自动更新等制造运营高效化,如车间及设备实时监控/及时预警、有限产能计划模拟等资产源控精准化,如物料配送管理、物料溯源等制造质量集成化,如制造过程全记录并可全追溯、过程数据统计分析等准备时间等待时间异常处理能力无效作业产品良率后期运维线索接入方案蓝图方案实施方案交付咨询(内外部专家)以汽车零部件行业为例客户是一家专业从事汽车零部件研
76、发与制造的高新技术企业集团,集团公司下辖多家子公司。客户希望集团能实现对各公司生产设备的协同统一管理、设备使用效率和设备运行情况可追溯可汇总分析,引入数据采集和MES管理系统进行管控,以期后续推广。基于此,摩尔元数基于N2平台提供了贯穿生产流程、设备、终端、员工等各个环节与要素的数字化解决方案,集成了工单管理、计划调度、工艺管理、设备管理、仓库管理、追溯管理、可视化看板、系统集成等功能,最终达到生产过程透明化、制造运营高效化、资产源控精准化、制造质量集成化等效果,助力客户实现精益化、数字化、透明化高效生产与管理。行业套件SCM、ERP对接302023.12 iResearch I应用场景-数据
77、价值释放之工业AI以AI算法为基础,以行业know-how为支撑,在系统最优、识别分类、预测、知识沉淀等问题处理方面赋能按照应用场景,工业AI对制造业数字化转型赋能主要体现在系统最优、分类或识别、推荐或预测、知识沉淀及管理这四大类问题。就具体落地形式而言,当前不同数字化转型供给方推出的服务及产品相似,主要聚焦计划排期、质检、辅助决策、工业机理模型等方面,多以定制的软件服务输出。就相对优势而言,制造大厂凭借深厚的行业know-how积累+产品易进入应用与验证阶段而相对领先;除此之外,数据治理和AI能力都较为成熟与领先的AI厂商也相对具有优势。但值得注意的是,同类型企业之间的关于“智造力”的竞争也
78、将开启,如工业富联与英伟达在AI服务器领域展开合作,欲将设计及生产垂直整合,更适合工业场景。系统最优生产计划排期应用场景分类或识别推荐或预测知识沉淀及管理产线柔性化配置工艺配比/参数/流程优化质检装配/分拣/搬运等故障识别及预警安全隐患机器维护预测辅助决策产销态势预测工业机理模型工业APP专家知识库智能客服落地形式及典型的企业纯软件软硬一体产品软件+硬件组合工业机理模型、数据智能平台、AI视觉检测/分析平台、智能客服等视觉检测一体机、智能立体仓、边缘计算一体机、AI摄像头、液冷AI服务器等视觉软件+工业机器人等寄云科技、雪浪云、昆仑数据、阿丘科技、傲林科技、格创东智、忽米工业富联、格创东智、浪
79、潮云洲、卡奥斯、忽米阿丘科技、梅卡曼德、越疆机器人来源:艾瑞咨询研究院自主研究及绘制。Q1:当前如何盈利?-以定制解决方案(纯软/软硬一体)为主,标准化软件/硬件为辅,其中基于计算机视觉/机器视觉技术的产品或解决方案相对成熟。整体而言,市场当前仍处于行业know-how积累及沉淀+与新技术应用融合的阶段,标准化是未来努力方向。Q2:下一个更易变革场景?-工业强调稳定与落地时的ROI,对新技术的应用更加慎重。但目前有两个场景值得注意:1)随着企业知识库的积累与沉淀,ChatGPT对企业工作流程的优化与效率的提升的影响可能更大也更容易实现,如跨模态知识检索、工艺知识检索/推理、工艺辅助、报告生成等
80、;2)AI增强开发将赋能软件及测试工程师的软件开发、编码、测试。Q3:哪些厂商更有优势?-1)制造业大厂,一方面行业know-how积累强,对需求掌握度高,另一方面,软件/硬件设备容易进入应用与验证阶段,是良性循环。但巨头间的“智造力”将是区分重点。2)数据治理与AI能力双强的企业,对数据理解与分析能力更强,数据价值挖掘能力和可解释性更强。工业AI促进生产管理数字化机器/深度学习技术支撑计算机/机器视觉知识图谱生成式AI语音识别图像识别典型企业312023.12 iResearch I应用场景-数据价值释放之BI通过数据仓库技术、数据挖掘技术、大数据技术、数据可视化技术等技术将企业各源数据集成
81、、处理、逻辑构建、分析后赋能企业洞察与决策来源:帆软,企业访谈,艾瑞咨询研究院自主研究及绘制。数据整合功能&意义以帆软服务首钢数据分析平台为例典型企业数据分析数据可视化实时监控多源、多系统数据整合,提供精准决策依据经营管理策略洞察,发掘隐藏商机和风险便于双向汇报,提升执行力SAP、Tableau、PowerBI、帆软、永洪科技、网易数帆、忽米、亿信华辰等帆软为首钢建立数据分析平台项目规划方案需求背景数据分散,缺乏统一管理机制:生产数据源多,不同粒度数据分布于不同系统中,且存在大量异构数据,开发利用难度大缺乏对业务数据全量全要素管理:钢铁生产关联因素多、管控环节多、生产流程长,基于业务场景的数据
82、分析难传统业务分析效率有待提升项目目标及落地场景自由规划和灵活查询:将关系型结构化的业务数据从模块化制造过程视角向主题化业务分析视角转变,并自由规划指标维度,灵活查询跟踪生产,快速定位异常:基于产品及销售的历史数据,快速定位生产、销售过程中出现异常的影响因素,优化流程销售管理质量管理-现货分析管理仓储物流管理-库存管理生产成本管理-炼钢转炉工序金属料管控设备管理-设备点检产销应用系统智能工厂应用各PES系统PLC各二级系统图片文件数据源数据集成数据资源层场景应用数据抽取数据采集接入(批处理、流处理)经营管理质量控制管理工艺模型挖掘采购、生产、销售、质量判定、监控、预测、分析性能预测模型、动态切
83、头尾模型产销数据(DB2)数据集市层应用主题层基础主题层贴源数据层数据服务:Hadoop统一接口平台数据预处理与关联时空转换、物料关联匹配、质量一贯制智能工厂数(Hive)数据集市层、综合数据层、主题数据层、贴源数据层个性算法平台动态切头尾模型、缎带分析模型、性能预测模型数据治理数据标准数据地图血缘分析影响分析数据质量元数据数据技术支撑大数据存储/清洗、开发框架、多源异构接入、平台管理、资源调度HadoopBI赋能业务分析及决策服务流程需求整理数据集成数据清洗、转换、加载数据逻辑构建数据分析模型数据可视化分析呈现BI具有整合数据资源、建立数据关联指标体系、数据可视化等能力,是当前数据资产价值化
84、的重要手段,也是部分已经积累了数据资产且想要实现数据价值化的企业所需的重要工具之一。一般来讲,企业BI服务流程大致分为需求整理-数据集成-数据清洗、转换、加载-数据逻辑构建-数据分析模型-数据可视化分析呈现这几个阶段,最终助力企业洞察与决策,详情可参考帆软为首钢提供的数据分析平台案例。值得注意的是,当前国内BI市场格局初步形成,与AI相关能力结合有望带来行业新的竞争点,如各BI厂商也纷纷将ChatGPT嵌入产品提升其对话式交互能力。未来随着生成式AI的发展与应用,BI的数据分析能力、可视化的智能化能力等都有望提升,BI的使用门槛和价值属性有望进一步降低。32难点与建议篇-合适/融合/客服Cha
85、llenges and Suggestions04332023.12 iResearch I难点与建议1-理想VS现实需平衡数字化转型忌追求“大而全”,需结合企业发展阶段、对数据、对数字化的持续性、企业的资金实力等方面慎重定目标在数字化转型的需求&咨询阶段,通常存在“采集的数据越多越好”“软件/方案越全越好、越贵越好”的误区,上述误区会带来建设及运维资金成本高、系统沉疴、尾大不掉等问题。故确认转型需求时,需重点考虑:1)企业当前所处数字化阶段,即企业当前需要解决的核心问题是什么?是否能承受“大而全”的方案?2)对数据要持有正确态度,即数据不是万能的,也不是没有数据是万万不能的,在可行的条件下,
86、核心场景的核心数据需要采集并加以利用才是关键;3)技术迭代、制造企业本身信息化需要补课等共同推动企业数字化转型的持续性;4)转型金额投入需慎重:2022年A股上市制造企业有47%的企业净利不足1亿,其中净利为负的占比16.7%,与动辄百万左右的转型项目金额相比,活着依然是大部分制造企业的首选。来源:同花顺、2022年制造业数字化转型,艾瑞咨询研究院自主研究及绘制。需求&咨询决策&采购实施&落地内化&应用数字化转型需要确定合适的目标难点与建议1:忌追求“大而全”ISA-95架构感知层:如传感器、协议解析监控层:如SCADA执行层:如MES/MOM管理层:如ERP决策层:如BI设备层:如ROBOT
87、涉及主要场景引入工具/系统可视化、经营分析销售管理、薪资管理、绩效管理、供应链生产管理、生产排程管理、质量管理设备智能化、设备上云、设备监测、现场数据传输BI、显示大屏ERP、WMS、SRM、CRM、CADSCADA、PLC、DCS、边缘盒子、IOT设备MES、MOM、EMS、APS、QMS各类数据我都要|企业数据资源池现状/难点建设资金高运维成本高重复建设数据孤岛难以集成建议明确企业数字化所处状态:信息化、数据连通、为运营监控负责、为生产制造赋能是否可以承担“大而全”的方案?对数据持有理性态度:1-不是有数据就有价值,数据具有不确定性;2-收集数据不是目的,让数据用起来,如预测、决策等,才是
88、数字化的目的。理解数字化的持续性:1-数字化转型是长期持续的,因为技术不断进步,技术对企业运转、业务经营的改造是持续的;2-我国制造业信息化不足,行业和企业的发展都是需要补课的,未来存在进一步重构的可能。不可盲目投入:投入要合理、在可控范围。数字化项目的金额一般集中在十几万几十万、上百万上千万不等,其中百万级别的项目较多2022年A股部分制造业净利润一般投入金额16.7%30.7%17.7%24.7%6.7%1.5%1.9%小于0亿0-1亿1-5亿5-10亿10-30亿30-50亿50亿以上活着依然是大部分制造企业的首选342023.12 iResearch I难点与建议2-适合的路径才是最好
89、的从方向-路径-落地各维度的转型路径声音很多,对需求方而言,认清自己谨慎决策,无需过分依赖现有路径,适合自身的才是最好的来源:艾瑞咨询研究院自主研究及绘制。需求&咨询决策&采购实施&落地内化&应用常见的数字化转型路径声音数字化转型需要咨询,但需合自己难点与建议2:适合的路径才是最好的一般实现路径难点及建议要从顶层规划做起,如战略咨询、IT咨询、智能化程度咨询、数据管理/分析咨询等要调整开发模式,敏捷开发,能小步快跑、快速迭代,低成本试错要有数据思维,如“用数据说话,用数据管理、用数据决策”要调整架构:要建立扁平化的组织、中心化平台等要业务数字化、数字业务化要以技术/工具为先:去XX软件,如去E
90、RP引入XX软件,如MES、BI上云,如设备上云、业务上云SaaS化,如MES SaaS化模式:需求方-咨询公司-咨询公司+供给方-需求方模式:需求方-供给方-需求方模式:需求方-供给方-供给方+咨询公司-需求方路径问题:市场声音比较多,做么选?有成功案例,也有失败案例,做不做?智能化程度咨询对企业是否有必要?信任问题:如何降低指向性导致的决策成本高?主导问题:咨询公司VS供给方谁更了解需求?谁主导?谁更能为结果负责?接受联动与滞后性:无论采用哪种方式转型,都要接受没有一种方式或技术能改善一切,规划-转型-落地是相伴的,且任何一种改变都具有联动性与滞后性,需要及时调整与时间验证成功案例可参考而
91、不能复制照搬成本最低:实在无法决策又想做时,谨记花最少钱逐步推进行业经验积累为先:无论是否提供咨询服务,积累足够深的行业know-how经验才能抓住需求重点关注数据相关服务:数字化的本质还是围绕帮助企业梳理并实现数据价值的服务,数据及数据后服务市场可重点关注,如云帆工业互联网平台提供的数据管理/分析咨询服务1-除了第三方咨询公司,供给方也纷纷提供咨询服务,但更多的是针对项目落地的服务咨询,即更多是基于项目的背景、目的、实现做的诊断咨询服务,如忽米、美云智数;2-咨询的服务开始细分,如数据管理/分析咨询、战略落地拆解咨询、数字集成咨询;3-部分参与标准制定的玩家还提供智能化程度咨询服务,如卡奥斯
92、;几点说明方向路径落地在数字化转型的需求&咨询阶段,无论是内部咨询还是外部咨询(由第三方+供给方提供),都有助于从企业顶层或者业务顶层角度思考企业数字化未来发展,故对企业而言,规划是有必要的。但当前市场咨询服务在供需两端都存在一定问题:1)在需求方眼中,无论服务方是谁,可能都认为存在一定的指向性,信任问题需要解决;2)在供给方眼中,在一定程度上存在着项目主导权VS项目利益分配方面的平衡需把控。故对于需求方而言,认识到无论哪种路径,规划-转型-落地是相伴的,都具有非常强的联动与滞后性,需要及时调整以适应企业运转;对于供给方,积累行业know-how经验+围绕数据价值实现的服务是打造竞争力的重点。
93、存在问题需求方建议供给方建议352023.12 iResearch I难点与建议3-适合的人比职位重要基于需求及转型目的找到合适的“一把手”是转型决策阶段的关键在数字化转型的决策&采购阶段,合适的“一把手”这一关键人物是整个转型项目的真正起点,因为这个关键人物肩负着“有什么、缺什么、做什么、谁来做、怎么做、怎么验证”等决策重任,他们的决定直接影响数字化转型的方向和内容。故对关键人物的要求主要聚焦在3点:1)理解公司业务和战略,即知道需要什么;2)了解产品&技术,即知道有什么、缺什么、找谁做、如何验证;3)擅长沟通与资源协调,即能将项目正常推进及落地。但值得需求方注意的是:1)数字化转型需求方无
94、需陷入关键人物的怪圈中,适合的人比职位更重要;2)无论谁领导,都将依托并发挥自身职能优势进行推进,但需要坚守转型目标。来源:艾瑞咨询研究院自主研究及绘制。需求&咨询决策&采购实施&落地内化&应用转型一般流程数字化转型需要合适的关键人物需求发起&讨论&咨询&确认关键考虑问题涉及人事需具备的核心能力常见适合人员自研or采购推进应用需求是什么?解决什么问题?哪个部门提出的?谁提出的?可行性如何?是否符合当前公司发展阶段?投入资源多少?咨询方案是否符合公司战略?相关领导、管理层态度如何?做什么?谁拍板?找谁做?若自研,哪些内容需要自研,公司基础、人才、资源如何?若采购,如何筛选适合公司当前需求的供给方
95、?如何调动各方积极性?如何在需求变更VS资金成本VS时间周期中达成平衡?阶段性成果是否达预期?领导是否满意?培训是否到位?是否具体应用到公司的业务及管理?是否能将知识、技能沉淀下来,提升复用性、构成企业知识库?是否有用?IT/数字化部门、各业务部门等部门领导层、部门主管、一线员工等人事集成商、软件、硬件、咨询方等供给方理解业务&战略:了解公司业务运转流程及内在逻辑,知晓其需求点,方便明确数字化的目标、方案等。了解产品&技术:理解公司技术/IT、供给方提供的产品及服务情况,有助于做采购决策、数字化推进过程中难点的预见与克服。擅长沟通&资源协调:获得领导信任、资金支持,可协调各方配合。CEO/CI
96、O/CTO/CMO/CDO、各事业部、业务线的负责人等懂业务、懂技术的关键人物难求数字化转型确实是“一把手”的工程,但:1)企业无需陷入“一把手”的怪圈,更应关注:当前是否是数字化转型的良机、希望数字化解决什么问题、方案是否适合、谁领导和谁推进比较合适2)无论谁领导,难免以自身优势为依托进行推进,将转型目标始终贯彻整个项目才是重点。难点与建议3:适合的“一把手”362023.12 iResearch I难点与建议4-IT部门需重塑自身价值服务IT部门融入业务部门后,有望从采购-实施-落地等各个阶段赋能业务话语权之争、职能边界不清、IT部门被新技术裹挟后的精力分配等问题是IT与业务部门之间普遍存
97、在的“矛盾”,而这也将影响数字化转型项目的展开与推进,甚至是转型效果。故对企业而言,无论是否进行数字化转型,IT与业务部门走向融合无疑是紧急而必要的。IT部门与业务部门融合后,好处主要有3方面:1)企业内耗降低,有助于资源利用实现1+12的效果,具体表现为:其一,在项目初期助力筛选有价值的技术及服务,并助力业务走向数字化;其二,在项目实施阶段加速项目推进,缩短周期;其三,在项目后期,助力数字价值的实现,并赋能管理。2)IT部门容易找到自身持续服务的能力或抓手;3)有助于从数据价值流转的视角推进企业战略落地,甚至提供新的服务思路。来源:艾瑞咨询研究院自主研究及绘制。需求&咨询决策&采购实施&落地
98、内化&应用IT、业务、数据与数字化平台的关系数字化转型需IT部门重塑自身服务价值难点与建议4:IT部门需要重塑自身价值服务1-“价值之争”:IT部门是成本部门,不直接带来价值,在企业中逐步被边缘化,在业务部门那里没有话语权;2-职能边界不清:IT与业务之间缺乏配合,且容易相互踢皮球,如IT部门认为自己是需求对接的,需求梳分析是业务部门的工作;3-被新技术裹挟:部分IT部门心向往外部优秀供应商的技术和产品,期望能自研,实现企业内部工具自给自足,自研耗费精力,这与业务的即时需求满足间存在矛盾;数字化平台/信息化系统数据业务IT业务活动流程及规则的具象化体现业务活动数字化、数据运营的工具数据沉淀、管
99、理、分享、应用的媒介IT与业务部门需要融合,如IT部门与业务部门业务目标对齐、多一起开会、一起办公等,耳濡目染了解业务运转,进而能了解并梳理出业务的工作流、价值流等,为企业运转、数字化转型推进等提供有价值的参考建议和意见建议了解业务赋能业务创新服务明确定位项目初期及采购项目实施落地应用需思考自身持续服务的能力或者抓手是什么,如技术底座、技术智囊等?如何构建?1-识别并看透供应商的技术泡泡,赋能决策;2-助力业务步骤拆解、业务要素确定、业务数据指标搭建,并尽量融入转型方案;1-助力项目过程中的定制开发、打通、集成、上线测试、验收等;2-学习并内化供给方技术及方案,助力后期的扩展、运维等;1-调整
100、并优化业务步骤拆解、要素、指标;2-助力企业知识管理及沉淀、赋能数据智能化应用;通过IT对企业业务数据的下钻分析,从数据价值流转的视角帮助企业进行战略拆解并落地,提升成功几率;关注并扫描市场先进技术、架构变化等信息,为业务提供参考,甚至提供新的服务思路,得到新的增长机会;IT、业务之间的“矛盾”372023.12 iResearch I难点与建议5-打破建设与使用的习惯惯性基于ISA95架构的点状功能满足建设与基于工业互联网平台的数据价值释放的中心化建设之间存在一定的使用或切换偏差,需要降低或打破来源:艾瑞咨询研究院自主研究及绘制。需求&咨询决策&采购实施&落地内化&应用数字化转型需要打破架构
101、限制难点与建议5:打破建设与使用的习惯惯性ISA-95架构感知层:如传感器、协议解析监控层:如SCADA执行层:如MES/MOM管理层:如ERP决策层:如BI设备层:如ROBOT工业互联网平台/数字化转型架构平台层(PaaS层)围绕数据及技术服务各类应用生产设备各类软件边缘设备数据相关服务,如分析、建模、调用等能力开放赋能、能力管理赋能建议落实培训:1-对于已经引入/建设的软件或凭条,做好交接工作的同时,培训要落实到位;2-企业内部互相学习;点状建设,以功能实现或者满足为主,不同层级缺、同一层级不同部门都会出现缺什么补什么,容易形成信息孤岛偏中心化建设,围绕数据提供服务及工具,以数据价值释放为
102、主,提供数据采集/传输、处理、分析、沉淀/调用、应用/可视化等服务,对数据内在逻辑要求高,且经常引入新技术、新术语建设习惯和使用习惯存在一定惯性偏差,如何打破?在数字化转型的内化&应用阶段:基于ISA95架构,是点状建设,强调功能实现或者满足;数字化转型/工业互联网平台强调数据要素价值的释放,在服务和赋能等方面偏中心化建设,这两种架构一个是生产制造的建设思路、一个是生产制造的数据管理及应用思路,二者存在使用惯性偏差,需要打破以促进转型项目的内化及应用。可以从培训、技术、数据三方面来降低这种惯性偏差,其核心思想就是增加实用性让对方需求、降低使用门槛让对方好用。值得注意的是,针对频出的新技术,无论
103、供需双方都需要谨慎拥抱:对于需求方,重点考虑实用性与ROI;对于需求方,既需要考虑新技术与自身产品的结合点,更需要考虑其工程落地属性。数据分层:针对数据应用进行分层:部门,如车间级、工厂级、公司级、集团级、区域级等场景,如生产、销售、设备、仓储等对象,如管理层、车间经理、一线员工等增加集成:关联度较大的环节尽量集成,如尽量采用同一套标准或语音体系沟通,好处有二:其一,增加灵敏度;其二,降低沟通和协作成本;降低使用门槛:让服务变轻、变简单,降低理解和使用门槛;增强实用性:注重产品或技术的落地属性和解决实际问题的能力,增加用户使用积极性;谨慎拥抱新技术:对于需求方,可了解新技术、关注供给方针对新技
104、术提供的服务和对自身业务的影响,但要考虑ROI;对于供给方,及时了解并吃透新技术,研究与现有产品及服务可结合的点,并积极钻研未来可能的服务,但需谨记脱离工程化的应用,否则需求方很难买单;培训方面技术方面数据方面38启示篇-长期且趋于运营Inspiration05392023.12 iResearch I启示1-逐步推进与长期主义并存企业数字化转型的思路大多由点及面,且受技术等因素影响长期持续,二者相互影响相互促进逐步推进与长期主义并存来源:2022年中国制造业数字化转型研究报告,企业访谈,艾瑞咨询研究院自主研究及绘制。AI增强开发:影响软件及应用的设计、编码、测试等。技术进步与应用推动数字化转
105、型长期主义生成式AI:影响沟通门槛和效率,如当前ChatGPT“自然语言编程”的能力,以相对较低的门槛达成各种需求(如设计、功能实现等),目前在提数、知识查询等方面已经有所应用。数字孪生:物理工厂VS数字工厂的映射,未来数字孪生将覆盖企业、工厂、车间、产线、场景、设备、零配件等方面,具有两个特点:其一,数字空间的关联性与逐级可拆解能力将增强,类似建筑行业的“工业BIM”有望组成;其二,数字孪生集成各科知识,可以实现仿真模拟及验证。当技术成熟并进入应用阶段时:1)在广度方面,或精简合并、或增强协同性等,即与之联动的环节、范畴都有重塑的可能2)在深度方面,工作流程的步骤、构成要素、要素数据维度与规
106、范等都有可能随之改变,进而对与之关联的环节、范畴带来影响,甚至重塑深度 积累行业know-how经验隐性知识沉淀、积累、复用构建场景知识库工作简化、效率提升上下游环节覆盖、协同步骤拆解步骤构成要素要素数据化、并规范广度 单一生产/工作场景产线车间/部门工厂/事业部/子公司集团外部客户制造企业数字化转型路径多样,但整体依然是遵从以点带面的思想,即以某一场景为单位,逐步深入到各个环节与组织,甚至对外赋能数字化转型逐步深入的方式推进类别1-探索式类别2-协调式业务/IT类别3-集中式IT/数字化主要推进方式制造业数字化转型路径多样,但整体遵从以点带面的思想,即以单一生产/工作场景为单位,逐步推广至其
107、他环节,甚至是组织。在单一生产/工作场景主要围绕两方面进行优化:在深度方面,将此间的生产活动进行数字化改造,形成场景知识库、沉淀隐性知识、提升运转和复用效率;在广度方面,重点关注此场景上下游的活动、协同,尽量优化沟通机制,减少信息差。但值得注意的是,抛开我国制造业产业结构处于快速变更阶段的影响,技术的快速迭代对供给方产品及服务的变革与升级也将作用于制造企业,并经由场景、产线等方式逐步渗透,转型具有长期性。402023.12 iResearch I启示2-软硬件走向云化软硬件云化与工业知识沉淀相互促进,共同推动正向工程的形成与推进软硬件将走向云化制造业的数字化转型最初是从企业有关钱的管理开始的,
108、现阶段聚焦于生产制造管理,通过引入APS、MES等软件,实现原料、设备、工艺、产成品数据的采集、管理、沉淀等,且此阶段将长期持续。随着企业数字化转型的纵深推进,企业将收集到的数据及参数等转变为隐性的工业知识,促进正向工程的形成与推进,提升软硬件的管理、研发及应用能力是企业下一阶段将面临的共性问题。而工业互联网平台发展与铺设的当下,工业软硬件的云化将有效缓解当前问题,其好处有二:1)将已经收集的软硬件数据逐步沉淀为工业知识,并逐步走向微服务化、APP化,降低软硬件管理、开发及应用难点;2)工具组件、行业套件、低代码开发平台的成熟与丰富,将促进工业软硬件的云化,进而促进工业知识沉淀。未来,随着工业
109、机理模型与工业APP的丰富与成熟、AI增强开发的成熟,工业软硬件云化的成熟度将更近一步。来源:艾瑞咨询研究院自主研究及绘制。硬件核心节点设备,如工业机器人、锅炉、高炉等软件边缘设备研发类软件生产控制类软件经营管理类软件各应用类软件主要难点开发环节-壁垒与成本高:软件开发与工业知识经验深度耦合,而工业知识主要沉淀在少数软件厂商中,开发门槛高、周期长;设备:利用率提升、故障率降低、运维成本降低、能耗优化、设备操作路径优化生产:工艺配方/流程优化、排产优化、产品及来料可追溯设备数据生产数据销售数据除了大中型企业外,一些中小企业也可以逐步选择关键节点设备改造和上云,可进行远端管理、维修等不同类型的软件
110、厂商都纷 纷 开 始SaaS化,如浩辰、新核云、黑湖智造、用友等各供给方纷纷推出低代码开发平台设备管理能力设备使用能力数据采集、设备监控、故障诊断、设备保养、备品备件、设备追溯、能耗与节能、设备互联、远程控制工艺多样,设备调节依赖经验管理,工艺知识隐性设备零部件多、结构复杂、故障形式多样,运维难度大均有待提升使用环节-集成与打通难:1)各家软件生态相对封闭,兼容性差;2)企业软件部署相对独立,多为烟囱式部署,数据孤岛严重;3)传统软件灵活伸缩的配置能力差;工业软件价格高,通常在数十万-数百万元左右需要掌握较深的理论和应用经验,人员要求高好处功能层面市场层面长尾市场通用产品行业化产品、特定领域细
111、分产品、碎片化场景等有助于覆盖长尾企业数据层面工业知识、经验积累沉淀,并数据模型化、微服务化、APP化等算法模型、工具组件、行业套件、工业APP、工业机理模型库、AI增强开发等促进云化促进数据沉淀缓解当前难点云化市场表现主要难点412023.12 iResearch I启示3-从转型构建走向运营数字化转型积累的数据资产的价值释放将是未来供给方服务的重点当前,制造业数字化转型仍处于发展初期,央国企/龙头企业、中大型企业、小型企业当前都处于转型的探索或实验阶段,转型将长期持续,无论是主动还是产业联动所带动。但即使目前尚未进入转型深水区,需求方依然面临着怎么用、怎么发挥数据价值、怎么优化转型项目进而
112、更好匹配企业生产运营等问题,供给方需要思考并给出答案,不在当前,也将在未来。因为当转型饱和后,虽然建设所赚比经营所赚的钱更直接的现象依然存在,但增量市场主要聚焦于经营阶段,故供给方依然会走向运营。供给方转向运营主要围绕数据生命周期提供服务,对外表现为基于平台能力及服务(即让平台好用、数据整合到复用更合理)、数据知识沉淀(即隐性知识沉淀并扩大范围)、数据应用(即产品化并寻求新的盈利模式)这几方面。来源:企业访谈,艾瑞咨询研究院自主研究及绘制。当前市场现状对象&数据数字化进程将持续推进国央企+龙头企业以全局数字化为主,提升全局管理,意图打造标杆案例中大型企业以部分环节数字化为主,意图解决产线相关问
113、题小型企业以部分关键节点数字化为主,意图解决某个点的问题对象实体对象:各类设备、中端、车间、工厂虚拟对象:各类软件、流程数据采集、传输数据处理数据分析数据沉淀、调用数据应用、可视化设备接入协议解析云边协同数据业务相关数据:客户、销售、营销供应链相关数据:供应商、仓储物流生产相关数据:工艺配方/流程/参数、生产质量、生产周期、能据设备数据:设备台账、设备运行与养护、设备维修、备品备件数据集成/交换数据清洗/转换实时监控特征工程知识图谱算法模型库数据模型工业机理模型可视化编程及开发研发、生产、设备、供应链、能源等可视化大屏数据源头多样、协议多样、实时数据采集等数据孤岛、格式不统一、异常/缺失、噪音
114、干扰等数据打标繁琐、行业know-how积累不够等知识沉淀与工业经验强相关,深度、广度不够定制属性强、过程繁琐难点主要流程运营主要方面工具赋能:1)基于AI增强开发赋能工业软件及应用的设计、编码、测试;2)基于RPA赋能工作流程的自动化;3)基于可视化编程及开发降低使用门槛,覆盖更多人群。合理优化:从业务场景出发,确立数据之间的关联性,梳理数据维度,厘清已有的、缺失的有效数据,进而从数据采集、数据处理、数据可视化等方面提出优化方向和建议,提升平台整合到复用数据的合理与创新性。基于企业自身、生态合作伙伴、第三方企业等,拓展行业know-how的积累,加强隐性工业知识沉淀,进而丰富数据模型库、工业
115、机理模型库,从设备、生产、能耗等场景走向车间、产线、企业、产业链、区域等更广的场景在平台、知识沉淀的基础上,逐步形成各类垂直的SaaS化的产品,按使用付费的商业模式将形成工业大模型在运营中的作用?-工业大模型是未来趋势,但需谨记:1-没有万金油的大模型,脱离场景/问题的大模型暂时不成立;2-脱离工程化的大模型是不实用的。数字持续积累用起来、更好用、更匹配生产运营是方向运营-围绕数据生命周期进行制造业数字化转型将从转型构建服务走向运营服务基于平台基于知识基于应用422023.12 iResearch I启示4-产业数据拉通缓慢进行中数据拉通后的市场将推动买方市场形成,整个产业的价值链有望重构产业
116、数据拉通缓慢进行中继2022年底发布“数据二十条”后,2023年部分省市紧随其后,有两条值得关注:深圳将“可实现数据服务的软硬件工具纳入场内交易”、顺德率先出台数据交易专项激励政策。这两条分别从数据交易囊括的范畴和驱动力两方面促进其发展。但数据交易的前提是数据拉通,故在数据交易的推动下,产业数据拉通有望缓慢推进。产业数据拉通主要包含区域数据、行业数据、产业链数据、供应链数据、企业经营数据等诸多范畴,并多由政府主导、产业链主企业推动。产业数据拉通,除了推动产业&区域产业结构、营商环境的变化外,更重要的是有望推动买方市场的形成,各方资源利用率、运转效率将得到极大提升。目前离核心机密越远的数据,如行
117、业标准、供应链等,有望优先拉通。来源:企业访谈艾瑞咨询研究院自主研究及绘制。中游-制造企业,以单一企业为例上游-国内&海外产品生命周期设备链供应链生产链研发设计生产制造营销推广销售分销售后支持更新升级报废退市车间/工厂1车间/工厂2车间/工厂3车间/工厂n行业1供应商1供应商2供应商n行业n供应商1供应商2供应商n下游-国内&海外行业1客户1客户2客户n行业2客户1客户2客户n低端制造向东南亚转移,高端制造业回流欧美海外业务部分产品,如协作机器人出海产业数据拉通方面区域数据(含国内外)、行业数据、产业链数据、供应链数据、企业生产经营数据等,多由政府主导、产业链主企业推动区域1、区域2区域n仓储
118、物流价值流向及覆盖范围出海市场需求方制造企业上游供应商产品功能产品维护产品溯源产品订单量供应链:原料/辅料、关键零部件及备料库存VS产能VS工艺生产工期VS交货周期仓储网络原料要求产品溯源产品订单量以卖方为中心制造企业-上游购买原料、辅料、关键零配件-产品生产、组装-产品销售及分销-售后等预测产量、备货调货等更加合理以买方为中心订单量、寿命/维修预测等针对:已知服务流动,需求直接提出,然后制造企业备货、生产、交付针对:潜在服务流动,基于历史数据(如订单量等)、市场信号(如政策等)预测制造企业两端市场变化,提前布局规划。针对需求方,除了预测订单变化外,还可预测产品/设备维修情况;针对供给方,主要
119、考虑原料价格等变化,即是否需要提前备货、是否需要探索更多供应商等。价格、产量预测等哪些类型的数据最有可能优先拉通?-离核心数据越远的数据,将越有望拉通。目前有两类数据最有可能优先拉通:关于行业&产业通用规范的标准数据,如产品规格、产品质量、产品溯源等,目前市场多由一些主机厂商推动,需求比较旺盛关于仓储物流、供应链的数据有望优先拉通,如菜鸟、京东等赋能仓网规划,柠檬豆赋能供应链采购等推动方向产业数据拉通价值44LEGAL STATEMENT版权声明本报告为艾瑞数智旗下品牌艾瑞咨询制作,其版权归属艾瑞咨询,没有经过艾瑞咨询的书面许可,任何组织和个人不得以任何形式复制、传播或输出中华人民共和国境外。
120、任何未经授权使用本报告的相关商业行为都将违反中华人民共和国著作权法和其他法律法规以及有关国际公约的规定。免责条款本报告中行业数据及相关市场预测主要为公司研究员采用桌面研究、行业访谈、市场调查及其他研究方法,部分文字和数据采集于公开信息,并且结合艾瑞监测产品数据,通过艾瑞统计预测模型估算获得;企业数据主要为访谈获得,艾瑞咨询对该等信息的准确性、完整性或可靠性作尽最大努力的追求,但不作任何保证。在任何情况下,本报告中的信息或所表述的观点均不构成任何建议。本报告中发布的调研数据采用样本调研方法,其数据结果受到样本的影响。由于调研方法及样本的限制,调查资料收集范围的限制,该数据仅代表调研时间和人群的基本状况,仅服务于当前的调研目的,为市场和客户提供基本参考。受研究方法和数据获取资源的限制,本报告只提供给用户作为市场参考资料,本公司对该报告的数据和观点不承担法律责任。法律声明