中国知网查重 高校在线论文查重入口

立即检测
  • 58 元/篇
    系统说明: 知网职称论文检测AMLC/SMLC是杂志社专用系统,针对投稿论文、评审论文、学校、单位职称论文的学术不端重复率检测系统。
  • 298 元/篇
    系统说明: 知网本科论文检测PMLC是最权威的大学生毕业论文检测系统,含“大学生论文联合对比库”,国内95%以上高校使用。检测结果和学校一致!
  • 498 元/篇
    系统说明: 此系统不支持验证!可用作研究生初稿检测,相比知网VIP5.3缺少“学术论文联合对比库”,检测结果有5%左右的误差!(论文中若参考往届研究生论文,重复率误差会较大)
  • 128 元/篇
    系统说明: 大分解论文检测系统,对于想检测学术不端文献检测系统,而又价格便宜的同学可以选择,限每篇2.9万字符,结果与大学生PMLC、硕博VIP定稿系统有出入!
  • 68 元/篇
    系统说明: 知网论文小分解检测系统,适合中国知网初稿查重,数据库和定稿查重不同。结果与本科PMLC,研究生VIP5.3有出入,限每篇1.4万字符!
  • 3 元/千字
    系统说明: 学术家论文重复率检测系统,支持学位论文、毕业论文、投稿论文、职称评审论文,提供全文对照,word标红报告,性价比超高!
论文技巧案例-轻工制造业产业互联网数字化模式研究
时间:2021-05-18 09:55:58

  摘要

  随着全球性信息技术发展的浪潮越来越大,一批走在前沿的信息技术如5G,工业4.0,大数据、物联网等数字经济的发展,让传统产业拥有了转型契机,其中轻工制造业产业得到了快速的发展。随着前沿信息科技一步步发展,轻工制造业目前正朝着数字化和网络化等方向发展。轻工制造业产业互联网数字化模式需要通过工业化和数字化融合来实现产业链的管控,上下游信息的快速流转和决策预判,这是轻工制造业产业互联网的核心任务。因此工业化和数字化是产业实现互联网数字化模式的重要基础。许多轻工制造业产业从产业互联网数字化模式进行研究分析,也是希望能将实体企业进行数字化改造升级。

  本文从工业化和数字化的现状及发展为出发点,通过对国内众多轻工企业资料的搜集梳理,统计分析相关数据对轻工企业数字化发展进行分析研究,从数字化工厂概况、行业现状分析、行业发展环境、数字化工厂案例等方面进行分析研究,同时结合重点企业属性特征分析,得出了一份基于轻工企业互联网数字化模式研究的分析结果,该结果帮助轻工企业提供新的发展思路和发展方向,该结果也具有较强的实践意义。

  当前随着众多企业对各种创新技术的采纳和对不同人才的聘任,新型数字化模式目前正寂然带领轻工制造业的转型,并且这种模式正引领着轻工制造业走向高度定制化的产品和系统。走在前沿的轻工制造业工厂目前采取一连串的新型技术实现生产乃至整条流水线的数字化。所有的新型技术包括大数据、物联网互联、自动化系统等,凭借这些企业效率得以提升,能够批量生产高度定制化的产品。

  1.2研究目的和内容

  1.2.1研究目的

  近年来,随着生产设备的逐渐增多、生产过程日益复杂、人力成本快速上升以及系统管理的要求越来越高,互联网数字化模式成为未来轻工制造业产业发展的必然趋势。消费品产业链条中生产者和消费者间的关系正在被重塑,而通过需求逆向推动商品生产和服务的理念也正在被品牌商和制造商所接受,需求驱动的方式对供给端的敏捷响应、生产效率等提出了更高的要求,供给侧变革迫在眉睫。本课题希望能从轻工制造业产业互联网发展的背景入手,结合相关的理论,利用数字化方式帮助轻工制造业产业为客户提供更好的生产支持,更好地为消费者服务,为企业发展互联网数字化工厂模式提供科学有效的参考作用。

  1.2.2研究内容

  IBM的研究发现,许多企业大力创建业务平台,旨在巩固竞争优势,建立差异化特色。这些平台必须由外而内地进行大规模的数字连接,并从内到外地贯彻利用认知技术,实施诸多战略举措。首先需要充分利用全球数据重新定义企业内部的业务。然而,大部分企业刚刚开始着手准备,迎接即将到来的重大变革。他们仍在试验各种技术、概念、验证方法,积极推进艰巨的应用和基础架构转型任务。有鉴于此,希望帮助他们塑造和发展认知型企业模式,并且推荐一些变革举措。当前中国制造业总体处于数字化阶段,但轻工制造业有众多细分领域,不同领域的工业化改革进程有较大差别,不同阶段的需求将催生广阔的智能制造空间。所以应该解决中国轻工制造业产业转型升级这一传统企业面临的难题。

  1.3国内外研究现状

  根据亿欧智库《2019中国智能制造研究报告》给出的参考,中国的智能制造实力和现状目前在世界范围内属于第二梯队:虽然中国相对于其他21个国家来说属于第二梯队先进型国家,强于南非、巴西、印度等新兴制造业国家,但距离美国、日本、德国还有较大差距,总体水平偏低。像美国、德国、日本这些第一梯队的国家目前已经拥有了高端技术、专利以及品牌为核心的制造业。而中国目前只是拥有部分核心技术,有能力大规模集成、并生产关键元件的制造业。

  图1.1全球智能制造发展指数

  注1)第一梯队:美国、日本、德国

  第二梯队:韩国、英国、中国、瑞典、瑞士、芬兰、法国、奥地利、加拿大

  第三梯队:比利时、意大利、西班牙、意大利

  第四梯队:俄罗斯、土耳其、南非、巴西、印度

  由图可以看出中国的纺织服装业/机械装备制造业/仪器仪表制造业/电气设备制造业/航空航天、铁路及船舶制造业。这些行业产品普遍偏中游,市场没有领导者规模大,客户对产品更新换代要求较低,但行业中劳动力成本影响较大,智能制造改革需求强烈。2015-2020年这些行业的象限平均折旧摊销额虽然不断上升,但整体还是最低,说明智能制造基础较薄弱;2015-20120年该现象下降较快,说明劳动力成本上升,对该现象影响显著,所以可以得出结论中国的智能制造改革势在必行。

  1.4研究意义

  本论文分析内容主要针对轻工制造业产业互联网发展的背景、发展方向、发展趋势进行解读。工业化和数字化手段实现制造端的智能化管控,上下游信息的快速流转和决策预判,是轻工制造业产业互联网的核心任务。因此工业化和数字化是产业互联网实现的重要基础。通过典型案例加以调查分析,总结案例特性,形成发展对策并预测轻工制造业未来的发展趋势,为企业发展互联网数字化工厂模式提供有效的方法和参考方案。

  1.5论文研究方法

  (1)观察法

  观察法是说学者根据某些研究目标或纲领,用自我的认知和帮助对象,得到相关信息的方法。科学观测目的、有计划的、系统的和可重复的。在科学实验和调查研究,观察有以下几个方面的作用:①增加人们的认知②触发人的思维③导致新的发现。

  (2)文献研究法

  文献研究法是说根据某些研究目的或课题,以调查文献的方式获取信息,进而详细的,完成的了解所要研究问题的一种方法。文献研究法被子广泛用于各种学科研究中。其作用有:①能了解有关问题的历史和现状,帮助确定研究课题②能形成关于研究对象的一般印象,有助于观察和访问③能得到现实资料的比较资料④有助于了解事物的全貌。

  (3)功能分析法

  这个方法是社会科学用来研究社会现象的一种方法,是社会调查常用的分析方法之一。利用阐述社会现象如何满足社会系统的需要来说明社会现象。

  (4)经验总结法

  该方法是以实践活动中的具体情况,进行归纳与分析,使之系统化、理论化,提高为经验的一种方法。总结推广先进经验是人类历史上长期运用的较为行之有效的领导方法之一。

  2相关理论介绍

  2.1轻工业介绍

  轻工业与重工业相对,也互有交叉,是定义为制造生活材料的工业单位。轻工业也是与平日生活中休戚相关。比如:棉纺、食物、印刷、办公用品、文化用品、体育用品等工业单位。城镇和乡村老百姓生活消费品的主要来源就是轻工业,轻工业根据所对应的原材料差别,大致分为两部分:一是以农业产品为主的轻工业,二是以非农业产品为主的轻工业。

  2.2产业互联网数字化介绍

  2.2.1人工智能+制造

  “人工智能”狭义是对人脑的模拟和应用。广义是对所有智能的模拟和应用。“人工智能”对于目前来说是“大数据+小任务”,包括海量数据,局部、特定问题,暴力计算等。对于未来是“小数据+大任务”,包括小量数据,全局问题独立闭环,精确计算等。

  人工智能+制造是指将人工智能相关技术运用到制造业,是在数字化、网络化基础上,实现自主,其核心在于机器能否自动反馈和调整。20世纪60年代至80年代,便已经有了“人工智能+制造”,但当时还处于起步制造阶段。根据相关库和相关逻辑推理构建的人工智能制造系统,在地质勘探、生活垃圾处理、航空航天任务控制等方面有了初步应用。人工智能制造系统实际上是在某些程度上把上面涉及到的相关环节和程序进行自动化分析,对于那些比较复杂的实际问题就只能做简单的参考。

  到了21世纪,“人工智能+制造”由简单的智能系统逐渐变成可以进行深度学习的系统。人工智能+制造的新型技术进行相互交合,使得制造业的生产流程变成更加有效率。通过物联网将生产数据进行采集,并且通过云进行存储,然后通过算法计算处理后,得到可供使用的合理化建议。

  未来“人工智能+制造”将逐步发展成机器和人相互协同交互的机制。人和机器两者互相交互、配合、协同办公的同级关系。将来智能制造业互联网数字化模式将以人为本,统一平衡人、机器,数据的综合型的系统。

  人工智能如何“+”制造?主要从三个方面入手:

  (1)技术规范:数字化进行可编程、网络化:可协同、智能化:可自主。

  (2)生产组织:工厂实现生产单元自主、企业:企业各部门协同、生态:供应链+客群连接。

  (3)价值形态:产品可以人性化功能、制造:人机协同生产、服务:个性化服务。

  2.2.2“人工智能+制造”现状

  主要从三个方面介绍和分析“人工智能+制造”现状,包括产业规模、典型案例、面临的挑战。

  (1)产业规模:从1000亿到7000亿。

  整体规模:2016年约为1.2千亿美元,2025年将超过7.2千亿美元,复合年均增长率预计可超过25%;连接:轻工制造业4.7%->14%,增长百分比大约在10%左右;平台:云计算、大数据和智能制造24%>36%,增长百分比大约在12%左右。在互联网行业中一个好的发展模式,将直接影响到轻工制造业能否能升级转型成功。

  图2.1产业规模图示

  (2)典型案例

  研发设计,大幅降低不确定性成本

  首先是基于卷积神经网络的新药研发,缺点:研发慢+贵,新药研发=各种不同化合物组合与测试,9-14年+30-60亿RMB=一种新药成功研发,方案:超级计算机+独家算法,学习:分析学习已有数据库,发掘:数字化模式仿真一种药品研发过程,对基础的化学基团组合发现新的有机化合物,测试:分析有机化合物之间的成分和疗效的关系,评估:新药结构组成和风险,效果:快+便宜,节省一半早期药物筛选实验的数量,大大提高结果成功率。

  启发:对于药物研发这个流程,通过大量的数据分析,数字化模式可将原有的较高研发不确定性和较高的研发成本、逐步转变成较低的研发成本和较高的确定性。数字化模式研发对于制药、化工等研发周期比较长、研发成本较高、潜在领域,有比较明显的作用。

  生产制造,柔性生产满足个性需求

  其次是基于个人数据分析的批量定制缺点:同质竞争->价格战->低利润,传统生产=标准化+大批=同质竞争,竞争差异=个性化需求定制=高成本方案:迅捷工厂,技术:3D打印+电脑编制+机器人胳膊,需求:依赖云端采集顾客足型和运动数据,生产:根据顾客的兴趣进行配料和设计的搭配,且在机器人胳膊、电脑编制的共同帮助下完成制作,缩短时间:一年半到7天,实现生产应用,成本不变,实现小规模、个性化定制。

  启发:制作生产过程,数字化模式可对于消费者具体的需求数据,在保证和大量的生产等同、或是更小的成本的同时,能够带来高生产制造,系统越扁平化,越能迅速应对行业需求等重点环节的变化,特别是衣饰、工艺品等与消费者特征或者寻味等需求关联性强的领域。

  质量管理,迅速质检且保证质量

  基于视觉识别的质量检测,主要痛点是人工速度慢,误差多,成本高。传统质检=人工为主=精度有限=次品漏检,人工经验难量化,难以指导产线优化。解决方案:视觉洞察。技术:前台高清摄像头+后台Watson算法,建模:中间study服务器通过不断的训练可以辨别产品的优劣,还有辨别图像的差别,进而通过建模完成,分析判断:利用清晰的摄像头,将在生产过程中生成的照片,利用捉捕产品组件在生产和合成过程中的照片,提供给中间学习服务器分析,检查:检查人员人为进行第二次检查和确认。得到的效果:快+高质量+成本节约,质检时间缩短80%、产品质量缺陷减少7%-10%、节约重复性人工成本。

  启发:质量管理过程,数字化模式通过和物联网和大数据等新型技术结合,完成对产品质量的自动化排查到生产的全方位的流程,不仅把质量检测的效率提高了,而且将工艺、流程等环节进行了改善,提高了好的产品率特别是材料、配件、精准设备等生产量大和工艺要求高的行业。

  (3)面临的挑战

  技术有缺口

  核心技术缺乏(例如核心零件、芯片,核心算法等)、导致产业受制(如美国最新针对中国制造2025贸易战)、但关键技术、尤其是基础技术需要长期大量投入研发,短时难突破

  标准难落地

  政府和机构已牵头在建各种标准,但不同线条的标准间仍存差异。重点关注的应该是目前大部分生产设备多数是进口的,这就导致很多系统的软硬件接口不兼容,或者是不容易兼容,各种标准与协议也很难容易的互相匹配。

  落后的管理

  由于经历了相当长一段时间的工业时代,那个时期的标准式生产,死板的管理导致很长一段时间生产企业还是以以往的陈旧的管理模式为主。这种陈旧的管理,管理末端人员工作简单,内容单一,很难适应市场的多变化,也很容易被市场淘汰。而数字化模式的普及,给了更多人与机器协同合作的机会,更加合理的进行分工。

  资本投入少

  最近几年轻工制造业普遍利润不高,盈利能力相对于高科技领域企业较低,国内对此行业的投资也相对走低。并且对轻工制造业的升级改造是需要长时间不断的大量的资金的进入的,短时间有不容易见到盈利,所有资金投入都比较谨慎。

  2.2.2“人工智能+制造”对轻工制造业的影响

  (1)提高生产效率

  增效:柔性生产、24小时生产;保质:减少人的错误、不断改善工艺,提高产品品质;节约:由机器代替风险高,重复性的工作。

  (2)优化产业结构

  淘汰:大部分传统“非智能”产品,尤其是电子制品;升级:一些产品逐步被升级,成为新的产业行业,例如无人驾驶汽车;孕育:新的智能产业,如算法公司。

  (3)就业市场大变

  失业:有一半的目前工作逐步被替代,轻工制造业就业人员数量会越来越少;就业:但是对于一些新的岗位入机器的开发,运营,管理等也会逐步新增就业人员。早晚有一天,新就业就新失业会出现一个拐点,平衡的状态不久的将来就会到来。

  (4)重构国际分工

  削弱传统劳动力比较优势,传统工业强国往下走,传统工业大国往上走,彼此会争夺更多的资源空间,目前地理上的国家和他们的角色分工,以后会逐步有变化,新一波的角色分工会到来,国家之间的竞争会越来越大。

  表2.1人工智能对不同制造业的影响差异比较

  行业类型特征典型行业发展瓶颈人工智能作用

  劳动密集型低劳动力,成本为核心竞争力加工组装人工成本提高、工人不稳定影响品质减少人工,品质不稳定

  资本密集型固定成本占比高材料冶金、化工柔性化程度低、不能满足定制化需求低成本、定制化生产

  技术引领性技术进步获得竞争力生物医药、航空航天不可控和长周期提高研发成功率、缩短研发周期

  表2.2顶层设计与战略指引

  国家主要战略重点领域核心目标

  美国先进制造、人工智能、下一代机器人先进传感、控制信息与数字制造制造业回流与复兴

  德国工业4.0物理信息系统制造业竞争力强化

  日本机器人、工业价值链机器人、人工智能及物联网工业支持、社会转型

  中国制造2025、新一代人工智能、智能工厂高端制造、核心装备制造大国到强国

  表2.3具体策略对比借鉴

  国家构建智能制造平台推动技术标准制定支持共性技术研发重视中小企业发展完善人才保障系统

  美国智能制造、领导联盟、技术平台工业互联网、参考架构、服务先进传感、控制与制造提供技术、咨询和定制先进制造业、学徒计划

  德国工业4.0联盟协助转型工业4.0、参考架构GPS技术建立各种能力中心双元制

  日本工业价值链联盟工业价值链参考联盟机器人多样化政策工具建设工业技术学习

  由以上图表我们可以总结出几点加快推进我国“人工智能+制造”对策与建议

  建立多渠道投融资规则

  创建针对制造业特有的借贷方案,激励银行等有钱机构供给货币,严抓政府相关部门的补贴,针对民营企业等中小单位进行对应扶持,并且也支持和鼓励更多的投资方形式,采纳相对激励的方案,例如成果返税等。

  健全复合人才培养机制

  针对创新型制造,创建从幼儿到高等教育的健全的教育体系,特别是对区域性、社区性学校扩展地方制造业人才培养责任,新增复合专业相关学科,如例算法工程、机器人维护、STEAM等。鼓励产学研结合培养,如共建培训基地。

  搭建多方协作服务平台

  鼓励计算力、数据、算法等开源或开放,提供产学研等协作的信息沟通渠道,支持创新型企业在项目申报、企业注册、税务等方面的相关服务。

  加强技术标准体系建设

  鼓励产学研联合组建“智能+制造”技术联盟,在产权保护基础上鼓励各方共享专利,鼓励积极参与国际标准制定,推广我国标准。

  构建信息安全保障体系

  完善工业信息安全管理等政策法规和标准,鼓励工业安全应用和解决方案开发及试点,推动建立工业信息安全测试平台,实施认证。

  建立融合创新试点基地

  推动工业园升级为“智能+制造”集群,支持工业界与信息业联合创办众创空间,提供资金奖励等鼓励应用创新与试点。

  布局重大科技工程项目

  “智能+制造”生产组织和管理模式,“算法+工艺”的融合基础理论,智能装备、生产流程、供应管理等重点领域。

  重点突破关键共性技术

  引导对人工智能关键共性技术的持续归纳总结,鼓励各方整合相应技术标准,并联合研究突破,鼓励海外建立研究机构,吸纳人才并推广技术。

  2.2.3数字化工厂

  数字化工厂是以整个生命周期的产品涉及的所有数据为基本,在电脑的虚拟机中,针对生产的全流程过程进行虚拟仿真、评测和升级,且进一步发展到产品全流程生命周期的新型生产组织形式,是近些年数字制造技术与电脑虚拟仿真技术两者互相结合的名词,并且具有及其鲜明的特点。这个产物的形成让工业制造业更加的有活力,同时也充当了产品设计和产品制造之间的桥梁。

  工程师协会定义(德国):数字化工厂由数字化模型、方法和工具构成的综合网络,包含仿真和3D/虚拟现实可视化,通过连续的没有中断的数据管理集成在一起。数字化工厂集成了产品、过程和工厂模型数据库,通过先进的可视化、仿真和文档管理,以提高产品的质量和生产过程所涉及的质量和动态性能:提高盈利能力、提高规划质量、缩短产品投产时间、交流透明化、规划过程标准化、胜任的知识管理。

  数字化工厂基于现代信息技术,可以支持从各个流程的数据互联,包括前期设计,生产,运输,服务等方面。快速给出方案,提升准确率。让数据互联互通是实现实时数据变化的唯一方法,数据分析生产过程,并进行升级管理,进一步使得业务流程更加完整,工艺流和资金流的同步,还有生产资源在单位内及单位间的实时配置。数据流互通是工程创建“数字孪生”的前提条件,数字孪生既指产品的数字化,也指企业本身和工艺流及设备的数字化,进一步完成全面追溯,物理与虚拟两面共享和交互信息。

  数据流互联互通通常指三种数据的互通,1.生产流程数据2.产品数据3.供应链数据。

  (1)生产流程数据

  生产过程数据互联互通不仅让生产计划和执行的数据流交互,且让MES与控制设备和监视设备之间的数据交互,工厂设备与控制设备两者的数据交互,以及MES与工厂设备之间的数据交互。

  (2)产品数据流

  打通产品物流主要体现在数字集成和产品生命周期溯源的产品生命周期。产品生命周期数字化整合,缩短开发周期为核心,基于模型定义技术,建筑产品生命周期管理系统主要用于产品开发。R&d是数字工厂“数据链”的起点,由研究和各种植物系统之间的实时传输链路发展所产生的数据,同步更新数据,以避免产生由于错误传达错误,也使得传统的制造植物常出现在大大提高工作效率,缩短产品开发周期,产品的生命周期可以追溯到是管控产品质量的核心。

  (3)供应链数据流

  打开主要在供应链协同优化,网络协同制造供应链数据流。主要应用是构建跨企业的协同平台,整合制造资源和R&d,管理和服务体系,之间的对接提供访问企业R&d,运营管理,数据分析,知识管理,信息安全服务,开展制造和服务动态分析和资源的灵活分配。

  图2.2受访企业数据联通情况

  表2.4受访企业数据联通情况(按行业)

  从生产计划到执行的数据流设备数据流产品数据流供应链数据流

  航空航天100%38%25%13

  新材料92%54%46%31

  电子及电气86%81%62%57

  制药83%50%33%50

  汽车及零部件80%67%53%40

  高端装备制造68%53%58%47

  注2)*百分比代表打通数据流企业在本行业的占比

  许多公司还计划采用各种互联网数字化技术,以帮助提高员工的工作效率和改进流程。毫无疑问的是数字工厂的工作环境将天翻地覆。公司为员工提供了各种工具,包括移动应用程序,其中以使他们在需要时访问各种信息。实时质量检测越来越普及,这种技术允许工人及时承认并改正错误,和生产过程中的精确度将自动反复验证。此外,一些公司正在使用的移动APP,帮助员工更好地开展远程协作。机器人等多种先进技术让员工工作的更加轻松,高效。员工们不仅可以享受数字技术带来了方便,还可以以人机交互的方式完善这些机器人。使得一些重复的功能,可以通过编程手段让机器人重复自己的行为就行了。人机交互是未来发展的重点方向,我们不仅要在机器自动化和智能程度上下功夫,在人机交互上也要不断提高响应的技术。

  随着无人驾驶技术的成熟和相关的成本不断下降,一些公司已计划利用该技术来提高工作效率,减少错误。今天的系统是远远按照预定路径自动循环这么简单回暖,不仅是物流链中真正的无人值守的方向发展,同时也通过互联网系统,以确定需求,自导运输系统传达指令,实时响应。这些系统和网络信息表和每个仓库和动态响应之间的数据传输,以在供应和需求的变化之间有良好的协调。

  当前,可以用数字化的方式呈现产品、设备、整条生产线和工厂基础设施,即所谓的“数字化孪生”。该技术主要应用于产品开发或生产计划阶段,可以提高开发过程的效率,提高产品质量,有利于利益相关者之间的信息共享。将产品和生产线的数字化孪生结合起来,可以在实际投产前对新的生产过程进行模拟、测试和优化。如果我们能与合作伙伴一起使用数码双胞胎,我们就能让他们更好地优化流程以匹配。数字孪生也是虚拟现实、增强现实、远程维护等应用的基础。值得注意的是,最流行的数字工厂技术,即使是最有可能在5年后采用的技术,仍然是基于传统的流水线模式。在这种情况下,有必要对企业的生产战略甚至生产模式进行反思,但是许多企业不愿承担这样的风险。我们也考虑到,企业有必要根据整体经营战略和技术发展,从整体角度制定数字化战略。

  2.3中国智能制造

  智能制造是一系列新型技术与应用的有机结合,其能够帮助制造业从机械化、电气自动化到数字化、网络化和智能化方向转变,创造自感知、自决策、自执行的新型生产方式。

  中国工业高度发展时期已过,进入新常态。劳动力、产业转型、政策和技术四大引擎将大力助推中国智能制造改革浪潮。中国智能制造总体水平偏低,处于电气自动化+数字化发展阶段,但细分行业差别大,多重原因影响工业化进程。从当前工业化进程和智能制造需求两个角度,结合2000+制造业上市企业财务数据及多位专家调研,总结出中国制造业19个细分领域的智能制造现状,可以分为四大象限,分别为领导者、挑战者、探索者和观望者。

  四大象限中:汽车、计算机通讯、家电制造业等走在智能制造前面,为中国智能制造领导者;纺织服装、机械装备等改革需求强烈,智能制造势在必行,为中国智能制造挑战者;石油、化工等制造业工业化基础高,探索精益生产模式,为中国智能制造探索者;食品饮料、文体娱乐等制造业则工业基础薄弱,为智能制造观望者。

  通过对汽车、纺织服装、石油及食品饮料制造业为四大象限典型行业进行深入研究:汽车制造业生产体系标准,自动化程度很高,但供应链效率与产品质量的提升需求将促进中国汽车产业改革;纺织服装工业体系日渐成熟,成本控制、节能减排、创新模式将倒逼纺织服装智能制造;石油加工体系工艺复杂,技术门槛高,产能优化、精益生产促进石油加工业智能制造改革;而食品饮料制造业以粗放式生产为主,进入数字化阶段的大多为大型制造企业,大部分制造业处在观望阶段。

  中国智能制造整体市场已达千亿规模,且增速不断加快。当前智能制造改革主要聚焦生产环节,工业机器人、工业软件、工业互联及大数据、工业智能为关键领域。

  随着新技术的开发,生产国家已开始变化的新一轮浪潮。从1760年左右开始发明的蒸汽发动机引爆第一工业革命开始,通过机械化,电气自动化,数字化制造的三个阶段,工业发展阶段到4.0至网络和智能。

  表2.5行业需求与技术创新促进产业变革

  第一次工业革命第二次工业革命第三次工业革命第四次工业革命

  行业需求手工坊不能满足社会化需求单个机械生产率见项制造业进入稳定发展阶段人力成本上升,产生智能需求

  技术创新蒸汽机发明电极发明,电器设备等计算机及互联网等物联网、云计算、大数据等

  产业变革机器代替手工劳动机械化重工业开发,发展电气自动化出现数控机床、工业软件智能工厂、智能物流等

  2.4本章小结

  本章首先对轻工制造业和产业互联网数字化基本概念进行介绍,包括人工智能+制造的基本概念、数字化工厂的基本概念,最后对中国智能制造进行了详细的介绍,然后通过一些典型案例,对人工智能如何“+”制造进行了阐述分析。互联网是符合助力智能制造的,数字化工厂是如何通过数字化技术提高工作效率的,以及中国智能制造的历史发展变革。

  3轻工制造业企业的现状与问题

  3.1轻工制造业企业转型背景

  近年来随着消费结构、消费渠道、消费需求和消费理念的变化,“以消费者为核心”成为新消费时代的主要特征。消费品产业链条中生产者和消费者间的关系正在被重塑,而通过需求逆向推动商品生产和服务的理念也正在被品牌商和制造商所接受,需求驱动的方式对供给端的敏捷响应、生产效率等提出了更高的要求,供给侧变革迫在眉睫。

  在消费领域互联网已经基本完成了覆盖,部分场景甚至已经饱和,伴随互联网人口红利的消失,消费端互联网市场天花板已经显现。互联网公司开始转向B端寻求市场机遇,逐渐将平台积累的消费者的偏好和需求向产业链后端传导,并利用技术优势驱动后端产业升级,同时助推自身找到新的商业价值点。

  图3.1 2014-2020年中国移动互联网用户规模增速放缓

  图3.2 2016-2020年中国规模以上互联网相关服务企业增速放缓

  传统制造型和流通型产业一直面临着效率低下、产能过剩、研发创新滞后等问题。尽管随着信息技术的普及,许多大型企业开始用电脑进行供应链管理,但是在采购管理、配货控制等方面的整合性、协同性和全局性还不够完善。因此需要借助互联网的创新能力,打通消费端与供给端的有效连接,帮助传统企业能够针对需求变动做出灵敏而准确的反应。

  图3.3各国制造业成本指数

  近些年,中国的制造业面临的一个比较大的问题是劳动力成本的提高,一直以来,低劳动力成本是中国轻工制造业发展的优势,随着人口老龄化和人工红利的降低,这种优势已经逐渐消失。随着国家经济水平的不断提高,劳动力成本只会进一步提高,企业转型也势在必行。当然除了劳动力成本高,轻工制造业企业还存在不少其他的问题。

  以低劳动力成本为核心竞争力的劳动密集型企业,例如家电、电子行业。随着各项成本不断提高,还有工人的不稳定性越来越强导致的产品品质降低,都迫切的需要通过互联网数字化进行转型,来减少人工和降低人工造成的品质不稳定等问题。

  以固定成本占比高的资本密集型企业,例如冶金、化工行业,随着柔性化程度低不能满足定制化需求,通过互联网数字化的转型来实现低成本定制化生产。

  以依靠技术进步获得竞争力的技术引领型企业,例如生物医药、航空航天行业,随着技术研发风险不算提高和研发的不可控和长周期等发展瓶颈出现,通过互联网数字化转型来提高技术研发成功率和缩短研发周期。

  以产品生命周期短为代表的市场变动型企业,例如服装、食品等行业,主要的问题是难以预测市场走向,通过互联网数字化转型来帮助企业准确的预测和快速响应市场。

  轻工制造业企业还存在比较大的问题是技术科技含量不高,虽然产业基础看似挺大,但实则在使用上还多数停留在民用级别。中低端产品偏多。

  以生产设备为例,虽然国内很多企业可以实现设备的国产化,但是品质,稳定性,可靠性等方面和国外制造业也强过相比差距还很大。核心设备还是靠进口为主。目前世界上制造业发展趋势是标准化的数字制造。设备生产实现数字化控制,所以国内企业很需要通过新技术新数字化手段来改变现状,解决问题。

  物联网、大数据、云计算、5G等新型技术与数字经济的发展,促进了传统产业转型升级,同时为产业互联网提供条件。在技术的帮助下,传统制造业正向着需求驱动、产业网络化、流程智能化和柔性快反的方向发展。

  3.2轻工制造业企业互联网发展方向

  (1)工业化和数字化是轻工制造业产业互联网发展的基础

  通过工业化和数字化手段实现制造端的智能化管控,上下游信息的快速流转和决策预判,是轻工制造业产业互联网的核心任务,因此工业化和数字化是产业互联网实现的重要基础。

  (2)构建轻工制造业产业互联网需要从三个层面入手

  制造业产业互联网主要探讨的是实体经济与互联网怎么进行深度融合的问题,可以由浅向深从三个层面逐步构建。产业互联网最终将集聚同一产业链若干实体企业生产链、供应链和管理链,形成一个复杂的产业链网络,并逐步向由终端用户驱动智能化数据决策的共享生态演进。

  (3)制造业产业互联网建设需结合自身和社会化力量共同完成

  我国传统行业技术薄弱,产业的演化要循序渐进,从企业内部自动化改造到企业间的供应链协作升级,再到产业间的资源共享升级,整个过程需要经历很长一段时间,并且需要集合企业自身的和社会化力量共同完成,同时要伴随着不断的试错和调整。

  (4)轻工制造业面临各种问题,导致其对产业互联网推进动力不足

  企业数字化能力参差不齐

  大型传统制造型企业注重IT系统搭建,且其自动化程度相对较高,但是对市场响应的灵活度和柔性化不足;而中小型企业在信息技术方面投资较少,且自动化程度低,数字化能力较弱,导致产业端的数据驱动决策能力有待提高。

  信息孤岛依然存在

  大多数传统企业的数字化供应链建设只停留在内部系统中,供应链上下游之间依然是信息孤岛,端到端数据无法打通,供应链管理全流程信息没有完全意义上实现可视和协同。

  缺乏有互联网思维的团队

  产业互联网说到底还是互联网,连接的本质没变。随着机器和算法大规模介入,团队如果没有互联网运营能力,很难让全链路协同高效快速运转。

  3.3互联网数字化模式介绍

  C2M模式是消费与制造端的深度互联,解决当下产业面临的问题,发展轻工制造业产业互联网的目的是帮助产业上下游解决效率提升,新价值动力不足等问题。而C2M模式拉近消费端与制造端的距离,使制造业具备了消费者视角,可以更好把控产品的设计和生产,同时在个性化需求的驱动下,工厂自动化和柔性化能力得到提升,通过直连去除流通环节中过剩的产能,将价值回归消费端,是消费端和制造端深度互联的优秀实践。

  图3.4 C2M模式图解

  C2M最开始是产生于我们的生活当中,包括服装、家具和汽车的个性化定制,都是C2M模式的探路者。但C2M最近才被频繁提及,一则是科学技术的发展,互联网以及物联网不断的发展以及理念的加速成熟使得C2M模式真正成为了可能,未来3到5年C2M将会借技术进步有着一个告诉发展的机会;另一方面是响应国家的“供给侧改革”,将C2M从幕后推向前台。

  客户的需求直接驱动了企业去发展C2M模式,在服装产业上,红领的C2M平台是客户的线上的“私人定制”平台入口,客户通过电脑、手机等智能终端在线自主选择产品的款式、工艺、原材料,生成订单后支付。客户下单后,工厂才进行生产交付,没有资金和货品积压,实现了“按需生产、零库存”。红领的C2M模去掉中间环节,最大限度的让利给顾客。最重要的是,红领“十年磨一剑”,千万级服装版型数据收集,数万种设计元素的积累,可以充分满足客户的制衣需求。智能化的人体数据采集方法,信息化的流水线生产模式,在覆盖客户个性化设计需求的同时,也大幅度降低传统模式下定制化的成本,真正实现大众顾客“一人一版,一衣一款”的个性需求。给红领7天时间,红领还你一套“私人定制”。

  医患资源的信息不对称也是C2M的一个切入口,医疗产业上,复星投资的名医主刀这个案例就在这一领域不断地尝试着,也取得了不错的成绩。名医主刀抓住了中国医疗体系的痛点,解决了医患资源信息不对称这个“顽疾”。一方面,病人,特别是面对生死选择需要争分夺秒的患者,面对几个月的长期排队才能获得有保障的手术治疗的问题,另一方面,医生在得到医院许可的情况下,也希望可以对外提供自己的医疗服务来获得更高的收入以及学术影响力。同时,部分设施完善的公立及私立医院也希望通过提供医疗场所来获取盈利和提升医院知名度。这个多端之间的错配和服务落地难的矛盾通过名医主刀C2M模式实现资源整合和效率上的提高,通过名医主刀为患者更高效地梳理医生和医院,准备地匹配最合适的医生与医院,让医生详尽地根据患者的疾病来制定医治方案,让医院更好的提供所需的医疗设备。

  在娱乐产业上,C2M模式也大有用武之地,在国内,影视文化公司喜天也是C2M模式的践行者,吴秀波,海清和张天爱都是喜天的签约演员。喜天会充分地分析明星的粉丝的喜好与需求,创造IP,编制剧本,塑造演员。《太子妃升职记》中,张天爱饰演了从现代穿越回古代的太子妃,演绎男女双重性格,剧集收官时网络播放量达到26亿。张天爱个人演艺的成功,也可以说是喜天迎合粉丝喜好、探寻C2M模式的成功。下面以两个案例来对C2M进行具体解读。

  (1)案例1:汉昂国际

  汉昂国际成立于1992年,工厂地址在杭州,主营女装。服务品牌有ZARA,H.M,优衣库等。合作初衷:女装市场对多款式、小批量订单需求日益旺盛,工厂的柔性快反能力亟待提升,本着对女装定制化生产创新的尝试,2015年汉帛国际开启了与必要的合作。合作方式:汉帛设置专门的百纷团队对接和处理必要平台的订单,并根据加工产需要,将工艺流程打散后重新规划,以模块化形式应对每天不断变化的订单需求。合作难点:最大难点来自于企业内部对柔性生产的改造。例如生产流程优化,生产团队灵活适应力的提高等。与必要合作后,团队一直在磨合改进,目前订单从最开始的25天交付降低到7天左右交付。

  必要对于汉帛而言是其柔性制造转型的试炼场,C2M的模式帮助汉帛磨合了团队,改善组织流程使其能够对订单更快的反应处理,然后把沉淀下来的技术和经验应用于更广泛的工厂柔性化改造中去。同时汉帛作为行业龙头制造商,也在积极推动服装业产业互联网进程,利用其多年的资源优势搭建了哈勃智慧云,连接产业上下游合作伙伴,帮助中小企业实现转型升级。

  (2)案例2:视悦光学

  视悦光学成立于2001,工厂地址在江苏丹阳,属于镜片制造商。视悦光学有限公司拥有雄厚的制造和技术实力,但是代加工业务最大的弊端就是对市场动向感知较弱,加之国内对高档功能性镜片的普及不够,想要了解和教育消费者就必须开展零售业务。头部综合电商平台商品竞争激烈且运营成本较高,而必要平台每个品类都是精选工厂,流量运营由平台负责,工厂只需负责生产和售后,并且能够直面消费数据,这种模式很适合初期尝试定制化品牌的视悦光学工厂。

  视悦光学通过与必要的合作以最小的成本探索出眼镜品类互联网反向生产(先下单,后生产)的道路,并建立了自有品牌,使工厂抵御市场风险能力得到提升。同时由于必要商城招商标准高,每个品类下的商家数量,不会出现恶意竞争恶情况,其与必要平台的合作是共生共建的关系,有利于培养制造业在合作改造中的积极性。

  C2M模式,将基于加工提炼之后的大数据,在有产品力的产品和碎片化、多元化、个性化的移动互联网入口之间,打造一个无缝连接的闭环,将客户的需求极快地、直接地反映到产品生成的全过程中,最后呈现出贴和客户需求且“令人尖叫”的产品。互联网正在不断地深入渗透到工业链,渗透到各大产业链,制造业企业要抓紧这一轮渗透的机会。

  3.4发展方向与未来趋势

  3.4.1发展方向

  (1)消费互联网推进产业互联网变革是未来零售行业创新的方向

  消费互联网和产业互联网的结合为双方市场打开更多想象空间。随着消费互联网的动能向上游产业端不断传导,将逐步推动零售业全链条的数字化变革,实现产业效率全面提升,将是零售行业创新的方向。

  (2)C2M模式将引领消费端深入改造制造业产业互联网实

  新零售到新的制造,驱动力和市场的驱动方向已经开始逆转,最后的大批量采购,大批量制造,推动供应链的质量传输已经无法满足市场需求,C2M供应链模式供应方面已在预测需求和快速反应的两种能力,可以很好地的让制造业产业内部流程进行改造和完善。

  随着产业互联网探索的深入,跨部门和跨组织的协作将会越来越多,原来金字塔式的组织管理模式将制约企业数字化能力建设,因此需要建立弹性的组织团队和敏捷的工作机制和流程,组织变革是产业互联网发展的后方保障。

  3.4.2未来趋势

  (1)新型数字化人才补充

  产业端引进基于业务的商业数据分析和技术型创新人才加入,能够在产业互联探索过程中提供有效的落地方案,同时可以增强企业用数字进行决策和治理的内在功力。

  (2)敏捷的工作机制

  围绕任务组建团队,并建立团队间的任务协同和信息共享机制,同时利用数字化工具简化操作流程,推进工作流程有序性,并逐步形成一套有效的管理方案。

  (3)领导者角色转变

  领导者应成为赋能型领导,角色由管理向服务转变,重视培育跨职能人才,引领弹性管理文化,重视全员数据技能的提升。

  (4)轻工制造业产业互联网实现真正互联互通还有很长一段路要走

  未来三五年依旧是技术产业化的瓶颈期,前沿技术当前落地能力还是比较差些,实验室中获取技术突破,到演变成大范围的改造产业的生产力,是相对漫长曲折的。这当中,不仅仅是技术突破的问题,还存在各种市场壁垒,例如政策、用户理念、企业工业化程度不均衡等。企业资源对接和沉淀需要时间。

  产业互联网面对的多是B端用户,不同类型的客户其服务方式和目标特征都是不同的,因此产业互联过程中对接难度大,且产业互联网的推进对企业的团队、资源、资金要求都高,因此升级过程中不能盲目求快。

  3.5本章小结

  本章首先概括分析了轻工制造业企业转型背景,通过一系列数据分析,轻工制造业企业改革迫在眉睫。本章还介绍了轻工制造业企业互联网的发展方向和未来趋势。分析了互联网等新型技术对轻工制造业企业发展的重要性。

  4 C2M模式调查研究

  4.1研究原则

  为了能够保证调查问卷的质量,准确的掌握国内轻工制造业产业互联网数字化情况以及轻工企业对目前制造业产业互联网模式实现情况,我们在对调查问卷进行设计之前对本次调查问卷设计原则进行设计原则介绍。基于轻工制造业产业互联网数字化模式调查问卷的设计原则主要从科学性、实际性、完整性和客观性四个方面。

  (1)科学性

  科学性是设计调查问卷最为重要的一项原则,调查问卷需要基于一定的理论基础,保证整个调查问卷设计符合科学实际。为了保证调查问卷的科学性,在调查问卷设计过程中采用层次分析法对调查问卷进行层次划分,明确调查问卷的重点内容,同时结合数据分析方式对调查问卷的结果进行数据分析,

  (2)实际性

  调查问卷需要紧密贴合实际情况,通过文献调查、企业访谈等方式对轻工制造业企业实现互联网数字化程度情况进行了大致了解,同时结合现有资料对国内各类行业实现互联网数字化情况进行划分,掌握现有轻工制造业企业互联网数字化模式情况。

  (3)完整性

  为了保证调查问卷能够全面完整的体现轻工制造业产业互联网数字化模式情况,我们在设计调查问卷之前先设计一套需求获取调查问卷。

  (4)客观性

  为了保证设计的调查问卷具有一定的客观性,我们对调查问卷设计完成后邀请行业专家判定,对调查问卷进行审核,保证调查问卷具有一定的客观性。

  4.2研究设计

  在完成调查问卷的设计原则确定后,我们对基于轻工制造业产业互联网数字化模式进行调查问卷设计,对轻工制造业企业实现互联网数字化模式情况的调查问卷设计也是研究轻工制造业产业互联网数字化模式的关键,通过目前已实现轻工制造业产业互联网数字化模式企业分析可以有效的反映目前国内轻工制造业企业的具体情况以及对互联网数字化模式转型的问题,这样可以对国内轻工企业如何实现互联网数字化模式转型提供帮助。

  为了能够让调查问卷的题目设计更加合理,我们采用层次分析法对问题进行层次划分,将轻工制造业产业互联网数字化模式研究的问题进行层次划分,分为重点研究问题和一般研究问题,重点研究问题在调查问卷的试题比例比较大,关注内容也相对较多,而一般问题主要以辅助了解为主,这样设计使调查问卷更加合理,结构也更加分明。

  层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次,按各个层次进行定量分析和定性分析,层次分析法有效的解决了多目标评价问题,是调查问卷设计中常见的一种决策分析方法。结合轻工制造业企业实际情况,通过翻阅资料和专家访谈等方式,我们将研究问题进行层次划分,从轻工制造业企业市场现状、轻工制造业企业互联网数字化模式转型关键领域、轻工制造业企业互联网数字化模式转型案例等方面进行题目设计,具体划分层次有以下几类,分别是政府监管、企业需求、转型宣传推广、企业类型、轻工制造业产业现状、转型案例、转型保障等。

  为了能够让调查问卷更加全面,我们将调查问卷分为多项选择题和打分题,多项选择题主要是对掌握轻工制造业企业互联网数字化模式转型现状进行掌握,了解企业对产业互联网数字化模式的理解,便于我们对轻工制造业产业互联网数字化模式设计提供帮助,分析多项选择题我们采用的方式为频率频数分析法,这样可以掌握各个题目具体结果趋势,便于数据分析,而打分题是对目前轻工企业对产业互联网数字化模式转型情况进行满意度评定,这种题目我们采用均值分析法进行数据分析可以有效的了解企业转型情况,对那些企业比较满意的部分我们可以进行借鉴,对于企业不满意的部分在设计中充分考虑。

  4.3数据分析

  在完成调查问卷的收集后我们需要对调查问卷进行数据分析。

  (1)分析范畴:

  由于轻工制造业是日用消费品的生产源头,是与消费互联网密切相关的产业之一,在消费互联网的助推下,其产业互联网侧的变革也将走在前面。因此本文分析内容主要针对轻工制造业产业互联网发展的背景、发展方向、发展趋势进行解读。

  (2)分析方法:

  信息和数据从公共部门的信息进行分析,内容分析上作出了上述内容基于深入的资深行业高管及相关业务,以及专业判断和评价观分析师的采访。采用业界易观分析模型,市场分析,行业分析,厂商分析相结合的方法,以反映市场现状,趋势和现行法律,以及厂商的发展现状内容分析。

  从当前工业化进程和智能制造需求两个角度,结合2000+制造业上市企业财务数据及多位专家调研,总结出中国制造业19个细分领域的智能制造现状,将其归类为领导者、挑战者、探索者及观望者四大象限。

  智能制造领导者包含:计算机、通信和其他电子设备制造业/汽车制造业/家电制造业/家具建材制造业/医药制造业。这些行业普遍下游市场较大,市场更新换代需求高、制造过程较复杂,其中电脑、手机、汽车、医药等是科技应用最广泛、更新换代最快的市场。

  图4.1 2015-2020年领导者象限平均折旧摊销额

  图4.2 2015-2020年领导者象限平均人数

  图4.3 2015-2020年领导者象限平均人力成本

  图4.4 2015-2020年领导者象限平均ROP

  由以上图标我们发现智能制造挑战者包含:纺织服装业/机械装备制造业/仪器仪表制造业/电气设备制造业/航空航天、铁路及船舶制造业。这些行业产品普遍偏中游,市场没有领导者规模大,客户对产品更新换代要求较低,但行业中劳动力成本影响较大,智能制造改革需求强烈。

  图4.5 2015-2020年挑战者象限平均折旧摊销额

  图4.6 2015-2020年挑战者象限平均人效

  图4.7 2015-2020年挑战者象限平均人力成本

  图4.8 2015-2020年挑战者象限平均ROP

  由以上图标我们总结出智能制造探索者包含:石油加工、炼焦及核燃料/化学原料及化学制品/非金属矿物制品/有色金属冶炼加工/黑色金属冶炼加工。基本属于流程工业,且均在工业上游,生产过程要求严苛,工业基础要求高,但行业更新换代慢,改造需求较领导者和挑战者较弱。

  图4.9 2015-2020年探索者象限平均折旧摊销额

  图4.10 2015-2020年探索者象限平均人效

  图4.11 2015-2020年探索者象限平均人力成本

  图4.12 2015-2020年探索者象限平均ROP

  智能制造观望者包含:食品饮料制造业/文体娱乐用品制造业/橡胶与塑料制品制造业。这些行业普遍技术门槛较低,工业基础薄弱,劳动密集度高,行业分散,同时该行业产品更新换代慢,国内需求市场稳定,劳动力成本影响较挑战者象限较小。

  图4.13 2015-2020年观望者象限平均折旧摊销额

  图4.14 2015-2020年观望者象限平均人效

  图4.15 2015-2020年观望者象限平均人力成本

  图4.16 2015-2020年观望者象限平均ROP

  通过以上数据分析,我们可以得出结论,企业适不适合进行互联网数字化模式转型是和该企业的行业息息相关,包括该行业的下游市场规模,市场更新换代速度,劳动力成本大小,工业基础要求强弱。对于综合考评那些下游市场规模大,市场更新换代速度快,劳动力成本大,工业基础要求弱强的轻工制造业企业是十分必要进行产业互联网数字化模式转型的。

  4.4主要问题以及合理化建议

  通过本文对轻工制造业企业和互联网数字化模式介绍和相关数据进行分析,我们对于轻工制造业产业互联网数字化模式研究提出如下一些问题以及合理化建议。

  4.4.1主要问题

  在手工作坊的年代,过年要做一件新衣服,顾客与店家直接对接,量体裁衣。优势是完全的一对一定制。问题是店家的服务范围和客户数量非常有限。在大批量生产的工业化时代,一件衣服从工厂出来要到顾客手中,需要经过诸多复杂的流程。首先是厂家的新产品研发、复杂的供应链环节,工厂的规模化生产,再经过多次的批发和零售环节,最终到了顾客手中。虽然工厂的规模化生产成本大大降低,但是流通环节又增加了很多成本,到顾客手上价格也不低。而且一件衣服从厂家到顾客手上的周期很长。这些商品多半是标准化的,比如衣服,不管是款式还是尺码,都是厂家根据经验设计的,缺乏个性化。目前,绝大部分的企业、绝大部分的商品还是这种模式。在互联网发展的今天,随着工业互联网,或者说互联网+制造的发展,又有机会实现客户与工厂的直接对接,实现个性化定制。而且,此时的个性化定制是大规模的、低成本的、快速交付的。

  表4.16 C2M模式和现行大规模生产模式区别

  传统模式VS C2M模式

  先生产在销售生产先销售在生产

  同质化产品个性化定制

  厂家进行研发、设计客户参与

  层层加价价格与成本省去中间环节

  高库存库存零库存

  粘性低客户粘性高

  从供应链角度看,传统模式是先生产再销售,不知道生产的商品能否卖出去。如果卖不出去就要打折销售,就要形成库存,占压资金。可以说这个生产是盲目的。C2M模式是顾客通过互联网先下单,厂家收到订单再生产。这就确保每件商品都是有客户需求的,不存在卖不出去的情况,也不存在任何库存。这就是我们搞精益生产追求的拉动式生产,零库存,可以说将精益生产做到了极致。

  传统模式下,要经过层层分销,商品才能到顾客手上。C2M模式下,完全是一个短链销售模式,从厂家直接到了顾客,中间没有任何流通环节,大大节约了中间成本。以服装、酒类行业为例,这样的行业,中间环节的成本相当高。这个节约的费用就可以由厂家和顾客进行分享。最重要的是,厂家先收款再生产,彻底解决了生产企业的现金流问题。目前,大部分生产企业都存在三角债,而且还存在大量的逾期应收款。C2M模式下,企业不再为资金犯愁。我想,这是多少企业家梦想的结果。

  从产品的角度看,传统模式是标准化的大规模生产,产品同质化严重,厂家进行价格战,顾客买不到真正属于自己个性化的商品。

  C2M模式下,商品全部是个性化定制的。顾客可以参与产品的设计,可以彰显自己的个性。对于白酒这类的商品,还解决了一个假货问题。由于商品是直接从厂家出来的,没有流通环节。而且,商品是完全定制化的。这就彻底解决了假酒的担心。最重要的是,C2M模式下,厂家直接掌握了顾客的信息,掌握了顾客的购买习惯和消费能力等重要信息,就可以有针对性地对顾客进行新产品推荐,就可以完全把握客户需求。厂家和顾客的黏性就大大增强。C2M模式应该也是我们经常谈论的供给侧改革的一部分。随着消费的升级,需要有个性化的定制需求。将“去库存”发挥到极致,变成零库存。降低成本,大大提升企业的盈利能力,从而解决企业的现金流问题。

  C2M模式既然有这么多优点,为什么大部分企业没有实现转型呢?除了思维习惯的问题,更多的还有技术问题,以及管理系统的问题。

  (1)技术问题:

  顾客通过微信下订单给厂家。厂家可以大规模地接受这些订单,并将这些订单与自己的ERP系统对接。这不仅要建立互联网的交易平台,还要对原来的信息系统进行改造升级。将顾客定制的内容转化为企业制造系统的工艺要求和质量标准。这个难度是相当大的。过去,生产的工艺要求和质量标准都来自研发部门,都是标准化的。现在,每个顾客都不一样,而且是大规模的。我们不能每一个去核对,需要由自动化和信息化系统去实现,这个就是所谓工业4.0的核心部分。也是我们面对的最大的技术难题。

  发货的环节貌似简单,也提出了新的要求。我们要确保每件商品不能出错。如果张三定制的商品发给了李四,对于李四来说可能就没用,而且客户会极大不满意。这个环节也不能靠简单的人工反复核对,也需要对商品进行自动识别。特别是商品包装好以后,更难区分。因此,就要用到RFID等识别技术。

  原材料的供应必须确保质量的标准化、到货的及时性。因为,我们的每个订单都已经向客户承诺了交期,不能有一点耽误。生产工艺也会发生较大的变化。要实现个性化定制,必然有一些特殊的工艺。每个行业可能不一样。而且,必须实现大规模和高效率。这跟街边或小店里面,在T-Shirt上印字是有本质区别的。

  (2)人员问题:

  从基层员工到技术人员,再到管理人员,在思想层面都必须要进行转变。过去,生产工艺、质量标准等都来自内部,来自研发部门。现在,这一切来自外部,来自顾客。我们很多企业,天天将客户导向挂在嘴边,等到顾客真的来了,就会觉得很麻烦,很讨厌,搞不定。这就是叶公好龙。不仅仅是思想问题,更多的还是能力问题。对于基层员工,技术人员和管理者,所要求的技能都更高了。

  (3)管理系统问题:

  从公司的组织、职责、分工到核心流程,都需要进行改变。因此,我们在协助企业变革的过程中,首先就是帮助他们梳理核心的流程,包括研发流程、供应链流程。因为,过去的研发模式跟现在的C2M模式完全不同,比如NPI(新产品导入)。

  C2M模式下,每个订单都是新产品。因此,这个流程必须改变。再比如,供应链的流程,工厂的计划模式也必须彻底改变。过去是做库存,根据预测去生产,现在是完全按照订单生产。从预测到采购计划,到生产计划,都必须彻底改变。跟流程相关的就是信息系统的改变。最后就考核激励机制也要随之改变。从上述技术、人员、管理系统几个层面,大家可以看到,C2M模式看起来很美好,优势非常明显。但是,实现起来难度也相当大。需要企业从各个方面提升自己的能力。因此,互联网+制造的转型,不仅仅是思想的转型,更需要能力的提升。谁首先实现了这些能力的提升,谁就将在本行业占有先机。

  4.4.2合理化建议

  (1)平台选择非常重要:

  业务平台不仅会改变企业的业务模式,而且会演变成为一种新型业务模式,能够通过算法统筹规划流程或市场,提供发挥专业技能的新空间,利用数据获得新的价值。

  尽管投入了巨额资金,做出了大量决定,许多企业仍然对发展前景持保守态度。鉴于业务平台将一次性转变企业的各个层面,而且行动迅速,因此很难持续看清目标。大部分企业仍在努力解答一些基本问题。

  (2)哪里有共同价值,哪里就有绝佳机会

  由人工智能(AI)和机器学习赋能的数据可大大增强员工能力,提升员工的专业技能水平,深化员工互动。专业技能和快速学习能力是维持快速创新生命周期及促进业务平台迭代式更新的法宝。通过借助呈指数型发展的技术,新工作流程提升了组织创建新价值的能力。

  一旦企业明确核心业务,不仅要审视当前市场动态,还要重新思考工作内容和工作方式。例如,倘若考虑采用平台,保险公司的工作重点将从聚集风险转变为预防索赔。某些企业甚至涉足多个行业:例如,零售商捆绑支付服务,电信企业逐步发展成为内容提供商。

  (3)能否利用数据产生的巨大影响,正逐步拉大企业间的差距。

  例如,采用平台业务模式的企业拥有的数据量是平均水平的两倍,而收入则通常达到平均水平的八倍。这些平台运营商擅长全面利用数据和分析,为其制定业务战略提供数据依据,并助力持续提升业绩。这些数据经过有效整合,适用于实现特定目的。但对大多数企业而言,整合组织范围的数据仍然只是美好的梦想。在整个企业范围实现数据整合或者设计和部署企业范围数据架构的受访企业占比还不到2/5。

  如果企业不能持久保存和关联所有数据,那么数据发现流程就会既耗时又费钱。为人工智能准备数据的使命在于,帮助发现最新最有效的模式,进而推动实现数据发现流程的良性循环。企业肯定不希望有任何事情妨碍这一良性循环快速实施。

  (4)现代企业数字化模式需要具备业务平台所需的极致开放性和灵活性。

  业务平台旨在帮助企业实现大规模高速度的运营,因此必须能够轻松扩展以容纳新要素,并且能够灵活应对持续的变化。为此,企业需恪守两个原则:松散耦合架构的各个组件,以及始终遵守开放标准。

  现代企业的数字架构并不具备业务平台所需的极致开放性和灵活性。如今,原有系统中存在大量业已过时的流程和工作流。只有大约30%的企业应用迁移到云端,超过70%的计算工作负载尚未迁移。数据提取尚有一定难度,更不用说从数据中挖掘智能以及根据数据立即采取行动了。孤岛式组织架构仍占据主导地位。

  为了打破孤岛架构,注入敏捷性与灵活性,企业需要选择一些关键架构要素,提供实用的框架,以推进变革,实现创新。这些选择与工作流、计算和数据相关。

  (5)通过互联网数字化促进深度学习

  企业设计好用于提高效率的流程,并要求员工按照流程采取行动后,互联网新技术和呈指数级发展的技术便可以解放人类,自己做出更明智的决策。纵观许多领域和职业,如医学、石油勘探或航空电子等,AI等专家系统都在帮助促进深度学习和问题解决。因此,有了机器代劳,所有相关专业人员都可从挖掘数据和体验以发现模式的工作中解放出来,能够集中精力去进一步探索这些模式的意义。

  (6)企业领导依靠无缝流程,高瞻远瞩,快速行动;安全问题不能拖后腿

  随着网络连接数量和相关网络安全威胁的不断增长,传统的网络安全方法已经严重滞后。平均而言,安全团队每天要筛选超过20万起安全事件,每年有超过1万小时浪费于误报。随着安全事件发生的可能性不断增加,定义数据保护的法规数量也会随之增加,如果仅仅是被这些变化牵着鼻子走,那企业就会处于困难的境地。在安全运营中心引入人工智能技术,对于保护认知型企业及其资产非常关键。

  传统上,组织都是通过确定最宝贵的数据子集,然后优化数据的安全措施来保护数据。而认知型企业则通过分析异构数据来获得价值和知识产权。因此,他们需要保护的数据量和数据类型都要大得多。

  大多数安全工具主要是分析和检测结构化数据中的威胁。但是当今时代,博客、文章和视频中的非结构化数据提供了重要的上下文信息,同时也带来了创造业务优势的机遇。人工智能可以帮助网络安全专业人才解读、学习和处理非结构化数据中发现的重要情报,并以前所未有的速度和规模应对威胁。