智能工厂：制造业的一场革命

一场制造业的革命正在紧锣密鼓地进行。德国半导体制造商英飞凌在未来五年将投入1.05亿美元，将其新加坡的工厂变成一座智能工厂，它采用了机器人和3D打印技术，正在让阿迪达斯将生产线搬回德国；位于瑞士的一家领先香水制造商在过去三年，通过机器人将产能提升了三分之一；一家中国工厂通过机器人使产量增加了250%，而次品率则减少了80%。为了评估制造企业如何从智能工厂中获得最大价值，我们对各关键行业和国家的大型企业中的1000位高管进行了调研，他们都在2015财年收入超过10亿美元的制造企业工作。此次调研在六个行业展开，分别是工业制造、汽车与运输、能源与公用事业、航空与国防、生命科学与制药以及消费品。调研覆盖了八个国家，分别是美国、英国、法国、德国、意大利、瑞典、中国和印度。我们与直接参与企业智能工厂计划的18名高管进行了探讨，他们都在年收入超过10亿美元的企业担任总监或更高级职位。我们探讨了智能工厂计划的愿景、策略、成功指标以及挑战。除了行业调研和专题采访之外，我们还开展了基于网络的研究，采集所需的关键数据，以量化智能工厂的经济效益。

在未来五年，制造企业希望通过智能工厂推动性能改善，获得远超之前的效益：

◆ 成品的准时交付率预计为1990年的13倍，而质量指标预计为1990年的12倍以上。

◆ 资本支出和库存等重要成本项目的合理化程度预计为1990年的12倍，物料、物流和运输成本的合理化程度预计为1990年的11倍。

◆ 整体产能和劳动成本的改进增长率分别为1990年的7倍和9倍。

据羿戓制造所了解，由于不同行业的制造企业已经开始挖掘智能工厂的潜力，制造企业对于智能工厂的期望已成为坚实的基础，其中工业制造企业获得的产能和质量提升达到20%左右。通用电气公司位于格罗夫城的“卓越工厂”已将计划外停机时间减少10%~20%、在缩短周期时间的同时，还降低了成本（通用电气将其“卓越”概念描述为一家通过结合精益生产、先进和增材制造与高级软件分析提高产能的复杂精密工厂）。通用电气还投资2亿多美元在印度普纳建造了一座灵活的“卓越工厂”。该公司第一次能够在一家工厂中为四个不同的业务部门生产从喷气式发动机零件到机车部件等各种产品。这种多模态能力提高了公司的灵活性。通用电气南亚地区总裁兼首席执行官Banmali Agrawala 表示：“该工厂将允许我们能够根据今后的需求快速调整生产，而无需改变人员和空间。”

佛吉亚公司作为全球最大的国际汽车零部件制造商之一，计划凭借数字制造，通过减少废料和改进生产在塑料材料采购上节省1000万欧元，还期望到2020年通过改进业务流程节省3000万欧元。在佛吉亚公司位于印第安纳州的工厂中，通过自我学习自主智能车辆（AIVs）、协作机器人和连续数据采集支持公司的工业4.0计划。工厂经理Mike Galarno表示：“这座工厂代表着我们进入了包含连接、自动化、数据处理和硬件的工业4.0。我们将创造高效的系统和创新的员工工作体验。”

在我们调查的所有制造商中，有近一半的受访制造企业（43%）已经制定智能工厂运营计划，另有33%的制造商正在制定计划。例如：阿迪达斯的高科技Speedfactory 旨在利用3D打印、数字孪生和灵活的生产系统；西门子德国安贝格智能工厂所拥有的机器和计算机能够自行处理价值链上75%的工作，该工厂每年生产1200万件西门子的Simatic产品线，合格率达到99.99885%；ABB位于中国北京的智能工厂交付可靠性达到99.94% ，平均交付周期从八天缩短到两天。

在美国竞争力委员会发布的全球制造业竞争力排名中，美国从2013年的第3位上升到2015年的第2位，预计将在2021年取代中国成为第一。在中国，有四分之一的公司正在实施智能工厂计划（25%）。但相比部分国家，这一比例较低。

各公司正在通过加大投资以推动发展。在过去的五年中，超过一半（56%）的制造企业已在智能工厂上投入了1亿美元以上的资金（参见图2）。

智能工厂具有振奋人心的发展动力，然而要想在日益互联与变化不断的未来世界中取胜，制造企业就必须从具备智能制造能力的企业转变成数字化企业。为了理解制造企业如何朝这一目标迈进，我们从两个维度对制造企业的数字化成熟度进行分析。第一个维度是基本的流程 （生产、库存管理、质量、规划和预测） 的数字化程度，以及机器人、物联网、人工智能、大数据分析等数字化技术的应用程度。第二个维度是成功带来效益的转型管理程度，包括制造企业的智能工厂愿景、治理和员工数字化技能等关键方面。

为了区分领先者和跟随者，我们对在数字化成熟度的这两个维度取得高分的企业进行了筛选。该分析划分出四种明确的类别（参见图3）：

◆ 精通者：我们发现只有6%的企业是我们所谓的数字化精通者。这些企业在数字化程度和转型管理程度上的分数较高。它们在数字化生产流程中已处于一个高级阶段，具有深厚的愿景、治理和员工技能基础。

◆ 稳健者：在转型管理程度上得分较高，但数字化程度得分较低。其流程的数字化程度以及数字技术利用程度均较低，所获得的效益为次优。

◆ 跟随者：数字化程度较高，但转型管理程度较低。这一类企业已在关键制造过程方面实现了一定的数字化，但它们缺少明确的愿景、治理和技能来获得数字化所带来的竞争和可持续发展的效益。

◆ 入门者：在两个维度的得分都很低，虽然有了智能工厂，但尚未获得令人信服的效益。

通过对这两个维度的分析，可以发现在数字化程度和转换管理程度上同时取得进步的企业更有可能从智能工厂中获得效益。在后面，我们将概述表现优秀者所获得的效益规模以及决定成功的因素。

智能工厂带来的巨大效益不容忽视

未来五年，智能工厂每年将为全球经济创造5000亿至15000亿美元的价值（见图5）。这将占到所估算的2015年全球GDP的0.7%。如果乐观估计的话，制造企业将加快智能工厂建设和部署或转型，使50%以上的工厂改造成智能工厂，为八个被调研地区创造15000亿美元的价值，占全球GDP的2%。

在八个被调研的地区，制造业总价值（总销售额减去中间成本）为88300亿美元

智能工厂能够以较低的成本实现更高的产能，增强短期制造利润，并提高企业的长期竞争力。例如，一家大型欧洲汽车制造商的一名高管告诉我们，他们希望将车辆组装的人力工作量减少约20%。另一家制造企业正在使用先进的追踪与跟踪、无纸化车间、全自动材料搬运设备等技术，降低约50%的物流和管理成本。

向智能工厂的转型将改变全球劳动力市场，而前几波的自动化浪潮已经减少了低技术含量的工作岗位，企业也已认识到这种必要性，并正在采取相关的行动：

◆ 54%的受访者正在为员工提供数字技能培训。

◆ 24%正从培训预算中拨出一大部分为员工提供数字技能培训。印度和中国等国家似乎在这方面领先于其他国家。在这些国家接受调查的高管中，72%和65%的受访者表示正在从培训预算中拨出一大块来构建数字技能。

◆ 44%正在投资于培养数字人才，以弥补技能差距。

企业如何成功实施智能工厂计划？

调查发现，只有14%的企业对自家的智能工厂的成功程度感到满意，有39%的企业感到不满意并且觉得自家的成功程度较低。这39%的企业可能因为无法实现预期的目标而感到举步维艰。比如在580家企业中，有297家尚未达到提高产能的目标。在详细了解这些企业所面临的挑战后，我们发现近三分之一的企业难以应对两项关键挑战：不同部门之间缺乏协调，以及缺少投资。

为了了解企业如何赢得挑战并创造价值，我们借鉴之前的数字技术成熟度框架，并且从效益角度进行分析。根据我们的分析，精通者在效益的实现方面超出了其他类别的参与者。仅在产能效益方面，精通者的平均产能增幅达到24%，超过了其他三个类别的参与者。在对制造企业的累计利润增长进行量化时，发现数字化精通者的优势更加明显。

精通者在关键的数字化和转型参数上大大领先于入门者。为了了解精通者与入门者之间的差距，我们对数字化程度和转型管理程度这两个维度的参数进行了分析。

转型管理程度的两大差异化要素是数字技能和治理（见图7）。我们发现只有极少数入门者对自己在数据分析、自动化和网络安全等关键领域的技能水平感到满意，而大多数精通者认为自己已经具备所需的技能。在治理方面，大多数入门者无法进行基本的转型治理，包括任命领导者和建立路线图等。

总结

我们身处一个智能工厂的时代。无论是汽车还是药品，产品的生产方式都在发生变化。制造企业正在追求更高的效率和产能，成本正在下降，新的商机正在显现。但随着机器可以互相通信，机器人承担起越来越多的工作，企业的数字化成熟度就变得越来越重要。制造企业需要实现从预测、规划到生产等整个流程的数字化，并且充分利用物联网、人工智能、大数据分析等关键技术。与此同时，他们还要以未来需要的愿景、治理和技能为重点，推动统一连贯的转型。在这些方面表现突出的制造企业正从智能工厂中获得更大的收益，并且能够更好地应对智能工厂所面临的主要挑战，比如来自现有工人的抵制或反弹的潜在威胁。

我们的研究发现，已经涌现出一群表现突出的领先制造企业，而且领先者与跟进者之间的差距随着技术发展的加快而越变越大。拥有数字技能的劳动力是必要的，并需要不断补充，制造企业还需要让员工参与到整个过程中，并且创造一种数字文化。是时候努力追赶了，否则这场最新的工业革命可能会将你甩在后面。