一個舉足輕重的新生產要素，正在影響著未來制造業
http://www.debgrams.com 2018-12-19 14:52 來源：企業管理雜志 朱敏
導讀：進入“萬物智聯”時代，變革和創新成為制造業的中心詞。變革體現在制造業全生命周期，創新貫穿于設計、生產、供應鏈、研發、營銷、服務等各個環節。
“第四次工業革命”以物聯網、大數據、人工智能、3D打印、區塊鏈、生物技術等為驅動，正以難以置信的速度改造世界。隨著5G到來，互聯網進化為智聯網，升維后的新形態可稱之為“萬物智聯”。
進入“萬物智聯”的數字經濟時代，變革和創新成為制造業的中心詞。變革體現在制造業全生命周期，創新貫穿于設計、生產、供應鏈、研發、營銷、服務等各個環節。
與傳統生產要素相比，大數據是未來制造業舉足輕重的新生產要素，從大規模定制到智能化服務，其應用及影響無遠弗屆。抓住這輪新機遇，中國制造業將大有可為。
設計環節——大規模定制
大規模定制不僅追求低成本、高效率，還要兼顧高質量和個性化，這在傳統工業社會是難以想象的。其要義在于以滿足客戶需求為核心，創造出一系列運作模式、技術支持、銷售方式、反應機制。這將會給企業的組織和運營帶來沖擊與困擾，企業生產、服務和銷售環節都需要隨之轉變。
如果說在工業化條件下，大規模定制的思想對絕大多數企業而言都無以落地，而在大數據條件下，“一切皆有可能”就有了現實基礎。
大數據是制造業大規模定制的關鍵，其應用包括數據采集、數據管理、訂單管理、智能化制造、定制平臺等。當定制數據達到一定量級，通過對這些數據的挖掘、分析，能夠實現精準匹配、營銷推送、流行預測等更高級的功能，可以幫助制造企業降低物流和庫存成本，增加產品的用戶匹配度，減少生產資源投入的風險。
案例1：英沃電梯的C2M電梯個性化定制智能平臺
隨著行業競爭不斷加劇，電梯市場不斷走向客戶定制化、交貨期短及產品多樣化的柔性生產模式，管理難度大。
英沃C2M電梯個性化定制智能平臺采用流量分成模式、云計算和物聯網方法，實現從報價、設計、制造、服務全流程的智能化、自動化、數據化、網絡化處理，完成面向終端客戶的個性化定制生產和服務；引入數字化工廠智能制造的解決方案，借助信息化和數字化技術，利用集成、仿真、分析、控制等手段，通過ERP系統與二維和三維仿真系統、PLM系統、MES系統、SCM系統、數控加工中心等系統的集成，實現制造過程的自動化和智能化；通過持續的數據積累，形成研發、生產、質量、服務、運營大數據，構建電梯行業數據中心，最終實現企業研發設計協同化、生產管控集成化、購銷經營平臺化、制造服務網絡化。
當前，包括英沃電梯、青島酷特在內的眾多企業正在積極謀求智能化轉型，擁抱如潮而至的大數據時代，而這對傳統制造業提出了更高的要求。
制造企業滿足消費者個性化需求，一方面，在生產端要提高供給能力，提供多樣性的產品或服務滿足消費者個性偏好；另一方面，在需求端要通過互聯網了解消費者個性化定制需求。
由于消費者眾多，需求各不相同，而需求又處于無時無刻的變化中，由此構成了產品需求的大數據。制造企業對這些數據進行處理，進而傳遞給智能設備，完成數據挖掘、設備調整、原材料準備等步驟，最終生產出符合個性化需求的定制產品。
生產環節——智能制造
智能制造是“中國制造2025”最重要目標之一，其實現基礎是大數據，實現途徑是CPS系統。CPS（信息物理系統）的概念最早在美國被提出，被看作是新一代技術革命的突破點。與此同時，在德國工業4.0中，CPS也被視為生產系統中的核心技術。
CPS不是一個簡單的技術，而是一個架構和流程清晰的技術體系。作為工業大數據分析中智能制造的重中之重，CPS系統讓工業融入互聯網之中，一是將產品接入互聯網，實現制造企業生產的產品智慧化，具體體現如智能家居設備、智能工業設備，實現在互聯網上的數據傳輸；二是將企業接入互聯網，加速企業的網絡化、智能化改造進程。
目前，大數據已成為智慧制造云或者智能制造系統建設和運營的戰略資源，也是智慧制造云實現智慧化的重要基礎。
從技術來看，基于大數據的智慧制造系統具備多元復合模態，具有高度實時性和不確定性等特征；從應用來看，智慧制造云大數據的價值在于：通過采集管理分析服務，能夠精準、高效、智能地促進云制造的智慧化，實現產品+服務為主導、隨時隨地、隨需的個性化和社會化制造，進而提升企業競爭力。
供應鏈環節——優化與提速
隨著供應鏈復雜程度的不斷提高，企業對于更有效率的供應鏈管理方式的需求也隨之增長，大數據的出現則使供應鏈全局優化成為可能。
大數據優化供應鏈的核心在于精準的需求預測。在大數據支持下，通過對供應鏈上海量數據的搜集、分析，不僅可以勾勒出包括消費習慣、消費能力等維度的用戶畫像，反映出市場的真實需求，又能夠使物流企業依據數據分析結果，了解供應鏈每個環節的運作情況，從而找出業務贏利點或低效率的地方，然后有針對性地進行業務調整，優化資源配置，以提升供應鏈的協同效應，實現效率和利潤的最大化。
大數據在供應鏈環節的應用主要有供應鏈配送體系優化和用戶需求快速響應。
供應鏈配送體系優化，即通過RFID等產品電子標簽技術、物聯網技術以及移動互聯網技術，幫助制造企業獲得完整的產品供應鏈的大數據。利用銷售數據、產品的傳感器數據和出自供應商數據庫的數據，制造企業可準確分析和預測全球不同區域的需求，從而提高配送和倉儲效能；利用產品中傳感器所產生的數據，分析產品故障部分，確認配件需求，可預測何處、何時需要零配件。這將極大地提高產品的時效性，減少庫存，優化供應鏈。
用戶需求快速響應，即利用先進的數據分析和預測工具，預測與分析實時需求，增強商業運營及用戶體驗。例如，京東運用大數據提前分析和預測各地商品需求量，從而提前配貨，提高配送、倉儲和投遞效能，保證了到貨及時的客戶體驗。
案例2：McKesson的動態供應鏈
美國最大的醫藥貿易商McKesson公司將先進的分析能力融合到每天處理200萬個訂單的供應鏈業務中，并且監督超過80億美元的存貨。對于在途存貨的管理，McKesson開發了一種供應鏈模型，它根據產品線、運輸費用甚至碳排放量提供了極為準確的維護成本視圖。這些詳細信息使公司能夠更加真實地了解任意時間點的運營情況。
McKesson利用先進分析技術的另一個領域是對配送中心內的物理存貨配置進行模擬和自動化處理。評估政策和供應鏈變化的能力幫助公司增強了對客戶的響應能力，同時減少了流動資金。供應鏈轉型使McKesson公司節省了超過1億美元的流動資金。
研發環節——協同創新
除了設計、生產、供應鏈環節，大數據及其相關應用的觸角同樣也延伸到了企業的研發環節。大數據助力研發環節實現協同創新，從應用場景來看主要通過以下三種方式：
一是數據整合。海量數據是建立高附加值的數據分析能力的基礎，大數據技術使端對端數據整合更有效，并精確關聯性質完全不同的數據，包括內部數據、外部數據、公開數據和自有數據。
二是內外協作。許多制造企業的研發部門保持著高度的封閉性，而大數據打破了內部各部門之間的信息壁壘，加強了企業與外部合作伙伴的協作。
三是決策支持。大數據可以代替人進行較為復雜的決策，如項目的分析、商業開發機會、預測等決策都可以借助大數據快速做出。
營銷環節——精準推送
營銷無疑是受大數據潮流影響最大的行業之一。美國Adobe公司對1000名營銷從業者的調研顯示，2010年以來，短短幾年的變化要比過去50年還大。最近幾年，搜索營銷、程序化購買等技術已經滲透到互聯網生活的每一個角落，其發展速度之快令人咂舌。
在制造業領域，利用大數據，可以分區域實現對市場波動、宏觀經濟、氣象條件、營銷活動、季節周期等多種數據進行融合分析，對產品需求、產品價格等進行定量預測。同時，可結合用戶對產品當前使用的工況數據，對零部件壞損進行預判，進而對零部件庫存進行準確調整。
此外，通過對智能產品和互聯網數據的采集，針對用戶使用行為、偏好、負面評價進行精準分析，有助于對客戶群體進行分類畫像，可在營銷策略、渠道選擇等環節提高產品的滲透率。
更重要的是，可結合用戶分群實現產品的個性化設計與精準定位，即針對不同群體，對用戶精準畫像、精準推送等，實現產品從設計到交易的完整營銷環節精準化。
服務環節——運維與預測
運維服務是提升用戶體驗的關鍵環節，也是制造業產業鏈中高附加值的環節，對制造業升級轉型同樣至關重要。
目前大部分運維工具僅能呈現故障，并不能有效找出和分析原因，或者只能提供單個子系統的解決建議，真正排除故障需要人工參與。而借助大數據，一方面可利用海量數據庫對信息、數據、資源、終端進行關聯分析，包括觸發智能終端進行數據搜集、自動查找故障根節點；另一方面還可以對問題分類統計，為運維人員和客戶中心提供及時的分析數據。
除了更實用的智能分析，借助大數據的機器學習技術，通過從數據中梳理出具有規律性的事件模型，進而對未來不確定性事件進行有效預測。
此外，大數據可以實現主動運維。通過數據深度挖掘和離線分析，運維由傳統事件驅動向業務質量驅動轉變，最終實現自動的自我修復、優化配置，解決潛在的網絡故障，保障基礎設施的健康與質量。
發現與啟示
第一，大數據成為未來制造業不可或缺的生產要素。
目前實體經濟之所以利潤薄、效率低，一方面，很大程度上是由于制造業傳統生產要素（勞動力、資金、土地、能源原材料、物流等）供應增長受限導致成本居高不下；另一方面，整體營商環境等外部交易成本較高也強化了傳統動能減弱趨勢，迫切需要生產要素升級與革新。
對企業而言，大規模運用大數據能放大生產力乘數，加速流程再造、降低運營成本、提升生產效率；對政府而言，運用大數據構建信息共享和信用體系可望改善營商環境，幫助企業進一步實現降本增效和效率提升。在實踐中，不少企業率先分享到了大數據等新生產要素帶來的紅利。
第二，大數據為發展新經濟培育新動能提供基礎性應用。
基于大數據應用，以智能生產、智慧服務等為特色的智能化制造服務企業脫穎而出，制造業與服務業融合步伐不斷加快：一是以工業大數據技術體系開發為龍頭的生產性服務帶動制造業發展；二是以工業大數據的智能化服務延伸企業價值鏈，提升市場競爭力；三是以工業大數據等信息服務為代表的制造企業轉型升級成效顯著，從而加速“制造+服務”融合趨勢，助推新舊動能傳導轉換。
第三，大數據提高產業鏈協同效率并催生組織變革。
從微觀視角看，大數據實現供需匹配，打通生產與服務全流程，提高產業鏈協同效率，催生內部生產組織和外部產業組織變革。隨著大數據應用的日益深入，智能化生產、網絡協同、個性化定制等多種服務化延伸模式日漸清晰，呈現研發設計協同化、生產管控集成化、購銷經營平臺化、制造服務網絡化等態勢，帶動制造業技術進步、效率提升與組織變革，加快產業迭代興替。
第四，大數據成為引領高質量發展和創新驅動的新興力量。
進入新時代，通過“大數據+智能制造”“大數據+智能終端”“大數據+現代物流”等新業態、新模式，助推產業、產品向價值鏈中高端躍升。加強大數據在重點行業和領域的應用，促進大數據引領的智能產業發展，打造具有競爭力的產業集群，推動智能技術轉化應用和產品創新，加速制造業向數字化、網絡化、智能化發展，提高全要素生產率、產品附加值和市場占有率。
此外，在“萬物智聯”的數字經濟時代，強化大數據在政務體系的應用，推進跨領域、跨平臺、跨部門的數據共享，可提升政府決策科學化、公共服務高效化、治理能力現代化水平，進一步改善營商環境及生態環境，更好地服務民生及社會事業。
（作者朱敏是國務院發展研究中心新經濟專家、中國社會科學院經濟學博士、北京智石經濟研究院執行院長。本文榮獲由中國企業改革與發展研究會組織評選的國家級獎項——“2018中國企業改革發展優秀成果”二等獎。）
編輯精選
