400-868-1122
根云-工業趨勢分析
返回當前，新一輪科技革命和產業變革不斷深入，制造業數字化、網絡化、智能化融合發展，正在不斷突破新技術、催生新業態。智能制造已成為推動制造業轉型升級、加快制造業高質量發展的重要抓手。經過多年培育，我國智能制造發展已從初期的理念普及、試點示范階段進入到當前深化應用、全面推廣階段，形成了試點示范引領、供需兩端發力、線面復制推廣、多方協同推進的良好局面。
展開來說，智能制造是智能技術與制造技術的融合，是運用智能技術來解決制造的問題。智能制造是對復雜裝備、復雜產品，在全生命周期中加工、裝備等環節的制造活動，并進行知識學習、信息感知與分析、智能決策與執行，實現制造過程、制造系統與制造裝備的知識推理、動態傳感與自主決策。
中國電子技術標準化研究院組織制定的GB/T 39116-2020《智能制造能力成熟度模型》和GB/T 39117-2020《智能制造能力成熟度評估方法》兩項國家標準以推動制造業高質量發展為主題，以提升制造業智能制造能力為根本目的，有效帶動了全國智能制造水平的提升。
目前標準已在全國32個省市自治區得到應用，累計12000多家企業通過“智能制造評估評價公共服務平臺” （以下簡稱平臺）完成智能制造能力成熟度自診斷、自對標，覆蓋31個制造業大類，為企業了解自身智能制造能力水平、行業主管部門全面掌握智能制造發展現狀提供了有效支撐?；谄脚_的數據支撐，分析得出以下8大智能制造發展趨勢。
01
聚焦智能制造遠景目標
擘畫發展藍圖
展開來說，智能制造是智能技術與制造技術的融合，是運用智能技術來解決制造的問題。智能制造是對復雜裝備、復雜產品，在全生命周期中加工、裝備等環節的制造活動，并進行知識學習、信息感知與分析、智能決策與執行，實現制造過程、制造系統與制造裝備的知識推理、動態傳感與自主決策。
中國電子技術標準化研究院組織制定的GB/T 39116-2020《智能制造能力成熟度模型》和GB/T 39117-2020《智能制造能力成熟度評估方法》兩項國家標準以推動制造業高質量發展為主題，以提升制造業智能制造能力為根本目的，有效帶動了全國智能制造水平的提升。
目前標準已在全國32個省市自治區得到應用，累計12000多家企業通過“智能制造評估評價公共服務平臺” （以下簡稱平臺）完成智能制造能力成熟度自診斷、自對標，覆蓋31個制造業大類，為企業了解自身智能制造能力水平、行業主管部門全面掌握智能制造發展現狀提供了有效支撐?；谄脚_的數據支撐，分析得出以下8大智能制造發展趨勢。
01
聚焦智能制造遠景目標
擘畫發展藍圖
制造企業已深刻意識到智能制造是提升核心競爭力的關鍵，并逐步將智能制造細化到企業的戰略舉措中。目前已有85%的企業具備智能制造發展愿景，49%的企業制定了智能制造發展規劃，28%的企業在戰略執行過程中定期開展評測與監控，并根據評測結果對智能制造戰略進行優化和調整。
02
提升設備數字化和網絡化能力
夯實智能制造基礎
設備的數字化和網絡化是智能制造的基礎，根據平臺結果分析，截至目前企業設備的數字化水平已有明顯改進，設備數字化率達到50%，完成設備聯網和設備運行數據采集的達到23%，實現設備遠程監控的達到24%，開始探索設備預測性維護的達到14%。
03
加強資源庫和知識庫建設
扎實推進數字化設計
數字化設計是實現智能制造的關鍵基礎技術，是制造業提升智能制造能力水平的關鍵方面，目前已從傳統二維設計，轉變為基于知識庫的參數化/模塊化、模型化設計。目前已有48%的企業開展了計算機輔助設計，27%的企業實現了基于三維模型的設計，25%的企業開展了數字化建模仿真，48%和39%的企業應用PDM/CAPP對產品設計和工藝設計數據進行結構化管理與歸檔，25%的企業在設計過程中建立了典型組件和設計知識庫。數字化設計和制造的普及有助于企業適應外部環境技術動態性以及響應外部市場需求不確定性。
04
著力推進生產過程智能化
建設智能化車間
智能車間是落實智能化改造的重要載體，是制造業實現智能化轉型升級的基礎。根據平臺結果分析，40%的車間可實現作業指導、加工程序、工藝參數等工藝文件的遠程下達，36%的車間部分實現了生產的人、機、料、法、環、測數據采集，12%的車間實現了生產計劃和作業工單的自動排程，23%的車間實現了生產信息的可視化與數據統計，29%的車間實現了設備的信息化管理。
05
關注在線質量管控
提升產品品質可靠性
質量控制的能力與水平成為衡量企業智能制造能力水平的重要指標和關鍵要素。通過實現工序狀態的在線檢測，借助于數理統計方法的過程控制系統， 把產品的質量控制從“事后檢驗”演變為“事前控制”，做到預防為主，防檢結合，可達到全面質量管理的目的。根據平臺結果分析，43%的企業具備過程質量控制方法和技術，24%的企業具備自動化在線檢測設備，實現對過程質量的在線檢測和檢測結果判定，16%的企業依托質量管理系統對質量檢驗標準、作業指導、質量數據采集和質量問題處置管理，9%的企業可以實現包括原材料、在制品、成品的全流程質量追溯。
06
加強集成技術深度應用
消除信息孤島
集成技術的應用及效果是企業邁進成熟度三級的關鍵核心，促進企業實現各業務、信息等的互聯與互操作，最終達到信息流、數據流無縫傳遞的狀態。根據數據分析結果顯示，目前70%的企業完成了設備、系統間的集成需求與規劃，24%的企業初步實現了物聯網與信息系統的融合，19%的企業具備完整的系統集成架構和技術規范，12%的企業實現了設計、生產、物流、銷售和服務全業務活動的集成。
07
提升數據分析利用率
基于模型驅動精準決策和業務優化
06
加強集成技術深度應用
消除信息孤島
集成技術的應用及效果是企業邁進成熟度三級的關鍵核心，促進企業實現各業務、信息等的互聯與互操作，最終達到信息流、數據流無縫傳遞的狀態。根據數據分析結果顯示，目前70%的企業完成了設備、系統間的集成需求與規劃，24%的企業初步實現了物聯網與信息系統的融合，19%的企業具備完整的系統集成架構和技術規范，12%的企業實現了設計、生產、物流、銷售和服務全業務活動的集成。
07
提升數據分析利用率
基于模型驅動精準決策和業務優化
隨著新一代信息技術的在制造業的深度應用，生產制造過程數據倍增，系統地挖掘分析生產制造數據，將數據轉化為知識、知識轉化為決策，基于數據驅動的制造是實現智能化的必要前提。目前已有70%的企業可實現數據在企業內部的共享，31%的企業可實現數據的跨業務共享，16%的企業建立了數據編碼、交換格式和集成要求等規則，開始對數據進行標準化和數據治理，16%的企業建立了企業級大數據平臺，13%的企業基于模型分析和應用數據，驅動生產環節的業務優化。
08
加快智能制造人才培養
支撐產業發展
根據人力資源和社會保障部的數據分析預測，2020年，智能制造領域人才需求為750萬人，人才缺口300萬人：到2025年，人才需求將到達900萬人，人才缺口預計450萬人。根據平臺結果分析，目前90%的企業雇員充分意識到發展智能制造的重要性，企業識別了發展智能制造應具備的人員素質和能力，40%的企業開始建立公司級智能制造培訓體系，29%的企業注重鼓勵全員開展智能制造的技術創新和答理創新。在知識管理和知識轉化方面，12%的企業建立了統一的知識管理平臺和知識庫，12%的企業開姶積累沉淀專家知識和經驗并將其進行數字化和代碼化，以幫助企業解決運營管理中週到的復雜問題。未米智能制造人才培養要聚焦專業化、體系化，服務企業內部智能化過程改進工作。
【文章來源：電子標準院CESI、工信部官網】
