制造變“智造”從哪兒入手

董志學

2015年12月，北京市發布《中國制造2025》北京行動綱要，提出“大力推動自動化、數字化制造技術以及物聯網、大數據、云計算等新一代信息技術在制造業的深度應用，推動制造業企業向云制造、分布式制造、生產外包等方向轉型”，并設立“智能制造系統和服務專項”、“云計算與大數據專項”，努力將北京建設成為全國智能制造創新總部。

從全球看，工業4.0的背景下，以信息技術和制造技術深度融合為主線的智能制造，正在向數字化、網絡化、智能化、平臺化方向發展，產業融合趨勢更加明顯，促使企業組織結構向扁平化、網絡化的方向發展，在催生了新興服務業態的同時，也促進了制造業和服務業的融合創新。例如，汽車制造巨頭寶馬、奧迪等紛紛投入重金研究汽車操作系統、競購地圖等業務，而谷歌、蘋果等科技公司也始終在嘗試造車。

在制造業融合創新的大勢下，積極推動功能疏解的北京，有望依托強大的技術優勢促進高端制造業率先在創新環節實現突破。

轉型難題

高端制造業盡管在北京比重較少，但仍是戰略性產業，具有產業關聯度高、吸納就業能力強、技術資金密集的特點，但同時也是首都產業結構調整、技術進步的重中之重。

隨著我國經濟進入新常態，工業經濟運行面臨下行壓力，尤其是消費品工業增加值增速整體呈明顯下滑態勢，已經進入經濟增速換擋、產業結構調整、比較優勢重塑、增長動力轉換的關鍵時期，北京也進入了制造向智能化方向轉型的重要時期。

但現階段，多數北京的制造企業尚未找到技術創新源點，仍然以跟隨模仿為主，主要集中在汽車、電子信息等常規的制造業領域，自動化水平偏低，附加值不高，企業的研發投入總水平偏低。從世界范圍來看，2013年世界前20家企業的研發投入占銷售收入比重達到7.8%，北京的大型工業企業遠低于這個水平。

在工業信息化時代，自動化產業能體現一個國家的智能制造水平，在此方面，北京乃至我國與發達國家的差距都較大。機械自動化革命是在電腦和自動調節機器的共同作用下發生的，因此，企業實現智能化，必然要依托外部力量，尤其是在軟件及硬件系統方面，需要世界頂級的企業提供自動化的生產系統。在世界前十大自動化系統集成供應商中，德國有1家，美國有5家，日本有2家，其余兩家屬于法國和瑞典。我國尚缺乏自動化集成配套企業，擁有制造和科技雙重優勢的北京，完成可以率先在個別領域進行突破，如在數字顯示、集成電路等領域嘗試開展集成創新。

進入到互聯網+的時代，數據是智能的原材料，軟件是數據的載體。制造企業要實現智能制造，首先要建立起數據采集系統，國外企業在此方面已經積累起非常成熟的技術，例如，美國Redlion公司的數據采集平臺DSP，可以有效彌補串行通信、以太網、現場總線設備之間的鴻溝，從而通過數據管理達到降低成本、隨時隨地檢測和控制應用的目的。

但北京的智能制造剛剛起步，在數據采集方面的意識和能力非常薄弱，更難以利用數據進行精準決策和有效預測。尤其是在數理研究方面，目前還集中在高校領域，企業缺乏數據處理方面的數學人才，而在數據產品領域，我們更缺少像SAP HANA這樣的數據處理平臺，無法將數據分析與企業實際業務進行有效交互，更無法在業務運作期間對海量數據進行實時分析，并通過靈活的視圖將分析信息呈現給企業內部人員和產品用戶。

從“制造”到“智造”的路徑

北京在制造業領域的優勢和劣勢同樣明顯，劣勢就是制造環節要逐步退出，優勢就是技術創新能力強、信息服務業發達，在中國制造到中國智造的過程中，北京有條件發揮人才、信息、產業的綜合優勢，在工業4.0發展中，扛起全國智能制造的旗幟，引領產業發展方向。

打造數據資產，是北京“制造”邁向“智造”的第一步。不同于以購買設備而獲得的固定資產，由招聘、培養而獲得人力資產，數據資產來自企業內部和外部的積累。事實上，向互聯網平臺跨越的制造型企業，應該以圍繞數據資產為核心，整合產業生態，通過推出新產品、新服務，收集更多類型、廣大范圍的數據，數據越多，不同類型數據之間的關聯性、實時性越強，就會提煉出更有價值的信息，也能更有效指導企業開展各類精準的產品研發與生產。

獲取數據僅僅是邁向工業4.0的第一步，企業建立數據資產的關鍵是“數”盡其用，要按照一定的體系進行數據的清洗和分類，包括人員數據、流程數據、財務數據、物料數據、用戶數據、產品數據。獲得數據的最直接辦法來自企業內部辦公軟件的運營數據、通過用戶反饋系統獲得的產品和用戶數據。因此，在工業4.0視角下，辦公軟件不僅僅是提高效率的手段，最根本的是要成為獲得數據的源泉。北京的互聯網、軟件、信息服務業都居于全國的領先水平，大數據、云計算產業等新興業態發展迅速，獲取數據的手段和方式更加多元，通過政府引導，吸引更多業內企業打造智能制造產業聯盟，可以更加有效地利用數據資源優勢，形成全國具有比較優勢的數據資產集聚區。

要真正讓數據“變現”，北京應建立數據模型和數據圖譜。統計與分析僅僅是數據的基礎，數據的核心價值是決策與預測，要實現此點，就需要根據依據業務模式建立數據模型，并把各方面數據單元根據用途進行有機鏈接，形成新的數據，最終把全部數據形成數據圖譜，按照強弱、緊密等邏輯關系形成數據圖譜，進而使決策更加科學、預測更加準確。數據在產品領域的應用十分廣泛。例如，利用虛擬技術，通過數據建立模型，將開模、測試等物理活動變為以參數為核心的數字活動，以使產品的設計變得更加靈活、質量更加穩定、生產階段的資源配置更加高效，甚至實現生產要素的逐個優化。

數據模型的建立過程異常復雜，主要涉及企業和數據兩端，企業端是實際應用的主體，而數據端則需要高深的理論水平，因此，在數據模型的建立過程中，必然需要高校教師等專業人士的參與，將統計學、計量經濟學等相關數據學科的數據分析與預測模型與企業端緊密結合，并利用軟件平臺實現數字化與現實的交互，最終通過可視化進行呈現，使之更有利于產品開發效率、功能的改進以及滿足顧客需求程度的提升。

北京的人才優勢明顯、高校院所眾多，在產學研合作方面積累豐富的經驗，利用高校院所創新資源，引導科技成果轉化，使理論方法融合技術創新，建立更豐富的數據模型和數據圖譜，使數據利用更加高效，這也是北京智能制造的又一重要優勢。

而軟硬件系統的集成是實現“智造”的關鍵推力。數據的來源來自企業的各個方面，有些數據可以直接從事物的本身屬性中獲得，比如人員數據、產品數據；有些數據必須要經過二次加工才能得到，比如財務收據；還有些數據必須經過硬件采集才能獲得，比如生產數據。在工業4.0下，智能生產主要依靠智能設備來完成，而智能設備本身僅能產生數據，不能傳遞數據，無線射頻、嵌入式軟件等信息技術的發展，讓遠距離、跨平臺傳輸數據成為了現實。在制造型企業向智能制造的過程中，最難的也是這一步，軟硬件的集成需要各個供應方的緊密配合，往往企業自身并不具備這樣的能力，還需要外部系統集成商的協助，因此，企業在發展的過程，還需要做好統一的信息技術規劃，在企業內部依據重要、緊急程度，分步、分區加以實施。

軟硬件的系統集成需要企業來完成，在這方面，北京應大力支持數字機床、機器人等裝備制造業高端環節的發展，使中關村的信息服務企業與亦莊、順義的生產制造企業高效對接，完成軟硬件集成。

（作者：首都經濟貿易大學經濟學院博士生）