2018年全球制造業十大預測

國際數據公司（IDC）發布的報告《未來展望：2018全球制造業預測》調查并預測了全球制造業的發展情況。在報告中，IDC回顧了制造業的生態系統及其在運營設備與流程、數據資本化、信息技術與運營融合等方面進行智能化探索的經驗。報告涉及的預測大多以制造業和全球經濟生態系統為背景，探討了制造業即將面對的變化并對數字化轉型進行了探索。

IDC制造業研究部研究副主任金伯利?克尼克爾認為：“由于不斷涌現出新的數字技術、競爭對手、生態系統和經營方式，不同規模的制造商正迅速發生變化。那些能夠加快采用數字技術來創造商業價值的制造商，將成為行業翹楚。”

IDC認為，云計算、移動技術、大數據分析和物聯網等技術將在未來產生巨大影響。此外，制造商對一些新興技術的商業價值同樣抱有很大期望，如機器人技術、認知計算與人工智能、3D打印、增強現實（AR）與虛擬現實（VR）和區塊鏈技術等。

IDC指出，行業未來幾年將發生一些顯著變化：

?重新定義企業如何設計、交付及變現其產品和服務。

?為客戶、員工及合作伙伴開發新的語境化和定制化體驗。

?加強信息技術與業務組織之間以及生態系統參與者之間的協調與合作。

?改變工作性質及工作形式，探索如何能夠更好地讓人、技術與流程協同工作。

雖然這些是針對近期和中期（2018-2021年）所做的預測，但其影響要在未來幾年才會顯現出來。

預測1：到2020年，60%的頂級制造商將依靠數字平臺，加大對制造業生態系統和體驗的投入。數字平臺將貢獻企業總收入的30%。

制造商正在尋求以數字平臺為支撐來協調流程工作，同時匯聚必要的技術組件，從而實現基于云計算的生態系統。該系統包括員工、客戶、供應商及合作伙伴等。數字平臺將促進信息的交換和處理，大規模簡化連通性，進而保障安全級別并實現可信任的業務交互。此外，數字平臺還將通過開放式體系架構、開放獲取以及開放市場等方式，推動信息流的貨幣化，同時創造新的營收機會；將使制造商能夠更加流暢、快速地應用新功能，進而利用技術獲取“體驗”，并推動生態系統內部的創收活動；會增加傳統在線收益流，由于生態系統的影響，未來還將涌現出一系列新的發展機會。

預測2：到2021年，20%的頂級制造商將依靠嵌入式智能安全主干網，利用物聯網、區塊鏈和認知技術，實現大規模流程的自動化管理，執行時間提速25%。

大多數制造商將尋求創建關鍵性企業應用，通過嵌入式智能技術來實現流程自動化，進而縮短執行時間。很多制造商將從企業資源計劃系統（ERP）的智慧化過程中看到這一改變。ERP系統融合了物聯網、認知技術和區塊鏈技術。它依靠物聯網進行關鍵數據輸入，利用認知技術以增強分析能力，借助區塊鏈技術來維護數據和決策的完整性。我們眼下正處于過渡時期，新的智能系統取代了記錄系統。新系統保留了舊系統的核心“記錄”功能，同時在新技術和新功能上不斷細化分層。這些智能應用整合了第三方平臺的四大支柱（移動性、社會業務、大數據/分析、云計算），并且不斷嵌入和利用各種創新加速器，如物聯網、認知計算、下一代安全平臺、3D打印、機器人技術，甚至增強現實/虛擬現實技術等。這些系統利用云計算、機器學習以及其他形式的數據分析手段，對新的和現有來源的數據進行管理。以下是目前所取得的一些成果：

?物聯網：收集實際產品和設備效率數據，實施預防性維護活動，提升客戶滿意度；進行庫存跟蹤，提高供應鏈環節準確度，最大限度減少因不準確而導致的訂單延遲。

?認知計算：用高級分析來補充現有分析，更多關注識別工作流、流程的模式和先決條件，如進行預防性維護、根據客戶喜好引流銷售等；通過識別客戶偏好，實現更加高效的產品創新。

?區塊鏈：利用數據來確保貨物在運輸過程中的可靠性和質量，提高產品質量和服務質量；加快從訂單到現金的流程速度，以及追蹤數據和合同的速度。

預測3：到2020年，75%的制造商將參與創建行業云，但只有三分之一的制造商能夠實現數據的經濟價值。

目前，物聯網賦能的相關產品、設備及流程不斷增加，以更低的技術成本、更快的速度及更便捷的方式創建了大量包括績效和定位的運營數據。對于共享和分析這些信息數據而言，行業云是個很好的選擇。同時，制造商希望能夠借助行業云來促進采購及供應商管理，并與客戶更好地合作。行業云所提供的運營機制不僅有利于數據共享、分析、協作或建立合資企業，還能對環境條件（天氣或交通）和客戶需求信號等更多數據信息進行整合。

盡管制造商積極投身行業云發展，但仍需不斷提升從行業云技術中獲利的能力。我們認為，要想實現運營數據的價值最大化，就要同其他企業共享數據，以能夠在更大的業務需求背景下運用和分析這些數據（如產量、質量、利用率、預防性維護和客戶服務等數據）。在更高的發展階段，企業將能夠利用行業云使數據產生經濟價值。比如說，通過整合性能數據來實現自動化更高的庫存或備件補給。

預測4：到2019年，鑒于物聯網對運營技術和信息技術的整合需要，有超過30%的信息技術人員和運營技術人員將直接在這兩個領域獲得項目經驗。

報告顯示，得益于物聯網在連通性方面的突出貢獻，運營設備得到廣泛使用，并愈發相互關聯。為了利用好這種連接性，制造商正在尋找信息技術和運營技術及其各自組織之間協作的方法。運營技術包括硬件和軟件，用于對車間和供應鏈上的運營設備和流程進行監視和管理。理解業務流程以及處理流程所產生的數據，對這兩項基本能力的要求正在改變信息技術和運營技術人員的合作模式。造成這種變化的因素有幾下幾點：

?制造商需要在應用新技術的同時避免對運營效能產生負面影響。

?目前已有海量數據可供使用，但是這些數據在本可以為企業提供業務決策的時候卻未被使用，或者決策之后才被充分使用。

?制造商尤其關注運營過程中獨特的安全需求。

除了要在運營中嵌入信息技術以及要求項目團隊中有來自信息技術和運營技術領域的代表之外，制造商還將在這兩個領域尋找新的人才，以便將技術、業務成果及業務需求聯系起來。員工將越來越多地參與培訓計劃，為轉變自身角色做好準備。

預測5：到2019年，50%的制造商將通過云眾包、虛擬現實和產品虛擬化等方式，在新產品和改進產品設計方面與客戶和消費者直接進行合作，產品成功率將提高25%。

制造業中，產品的故障率往往很高，某些情況下甚至高達80%。這在很大程度上是因為制造商在產品創新前端沒有花費足夠的時間去了解客戶需求。或者說，他們總是自行推測市場需要什么。快消品行業市場競爭激烈，產品組合多樣，所以在這一點上，它們幾十年前就已經吸取了教訓。如今，這種“快速”和動態特性正滲入其他行業。這些行業在傳統上一直被認為產品生命周期較長，例如汽車、重型設備和工業機械等。現在，設備密集型行業（如化工行業）企業也認識到了采取主動、靈活的方式進行產品和流程創新的必要性。如今，云平臺不斷發展成熟，協同創新系統中的社交媒體類平臺逐步進行功能整合，產品模型或數字化雙胞胎在仿真和虛擬化方面也得到了更為廣泛的應用。所有行業的制造商現在都可以利用這些技術來推動自身在構思、創新和研發新產品方面的現代化發展。

1.3 統計學分析 采用SPSS 23.0統計軟件對數據進行統計分析，計量資料以表示，比較采用獨立樣本t檢驗；計數資料以百分率(%)表示，比較采用χ2檢驗。P<0.05為差異有統計學意義。

IDC的“2017產品和服務創新調查”顯示，制造商關注的重點領域有“提高產品創新成功率”（31%）、“更好地感知和響應客戶需求”（27%）以及“開發與產品相關的服務”（30%）。調查發現，39%的制造商正在尋求借助大數據分析來改進自身的創意和創新管理。創新管理（包括產品構思、成本核算、產品/配方建模及產品組合管理）需要變得更加成熟，超越原先小型營銷討論組的工作形式，吸納更多內部和外部團隊。這個“團隊”應該包括一級供應商、合作伙伴和至少一個核心戰略客戶群。如今，福特和戴姆勒等汽車制造商已經圍繞設計思想和客戶體驗開發出了新的項目。融合了客戶、潛在顧客和領域專家等廣泛受眾一起合作的眾包模式，未來應該也會成為開放性創新范式的一員。

預測6：到2020年，增強現實和移動設備將推動服務業向零工經濟轉型，“專家租賃”將取代20%的專職客服和現場服務人員。轉型將從耐用消費品和電子產品領域開始。

零工經濟包括兼職、臨時工和自由職業，是2008年金融危機帶來的間接后果。受金融危機影響，很多全職工人被迫下崗，轉而從事兼職或臨時性工作以賺取收入。2017年，零工經濟已經成為美國及全球其他擁有數字化基礎設施國家勞動力市場的重要組成部分。這種數字化基礎設施是零工經濟即使在經濟市場良好的環境下都廣受歡迎的核心原因。這種經濟模式能夠更好地實現人盡其用。

目前，零工經濟的技術平臺數量不斷增加，其中包括一些專門針對服務管理的平臺。例如，“你好科技”（HelloTech）公司提供電腦維修、智能家居、網絡設計和互聯網接入等服務。最近，瑞典家居制造商和零售商宜家（IKEA）宣布將收購美國服務平臺“任務兔子”（TaskRabbit）。該網站是一個早期的零工經濟平臺，擁有超過6萬名自由職業者，從事的業務范圍有雜活、搬家、助理等。

IDC的調查顯示，隨著客戶對快速服務的需求與數字化服務平臺之間的交互增強，越來越多與制造業相關的服務領域開始實行“專家租賃”模式。客服代表現在不管在地點上還是時間安排上都具有靈活性（如周日晚上可以在家工作），熟練的現場服務人員也能響應更多的市場機會，能為整類產品而不是特定的品牌提供服務。目前已經有很多服務平臺可以從安卓和蘋果應用商店進行下載。IDC預計，這種趨勢將會逐漸擴大。比如，PTC推出了一款叫做“Vuforia Chalk”的應用程序，可以實現同步增強現實，指導客戶自行排除或修復故障。

這同樣會給制造商帶來好處。多元化的員工構成能夠讓企業根據客戶需求指派相關客服，從而節約成本。此外，企業還能接觸到傳統雇傭方式下雇傭不到的熟練專家（如從事其他職業的個人電腦愛好者），從而實現更高的客戶服務水平。所有這一切都得益于第三平臺（特別是個人移動設備的激增）以及類似增強現實的創新加速器。這些技術讓指導修復和遠程專家指導成為了可能。

預測7：到2020年底，三分之一的制造業供應鏈將采用基于分析的認知能力，成本效率由此提高10%，服務性能提高5%。

為了更好地進行數據捕獲和數據分析，很多大型機構在供應鏈技術方面都進行了投資。IDC將數字化增強型供應鏈，定義為一種利用物聯網和傳感器數據來提供實時數據解析的網鏈結構。其所獲取的數據本質上可以作為建立認知模型的輸入源。此外，深度學習計算模塊也有助于創建認知模型。這種認知模型又可以成為高度自動化的供應鏈的核心，由此提高勞動力產出的成本效率、減少污染排放，并提高設備利用率。另外，對服務性能的改善也將擴展至縮短交付時間、把庫存分配給高優先級訂單以及加快引入新產品等方面。

這些數據的主要來源是物流操作系統、倉庫管理系統、原始設備制造商的運單系統、經銷商管理系統以及銷售點設備等。所收集的這些數據將有助于建立供應鏈認知模型，解釋環境、季節和經濟因素等非結構化數據。因為認知模型可以高度準確地預測庫存和物流需求，各大組織一直在投資研發相關應用程序，目的是突破現有的供應鏈，通過提高客戶滿意度來實現差異化競爭。

預測8：到2020年，80%的供應鏈交互將發生在基于云計算的商業網絡上，顯著提高參與者的彈性，對供應中斷的影響將降低三分之一。

如今，商業網絡已經成為數字化轉型的重要推動力。IDC在最近一項研究中指出，很多公司已經意識到不能把目光局限在企業內部，而要將關注點擴展到業務伙伴，同業務伙伴開展合作將帶來巨大潛力。在參與基于云計算的商業網絡的制造商中，有54%表示他們看到了切實的成本節約，44%表示采取網絡方式更易接觸到供應商和其他類型的提供商。這需要采取與傳統的線性供應鏈完全不同的管理模式和工具。因此，企業現在正在重組供應鏈，以便能夠根據訂單量和地理需求對其迅速重新配置。與此同時，運營商也正嘗試對網絡服務收取固定費用，從而保證無論需求水平如何，供應鏈都可以盈利。新興經濟體的需求難以預測，所以在為它們服務時，需要更高程度的成本關注。

商業成功的關鍵在于對業務和傳感器所產生的大數據進行及時而有效的分析。因此，IDC認為，最好的供應鏈能夠快速分析各種海量數據，并向決策者傳送實時或近乎實時信息。

由此可見，開放而靈活的云計算架構將成為一種必不可少的工具。它可以向制造商提供來自任何來源（包括內部和外部）的數據，并對這些數據進行全面、快速的分析，進而廣泛消費（最初設置為企業訪問，隨著時間的推移將消除限制）。

預測9：到2020年，25%的制造商將能夠根據自身的需求節奏進行均衡化生產，通過智能和靈活的設備管理實現更好的定制化發展。

制造業追求的一個目標就是完美實現以需求驅動的，（或者用快消行業的話說，以貨架驅動的）產業價值鏈。這就意味著，一方面要滿足市場日益加快的變化速度和不斷變化的市場需求，同時要保證不會犧牲過去所取得的重要的成本優化成果。現在，通過向網絡化的、以信息為中心的流程注入實時“智能”信息，主要是向決策者提供關于當前流程的執行狀態以及決策所預期的業務成果的最新信息，已經取得了很大成果。

由于工具和機器技術的進步，制造商現在已經準備好在這些數據驅動型流程的基礎之上，推出數字化的執行流程。我們今天看到的是更加智能而靈活的設備管理方式。所謂智能，就是能夠借助人工智能做出智能決策；所謂靈活，就是可以在不需要人為干預的條件下執行各種任務，如智能聯合機器人、3D打印機、具有重組能力的機器等。

這種設備管理模式對于以需求驅動的訂單自動執行操作流程而言至關重要。如今，這些模式及其所具有的靈活性讓流程執行變得更加高效靈活。機器可以在物聯網平臺上協同運作，專注于交付那些能生產、記錄和共享其運營信息的智能產品。特斯拉汽車公司創始人埃隆?馬斯克（Elon Musk）在談到超級工廠時說：“工廠比產品本身更值得投入創新力量和工程技能。”超級工廠將成為世界上最大的電池廠，并且采用認知計算和人工智能等最具創新性的技術。馬斯克補充說：“我們覺得工廠是一種產品。工廠本身是制造機器的機器。”

企業未來將直接與市場環境掛鉤，并從市場環境中直接獲取信息，進而根據需求變化對設備性能和資源消耗進行近乎實時的運營調整。如此將會帶來兩大主要影響，一是保持生產過程與需求節奏之間的平衡；二是實現大規模的定制化服務。這種轉變將為那些采取先進自動化流程的企業提供進一步發展的機會。先進的自動化流程將涵蓋一切人類不能帶來附加價值的流程化工作。

不同行業在利用技術的方式上也許會有所不同。在時裝行業，目前已經能夠生產個性化服裝。設備密集型行業可能會通過調整生產來滿足需求和能源價格的要求，進而從中獲得經濟效益。在機械行業，企業將建立自主的端到端流程，提供個性化和定制化組件及產品。對于制藥行業而言，大批量生產個性化藥物及治療具有很大的發展前景。

預測10：到2019年，從事數據密集型生產和供應鏈流程的制造商中有15%將采用基于云計算的執行模型。這種模型依賴于邊緣分析，能夠實現實時可見性，增強操作靈活性。

工廠執行流程還沒有像其他領域（如供應鏈等）那樣受到云計算的過多影響，但這種情況正在改變。云計算基礎架構靈活可靠，如今已經得到廣泛應用。云計算正成為流程領導者的有力工具。如果能將機器層面的原始數據轉換為企業層面所需的信息，那么就可以轉變并提升工廠車間在制造業組織中的角色，使其成為執行流程的核心。要實現這一愿景，企業需要對來自多個來源的數據進行匯總，并保證在正確的時間提供正確的信息。

企業目前主要是在兩個選擇中搖擺不定。一方面，直接與機器數據相連的預置執行系統可以保證數據的可靠性和實時性，但缺乏靈活性和可訪問性；而另一方面，基于云計算的執行系統雖然可以確保部署和協作的便捷性，卻會犧牲數據的可獲得性和顆粒度。

如今，邊緣分析模糊了這兩種數據的界限。它能夠將大量的機器內處理數據轉化為聚合性和描述性信息。此外，邊緣分析還能夠讓制造商在數據源（即在機器中）保留和處理數據，同時確保這些數據能夠為下一代應用程序所用。我們可以將此過程稱為“邊緣觸發”或邊緣執行。此外，可尋址業務流程的數量也將呈現指數級增長。這些基于并依賴于邊緣分析的混合執行模型將使具有實時性、可預見性和自適應性的操作成為可能。

結語

隨著人工智能、區塊鏈、大數據分析、增強現實和虛擬現實等新興技術的不斷涌現和發展，制造業正逐步進行數字化轉型。如何借助新興技術推動企業自身的運營和管理，是制造業企業所要關注的關鍵問題。抓住數字化轉型的浪潮，不僅有助于企業改善流程管理，還能推動零工經濟的發展，為全球經濟注入新的活力。