制造变“智造”从哪儿入手

董志学

2015年12月，北京市发布《中国制造2025》北京行动纲要，提出“大力推动自动化、数字化制造技术以及物联网、大数据、云计算等新一代信息技术在制造业的深度应用，推动制造业企业向云制造、分布式制造、生产外包等方向转型”，并设立“智能制造系统和服务专项”、“云计算与大数据专项”，努力将北京建设成为全国智能制造创新总部。

从全球看，工业4.0的背景下，以信息技术和制造技术深度融合为主线的智能制造，正在向数字化、网络化、智能化、平台化方向发展，产业融合趋势更加明显，促使企业组织结构向扁平化、网络化的方向发展，在催生了新兴服务业态的同时，也促进了制造业和服务业的融合创新。例如，汽车制造巨头宝马、奥迪等纷纷投入重金研究汽车操作系统、竞购地图等业务，而谷歌、苹果等科技公司也始终在尝试造车。

在制造业融合创新的大势下，积极推动功能疏解的北京，有望依托强大的技术优势促进高端制造业率先在创新环节实现突破。

转型难题

高端制造业尽管在北京比重较少，但仍是战略性产业，具有产业关联度高、吸纳就业能力强、技术资金密集的特点，但同时也是首都产业结构调整、技术进步的重中之重。

随着我国经济进入新常态，工业经济运行面临下行压力，尤其是消费品工业增加值增速整体呈明显下滑态势，已经进入经济增速换挡、产业结构调整、比较优势重塑、增长动力转换的关键时期，北京也进入了制造向智能化方向转型的重要时期。

但现阶段，多数北京的制造企业尚未找到技术创新源点，仍然以跟随模仿为主，主要集中在汽车、电子信息等常规的制造业领域，自动化水平偏低，附加值不高，企业的研发投入总水平偏低。从世界范围来看，2013年世界前20家企业的研发投入占销售收入比重达到7.8%，北京的大型工业企业远低于这个水平。

在工业信息化时代，自动化产业能体现一个国家的智能制造水平，在此方面，北京乃至我国与发达国家的差距都较大。机械自动化革命是在电脑和自动调节机器的共同作用下发生的，因此，企业实现智能化，必然要依托外部力量，尤其是在软件及硬件系统方面，需要世界顶级的企业提供自动化的生产系统。在世界前十大自动化系统集成供应商中，德国有1家，美国有5家，日本有2家，其余两家属于法国和瑞典。我国尚缺乏自动化集成配套企业，拥有制造和科技双重优势的北京，完成可以率先在个别领域进行突破，如在数字显示、集成电路等领域尝试开展集成创新。

进入到互联网+的时代，数据是智能的原材料，软件是数据的载体。制造企业要实现智能制造，首先要建立起数据采集系统，国外企业在此方面已经积累起非常成熟的技术，例如，美国Redlion公司的数据采集平台DSP，可以有效弥补串行通信、以太网、现场总线设备之间的鸿沟，从而通过数据管理达到降低成本、随时随地检测和控制应用的目的。

但北京的智能制造刚刚起步，在数据采集方面的意识和能力非常薄弱，更难以利用数据进行精准决策和有效预测。尤其是在数理研究方面，目前还集中在高校领域，企业缺乏数据处理方面的数学人才，而在数据产品领域，我们更缺少像SAP HANA这样的数据处理平台，无法将数据分析与企业实际业务进行有效交互，更无法在业务运作期间对海量数据进行实时分析，并通过灵活的视图将分析信息呈现给企业内部人员和产品用户。

从“制造”到“智造”的路径

北京在制造业领域的优势和劣势同样明显，劣势就是制造环节要逐步退出，优势就是技术创新能力强、信息服务业发达，在中国制造到中国智造的过程中，北京有条件发挥人才、信息、产业的综合优势，在工业4.0发展中，扛起全国智能制造的旗帜，引领产业发展方向。

打造数据资产，是北京“制造”迈向“智造”的第一步。不同于以购买设备而获得的固定资产，由招聘、培养而获得人力资产，数据资产来自企业内部和外部的积累。事实上，向互联网平台跨越的制造型企业，应该以围绕数据资产为核心，整合产业生态，通过推出新产品、新服务，收集更多类型、广大范围的数据，数据越多，不同类型数据之间的关联性、实时性越强，就会提炼出更有价值的信息，也能更有效指导企业开展各类精准的产品研发与生产。

获取数据仅仅是迈向工业4.0的第一步，企业建立数据资产的关键是“数”尽其用，要按照一定的体系进行数据的清洗和分类，包括人员数据、流程数据、财务数据、物料数据、用户数据、产品数据。获得数据的最直接办法来自企业内部办公软件的运营数据、通过用户反馈系统获得的产品和用户数据。因此，在工业4.0视角下，办公软件不仅仅是提高效率的手段，最根本的是要成为获得数据的源泉。北京的互联网、软件、信息服务业都居于全国的领先水平，大数据、云计算产业等新兴业态发展迅速，获取数据的手段和方式更加多元，通过政府引导，吸引更多业内企业打造智能制造产业联盟，可以更加有效地利用数据资源优势，形成全国具有比较优势的数据资产集聚区。

要真正让数据“变现”，北京应建立数据模型和数据图谱。统计与分析仅仅是数据的基础，数据的核心价值是决策与预测，要实现此点，就需要根据依据业务模式建立数据模型，并把各方面数据单元根据用途进行有机链接，形成新的数据，最终把全部数据形成数据图谱，按照强弱、紧密等逻辑关系形成数据图谱，进而使决策更加科学、预测更加准确。数据在产品领域的应用十分广泛。例如，利用虚拟技术，通过数据建立模型，将开模、测试等物理活动变为以参数为核心的数字活动，以使产品的设计变得更加灵活、质量更加稳定、生产阶段的资源配置更加高效，甚至实现生产要素的逐个优化。

数据模型的建立过程异常复杂，主要涉及企业和数据两端，企业端是实际应用的主体，而数据端则需要高深的理论水平，因此，在数据模型的建立过程中，必然需要高校教师等专业人士的参与，将统计学、计量经济学等相关数据学科的数据分析与预测模型与企业端紧密结合，并利用软件平台实现数字化与现实的交互，最终通过可视化进行呈现，使之更有利于产品开发效率、功能的改进以及满足顾客需求程度的提升。

北京的人才优势明显、高校院所众多，在产学研合作方面积累丰富的经验，利用高校院所创新资源，引导科技成果转化，使理论方法融合技术创新，建立更丰富的数据模型和数据图谱，使数据利用更加高效，这也是北京智能制造的又一重要优势。

而软硬件系统的集成是实现“智造”的关键推力。数据的来源来自企业的各个方面，有些数据可以直接从事物的本身属性中获得，比如人员数据、产品数据；有些数据必须要经过二次加工才能得到，比如财务收据；还有些数据必须经过硬件采集才能获得，比如生产数据。在工业4.0下，智能生产主要依靠智能设备来完成，而智能设备本身仅能产生数据，不能传递数据，无线射频、嵌入式软件等信息技术的发展，让远距离、跨平台传输数据成为了现实。在制造型企业向智能制造的过程中，最难的也是这一步，软硬件的集成需要各个供应方的紧密配合，往往企业自身并不具备这样的能力，还需要外部系统集成商的协助，因此，企业在发展的过程，还需要做好统一的信息技术规划，在企业内部依据重要、紧急程度，分步、分区加以实施。

软硬件的系统集成需要企业来完成，在这方面，北京应大力支持数字机床、机器人等装备制造业高端环节的发展，使中关村的信息服务企业与亦庄、顺义的生产制造企业高效对接，完成软硬件集成。

（作者：首都经济贸易大学经济学院博士生）