一.导言
当前,世界范围内的产业变革逐渐显现,制造业价值凸显。但也面临着一些问题,如迫切需要降低生产和运营成本,需要提高产品质量和价值。制造业高质量发展离不开智能化转型。随着数字经济的蓬勃发展,工业制造与信息技术的融合趋于深化,推动传统产业加速转型[1,2]。新网络强化互联基础,云计算加速应用创新,人工智能推动价值挖掘,开源推动生态建设,都表明传统行业在技术创新的不断推动下发生了显著变化。
主要工业国家纷纷提出制造业智能化升级发展新战略:以智能制造和工业互联网为核心,提出促进发展的综合政策体系,抢占新一轮产业变革制高点。注重美国信息技术的创新和引导,推出了先进制造业伙伴计划、先进制造业战略计划和美国先进制造业领先战略。德国非常重视信息物理系统的创新应用,发布了新高科技战略、德国工业战略2030、信息物理系统驱动的交通、医疗、能源和制造业创新等计划。,率先提出工业4.0战略[3,4]。以信息技术与工业制造融合为发展重点,我国出台了智能制造发展规划、《国务院关于深化互联网+先进制造业发展工业互联网的指导意见》等文件,将智能制造作为国家先进制造业的重点突破方向,以工业互联网为联网平台,推动工业制造向数字化、智能化转型升级[5,6]。
智能制造基于工业互联网,应用于设计、生产、制造、管理、服务等诸多环节,具有高效准确决策、实时动态优化、敏捷灵活响应的特点[7,8]。工业依靠“人/机/物”的互联互通,打通工业要素、产业链和价值链,推动建立新的工业制造和服务体系,为全新的工业生态和新的应用模式奠定关键基础制造业智能化对平台工具提出了新的要求。。智能制造和工业互联网的本质是数据驱动的智能,两者的融合发展相辅相成1.工业数据的爆炸式增长需要新的数据管理工具。。面向未来,可以形成以网络互联为基础,以工业互联网平台为核心的信息化制造体系,打造制造业新生态,对我国制造业发展将产生深远影响随着工业系统间扩展概念的深入空,工业数据采集的范围不断扩大,数据类型和规模随之爆炸式增长。为了降低海量数据的管理成本,提高存储可靠性,迫切需要新的数据管理工具。。智能制造和工业互联网推动传统产业重点领域的新兴裂变和升级。芯片、基础软件、算法、机理模型等基础能力有望扩大范围,智能制造、工业互联网等产业体系将逐步建立。
图1智能制造与工业互联网产业系统的耦合关系
注:APP代表应用;CPU代表中央处理器;GPU代表图形处理器;FPGA代表现场可编程逻辑门阵列;DSP代表数字信号处理。
本文针对智能制造与工业互联网的融合发展,分析了世界各国的发展现状,进而考察了四个组成部分的研究现状和趋势,指出了我国智能制造与工业互联网融合发展的需求。梳理智能制造产业链关键环节的发展机遇,结合我国发展形势指出当前面临的挑战和关键问题;本文就我国智能制造与工业互联网的融合发展提出几点建议,以期为国家工业制造业转型升级研究提供理论参考。
二、智能制造与工业互联网融合发展的需求分析
[9]
[10]
[11]
2.推动企业智能决策需要应用创新的新载体。
制造企业没有丰富的数据就无法进行更加精细化、精准化的管理。随着行业场景分层和交叉程度的加深,不同行业的数据和知识所体现的专业壁垒,使得传统的应用创新模式难以匹配企业/行业的差异化需求。应用创新的新载体可以依托实际工业数据,抽象工业知识,结合功能完备的平台调用模式,打破应用创新壁垒,支撑智能应用的快速增长。
3.新的制造模式需要新的业务交互工具。
随着产品更新速度的加快,制造企业需要更加频繁的资源协作和并行生产。这需要在企业设计、生产和管理系统中更好地支持与其他企业的业务交互。新的交互工具应运而生,主要包括差异化的代理和高效集成的系统。
信息技术的加速渗透导致制造业发展模式的改变。
制造业数字化升级与新信息技术密切相关。为了推动数字化升级,制造企业依托物联网,从设备和生产线上采集大量各种类型的数据,基于云计算获得灵活便捷的软件应用环境、可靠廉价的数据存储能力,利用AI加强数据挖掘能力。利用互联网平台,制造企业可以快速响应市场需求,高效整合资源组织生产运营,进而推动网络化协同、定制化特征等新模式的出现。与信息制造技术的融合发展推动了新经济模式在工业领域的渗透和创新。
三。智能制造与工业互联网的发展
智能制造和工业互联网产业是支撑未来新型工业制造能力体系的重要方面,可细分为高端智能装备、工业自动化、工业软件及应用、工业互联网平台四个部分。
高端设备
制造业的高端市场拓展和基础技术研究仍需深耕,智能化是最终的进化方向。装备智能化是先进制造技术、信息技术和智能技术的集成。主要标准是能否实现感知、分析、推理、决策和控制的功能。智能制造装备是智能制造的重要组成部分,包括工业机器人、数控机床和增材制造装备等硬件工业基础设施,以传感器为代表的智能控制软件系统和检测设施。
目前,我国智能装备产业在低端市场有一定基础,但高端市场占比相对较低,基础技术和算法成为关键技术中的重要短板[12];还存在创新能力弱、市场规模小、产业基础薄弱等问题。比如国产产品主要集中在中低端。
工业机器人远程监控和故障诊断技术是该领域的研究热点。瑞典ABB公司率先开发了工业机器人远程监控服务平台,可以减少工业机器人故障带来的损失和运营成本[13]。美国研究团队[14]从故障特征入手,实现了以扭矩和温度为控制变量的机械手远程监控。
目前智能控制系统被国际大企业垄断:世界50强中欧美企业占74%,前10强中美国企业占一半;国内高档数控机床控制系统市场90%以上被国外产品占据。
传感器检测设施、控制设备、核心部件等重要工业设施关键技术存在短板。相关产品的研发大多跟随国外技术方向,先进性和前瞻性差距明显。此外,专业化生产水平低、忽视个性化服务也成为制约行业发展的因素。
智能化、网络化的发展趋势将推动装备的协同智能演进,智能装备产业的新核心、新环节、新主体将不断涌现[15]。优化离不开单点增强,第五代移动通信技术推动互联互通和智能演进。中国5G技术设备供应商成为设备行业的重要参与者;AI芯片是智能装备产品的核心部件。国内企业涉足以自动驾驶为代表的多个领域,发展速度可圈可点。
工业自动化
工业自动化涵盖工业控制、工业网络、工业传感器等行业,主要提供感知、控制、传输等类别的产品和解决方案,在运营技术层面支撑智能制造能力的实现。我国已经部分实现了国产产品的替代,但对关键市场和技术的控制仍然薄弱,核心产品和标准仍然由国际企业主导。
在工业控制系统方面,德国企业在大中型可编程逻辑控制器方面具有优势,全球市场份额为31%;国内企业主要在小型上市公司中占有一定份额。在技术层面上,国外企业仍然保持着微控制单元、数字信号处理、现场可编程门阵列等核心部件的垄断地位[16]。
在工业网络方面,国外自动化企业控制了主要市场和网络核心标准。我国企业处于行业边缘,格局基本固化,短期内难以改变。
在工业传感器方面,美国、日本和德国获得了全球60%左右的工业份额;国内企业虽然增长迅速,但只占全球市场份额的10%。在技术层面上,国外大企业几乎垄断了以敏感芯片为代表的核心元器件的关键技术,牢牢掌握了市场的主导地位。以高温高压传感器为例。2004年,美国某研究所成功研制出SiC压阻式压力传感器,其工作温度达到400℃ [17]。2015年,马来西亚大学研制出以3C-SiC为主要材料的高温压力传感器,工作范围为5 MPa,工作温度高达500℃ [18]。2017年,中国电子科技集团有限公司第四十九研究所通过技术引进和增量创新,研制出量程为100mpa的压力传感器[19]。
未来新算法将支撑产品形态和功能的转变,自动化和云计算企业将共同推动工业自动化向边缘智能发展。在产业层面,顺应技术发展趋势,由自动化企业率先投资整合AI RD,通过产品的智能化升级巩固市场地位。
工业软件和应用
工业是指在工业场景中设计、开发、管理和运行的各种软件。工业软件正从复杂的系统软件向便捷的平台转变,工业APP成为工业软件的新形式。工业APP以平台为基础,承载工业知识和经验,运行于各种工业终端,主要处理某些业务问题或面对某些业务场景,具有轻量级的特点。
目前,我国工业软件RD和设计产品缺乏,市场规模小,缺乏关键技术的积累。根据公开数据,中国市场上排名前10位的计算机辅助工程软件几乎都属于国外厂商。2015年,中国在全球工业应用软件市场的份额为3.5%,但增速远高于全球整体情况。
在生产控制软件领域,德国企业仍有明显优势。基于产品生命周期管理框架,提出了完全集成的数字化解决方案,打通了制造工厂的多层次信息交互[20]。国内企业在电力、钢铁冶金、石油化工等国家重点领域占据一席之地[21,22]。
在技术上,国内企业基本没有CAE有限元算法和计算机辅助设计核心几何核算法,只能通过授权操作使用;相关行业模型积累较弱,只能实现基本功能,但在专业性和灵活性上有所欠缺。
着眼于未来发展,软件架构的优化将推动工业APP成为新的形态,软件的全面云化将推动订阅形态脱颖而出。软件架构技术将体现微服务、容器化、方法和系统等形式和概念。管理、仿真设计、生产控制等各种工业软件的全面云化。马上就要到了。
工业平台
互联网平台作为一个工业云平台,旨在推动制造业的数字化、网络化和智能化,覆盖集成海量数据采集和分析的服务体系,支撑制造资源的柔性供给、广泛链接和高效配置[23]。构建工业大数据相关处理的开发环境,实现相关抽象知识和经验的建模、数字化和标准化。优化工业生产中设计、制造、运营、管理等环节的资源利用,形成资源整合、合作共赢的新型制造业转型生态[24]。
发达国家很多行业和企业都将工业互联网平台作为主要战略方向,进行了符合自身特点的平台布局建设,如连接企业IT数据和OT数据的GE Predix,具有物联网操作系统特点的西门子MindSphere,针对工业设备和工业系统的要求[25]。
我国正在大力推进工业互联网平台建设,形成一定规模和体系,但核心能力与国外先进水平仍有较大差距。目前,中国有影响力的工业互联网平台超过50个,平均接入平台的设备数量达到5.9×104台。根据互联网产业联盟对168家企业的测评数据,约83%的平台提供的分析工具少于20个,68%的平台提供的产业机理模型少于20个,54%的平台提供的微服务少于20个。中国互联网通信行业企业与机械制造企业展开战略合作,力求发挥和整合线上线下领域的技术优势,构建多层次发展体系[26,27]。
着眼未来发展,行业领导者主要采用四种模式规划工业互联网平台:自动化企业依托工业装备创新服务模式,制造企业推动数字化转型搭建工业互联网平台,软件企业利用工业互联网平台提升业务能力,信息技术企业推动现有平台向制造领域延伸。
四。中国智能制造与工业互联网融合的发展机遇分析
加速产业链演进,主导权分散在很多关键环节。
随着智能制造产业的逐渐成熟和工业互联网市场竞争的加剧,传统的“专用芯片和专门的算法知识被领先厂商封闭和垄断”的产业链格局加速向“芯片、开源操作系统、算法和机制模型、基于数据的新服务”的新产业链格局转变,这四个关键环节将是未来产业主导权的关键,从而推动整个产业体系的演进和升级。
传统产业链围绕工业软件、工业网络、工业控制、工业传感、设备产品等子领域,构建了由组件/基础技术+操作系统+数据库/嵌入式系统组成的上游产业链、由整机/软件组成的中游产业链、由集成+服务组成的下游产业链的产业结构。
随着AI、云计算、大数据、边缘计算等信息技术的发展和应用,新兴产业链从“工业软件+工业自动化+装备产品”向“工业互联网平台+边缘计算+智能装备产品”转变。新兴产业链重点发展中游整机,推动信息技术延伸布局,如产业上游的芯片、基础软件企业,产业下游的服务企业。作为底层硬件基础的AI、FPGA、CPU等。,支撑工业领域的计算能力需求,成为新兴产业的关键和通用元素。
图2由工业互联网平台、边缘计算和智能装备产品组成的新兴产业链的格局和结构。
软件的基础受制于人,开源是破局的关键。
目前基础软件领域正在蓬勃发展,开源正在成为构建基础软件和支撑生态的重要途径。随着开源模式的快速成熟,开源在智能制造、工业互联网等领域得到了拓展和应用。容器、微服务、计算框架等三大核心开源技术成为改变传统基础软件生态,实现功能解耦和重新整合的关键。
目前,容器引擎和编排工具的核心项目由国外公司主导,微服务的核心工具和新架构由国外公司或基金主导,主流计算框架由国外公司或基金主导。在基础工业软件领域,我国开源技术的自主可控性和话语权有待提高。三大核心开源方向没有独立项目,国内企业在相关领域的发展基本空白。
面向未来,面向AI和机器人的工业开源可能会颠覆目前的基础软件格局。一方面,AI等信息技术新兴领域成为工业开源技术探索的热点,有望为基础软件带来新的突破;另一方面,开源的机器人/机床控制系统可能成为控制的核心,有望打破工业控制系统的传统格局。
通过与AI等新技术的深度融合,算法和机理模型有望构建新的产业。
算法模型是工业知识和经验固化的结果。传统上是利用工业知识和经验来验证流程模拟过程和设备控制,从而促进工业生产过程的优化。目前对算法和工业机理的研究主要集中在仿真软件和底层设备上:过程仿真的算法和机理模型固化在产品中,工业设备的运动和控制算法大多集成在整机中。
图3流程模拟的算法、机理模型与设备产品的关系
通常算法和工业机制都集成在整机中,很难解耦和抽象。国外公司拥有高端算法和机理模型的自主知识产权,并与其产品紧密耦合,形成事实上的技术垄断。国内企业很难接触到核心算法和机理模型,拥有自主知识产权的关键算法很少,使得我国的仿真、控制等核心算法,以及燃气轮机、aero 空发动机、复合材料加工等高价值的工业机理模型,在RD水平、创新创造、人才培养等方面存在明显差距。
将算法与机理模型解耦和解耦,与新技术深度融合,深刻影响了新兴工业领域:新数据科学的兴起推动了数据分析在工业机理中的应用,工业互联网平台的建立有利于加速机理模型和数据模型的积累。AI成为未来产业的焦点,工业互联网平台成为重要媒介。在数据、机制、知识沉淀和软件功能进一步解耦的基础上,大量的第三方开发者将显著加快工业APP的开发和交付速度,推动模型的快速迭代和应用创新。
跨境服务、增值服务、生产性服务等新型服务不断涌现。
互联网的不断发展促进了跨境服务、增值服务和生产性服务等新服务的快速发展。现代服务体系日益丰富,传统服务形式的不足逐渐被新型服务的优势所弥补。
传统服务形式利润小空,容易被上游环节控制:传统自动化集成厂商行业壁垒低,企业数量多,利润低;传统的信息集成产品服务模式单一,容易受到上游的制约。而产业互联网催生的新服务形态,以数据分析为驱动,以产业互联网平台和大数据软件为载体,成为产业生态中不可或缺的一环:大型装备企业在装备融资租赁、保险领域跨界布局,产业互联网平台成为主要服务媒介;基于客户个性化需求的增值服务发展迅速,家电、汽车等领域成为重大突破;生产性服务逐渐聚焦于供需对接平台和专业化咨询服务,帮助工业制造企业共享资源和解决方案。
随着产业互联网研究的逐步深入,预计将衍生出更多新的服务模式,新的服务体系将不断丰富和强化;加快工业领域数字化、智能化转型升级,推动传统产业生态发生重大变化。
动词 (verb的缩写)对策和建议
总体战略
在中国工业互联网产业体系中,不同领域的发展趋势和重要性是不同的。综合来看,可以采取“大力发展工业互联网新兴领域,布局智能制造关键上游环节,逐步追赶传统部分”的分类政策原则。
梳理工业互联网产业体系的子领域和产品,应重点发展四个领域:①巨头垄断领域,多为国内长期弱势产品领域,相关技术和市场短时间内难以突破;②中国替代可控区域有一定基础,但在高端市场与国际领先水平仍有差距;③在新兴机会领域,中国与世界同步,相关技术和市场的竞争格局尚未锁定,处于产业成长的机遇期,相关技术还可以辐射到其他领域;④核心竞争领域,包括芯片、基础软件/开源、算法和机制模型、基于数据的新服务,是未来产业发展的关键技术,也是其他领域智能创新的共同基础。
图4工业互联网产业发展政策领域
注:IPC代表工业计算机;ERP代表企业资源规划;DCS代表分布式控制系统;SCADA数据采集和监控系统;CRM代表客户关系管理;MES代表制造企业的生产过程执行管理系统;SCM代表供应链管理;CAM代表计算机辅助制造;CAPP代表计算机辅助工艺设计。
关键方向
1.突破产业互联网的核心领域。
加强多学科、多领域、跨界的协同技术研发和应用创新,不断积累优质代码、高端算法和机制模型。①专注于工业智能等特定领域的芯片设计,稳步缩小芯片制造的差距。②加强开源框架和架构的研发,通过市场选择中国企业主导的底层框架和架构;深化微服务和容器技术的行业应用,适时布局OT开源技术。③不断积累智能制造相关关键零部件的数字模型、高端装备和流程工业的过程机理模型,掌握运动控制、仿真等核心算法。④引导企业深化产业数据的挖掘和利用,围绕产品、资产、生产和供应链开展数据增值服务,重点创新供应链金融、融资租赁等产融结合服务。
2.抢占工业互联网战略性新兴领域。
推动传统产品与新技术的融合,针对具体的行业场景提出解决方案。①加快5G、AI等技术在智能装备产品中的应用,提高装备的人机协同和智能优化功能。②加强工业互联网平台开源技术的自主RD能力,构建以龙头企业为主体的开发者生态,重视工业软件APP的开发,探索在平台上形成自主造血的商业模式。③开发满足智能管理、控制和决策要求的通用工业智能算法和模型,针对工业实际场景提出具体解决方案,匹配工业大数据和工业智能的实际应用需求。④开发带计算模块的工控机、智能网关等边缘计算产品,丰富边缘计算的适用场景和解决方案。
3.均衡备选可控区域。
行业重点是不断提高设备、工业自动化、工业软件的国产化率,改善和优化产品性能参数、稳定性和可靠性。①打造稳定可靠的国产工业机器人和数控机床,努力提高高端机型的技术参数,扩大场景应用范围。②进一步提高DCS/ SCADA在能源电力、大型石化等高端领域的市场份额。③对于MES,丰富针对特定行业的解决方案,形成一批在市场上具有竞争优势的品牌产品。④鼓励企业积极布局基于服务的跨平台解决方案等新型工业网络协议,增强领域话语权。⑤提高ERP、SCM、CRM等经营管理软件产品的数据分析挖掘能力和商业智能决策能力,提供更高层次的数据增值服务能力。
4.赶上巨头垄断。
把握传统产品和解决方案在新兴领域的颠覆和创新趋势,设立自主产品的应用“试验田”,通过扎实的研究提升性能,缩小与国外产品的差距。①提高工业传感器高端产品的性能指标,重视敏感材料的研发,能够替代和控制。②研究开源和边缘计算对PLC产品的影响,尽早布局颠覆性技术应用。③ RD和设计工业软件涵盖PLM、CAD、CAE、CAM、CAPP等方向,积累了航空空、航天、造船、石化、材料等领域的模型、仿真算法和分析经验;设立国产工业软件“试验田”,开展国内外软件产品应用对比分析研究。
兼顾技术突破和商业成功。
1.加强智能制造与工业互联网融合的技术研究。
以企业技术需求为出发点的聚焦,既包括特定场景下的单点“小”突破,也包括涉及重大领域和重大技术方向的集中式“大”突破。前者借助“产学研”协同的服务机构/平台,建立一支联合于企业、高校、科研院所之间的精干技术团队;后者应建立由龙头企业主导的联盟/创新联合体,并专注于技术研究。普遍服务和“专业化、创新型”企业培训是实施技术突破的关键支撑,可以由政府投资撬动,以企业资源为主体。
图5技术研究单点“小”突破和集中“大”突破示意图
2.关注智能制造与工业互联网融合的商业成功。
针对智能制造行业的共同需求,在研发出技术方案后,以“试验田”和首保形式的资金用于支持国内产品的应用,并强调商业运营的可持续性。针对中小企业的个性化需求,在提出/投标项目时提供详细的技术解决方案,进行包括业务分析在内的多方位评估,通过业务推广平台为中小企业提供低成本的市场拓展条件。
加强各类复合型人才的培养。
高校和科研院所以培养高层次创新人才为重点,支持培养具有科技战略眼光的企业家,探索设置人工智能、工业大数据等前沿学科/专业,提出多学科培养计划,注重校企联合培养。各类高层次人才引进计划要向智能制造、工业互联网等领域适当倾斜,可聘请企业家和技术专家担任客座讲师。完善成果评价认可机制,合理加大对工业机理模型、算法、工业APP等成果的认可力度,保障人才合理激励。
企业要注重培养或引进技术与管理并重、IT+OT的复合型人才,同时加强专业技能型人才的培养。探索联合培养和资格认证,鼓励信息系、自动化系人员轮岗,加强技术人才国际化学习和培养。合理支持高层次人才“产学研”跨境流动,开辟国际人才引进绿色通道;鼓励有条件的企业在海外设立研究中心,建立吸引人才的网络。提高公众科技素养和技术工人职业素养,培养产业政策设计、产业管理和公共服务等方面的专业人才。根据产业发展的特点,建立适应公共服务能力需求的专业政府机构队伍,加强智库建设和研究。



