智能制造的发展背景(2020版)

第一章智能制造的发展背景

1.1智能制造发展现状

1.1.1 世界智能制造发展保持活跃态势

人类进入工业社会之后，制造业逐渐成为一个国家经济能力乃至综合国力的基石。当前全球经济普遍面临转型压力，作为经济体系的稳定器，制造业迎来了前所未有的发展机遇，同时也面临着多重挑战。首先在市场层面，越来越多的行业面临全球性产能过剩问题。市场竞争激烈，需求从过去的大批量、规模化，逐渐转向小规模、个性化定制的新型模式。其次在社会层面，随着就业人口不断下降和劳动力成本的急剧上升，现有环境资源负担沉重，整个社会生产组织方式面临转型升级压力。最后在技术层面，在普遍自动化的基础上，物联网、边缘计算、云计算、大数据、人工智能等技术的发展为制造业的进一步升级提供了强大的技术支撑，同时也提出了更高的管理要求。可以说，智能制造是技术、社会和市场多方面要素驱动的结果。近年来，世界主要工业国都纷纷将智能制造上升到国家战略高度，致力于在关键智能制造技术上取得领先地位。

当前世界范围内，德国、美国和日本仍然是智能制造发展的焦点地区。德国在2013年正式推出“工业4.0”战略。2013年和2016年发布的《确保德国制造业的未来—实施战略行动工业4.0的建议》和《实施工业4.0战略》，提出将物联网及服务技术融入制造业，希望通过将信息通信技术和物理生产系统相结合，打造全球领先的装备制造业，使德国成为先进智能制造技术的主要创造国和供应国【1】。美国2009年开始制造业回归，通过智能制造解决美国制造业在人力成本等方面的劣势，重振美国高端制造业。2012年和2014年先后发布AMP （Advanced Manufacturing Partnership）报告《获取先进制造业国内竞争优势》和《加速美国先进制造业》，明确了三个制造技术优先领域（制造业中的先进传感、先进控制和平台系统，虚拟化、信息化和数字制造，先进材料制造）及技术战略建议【2】。此外，日本也是智能制造领域发展的一大亮点。作为机器人领域强国，日本于2015年提出“机器人新战略”，通过将机器人与IT技术、大数据、网络、人工智能等深度融合，在日本建立世界机器人技术创新高地，营造世界一流的机器人应用社会，继续引领物联网时代机器人的发展【3】。

1.1.2 我国智能制造发展面临的机遇和挑战

作为国家间经济竞争的主战场，制造业在中国经济转型升级以及国际分工重新划分中占据着至关重要的地位，决定了这次“史诗级”战役的成败。在高新技术密集爆发的大背景下，智

能制造无疑是制造业发展的重要驱动力，是推动制造业高质量发展的主攻方向。大力推进智能制造发展，是创造新动能、打造新优势，不断增强核心竞争力，推动我国产业迈向中高端的关键举措。

在政府层面，国家和地方一起发力，积极制定政策驱动智能制造，为我国智能制造发展把握好大方向。国家层面，2015年，国务院发布实施制造强国战略第一个十年行动纲领《中国制造2025》，提出实现制造强国的战略任务和重点之一是要推进信息化和工业化的深度融合，要把智能制造作为两化深度融合的主攻方向【4】。2016年，工信部、财政部发布《智能制造发展规划（2016-2020年）》，提出智能制造发展“两步走”战略【5】。2017年11月，国务院发布《关于深化“互联网+先进制造业”发展工业互联网指导意见》，提出要加快建设和发展工业互联网，推动互联网、大数据、人工智能和实体经济深度融合，发展先进制造业，支持传统产业优化升级【6】。2019年政府工作报告中，习近平总书记提出，要推动传统产业改造提升。

同时，中央经济工作会议于2018 年首次提出“新基建”这一概念，至今已有7 次中央级会议或文件明确表示加强“新基建”。“新基建”提出的5G、特高压、城际高速铁路和城际轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网七个方向的建设内容，适应中国当前社会经济发展阶段和转型需求，在补短板的同时将成为社会经济发展的新引擎。特高压、城际高速轨道交通、新能源汽车等应用行业的竞争力建设依赖于智能制造相关技术的快速发展，而5G、大数据中心、人工智能、工业互联网等基础性技术的进步，又将持续推动我国智能制造技术升级的脚步。新基建目标的提出，为我国智能制造升级进一步明确了方向，提升了内在推动力，夯实了技术基础。作为数字经济的发展基石、转型升级的重要支撑，新一代信息技术引领的新型基础设施建设已成为我国谋求高质量发展的关键要素【7】。

呼应中央政策，围绕推动制造业高质量发展，强化工业基础和技术创新能力，促进先进制造业和现代服务业融合发展，加快建设制造强国。地方层面，各省市利好政策不断出台，催生了大批智能制造产业链企业。广东、福建、安徽、江苏、北京、天津等省市结合自身发展情况，纷纷提出了地方智能制造发展规划，推动智能制造发展，并在智能制造链条上建设了大量的产业园区，孕育了一大批智能制造产业链企业，成为中国智能制造产业的重要承载地和孵化器。根据《世界智能制造中心发展趋势报告（2019）》统计，我国共有437家智能制造类产业园区，覆盖全国27个省市【8】。与此同时，《中国制造2025》、工信部《智能制造发展规划（2016-2020年）》等一批规划纲要也提出把全面推行绿色制造作为实现制造强国战略目标的重要内容，积极追求绿色、智能、可持续的发展，实现与智能制造相互补充，相互促进【9】。

然而，我国工业化和经济现代化起步较晚，制造业总体水平不一，创新研发实力相对薄

弱，智能制造发展面临诸多挑战。

首先，工业基础设施和核心技术创新能力不足，对外依存度高。与欧美等发达国家相比，我国在传感器、高端芯片、基础软硬件等方面瓶颈突出，关键核心技术受制于人，严重制约了我国智能制造的发展。以传感器举例，作为工厂智能化转型的基础条件，传感器在汽车、电子等离散行业的数据采集上拥有大规模应用。然而，全球电子传感器市场被博世BOSCH、MEAS、罗克韦尔ROCKWELL等国外企业垄断，国内传感器大多依赖进口，自产传感器几乎全是低端产品，难以跻身高端市场竞争。

其次，信息化、智能化水平整体滞后。由于我国制造业体量庞大，一些先进的制造业企业正积极探索从机械化、自动化向智能化、信息化发展，但是很多企业仍然未完成数字化升级，与人工智能等前沿技术的融合还处于初级阶段，我国制造业距离真正的智能制造还有很长距离。再次，产业结构待改善，低端制造业市场同质化竞争严重。我国低端产业产能过剩，先进装备、核心部件、高性能材料等中高端产业的保障能力不能得到有效满足，导致我国装备制造业低端市场同质化竞争严重，中高端市场发展缺乏技术和基础设施支持。

最后，专业人才数量欠缺。智能制造产业相对于传统制造业对于高素质人才的需求更为明显，而且更需要懂得多方面知识与技能的复合型人才，对于高端专业人才的需求更是极为迫切，但是我国在高端、复合型人才数量上严重欠缺，难以满足智能制造领域的扩张需求。面对上述问题，我国要推动智能制造快速发展，需要从基础软硬件、核心技术、网络、生态等各方面入手，扎扎实实做强根基。

1.2 智能制造的发展趋势和路径

1.2.1 智能制造的定义及发展趋势

我国在《智能制造发展规划（2016-2020年）》中对智能制造给出了明确定义：智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式【5】。具体来说，智能制造包含两层含义。第一是“智能”，包含人工智能、云计算、大数据、物联网、5G等新一代信息技术与先进制造技术。第二是制造，包含制造业研发、设计、供应链、生产、销售、服务等全价值链产业链各个环节和人、机、料、法、环、制造过程各个生产要素，以及基于产业链协同打造的绿色制造。从实践意义上来说，智能制造即各类新技术在制造业全价值链及生产过程中的应用。跟传统制造相比，智能制造具有如下发展特点：第一，新技术的快速应用和不断加深。越来越多的新技术应用到制造业中，与制造业深度

融合。其中包括：

（1）智能终端。传统机器和设备的智能化将大幅提升生产柔性，提高产品质量和生产效率。通过把RFID/传感器嵌入到工业设备中，将“物联网”与互联网相融合，物理世界与虚拟世界相融合。工业机器人的应用将人类从危险、繁重、重复的劳动中解脱出来，控制和加快库存周转率，提高劳动生产率；

（2）物联网和边缘计算。通过物联网数据整合全量OT域数据、边缘分布式计算和开放的架构，实现工业大批量数据的实时处理，确保工业设备的远程监控和实时响应，实现对人员、设备、物料、工艺、环境的实时管控和智能决策。

（3）混合云及云计算。企业将安全性、敏感度要求不高、需要快速部署的应用放在公有云上，将企业传统核心应用或者安全性需求较高的应用放在私有环境或者私有云中，形成混合云部署方式，使数据暴露达到最低限度，最大程度保证企业数据安全。

（4）网络技术。基于5G技术高速率、低延时、大规模设备接入等特点，各系统可直接进行快速的无线传输和控制，工厂和园区无需布置复杂的线缆，数据的传输将更加迅速、安全、实时。随着5G的部署使用，智能机器人可以自主化的在工厂里移动，按需完成各种任务；产线可以更加灵活调整各设备位置，灵活分配任务和产能。生产线的柔性将会达到一个新的高度。

（5）人工智能。人工智能技术和制造业深度融合，使得制造系统具备学习能力。通过深度学习、增强学习、迁移学习等技术的应用，智能制造将提升制造领域知识产生、获取、应用和传承的效率。例如，利用机器学习技术分析和训练产品缺陷，形成控制规则，在实际产线上，通过增强学习技术和实时反馈，控制生产过程减少产品缺陷，同时还可以集成专家经验，不断改进学习结果。

通过以上技术，将灵活地为客户打造“透明化生产、数字化车间、智能化工厂”，降低人力成本、提高产品质量、提升生产整体协作效率、为促进制造业高质量发展提供坚实的技术和基础设施支撑。

第二、从“人、机、料、法、环“的生产环节要素到“研、产、供、销、服”的制造型企业全价值链的优化。制造型企业传统的业务优化集中在以MES（制造执行系统）为核心的生产环节中，包含人员、设备、物料、方法和环境等生产要素。对于制造型企业来说，将制造过程中各种信息进行准确采集和有效集成，及时准确掌握制造过程中的动态信息，从而为提高生产效率和制造资源利用率提供支持。然而，就企业整个产品生命周期而言，仅重视生产环节数据已经不能够满足企业业务优化的需要。例如：在要实现产品的服务化转型，必须通过跟踪和采集产品售后使用数据，不仅可以帮助设计者找出产品存在的短板加以改进，并且能够帮助企业为客户提供更多产品增值服务，实现从卖产品到卖服务的转变。这其中涉及的不仅包括生产端

的数据，还包括产品销售、使用、服务等一系列数据。因此基于数据的业务分析和优化必须延伸到产品研发、生产、供应、销售和服务全价值链，只有实现生产制造要素和全生命周期链数据的结合，才能实现制造型企业整个价值链的优化。

第三，从各个企业“孤立建设”到智能制造生态系统协同发展。

智能制造的实现是一个逐级推进的复杂工程，涉及企业执行装备层、控制层、管理层、企业层等企业系统架构的纵向集成，涉及本企业研发、生产、供应、销售、服务等产品全价值链的横向集成，还需要进一步推动企业上下游之间、行业之间的更大范围协同，具体包括：（1）上下游产业链企业和用户共同参与。在上游，将制造业数据导入云端，利用新一代信息技术和平台连接产业上中下游，形成智能预测与快速反馈结合；在下游，请客户和最终用户共通参与面向细分市场的产品需求规划，汇集制造资源和解决方案，形成共生共荣的智能制造生态系。

（2）智能装备、物流仓储、软件企业和服务商等细分行业的协同创新。限于资金投入不足、技术研发周期较长以及工艺壁垒较高等因素，单个系统解决方案商难以同时满足各个细分行业的智能制造发展需要。因此，需要行业自身，以及关联行业之间加强协同和创新，强化智能制造系统解决方案供应能力。最终，由多个提供单一产品或服务的供应商共同构建整个协作系统，造就全新的智能制造产业链，形成融合发展的生态圈。

（3）政产学研用联动的创新体系。政府通过财政资助、建立标准和制度，发挥统领和激励作用，企业通过深化供应链上下游紧密合作、加大自身研发力度，强化创新主体作用；高校与研究机构通过多种方式加强和企业的合作，发挥组织牵头和技术支撑作用。在全社会的范围内，形成产、学、研、用的智能制造联动体系，发挥各级创新机构的最大效能，减小风险，放大成果。

1.2.2 智能制造的目标和方法

智能制造发展规划（2016-2020）中提到，加快发展智能制造，对于推动我国制造业供给侧结构性改革，打造我国制造业竞争新优势，实现制造强国具有重要战略意义【5】。由此可见，我国发展智能制造的目标是为了优化产业结构，打造竞争优势，从而实现制造业高质量发展，促进从制造大国向制造强国的转变。

要充分发挥新一代智能制造技术在制造业中的能动性，必须将制造技术和制造业生产过程相结合，通过统一平台整合、调配所有制造资源，实现制造资源的横向和纵向协同。我国当前推动建设的工业互联网平台，正是这一策略的具体体现，是智能制造实现的重要基础。工业互联网的发展，需要在基础设备、网络通讯、数据分析和智能算法等关键技术上获得持续的突破，获取到强有力的支撑。作为“新基建”的重要组成部分，工业互联网不仅仅是一个云端软件平

台，而是边缘计算、云计算、大数据、物联网、人工智能等关键技术的综合性应用。

从架构上看，工业互联网平台主要包括如下3个层次。

图1-1工业互联网平台标准体系框架-平台参考架构【10】边缘层：提供设备接入、协议解析适配、多源异构数据整合、边缘数据存储、处理、以及智能分析、实时控制等多种现场能力，并且和云平台协同实现多种高级分析和业务协同。

平台层：提供海量计算、存储资源部署与管理能力、海量异构数据的处理能力和工业数据建模与分析能力；支持制造流程引擎、数字孪生引擎、人工智能引擎，并提供开发工具、微服务框架、工业微服务组件，支撑工业APP的开发能力。

应用层：提供从需求分析、产品研发、生产制造、过程控制、供应链协同到营销服务的各类工业APP及APP框架，涵盖智能化生产、网络化协同、个性化定制、服务化延伸等全价值链应用。

智能制造的发展，需要工业互联网相关技术作为基础和助力。通过智能设备、物联网和边缘计算，帮助企业实现人、机、料、法、环，全制造过程和研、产、供、销、服全价值链的泛在连接；基于大数据技术和云计算混合架构，实现海量工业数据的存储、管理、计算、分析。通过工业机理和人工智能的结合，实现知识的积累、固化和资源化；通过全平台资源的统一管理、调度，提供开放的工业APP开发环境，实现工业APP在智能化生产、个性化定制、网络化协同，和服务化转型等典型工业场景的创新应用，促进产品质量和生产效率的提高，降低企业生产成本，加快技术和产品创新，提高我国制造业整体竞争力，实现制造业高质量发展的长期目标。