QY球友会体育

制造业数字化转型的难点—数字化制造业

　　制造業數字化轉型是提升競爭力的重要途徑，在提高産品品質和生産管理效率✅方面具有關鍵作用，順應數字經濟發展趨勢。

　　數字經濟是繼農業經濟、工業經濟之後新的經濟形態，以數據資源爲重要生産要素，以數字化轉型爲重要推動力。我國制造業規模龐大、體系完備，但大而不強問題突出，尤其是傳統制造業自主創新能力不強，生産管理效率較低。在制造業低成本優勢逐步減弱的背景下，必須著力提高産品品質和生産管理效率，重塑競爭優勢，而數字化轉型正是提升制造業競爭力的重要途徑。

　　近年來，我國不斷完善制度環境，出台一系列戰略規劃和政策措施，推動制造業數字化水平不斷提升。工業互聯網應用也在不斷拓展，成爲制造業數字化轉型的前沿技術應用，發展工業互聯網已成爲各主要工業強國搶占制造業競爭制高點的共同選擇。工業互聯網技術主要應用在産品開發、生産管理、産品服務等環節，其主要應用模式和場景可歸納爲智能産品開發與大規模個性化定制、智能化生産和管理、智能化售後服務、産業鏈協同四類。

　　目前，我國已有一批工業互聯網平台實現了規模化商用，但制造業數字化轉型仍面臨諸多難點。一是缺乏權威的數據標准，工業設備種類繁多、應用場景複雜，不同環境有不同工業協議，數據格式差異較大，不統一標准難以兼容，也難以轉化爲有用的資源。二是數據安全有待保障，工業數據安全要求遠高于消費數據，涵蓋設備、産品、運營、用戶等多個方面，一旦泄露或被篡改，可能帶來嚴重安全隱患，目前單純依靠技術難以確保數據安全，相關懲罰措施也不到位。

　　制造業企業在數字化轉型過程中，數據標准問題成爲一大難點。一方面，企業數據量大、種類多、格式差異大，涵蓋經營管理數據、設備運行數據、外部市場數據等多個方面。由于工業設備種類繁多且應用場景複雜，不同環境下有不同的工業協議，導致數據格式差異較大。缺乏權威的數據標准，使得這些數✅據難以兼容和轉化爲有用資源，無法充分發揮其價值。另一方面，雖然我國已有全國信息技術標准化技術委員會、智能制造綜合標准化工作組、工業互聯網産業聯盟等多個機構從事相關標准研發，並制定了《國家智能制造標准體系建設指南（2018 年版）》《工業互聯網標准體系框架（版本 1.0）》等文件，但具體標准的研制和推廣工作剛啓動，市場接受度不高，企業在實際應用中面臨諸多困難。

　　工業數據安全要求遠高于消費數據，涵蓋面廣，一旦泄露或被篡改，會帶來嚴重安全隱患。工業數據涵蓋設備、産品、運營、用戶等多個方面，在采集、存儲和應用過程中，若出現安全問題，可能導致生産過程發生混亂，甚至威脅城市安全、人身安全、關鍵基礎設施安全乃至國家安全。目前，信息竊取、篡改手段層出不窮，單純依靠技術難以確保安全。同時，相關懲罰措施不到位，不能給數據竊取、篡改者足夠的威懾。

　　隨著數字經濟的發展，企業對外部數據的需求不斷上升，包括✅産業鏈上下遊企業信息、政府監管信息、公民基礎信息等。將這些數據資源進行有效整合才能産生應用價值，但前提是這些數據能夠被獲得。目前，政府、企業數據開放共享水✅平有待提高，數據資源有效整合面臨困難，制約了制造業數字化轉型的進程。

　　數字化、智能化轉型需要複合型人才，然而企業培養成本高、風險大。目前，制造業吸引職業技能人才正面臨 “三難”—— 找不到、招不來、留不住。具體來看，生源少且質量差，造成人才缺口，直接導致制造業企業 “找不到” 所需的大批職業技能人才；職業教育投入少，人才培育難，導致供需不平衡，企業 “招不來” 適應産業轉型升級和企業發展所需人才；高技能人才 “眼高手低” 與管理機制不完善的矛盾，人才發展難，“留不住” 技能人才。

　　企業對信息技術應用認知局限，新舊問題疊加，理解、應用新興技術困難。大多數企業對于信息技術的應用認知還停留在部署 IT 系統的階段，經過多年傳統信息技術（如 ERP 等）的應用，孤島縱橫、基礎數據不准等問題始終困擾著企業。與此同時，雲、大數據、AI、IoT 等新興技術快速發展，新舊問題疊加讓傳統制造企業理解、應用、掌握這些技術變得更加困難。

　　傳統制造企業利潤率低，數字化轉型資金投入謹慎，缺乏足夠資金。傳統制造企業尤其是中小企業的利潤率較低，因此在數字化轉型資金投入方面尤爲謹慎，更加關注投資回報，往往缺乏足夠的資金投入。

　　項目未取得顯著效果會制約進一步投資動力。企業投資數字化轉型項目一旦沒有取得顯著效果，企業進一步的數字化轉型的投資動力也受到制約。

　　企業重硬件升級，輕設備聯網和數據采集，導致能力分布失衡。受到投資回報的牽引，企業往往將應用的重點放在自動化設備等硬件設施的升級上，很多企業並不太重視設備聯網和數據采集，這樣造成了企業在數✅字化轉型中重硬輕軟，能力分布失衡。

　　數字化轉型需全局謀劃，但企業普遍缺乏清晰戰略目標、規劃及保障措施。盡管目前多數企業推動數字化轉型的意願強烈，但普遍缺乏清晰的戰略目標、詳細的數字化轉型規劃以及確保規劃落地的保障措施。

　　企業已應用信息系統但問題突出，管理基礎薄弱影響數字化項目效果。目前企業已經應用了諸多信息系統，但是孤島縱橫，基礎數據不准確，編碼體系不統一等問題✅依舊突出，如果企業缺乏良好的管理基礎，就盲目實施數字化項目，收效一定無法達到預期。

　　制造業細分行業差異大，企業個✅性化強，缺乏可借鑒經驗和模板。制造業的各個細分行業差異很大，處在各個産業鏈中不同位置的企業個性化很強，即使是同類企業由于企業實際建設水平的差異，數字化轉型的突破口也各不相同，企業往往沒有可以直接照搬的模板，缺乏可借鑒的經驗和專業的指導。

　　綜合運用技術和管理手段，確保數據安全，加大對數據竊取、篡改者的懲罰力度。

　　企業應借助第三方安全企業的力量，在合法合規的情況下做好數字化轉型，從技術層面做到能審查、能告警、能攔截，防止 “內鬼” 竊取數據。

　　供應商在供應鏈的開發、交付、使用三大環節中可能引入風險，企業要加強對供應商的管理，確保上遊環節的安全問題不會傳遞到下遊並放大。

　　通過縱深防禦，整合數據、技術和服務能力，從決策層面、操作層面實現全面監控，多道防線交叉驗證，即使網絡被攻破，也能夠做到業務不中斷、數據不出事、合規不踩線。

　　完善相關法律法規，加大對數據竊取、篡改者的懲罰力度，給數據竊取、篡改者足夠的威懾。

　　政府應進一步完善工業設備的互聯互通標准，推動工業設備接口互認，協議兼容，提升行業設備的聯動能力。

　　加快研究制定統一工業大數據管理制度和標准規範，提升工業數據的治理能力，促進數據合理流動，安全交易，共享使用。

　　企業要樹立開放共享的理念，積極參與數據開放與共享，共同推動制造業數字化轉型。

　　企業可以采取內部培養、優秀人才輸入等多種方式構建企業數字化人才體系，例如開展專項薪資激勵和輪崗制度，鼓勵技術人員熟悉數字化技術，同時鼓勵數字化人員熟悉制造業技術，擴大複合型人才的培養選拔範圍。

　　爲複合型人才創造行業領先的實踐環境，依托制造業的先進工藝技術和生産能力，爲複合型人才創造業界稀缺的前沿探索實踐機會，實現人才與企業共同成長。

　　完善數字化人才晉升機制，爲數字化人才提供多樣化、多層次的職業發展路徑和晉升機制，包括管理路徑、技術專家路徑，滿足數字化人才個性化職業發展需求。

　　優化技術人才選拔機制，在現有技術人才選拔機制的基礎上，引入數字化工具運用相關培訓、考核因素，鼓勵員工積極利用數字化工具解決工藝、設備、生産流程相關技術研發問題，提高技術人才的數字化素養，培訓一批數字化種子人才。

　　發揮種子人才的引領和示範作用，幫助更多技術人員和操作人員積極應用數字化技術和工作，提升業務水平、在本職崗位上積極探索數字化創新。

　　企業要加強對新興技術的學習，轉變觀念，認識到數字化轉型不僅僅是部署 IT 系統，更是經營理念、戰略、組織、運營等全方位的變革。

　　針對新舊問題疊加的情況，企業要積極探索解決方案，例如借助專業的咨詢服務機構，完成數字化轉型的現狀診斷、需求分析、流程梳理、整體框架設計和實施方案制定等過程。

　　加強與高校、科研院所✅的合作，共同開展技術研發和應用，提高企業對新興技術的理解、應用和掌握能力。

　　企業要轉變投資觀念，不僅要重視自動化設備等硬件設施的升級，也要重視設備聯網和數據采集等軟件方面的建設。

　　推進工業互聯網建設，支持多種有線和無線通訊網絡，支持雲部署 M2M，即設備與設備之間的互聯，建立工廠網絡和本地部署。

　　通過邊緣側進行數據清洗、加密和傳輸，提供智能 Niagara 及配套邊緣計算網絡控制器，爲生産設備提供邊緣應用，實現設備間的信息孤島打通，讓設備管理更高效、更智能。

　　企業要對已應用的信息系統進行梳理，解決孤島縱橫、基礎數據不准確、編碼體系不統一等問題。

　　建立企業數據發展統籌規劃和頂層設計機制，加快企業大數據中心建設，推進企業基礎信息庫、業務信✅息庫、主題信息庫等建設。

　　建立企業數據彙聚機制，推進信息系統整合互聯和數據共享交換，推進研發設計、生産制造、倉儲物流、市場✅營銷等環節數據實時彙聚。

　　做大做強企業數據中心中台，推進數據和業務、數據和系統分離，增強數據共享交換、流通交易、開放開發等業務統一技術服務支撐能力，促進數據開發利用。