2017年我国智能制造行业工业大数据中心发展方向分析（图）

    “制造 2025”时代是一个互联网化智能制造的时代，与此前制造业模式的最大区别，我们认为，是工业大数据第一次走向了云端！

       “制造 2025”要推动的是智能化和信息化，而非仅仅自动化，自动化设备产生的大量数据通过传感系统等路径，实现采集、反应和预测，形成可行为的大数据（Actionable Data），帮助制造形成 3 个闭环，分别是产品的开发和制造、产品的设计和制造、产品的质量和管理体系。

       要实现以上智能化和信息化的过程，我们认为需要以下几个方面的投入：
       1）        大数据（Actionable Data）：采集、决策与预测；
       2）        MOM、MES、虚拟设计系统：实现对制造端过程的管理及优化；
       3）        SCM、ERP 、CRM 与 PLM：提高企业信息化交互的水平；
       4）        公司金融管理：处于云端的、联接产业链的集中金融管理平台。

   大数据行业大数据（Actionable Data）：采集、决策与预测

       制造业在大数据市场占比中提升空间较大。大数据目前主要应用在互联网、零售、交通等行业等领域。波士顿咨询数据显示目前我国拥有全球数量最庞大的生产设备，在制造过程中可以产生海量数据，这部分大数据或成为未来制造业提高竞争力及生产效率、贴近消费者需求及创新的关键要素。

图：2011—2015 年我国大数据行业下游需求分布

       我们大胆设想，未来可能出现工业大数据中心，实现 C2B 的互联网化，制造行业所主要关注的数据为：

       1）        产品数据：包括设计、建模、工艺、加工、测试、维护、产品结构、零部件配置关系、变更记录等数据。有助于实现产品全生命周期管理、个性化生产。

       2）        运营数据：包括组织结构、业务管理、生产设备、市场营销、质量控制、生产、采购、库存、目标计划、电子商务等数据。通过生产过程中的无所不在的传感、连接实现运营数据的采集。

       3）        价值链数据：包括国内外客户、供应商、合作伙伴等数据。使产业链各环节数据和信息能够被深入分析和挖掘，为企业管理者和参与者提供看待价值链的全新视角。例如，汽车公司可以通过大数据提前预测到客户对某款特定型号汽车的需求和钟爱程度，进而快速生产并投放市场，既能提高公司在产业链上的竞争力，又无形中提升了客户对该汽车品牌的忠诚度。

       4）        宏观经济数据：工业大数据网络的建立也将有助于判断整体经济运行情况。
有效利用大数据，不仅可以实时监控各种潜在风险，提高生产效率，更重要的是为企业提供诸多洞见，提升投资回报和竞争优势，而且有助于企业从多角度判断全球市场潜在商机，实现跳跃式快速发展。

       大数据通过 IT 创造价值主要分为三个阶段，第一个阶段是批量分析，数据主要来自企业内部结构化数据；第二个阶段是实时分析，数据分析类型逐步从结构化演进到包括非结构化和半结构化数据；第三个阶段则是全方位事实分析，不仅有来自企业内部的数据，同时会纳入来自第三方的竞争数据，以非结构化数据为主。

       我国 2020 年大数据行业市场规模有望达到 578 亿元，2016-2020 年复合增长率有望达到 36%。随着近年来企业信息化的不断完善和社会化网络建立、云计算、移动互联网和物联网等新一代信息技术的应用，全球数据产业高速增长，中国目前的大数据应用仍处初级阶段，据《中国大数据发展调查报告（2017 年）》估算 2017 年市场规模或超过 234 亿元，2020 年有望达到 578 亿元规模。

图：2014-2020 年我国大数据行业市场规模及预测

  MOM、MES、虚拟设计系统：实现对制造过程的管理和优化

       借助 MES、MOM 系统的运用，制造企业的信息集成与交互将大大加强，显著提升生产效率。主要应用到的系统包括：

       参考中国报告网发布《2017-2022年中国智能制造市场发展现状及运行态势预测报告》

       MES（制造执行系统，Manufacturing Execution System）：覆盖从订单发放到出产成品的全过程，实现生产管理及优化，是生产活动与管理活动信息沟通的桥梁。

图：制造企业的 MES 功能

       MOM（制造运行管理系统，Manufacturing Operations Management）： 覆盖的范围是企业制造运行区域（Level 3）内的全部活动，覆盖范围通常比 MES 更高。其管理功能包括生产运行、库存运行、质量运行、维护运行等。此外，可与业务计划与后勤支持系统（Level4）实现有效的集成与共享，通过制造运行信息的交互形成完整的逻辑闭环。

图：MOM 内部结构

图：制造运行管理的信息

       计算机仿真技术：是以相似原理、信息技术、系统技术等技术为基础，利用系统模型对实际的或设想的情况进行试验研究，具有经济、安全、可重复和不受气候、场地、时间限制的优势。

表：计算机仿真技术应用领域

       下游行业如军工、电子、机械、航空、航天、船舶、汽车、电力、石化、物流等行业将为国内计算机仿真行业快速发展提供空间。

图：计算机仿真行业产业链图

       根据前瞻产业研究院数据显示，2016 年国内计算机仿真市场规模达 990 亿元，2010-2016 年复合增速达 12%，近年增长较为稳健。

图：2010-2016 年计算机仿真行业市场规模

       虚拟设计系统：可大幅提升制造企业新产品开发的效率。新产品的诞生过程大致包含设计、试制、评价、制造四个过程。其中，设计环节需要对新产品进行无数次修正，对总成本的影响最大，据前瞻产业研究院测算虚拟设计系统可以使 75%的设计错误在开发阶段就完全解决，有助于降低成长。

图：现实产品开发与生产过程

图：制造类企业各环节对成本影响占比（单位：%）

       SCM、ERP 、CRM 与 PLM

       SCM、ERP 与 CRM 系统提升制造类企业信息交互效率。具体分析如下：

       SCM（供应链管理，Supply Chain Management）： 可有助于减少库存、提高发货供货能力，降低供应链成本，以提高预测准确度，减少采购总成本并缩短生产周期，加快市场响应速度。

       ERP（企业资源计划，Enterprise Resource Planning）： 以管理会计为核心，对物资资源管理（物流）、人力资源管理（人流）、财务资源管理（财流）、信息资源管理（信息流）实现集成管理。

       CRM（客户关系管理，Customer Relationship Management）： 实现企业与客户的信息交互和服务，以帮助吸引新客户、提高老客户的忠实度。

  

图：SCM、ERP 与 CRM 的关系

       PLM（产品生命周期管理，Product Lifecycle Management）： 是企业实现信息化的一种商业战略。通过重塑产品生命周期曲线，企业在产品的培育阶段以及成长、成熟、衰退阶段都将获得超额的利润空间。

图：产品生命周期曲线  

  

     图：  重塑 PLM 曲线产生收益

图：SCM、ERP、CRM 与 PLM 海量数据将储存在云端

  
  公司金融管理：云端集中金融管理平台

       一个数据存储在云端的、集中的公司金融管理平台成为智能制造时代的新需要。制造业企业会产生额外的对自身财务、现金流以及产业链情况（包括合作伙伴和金融市场）的信息需求，以满足个性化、多批次智能制造的标准。

图：通过全面预算管理提升业务规划能力

图：对制造类企业进行全面的资产管理  

资料来源：中国报告网整理，转载请注明出处（ZQ）