以大数据、云计算、物联网、人工智能、5G 等新一代信息技术为核心的新一轮科技革命和产业变革正在加速，数据的采集、存储、传输、展现、分析与优化都具备了良好的技术基础，数字化转型的浪潮迅速席卷全球。
我国经历四十年改革开放和连续高速增长，也已经进入了中速增长平台和高质量驱动的阶段，处在转变发展方式、优化经济结构、转换增长动力的攻关期，数字化成为实现高质量发展的基本路径。特别是 2020 年，突如其来的疫情让中国企业尤其是制造企业经历了前所未有的困境，同时也感受到了数字化对企业“转危为机”的重要性。制造企业的决策者们开始重新审视数字化转型对企业的价值与意义，并且用实际行动加速企业数字化转型的进程。
站在新旧动能转化的路口，面对大“变局”的数字化时代，企业在看到数字化机遇的同时也深知自身所处的“困局”，唯有“破局”，找准拥抱数字化转型的正确“姿势”才能赢得主动，实现业务的革新。
“困局”：八大难点与问题
中国制造企业数字化转型面临以下八大难点与问题，具体来说：
专业人才不足制约数字化转型进程。数字化/智能化转型需要培养复合型人才，但尽管部分企业采取内部培养、优秀人才输入等多种方式构建企业数字化人才体系，但对于大多数企业而言成本负担较重，存在一定风险。
企业技术能力难以全面支撑数字化转型。大多数企业对于信息技术的应用认知还停留在部署 IT 系统的阶段，并且经过多年传统信息技术（如 ERP 等）的应用，孤岛纵横、基础数据不准等问题始终困扰着企业。与此同时，云、大数据、AI、IoT 等新兴技术快速发展，新旧问题叠加让传统制造企业理解、应用、掌握这些技术变得更加困难。
数字化转型缺乏足够的资金投入。传统制造企业尤其是中小企业的利润率较低，因此在数字化转型资金投入方面尤为谨慎，更加关注投资回报，往往缺乏足够的资金投入。另一方面，企业投资数字化转型项目一旦没有取得显著效果，企业进一步的数字化转型的投资动力也受到制约。
数据采集与应用能力不足。数据是制造企业数字化、智能化非常重要的组成部分，也是企业重要的资产。企业涉及的数据类型多、来源多、量级大，如何获取数据、传输数据、管理数据、发挥数据价值仍然是企业亟需攻克的难题。
软硬能力失衡制造数字化转型障碍。受到投资回报的牵引，企业往往将应用的重点放在自动化设备等硬件设施的升级上，很多企业并不太重视设备联网和数据采集，这样造成了企业在数字化转型中重硬轻软，能力分布失衡。
企业数字化转型缺乏全局战略支撑。数字化不仅仅是技术革新，更是经营理念、战略、组织、运营等全方位的变革，需要从全局谋划。尽管目前多数企业推动数字化转型的意愿强烈，但普遍缺乏清晰的战略目标、详细的数字化转型规划以及确保规划落地的保障措施。
企业数字化建设的管理基础薄弱。数字化转型不仅仅是技术问题，更多的是管理问题。目前企业已经应用了诸多信息系统，但是孤岛纵横，基础数据不准确，编码体系不统一等问题依旧突出，如果企业缺乏良好的管理基础，就盲目实施数字化项目，收效一定无法达到预期，因此管理基础的夯实尤为关键。
缺乏数字化建设方法和经验的指引。制造业的各个细分行业差异很大，处在各个产业链中不同位置的企业个性化很强，即使是同类企业由于企业实际建设水平的差异，数字化转型的突破口也各不相同，企业往往没有可以直接照搬的模板，缺乏可借鉴的经验和专业的指导。
面对这些难题，制造业该如何打破转型困局？如何保障数字化应用落地？如何高效地推动数字化转型？这些成为了当前制造企业关注的重中之重。
“破局”：聚焦六大关键能力
数字化为传统制造企业带来了很多新的机遇，用正确的方式破解困局，寻求合适的转型方法与路径，拥抱数字化转型给制造业带来的红利已成为制造企业的必
修课。
举措一：定义企业数字化转型最佳路径
在拥抱数字化转型的过程中，很多企业在数字化领域已经进行了很多艰苦而勇敢的尝试。但对于大多数企业来说，它们所面临的是一段充满未知的旅程，个体的差异使得数字化转型的路径千差万别，难以寻找标准答案。
制造业数字化转型是全方位的，通常情况下，企业数字化转型可以有六种典型切入模式，即：商业模式转型、服务模式转型、研发模式转型、运营模式转型、制造模式转型和决策模式转型。
- 商业模式转型主要指企业通过数字化手段，建立起了全新的商业模式，如按服务绩效付费（Pay by use）；
- 服务模式转型指企业通过开发产品服务的 APP 等方式，让客户可以实现自助式服务，转变传统服务方式，从而提升服务效率；
- 研发模式转型指在产品研发过程中广泛应用数字化技术，如通过互联网收集客户对产品的需求，在研发过程中实现众包设计等；
- 运营模式转型指的是结合业务场景全方位应用数字化技术，帮助企业实现精细化管理；
- 制造模式转型是通过制造环节的数字化技术应用实现制造的转型升级；
- 决策模式转型通常指企业通过推进数字化转型，对已经拥有的海量异构数据进行多维度分析，提高数据分析的实时性和可视化，实现数据治理，基于数据驱动进行决策，并利用人工智能和大数据分析技术分析数据背后蕴含的关键信息。
图 9 制造企业的数字化转型模式选择
从发展路径来看，制造企业数字化转型可分为着精益化，自动化，互联，智能四个阶段。
精益化是企业走向智能的重要基础。企业需要引入 5S 现场管理法/精益物流（PFEP）、流程设计（design for flow）、制造质量（BIQ）、六西格玛等具体的精益管理方法和工具，指导企业改善管理状态，打好数字管理的基础。同时，数字化也是突破精益管理瓶颈的有效工具，企业需要以精益改善为抓手，通过指标驱动实现自主管理让数字化转型落地。
自动化是在精益化的基础上，从 IT 与 OT 两方面开始部署，一是升级自动化设备，实现面向库存（Build to stock，BTS）和面向订 单（Build to order，BTO） 的大规模标准化生产；一是开始部署工业软件，如MES、PLM、ERP 等，实现业务信息的数字化管理，对于高能耗企业，利用传感器、测量仪表等获取能耗数据，建立能源管理解决方案。
互联是在精益化和自动化的基础上，强调互联互通，通过 IT 与 OT 融合，实现信息流、物流和生产设备的互联互通，如实现 MES 与 WMS 之间的集成，实现PLM 与 ERP 之间的集成等，逐步从大规模生产演变为大规模定制，实现面向订单生产（BTO）和配置订单生产（Configure To Order，CTO）。
智能是在精益化、自动化、互联的基础上，通过工业互联网、云计算等技术，实现业务的智能化升级。制造模式也从大规模定制，演变为柔性协同制造，利用机器对话机器（M2M），实现生产的自组织，并对生产设备 实现预测性主动维护，同时将集成供应链（ISC）的管理拓展至工厂外部生态链上，形成智能工厂生态链。
就我国目前智能制造的总体情况看，大部分中国企业仍处在建设起步阶段，成熟度也属于智能制造的初级阶段。在棘手的经济和社会挑战的持续倒逼和政策与技术发展的大力支撑下，中国企业多选择“并行推进，融合发展” 的跨越式发展范式。充分利用后发优势，采取并联式发展，实现多阶段并行推进、融合发展。在这样跨越式的发展过程中，企业将面临更多维度的挑战，也对智能制造解决方案供应商的综合能力提出了更高的要求。
因此，企业需要借鉴成功的建设经历和前沿的研究，结合自身特点，去尽可能全面地描绘自身企业数字化转型的愿景。通过在过往的实践中沉淀的经验、思考，定义适合企业的最佳转型方向。通过科学的实施路径与步骤，企业才能规划出适应自身的最佳转型路径。
企业推进数字化转型的实施步骤需要从建立正确的理解和认识开始，全面评估企业数字化转型的现状，了解价值链各个环节应用数字技术的深度、广度和应用效果，明确企业数字化转型的基础。
其次，通过广泛的企业调研和行业案例分析，在企业战略发展规划的前提下，寻找适合企业的数字化转型的机会；
第三，通过对企业业务流程分析明确优化方向，同时确定企业数字化转型的关键考核指标，数字化系统的整体框架，明确未来三到五年的整体规划；
第四，结合实际的业务现状，明确各个数字化系统的具体功能、部署方式、集成方式，确定数据采集、设备联网、IT 和 OT 集成方案等，制定完整的数字化转型路线图；
第五，根据数字化转型规划实施推进，并定期诊断对规划进行修订。
图 11 企业推进数字化转型实施路径与步骤
制造企业需要通过科学的实施路径与步骤，并像“滚雪球”一样不断积累和重复上述步骤，在实践中探索、学习才能找到适合自身企业的数字化转型路径最佳答案。
举措二：构建企业数字化转型能力框架
为了更好地解决和规避数字化转型中的潜在问题，企业还需要清晰地了解自身真实的状况，通过数字化转型核心能力的构建，以前瞻性的视角与洞察，制定符合企业实际情况的具体方法与路线。
战略规划能力。数字化转型的规划应该是三年一规划，一年一滚动，企业需要站在长期发展的战略高度，根据企业自身需求、产业链中的地位、企业的实力及发展愿景，制定个性化的数字化转型策略。因此，企业必须具备从变革驱动、创新能力、组织架构等多维度勾勒企业数字化转型蓝图的能力。
数据能力。企业管理和决策的基础是数据，数据要真实、可靠、全面、及时，因此，数据也成为了信息爆炸时代的重要企业资产之一。那么，如何获取数据、传输数据、管理数据、发挥数据的价值，如何用数据来驱动企业的业务运作和正确决策，如何打造企业强有力的数据能力, 包含数据战略、数据架构、数据治理等成为了企业重要的关注点。
技术能力。面对数字化技术的日新月异，企业需要具备对技术的甄别能力、架构能力、应用能力以及整合能力等，结合实际情况进一步追踪技术趋势对于自身数字化转型的影响，并评估数字化技术深化应用对企业业务目标实现的价值。特别是在数字化技术提供商的选择方面，企业需要全面考核供应商的资质和能力，考虑产品之间的可连接、可扩展性等，确保给予企业数字化技术应用落地强有力的保障。
软硬件应用能力。数字化转型是数字技术对传统商业模式、业务模式、运用模式、决策模式等方面地重塑与再造，软硬件结合的应用能力以及整合能力是数字化生产活动的基础性设施，也是制造企业需要通过自身或者协同合作伙伴提升的必要能力。
知识与经验转化能力。数字化企业和传统企业存在截然不同的形态和运行方式，数字化转型是企业突破“舒适圈”的时代选择，需要企业在缺乏经验的状态下，耗费大量的时间与金钱不断探索未知领域，并将数字化转型的知识和经验固化，因此为了避免走很多“弯路”，企业需要具备建立自身数字化转型“know-how”的能力。
人才保障与资源供给能力。数字化/智能化转型需要培养技术与业务融合创新的复合型人才，高水平的数字化转型人才队伍打造是企业不可回避的问题。对于很多企业而言，可以借助优秀的服务商、专业培训机构，优化人才培养的知识体系。此外，为了有效推进数字化转型，企业需要理性看待数字化转型的效益，确保变革过程中的组织、资金等保障，资源的持续供给是数字化转型成功的重要条件。
“变局”：“人、机、料、法、环”场景联动
不同投资能力、不同管理现状、所处不同发展阶段、不同细分行业的企业在经历数字化转型变革时，所选取的路径、落地方案都是各不相同的。但对于任何企业而言，数字化建设必须是与企业管理相结合的，数字化转型的落地一定要匹配企业的管理流程和组织发展。
打造数字化工具到场景落地的完整数字化转型方案体系，软硬结合，有效管理“人、机、料、法、环”各关键要素，围绕生产制造各个环节进行全面管理，全面提升制造企业管理竞争壁垒，助力制造企业精益数字化转型。
制造运营管理体系的各个单元需要整体设计、紧密结合、环环相扣、持续优化，企业需要根据自身的特点，分阶段进行体系的搭建。其中，围绕生产制造各个环节进行“人、机、料、法、环”管理，搭建人员管理、设备管理、物料管理、事件管理、质量管理与安全管理等模块，实现生产运营指标实时监控、生产运营工作流协同管理、系统数据分析预测、企业知识库搭建与利用等功能，从根本上通过数字化手段减少信息传递和丢失带来的浪费，最大化利用生产资源，从而提升整体生产效率，降低制造成本，帮助企业实现数字化转型，全面建立竞争优势。
图 15 基于霍尼韦尔全方位优势打造的边缘侧与工业数据分析解决方案
人
场景一：人员管理
人员管理的范围通常包含一线操作人员、维修人员、一线员工、检验人员、仓库人员，通过全方位、多维度、可自定义绩效管理工具，将管理与人员绩效管理模型有机结合，兼具人员绩效管理结果及过程管控，帮助管理团队识别、分析提升绩效的维度及空间，实现人员工作效率、人力资源利用率、人员绩效全面性的稳步提升。
场景二：劳动力管理
通过对整体劳动效能指标的分析，可以清楚了解劳动力绩效，找出人员绩效改进的方向和办法，而分析劳动力绩效的基础是及时、完整、真实的数据。通过考勤机、排班管理软件、MES 系统等实时收集的考勤、工时和车间生产的基础数据，用数据分析的手段，可以衡量人工与资源（如库存或机器）在可用性、绩效和质量方面的相互关系。让决策层对工厂的劳动生产率和人工安排具备实时的可视性，通过及时准确地考勤数据分析评估出劳动力成本和服务水平，从而实现整个工厂真正的人力资本最优化和整体劳动效能的提高。
机
场景一：设备互联
推进工业互联网建设，最重要的基础就是要实现M2M，即设备与设备之间的互联，建立工厂网络。数据通过边缘侧进行清洗、加密和传输， 并结合设备工艺在本地边缘侧进行分析计算，提供智能边缘应用，实现设备间的信息孤岛打通，让设备管理更高效，更智能。
场景二：设备健康诊断
备数量多、故障频发、意外停机造成损失大、设备数据采集难等问题始终困扰着制造企业。传统的管理模式下， 基本依赖行业专家及有丰富经验的维修人员，工作强度大、维护成本高、新老传承难。随着技术的发展，数字化对设备管理提出了新的要求，设备运维也逐步从事后维修转变成预防性维护，甚至是预测性维护，这就需要实时监测设备状态，动态进行设备健康评估，快速异常识别及故障诊断，并快速响应提出维修策略。通过对设备的数据采集与分析，及时预警，降低设备故障率、减少备件损耗以及积累企业维修经验，将设备使用效率最大化。
场景三：模具管理
在模具管理方面，制造企业一直面临人工管理效率低、准确性差且无法实时定位等问题。在模具智能传感器搭载磁感计数、参数统计、智能定位等功能，并利用 NB–IoT /LoRa 等方案进行数据上传与资产定位，完成对设备状态、产能、利用率等各项参数的统计汇总，从而达到提升模具数据时效性与准确性，避免模具违规外放或调拨并可获得准确的模具完整履历的管理要求。
料
场景一：物料管理
物料拣选、配送的准确性及物料交付的周转时间是企业物料管理的关键。通过AGV、WMS 仓储管理系统、WCS 设备控制系统、语音拣选系统等数字化技术的应用进行拉动式物料管理，打通仓库与生产现场，大幅提升管理效率与库存周转率。
场景二：智能仓储
在竞争激烈的市场环境中，原料和成品流通的各个环节都在利用多种新兴的策略和技术来缩短与生产端与客户端的时间和距离，如线边库、自动化仓储等，以优化效率，提升客户满意度。利用软硬件相结合的智能仓储解决方案， 制造商可优化原料配给和成品配送，提高生产率，帮助企业提升竞争优势并优化运营绩效。
通过灵活高效的输送机、分拣系统、码垛机，机器人和自动存取设备的恰当组合，物料的出入库、储存、拣选和库内流转，可实现自动化的控制和管理。结合高度产品化和高度可配置的 WMS/WCS 仓库管理和执行软件， 将上下游系统打通，精益化管理仓库，并提升作业效率和准确率。
法
场景一：视觉检测驱动质量管理
随着智能制造的热潮，市场对于机器视觉的需求也将逐渐增多。条码辨识、产品检测、外观尺寸检测等都是机器视觉检测技术可以发挥的领域。特别是在 3C、汽车、医药、钢铁、快消等行业，检测数量大、效率要求高、标准严格，传统的方式很难实现。通过工业视觉分析模型，为生产和质检过程提供高效反馈，有效提高工作效率，提升产品良率，降低报废成本。
如3C 配件检测、PCB 检测、涂装检测、零配件检测、试剂瓶检测、胶囊检测、钢铁表面检测、密封性检测、包装检测等多制造业场景，需要包括缺陷检测、OCR 识别、工业级解码等模型、算法，以及智能相机、工业级扫描等智能终端。
场景二：工艺参数优化
随着信息技术和自动化技术的不断进步，工艺控制和优化已逐渐成为制造企业质量控制的重要手段。在加工过程中，通过对设备加工状态，如工艺参数、生产环境数据的监控，建立状态改变对于加工质量影响的数学分析模型，通 过趋势分析预测加工质量的异常，并能够迅速采取措施，调整设备工艺参数，形成监控 – 分析- 调整- 优化的闭环， 防止废品、残次品产生。
环
场景一：个人安全防护
工业安全性已经成为制造企业需要关注的重要问题。作业过程中的危险操作、不规范操作将产生严重的安全隐患，导致操作人员的人身安全难于得到保证。除了呼吸防护、足部防护、眼脸及头部防护、听力防护、身体防护、坠落防护、电力安全等产品外，还需要个人安全防护设备可视化监测及合规管理系统，不断拓展安全管理所及范围，形成高效、精准、低成本的预防管理模式。
场景二：环境安全管理
环境安全即健康、安全与环境HSE 管理。通过风险管理、合规管理、能源管理等，实现安全行为率上升， 风险评估准确率上升，以及能耗成本的下降。
针对气体探测的安全管控环境，覆盖日常生产、危化品仓储运输、应急救援能多场景，为生产、环境和员工安全提供实时保障。通过气体监测软件平台实时监控与报警，对气体扩散进行分析与模拟，提供救援支持。
针对能源管理，对生产环境指标及能耗数据进行全面收集与监控，并通过多维度能源预测模型，动态优化能耗指导生产，降低生产成本。
数字化转型征途漫漫，制造企业需要针对各自的产业优势，按照因时、因地、因业、因企原则，以灵活多样的商务模式及部署形式提供高度及深度定制化的方案，帮助制造企业构建管理竞争壁垒，提升数字化转型能力，进而顺利实现精益数字化转型。
本文摘自霍尼韦尔精益数字化研究院、e-Works 研究院推出的《智能制造白皮书：卓越运营赋能制造企业数字化转型》，全文下载：
