智能制造新工具：自动持续优化

智能制造新工具：自动持续优化1智能制造新工具：自动持续优化 一、简介 2二、智能制造进入关键 “窗口期” 32.1 工业4.0发展阶段及核心 42.2 智能制造发展趋势 52.3 制造企业面临的挑战 7三、自动持续优化：支持复杂优化任务的技术解决方案 83.1 自动持续优化概念内涵 93.2 自动持续优化的价值体现 10四、制造业自动持续优化应用案例 114.1 自动持续优化重点技术及发展趋势 124.2 行业应用案例 13汽车及零部件 13电子和半导体 15精密仪器 17装备制造 18新能源设备 19物流仓储 20五、结语 22尾注 24目录2智能制造新工具：自动持续优化 | 简介 一、简介疫情加快智能制造发展进程，工业互联网、大数据分析、人工智能等技术与先进制造技术深度融合，全球智能制造市场预计将在2028年达到5,762亿美元， 2021 年到 2028年复合年增长率预计将达 12.7% 。智能制造进入关键“窗口期”，并呈现出自动化、数字化、规模化、生态化、绿色化的发展趋势。同时，在智能化转型路上，制造业企业面临多重挑战：提升敏捷性以应对劳动力短缺和供应链不稳定，缩短产品上市周期同时保障并提升产品质量，打造技术的产品化和集成化能力以部署智慧工厂，实现上下游之间的连接与协同，以及满足日益严格的ESG合规要求。面对上述挑战，制造企业孜孜不倦寻求产品设计、生产流程、供应链的优化。当数字技术和数字治理成为制造企业管理未来工厂、理解数据、并保持竞争力的必要工具时，自动持续优化概念应运而生。本报告提出的制造业的自动持续优化在原有的制造业优化概念基础上，更强调基于数据分析洞察找到最佳替代方案，借助数字孪生、深度学习、智能化设备等实现精准执行，其核心为更加高效、无人为干预、可持续的优化能力。自动持续优化不仅可以减少人力、能耗和设备运维成本，也更新了商业价值的定义与框架，我们可以从财务指标、运营指标、绩效改善三个维度思考自动持续优化所开启的商业价值和机会。结合制造业面临的挑战和以上三个维度的分析，自动持续优化的商业价值可以体现为效率优化、质量优化、成本优化、供应链优化和品牌优化。本报告还讨论了一组赋能自动持续优化的技术，展示了基于这些技术的优化创新解决方案如何创造价值：当物联网传感器收集数据时，结合工业知识和人工智能算法，全面分析大数据集并利用丰富的数字环境实现制造业效率、成本、质量、供应链、品牌的优化。3智能制造新工具：自动持续优化 | 智能制造进入关键“窗口期”二、智能制造进入关键 “窗口期”早在疫情爆发之前，制造商就已经开始采用各类技术向智能制造转型，但毫无疑问，这一趋势受疫情影响大幅加速。后疫情时代意味着未来很长一段时间内，人力、资源、货物流通仍然受限，促使许多制造商加快自动化和智能化部署。许多业内人士认为，疫情将工业自动化进程提前了5年甚至10年。另一方面，作为工业4.0核心的智能制造经历从初期理念普及、试点示范阶段进入当前深化应用、全面推广的关键“窗口期”。伴随着工业互联网、5G、大数据、人工智能等技术与先进制造技术的深度融合，智能制造呈现出自动化、数字化、集成化、生态化的发展趋势。同时智能制造发展也面临供应链震荡、劳动力短缺挑战，以及过去涉及未深的柔性生产、工艺优化、ESG合规等业务难题。4智能制造新工具：自动持续优化 | 智能制造进入关键“窗口期”2.1 工业4.0发展阶段及核心工业4.0代表工业革命的第四次浪潮，区别于前三次工业革命，其根本变化是通过物理技术和数字技术的融合实现生产系统的有机整合，进而实现生产过程的智能化，大幅提升人类生产力。德国国家科学与工程院提出工业4.0成熟度模型，将工业4.0发展分为计算机化、连接性、可视化、透明化、可预测及自适应六个阶段（图表1）。图表1： 工业4.0成熟度模型及智能制造对应阶段来源：德国国家科学与工程院、德勤研究 • 阶段一：计算机化。工业企业内部建立多套信息化、自动化系统，通过计算机高效处理重复性工作。但不同系统在企业内部独立运作，尚未实现互联互通。 • 阶段二：连接性。把孤立的计算机化的设备和信息系统互联互通。此时企业通过加装传感器和API接口等，实现操作技术（OT）系统和信息系统（IT）的连通性和互操作性。 • 阶段三：可视化。通过现场总线和传感器等物联网技术，企业捕获大量的实时数据，建立起工厂的“数字孪生”，看到工厂各类生产信息， 从而进行管理决策。 • 阶段四：透明化。利用大数据分析工具和机器学习，分析生产过程的各类问题，了解事件发生的原因，从而实现生产过程透明化。 • 阶段五：可预测。将数字孪生投射到未来，模拟不同情景并对未来发展进行预测，适时做出决策和采取适当措施。 • 阶段六：自适应。工业4.0最终达成的状态，当企业能够了解现状、分析原因、预测未来，就可以根据生产流程，对未来将要发生的事情自动化处理，通过持续的自优化实现自主响应，从而适应不断变化的经营环境。在工业4.0大潮下，制造业再次成为提高生产力、带动经济增长的动力，并经历数字化、网络化升级，逐步向智能化方向发展。完善的智能制造系统将可以覆盖全产品生命周期的价值链，利用先进的数字技术和制造技术实现灵活智能的制造流程和服务模式；同时通过实时获取的信息进行精确预测，基于成本、资源消耗、可用性等各种指标持续优化操作。智能制造也成为各国制造业的主攻方向：美国提出先进制造业国家战略计划，德国提出的工业4.0战略及落地方案，日本提出工业价值链计划，中国也于2015年发布了《中国制造2025》，尽管各国战略各有侧重，但目的都是以新一代技术推动产业升级和产业链重构，抢占新一代制造业制高点。工业智能制造4.0计算机化数字化网络化智能化连接性可视化（看见）透明化（理解）可预测（应对）自适应（持续自优化）5智能制造新工具：自动持续优化 | 智能制造进入关键“窗口期”随着工业互联网、5G、大数据、人工智能等技术与先进制造技术的深度融合，全球针对可持续发展的政策及投资的推动，智能制造呈现出自动化、数字化、规模化、生态化、绿色化的发展趋势（图表3）。新一代智能制造的特征表现在制造系统具备“学习”能力，通过深度学习、增强学习等技术的应用，制造领域的知识产生、获取、应用和传承效率将发生革命性的变化。智能制造的最终目标是实现零故障和预测性生产系统，并在无忧的生产环境中以低成本快速实现用户的定制化需求。图表3：智能制造发展趋势来源：德勤研究图表2：全球智能制造市场规模（亿美元）来源：Fortune Business Insights, 德勤研究2.2 智能制造发展趋势2021年全球智能制造市场价值2,459亿美元，预计到2028年将达到5,762亿美元，2021年到2028年复合年增长率预计将达12.7%。智能制造市场的主要驱动力包括工业4.0的日益普及、制造过程中对工业自动化的日益重视、政府对支持工业自动化的参与度增加、供应链的复杂性增加以及对减少时间和成本的软件系统的需求激增（图表2）。疫情引发制造业重新评估生产流程，推动其数字化转型和智能制造实践，如采用智能化质量控制、以自动化代替人力、供应链数字化转型等。未来智能制造部署主要受实时数据分析和应用需求增长的驱动，物联网和人工智能成为智能