裝備制造業為實現產業升級，需要產品與運營兩手抓。一方面通過研發的資源投入和產品的服務化拓展實現產品本身的迭代升級;另一方面，需要借力數字化、網絡化和物聯化等技術的發展，實現內部數字化運營能力和產業協同運營能力的階段性提升。
綜述
作為機械工業的核心部分，裝備制造業是先進生產力的代表和競爭力的關鍵，其發展程度已成為體現國家綜合國力的重要因素。
根據《中國制造2025》的“三步走”戰略目標：到2020年，基本實現工業化，制造業大國地位進一步鞏固，制造業信息化水平大幅提升。掌握一批重點領域關鍵核心技術，優勢領域競爭力進一步增強，產品質量有較大提高。制造業數字化、網絡化、智能化取得明顯進展。
基于這一戰略目標，裝備制造業為實現產業升級，需要產品與運營兩手抓。一方面通過研發的資源投入和產品的服務化拓展實現產品本身的迭代升級;另一方面，需要借力數字化、網絡化和物聯化等技術的發展，實現內部數字化運營能力和產業協同運營能力的階段性提升。
智能化產品升級
1研發先行
現狀：
作為集資金、技術和勞動為一體的密集型產業，裝備制造業在研發領域普遍具有專業性強、技術含量高的特點。從全球來看，裝備制造業相關的創新技術研究活動較為頻繁;并且，隨著大量新技術、新工藝的滲入應用，裝備制造業對研發的要求將不斷被強化。
借助人口紅利帶來的低勞動成本，我國裝備制造業在生產規模和速度上一度處于全球先進水平。但目前來看，我國的裝備制造水平仍舊處于“大”而不“強”的階段，低成本的比較優勢也正在逐漸消失，發達國家和新興經濟體正紛紛搶占制造業發展先機。究其根本，我國裝備制造業在部分關鍵領域和關鍵零部件的核心技術上受制于人的現象較為普遍(表一)，依靠設備進口和技術引進的發展模式勢必會受到國際貿易環境的牽絆。因此，提高關鍵技術的研發水平和創新能力是我國裝備制造業形成國際競爭優勢的必要要求。
表一：幾大重點裝備制造細分行業發展趨勢
措施：
根據2019年10月工信部等十三個部門聯合印發的《關于印發制造業設計能力提升專項行為計劃(2019-2022)的通知》，“強化高端裝備制造業的關鍵設計”被作為重點設計突破工程的首要任務(表二)。
表二：《關于印發制造業設計能力提升專項行為計劃(2019-2022)的通知》中關于裝備制造業的關鍵設計
一方面，以市場機制為紐帶，推動“產、學、研、用”一體化發展，是堅持創新驅動發展、加強創新體系和創新能力建設的一項重要內容。裝備制造業產業鏈長，各環節關聯性強，利用“產、學、研、用”的協同力量促進研發創新是必然選擇。在“產”的環節，企業應主動擔起主要行動者和執行者的角色;在“學”和“研”的環節，創新人才和研發能力的培養是重要推動力，推動從源頭上補足裝備制造業人才短板;在“用”的環節，通過有效的市場反饋、體驗參與和局部微創等方式，拉動創新系統的前進。
另一方面，裝備制造業應借力數字孿生、3D打印等技術，實現在產品設計、建模仿真、樣機制造和設計反饋等階段的數字化轉型。通過實現產品全三維數字化設計，建立產品工藝布局、加工流程、裝備和實驗等環節的虛擬仿真;通過五維仿真技術，補足傳統三維模型無法承載的作業環境的信息和時間維度信息，實現不同時間不同地理環境與產品的耦合動態。
2服務共贏
現狀：
消費升級的大背景下，中國社會的經濟形態正在經歷從“工業經濟”到“服務經濟”的轉型更迭。作為制造業與服務業深度融合的重點發展領域，裝備制造業不斷在探索“服務化”的發展路徑模式。但由于其所涉及到的設備復雜度和多元性，裝備制造業產業服務化的進程相對于其他產業較慢，行業內廠商更多的僅是將服務作為后市場層面“附加價值”的載體，還未實現“產品服務化”，甚至“活產品”的產業模式。
對于傳統的大型復雜裝備制造領域，例如軌道交通、航天航空以及船舶海工等，核心設備的檢維修都已逐步產業化，形成完整的后市場服務產業鏈，但這樣的服務更多是以針對特定產品的故障維修工作和定期的預防性維護工作為主，從而導致成本虛高、服務不及時性等多種問題的出現，整體后市場的服務質量和收益情況并不樂觀。
從市場需求來看，“成果性經濟”盛行的時代即將來臨，實體產品越來越無法滿足客戶的需求，除了單純的硬件產品，對產品相關的信息和數字化服務已經逐步從后市場步入前端需求;從產品的生命周期來看，裝備制造業產品由于其產品復雜度，在其工藝設計、加工制造過程、部件裝配過程、維護維修過程到再制造過程都需要產品制造商提供大量支持。因此，提供“成果”而非單純產品是裝備制造業“產品及服務”這一轉型路徑的重中之重。
措施：
隨著以傳感、識別、通信以及物聯技術為基礎的智能裝備制造業的大力發展，設備狀態的實時監控與數據采集逐漸成為可能。智能產品與平臺服務的連接，將實現以數據為核心的泛力生態系統。在“成果經濟”的推動下，數據和基于數據的洞察與決策將成為工業的價值驅動力，而作為企業能融入這一生態系統，將是立足數字化市場的根本。
例如，在產品使用過程中，裝備制造廠商可利用產品回傳的數據，有針對性地實現設備狀態信息、環境信息等各種數據的實時監控，再通過機器學習和大數據分析的推演，建立數理模型，對設備的健康狀況做出評估，并對可預測性故障發生頻次、程度等進行提前預測分析。
這些分析數據一方面可以提高內部運營的效率，增強市場響應能力，在指導產品備件的及時采購和產品可靠性的優化升級等方面均能產生決策性影響。
另一方面，也是更重要的，數字化價值鏈的形成需要各環節企業共同參與與決策制定，快速實現外部變化的根本是在專注自身核心競爭力的同時，開展并引導彼此的合作，而物聯生態系統則是促成合作的橋梁。設備數據的積累將逐步加速產品數據的資產化進程，利用設備監測與機器學習帶來的大數據資產，制造廠商可研制出設備全生命周期管理等服務方案，實現從設備產品提供商到 “活產品”提供商的轉型升級，成為可為客戶提供設備狀態監測、大數據分析等配套服務的合作伙伴。
數字化運營轉型
現狀：
高新技術的突破，促進裝備制造業發展提速。傳統裝備制造業的數字化改造是重中之重，這決定著中國制造業的整體價值。
大數據產業的快速發展，為裝備制造業注入新的生產源動力。一方面，大到全球性互聯網巨頭、咨詢公司，小到科技類創業公司，都在不斷探索“大數據+”等相關新興技術在制造行業中的數字化轉型解決方案;另一方面，工業巨頭也立足于深耕多年的產業鏈，擁抱新技術為生產運營帶來的紅利。在此格局下，“新制造”已經成為不可阻擋的未來。
相較于數字化發展如火如荼的零售業，裝備制造業在數據管理和分析能力上一直存在短板。因運營資本較重、運營流程復雜等原因，行業內企業信息系統眾多，系統管理相互獨立，數據存儲分散。因此，在運營的數字化發展上，裝備制造業仍然沉浸在將數據作為管理輔助工具的階段。
措施：
借鑒其他行業的先進管理模式，我們認為企業數據運營往往需要經歷三大階段(表三)。而作為數據化程度相對較弱的裝備制造業，需要通過前、中、后端的變革逐步實現階段性突破。
1后端：全量化大數據挖掘
所謂全量化大數據，則是相較于傳統的局部性小數據，綜合了圖像、音頻等非結構化數據，綜合了企業內外部不同來源數據的數據集合總稱。上一個十年，隨著ERP、CRM等企業系統應用的興起，裝備制造業的信息化水平大幅度提升，“業務數據化”的工作已逐步完善。雖然業務人員對數據有了一定的認識，但這種認識大多數僅停留在對業務系統中簡單結構化的理解上。因此，從兩個方向上拓展多元化大數據是企業數字化決策實現的基礎。
一方面，通過網頁和社交媒體等相關平臺中的數據獲取，可以幫助裝備制造企業打破2B局限，直面最終用戶。數字時代下，企業講求“以人為本”，客戶作為有溫度的個體，需求應當得到察覺并給予充分響應;裝備生產也一樣，最終落地的體驗還是在人身上。但相較于2C行業，裝備制造業很難直接獲取到較為明確的2C端市場用戶意愿。在全量化大數據的思路下，越過2B的屏障，直接通過人產生的數據理解群體思想，能更好地幫助裝備制造企業跳出2B的局限。
另一方面，裝備制造業涉及較多傳感技術與物聯設備，高效利用機器生成的數據，可以大大提升裝備制造業生產能力。智能化時代下，多種設備前端的數據收集系統已逐步自動化，加上物聯與互聯網的發展，龐大而豐富的數據源有待被開采。行業特點決定了行業優勢，通過采集設備的第一手數據搶占先機，將是裝備制造業智能化路徑的重要里程碑。
2中端：戰略性數據中臺
從數據處理層來看，以BW/BO系統為主的企業數據分析工具已在各行業被廣泛使用;但就實現情況而言，在裝備制造業，大部分的BW/BO應用僅能基于以ERP為主的業務系統數據，提供事后分析報表，這些報表大多強調業務的標準化和規范性。但由于市場需求多樣化和生產模式多元化的快速發展，這類標準報表已無法滿足企業發展所需的數據支持。在裝備制造業，系統數據各自獨立、數據服務效率不高以及業務訴求不匹配等問題成為常態。
隨著數字產業化逐步從C端走向B端市場，以Hadoop、Spark等分布式技術和組件為核心的“計算&存儲混搭”的數據處理架構為主體的數據中臺戰略，將在制造業興起并日漸成熟。數據中臺的出現使得企業對于多源異構數據的預測性分析、實時性分析和主動性分析成為可能。
3前端：場景化數據決策
在數據的前端展現層面，傳統的單一報表或簡單圖表輸出模式已無法滿足目前企業的業務決策。
在硬件與軟件的優化升級中，多樣化的數據展示應用已逐步形成，管理駕駛艙、即席分析、生產看板、自助報告、數據大屏、預警通知等，企業可以根據不同的使用場景，例如高管辦公室、會議室、生產車間等，選擇適當的數據展示方式。除了展示方式的場景化，數據決策過程的場景化更重要，不再是傳統的基于單向流程的基礎性數據展示，而是雙向的使用和反饋，并通過閉環的場景化過程形成新一輪的業務數據化，從而實現不斷優化的智能模式。
對于零售業和服務業等第三產業，往往更注重滿足“千人千面”的用戶個性化需求;但對裝備制造業來說，需要清晰地認識到，場景化數據決策的建立不僅僅取決于技術的發展，更重要的是需要對業務場景的明確把握。一方面，決策者應該明確將數據決策的過程嵌入運營環節，深入現場，而非閉門造車;另一方面，也需要在必要的時候借助業務專家對發展趨勢和業務重點給予專業的建議，從而真正實現從“數據輔助業務”向“數據驅動業務”的轉變。
表三：企業數據運營的三大階段
