发帖
雷达卡
基于互联网及大数据的智能制造体系
制造企业转型升级
肖静华，毛蕴诗，谢 康
[ 摘要] 本文提出一个基于互联网及大数据的智能制造体系概念模型与管理理论框 架，认为该体系由基于互联网及大数据的智能活动、核心智能制造能力、智能制造的知 识管理活动，及基于互联网与大数据的智能联盟四个基本子系统构成。与 CIMS 和以往 的智能制造系统不同，基于互联网及大数据的智能制造体系将消费者与智能联盟纳入到 体系中，成为企业与消费者、与合作伙伴协同演化动态能力的重要基础。企业与消费者、 与合作伙伴协同演化动态能力，又构成企业智能制造转型升级的关键能力。中国制造业 应抓住人口大国、市场活力、互联网应用领先优势与智能制造体系深度融合的发展机遇， 实施智能制造设备的追随与智能制造应用知识管理差异化的二元竞争战略，通过“中间 突破、两端发力”的转型升级路径，实现中国制造业由大变强的转变，推动中国制造进 入世界制造的第一梯队。
[ 关键词 ] 智能制造体系；互联网；大数据；转型升级；协同演化动态能力
[ 中图分类号 ] F424.3 [ 文献标识码 ] A [ 文章编号 ] 2095-7572(2016)02-0005-12
一、问题的提出与文献回顾
制造业不仅是国民经济的主体，而且是经济长期竞争力的体现，国家间的制造业能力差异能 够解释国家间收入差异的 70%（Hausmann et al., 2011），表明制造业本身蕴含的生产能力和知识
[ 收稿日期 ] 2016-02-16
[ 基金项目 ] 本文是国家社会科学基金重大招标项目“食品药品安全社会共治的制度安排：需求、设计、实现与对策研究”
（14ZDA074）、国家社会科学基金重点项目“我国传统产业向中高端转型升级的动因、路径与对策研究”
（15AZD003）、国家自然科学基金项目“供应链协同中信息系统的治理价值研究”（71371198）的阶段性成果。
[ 作者简介 ] 肖静华，女，中山大学管理学院副教授，中山大学信息经济与政策研究中心副主任，研究方向： 企业互联网转型管理、供应链信息系统价值、电子商务； 毛蕴诗，男，中山大学管理学院教授，博士生导师，中山大学企业与市场研究中心主任，研究方向：企业转 型升级管理； 谢康，男，中山大学管理学院教授，博士生导师，中山大学信息经济与政策研究中心主任，研究方向：信息 经济学、企业互联网管理、电子商务。积累是国家长期发展绩效的关键（黄群慧和贺俊，2013）。2014 年，中国工业增加值达 22.8 万亿元， 占 GDP 比重达 35.85%。2013 年，中国制造业产出占世界比重的 20.8%，在 500 多种主要工业产 品中产量位居第一的约占 44%。中国已连续 4 年保持世界制造业第一大国地位，但中国制造业大 而不强的现实也是共识，仅有 16% 的企业进入智能制造的应用阶段（任毅和东童童，2015）。为此， 中国政府发布《中国制造 2025》计划，力图实现制造业由大到强的转变。
《中国制造 2025》将智能制造定位为中国制造业实现由大变强的主攻方向，及工业化与信息化 深度融合的主攻方向。智能制造的这一战略定位，本质上与德国工业 4.0、美国工业互联网、日本 全球智能制造合作计划，及欧盟 IMS2020 计划的定位是一致的。然而，目前国内外有关智能制造的 研究主要侧重于技术和工程实现领域，及产业政策和策略研究领域（杨叔子和丁洪，1992；周济， 2015），对智能制造的经济管理理论研究尚处于起步阶段，尤其对作为智能制造核心的智能制造体 系在互联网及大数据情境下的经济管理理论研究更加薄弱，因而，难以为互联网环境下的企业智能
制造管理实践提供有力的理论指导和政策干预。鉴于此，本文聚焦于探讨互联网及大数据情境下智 能制造体系的理论框架，在此基础上对基于智能制造的中国企业转型升级战略及策略提出政策建议。
智能制造系统的发展，一般沿着智能装备单一技术点智能化、面向智能装备的组线技术、 高度自动化与柔性化的智能生产线、基于中央管控和智能调度的智能工厂、异地协同的智能联盟 的路径发展。因此，从智能制造系统的技术基础和实施规模来看，智能制造系统可以划分为装备 级、生产线级、车间级、工厂级和联盟级（杜宝瑞等，2015）。德国工业 4.0 提出以信息物理系统
（Cyber-Physical System，CPS）为基础，由智能工厂、智能生产和智能物流三个子系统构成的互
联网环境下的智能制造框架，将 CPS 作为智能制造的底层基础设施，力图引导德国成为智能制造 技术的主要供应商和 CPS 技术及产品的领先市场（王钦和张隺，2015）。可以说，德国工业 4.0 的 内涵与中国政府提出的工业化与信息化深度融合本质一致，都是力图在底层或应用层实现制造技术
与信息技术的深度融合。美国提出的再工业化或工业互联网则是基于美国在互联网技术领域，尤其 在智能制造领域的全球竞争优势提出的，通过互联网与制造业的紧密结合，以数据整合实体来推进
智能制造（王钦和张隺，2015），本质上也是推进工业化与信息化的深度融合，只是美国依据自身 优势选择了与德国不同的实施路径。
智能制造的本质，是通过信息技术与制造技术深度融合实现自感知、自诊断、自优化、自决策、 自执行的高度柔性生产方式（宋利康等，2015）。或者说，智能制造是从独立设备的机器智能到制 造过程系统智能演进发展的生产方式，具有动态感知、实时分析、自主决策和精准执行四个典型特 征（王淼和王湘念，2015）。智能制造体系（Intelligent Manufacturing System, IMS）就是建构在制 造技术与通讯信息技术深度融合基础上的集感知、分析、决策和执行于一体的智能化制造体系，力 图解决以往工业化进程中人类脑力劳动自动化效率低的难题。在 1870 ～ 1980 年的 100 多年工业化进程中，生产过程效率提高了 20 倍，但生产管理效率只提高了 1.8-2.2 倍，而产品设计仅提高了 1.2 倍（杨叔子和丁洪，1992）。智能制造的目标之一就是提高人脑的自动化，智能制造体系唯有与人 的智能活动联系在一起，才构成真正意义的智能制造体系，因为智能制造技术的应用和执行过程就 是制造技术与企业战略、营销和管理工作的系统性协调变革过程（Lester，1998）。
首先，在从刚性自动化到大规模制造，再到柔性制造的过程中，由于忽视人在产生高效、高 性能生产系统中的关键作用而导致计算机集成系统（CIMS）发展出现了难以逾越的障碍（路甬 祥和陈鹰，1994）。CIMS 难以解决人与自动化之间的技术矛盾，无法将两者集成在一起，企业 能做的选择或是昂贵的全自动化生产线，或是手工操作，缺乏人力与制造设备之间的相容性（赵 东标和朱剑英，1999）。因此，2013 年 GE 与亚马逊、埃森哲及云平台企业 Pivotal 共同创立的工业互联网，特别强调智能机器、高级分析与工作人员三者的深度融合，关注生产设备的智能化、 机器与机器的融合，及人与机器的融合（宁振波，2015）。
其次，人工智能以“自主”系统为主线的研发路线，开发出大量的独立专家系统，形成了大
量的“智能孤岛”。20 世纪 90 年代初美国采用的柔性制造系统中有 20% 的设备没有投入实际使用， 主要就在于这些设备与企业管理和员工能力不匹配（Koren，2008）。因此，全球领先的制造企 业在加大智能制造技术投资的同时，也开始加大对人力资本等互补性资产和企业能力的投资，因 为员工知识和管理能力在智能制造中的重要性日益提高（黄群慧和贺俊，2013）。这也是为什么 德国工业 4.0 特别强调系统配套和人的能力的发展，强调组织设计、员工培训与知识要素重组等 配套方案的原因（黄顺魁，2015）。
最后，互联网提供了基于网络的原型、虚拟产品测试和虚拟市场测试等多种方式，使企业 可以将消费者或客户的集体智慧融入创新过程中（Sawhney et al.，2005），使制造企业借助智能 化集成提高人类脑力劳动的自动化效率成为可能，而且互联网环境下消费者的增权过程，使智能 制造需要将更广泛的人的范畴纳入智能制造体系中。由于消费者是重要的创新资源，制造企业 通过建立开放式创新的商业模式为消费者创造价值（Chesbrough & Rosenbloom，2002；Chatterji
& Fabrizio，2014），因此，互联网环境下企业战略管理需强调知识创造，需打破现有企业战略 管理的边界，将消费者作为企业资源纳入到战略管理中，构建用户资源观（Adner & Kapoor， 2010，2012；Priem et al.，2013；王钦，2014）。同时，在企业动态能力基础上，互联网环境下 的企业需要强化与消费者协同演化的动态能力，捕捉变化能力、适应变化能力和引导变化能力构 成企业与消费者协同演化动态能力的三种具体形式（肖静华等，2014）。
可以认为，智能制造体系是人机一体化的混合系统，将机器智能和人的智能紧密地集成在
一起（王淼和王湘念，2015）。基于互联网及大数据的智能制造体系（IMS based on Internet and Big Data，IMSI&BD），则是将更广泛的人的智力因素与制造技术的智能因素紧密融合在一起。这 种结合为中国制造企业实现战略性转型升级既带来了挑战，也提供了机会。
一方面，中国制造业大国地位正在受到全球智能制造体系的挑战。首先，在全球竞争中，美、 德、日等发达国家普及应用 IMS 后，国际价值链对发展中国家廉价劳动力的依赖将大幅降低（杨 叔子和丁洪，1992），从而减少对发展中国家的国际直接投资，导致发展中国家制造业的劳动力 比较优势难以与国际技术资本结合，因此，对中国的制造业发展构成严峻挑战（黄群慧和贺俊 2013）；其次，在产业基础上，中国制造业总体制造水平参差不齐，工业 2.0 与工业 3.0 并存（王
钦和张隺，2015；徐广林和林贡钦，2015），且物流成本高，从原材料到终端产品有超过 90% 的时间用于运输、仓储、包装和配送等物流环节（张宝华，2010）。在这样一个不同基础的企业 并行发展的情境下迎接智能制造体系的嵌入，具有引进、消化和吸收的高不确定性风险；
另一方面，IMSI&BD 的迅猛发展，为中国制造业由大变强提供了难得的发展机遇。大规模生 产造就了美国工业强国的地位，柔性制造实现了日本制造业的赶超（黄群慧和贺俊，2013），中 国制造业能否借助 IMSI&BD 发展机会，实现从世界制造第二梯队进入由美、日、德组成的第一梯 队的战略目标，成为摆在中国制造企业及中国政府面前的一个机会选择。以下三方面因素使中国 制造业有机会跃升到世界制造业第一梯队中：一是以 BAT 为代表的电商平台推动着中国互联网 尤其是移动互联网应用领先全球，中国不仅成为全球最大的电商市场，而且成为全球最大的机器 人市场，具有将全球最先进的制造技术及设备引进、消化、吸收和再创造的市场活力。尽管美、 德、日的智能制造产业体系相对成熟，但缺乏中国这样庞大的互联网应用市场；二是中国人口规 模优势，地域广阔，文化多样性且消费偏差大，消费者广泛参与应用性研发活动，为大数据形成及应用于智能制造体系提供了全球独一无二的社会实验场境，有利于形成中国智造品牌和应用产 品创新；三是中国工业体系相对完善。可以说，中国制造业既部分兼具美、德、日的制造优势， 又部分具备它们各自不具备的优势，有利于互联网及大数据与智能制造体系在中国的深度融合。 总之，市场活力、人口规模、互联网应用领先优势与智能制造体系之间的深度融合，构成中 国借助智能制造浪潮跃升为世界制造强国的历史机遇。因此，构建 IMSI&BD 的管理理论，不仅可 以深化对 IMSI&BD 发展规律的认识而具有理论价值，而且对中国制造企业实现战略性转型升级具有实践意义。
二、基于互联网及大数据的智能制造体系及管理
从技术视角看，IMS 的研究主要包括智能活动、智能机器，及两者的深度融合技术，其中 智能活动是问题的核心（杨叔子和丁洪，1992）。从管理视角看，IMSI&BD 的研究主要包括五个 部分，即以消费者或客户活动为核心的智能活动、IMSI&BD 的二元能力管理（个性化定制与大规 模制造之间的灵活性与效率）、集成式智能化 PMC 平台的知识管理、与 IMSI&BD 匹配的 C2M 战 略与组织变革，及 IMSI&BD 的二元能力与组织的二元能力之间的协同演化，由此形成如图 1 所示 的 IMSI&BD 管理理论研究框架。
图 1：IMSI&BD 管理理论研究框架
首先，以消费者或客户活动为中心的智能活动，强调消费者或客户是创新来源（Boudreau & Lakhani，2013），构成 IMSI&BD 与之前的计算机集成制造系统（CIMS）和 20 世纪 90 年代以来 的智能制造体系的显著差异。随着自动化从刚性自动化、柔性自动化到智能自动化，制造模式也 从单件生产模式、大批量生产模式、多品种小批量生产模式到变品种变批量生产模式的演进（王 天然和刘海波，2000），但这些制造活动均只关注产品生产过程本身，制造与消费者是脱节的（杨 叔子和丁洪，1992）。可以说，CIMS 关注连接生产线中的单个自动化子系统，属于提高制造效 率的技术集成，20 世纪 90 年代以来发展的智能制造系统虽然强调人的因素，但其中人的范畴主 要限于制造环节的操作人员和管理者。同时，尽管 CIMS 和 90 年代发展起来的智能制造体系强 调“以客户为中心”，但企业的创新活动往往是从企业视角来看待消费者的需求，而非真正的消费者需求（王钦和张隺，2015）。然而，互联网环境下消费者对企业运作管理的参与度逐步加深，改变了以往的商业模式及运作模式（肖静华等，2014），智能制造系统由此需要从内部封闭的智 能活动转变为基于互联网及大数据的开放环境下的智能活动。在 20 世纪 90 年代以来智能制造体 系的基础上，形成了新一代的智能制造系统——IMSI&BD。IMSI&BD 的基本结构如图 2 所示。
京公网安备 11010802022788号
