装备制造业包括电子设备、汽车制造、金属制品，通用设备等多个细分，行业整体数字化发展呈现以下几点趋势：

趋势一：从“增量时代”进入“存量时代”，数字化转型成为行业共识

过去几十年，我国装备制造行业从无到有，从小到大，从指数增长的增量时代，进入优化升级的存量时代。在当前阶段，装备制造业面临出诸多新的发展挑战：资源要素价格上升、环保要求提高；市场竞争持续加剧，不仅要与传统装备制造企业抗衡，还面临新兴技术型企业和数字巨头企业的挑战；全球范围内制造强国仍具有高技术优势，国际产业呈现转移态势。无论在需求端还是供给端，国内装备制造企业的发展面临一定的压力。面对行业增速放缓、 内外部环境变化，叠加国家政策的鼓励与引导，数字化转型已经成为装备制造企业的迫切需求，以数字驱动企业壮大新增长点、形成发展新动能成为行业共识，对数字化转型企业不再思考是否“需要做”，开始思考和布局“怎样做”。

趋势二：物联网应用日益广泛，在线数据大量丰富

装备制造企业在数字化转型方面纷纷进行尝试，通过生产制造环节引入基于物联网技术的各种先进生产设备、工业机器人，并应用基于智能生产联动系统的设备互联与数据互通解决方案，逐步打通各环节生产信息，实现从生产制造及相关各种可用信息被实时捕获，提高制造的可视性，使生产过程的每一步都能“看到”，每个生产单位都能掌握，实现对资产，流程，资源和产品进行虚拟跟踪。

行业领先企业在物联网的应用方面不断推进，在德国安贝格的西门子电子制造工厂，机器和电脑自主处理75％的价值链，约有1000台自动化控制器正在运行。正在生产的零件通过产品代码与机器进行通信，产品代码告诉机器他们的生产要求以及下一步需要采取的步骤。员工主要负责监督生产和技术资产，包括处理突发事件。在GE的Durathon电池工厂，10，000多个传感器实时测量温度，湿度，气压和机器运行数据。这不仅提供了实时监控生产和调整过程的机会，而且还可以追溯电池性能，回溯到特定批次的粉末以及过程中的每一步。

物联网的应用使装备制造企业在线数据大量丰富，对设备状态、故障频率等各类生产信息实时把我，为企业生产经营决策提供充分的可见性，为简化业务流程、及时发现生产过程中潜在问题、提高产品质量和降低成本提供可能。

趋势三：以数据中台为载体，全面提高业财数据可用性

数据是数字化转型的基础，大部分装备制造虽然有相对完善的业务系统，但尚未建立覆盖全流程、全产业链、全生命周期的数据链；内部数据资源散落在各个业务系统中，形成“数据孤岛”；企业内部数据与外部数据融合度不高，无法及时全面感知数据的分布与更新。

数字化转型进程中，企业重视数据基础的完善，建立数据中台实现数据集成，打通数据通路，聚合从产品系列、客户、渠道、合同类型、币种核算、成本结构等等信息，将销售、生产、采购、研发乃至人力、财务各个部门的数据贯通，从交易运作的源头获得数据信息。把核算系统、ERP系统、CRM系统、采购系统以及各类的前端交易系统等打通，实现高效的数据采集与数据清洗。把财务数据与业务数据打通，把客户数据与运营数据打通，把内部数据与外部数据打通，把结构化数据和非结构化数据打通，全面提高数据的可用性，为后续数据的场景化应用打好基础。

趋势四：数据驱动的场景化解决方案纷纷出现

企业在生产经营过程中遇到的面临各类问题，以往这些问题的回答需要依赖管理层个人经验，在数字化转型的背景下，企业需要基于数据和模型来发现和解决问题，通过场景化解决方案解答一系列难题，例如：产品的小批量、单件化生产，如何高效满足客户技术、交货需求，合理调配产能？生产过程中涉及到大量零部件，如何优化生产流程、发现生产环节问题，提高生产管理能力？新产品、定制化产品的开发设计对生产成品影响大，如何在产研设计阶段准确预测生产成本、新产品（项目）收益率？面对这些问题，各种场景化解决方案纷纷出现：

产供销平衡测算：以计划管理为抓手，以市场需求及销售端信息为牵引，快速指导生产端所需生产的产品型号、批量、交货期等，并结合产品BOM信息、库存情况，指导企业进行物料采购，实现销售、生产和采购联动。

智能排产：自动分解客户需求，把握企业各厂房或生产基地产线、产能情况，快速根据客户需求变化灵活排产，无论是定制化产品制造、多品种小批量生产还是标准大批量生产，都可以通过系统模型快速计算，协同各相关部门信息，实现生产计划随订单变化及时调整，产能充分发挥利用，优化复杂的车间层运作，实现产出和整体效率的最大化。

项目制造管理：预算管理以项目为单位，协同多个相关部门编制预算，在项目执行过程中按组织、按明细项目或按标准实现预算管控，实施监督项目开支情况，及时跟踪和对比分析。同时实现项目预算与企业年度预算打通，在项目预算变更、滚动预算等情况下，保持预算科学合理。

趋势五 ：人工智能深度应用，企业决策模式发生改变

随着以数据为基础的深度学习的飞速发展，人工智能技术已逐渐渗入企业管理和组织决策中，人工智能的应用转变了装备制造企业决策模式，相较于传统管理报告延迟、遗漏、易错的固有问题，人工智能决策模式则有更强的实时性，更细的颗粒度，更高的统合性，通过大数据、机器学习等前沿技术，将企业的实际问题转化为数学模型求解，解决生产、仓储、配送、销售等一系列场景中的优化问题，智能排查经营漏洞、生成策略、选择策略，实现数据驱动的人工智能决策。

趋势六：商业模式发生变革，产品中心向客户中心转变

在传统的工业技术体系下，装备制造企业商业价值的创造以产品为中心，重点关注产品的生产制造效率、产品质量，随着市场要求不断提高，企业从单纯的设备供应者转变为整体方案的解决者，从提供标准化产品转变为提供多样化定制化产品，相应的产品和服务的内在逻辑也发生转变。从“以产品为中心”转向“以客户为中心”，倒逼企业更密切的与市场、与客户打通信息，通过数字化手段提升自身实时洞察能力，为客户参与产品设计、生产、制造、服务等全生命周期打造良好体验环境。

在设计方面，通过运用云计算、数据孪生等技术，将研发设计产品信息进行数字化、可视化表达，整合供需双方设计资源，推进产品落地；在个性化定制方面，通过客户交互平台和资源平台，推进敏捷开发、柔性制造及精准交付模式，实现企业研发、生产和服务数据贯通，促进供需精准匹配；在智能化制造方面，以数字化为核心，采用智能手段突破生产制造中的瓶颈问题。

趋势七：数字驱动成本管理由传统模式向精益管理转变

数字化驱动推动企业建立成本信息库，搭建成本测算、分析模型，结合装备制造企业精细化成本核算和多维盈利分析等业务特点，实现研发、生产、采购、销售全价值链的端到端的全场景成本管理，实现精细化的全成本管控和分析。通过目标成本管理、标准成本管理、作业成本管理、成本预算预测等多角度管理测算实现管理的评价闭环。

在销售定价决策过程中，装备制造企业对成本信息的要求继续提升，新产品的定价、定制化产品的价格决策都需要细化的成本信、成本模型。通过应用数据及建模技术，快速搭建成本测算模型，并根据历史成本信息、代表机型BOM、最新物料采购价格等，快速测算产品成本，帮助企业及时报价，在市场竞争变化的环境下帮助企业在竞标中急速占领优势。

在目标成本管理方面，以历史成本数据指导企业制定目标成本，降本额科学合理分解至各业务环节、各产品、各项目，明确单台降本额，让企业降本增效的战略落实到日常的业务订单之中，实现成本信息可查可控。

在成本精细化核算方面，以产品为中心的损益计算成为主流，按照一定的规则分摊工与费至单个工单，按照工单计算制造件单位成本，根据BOM由下至上卷积产品生产成本（料、工、费），计算单个工单产成品实际成本；根据分析与管理需求，汇总单个工单形成按产品、项目、工序、组织等多维度的实际成本数据。

趋势八：企业数据边界打通，产业链上下游密切协同

装备制造企业通常面临供应链生产环节原材料库存成本增加，供货不及时，无法及时应对客户的需求等问题，在数字化转型过程中，数据驱动企业突破边界，与上下游企业数据联通融合，加强产业合作，增强风险预警和应急处置能力。例如汽车行业，在新车型开发过程中，整车厂与上游企业信息共享，除了提出零部件研发的技术要求外，整车厂新车型的生命周期、未来几年市场销售量、目标区域等信息也会同步至上游零部件供应商，零部件供应商通过这些信息对产研项目进行盈利测算，计算量产后单台零部件生产成本及所需承担的研发费用，从而更合理的进行报价决策和研发、生产安排。

数据驱动下核心企业与其供应商实现采购、物流、配送及销售的协同管理，提高企业间沟通效率，降低沟通成本，全业务流的智能化、透明化和数据实时化，实现全部零部件的全流程质量追溯，减少各种重复录入工作，提升物流效率与运转质量，确保生产排程合理性与交期和质量，实现企业间协同效率提升。

扫码回复： 电子刊，领取资料包