B1C-T 德國進口TESTEM全系列SKM2-3

德國進口TESTEM全系列SKM2-3

德國漢諾威2019年4月4日消息  埃森哲“工業X.0”研究顯示，工業企業已探索出大規模開展數字化創新的高效方式，并顯著提升了數字投資回報率。這些企業不斷地進行規模化概念驗證，其效益大幅*平均水平。

埃森哲對13個行業的1,350名工業企業和*高管進行了調研，覆蓋了離散型制造企業及流程型制造企業。調研發現，盡管所有受訪企業都已邁入概念驗證階段并投資擴展其創新舉措，但只有約22%的企業達成了預期收益。

埃森哲大中華區數字服務董事總經理、工業X.0業務負責人江崇龍表示：“創新規模化對于企業實現數字化轉型至關重要，但顯然，很多企業尚亟需破解這一關鍵難題。我們的研究發現，工業企業中的者戰略意識。他們能充分利用管理實踐，明確需創造的價值，并聚焦于改革自身機構。對他們來說，雖然仍在推動創新規模化，但關注點已從項目數量轉變至實際成效。”

領業企業贏得出色數字投資回報

調研顯示，企業（占樣本量的22%）已對其超過半數的概念驗證進行規模化實施。這些企業期望自身行動所產生的回報*，同時他們不僅能普遍達到其高預期，而且往往可以超出預期。埃森哲的調研發現，平均來看，企業預期的數字投資回報率(Return on Digital Investment - RODI)為22.3%，但實際可達25.5%。

其他企業的表現遠遜于企業。屬于“追逐者”行列的企業約占65%，雖然他們概念驗證規模化的比例接近企業，但就回報來看，其實際結果(6.4%)并未達到其預期(7.2%)，且低于行業平均水平。而第三類“學習者”企業只能對其不到一半的概念驗證進行規模化，數字投資回報率為9.9%，落后于其目標值11.25%。

埃森哲“工業X.0”研究表明，企業的數字投資回報率超過了同行平均水平。

企業的四大行動秘訣：

本次調研還揭示了工業企業的成功秘訣，這些企業普遍采取了以下四大具體行動來推動創新規模化：

定義價值，創新：工業企業會評估當下機遇，并由高管理層鎖定需把握的市場機遇，然后基于這一明確的目標與中層管理者溝通，以解決“自上而下推動數字價值”以及“創新過程中的中層遇阻”兩大關鍵挑戰，從而推動創新舉措，確保實現預期回報。

著眼外部價值和內部變革：企業將技術轉型與組織變革相結合，避免兩者分離，從而打造出埃森哲所定義的“雙引擎”組織。63%的企業明確認同這是其發展目標，高于其他企業(54%)。

實現業務職能的全面創新：研究顯示，企業能夠精準地將投資和創新需求匹配起來，他們善于將數據分析平臺、新型工作方式或全新職能協作模式等“促進因素”植入具有迫切需求并能有效對此加以利用的業務職能當中。

建立內部創新孵化工廠：工業企業更贊同打造內部創新孵化工廠，而不是拆分或收購初創企業來進行創新。這些組織單元隨后會被納入現有業務部門的服務架構中，兩者合作創新并規模化實施新的解決方案。

江崇龍強調：“成功的數字化再造必須借助根植于核心業務職能中的數字化能力，從企業內部加以推動。企業首先鎖定客戶重視的價值，然后建立數字創新孵化工廠，集整個組織之力為客戶交付這些價值，從而順利克服所有企業都在面對的創新挑戰。”

埃森哲的調研顯示，企業的數字創新規模化能力與六大特定組織管理挑戰密切相關，這些挑戰分別是：管理*性、數字價值衡量、技能、技術基礎設施、伙伴關系管理和企業文化。埃森哲應用經濟分析模型，將這些挑戰與數字投資回報率相聯系，表明企業可以通過更妥善地應對這六大挑戰來改善投資回報水平。

　而今，人人都在談論工業4.0，新趨勢風起云涌，物聯網和大數據、機器學習、人工智能、更先進的機器人、增強現實、網絡安全……作為實現智能制造的重要途徑，工業4.0對制造業的重要性不言而喻，在生產力、效率和安全性、靈活性、分析能力等方面，工業4.0無疑將為主要參與者帶來極大的價值鏈優化和可觀的收益。

　　但顧慮的聲音同樣不少。比如有人說，中國的企業更多解決的是生存的問題，還不是發展的問題，生存過程中面臨同質化的競爭，如何使產品有差異化優勢？同時工業4.0固然提升了靈活性、生產效率，也伴隨著龐大的投資，當前是一個好的投資時間節點嗎？工業4.0怎么落地、什么時候落地？

　　正如在近日舉行的第八屆EEVIA年度中國ICT媒體論壇暨2019產業和技術展望研討會上，ADI亞太區工業自動化行業市場部經理于常濤指出，工業4.0帶來愈漸強大的分析能力以及生產效率、安全性極速提升的同時，其典型困境也隨之而來，其中包括實現工業4.0的路徑和時間表不明確；許多正在發揮作用的業務基礎因素帶來不確定性；不能進行可能過時的投資；另外如果客戶沒有準備好，你也不能走得太快。但他也認為，*會有極大的優勢。

ADI亞太區工業自動化行業市場部經理于常濤

　　但很顯然，工業4.0已經不僅是一個暢想或者愿景了。一眾產業鏈上下游企業正積極地推動和著工業4.0的加速落地，這其中就包括ADI。

　　不妨先看看ADI的一組企業畫像：

• 　　成立于1965年，總部位于馬薩諸塞州諾伍德，是標普500指數和納斯達克100指數成份股；
• 　　員工約15,000人，業務遍及20多個國家和地區；
• 　　在有45個設計中心，產品種類超45,000；
• 　　客戶超125,000家，2018年總營收62億美元，其中工業終端市場營收達31億美元，占總營收一半。

　　不難看出，工業領域是ADI的核心市場。“得益于工業4.0帶來的新的市場需求和新的技術導向，ADI的機會整整翻了一倍都不止。”于常濤透露說。

　　作為*的半導體方案提供商，ADI推出了一系列加速工業4.0應用落地戰略，提供了從前端的檢測、各種傳感器，到后端的測量、技術、參考、ADC、再到數據解析等產品及解決方案，幫助客戶盡早達成工業4.0的愿景。

　　“圍繞實際工廠的應用場景，ADI的獨到的方案已經涵蓋了各個環節。”在于常濤的演講中，他通過更快、更智能、更安全的工業自動化方案介紹，闡述了ADI的底層創新技術如何賦能加速機器人集成、加速軟件可配置系統、加速系統級安全、加速邊緣到云連接、加速設備健康監測等工業4.0應用落地場景。

　　以目前在智能工廠中應用廣的機器人為例，傳統機器人的關鍵技術大多只涵蓋了運動控制、軟硬件基礎以及功能安全三個方面，但更先進更智能化的工業機器人要求更高。“比如機器人的各關節，我們一定要檢測它當前的角度，看看在大負載情況下，機器手臂本身的抖動情況，同時機器人在工作過程當中，特別是協作機器人，需要跟工作人員緊密配合的時候一定不能傷到人，這涉及到若干傳感器的技術。同時機器人作為工廠的一分子，它也需要把參數上傳到云端。”于常濤舉例道。

　　對此，ADI利用自身深厚而廣泛的運動控制系統級知識，再結合不同的傳感模式，提供了精確、同步的控制和通信解決方案，大大提高機器人生產力。這其中傳感、ToF、電源、連接、信號處理及安全技術等，幾乎涵蓋了ADI在工業領域的所有核心技術。

　　控制系統作為工廠自動化系統的重要組成部分，擁有大量的模擬和數字輸入輸出I/O接口，不過一旦客戶需要擴展或者設備損壞，將耗費大量的時間和成本，并造成計劃外停機時間，影響生產。ADI為此推出了一項*性產品——軟件定義I/O。這款產品的每個通道都可以任意地定義為數字量的輸入輸出，或者模擬量的輸入輸出，每一個I/O實現軟件可配置，降低產品的復雜性，現場施工人員只需要清楚地標明接口的數字型模擬型，正確地連接信號的正負，再結合現場的實施結構，即可通過軟件的方式把系統完整地運行起來，極大節省現場工程安裝的難度和成本。

　　工業網絡無疑是當今產業的熱點，更是與工業4.0的落地息息相關。但工業網絡標準眾多，不同設備和系統之間的兼容性是個問題。針對這一難題，于常濤詳細介紹了ADI推出的工業以太網技術。“ADI產品可以用單一一顆芯片支持現在主流的工業以太網的協議。大家可以想象一下，一個單一的硬件平臺，通過調用或者編寫部分的軟件方式，你就可以直接實施不同的工業以太網協議。”不僅如此，作為下一代的延續，于常濤透露，ADI將在今年底推出支持千兆網絡的TSN（時間敏感網絡）芯片，解決工業網絡中的延時問題和優先級問題。此外，在運動控制方面，ADI基于ARM/DSP的EtherCAT從站方案，為客戶的高性能運控系統，提供了實時工業以太網的解決方案。

　　機器健康監測是一個典型的工業4.0落地實踐，精確、實時的機器健康監測可以實現預測性維護，大大減少停機時間和維護成本，正被越來越多的客戶所接受。于常濤表示，在推動設備健康監測方面，ADI的低延遲、基于條件的監測工具(CBM)將精確感知與嵌入式算法結合起來，以的額外處理手段進行實時監測，以極其可靠的實時數據和通信來防止生產中斷、提高安全性、提高吞吐量和降低成本。

　　當然，ADI在推動工業4.0應用加速落地的產品和方案遠不止于上面提及的幾道“菜”。于常濤特別強調，工業4.0不僅是一場技術革命，更是一個商業的變革，除了一系列技術專長和深厚的領域知識融合， ADI還致力于成為合作伙伴的可信賴盟友，攜手邁向工業4.0，共同取得成功。

機器人產業作為科技創新的重要發力點，未來5-10年會持續活躍在創新。機器人產業是當前人工智能、大數據、互聯網等科技浪潮的重要科技創新融合點，是先進制造、產業升級等重要產業應用的結合點。把握機器人產業的創新發展大勢，精準施策，特色化發展機器人產業，對于區域競爭創新發展，產業蝶變升級的重大意義顯而易見。

筆者總結梳理了當前機器人產業在產業政策、產業空間、產品創新、技術迭代、市場競爭五個維度的變化趨勢，希望能為機器人產業的發展提供經驗借鑒。

產業政策：機器人產業依舊是國家戰略的焦點所在

通過政策和產業路線圖規劃設計謀求在機器人領域的技術或應用優勢，已經成為世界各國發展機器人產業的典型經驗和共性做法。如美國政府制定系列化舉措支持機器人產業發展，從《國家機器人計劃》（2011年）到《2016美國機器人發展路線圖——從互聯網到機器人》（2016年）再到《國家機器人計劃2.0》（2017年），以確保美國在機器人領域的*地位。日本政府則明確自身機器人產業的定位，發力“世界機器人創新基地”、“世界*的機器人應用國家”、“邁的機器人新時代”（《新機器人戰略》，2015）。2019年2月，據《日本經濟新聞》報道，日本政府計劃在今年內制定包括安全對策在內的方針，以便在公共道路上進行無人快遞機器人配送試驗。歐盟于2014年啟動了大民用機器人項目，到2020年將投入28億歐元。2016年，歐盟“2020地平線”項目公布在機器人領域將資助21個新項目，增強機器人技術的競爭力和*地位。

產業空間：機器人產業市場仍處在加速上升發展期

得益于既有市場空間尚未飽和，細分領域空間開發提速，機器人產業市場增長具有較大潛力。據《中國機器人產業研究報告（2018）》披露數字顯示：2013-2018 年機器人市場規模的平均增長率約為15.1%。工業機器人市場是其中大的部分，占據總的一半以上，工業機器人正迎來整個產業發展的黃金機遇期，從德國和日本兩個國家的數據可見一斑。根據德國VDMA機器人自動化協會消息，2018年德國機器人自動化銷售額在*范圍內都有所增加，達成約150億歐元的*大規模銷售額。據《日本經濟新聞》披露，2018年日本工業機器人訂單金額比2017年增長7%，突破1萬億日元大關，預計2019年同比將增長4%，達到1.05萬億日元(折合約90億美元)。從未來的發展方向上看，2019年服務機器人預期增速（32.3%），特種機器人預期增速（12.0%），都要明顯高于工業機器人（9.2%）。隨著市場認知和成熟度的提高以及場景應用融合度的增加，服務機器人和特種機器人領域在未來3-5年應該會有更強的表現，機器人產業三足鼎立的格局不會太遙遠。

產品創新：智能機器人產業更多集中在產品終端服務層面

機器人*企業更關注于產品的高附加值和消費級產品市場。單純的智能機器人本體生產和供應已經無法滿足當前數字化和信息化融合的深度發展浪潮之需。智能化的管理已經成為精益管理之后更高層面的管理需求，“大集成，遠端管理”等理念正在成為互聯網、物聯網、大數據融合下的工業新策略。如在工業機器人領域，一方面表現為云平臺已經成為*發展的共識，ABB推出ABB Ability工業云平臺，發那科設立FIELD平臺。另一方面表現為智能化工廠發展態勢明朗，智能化的工廠已經不再是少數優秀企業的*權利，它已經成為一種趨勢，點、線、面的改造升級浪潮正在新興經濟體國家快速興起。在服務機器人領域，得益于人工智能領域取得的突破性成果，如在人機交互、機器學習、感知能力等方面的提升，“機器類人化”能力正進一步加強，機器人正逐步走入生活之中。相應的產品的種類也呈現出更加多元的方向，以滿足終端客戶的多樣化需求。在特種機器人領域，安防機器人、救援機器人、巡檢機器人等品種相繼問世，智能網聯車已經成為當前以及未來布局的重點爭奪領域，國外以谷歌、英特爾為代表的科技，國內為代表的企業紛紛展開布局。同時，北京*出臺《北京市智能網聯汽車創新發展行動方案(2019年-2022年)》，積極布局5G車聯網，力爭2020年在重點區域完成5G車聯網建設。

技術迭代：人機共融有可能成為智能機器人技術發展重要方向

機器人技術創新得益于機器人領域的豐富度不斷攀升，機器人創新的方向也更加復雜。但有一點不可否認，人機共融發展將在未來一段時間發揮相當重要的導向作用。在工業機器人領域，人機共融表現為人機協作，目前*都已經推出相應的產品。如ABB集團的YuMi雙臂協合機器人，發那科推出了CR系列協作機器人，庫卡機器人公司推出LBRiiwa協作機器人。隨著對合作柔性的要求越來越高，未來的競爭點可能會更聚焦軟件控制技術創新。在服務機器人領域，人機共融明顯的方向是提高交互的水平和質量，涉及語音語義識別、響應時間等。特別是當前發展較為迅速的企業服務機器人，如京東智能客服機器人，已初步具備人類情感的簡單分析功能。在特種機器人領域，盡管技術的發散方向更加多元，但人機在特定應用場景的交互和協作卻顯得更加重要。值得關注的是，波士頓動力公司創始人在去年年會中透露，其商業化中長期進程中涉及短期發展安防等特種機器人，預計未來波士頓動力機器人產品可能會成為特種機器人領域中一個新的強有力競爭對手，具有*優勢的“步態行走”有可能對現行部分產品的應用（如履帶式產品和輪動產品）產生顛覆式的影響。

市場競爭：市場需求與行業異質性形成了*的產業格局

從整體產業市場看，產業市場的可拓展空間更多的依賴于產業需求的增長。相比于歐美國家，中國作為世界機器人應用的市場，既展現出數量優勢，又展現出速度優勢。據IFR統計，2018年機器人產業規模超過300億美元，而中國獨占1/3，連續多年保持。并且根據IFR2019年3月份發布的報告，中國2017年制造業每萬名工人擁有機器人臺數平均數達到97，突破世界平均數，但與韓國（710）、新加坡（658）、德國（322）、美國（200）等發達國家相比尚有差距，這反映出中國機器人產業在未來還有很大發展空間。從整個機器人產業上看，機器人三大領域中的競爭表現得各不相同。在工業機器人領域，90%以上的機器人市場基本上被行業*所壟斷，技術壁壘相對比較高，并且*開始向更高價值的后端服務轉型，新進企業所面臨的技術和市場挑戰比較大，存量的中小企業更專注于非標市場，通過低層級的系統集成來獲得相應的收益，領域內存在著明顯的價值梯度差距。在服務機器人和特種機器人領域，產業的集聚度相對來說的比較低，細分領域的市場應用也沒有*打開，正處于產業發展期，更易于企業進入和快速發展。

數字孿生不僅僅是復制。

　　孿生，即雙胞胎；數字孿生，顧名思義，就是數字形式的雙胞胎。

　　在“數字孿生”中，雙胞胎中的一個是存在于現實世界的實體，小到零件，大到工廠，簡單如螺絲，復雜如人體的結構。

　　而雙胞胎中的另一個則只存在虛擬和數字世界之中，是利用數字技術營造的與現實世界對稱的鏡像。

　　如果以家用電腦為例，Word文檔和打印出來的文稿就是“數字孿生”。若以導航軟件為例，城市中的實體道路和軟件中的虛擬道路也是“數字孿生”。

　　數字孿生技術產生的汽車3D模型 數據來源：“數字孿生城市”

　　此外，這個數字孿生體，不僅是對現實實體的虛擬再現，還可以模擬對象在現實環境中的行為。因此可以說，數字孿生是將物理對象以數字化方式在虛擬空間呈現，模擬其在現實環境中的行為特征。

　　數字孿生有什么用？

　　數字孿生這個概念究竟有什么用呢？

　　首先，它可以通過設計工具、仿真工具、物聯網、虛擬現實等各種數字化的手段，將物理設備的各種屬性映射到虛擬空間中，形成可拆解、可復制、可轉移、可修改、可刪除、可重復操作的數字鏡像。

　　這極大的加速了操作人員對物理實體的了解，激發模擬仿真、批量復制、虛擬裝配等設計活動。

　　過去，在沒有數字化模型幫助之下，制造一件產品要經歷很多次迭代設計。

　　現在，采用了數字化模型的設計技術，就可以在虛擬的三維數字空間輕松地修改部件和產品的每一處尺寸和裝配關系，這使得幾何結構的驗證工作和裝配可行性的驗證工作大為簡單，大幅度減少了迭代過程中物理樣機的制造次數、時間，以及成本。

　　此外，數字孿生還可以通過采集有限的物理傳感器指標的直接數據，借助大樣本庫，通過機器學習推測出一些原本無法直接測量的指標。由此實現對當前狀態的評估、對過去發生問題的診斷，以及對未來趨勢的預測，并給予分析的結果，模擬各種可能性，提供更全面的決策支持。

　　例如，針對大型設備運行過程中出現的各種故障特征，可以將傳感器的歷史數據通過機器學習訓練出針對不同故障現象的數字化特征模型，并結合專家處理的記錄，將其形成未來對設備故障狀態進行精準判決的依據終形成自治化的智能診斷和判決。

　　應用場景豐富

　　1. 數字孿生，5G應用落地強風口

　　數字孿生是5G物聯網時代的一個重要場景應用。

　　5G網絡的場景應用包括：eMBB（高帶寬）、mMTC（大聯接）、URLLC（高可靠&低延遲）。海量的應用場景和模式都是在這三者的基礎上衍生出來的。

　　eMBB全面提升網絡速度，增強網絡體驗；mMTC鏈接更多的智能終端，實現萬物互聯；URLLC因其高可靠性和低延時，應用于自動駕駛、移動醫療等精度要求高的行業。

　　數字孿生便是上述應用場景的衍生之一。

　　5G衍生賦能產業鏈 數據來源：“數字孿生城市”，國泰君安證券研究

　　目前，數字孿生技術多用于工業制造領域，尤其是汽車、電子制造領域。工業互聯網是工業系統與高級計算、分析、感應技術以及互聯網連接融合的結果，催動工業互聯網走向完善的關鍵技術很多，然而能體現工業互聯網“助燃劑”5G拉動作用的就是數字孿生。

　　未來工業物聯網核心的應用基礎是數據，無論是在生產線上的工業設備，還是城市里的垃圾箱、電燈桿，都需要采集出來并映射到數字世界，數字孿生因此*。

　　2. 數字孿生幫助制造業效能大幅提升

　　推進設計和制造高效協同

　　在數字孿生模型中，所需要制造的產品、制造的方式、資源以及地點等各個方面可以進行系統的規劃，將各方面關聯起來，實現設計人員和制造人員的協同。

　　一旦發生設計變更，可以在數字孿生模型中方便地更新制造過程，將完成各項任務所需的時間以及所有不同的工序整合在一起，進行分析和規劃，直到產生滿意制造過程方案。

　　確保設計和制造準確執行

　　在數字孿生模型中對不同的生產策略進行模擬仿真和評估，結合大數據分析和統計學技術，快速找出有空檔時間的工序。

　　調整策略后再模擬仿真整個生產系統的績效，進一步優化實現所有資源利用率的大化，確保所有工序上的所有人都盡其所能，實現盈利能力大化。

　　舉個例子來說，數字孿生車間就是數字孿生技術在制造業的典型應用，也是突破制造的物理世界和信息世界之間的交互與共融瓶頸的典型實例。

　　數字孿生車間主要由物理車間（Physical Workshop）、虛擬車間（Cyber Workshop）、車間服務系統（Workshop Service System:WSS）、車間孿生數據（Workshop Digital Twin Data）四部分組成。其中：

　　物理車間是車間客觀存在的實體集合，主要負責接收WSS下達的生產任務，并嚴格按照虛擬車間仿真優化后的預定義的生產指令，執行生產活動并完成生產任務；

　　虛擬車間是物理車間的忠實的、*數字化鏡像，主要負責對生產計劃／活動進行仿真、評估及優化，并對生產過程進行實時監測、預測與調控等；

　　WSS是數據驅動的各類服務系統功能的集合或總稱，主要負責在車間孿生數據驅動下對車間智能化管控提供系統支持和服務，如對生產要素、生產計劃/活動、生產過程等的管控與優化服務等；

　　車間孿生數據是物理車間、虛擬車間和WSS相關的數據，以及三者數據融合后產生的衍生數據的集合，是物理車間、虛擬車間和WSS運行及交互的驅動。

　　3. 數字孿生技術應用場景暢想

　　數字孿生技術的應用場景非常龐大，在未來，它會在多個方面改變我們的工作和生活，應用場景涉及各個方面。

　　智慧城市管理

　　把數字孿生技術應用到智慧城市管理上，會讓城市更安全。街道、社區、娛樂、商業，甚至是電力線、變電站、污水系統、供水排水系統等，都會有數字孿生體，從而可以更輕松便捷地監控管理城市的每個地方。

　　工業設備監控

　　工廠中的設備都可以通過數字孿生技術復制出來。我們可以利用數字孿生設備了解設備內部的運行機制。數字模型和實體設備一起使用，我們可以知道設備的運行數據，提高故障預判和維修效率。

　　健康管理

　　個人的數字孿生體可以通過醫療檢測、掃描儀器、可穿戴設備來復制。比智能手環更智能的是，我們可以得到數字孿生體每一部位的運動變化數據，更加有效地管理個人健康。

　　大腦活動的監控與管理

　　人腦非常復雜，大腦的活動更加不容易追蹤研究。大腦的思考方式、運動感知功能都是科研人員研究的重難點。將數字孿生技術用在大腦研究上，以后可以幫助治療腦部疾病患者。

　　雖然總體來看，數字孿生技術還處在早期階段，但可以肯定的是，在數字時代的未來，數字孿生將*改變我們發現、認知和改造世界的方式，未來世界大有可為。

　　數字孿生是5G賦能產業鏈上的重要一環。數字孿生作為5G衍生應用，加速了物聯網的成型和物聯網設備數字化，這與5G三大場景之一的萬物互聯需求強耦合。此外，數字孿生還是5G推動工業互聯網發展過程中的助燃劑，5G時代數字孿生*。

　　以上內容節選自國泰君安證券已經發布的證券研究報告《數字孿生，復制同一個你》，作者莊宇、趙良畢，具體分析內容（包括風險提示等）請詳見完整版報告。若因對報告的摘編產生歧義，應以完整版報告內容為準。

德國進口TESTEM全系列SKM2-3