原始[观察

概述

作为机械工业的核心部分，装备制造业是先进生产力的代表和竞争力的关键，并且 其发展程度已成为反映该国综合国力的重要因素。 按照“中国制造2025”的“三步走”战略目标实现

：到2020年基本实现工业化，主要制造业国家地位进一步巩固，制造业信息化水平大大提高 。 掌握关键领域的多项关键核心技术，进一步增强优势领域的竞争力，大大提高产品质量。 制造业的数字化，网络化和智能化已取得重大进展。

基于此战略目标。 为了实现产业升级，装备制造业既需要产品，也需要运营。 一方面，通过研发资源的投入和产品服务的扩展，可以实现产品本身的迭代升级； 另一方面，有必要利用数字，网络和物联网技术的发展来实现内部数字化运营能力和产业协同运营能力的阶段性提升。

1。 研发第一

现状：

作为一套集资本，技术和劳动力为一体的集约化产业，装备制造业在研发领域一般具有较强的专业性和较高的技术含量的特点。 从全球的角度来看，与装备制造业相关的创新技术研究活动更加频繁。 随着大量新技术和新工艺的应用，设备制造业对研发的要求将不断提高。 在人口红利带来的低廉劳动力成本的帮助下，中国的装备制造业在生产规模和速度上一度处于世界先进水平。 但目前，中国的装备制造业水平仍处于“大”而不是“强”的阶段，低成本的比较优势逐渐消失，发达国家和新兴经济体正在抓住制造业发展的机遇。 从根本上说，中国的装备制造业在某些关键领域被人们控制，关键部件的核心技术相对普遍（表1）。 依靠设备进口和技术引进的发展方式势必会受到国际贸易环境的阻碍。 因此，中国装备制造业有必要提高关键技术的研发水平和创新能力。

表1：几个关键装备制造业细分市场的发展趋势

措施：

根据印发通知共同发布提高制造业设计能力的特别行动计划（2019-2022） 工业和信息化部等13个部门于2019年10月发布的《加强高端装备制造业的关键设计》被视为关键设计突破项目的首要任务（表2）。

表2：一方面关于印发提高制造业设计能力特别行动计划的通知（2019-2022），这是坚持创新驱动发展，加强创新体系建设的重要内容 创新能力，以市场机制为纽带，促进“生产，学习，研究与应用”一体化发展。 装备制造业产业链条长，联系紧密。 利用“生产，学习，研究和使用”的协同力量，促进研发创新是必然的选择。 在“生产”环节，企业应主动扮演主要角色和执行者的角色； 在“学习”与“研究”环节，创新人才和研发能力的培养是从源头促进装备制造业人才供应的重要动力。 在“使用”环节，通过有效的市场反馈，经验参与和本地微创等方式，推动创新体系进入前沿。 另一方面，装备制造业应利用数字孪生，3D打印等技术，在产品设计，建模与仿真，原型制造和设计反馈方面实现数字化转型。 通过实现产品的全三维数字化设计，建立了产品工艺布局，加工流程，设备和实验的虚拟仿真； 通过五维仿真技术，补充了传统三维模型无法承载的工作环境和时间维度信息，并在不同时间实现了不同地理环境和产品的耦合动力学。

2。 服务双赢：在

消费升级的背景下，中国社会的经济形态正在经历由“工业经济”向“服务经济”的转变。 装备制造业作为制造业与服务业深度融合的重要发展领域，正在不断探索“服务”的发展路径模式。 但是，由于所涉及设备的复杂性和多样性，设备制造行业服务的过程比其他行业要慢。 行业制造商仅在后期市场上将服务作为“增值”的载体，尚未实现“产品服务”乃至“鲜活产品”的产业模式。

用于传统的大型复杂设备制造领域，如轨道交通，航空航天，海洋工程等，核心设备的检查和维护已逐步产业化，形成了完整的售后服务市场产业链，但是 服务更多地集中在特定产品的故障维护和定期预防性维护上，从而导致成本高昂且服务成本低。随着及时性等各种问题的出现，整体服务质量和市场收入都不容乐观。

从市场需求的角度来看，“生产经济”时代即将来临，实物产品越来越无法满足客户的需求。 除了简单的硬件产品外，与产品相关的信息和数字服务也已逐渐从邮政市场转移到前端需求。 从产品生命周期的角度来看，由于产品的复杂性，设备制造产品在其过程设计中，制造过程，装配过程，维护过程和再制造过程都需要产品制造商的大量支持。 因此，提供“成就”而不是纯粹的产品是装备制造业“产品和服务”转型路径的重中之重。

措施：随着基于传感器，识别，通信和IOT技术的智能设备制造业的快速发展，对设备状态的实时监视和数据收集成为可能。 智能产品和平台服务之间的联系将实现以数据为核心的泛动力生态系统。 在“基于结果的经济”的驱动下，数据以及基于数据的洞察力和决策能力将成为行业的价值驱动力，并且随着企业可以融入该生态系统，它将成为数字市场的基础。 以

为例，在设备使用过程中，设备制造商可以使用从产品返回的数据来实现对设备状态信息，环境信息等数据的实时监控。 然后，通过机器学习和大数据分析，建立数学模型以评估设备的运行状况，并对可预测故障的频率和程度进行高级预测分析。 一方面，这些分析数据可以提高内部运营效率，增强市场响应能力，并且对指导及时购买产品备件以及优化和升级产品可靠性具有决策影响。 另一方面，

也更重要。 数字价值链的形成要求企业在各个方面的参与和决策。 迅速的外部变化的关键是专注于自己的核心竞争力，开展并指导彼此的合作，而物联网生态系统则是促进合作的桥梁。 设备数据的积累将逐步加速产品数据资本化的过程。 通过利用设备监控和机器学习带来的大数据资产，制造商可以制定设备生命周期管理等服务方案，并实现从设备产品供应商到服务提供商的转型。“实时产品”提供商的转型和升级已成为合作伙伴 可以为客户提供设备状态监测，大数据分析等支持服务。

现状：

高科技突破，推动了装备制造业的发展。 传统装备制造业的数字化转型是重中之重，它决定了中国制造业的整体价值。

大数据行业的快速发展为设备制造业注入了新的生产动力。 一方面，全球互联网巨头，咨询公司和技术初创企业正在不断探索制造业中“大数据+”和其他相关新兴技术的数字化转型解决方案； 另一方面，工业巨头也建立在已经深耕多年的产业链的基础上，拥抱生产和运营新技术带来的好处。 在这种模式下，“新制造业”已成为不可阻挡的未来。 与数字零售业的快速发展相比，

在数据管理和分析方面一直很短。 由于大量的营运资金和复杂的操作流程，行业中有许多企业信息系统，具有独立的系统管理和分散的数据存储。 因此，在运营的数字化发展中，装备制造业仍处在以数据为管理手段的阶段。

措施：

是其他行业的高级管理模式。 我们认为企业数据操作通常需要经历三个阶段（表3）。 作为数据设备制造业水平相对较弱的行业，它需要通过前端，中端和后端的变化逐步取得突破。

1。 后端：完全量化的大数据挖掘

，所谓的完全量化的大数据，是与传统的本地小数据相比，图像，音频等非结构化数据的收集，以及来自不同来源的数据的收集 企业内部和外部。 在过去的十年中，随着ERP，CRM等企业系统应用程序的兴起，设备制造业的信息化水平得到了极大的提高，“业务数据”的工作也逐渐得到改善。 尽管业务人员对数据有一定的了解，但是大多数这种了解仅停留在对业务系统的简单和结构化的了解中。 因此，从两个方向扩展多样化的大数据是实现数字决策的基础。 一方面，

可以帮助装备制造企业突破2B的限制，并通过在相关平台（如网页和社交媒体）中进行数据获取来直接面对最终用户。 在数字时代，企业强调“以人为本”，有温度的顾客应该意识到并充分响应他们的需求。 设备生产是一样的，最终的着陆体验仍在人们身上。 但是，与2C行业相比，设备制造业很难直接获得更清晰的2C市场用户意愿。 在充分量化大数据的思想下，越过2B的壁垒，并通过人类生成的数据直接理解小组思维，可以更好地帮助装备制造企业摆脱2B的局限。 另一方面，设备制造行业涉及许多传感器技术和物联网设备。 有效使用机器生成的数据可以极大地提高设备制造业的生产能力。 在智能时代，各种设备的前端数据收集系统已逐渐实现自动化。 随着物联网和互联网的发展，需要开发庞大而丰富的数据源。 行业的特点决定了行业的优势。 通过收集设备的第一手数据来抓住机遇，将是设备制造行业智能化道路上的一个重要里程碑。

2。 中端：战略编号