‘壹’ 工业制造大数据分析
工业制造大数据分析
大数据不仅仅是大量的数据的堆积。大数据的重要属性之一，是人们设法收集并弄清楚不断变化的数据类型。如果只是大量采集同一类型的数据，再大的数据量都不能称之为大数据。
如何实现智能制造是大家都关心的问题。从哈佛商学院的迈克尔·波特到宾夕法尼亚大学沃顿商学院，有一个普遍的共识，即数字化转型是智能制造实现的途径。重要的是，这个共识也来自于众多的世界级制造业企业与企业家们。
这一共识是基于无数技术趋势的融合，例如，物联网、赛博系统(CPS)、工业物联网、移动技术、人工智能、云计算、虚拟／虚拟增强现实（VR／AR），以及大数据分析等。我们一定要保持清醒，不要简单地认为有了这些技术，未来五年就是制造业的黄金时期。道理很简单，这个新制造业文化的变革进程是相当复杂和艰难的，没有行业、企业与用户的融合推进，无法实现这次变革。数字化转型不仅仅意味着企业简单的数字化，而是把数字作为智能制造的核心驱动力，利用数据去整合产业链和价值链。
自工业革命以来，为了改进运营，制造商一直以来都在有意地采集并存储数据。随着时间的推移，数据在制造业分析的需求将越来越大。然而在过去的许多年间，利用数据的根本动因并没有改变，数据的复杂性增强，数据转化为情报的能力越来越大。
2012年高德纳给出大数据定义，其中特别强调大数据是多样化信息资产，不仅关注实际数据，更关注大数据处理方法。数据量大小本身并不是判断大数据价值的核心指标，而数据的实时性和多元性对大数据的定义和价值更具直接的影响。
在讨论工业大数据分析的时候，我注意到两种不同的观点：
第一种观点认为，制造业向来都有大数据。几十年来我们的企业一直在通过历史记录、MES、ERP、EAM等各种应用系统采集数据。在部分产业链环节，特别在市场营销方面，大数据算是一个新的热词。
第二种观点认为，从工业大数据角度看，制造业是一个尚未打开的市场或刚刚开启的市场。存在大量不同类型的数据，但如今它们还未被应用到分析之中。
考虑到这些观点，面对任何新的市场提法，包括名词解释、定义或分析框架，我们始终都应该保持适当的怀疑精神。这里我更多倾向于第二个观点。我们的制造业的确有“大量数据”，但这并不是我们大多数人从市场上所理解的“大数据”涵义。在搞清楚工业大数据分析之前，我们应该如何定义制造业的大数据？这里可以通过大数据的三个特性，进一步了解大数据的特性。
数据来源
工业大数据的主要来源有两个，第一是智能设备。普适计算有很大的空间，现代工人可以带一个普适感应器等设备来参加生产和管理。所以工业数据源是280亿左右大量设备之间的关联，这个是我们未来需要去采集的数据源之一。
第二个数据来源于人类轨迹产生的数据，包括在现代工业制造链中，从采购、生产、物流与销售内部流程以及外部互联网信息等。通过行为轨迹数据与设备数据的结合，大数据可以帮助我们实现对客户的分析和挖掘，它的应用场景包括了实时核心交易、服务、后台服务等。
数据关系
数据必须要放到相应的环境中分析，才能了解数据之间的关系。譬如，每一款新机型在交付给航空公司之前都会接受一系列残酷的飞行测试。极端天气测试就是测试之一。该测试的目的是为了确保飞机的发动机、材料和控制系统能在极端天气条件下正常运行。
问题的处理关键在于找到可能产生问题的根源，消除已知错误，并确保解决方案的可靠有效。一旦找到并确定了根本原因，同时具备了可接受的应急措施，就可把问题当成一个已知错误来处理。问题调查的过程一定需要收集所有可用、与事件相关的信息，以确定并消除引起事件和问题的根本原因。数据采集与分析必须要事件／问题发生的环境数据结合。
数据价值
对于数字化转型，大数据不仅要关注实际数据量的多少，最重要的是关注大数据的处理方法在特定场合的应用，让数据产生巨大的创新价值。如果离开了收益考虑或投资回报（ROI）的设计，一味寻求大数据，则大数据分析既无法落地也无法为企业创造价值。
工业大数据分析的定义
发动机是飞机的心脏，也是关乎航空安全，生命安全的重中之重。为了实时监控发动机的状况，现代民航大多安装了飞机发动机健康管理系统。通过传感器、发射系统、信号接收系统、信号分析系统等方式采集到的数据，会经由飞机通信寻址与报告系统，通过甚高频或者卫星通信传输出来，这就是为何GE的发动机监控系统每天会获取超过1PB数据的原因。
生产执行系统（MES）与飞机发动机健康管理系统如出一辙。我们可以从工厂的生产中，实时采集到海量的流程变量、测量结果等数据。基于大量数据集而生成的报表，或是基础统计的分析并不足以称为制造业的大数据分析。
数据类型的多样性是工业大数据分析的重要属性
大数据不仅仅是大量的数据的堆积。大数据的重要属性之一，是人们设法收集并弄清楚不断变化的数据类型。如果只是大量采集同一类型的数据，再大的数据量都不能称之为大数据。
例如，生产环境中收集的时间序列模拟流程变量，数据的类型是单一的，很容易建立索引，即使存在千千万万，也不足以成为大数据。
数据必须包括高度可变性和种类多样性。制造工厂中存在无数的大数据应用，但并不包括简单地分类和展示一连串的流程测量结果，对这些工作，基本的统计展现就可以完成。一些大数据的数据库或数据湖的构成部分也是文本信息、图像数据、地理或地质信息和非结构信息，例如，通过社交媒体或其他协作平台获得的数据类型。
制造业信息结构概括起来分为两层，一个是管理层，一个是自动化层。从经营管理、生产执行与控制三个纬度来实现决策支持、管理、生产执行、过程控制以及设备的连接与传感。制造业中大数据分析是指利用通用的数据模型，将管理层与自动化层的结构性系统数据与非结构性数据结合，进而通过先进的分析工具发现新的洞见。
大数据分析对企业生产智能的意义
制造业创新的核心就是要依托大量的前沿科技。先进的技术是创新的手段。在新技术的支持下，可以通过一体化的制造运作管理系统MOM将企业管理应用系统，例如ERP、EAM等系统与工业自动化的相关系统整合为一体。在一体化制造运作管理的基础上，我们可以实现集IT+MOM+MES+BI的一体化制造企业信息系统解决方案。
从两化融合的角度来看，信息系统供应商要从企业的主信息系统提供商（MIV，MainInformation systems Vendor ）定位来做好规划、标准、功能设计、实施策略的统一性工作。协助企业做好风险控制，降低投资，降低操作维护成本，实现企业信息系统全集成。
特别需要注意的是，企业管理信息平台被普遍认为是制造企业管理的集成和仪表板工具。许多供应商既大量投资其与ERP和自动化系统专有的集成，也投资开放式集成，还投资仪表板和移动技术，希望随时随地为需要正确信息的决策者提供衡量标准。
制造业大数据分析的三种途径
途径一，利用开放技术与平台，将任何系统的数据移动到任何其他地方。
制造运作管理系统建设项目是系统工程，不仅仅是一套我们理解的传统软件系统，更多的是项目执行和服务的平台。这需要在项目管理与制造企业的策略“客户服务”上，体现出制造企业的综合管理能力与软实力。
整个平台要从前期、工程实施以及售后服务这三个大的阶段来架构。在前期规划中，要重视标准、设计与实施，特别是与管理一体化的信息系统形成统一的对接。有了前期统一规划的制定，工程实施的环节可把行业的经验、集成能力、实施能力、软件开发能力等融合。特别需要在组织上建立和形成超级团队的制度。而持续服务、长期经营，将物联网应用融入与“软件+云服务”的互联网＋战略是后续服务的考虑重点。
在制造业大数据分析工作中，必须要加强通过物联网科技的应用对后续持续服务的支撑作业。通过工业物联网，实现的及时响应客户、物联网软硬件系统定期巡检、提供应急备件、提供易耗品、完善应用等功能来加强和锁定与企业的供应链企业之间的长期合作。通过管理平台与物联网数据，可以持续为客户提供有价值的服务。
途径二，投资工厂内外系统架构堆栈中能够处理结构性和非结构性数据的数据模型。
新技术是创新革命的核心，其中很重要一个特点就是集成，即制造运作管理系统MOM与ERP、EAM、OA、商业分析的集成，包括一键登录、界面集成、消息推送、工作流集成、主数据、应用集成总线与平台。
由于这些系统之间主数据全部统一，所有系统之间的数据交互依靠应用系统总线进行数据交互，整合了跨系统的业务流程、工作流、服务流程等之后即实现无缝集成和分析。对于企业管理者来说，一键登录后，可以根据不同的岗位，个性化制定并且显示与管理最相关的必要信息。这就是互联网所带给我们的分享思路。
途径三，通过时间序列、图像、视频、机器学习、地理空间、预测模型、优化、模拟和统计过程控制等先进的分析工具与制造业企业内的大数据平台结合分析，从而洞见尚未显现的情况。通过传感器、感应器、传输网络和应用软件等物联网数据，与管理应用软件结合起来，将是今后制造业大数据分析的一大方向。
培养企业内部大数据分析专家
作为一个行业，我们需要有机地发展行业特定的大数据分析工具集，这样才能让现在的行业专家，从足够的数据科学中实现数字化转型。为了推动转型，我们需要一大批优秀的企业利用这种方法，并向其他人或同行证明其价值。
‘贰’ 如何看待制造业，制造业有多重要
全球经济放缓、生产成本上升和资源环境约束，使“中国制造”遇到了前所未有的困难。为长期保持中国宏观经济稳定增长，亟需中国制造业战略转型，而服务化被认为是中国制造业升级的主要方向。一些学者认为，制造业服务化一方面可以增强制造业与服务业的融合，提高企业竞争力和创新能力的同时，有助于中国产业结构优化升级和创新驱动发展战略的实施；另一方面能够降低环境污染、减少资源消耗，有利于中国生态文明建设。然而，制造业服务化并不是“去制造业”，“完全服务化”并不是制造业转型升级的一剂良药。对于中国整体经济发展的可持续性和健康性而言，应慎防中国制造业完全服务化。
一、制造业服务化的涵义
“服务化”（Servitization）的概念最早是由范德莫（Vandermerwe）和瑞达（Rada）于1988年提出，认为制造业服务化是“业务服务化”，即制造业企业由仅仅提供物品向以顾客为中心提供更加完整的“包”（hundles），包括物品和服务支持等转变，并且服务在整个“包”中居于主导地位，是增加值的主要来源。White等（1999）认为，服务化是制造业企业角色由物品生产者向服务提供者的转变，是一种动态的变化过程，并以Servicizing来表示。沙拉维茨（Szalavetz，2003）则用Tertiarization来表示服务化，认为“业务服务化”并不能完全反映制造业服务化趋势，制造业服务化至少具有两层涵义：一是内部服务的效率对制造业企业的竞争力变得日益重要，这些内部服务包括产品开发、设计、培训、会计、法律及金融服务等；二是与物品相关的外部服务对顾客来说复杂性和重要性日益提高。此外，其他一些学者从战略的角度提出了相似的概念，如杜拉克（Drucker，1990）的“新型制造业”、博格（Berger）和莱斯特（Lester）（1997）的“服务增强”、 基姆（Kim）和莫博涅（Mauborgne）（1997）的“基于服务的价值创新”等。
根据上述概念可知，制造业服务化是指制造企业从以生产物品为中心向以提供服务为中心转变的动态过程，其基本表现形式是“产品+服务”。根据波特的价值链理论，从投入产出的角度来看，制造业服务化包含二层涵义：一是服务要素在制造企业的全部投入中占据越来越大的比重，即投入服务化；二是服务成分在制造企业的全部产出中占据越来越大的比重，即产出服务化。与制造业服务化相关的概念还有生产性服务、制造业服务、工业化服务、服务型制造等。
二、全球制造业的服务化发展趋势及主要模式
1.发展趋势
20世纪80年代以来, 随着全球经济一体化和以信息技术为主的新技术革命带来的竞争的加剧、消费与生产模式的变化以及交易成本的降低，促使越来越多的制造业企业通过提供服务来增加其核心产品的价值，一些处于全球领导地位的制造业企业的服务收入在总收入中的比重不断上升，服务化成为当今世界制造业的发展趋势。主要体现在以下几个方面：
一是服务环节在制造业价值链中的作用越来越大。20世纪后期以来，经济领域的一项革命性变化，就是制造业与服务业的融合发展，许多传统制造企业以卖服务取代卖产品，把服务看作是创造差异化优势的工具，通过比竞争对手提供更好的服务来吸引消费者。
二是优秀制造企业由“以生产为中心”向“以服务为中心”转型。越来越多的制造企业由关注产品生产，转向涉及产品的整个生命周期，包括市场调查、产品开发或改进、生产制造、销售、售后服务，传统意义上的制造业与服务业边界日益模糊。
三是制造企业越来越多地进行“生产外包”或“制造剥离”。许多制造企业将内部在产前、产中或产后的服务功能独立出来，原来的生产活动转而由其他企业完成。这些企业提供从技术产品研发、软硬件开发，到人员选聘与培训、管理咨询、金融支持、物流服务、市场营销和售后服务等全过程的服务链，推动了现代服务业的迅速发展，成为新的经济增长点。
2.主要模式及案例分析
从产业链的角度来看，制造业服务化是制造业企业为适应新的竞争环境，增强产业链各个环节的服务功能，实现企业价值链的延伸和形成新的竞争优势。分析全球制造业企业服务化转型的路径，根据相关学者的研究，作者总结出以下四种主要模式：
提供产品附加服务模式。这种模式通过提供多元化服务，从研发、设计、生产到售后的各个环节来实现产品的价值增值。最典型的就是售后服务，这种例子十分常见，例如物品的安装、维护和修理，这些客户服务显然是伴随着物品的服务。其实制造业的这种发展是很容易理解的，随着大规模加工制造和工艺的日趋成熟，标准化工业制成品的大规模、大批量生产越来越容易，同质化的竞争愈演愈烈，在新的市场竞争环境下，制造型企业纷纷寻求基于产品功能的增值服务，实现产品运行的稳定性、效用的最大化，以获得差异化的竞争优势，取得市场的主导地位。
例如，在航空发动机市场激烈的竞争中，罗尔斯·罗伊斯作为一个后来者把握了航空发动机产业的发展趋势，开始在商业模式上进行创新，并最终建立了集设备和服务于一体的产品体系。其CEO约翰·罗斯认为，罗尔斯·罗伊斯“每销售一台引擎，就有重大的服务机会，用服务来保障收入，服务将给我们的客户增加价值，同时也将增加我们自己未来可以预见的收入”。从1995年开始，罗尔斯·罗伊斯公司在发动机销售中加大了折扣力度，同时提高了服务能力和水平，采取一种新的商业模式，即以绩效保证式合同（performance-based contracting，PBC）供货，在报出发动机价格的同时会提供发动机保养及在线化的维护服务。同时，该公司为不同客户提供了三种服务方式：全面维护、公务机维护和项目管理解决方案。服务化转型使得罗尔斯·罗伊斯在全球航空发动机市场的份额从20世纪70年代的不到5%，提高到目前的40%左右，服务收入已经占其总收入的一半以上。
提高产品交易便捷化模式。基于信息技术的广泛应用，制造业企业可以通过多元化的金融服务、精确化的供应链管理以及便捷化的电子商务等方式，提高其产品的交易效率和便捷化程度，从而提高其企业的核心竞争力。从国外制造业发展的历史来看，越来越多的制造业企业把提高产品交易的效率和便捷化，作为提升企业竞争力的重要手段和途径。例如20世纪80年代中期以后，随着日本企业在工程设备领域的崛起及经济危机的影响，卡特彼勒逐步陷入亏损的境地，竞争压力日益严峻。为此，卡特彼勒公司开始加速战略转型，放弃价格竞争的市场策略，以提升产品全生命周期价值为出发点，完善全球分销服务体系，实施供应链管理发展战略。物流服务成为卡特彼勒新的增长点，也引致了金融服务、再制造服务等新的服务领域的发展。目前，服务业的营业利润在正常年份能达到公司营业利润的50%左右，而在国际金融危机期间的2009年，服务业的利润占到公司总体利润的90%，部分抵御了工程机械产品的周期性影响。
产品与服务整合模式。随着客户的需求从单一产品向产品及相关服务的综合方面的升级，为客户提供产品的集成及全面解决方案，成为制造业企业提升核心竞争力、赢得市场的重要手段和途径。一体化的安装、集成化的专业服务、系统化的产品整合，正成为制造业企业扩展业务的重要模式和产业竞争的制高点。例如从公司成立开始，华为就把面向运营商的服务作为竞争的重要手段。在起步阶段，华为提供的服务主要是通信设备的工程安装，其客户服务是保姆式、终身的、免费的，并完全基于通信设备。1998年，华为定义为“华为服务年”，以后每年都有提升服务的举措。目前，华为已经建立了面向通信设备市场集成化的专业服务产品体系和规范的服务产品开发创新体系，支撑华为从全球通信设备制造商的赶超者跃升为领先者。2010年，华为服务收入达到315亿元，占总销售收入的比重由2000年的3%上升到20.4%。
客户需求提供专业化服务模式。这种模式实现了从基于产品的服务向基于客户需求的服务的转变，是制造业服务化转型的最高阶段，制造业企业利用其在价值链上的运营优势，提供不依托于自身产品的专业化服务。此时的企业已经完全服务化，不再从事相关的制造环节，从制造业企业完全转变为一个服务型企业。例如，为摆脱生产经营困境，IBM从20世纪90年代开始服务化转型之路。目前，IBM是全球最大的“提供硬件、网络和软件服务的整体解决方案供应商”，可以提供商业咨询、战略外包、集成技术服务和维护四个服务层次。不仅成功实现了主营业务从制造向服务的全面转型，构建了面向服务的具有独特优势的新商业模式，也重新确立了在全球信息通信产业中的领导地位。
三、 对中国制造业发展的启示与建议
（一）制造业完全服务化并不是制造业升级的一剂良药。制造业是一国国民经济的支撑，是一国经济指数良好运行的保障，是真正的强国之本。纵观世界各国发展史，如果没有制造业的崛起，就不会有真正的大国崛起。制造业服务化并不是“去制造业”，而是制造企业根据企业实际和行业发展环境增强自身竞争力的理性选择，其根本目标在于拓展企业价值链，提升产业附加值和品牌效益。因此，推进制造业服务化并不等于放弃加工制造业务，要防止过度“去工业化”，避免“制造业空心化”。
1.“创造”离不开“制造”
尽管美国目前依然保持全球第一科技强国的地位，科研成果与发明专利的数量领先于其它国家，高技术产值位居世界第一，但由于制造业生产能力和规模的下降，美国现已沦为高技术产品净进口国。麻省理工学院的研究报告认为，美国制造业近20年来大规模向海外转移，不仅导致国内就业岗位减少，而且严重损害了美国本土的科研和创新能力。近年来，美国重大科研成果和发明专利在全球所占比重已经呈现大幅下降的趋势。由于制造业的“空心化”带来的严重影响，在不得已情况下，美国政府提出振兴制造业，并开始实施“制造业回归”计划。
吸取美国制造业发展的带来的深刻“教训”，实现中国“制造”向中国“创造”的战略性转变，不能单纯抛弃加工制造环节，避免未实现“创造”又失去了“世界工厂”地位的“被动”局面。
2.“中国制造”优势依然存在
中国的制造业主要集中在东部沿海地区，工业产值占全中国比重约70%以上，在劳动力、土地等要素成本上升和生态环境的约束下，许多企业开始由东部向其它地区进行转移,更多的企业实际上是在向中部地区乃至西部地区转移。许多企业仍选择留在中国，除了中国中西部地区具有一定的劳动力等要素成本优势外，中国的基础设施建设水平短期内也仍将远远优于柬埔寨、越南、印度等周边地区。此外，上下游企业之间的集聚效应和相关产品配套能力也是影响企业区位选择的关键因素，一些企业在珠三角或长三角的周边地区可以采购自己所需的几乎所有零部件。
因此，尽管一些依赖廉价劳动力的制造业企业从中国东部沿海地区向东南亚等地转移，但由于拥有全世界最完整的工业配套能力、存在巨大的资源禀赋区域性差异和较为完善的基础设施，中国制造业整体优势并未“消失”,在相当长一段时间内仍保持一定的竞争力。
3.制造业的完整性是一个大国的经济保障和政治安全的基本要求
制造业是所有经济部门和社会生活的基础，不管经济怎么发展，社会怎么进步，人们总是有衣食住行等方面实实在在的需求。另外，制造业能够解决大量的就业，尤其是能够解决目前中国底层劳动人口，尤其是城市化进程中从农村转移出来的低技能劳动人口的就业。据初步估计，解决这些人口的就业问题还需要数十年的时间。如果没有制造业，进入城市的农村剩余劳动力问题就无法解决，农民就无法真正实现“市民化”，促进1亿农业转移人口落户城镇的新型城镇化目标就无法真正实现。
从世界各国经济发展的经验也可以得出，一个国家或地区的经济如果以制造业、实体经济为基础，则不容易产生泡沫，经济发展容易保持平稳、健康的态势。
（二）对中国制造业发展的建议
制造业服务化是中国产业结构调整升级的一个重要方向，但出于制造业在国民经济中的基础地位，以及保障国家安全和经济可持续发展的根本要求，中国必须保留“本土制造”能力。
1.宏观上继续保持中国“世界工厂”地位不动摇
从宏观层面来看，制造业服务化是加快中国经济结构调整、实现可持续发展的重要路径，也有助于实现“中国制造”升级至“中国创造”。但是，从欧美等发达国家面临的“制造困境”中，我们也应该认识到制造业在国民经济中的基础地位，以及制造业对保障国家安全的战略作用。因此，国家在推动制造业服务化过程中，应保留“制造”环节，综合运用财政、货币等政策选择和调节手段，防止制造业“空心化”，继续保持中国“世界工厂”地位不动摇。
2.中观层面上要注重制造业服务化的区域性和行业性差异
中观层面，应充分分析和评估制造业服务化对具体的区域和产业的促进作用和适用条件。首先，在区域层面上，应根据各区域的比较优势，构建合理的制造业分工体系，促进东部地区制造业的生产加工环节向中西部地区转移，形成以东部地区为主要制造业服务化基地、中西部地区为制造业生产基地的空间格局。其次，在行业层面上，应依据行业的特征采取不同的发展模式，对一些涉及国家安全、民生保障、发展战略需要的制造业行业应制订相应的产业发展政策，促进发展，保持产业链的完整性。
3. 微观层面要坚持以市场为主、政府引导为原则
微观层面上应保障制造业企业独立自主性，而政府则应提供企业运行服务型制造的支撑平台和技术交易与合作平台，以及相应的政策扶持。同时，进一步加大市场化改革的力度，保障各制造业企业应依据自身优势、战略规划，以市场需求为导向，进行自主选择服务化发展路径。而对于一些涉及国家经济稳定、安全保障的重要行业企业，应综合运用市场竞争与政府保障等手段进行扶持。
4.大力发展生产性服务业，深化制造业与服务业之间的融合
中国整体制造实力及竞争力不强，其中一个重要原因就在于服务业尤其是生产性服务业发展滞后，使广大制造业企业处于孤立状态，这已经成为经济社会高效发展的制约因素。为了发挥生产性服务业对服务型制造及整个制造行业乃至经济增长的支持作用，需要进一步发展并挖掘生产性服务业的巨大潜力，深化制造业与服务业之间的融合。一是重点对生产性服务行业的体制进行改革，制定优惠政策鼓励市场对生产者性服务业的发展动力。二是充分发挥政府引导作用，促使生产性服务业向集聚、高效方向发展，避免重复发展和过度竞争。三是建立相对健全的相关行业组织，制定并完善相关行业规范和标准，为生产性服务业快速健康的发展创造相应的制度和组织保障。
‘叁’ 谁比较了解美云智数美擎工业互联网平台能为企业生产制造环节实现哪些价值
首先是高级计划排产系统M.APS，美擎平台上的高级计划排程能力，不仅可以一键生成多达十层以上加工深度的工厂和零部件的生产计划，其物料主计划的计算效率更是大大优于西方软件，通过智能预测、计划排产，实时、高效、准确提升端到端价值链沟通与协作能力，订单齐套率提升80%、排产准确性提高90%、物料计划计算速度提高10倍。
其次是国内首款拥有自主知识产权的工业级仿真方案工业仿真MIoT.VC。仿真和数字孪生是美擎平台的核心能力之一⌄，2800多种三维参数化模型可满足40类跨行业数字化工厂的快速布局和仿真验证，覆盖产品研发、新建工厂等。虚拟装配验证一次装配通过率99%，节约开发时间34.6%；科学优化生产方案，促进产能提升21.2%；“克隆工厂”现场设备虚实联动，实现3D大数据报警、能源管理，响应速度提升32%。
‘肆’ 什么是制造业发展的重要引擎，是建设制造强国的关键核心
随着制造技术的进步和现代化管理理念的普及，制造业企业的运营越来越依赖信息技术。如今，制造业整个价值链、制造业产品的整个生命周期，都涉及到诸多的数据。同时，制造业企业的数据也呈现出爆炸性增长趋势。大数据可能带来的巨大价值正在被传统产业认可，它通过技术创新与发展，以及数据的全面感知、收集、分析、共享，为企业管理者和参与者呈现出看待制造业价值链的全新视角。那么，大数据如何推动制造业发展？
一、实现智能生产
在德国“工业4.0”中，通过信息物理系统(CPS)实现工厂/车间的设备传感和控制层的数据与企业信息系统融合，使得生产大数据传到云计算数据中心进行存储、分析，形成决策并反过来指导生产。
具体而言，生产线、生产设备都将配备传感器，抓取数据，然后经过无线通信连接互联网，传输数据，对生产本身进行实时监控。而生产所产生的数据同样经过快速处理、传递，反馈至生产过程中，将工厂升级成为可以被管理和被自适应调整的智能网络，使得工业控制和管理最优化，对有限资源进行最大限度使用，从而降低工业和资源的配置成本，使得生产过程能够高效地进行。
过去，设备运行过程中，其自然磨损本身会使产品的品质发生一定的变化。而由于信息技术、物联网技术的发展，现在可以通过传感技术，实时感知数据，知道产品出了什么故障，哪里需要配件，使得生产过程中的这些因素能够被精确控制，真正实现生产智能化。因此，在一定程度上，工厂/车间的传感器所产生的大数据直接决定了“工业4.0”所要求的智能化设备的智能水平。
此外，从生产能耗角度看，设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情况，由此能够在生产过程中不断实时优化能源消耗。同时，对所有流程的大数据进行分析，也将会整体上大幅降低生产能耗。
二、实现大规模定制
大数据是制造业智能化的基础，其在制造业大规模定制中的应用包括数据采集、数据管理、订单管理、智能化制造、定制平台等，核心是定制平台。定制数据达到一定的数量级，就可以实现大数据应用。通过对大数据的挖掘，实现流行预测、精准匹配、时尚管理、社交应用、营销推送等更多的应用。同时，大数据能够帮助制造业企业提升营销的针对性，降低物流和
库存的成本，减少生产资源投入的风险。
利用这些大数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降，并将极大地减少库存，优化供应链。同时，利用销售数据、产品的传感器数据和供应商数据库的数据等大数据，
制造业企业可以准确地预测全球不同市场区域的商品需求。由于可以跟踪库存和销售价格，所以制造业企业便可节约大量的成本。
大数据应用将带来制造业企业创新和变革的新时代。在以往传统的制造业生产管理的信息数据基础上，通过物联网等带来的物理数据感知，形成“工业4.0”时代的生产数据的私有云，创新制造业企业
的研发、生产、运营、营销和管理方式。而这些创新会给制造业企业带来更快的速度、更高的效率和更敏锐的洞察力。
如想了解更多信息请登录网络搜盈飞无限，登陆官网，您可以了解到更多关于制造业发展的的最新资讯。
‘伍’ 企业如何推进智能制造和工业物联网（IIoT）战略
目前，很多公司正在积极布局智能制造和工业物联网发展战略。问题是，这些企业是会共同推进两个战略的发展还是分开推进呢？我相信他们会共同推进，但我也可以理解那些把他们看作是分开的人。
在我们讨论这个话题之前，先让我先定义一下术语，因为有很多关于这个的争论。
智能制造：在工厂和整个价值链内实现业务、物理和数字流程的智能化、实时协调和优化。基于所有可用的信息，资源和流程将实现自动化、集成化、被监控和持续评估。（根据MESA International ，MES国际联合会定义）
IIoT：在工业（如组件、产品、产品运输和设备）中使用的物理对象（“物”）中嵌入电子、软件、传感器组成的网络，这个网络能够使物理对象通过互联网协议(IP)收集数据并与控制系统、业务流程和分析交换数据。（根据维基网络“IoT”修改）
现在回到我们的核心问题：两个战略是要共同推进还是分开推进呢？很明显，目前还没有定论。下面是这些观点的一些背景：
工业互联网协会(IIC)说:"通过自动化工业设备和系统之间的通信，IIoT提高了整个工厂的效率，使其更加智能化，"我同意。我相信，IIoT是智能制造的一项有利技术，它的进步将推动智能制造的发展。同样，随着智能制造超越概念，进入公司正在执行的项目，制造商和他们的解决方案提供者将改进支持这些项目的IIoT技术。这两个很可能会被共同推进。
另外：并不是每个人都同意。在最近的MESA调查中，超过三分之一的制造商报告说他们不相信智能制造包括IIoT（参见上图）。我明白这个观点，因为智能制造有很多途径。实际上，IIoT可以在一些可能定义智能制造的正常边界之外使用。
与智能制造相比，IIoT确实发展可能会更快，因为解决整个价值链上的项目是一个超出公司内部的挑战。像通用动力公司、通用磨坊和通用汽车这样的大公司可以展示他们的力量，并帮助推动特定行业的智能制造行动，但是IIoT项目可以取得很大的进展，并在公司的内部提供许多好处。如果消费者市场上的物联网计划提高了工厂内部的期望门槛，那么实现类似的互联互通、数据访问、控制和分析能力也会有压力。
此外，生产仍将涉及人员，以及未配备IIoT的设备和产品。对于一些智能制造方案，IIoT没有也不可能是商业案例，这些情景可能关注人员和价值链流程。
推动第四次工业革命的是什么？
有些人会认为智能制造或IIoT可能导致第四次工业革命。我也有一个观点：智能制造是这场革命的基础，而IIoT不是。即使IIoT的发展比智能制造快得多，我也不认为它足以让生产企业进入下一个生产力阶段。
那么IIoT缺少了什么来推动第四次工业革命呢？首先是企业环境。智能制造不仅整合了工厂或智能连接工厂，还包括智能连接的供应链和贯穿产品生命周期的数字线程。与其他工业革命一样，技术的转变--比如IIoT--必须与新的流程和人们工作的方式协同工作，以达到我们在第四次工业革命中所追求的生产力水平的提高。
IIoT是一项基础技术，但它只做它所做的事情--在"事物"之间创建通信，以便更容易地获取数据和分析。第四次工业革命需要许多其他技术和工艺。其中一些将针对一件设备或生产过程；其他人将在工厂、企业或价值网络上工作。
真正让商界人士兴奋的是，当新技术和新方法将它们整合在一起时，就会扰乱市场，并让公司提供新的服务和与新产品所能产生的数字数据绑定的新价值。例如，基于IoT的智能产品可以向工程师和生产者提供关于产品如何在该领域执行的反馈。基于这些数据，我们能提供什么样的新见解和服务？
这就是为什么我认为，要实现第四次工业革命需要更多的时间。它将把IoT和IIoT引入智能制造策略，以创建新的方法来协调和优化整个价值链中的流程，并向客户交付新的服务级别。
‘陆’ 工业互联网怎么让大数据产生价值
工业互联网怎么让大数据产生价值
在经历了长达30年的经济快速发展之后，现在，中国需要一个全新的增长模式。快速的城镇化和工业化让数亿人摆脱了贫困，中国人的人均寿命提升了十年，中国一举成为世界上最大的制造产品出口国和世界第二大经济体。这样的成就令世人瞩目，不过对中国来说，这并不是件难事。中国迄今为止所取得的经济增长都是来源于大量廉价劳动力推动的以出口为导向的制造业快速发展。
然而，强劲的消费需要更快速的工资增长来拉动——因而需要更快速地提高生产力。因此，中国需要加速从低成本生产向高附加值、高科技制造转型。这是一个非常严峻的挑战。大部分新兴市场国家在转型中失败，陷入“中等收入陷阱”无法自拔：在这种境况中，人均收入没有能够向发达国家的高水平靠拢，而是停滞不前。
1、数字化创新提升竞争力
中国可以通过拥抱“工业互联网”，拥抱这一轮正在改变全球经济的数字创新来应对这个挑战。工业互联网是数字技术和物理技术、大数据与大机器的融合。通过部署电子传感器和云分析，工业互联网将传统工业机器转变为互联资产，开创功能与效率的全新局面。
由数据分析得出的洞察可以实现预测性维护：提前处理潜在故障，避免意外停机。传感器和数据分析构建了一个数字化的网络——工厂车间的所有元素连接在一起，并与供应链和分销渠道相连，提高制造过程的速度和灵活性——GE称之为智慧工厂(BrilliantFactory)。现在3D打印等数字技术使一些新的制造流程成为可能，在提高生产速度的同时，降低了生产成本。
这些数字化的创新能够大幅提升各行各业的效率和生产力，从而提升竞争力，使中国的某些行业在全球范围内确立领导地位。
工业互联网创新还能提升不同层面工人的能力。具有虚拟现实/增强现实能力的便携式和可穿戴设备可以使工人即时访问信息、提供即时培训、更有效地合作以及学习和借鉴其他同事积累的实践经验。
人们常常担心新技术的出现因为提高了自动化水平而减少工作岗位。工业互联网创新的发展方向不同于以往，工业互联网使人与机器之间形成更强大的新型伙伴关系，并提升各个层面工人的能力和生产力。而近年来，中国在提升工人平均技能水平方面也取得了巨大的进展：1982年，年龄在25-29之间的中国人中只有不足1%的人口接受过高中及更高水平的教育;到2010年，这一比例已经超过20%，其中大部分集中在科学和工程学。教育水平的提高使中国的劳动力从这些创新中获得巨大的收益;这也将为中国科学家和工程师的持续创新创造环境，为新型数字化工业技术的增长和传播作出贡献。
在这样的背景下，数字化和智能工业作为一个重大趋势，已不可逆转。很多工业公司已经将数字化视为生存和发展的必要前提。尽管互联网已经改变了消费领域，但这一价值在工业领域还有待释放，在1990到2010年期间，工业生产力的年均增速为4%，但是，在过去的五年里却下降到了1%。如何将数字化转化为价值，这是所有工业公司所需要解答的问题。
中国经济正在经历前所未有的结构化转型，可以预见，服务业态将在整个GDP当中起到非常重要拉动作用。制造业在过往的中国GDP中占很大比例，但在随着结构化转型，未来的制造业将成为制造和服务并举的行业，其中服务所创造的价值贡献甚至会超过制造，从而打造出是高质量、高利润、可持续增长的全新服务业态。
BCG的数据表明，中国经济当今的转型之当中，服务的价值在医疗、航空、能源以及有一些机械制造等行业领域都有体现，在未来，他们都将走上以服务成长拉动增长的路径。所以制造业的转型对于整个GDP的贡献也由此成为重要的话题。
GE本身也是一个制造型企业，但这个百年老店也需要思考如何在新的国际竞争当中寻找突破创新之路。GE的工业互联网在2012年来到中国，而这个战略最早在五年前被提出，因为制造业本身面在寻求新的增长点方面走进了一个困境。在GE超过1000多亿的营收和160亿美元的纯利润当中，75%来自制造。但由于客户市场和全球环境的变化，GE需要找重新思考如何服务于全球各行业的客户。所以GE就提出了工业互联网的概念，从根本上讲，就是要把人与机器，机器与机器之间通过数据无缝连接，通过海量数据找到运营当中的瓶颈，降低成本，提升效率，从而进行整个核心竞争力的转型。
工业互联网同中国工业的智能化在中国的结合恰逢其时，这主要源于三个条件：经过20年的信息化建设，中国积累了很好的基础设施;同时中国目前的制造业的转型上升为国家战略之一，迫切需要一些好的信息化手段、管理理念、创新来推动实现这一目标;最后，人才储备也已经达到一定水平。
2、资产优化与运营优化
在制造业领域，工业互联网在实现工业智能化主要着力于资产优化和运营优化。资产优化是基于一个事实，亦即制造企业的重资产特性。目前重资产企业最重要的关切就是产能过剩的挑战，如何优化资产效率，提升资产的利用率，同时为客户带来一些关键的增值服务，通常也被衍生为装备服务业。其次，是运营优化，中国企业所在的是相比德国提出工业4.0，我们还处在2.0甚至更粗放的阶段。管理粗放，机能低下，信息化基础薄弱等等，都是现在制约制造业发展的重要问题。所以如何使运营优化让我们在岗的工人、管理人员，能够和管理规章制度结合提升我们的效率，这是工业互联网的着眼点，也是中国工业企业转型迫切需要解决的，资产的优化、运营的优化。
目前中国有很多离散型的工厂，例如家电，电子类产品制造商，资产优化、对这些企业而言运营优化有重要的意义。而整个智能化有三个不同的层次：第一，经由传感器驱动的自动化。第二，实现全工厂级别的自动化。第三，包括供应链，供应链上下游的优化。
这一战略也与中国的人口转型相吻合。目前，中国的人口增速降低，老龄化加速。最近出台二胎政策暂时还不会影响到中国的人口发展趋势。与此同时，较低的人口增长速度也意味着劳动力不再像过去几十年那样快速增长。现在，中国的工业面临更加有限的人力资源。因此，为支持快速的经济增长，必须更快速地提高生产力以弥补较慢的劳动力增长。
3、制造服务业与中国工业的转型
回归制造业在全球范围内已经成为很多国家的战略重点，不管是欧洲、美国还是中国。中国制造2025战略通过“互联网+”和工业结合，推进两化深度融合。这也是业界、政府、企业共同面临的一个挑战，也是要深刻研讨的一个话题。
从实施角度，要实现这三方面的优化要经过四个阶段，第一阶段，在没有数据的情况下我们往往有盲人摸象的感受，就像你坐在军中但缺乏前线汇报，这种作战毫无智慧策略可言。所以数据化是非常重要的前提，大部分企业的决策和管理是基于经验，哪怕有一些数据，也是局部不及时的，甚至是错误数据，这都会直接影响到最终结果，所以全局数据的采集是非常关键的。有了数据之后我们下一步希望可视化，所以在GE的智能工厂当中我们推出了数字链和数字双胞胎的概念，通过信息可视化手段通观工厂制造全流程，让我们对生产力、生产资源、生产效率有了解。随之而来的是控制，比对管理目标实施自动化、智能化控制，在流程控制、资源控制、物料控制等等，同时与制造工艺无缝相结合。最后一个环节是我们最期待的环节，也是价值释放的部分，就是实现优化，基于全局数据基础上我们可以实现预测，能够对资源，对于市场，对于客户的需求的预测性的指导下我们进行优化。
这四个阶段就是刚才我们说互联网在智能工厂的一个体现，说起来简单，但是做起来确实是很困难的。纵观中国的产业发展，工业和基础设施还处在由硬件转向软硬件结合的过渡当中，据统计，2014年我国数字化研发设计工具普及率已达54%，关键工序数控化率达到30%。不过较发达国家，中国离互联互通，软硬件结合的工业体系距离还很远。目前，我国高端传感器、智能仪器仪表、高档数控系统、工业应用软件等市场份额不到5%。
目前GE所提供的工业互联网方案，最直接的价值就是帮助客户实现零意外停机时间，目前GE每天监测和分析来自1000万个传感器的5000万项元数据，这些数据涉及资产价值达到万亿美元。基于Predix的APM帮助客户将海量数据转化为准确决策，及时、主动地确保资产安全、帮助设备更好地运行、消耗更少的燃料、更高效地部署服务，并最大限度地减少意外停机时间。更多APM解决方案和服务将有利于资产所有者和运营商降低维护成本和运营风险，同时提高可靠性。获得“可完全预测的资产”对任何机构的都是终极目标。对于尚不成熟的机构来说，这似乎是一个无法实现的目标。但随着资产运营者逐步接受这一观念，它所带来的诸多益处证明这一投资是值得的，APM将是实现资产预测性的根本基石。
在智慧工厂层面，其价值在于利用大数据、软件、传感器、控制器和机器人提高生产力，从而实现资产和业务优化。智慧工厂的产品拥有四个要素：虚拟制造、传感器启用自动化、工厂优化和供应链优化。GE目前在全球范围内拥有400家工厂。为了改变这些工厂的管理方式并提高生产效率，我们在整个企业共有16个智慧工厂试点。2015年，我们计划把试点数量增加到75个左右。
4、挑战与关注
在整个工业互联网的实施过程中，挑战是毋庸置疑的，总结而言，我们在有四个需要非常关注的：
安全性。制造企业进行转型不管走的是什么路径，目标是一致的，但是安全是非常重要的。传统的信息化的安全不足以覆盖到制造领域的安全，GE工业互联网上倡导的安全，除了IT的安全还有OT的安全，就是工业技术的安全。
基础设施：基础设施从数据中心到网络，到大数据分析，到云计算等等基础设施的部署。
复合性人才。过去中国的20年，无论是信息化还是工业化过程中培养了很多人才，但是都过于单一化。工业化和信息化的深度融合之后，我们需要更多的是复合性人才，对工业材料了解，对信息业了解的，当然对我们管理也提出了很高的要求。因为技术是服务于业务的，刚才提到的最终是希望驱动企业，使它具备智能管理和持续创新的能力，从而提高它的核心竞争力。所以对于企业的经营者来讲，也是一个挑战，就是我们的管理技能如何和信息化技术，和先进材料技术多方面融合，给企业制定一个好的战略。
业务模式的改变。技术的引入也会促使我们从上游产品设计到生产制造，到供应链，一直到市场服务形成一个全闭环的流程。每一个环节都会对我们传统的运营模式和业务模式带来冲击，互联网给消费领域带来的改变每个人都感受到了，工业领域也是如此。比如说众包在产品设计阶段，现在已经被广泛的使用了，我相信将来在供应链，在市场服务的时候如何更精准，更和消费者互动，这些都会对我们已有的模式带来很大的改变，我们参与的很多项目当中都是着眼于这方面的改变。
‘柒’ 如何利用工业大数据推动制造业转型
什么是工业大数据？
工业大数据，很难从内涵角度来作出一个定义，因为它涉及到很多各种各样的数据。但从外延角度来看，比较容易。
大体上是3+3，第一个“3”是指3个层面——企业，企业上面的供应链、产业链和生态链，以及在这上面的行业管理和宏观经济。第二个“3”是指每个企业都有的3个过程——生产，使用，以及发展中的经营效益，所以，“3+3”基本上把工业大数据的脉络圈起来了。
从企业的角度看，工业大数据是在一个企业的设计、创新、生产、经营和管理决策过程产生、使用和转型升级过程需要的信息之和。所以最小的圈是企业，一个企业从开始到生产线到设计、到工艺过程、到人，一直到管理、决策、市场、服务，像这样的环节都在使用。
从供应链、产业链和生态链的角度来看，工业大数据是供应链、产业链和生态链产生、使用和需求的各类信息之和。这三个链之间很难一刀断开，因此，我也是从一个概念来看。所以，制造业也好、工业企业也好，整个过程是一个链环周。这个链不仅是一个企业，更重要的是政府机构、研究机构，需要把控和研究如何追求制造业前两环的优化。所以我们看到了超越一个企业的生存、使用和发展需求的新工业数据。
从行业管理和宏观调控的角度来看，工业大数据是工业行业管理和宏观调控产生、使用和需求的各类信息之和。每一个行业的管理都需要工业大数据，在工业行业又生存了很多企业，做好工业数据管理需要这样一个链条，所以“3+3”构成了工业大数据的外延，每一个环节，使用的和需求的中间是交集，这样才对工业大数据的发展提供了基础。
小结
首先，3+3加起来的组合就是工业大数据;
第二，产生、使用和进一步发展的需求的工业大数据是不同的，是交集;
第三，进一步发展需求的大数据最大;
最后一句话最重要，工业大数据，工业是主体。
为什么要发展工业大数据？
同样是三个层面，从三个由小到大的层面，加上一个需求，来看一下工业大数据的作用和意义。
首先，从最小的层面——企业来看，工业大数据为企业全过程设计、创新、生产、经营、管理、决策服务，为企业的发展战略和目标的实现服务。
第二个层面，工业大数据服务于供应链的优化、产业链的完善、生态链的形成和优化。从供应链、产业链、生态链来看，不管是CSM的生产圈，还是一个特定产品制造过程的供应链，或是一个完整生产过程的分析，工业大数据都是为了它的形成和优化。
第三个层面，工业大数据要满足行业和宏观决策调控的实际需求，提高行业和宏观经济管理决策质量、能力。政府的行业管理对于供应链、产业链、生态链、商业链、价值链有着非常重要的作用，但是政府的宏观调控超越了这样的链环本身，我们要对经济发展面临的重大问题作出回应，甚至回答制造业如何来应对这样的问题。所以从这个行业来看重要的是行业发展战略，而到宏观调控的时候，不但要从行业的发展战略，还要从整个经济发展去看这些问题怎么解决?这就需要信息。
第四，从工业转型升级的需求看，工业大数据是为了一个个企业、行业、装备、工艺、生产线、供应链的转型升级服务。先进制造业、工业4.0、智能制造，以两化融合和智能制造为重点的中国制造2025，都是工业转型升级模式的未来方向。原来我们的3.0工业，是以装备和生产线为核心的自动化，而4.0的智能化是把这两个过程自动化和数据自动化结合在一起。
小结：
工业大数据的研究和实践要服务于加快制造业转型升级、提升工业竞争力;
这个目标要落实到企业创新、设计、生产、经营、管理、决策的每一个具体环节;
这个目标要落实到供应链全局优化、产业链和生态链的形成和优化的每一个具体环节;
这个目标要落实到工业行业管理和宏观经济调控决策的每一个实际需求。
工业大数据怎么推动制造业转型升级？
在回答怎么办之前，首先要知道存在着哪些主要问题：
1、在数据生成环节，主要存在跑冒滴漏和非标准的问题;
2、在数据利用环节，主要存在数据不足、质量不高、各个环节协同存在制度、核算、标准等大量障碍;
3、在发展需求环节，主要存在缺乏预见性、缺乏有效的模型和工具、缺乏制度和标准规范等问题。
要想建设好、应用好大数据，首先要解决这三个问题：
首先是建设，什么是建设?我记得三年前说过，把大数据作探矿、采矿、炼矿、用矿，实际上探矿和采矿就是建设好信息，可以从三个纬度四个方面来建设好信息。三个纬度首先是发现，然后才可以按照应用需求结合起来。第二要有制度，要有标准，要实现系统之间的互操作。同时我们还要发现、收集、组织，来提升系统性、完整性、及时性、准确性。这是建设好、运用好。
利用好有三个方面或者三个层次和若干个关键环节。由于时间关系就不再展开讨论了。
最后，要特别注重取得实效、最佳实践和理论研究。
1、要特别注重实效。因为今天的大数据，每一个环节的形成都有它的实效，这件事情从开始到做完以后，效果究竟是什么?有很多企业家，当你用大数据对你企业各个环节进行改善提升的时候，你首先第一条要把提高效率放在首位，这是关键，而且对于制造业来说，要永远把利润率放在最重要的位置。当然，工业大数据不能直接用钱来算，有的环节是企业老板在管理上、服务上提效，但是这个效果必须是可测量的，不管是定性的还是定量的。
2、要特别注重最佳实践。i5数控机床，从开始研发到今天位列智能数控机床试点领先的行列，花了十年的时间。为什么前面几年没有成功?就是因为数据缺失。缺什么数据?高端数控机床为什么长期被国外控制?数控机床的技术为什么那么长时间没有克服?因为不管是材料的发展，还是装备的发展，都没有数据，没有实践过程中的数据，它是发展不起来的。接下来是模型怎么建，也需要数据来支撑，但是原来由于高端数控机床都由国外来控制，我们没有数据。另外，它在这个过程里面还倡导商业模式，这个机床是按服务钥匙收费。所以它又变成了今天最新最热门的制造行业分享。这显然是一个最佳实践，这里面工业数据是极其重要的。
3、要注重理论的研究，注重方法、制度创新的研究。在这个过程中，需要对制造业发展的趋势、特征，工业大数据的内涵外延，工业大数据建设和利用的系统方法，工业大数据质量保证、协同发展、制度创新等等一系列问题进行研究。
‘捌’ 如何实现中国制造2025提出的战略目标
通过“三步走”实现制造强国的战略目标。
第一步：力争用十年时间，迈入制造强国行列。
到2020年，基本实现工业化，制造业大国地位进一步巩固，制造业信息化水平大幅提升。掌握一批重点领域关键核心技术，优势领域竞争力进一步增强，产品质量有较大提高。制造业数字化、网络化、智能化取得明显进展。重点行业单位工业增加值能耗、物耗及污染物排放明显下降。
到2025年，制造业整体素质大幅提升，创新能力显着增强，全员劳动生产率明显提高，两化（工业化和信息化）融合迈上新台阶。重点行业单位工业增加值能耗、物耗及污染物排放达到世界先进水平。形成一批具有较强国际竞争力的跨国公司和产业集群，在全球产业分工和价值链中的地位明显提升。
第二步：到2035年，我国制造业整体达到世界制造强国阵营中等水平。创新能力大幅提升，重点领域发展取得重大突破，整体竞争力明显增强，优势行业形成全球创新引领能力，全面实现工业化。
第三步：新中国成立一百年时，制造业大国地位更加巩固，综合实力进入世界制造强国前列。制造业主要领域具有创新引领能力和明显竞争优势，建成全球领先的技术体系和产业体系。
围绕实现制造强国的战略目标，《中国制造2025》明确了9项战略任务和重点：一是提高国家制造业创新能力；二是推进信息化与工业化深度融合；三是强化工业基础能力；四是加强质量品牌建设；五是全面推行绿色制造；六是大力推动重点领域突破发展，聚焦新一代信息技术产业、高档数控机床和机器人、航空航天装备、海洋工程装备及高技术船舶、先进轨道交通装备、节能与新能源汽车、电力装备、农机装备、新材料、生物医药及高性能医疗器械等十大重点领域；七是深入推进制造业结构调整；八是积极发展服务型制造和生产性服务业；九是提高制造业国际化发展水平。
《中国制造2025》明确，通过政府引导、整合资源，实施国家制造业创新中心建设、智能制造、工业强基、绿色制造、高端装备创新等五项重大工程，实现长期制约制造业发展的关键共性技术突破，提升我国制造业的整体竞争力。
为确保完成目标任务，《中国制造2025》提出了深化体制机制改革、营造公平竞争市场环境、完善金融扶持政策、加大财税政策支持力度、健全多层次人才培养体系、完善中小微企业政策、进一步扩大制造业对外开放、健全组织实施机制等8个方面的战略支撑和保障。