
推进“互联网+”制造的四大难点
工业发展史上的每一次变革都承载着新旧的更迭,经历着新事物、新产业的诞生,旧规则、旧制度的淘汰。“互联网++”正在改变着传统制造业资源配置方式、研发模式和生产经营模式发展方式,最终将传统制造业改造为现代制造业。制造业领域所发生的变化不是简单的、适应性的微调,而是关乎生存发展的重大变革,甚至是当之无愧的又一次革命。
我国制造业发展面临着“全球竞争、绿色低碳、转型升级”的严峻挑战,迫切需要借助“互联网+”带来的机遇转型升级。“互联网+”的深入应用,促使制造业的新模式、新业态层出不穷,正重塑产业组织与制造模式,重构企业与用户关系。但在推进过程中并非一帆风顺,还存在一些难点和痛点,迫切需要我们深入辨析,厘清思路,并提出切实有效的措施,使我国真正发展成为世界制造强国。
传统工业化思维盛行
在传统生产模式下,管理的标准化、生产的规模化,把资源和生产能力当做企业的主要竞争力。用户处于被动地位,只能接受特定的产品。而互联网首先改变了用户,由之前的孤陋寡闻变得见多识广,由分散孤立变得相互连接,由消极被动变得积极参与,被搁置的多样化个性化需求被激发,使得市场环境发生重大变化。然而,我国多数传统制造企业还未意识到这种变化,旧制度和新时代在企业家身上难免会形成观念的错位。这就导致了把互联网简单认为就是营销工具,忽略了把企业内外价值链全部数据化,不能借助互联网对业务、组织、团队进行彻底改造。“互联网+”的认识流于形式、浮在表面,有时急于求成,难以切实为转型升级服务。
整体制造能力还不足
我国制造业门类齐全、规模最大,但大而不强。但由于长期主要采用跟随和模仿战略,核心技术缺失,共性技术不足,导致很多高端装备、关键部件,甚至连一些基础件和电子元器件都长期依赖国外进口。制造水平普遍不高,2013年,我国金切机床数控化率仅为28.8%,远不及美、日、德的60%~70%的水平。大多数企业尚未建立MES(执行制造系统),即使建立了MES的企业,其计划和成本控制对象也未细化到工序与加工设备,也未完全实现与ERP(企业资源计划)的集成应用。截至2015年2月,全国3万多家企业两化融合评估结果显示,处于起步建设和单项应用的企业比例仍高达82%。制造企业自身能力不足,影响了与“互联网+”的融合进程与深度。与制造强国相比,我国制造企业普遍存在技术短板,在关键零组件研发、工业级系统软件开发等方面仍然有较大差距。同时,在互联网化过程中,由于经验不足,我国一些制造企业缺乏整体规划,把重点放在了软件应用上,忽视了信息化咨询、业务流程分析、系统流程、解决方案实施和客户化开发等方面的要求,造成单点应用强但信息集成弱。
“互联网+”服务能力缺失
难以适应互联网技术快速升级、持续换代带来的挑战。“互联网+”是一个动态过程,与信息化应用的项目建设周期完全不同,由此将带来系统兼容、标准规范、升级维护等一系列潜在风险和挑战,“互联网+”服务商大多缺乏细分行业的整体解决方案,不重视为制造企业提供总体设计、客户化开发、软件系统配置和运行维护管理等整体服务,且多分布在设计制造和管理环节上,对制造业价值链高端的服务环节支撑明显不足。“互联网+”公共服务平台尚未形成规模,服务能力弱,可持续发展能力不足,对制造企业转型升级发展的整体支撑不足。加上网上有害信息和网络违法犯罪等问题日渐突出,网络安全风险不断增高,数据安全面临巨大挑战,特别是流氓软件、病毒、黑客等时刻都威胁着制造业的信息安全。
盲目跟风现象较为严重
目前,将制造业转型升级融入“互联网+”大潮,已成为地方政府认可的发展路径,纷纷制定出台相关规划和政策,促进“互联网+”制造业发展。如福建省政府印发了《关于加快互联网经济发展十条措施的通知》,把工业互联网作为发展重点;湖南力争2015年实现全省移动互联网相关业务收入增长100%以上,移动互联网企业数量增长100%以上的目标;广东要用3年左右时间,使全省50%以上的制造企业完成新一轮技术改造;河南瞄准智慧城市,在省级电网、高速公路服务区、城市燃气等领域接入微信支付,各政府机构的政务微信公众账号将统一整合归入微信“城市服务”入口。政府重视有利于刺激产业发展,但盲目布局则可能埋下长久隐患。很多制造企业纷纷涉及“互联网+”,但更多是炒作概念、资本融资。
与发达国家不同,我国劳动密集型企业和中小企业数量大、占比高,信息化程度低,在大力推进互联网应用的同时,也要考虑到这些企业的实际情况。因此,制造企业在应用互联网时必须立足实际,制定差异化实施路径,绝不能只是将互联网作为一种手段和工具,甚至跟风炒作,而是要优化企业业务流程和组织体系,让互联网变成企业转型和变革的力量。同时,各级政府在推进“互联网+”制造业过程中也不宜急于求成、越俎代庖,要坚持把简政放权作为全面深化改革的突破口,使市场在资源配置中起决定性作用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01