智能制造迎“兩腿走路”拐點 家電三巨頭各顯神通
http://www.dardar168.cn在家電企業布局“第二跑道”之初，智能制造就被賦予了開辟新業績增長點和提高運營效率的雙重重任。不過，智能制造在上馬之初并沒有迅速成為家電企業擴大盈利的“第二跑道”，在很長一段時間里，主要作用還局限于重塑產銷模式、提高生產效率。
進入2017年智能制造 智能制造逐漸迎來“兩腿走路”的拐點。中國家電業的先行者們已經不滿足內部自用智能制造 而是要積極推動智能制造能力向外部輸出，打造真正的盈利增長點。
中國家電網記者通過梳理發現家電，青島海爾、美的集團、格力電器在近期公布的2016年年報中家電，把提升運營效率和智能制造能力的輸出并列為2017年以及未來幾年的工作重點。
海爾的策略是家電，重組智能制造資產與業務，進一步提高互聯工廠大規模定制效率的同時，為外部企業智能制造轉型升級提供整體解決方案;美的希望把握工業自動化及智能制造的產業擴張機遇，以庫卡為平臺，圍繞工業機器人、商用機器人、服務機器人和人工智能繼續進行布局，并積極拓展工業自動化領域的關鍵部件;格力則表示會加快智能裝備和模具產業的市場拓展，緊密圍繞機器人和精密機床兩大領域進行深入研究，，為中國制造2025提供自主研發的高端裝備。
自用效果突出
智能制造上承中國制造2025，下啟家電企業產銷模式重塑，在不斷優化智能決策、全流程協同管理水平的同時，也為多種定制方案下高精度滿足用戶個性化需求提供了堅實的基礎。
北京大學工學院工業工程與管理系主任侍樂媛教授認為，大數據、云計算、智能化技術是制造業升級的三大動力，不斷推動著大規模制造向大規模定制轉型。
據海爾家電產業集團副總裁王友寧介紹，海爾空調積累的大數據類型比較全面，不僅有制造工廠和銷售的數據，還有與用戶交互的數據，比如用戶家里和社區的環境數據、用戶消費數據等。目前，海爾空調整個大數據系統覆蓋了中國442個主要城市和全球32個國家，在與用戶交互過程中產生的大數據已達500多億條，其中包括用戶反應需求的數據200多億條，而海爾空調每天獲取的數據級別是5000萬條。
截止到2016年10月，海爾已經建成8家互聯網工廠樣板。在全流程互聯互通生態體系的驅動下，海爾的運營效率大幅提升，新產品研發周期降低了50%，定單交付周期縮短了70%。其中，2016 年定制產品銷量達 109萬臺，增幅超過了600%。
海爾之外，格力、美的兩家企業的轉型升級也頗具成效。
據格力市場部相關人員透露，2016年格力通過自主創造的智能裝備實現了生產自動化，整體生產效率提升了10.5%。在以“雙效”為中心的制造系統運行管理體系下，直接控員項目增效4294人,折合工時控員增效2244人;通過新工藝開發與利用、優化質量檢驗程序、優化生產線安排等項目的實施，全年累計實現降成本金額約3.87億元。
此外，以智能制造為代表的轉型措施，帶來的并不僅僅是機器人數量的增加和自動化水平的提升，更是企業整體效率的提升。美的官方公布的數據顯示，自2011年轉型以來，企業人均效率同比提高了90.9%，存貨周轉率提升了34.1%。
國家信息中心信息資源開發部副主任蔡瑩表示，通過大數據參與產品的研發、制造，進而創造了鏈接各方資源共創共贏的生態。智能互聯工廠大規模定制模式實現了真正的“用戶造”、“客戶造”，也為我國家電業智能制造模式創新提供了新思路，昭示了從成本驅動到用戶驅動下智能應用的新前景。
輸出內容迥異
目前，海爾、美的、格力既把智能裝備作為提升運營的工具，又把智能制造作為盈利的“第二跑道”。不過，在實際的內容輸出上，三家企業的做法并不盡相同。
海爾在2016年年報中稱，要將海爾互聯工廠模式和知識數字化、產品化，構建起自主知識產權的工業互聯網平臺- COSMOPlat，在整合已有的智能裝備、智能控制、模具、智研院等能力的同時，為企業智能制造轉型升級提供軟硬一體、虛實融合的整體解決方案和增值服務。三家企業中，海爾更“輕”，具有明顯的互聯網特征，提供的是全方位的智能制造解決方案。
格力更“重”，目光聚焦在智能裝備和模具產業的市場拓展，為外部企業提供的是機器人和精密機床等硬件方面的支持。
美的更“實”，深刻體現了“全球領先的消費電器、暖通空調、機器人與工業自動化科技集團”的定位。美的在2016年年報中明確表示，將繼續充實在運動控制和自動化解決方案領域的技術與產品儲備,完善機器人產業平臺布局，以庫卡為平臺圍繞工業機器人、商用機器人、服務機器人和工智能進行布局，并積極拓展工業自動化領域的關鍵部件。
美的輸出的內容不僅包括工業機器人，還包括了商用機器人、服務機器人以及人工智能技術等。而且，在智能制造的驅動下，美的集團“T+3”產銷模式在改善產品結構、經營周期、現金流水平方面效果顯著。
雖然中國家電業的先行者們已經具備了智能制造方案輸出的能力，但是面對復雜的轉型升級道路，大多數中國制造企業仍然任重道遠。
侍樂媛教授表示，一提到大數據人們往往想到的是像阿里巴巴、京東這樣的互聯網企業，但實際上分布在各行各業的大數據，制造業才是最多的、最復雜的。制造業面臨著無數的數據拆分、復合，而且還面臨著很多的數據斷層。現在應用的縱向數據很多，但是還缺乏橫向數據的鏈接和應用。制造企業還需要提高合縱連橫的數據采集和應用能力，來真正滿足大規模定制制造的需求。(薛奎)