B1C-T 德国进口TESTEM全系列SKM2-3

德国进口TESTEM全系列SKM2-3

德国汉诺威2019年4月4日消息  埃森哲“工业X.0”研究显示，工业企业已探索出大规模开展数字化创新的高效方式，并显著提升了数字投资回报率。这些企业不断地进行规模化概念验证，其效益大幅*平均水平。

埃森哲对13个行业的1,350名工业企业和*高管进行了调研，覆盖了离散型制造企业及流程型制造企业。调研发现，尽管所有受访企业都已迈入概念验证阶段并投资扩展其创新举措，但只有约22%的企业达成了预期收益。

埃森哲大中华区数字服务董事总经理、工业X.0业务负责人江崇龙表示：“创新规模化对于企业实现数字化转型至关重要，但显然，很多企业尚亟需破解这一关键难题。我们的研究发现，工业企业中的者战略意识。他们能充分利用管理实践，明确需创造的价值，并聚焦于改革自身机构。对他们来说，虽然仍在推动创新规模化，但关注点已从项目数量转变至实际成效。”

领业企业赢得出色数字投资回报

调研显示，企业（占样本量的22%）已对其超过半数的概念验证进行规模化实施。这些企业期望自身行动所产生的回报*，同时他们不仅能普遍达到其高预期，而且往往可以超出预期。埃森哲的调研发现，平均来看，企业预期的数字投资回报率(Return on Digital Investment - RODI)为22.3%，但实际可达25.5%。

其他企业的表现远逊于企业。属于“追逐者”行列的企业约占65%，虽然他们概念验证规模化的比例接近企业，但就回报来看，其实际结果(6.4%)并未达到其预期(7.2%)，且低于行业平均水平。而第三类“学习者”企业只能对其不到一半的概念验证进行规模化，数字投资回报率为9.9%，落后于其目标值11.25%。

埃森哲“工业X.0”研究表明，企业的数字投资回报率超过了同行平均水平。

企业的四大行动秘诀：

本次调研还揭示了工业企业的成功秘诀，这些企业普遍采取了以下四大具体行动来推动创新规模化：

定义价值，创新：工业企业会评估当下机遇，并由高管理层锁定需把握的市场机遇，然后基于这一明确的目标与中层管理者沟通，以解决“自上而下推动数字价值”以及“创新过程中的中层遇阻”两大关键挑战，从而推动创新举措，确保实现预期回报。

着眼外部价值和内部变革：企业将技术转型与组织变革相结合，避免两者分离，从而打造出埃森哲所定义的“双引擎”组织。63%的企业明确认同这是其发展目标，高于其他企业(54%)。

实现业务职能的全面创新：研究显示，企业能够精准地将投资和创新需求匹配起来，他们善于将数据分析平台、新型工作方式或全新职能协作模式等“促进因素”植入具有迫切需求并能有效对此加以利用的业务职能当中。

建立内部创新孵化工厂：工业企业更赞同打造内部创新孵化工厂，而不是拆分或收购初创企业来进行创新。这些组织单元随后会被纳入现有业务部门的服务架构中，两者合作创新并规模化实施新的解决方案。

江崇龙强调：“成功的数字化再造必须借助根植于核心业务职能中的数字化能力，从企业内部加以推动。企业首先锁定客户重视的价值，然后建立数字创新孵化工厂，集整个组织之力为客户交付这些价值，从而顺利克服所有企业都在面对的创新挑战。”

埃森哲的调研显示，企业的数字创新规模化能力与六大特定组织管理挑战密切相关，这些挑战分别是：管理*性、数字价值衡量、技能、技术基础设施、伙伴关系管理和企业文化。埃森哲应用经济分析模型，将这些挑战与数字投资回报率相联系，表明企业可以通过更妥善地应对这六大挑战来改善投资回报水平。

　而今，人人都在谈论工业4.0，新趋势风起云涌，物联网和大数据、机器学习、人工智能、更先进的机器人、增强现实、网络安全……作为实现智能制造的重要途径，工业4.0对制造业的重要性不言而喻，在生产力、效率和安全性、灵活性、分析能力等方面，工业4.0无疑将为主要参与者带来极大的价值链优化和可观的收益。

　　但顾虑的声音同样不少。比如有人说，中国的企业更多解决的是生存的问题，还不是发展的问题，生存过程中面临同质化的竞争，如何使产品有差异化优势？同时工业4.0固然提升了灵活性、生产效率，也伴随着庞大的投资，当前是一个好的投资时间节点吗？工业4.0怎么落地、什么时候落地？

　　正如在近日举行的第八届EEVIA年度中国ICT媒体论坛暨2019产业和技术展望研讨会上，ADI亚太区工业自动化行业市场部经理于常涛指出，工业4.0带来愈渐强大的分析能力以及生产效率、安全性极速提升的同时，其典型困境也随之而来，其中包括实现工业4.0的路径和时间表不明确；许多正在发挥作用的业务基础因素带来不确定性；不能进行可能过时的投资；另外如果客户没有准备好，你也不能走得太快。但他也认为，*会有极大的优势。

ADI亚太区工业自动化行业市场部经理于常涛

　　但很显然，工业4.0已经不仅是一个畅想或者愿景了。一众产业链上下游企业正积极地推动和着工业4.0的加速落地，这其中就包括ADI。

　　不妨先看看ADI的一组企业画像：

• 　　成立于1965年，总部位于马萨诸塞州诺伍德，是标普500指数和纳斯达克100指数成份股；
• 　　员工约15,000人，业务遍及20多个国家和地区；
• 　　在有45个设计中心，产品种类超45,000；
• 　　客户超125,000家，2018年总营收62亿美元，其中工业终端市场营收达31亿美元，占总营收一半。

　　不难看出，工业领域是ADI的核心市场。“得益于工业4.0带来的新的市场需求和新的技术导向，ADI的机会整整翻了一倍都不止。”于常涛透露说。

　　作为*的半导体方案提供商，ADI推出了一系列加速工业4.0应用落地战略，提供了从前端的检测、各种传感器，到后端的测量、技术、参考、ADC、再到数据解析等产品及解决方案，帮助客户尽早达成工业4.0的愿景。

　　“围绕实际工厂的应用场景，ADI的独到的方案已经涵盖了各个环节。”在于常涛的演讲中，他通过更快、更智能、更安全的工业自动化方案介绍，阐述了ADI的底层创新技术如何赋能加速机器人集成、加速软件可配置系统、加速系统级安全、加速边缘到云连接、加速设备健康监测等工业4.0应用落地场景。

　　以目前在智能工厂中应用广的机器人为例，传统机器人的关键技术大多只涵盖了运动控制、软硬件基础以及功能安全三个方面，但更先进更智能化的工业机器人要求更高。“比如机器人的各关节，我们一定要检测它当前的角度，看看在大负载情况下，机器手臂本身的抖动情况，同时机器人在工作过程当中，特别是协作机器人，需要跟工作人员紧密配合的时候一定不能伤到人，这涉及到若干传感器的技术。同时机器人作为工厂的一分子，它也需要把参数上传到云端。”于常涛举例道。

　　对此，ADI利用自身深厚而广泛的运动控制系统级知识，再结合不同的传感模式，提供了精确、同步的控制和通信解决方案，大大提高机器人生产力。这其中传感、ToF、电源、连接、信号处理及安全技术等，几乎涵盖了ADI在工业领域的所有核心技术。

　　控制系统作为工厂自动化系统的重要组成部分，拥有大量的模拟和数字输入输出I/O接口，不过一旦客户需要扩展或者设备损坏，将耗费大量的时间和成本，并造成计划外停机时间，影响生产。ADI为此推出了一项*性产品——软件定义I/O。这款产品的每个通道都可以任意地定义为数字量的输入输出，或者模拟量的输入输出，每一个I/O实现软件可配置，降低产品的复杂性，现场施工人员只需要清楚地标明接口的数字型模拟型，正确地连接信号的正负，再结合现场的实施结构，即可通过软件的方式把系统完整地运行起来，极大节省现场工程安装的难度和成本。

　　工业网络无疑是当今产业的热点，更是与工业4.0的落地息息相关。但工业网络标准众多，不同设备和系统之间的兼容性是个问题。针对这一难题，于常涛详细介绍了ADI推出的工业以太网技术。“ADI产品可以用单一一颗芯片支持现在主流的工业以太网的协议。大家可以想象一下，一个单一的硬件平台，通过调用或者编写部分的软件方式，你就可以直接实施不同的工业以太网协议。”不仅如此，作为下一代的延续，于常涛透露，ADI将在今年底推出支持千兆网络的TSN（时间敏感网络）芯片，解决工业网络中的延时问题和优先级问题。此外，在运动控制方面，ADI基于ARM/DSP的EtherCAT从站方案，为客户的高性能运控系统，提供了实时工业以太网的解决方案。

　　机器健康监测是一个典型的工业4.0落地实践，精确、实时的机器健康监测可以实现预测性维护，大大减少停机时间和维护成本，正被越来越多的客户所接受。于常涛表示，在推动设备健康监测方面，ADI的低延迟、基于条件的监测工具(CBM)将精确感知与嵌入式算法结合起来，以的额外处理手段进行实时监测，以极其可靠的实时数据和通信来防止生产中断、提高安全性、提高吞吐量和降低成本。

　　当然，ADI在推动工业4.0应用加速落地的产品和方案远不止于上面提及的几道“菜”。于常涛特别强调，工业4.0不仅是一场技术革命，更是一个商业的变革，除了一系列技术专长和深厚的领域知识融合， ADI还致力于成为合作伙伴的可信赖盟友，携手迈向工业4.0，共同取得成功。

机器人产业作为科技创新的重要发力点，未来5-10年会持续活跃在创新。机器人产业是当前人工智能、大数据、互联网等科技浪潮的重要科技创新融合点，是先进制造、产业升级等重要产业应用的结合点。把握机器人产业的创新发展大势，精准施策，特色化发展机器人产业，对于区域竞争创新发展，产业蝶变升级的重大意义显而易见。

笔者总结梳理了当前机器人产业在产业政策、产业空间、产品创新、技术迭代、市场竞争五个维度的变化趋势，希望能为机器人产业的发展提供经验借鉴。

产业政策：机器人产业依旧是国家战略的焦点所在

通过政策和产业路线图规划设计谋求在机器人领域的技术或应用优势，已经成为世界各国发展机器人产业的典型经验和共性做法。如美国政府制定系列化举措支持机器人产业发展，从《国家机器人计划》（2011年）到《2016美国机器人发展路线图——从互联网到机器人》（2016年）再到《国家机器人计划2.0》（2017年），以确保美国在机器人领域的*地位。日本政府则明确自身机器人产业的定位，发力“世界机器人创新基地”、“世界*的机器人应用国家”、“迈的机器人新时代”（《新机器人战略》，2015）。2019年2月，据《日本经济新闻》报道，日本政府计划在今年内制定包括安全对策在内的方针，以便在公共道路上进行无人快递机器人配送试验。欧盟于2014年启动了大民用机器人项目，到2020年将投入28亿欧元。2016年，欧盟“2020地平线”项目公布在机器人领域将资助21个新项目，增强机器人技术的竞争力和*地位。

产业空间：机器人产业市场仍处在加速上升发展期

得益于既有市场空间尚未饱和，细分领域空间开发提速，机器人产业市场增长具有较大潜力。据《中国机器人产业研究报告（2018）》披露数字显示：2013-2018 年机器人市场规模的平均增长率约为15.1%。工业机器人市场是其中大的部分，占据总的一半以上，工业机器人正迎来整个产业发展的黄金机遇期，从德国和日本两个国家的数据可见一斑。根据德国VDMA机器人自动化协会消息，2018年德国机器人自动化销售额在*范围内都有所增加，达成约150亿欧元的*大规模销售额。据《日本经济新闻》披露，2018年日本工业机器人订单金额比2017年增长7%，突破1万亿日元大关，预计2019年同比将增长4%，达到1.05万亿日元(折合约90亿美元)。从未来的发展方向上看，2019年服务机器人预期增速（32.3%），特种机器人预期增速（12.0%），都要明显高于工业机器人（9.2%）。随着市场认知和成熟度的提高以及场景应用融合度的增加，服务机器人和特种机器人领域在未来3-5年应该会有更强的表现，机器人产业三足鼎立的格局不会太遥远。

产品创新：智能机器人产业更多集中在产品终端服务层面

机器人*企业更关注于产品的高附加值和消费级产品市场。单纯的智能机器人本体生产和供应已经无法满足当前数字化和信息化融合的深度发展浪潮之需。智能化的管理已经成为精益管理之后更高层面的管理需求，“大集成，远端管理”等理念正在成为互联网、物联网、大数据融合下的工业新策略。如在工业机器人领域，一方面表现为云平台已经成为*发展的共识，ABB推出ABB Ability工业云平台，发那科设立FIELD平台。另一方面表现为智能化工厂发展态势明朗，智能化的工厂已经不再是少数优秀企业的*权利，它已经成为一种趋势，点、线、面的改造升级浪潮正在新兴经济体国家快速兴起。在服务机器人领域，得益于人工智能领域取得的突破性成果，如在人机交互、机器学习、感知能力等方面的提升，“机器类人化”能力正进一步加强，机器人正逐步走入生活之中。相应的产品的种类也呈现出更加多元的方向，以满足终端客户的多样化需求。在特种机器人领域，安防机器人、救援机器人、巡检机器人等品种相继问世，智能网联车已经成为当前以及未来布局的重点争夺领域，国外以谷歌、英特尔为代表的科技，国内为代表的企业纷纷展开布局。同时，北京*出台《北京市智能网联汽车创新发展行动方案(2019年-2022年)》，积极布局5G车联网，力争2020年在重点区域完成5G车联网建设。

技术迭代：人机共融有可能成为智能机器人技术发展重要方向

机器人技术创新得益于机器人领域的丰富度不断攀升，机器人创新的方向也更加复杂。但有一点不可否认，人机共融发展将在未来一段时间发挥相当重要的导向作用。在工业机器人领域，人机共融表现为人机协作，目前*都已经推出相应的产品。如ABB集团的YuMi双臂协合机器人，发那科推出了CR系列协作机器人，库卡机器人公司推出LBRiiwa协作机器人。随着对合作柔性的要求越来越高，未来的竞争点可能会更聚焦软件控制技术创新。在服务机器人领域，人机共融明显的方向是提高交互的水平和质量，涉及语音语义识别、响应时间等。特别是当前发展较为迅速的企业服务机器人，如京东智能客服机器人，已初步具备人类情感的简单分析功能。在特种机器人领域，尽管技术的发散方向更加多元，但人机在特定应用场景的交互和协作却显得更加重要。值得关注的是，波士顿动力公司创始人在去年年会中透露，其商业化中长期进程中涉及短期发展安防等特种机器人，预计未来波士顿动力机器人产品可能会成为特种机器人领域中一个新的强有力竞争对手，具有*优势的“步态行走”有可能对现行部分产品的应用（如履带式产品和轮动产品）产生颠覆式的影响。

市场竞争：市场需求与行业异质性形成了*的产业格局

从整体产业市场看，产业市场的可拓展空间更多的依赖于产业需求的增长。相比于欧美国家，中国作为世界机器人应用的市场，既展现出数量优势，又展现出速度优势。据IFR统计，2018年机器人产业规模超过300亿美元，而中国独占1/3，连续多年保持。并且根据IFR2019年3月份发布的报告，中国2017年制造业每万名工人拥有机器人台数平均数达到97，突破世界平均数，但与韩国（710）、新加坡（658）、德国（322）、美国（200）等发达国家相比尚有差距，这反映出中国机器人产业在未来还有很大发展空间。从整个机器人产业上看，机器人三大领域中的竞争表现得各不相同。在工业机器人领域，90%以上的机器人市场基本上被行业*所垄断，技术壁垒相对比较高，并且*开始向更高价值的后端服务转型，新进企业所面临的技术和市场挑战比较大，存量的中小企业更专注于非标市场，通过低层级的系统集成来获得相应的收益，领域内存在着明显的价值梯度差距。在服务机器人和特种机器人领域，产业的集聚度相对来说的比较低，细分领域的市场应用也没有*打开，正处于产业发展期，更易于企业进入和快速发展。

数字孪生不仅仅是复制。

　　孪生，即双胞胎；数字孪生，顾名思义，就是数字形式的双胞胎。

　　在“数字孪生”中，双胞胎中的一个是存在于现实世界的实体，小到零件，大到工厂，简单如螺丝，复杂如人体的结构。

　　而双胞胎中的另一个则只存在虚拟和数字世界之中，是利用数字技术营造的与现实世界对称的镜像。

　　如果以家用电脑为例，Word文档和打印出来的文稿就是“数字孪生”。若以导航软件为例，城市中的实体道路和软件中的虚拟道路也是“数字孪生”。

　　数字孪生技术产生的汽车3D模型 数据来源：“数字孪生城市”

　　此外，这个数字孪生体，不仅是对现实实体的虚拟再现，还可以模拟对象在现实环境中的行为。因此可以说，数字孪生是将物理对象以数字化方式在虚拟空间呈现，模拟其在现实环境中的行为特征。

　　数字孪生有什么用？

　　数字孪生这个概念究竟有什么用呢？

　　首先，它可以通过设计工具、仿真工具、物联网、虚拟现实等各种数字化的手段，将物理设备的各种属性映射到虚拟空间中，形成可拆解、可复制、可转移、可修改、可删除、可重复操作的数字镜像。

　　这极大的加速了操作人员对物理实体的了解，激发模拟仿真、批量复制、虚拟装配等设计活动。

　　过去，在没有数字化模型帮助之下，制造一件产品要经历很多次迭代设计。

　　现在，采用了数字化模型的设计技术，就可以在虚拟的三维数字空间轻松地修改部件和产品的每一处尺寸和装配关系，这使得几何结构的验证工作和装配可行性的验证工作大为简单，大幅度减少了迭代过程中物理样机的制造次数、时间，以及成本。

　　此外，数字孪生还可以通过采集有限的物理传感器指标的直接数据，借助大样本库，通过机器学习推测出一些原本无法直接测量的指标。由此实现对当前状态的评估、对过去发生问题的诊断，以及对未来趋势的预测，并给予分析的结果，模拟各种可能性，提供更全面的决策支持。

　　例如，针对大型设备运行过程中出现的各种故障特征，可以将传感器的历史数据通过机器学习训练出针对不同故障现象的数字化特征模型，并结合专家处理的记录，将其形成未来对设备故障状态进行精准判决的依据终形成自治化的智能诊断和判决。

　　应用场景丰富

　　1. 数字孪生，5G应用落地强风口

　　数字孪生是5G物联网时代的一个重要场景应用。

　　5G网络的场景应用包括：eMBB（高带宽）、mMTC（大联接）、URLLC（高可靠&低延迟）。海量的应用场景和模式都是在这三者的基础上衍生出来的。

　　eMBB全面提升网络速度，增强网络体验；mMTC链接更多的智能终端，实现万物互联；URLLC因其高可靠性和低延时，应用于自动驾驶、移动医疗等精度要求高的行业。

　　数字孪生便是上述应用场景的衍生之一。

　　5G衍生赋能产业链 数据来源：“数字孪生城市”，国泰君安证券研究

　　目前，数字孪生技术多用于工业制造领域，尤其是汽车、电子制造领域。工业互联网是工业系统与高级计算、分析、感应技术以及互联网连接融合的结果，催动工业互联网走向完善的关键技术很多，然而能体现工业互联网“助燃剂”5G拉动作用的就是数字孪生。

　　未来工业物联网核心的应用基础是数据，无论是在生产线上的工业设备，还是城市里的垃圾箱、电灯杆，都需要采集出来并映射到数字世界，数字孪生因此*。

　　2. 数字孪生帮助制造业效能大幅提升

　　推进设计和制造高效协同

　　在数字孪生模型中，所需要制造的产品、制造的方式、资源以及地点等各个方面可以进行系统的规划，将各方面关联起来，实现设计人员和制造人员的协同。

　　一旦发生设计变更，可以在数字孪生模型中方便地更新制造过程，将完成各项任务所需的时间以及所有不同的工序整合在一起，进行分析和规划，直到产生满意制造过程方案。

　　确保设计和制造准确执行

　　在数字孪生模型中对不同的生产策略进行模拟仿真和评估，结合大数据分析和统计学技术，快速找出有空档时间的工序。

　　调整策略后再模拟仿真整个生产系统的绩效，进一步优化实现所有资源利用率的大化，确保所有工序上的所有人都尽其所能，实现盈利能力大化。

　　举个例子来说，数字孪生车间就是数字孪生技术在制造业的典型应用，也是突破制造的物理世界和信息世界之间的交互与共融瓶颈的典型实例。

　　数字孪生车间主要由物理车间（Physical Workshop）、虚拟车间（Cyber Workshop）、车间服务系统（Workshop Service System:WSS）、车间孪生数据（Workshop Digital Twin Data）四部分组成。其中：

　　物理车间是车间客观存在的实体集合，主要负责接收WSS下达的生产任务，并严格按照虚拟车间仿真优化后的预定义的生产指令，执行生产活动并完成生产任务；

　　虚拟车间是物理车间的忠实的、*数字化镜像，主要负责对生产计划／活动进行仿真、评估及优化，并对生产过程进行实时监测、预测与调控等；

　　WSS是数据驱动的各类服务系统功能的集合或总称，主要负责在车间孪生数据驱动下对车间智能化管控提供系统支持和服务，如对生产要素、生产计划/活动、生产过程等的管控与优化服务等；

　　车间孪生数据是物理车间、虚拟车间和WSS相关的数据，以及三者数据融合后产生的衍生数据的集合，是物理车间、虚拟车间和WSS运行及交互的驱动。

　　3. 数字孪生技术应用场景畅想

　　数字孪生技术的应用场景非常庞大，在未来，它会在多个方面改变我们的工作和生活，应用场景涉及各个方面。

　　智慧城市管理

　　把数字孪生技术应用到智慧城市管理上，会让城市更安全。街道、社区、娱乐、商业，甚至是电力线、变电站、污水系统、供水排水系统等，都会有数字孪生体，从而可以更轻松便捷地监控管理城市的每个地方。

　　工业设备监控

　　工厂中的设备都可以通过数字孪生技术复制出来。我们可以利用数字孪生设备了解设备内部的运行机制。数字模型和实体设备一起使用，我们可以知道设备的运行数据，提高故障预判和维修效率。

　　健康管理

　　个人的数字孪生体可以通过医疗检测、扫描仪器、可穿戴设备来复制。比智能手环更智能的是，我们可以得到数字孪生体每一部位的运动变化数据，更加有效地管理个人健康。

　　大脑活动的监控与管理

　　人脑非常复杂，大脑的活动更加不容易追踪研究。大脑的思考方式、运动感知功能都是科研人员研究的重难点。将数字孪生技术用在大脑研究上，以后可以帮助治疗脑部疾病患者。

　　虽然总体来看，数字孪生技术还处在早期阶段，但可以肯定的是，在数字时代的未来，数字孪生将*改变我们发现、认知和改造世界的方式，未来世界大有可为。

　　数字孪生是5G赋能产业链上的重要一环。数字孪生作为5G衍生应用，加速了物联网的成型和物联网设备数字化，这与5G三大场景之一的万物互联需求强耦合。此外，数字孪生还是5G推动工业互联网发展过程中的助燃剂，5G时代数字孪生*。

　　以上内容节选自国泰君安证券已经发布的证券研究报告《数字孪生，复制同一个你》，作者庄宇、赵良毕，具体分析内容（包括风险提示等）请详见完整版报告。若因对报告的摘编产生歧义，应以完整版报告内容为准。

德国进口TESTEM全系列SKM2-3