一場制造業的革命正在緊鑼密鼓地進行。德國半導體制造商英飛凌在未來五年將投入1.05億美元，將其新加坡的工廠變成一座智能工廠，它采用了機器人和3D打印技術，正在讓阿迪達斯將生產線搬回德國；位于瑞士的一家領先香水制造商在過去三年，通過機器人將產能提升了三分之一；一家中國工廠通過機器人使產量增加了250%，而次品率則減少了80%。為了評估制造企業如何從智能工廠中獲得最大價值，我們對各關鍵行業和國家的大型企業中的1000位高管進行了調研，他們都在2015財年收入超過10億美元的制造企業工作。此次調研在六個行業展開，分別是工業制造、汽車與運輸、能源與公用事業、航空與國防、生命科學與制藥以及消費品。調研覆蓋了八個國家，分別是美國、英國、法國、德國、意大利、瑞典、中國和印度。我們與直接參與企業智能工廠計劃的18名高管進行了探討，他們都在年收入超過10億美元的企業擔任總監或更高級職位。我們探討了智能工廠計劃的愿景、策略、成功指標以及挑戰。除了行業調研和專題采訪之外，我們還開展了基于網絡的研究，采集所需的關鍵數據，以量化智能工廠的經濟效益。

智能工廠：制造業的一場革命
在未來五年，制造企業希望通過智能工廠推動性能改善，獲得遠超之前的效益：
◆ 成品的準時交付率預計為1990年的13倍，而質量指標預計為1990年的12倍以上。
◆ 資本支出和庫存等重要成本項目的合理化程度預計為1990年的12倍，物料、物流和運輸成本的合理化程度預計為1990年的11倍。
◆ 整體產能和勞動成本的改進增長率分別為1990年的7倍和9倍。

由于不同行業的制造企業已經開始挖掘智能工廠的潛力，制造企業對于智能工廠的期望已成為堅實的基礎，其中工業制造企業獲得的產能和質量提升達到20%左右。通用電氣公司位于格羅夫城的“卓越工廠”已將計劃外停機時間減少10%~20%、在縮短周期時間的同時，還降低了成本（通用電氣將其“卓越”概念描述為一家通過結合精益生產、先進和增材制造與高級軟件分析提高產能的復雜精密工廠）。通用電氣還投資2億多美元在印度普納建造了一座靈活的“卓越工廠”。該公司第一次能夠在一家工廠中為四個不同的業務部門生產從噴氣式發動機零件到機車部件等各種產品。這種多模態能力提高了公司的靈活性。通用電氣南亞地區總裁兼首席執行官Banmali Agrawala 表示：“該工廠將允許我們能夠根據今后的需求快速調整生產，而無需改變人員和空間。”
佛吉亞公司作為全球最大的國際汽車零部件制造商之一，計劃憑借數字制造，通過減少廢料和改進生產在塑料材料采購上節省1000萬歐元，還期望到2020年通過改進業務流程節省3000萬歐元。在佛吉亞公司位于印第安納州的工廠中，通過自我學習自主智能車輛（AIVs）、協作機器人和連續數據采集支持公司的工業4.0計劃。工廠經理Mike Galarno表示：“這座工廠代表著我們進入了包含連接、自動化、數據處理和硬件的工業4.0。我們將創造高效的系統和創新的員工工作體驗。”
在我們調查的所有制造商中，有近一半的受訪制造企業（43%）已經制定智能工廠運營計劃，另有33%的制造商正在制定計劃。例如：阿迪達斯的高科技Speedfactory 旨在利用3D打印、數字孿生和靈活的生產系統；西門子德國安貝格智能工廠所擁有的機器和計算機能夠自行處理價值鏈上75%的工作，該工廠每年生產1200萬件西門子的Simatic產品線，合格率達到99.99885%；ABB位于中國北京的智能工廠交付可靠性達到99.94% ，平均交付周期從八天縮短到兩天。
在美國競爭力委員會發布的全球制造業競爭力排名中，美國從2013年的第3位上升到2015年的第2位，預計將在2021年取代中國成為第一。在中國，有四分之一的公司正在實施智能工廠計劃（25%）。但相比部分國家，這一比例較低。
各公司正在通過加大投資以推動發展。在過去的五年中，超過一半（56%）的制造企業已在智能工廠上投入了1億美元以上的資金（參見圖2）。

智能工廠具有振奮人心的發展動力，然而要想在日益互聯與變化不斷的未來世界中取勝，制造企業就必須從具備智能制造能力的企業轉變成數字化企業。為了理解制造企業如何朝這一目標邁進，我們從兩個維度對制造企業的數字化成熟度進行分析。第一個維度是基本的流程 （生產、庫存管理、質量、規劃和預測） 的數字化程度，以及機器人、物聯網、人工智能、大數據分析等數字化技術的應用程度。第二個維度是成功帶來效益的轉型管理程度，包括制造企業的智能工廠愿景、治理和員工數字化技能等關鍵方面。
為了區分領先者和跟隨者，我們對在數字化成熟度的這兩個維度取得高分的企業進行了篩選。該分析劃分出四種明確的類別（參見圖3）：

◆ 精通者：我們發現只有6%的企業是我們所謂的數字化精通者。這些企業在數字化程度和轉型管理程度上的分數較高。它們在數字化生產流程中已處于一個高級階段，具有深厚的愿景、治理和員工技能基礎。
◆ 穩健者：在轉型管理程度上得分較高，但數字化程度得分較低。其流程的數字化程度以及數字技術利用程度均較低，所獲得的效益為次優。
◆ 跟隨者：數字化程度較高，但轉型管理程度較低。這一類企業已在關鍵制造過程方面實現了一定的數字化，但它們缺少明確的愿景、治理和技能來獲得數字化所帶來的競爭和可持續發展的效益。
◆ 入門者：在兩個維度的得分都很低，雖然有了智能工廠，但尚未獲得令人信服的效益。

通過對這兩個維度的分析，可以發現在數字化程度和轉換管理程度上同時取得進步的企業更有可能從智能工廠中獲得效益。在后面，我們將概述表現優秀者所獲得的效益規模以及決定成功的因素。
智能工廠帶來的巨大效益不容忽視
未來五年，智能工廠每年將為全球經濟創造5000億至15000億美元的價值（見圖5）。這將占到所估算的2015年全球GDP的0.7%。如果樂觀估計的話，制造企業將加快智能工廠建設和部署或轉型，使50%以上的工廠改造成智能工廠，為八個被調研地區創造15000億美元的價值，占全球GDP的2%。

在八個被調研的地區，制造業總價值（總銷售額減去中間成本）為88300億美元
智能工廠能夠以較低的成本實現更高的產能，增強短期制造利潤，并提高企業的長期競爭力。例如，一家大型歐洲汽車制造商的一名高管告訴我們，他們希望將車輛組裝的人力工作量減少約20%。另一家制造企業正在使用先進的追蹤與跟蹤、無紙化車間、全自動材料搬運設備等技術，降低約50%的物流和管理成本。
向智能工廠的轉型將改變全球勞動力市場，而前幾波的自動化浪潮已經減少了低技術含量的工作崗位，企業也已認識到這種必要性，并正在采取相關的行動：
◆ 54%的受訪者正在為員工提供數字技能培訓。
◆ 24%正從培訓預算中撥出一大部分為員工提供數字技能培訓。印度和中國等國家似乎在這方面領先于其他國家。在這些國家接受調查的高管中，72%和65%的受訪者表示正在從培訓預算中撥出一大塊來構建數字技能。
◆ 44%正在投資于培養數字人才，以彌補技能差距。
企業如何成功實施智能工廠計劃？
調查發現，只有14%的企業對自家的智能工廠的成功程度感到滿意，有39%的企業感到不滿意并且覺得自家的成功程度較低。這39%的企業可能因為無法實現預期的目標而感到舉步維艱。比如在580家企業中，有297家尚未達到提高產能的目標。在詳細了解這些企業所面臨的挑戰后，我們發現近三分之一的企業難以應對兩項關鍵挑戰：不同部門之間缺乏協調，以及缺少投資。

為了了解企業如何贏得挑戰并創造價值，我們借鑒之前的數字技術成熟度框架，并且從效益角度進行分析。根據我們的分析，精通者在效益的實現方面超出了其他類別的參與者。僅在產能效益方面，精通者的平均產能增幅達到24%，超過了其他三個類別的參與者。在對制造企業的累計利潤增長進行量化時，發現數字化精通者的優勢更加明顯。
精通者在關鍵的數字化和轉型參數上大大領先于入門者。為了了解精通者與入門者之間的差距，我們對數字化程度和轉型管理程度這兩個維度的參數進行了分析。
轉型管理程度的兩大差異化要素是數字技能和治理（見圖7）。我們發現只有極少數入門者對自己在數據分析、自動化和網絡安全等關鍵領域的技能水平感到滿意，而大多數精通者認為自己已經具備所需的技能。在治理方面，大多數入門者無法進行基本的轉型治理，包括任命領導者和建立路線圖等。

總結

我們身處一個智能工廠的時代。無論是汽車還是藥品，產品的生產方式都在發生變化。制造企業正在追求更高的效率和產能，成本正在下降，新的商機正在顯現。但隨著機器可以互相通信，機器人承擔起越來越多的工作，企業的數字化成熟度就變得越來越重要。制造企業需要實現從預測、規劃到生產等整個流程的數字化，并且充分利用物聯網、人工智能、大數據分析等關鍵技術。與此同時，他們還要以未來需要的愿景、治理和技能為重點，推動統一連貫的轉型。在這些方面表現突出的制造企業正從智能工廠中獲得更大的收益，并且能夠更好地應對智能工廠所面臨的主要挑戰，比如來自現有工人的抵制或反彈的潛在威脅。
我們的研究發現，已經涌現出一群表現突出的領先制造企業，而且領先者與跟進者之間的差距隨著技術發展的加快而越變越大。擁有數字技能的勞動力是必要的，并需要不斷補充，制造企業還需要讓員工參與到整個過程中，并且創造一種數字文化。是時候努力追趕了，否則這場最新的工業革命可能會將你甩在后面。