《中国制造信息化指数》：

　　中国智能制造正由工业 2.0 向3.0 过渡 逼近德国

　　来源：微信公众号 中国信息化百人会

　　2016年11月26日，中国信息化百人会第三届信息战略论坛在苏州成功举行，本次论坛的主题为“工业物联网与智能工厂——大数据时代的企业信息战略”。会上，中国信息化百人会与中国两化融合服务联盟联合发布了《中国制造信息化指数》(以下简称《报告》)，这是中国首个对智能制造水平进行量化评估的研究报告。

　　《报告》由中国信息化百人会与中国两化融合服务联盟联合推出，课题组长为工信部电子一所信息化研究与促进中心主任、中国两化融合服务联盟秘书长周剑。《报告》得到了以下专家的指导并提出了重要建议：中国信息化百人会专家高新民，高世楫，张新红，安筱鹏，钱卫列;国家信息化专家咨询委员会委员、海关总署原总工程师杨国勋，国家统计局统计科学研究所高级统计师杨京英，国家统计局统计科学研究所副研究员何强，北京机械工业自动化研究所首席专家蒋明炜，北京理工大学管理与经济学院张剑等。

　　《报告》基于中国两化融合服务平台和国家统计局的宏观数据，采集了 70000 余家制造业企业数据，覆盖全国32个省级行政区、共28个产业门类，并得到了华为公司市场洞察(MI)团队的专业支持。

　　《报告》指出，2016 年中国制造信息化指数为 36.9，较 2015 年的 35.6 提高了 3.8%。对标工业 4.0，中国制造业总体水平正由工业 2.0 向工业 3.0 过渡，中国智能制造总体水平正在快速逼近德国。

　　《报告》指出，江苏、浙江、广东、天津、上海和山东智能制造水平属于第一梯队，全国总体呈现“东南沿海高、西部内陆低”的态势，即各省市智能制造的基础环境和产业应用水平与该省效益与影响相关性显著。

　　同时，《报告》指出，从36个细分行业来看，石化、电力、电气等率先进行信息化发展的行业智能制造水平相对较高。

　　以下为《报告》重点摘要内容：

　　一、中国制造信息化指数

　　中国制造信息化指数以基础环境、产业应用、效益与影响为分析视角，围绕万物互联、组织变革、数据驱动、综合集成和协同创新等要素，形成3个一级指标，11个二级指标，29个三级指标，并利用逐级加权方法计算和评价中国智能制造水平。

　　(一)构建理念

　　对标工业4.0，中国制造信息化指数全景展现当前中国智能制造水平。工业4.0的核心要素万物互联、组织变革、数据驱动、综合集成和协同创新等在中国制造信息化指数中均得到充分体现。

　　(二)指标体系

　　中国制造信息化指数的概念模型源于国际电联的信息通信技术发展指数(IDI指数)模型，认为智能制造发展需同时推进三个层面的任务：第一个层面是基础环境，以便为信息化在制造业中的应用做好准备;第二个层面是产业应用，也就是在制造业领域中深入地开展信息化应用;第三个层面是效益与影响，制造业信息化应用提升经济社会发展的效益和效率。

　　中国制造信息化指数指标体系由一组有机关联的指标构成，包括基础环境、产业应用、效益与影响3个一级指标，下辖11个二级指标，29个三级指标。

　　二、中国智能制造总体水平

　　(一)2016年中国制造信息化指数为36.9，正由工业2.0向工业3.0过渡

　　2016年中国制造信息化指数为36.9，较2015年的35.6提高了3.8%。对标工业4.0，中国制造业总体水平正由工业2.0向工业3.0过渡。

　　对比中德两国，虽然我国在高端制造工艺技术、生产自动化等方面距离德国还有很大差距，但是在“新四基”、云服务等方面取得了举世瞩目的成就，在电子商务、企业间协同、尤其是在产业生态创新等互联网转型发展方面中国已经走在世界前列。

　　如果按照传统工业发展的眼光来看，中国制造和德国制造之间的差距很大，但如果按照互联网时代制造业综合竞争优势判断，中国制造正在快速逼近德国制造。

　　(二)江苏、浙江、广东、天津、上海和山东智能制造水平属于第一梯队，全国总体呈现“东南沿海高、西部内陆低”的态势

　　2016年，各省、直辖市、自治区中国制造信息化指数呈现“东南沿海高、西部内陆低”的态势，排名自高到底依次为：江苏、浙江、广东、天津、上海、山东、福建、北京、安徽、河南、湖北、江西、湖南、辽宁、重庆、河北、四川、吉林、山西、内蒙古、陕西、贵州、宁夏、新疆、黑龙江、广西、青海、云南、海南、甘肃。

　　(三)石化、电力、电气行业智能制造水平较高，各行业差异明显

　　我们对统计局的36个细分行业智能制造水平进行分析发现：

　　石化、电力、电气行业总体发展水平较高，作为技术密集型的产业，这类行业的信息化布局较早，起点较高，有较为扎实的信息基础设施和制造业发展环境，在基础环境和产业应用的排名也处于前列，未来需要在提升效率，培育创新和绿色环保方面加大投入，优化提升;

　　以文教工美、家具制造为代表的较为“轻型”制造门类，由于其体量较小，企业类型繁杂，传统上处于制造业中容易被忽视的地位，但由于这些行业更贴近消费者的具体需求，在个性化定制，服务型制造，平台化运营等方面勇于探索和实践，其智能制造水平相对较高，总体排名较为靠前，这一定程度上体现了未来制造业的发展方向和转型路径。

　　冶金、采掘类行业相对落后，这些行业产能过剩严重，企业发展参差不齐，信息化的基础环境薄弱，产业模式落后，虽然行业集中度较高，有一定的经济效益，但创新能力较差，在消耗大量能源的同时伴随着较多的污染。

　　三、中国智能制造发展重点与价值成效

　　(一)基础环境

　　2016年，我国制造业基础环境得分47.9，较2015年提高了5.2%。其中，以能源、烟草和石油加工等为代表的行业基础设施起点较高、资金积累实力雄厚，基础环境水平位居前列，但增长速度相对趋缓;

　　采掘、废弃资料利用等行业基础环境建设水平相对较弱，未来需要进一步突破基础环境的制约，为其推进信息化深入应用奠定坚实基础;

　　仪器仪表、食品制造等行业中小企业比重较高，企业基础设备设施和条件提升建设相对来讲规模小、难度低，且总体上中小企业新技术应用和创新比较活跃，近年来基础环境水平增速明显;

　　日用杂品等行业门槛较低、小微企业众多，基础环境水平和增速均较低，亟待通过信息技术带动全行业制造水平提升。

　　1、新四基

　　(1)2016年我国制造业生产装备数控化率为44.1%，烟草、电力行业生产装备数控化率较高，采掘行业亟待提升;

　　(2)核心工业软件普及率ERP最高，达到69.7% ;制造执行类软件应用程度较低，MES普及率仅为23.3%;

　　(3)工业互联网联接水平大幅攀升，2016较2015年几乎翻一番;采选、木材加工行业基础薄弱;

　　(4)工业云与智能服务平台初具规模，2016年制造业云平台渗透率为33.7%;离散和混合类行业云平台渗透率较高。

　　2、组织与人才

　　网络化组织模式是未来组织变革的必然方向。

　　基于之前的聚类分析结果，我们分别从四类中选取典型代表行业进行分析发现，行业信息化指数越高，对应的组织创新程度也越高。

　　3、数据资源

　　(1) 医药、纺织、化工、食品加工行业数据资源的采集、管理和开发利用水平显著增长;

　　(2)“新四基”的投入和建设每增长1个百分点，会伴随数据资源管理和开发利用水平0.6个百分点的提升。

　　(二)产业应用

　　2016年，我国制造业产业应用得分34.8，较2015年提高了9.8%。从各行业的“产业应用”一级指标得分来看，电力、石油开采、化纤、石油加工、文娱用品制造5个行业的得分较高，2016年得分分别为59.5、53.6、45.5、45.4和43.9，在所有行业中排名位居前五。2015-2016年间，各行业“产业应用”一级指标得分均实现了增长，平均增长11.9个百分点。

　　1、企业应用

　　(1)电子商务加速向制造业全行业渗透;

　　(2)装备、原材料行业综合集成水平领先，装备行业设计与制造集成水平较高，流程行业管理与控制集成水平较高;

　　(3)企业平台化运营水平尚处初级阶段，2016年制造业各行业实现与相关方业务全面在线协同的平均比例 仅为11.8%。

　　2、企业间协同应用

　　(1)运输设备、电气行业产品全生命周期协同创新优势显著;

　　(2)石油加工、电子、化纤、文娱用品行业产业链协同程度较高。

　　3. 产业生态创新应用

　　(1)橡胶塑料、专用设备行业网络化协同制造成效卓著;

　　(2)家具、仪器仪表、电子行业服务化转型势头强劲;

　　(3)消费近端行业大规模个性化定制发展显著领先。

　　4. 基础环境与产业应用的关联分析

　　(1)数据资源、“新四基”对业务综合集成驱动作用明显;数据资源、“新四基”对产业链协同驱动作用明显;

　　(3)产业生态创新应用对数据资源开发利用、企业间协同创新提出更高要求;网络化协同制造、服务型制造与产品全生命周期协同创新水平的相关系数分别达到了0.76和0.83，大规模个性化定制水平与产业链协同水平的相关系数为0.72。

　　(三)效益与影响

　　信息化水平的提升，能够带动技术产品、组织管理、经营机制、销售理念和模式等创新，提高供给质量和效率，激发制造业转型升级新动能。本部分选取设备综合利用率和创新能力等指标来分析信息化相关要素水平的提升对制造业所产生的效益与影响。

　　1. 设备综合利用率

　　生产装备数控化率达到50%以上时，设备综合利用效率会有明显增长;数据自动采集率达到60%以上时，设备综合利用效率会有阶跃性增长。

　　2. 创新能力

　　企业组织与人才水平显著作用于企业创新能力，随着组织与人才建设水平的提升，企业创新能力不断提升。

　　3. 经济效益

　　行业云平台渗透率达到50%以上时，行业经济效益会有阶跃性增长。

　　四、中国智能制造发展趋势与建议

　　新常态下，形成中国经济增长新动力，形成经济发展新优势，推进供给侧结构性改革，重点在制造业，难点也在制造业。推进制造业供给侧结构性改革的根本出路在于促进新供给、创造新需求、培育新动能。培育新动能在要素层面表现为激活高级生产要素，在企业层面表现为提升核心竞争能力，在产业层面表现为催生新业态。

　　(一)要素层：充分发挥数据新驱动要素的创新潜能

　　2016年能够利用信息化手段自动开展决策优化的企业占比61.2%，能够应用企业内部信息进行综合决策优化 的企业占比37.2%，而能够同时利用内外部信息开展综合决策，并能够实现决策优化、预警和预测的企业也占到16.1% 。

　　数据正日益成为企业生产、经营和决策的重要依据，企业决策方式也从传统的经验式决策转变为利用信息化手段基于企业内外部数据信息进行智能化综合决策。

　　(二)企业层： 深化集成、提升组织结构柔性程度

　　集成既是生产力的变革，也是与其相适应的组织架构、战略、管理模式、商业模式的深层次变革。

　　建立和完善信息化环境下的动态组织和开放价值网络， 并通过合作分享模式在整个价值网络范围内优化资源配置，围绕为用户创造价值打造柔性新型能力。

　　(三)产业层：积极探索新模式新业态

　　随着基于技术的工业时代分工方式向基于数据的信息时代分工方式演进，传统的产业边界将逐步消失，围绕用户体验、个性化服务和价值创造实现多产业跨界融合发展将成为新的潮流和趋势 。

　　越来越多的行业企业将探索基于网络化的新型生产模式。

　　(四)切实提高新型基础设施支撑水平

　　急需加大对自动控制与感知、工业软件、工业云与智能服务平台、工业互联网等制造业发展“新四基”的投入。

　　“新四基”的各个要素是相互依存、互相促进的。应该从整体着眼、协调推进，避 免单点建设、盲目建设，确保取得系统性实效。