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
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21