在过去的几年里，各个行业都在进行数字化转型，也就是我们普遍认可的“工业4.0”方面的投资。从试点项目来看，数字化转型的趋势正在加速。到目前为止，这些投资大多是为了推动资产可靠性、产品质量和制造效率等领域的业务改进。

以下十大趋势将在2018年的中国制造产业科技与管理热图上活跃。有些趋势非常明显，有些未必，但我相信这些趋势很有可能会对制造业的管理以及它对卓越运营的贡献产生深远的影响。

质量是工业物联网(IIoT)技术的一个应用场景。工业物联网的认知度每年在大幅度提升。大多数企业已经开始或计划开始一项与工业物联网相关的计划。市场的这种变化，部分是由于越来越多的成功案例，以及越来越成熟和易于部署的解决方案。

围绕智能制造和数字孪生等方法的物联网业务案例在过去的一年中出现了大幅增长。诸如零缺陷之类的质量举措以这些工业物联网方法为基础，以增加实质性运营和财务收益。零缺陷是建立在制造企业在的质量数据的基础上。

将质量数据与检测结果，制造执行系统、制造运营管理数据，保修数据以及智能制造的传感器数据等数据结合使用是一种必然的趋势。持续实时的数据统计可以帮助识别通过了质量检查但仍导致服务中断的产品，批次或流程。随着时间的推移与数据的快速积累，它可以允许实时识别先前无法检测到的故障。在2018年的政府工作报告中特别强调：强化产品质量监管。多方面开展质量提升行动，推进与国际先进水平对标达标，弘扬工匠精神，来一场中国制造的品质革命。

供应链的数字化变革与管理是企业成功关键的领域之一，也是目前制造业数字化不成熟的领域之一。更具行业咨询调研来看，有近两成的企业采用了数字技术来实现供应链质量管理的自动化。

2017年后随着信息化科技的驱动，这一领域受到了较大的重视。  预计不少企业2018年在供应链与质量管理的能力和流程上投入将会有大幅增加，而投入的资本或管理成本主要目的就是要让制造业企业传统的供应链管理转换为自动的数据驱动流程。 

如今的制造企业的风险从未如此之高。企业面临着诸如增加产品复杂性、改变全球市场、要求监管机构、不断变化的劳动力需求和复杂的价值链等压力，所有这些都是在产品发布周期不断在缩小的同时，对企业质量管理过程进行碎片化。今天的商业客户具有的知名度和分析能力，消费者在社交媒体和互联网市场上分享经验，往往是两个极端，要么非常积极，要么非常消极。

市场正在应对这些挑战，更多的企业在实施协同协作的数字化管理建设。许多公司正从传统的分析和标准过渡到现代的分析和度量，这些度量与边缘数据、历史数据和业务度量结合在一起需要设计、制造和服务上部署跨职能的流程和团队，使分析能够在短时间范围内看到工厂内部的典型情况，并开始在较长时间内交付预测能力。

自资产性能管理问世以来，无论是计算机化维护管理系统(CMMS)还是企业资产管理(EAM)，要点一直是提高可靠性、减少停机时间和减少计划外的维护。有这样一种假设，即时间短停机时间可以提高盈利能力，减少停机时间的较佳方法是在灾难发生前“修复”设备。这种假设的问题在于，维护一件设备的行为本身就会导致进一步的失败。

在走过的2017年，个别大型的智能制造企业在基于工业大数据分析已经被用来预测一件设备何时失效，然后进行预测性维护的基础上，开始关注“利润”与“运营绩效”管理的产品。2018年较为主要的转变将是脱离以维护为中心的思路，新的关注点是设备优化盈利能力。机器自学习（ML）和工业大数据分析将使企业根据订单积压、可靠性问题和工厂的数字孪生模型来决定工厂的较佳运营情况。在2018年，以数字孪生和规范分析，特别是非标工业生产设备为主要的资产管理更多的是关于资产优化，而不仅仅是可靠性和可用性。

增强现实技术(AR)和虚拟现实(VR)工具的发展是帮助技术人员更好地执行服务任务，而数字孪生恰恰是这写虚拟现实工具发展在制造业的基础。在制造业资产密集型的企业中，围绕数字孪生的应用与价值在过去的一年被广泛宣传，其主要的应用场景还是关注于以维护，比如在设备的虚拟x光上叠加操作条件，帮助技术人员使用数字双胞胎来模拟设备的预期的使用寿命。

数字孪生核心是包含了物理与流程两个方面的管理，在2018年的发展的转变将会更多倾斜在流程方面，特别是工业过程设计和工程应用程序。 通过AR与VR的结合， 结果将提高了操作性能的可靠性所需要的改变可以揭示制造生产的内在影响。这扩大了数字孪生的使用，以提供替代的未来状态，并就可能的操作运营行动过程提出建议，我认为这将将改变制造业管理的概念。

机器人与人工智能的热点将会在2018年得到更大的深化。无论是互联网汽车还是其他工业消费品，“智能互联资产”的终结游戏是一种自主经营，但我仍然认为目标实现起来难度非常大，在短期内有点理想主义。在2018年，我们将看到更多的机器人和其他过程系统自动运行。

在不远的未来，某些行业我们已经在尝试许多业务在没有人类的情况下运营，不仅仅是机器人的基本特性，更重要的是机器人将变得更人性化。其他行业将紧随那些试点行业，2018年将在大多数制造业领域进行各种智能互联资产的重大试验。期望看到更多的自动检测工具，监控设备的性能，提供服务而不需要人工干预。

基于物联网(IIoT)和大数据的分析在制造业数字化的努力中将获得更多的重视也会发挥重要作用。制造业软件平台管理供应商已经将研发资金投入到可以利用大容量和各种大数据的解决方案中。

过去几年中，我们不少企业已经在预测风险、先进的指标和指令性分析等领域启动了不少试点项目。2018年我们很可能会看到这些早期的项目取得成果，而供应商解决方案将足够成熟，从而能够更主流地推出机器学习(ML)预测模型。例如，人体工学风险缓解已经成为一个领域，它利用大数据来预测风险管理，并解决一个广泛而昂贵的跨行业职业安全问题。

在过去的十年中，运营风险管理的概念已经成为企业风险管理的重要组成部分，是企业安全、平稳运行的必要条件。操作风险管理被提升到一个董事会级别的问题，由高水平的工业灾难，例如在去年的2010年7月15日，英国石油公司在美国墨西哥湾控油装置的成功安置，全覆盖了水下漏油点，至此长达近7年多的墨西哥湾原油泄漏事件画上了一个句号。 从生产运营角度增加了利益相关者对风险和绩效透明度的要求，以及优化的行动计划。

运营风险管理趋向一种主动的、系统的风险管理方法，使用包括识别、分析、控制和监视在内的制造业全流程闭环过程。特别是在企业运营过程中，针对工人安全、过程安全、职业健康和环境，这些可能会损害人、生产资产或环境的风险加以管理。随着数字化转型中特别是工业网络安全威胁所带来的新型风险的增加，我们看到了2018年在智能运营中风险管理的应用范围在扩大。这一趋势将包括其他企业管理风险类别，如质量和供应链等。

标准管理系统标准已经广泛地应用于各个行业，作为持续改进业务领域的基础，如质量、安全、环境和风险管理等。从历史上看，这些标准是独立开发的，没有共同的结构或要求。随着2015年ISO 9001和14001的更新，以及2018年ISO 45001的更新，这些标准已经与相同的高层结构协调一致，并在风险评估等关键需求上共享通用语言。所有的更新和未来的标准也会改变。

这将使企业在2018年有更多的理由去寻找整合所有或部分现在独立管理系统的联合方法，实现制造业管理系统的新集成，趋向大而全小而美。这样的集成可以提高效率和操作改进，并提高跨规程的遵从性和风险缓解努力。综合利用共性的趋势将适用于启用信息管理系统和管理系统本身，并推动采用制造业企业集成的管理软件平台的发展。

组织和人员问题，解决方案向来是企业管理的核心挑战。从注重安全文化、员工参与、执行承诺、领导能力、行为安全等方面来看，这是显而易见的。

2018年将继续强调人员和组织，但在更多方面的系统性的方法，在解决问题和推动改进方面考虑到所有相互关联与融合交叉的能力。系统性全局思维考虑系统的所有部分之间的相互联系，包括人、过程、技术和文化能力。这将反映在对诸如优化经营文化、能力风险管理和组织变革管理等概念的强调上。

2018年将是智能制造等制造业信息科技管理领域的又一个令人兴奋的一年，本次政府工作报告中特别强调：加快新旧发展动能接续转换。深入开展“互联网+”行动，实行包容审慎监管，推动大数据、云计算、物联网广泛应用，新兴产业蓬勃发展，传统产业深刻重塑。实施“中国制造2025”，推进工业强基、智能制造、绿色制造等重大工程，先进制造业加快发展。

数字化转型正在制造业的各类企业与个层面发生。在2018年，我们众多的企业将面临如何参与历史上关键的商业技术趋势的选择，信息技术将推动2018年的大趋势，使信息科技为企业贡献更多的价值，为促进各行业融合升级做贡献！