1|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 2|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 报告编委 报告指导人 黄勇 爱分析 合伙人&首席分析师 报告执笔人 苏锦浠 爱分析 分析师 外部专家（按姓氏拼音排序） 刘全光 国邦协同 CIO 朱建勇 科杰科技 联合创始人兼副总裁 3|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 特别鸣谢（按拼音排序） 4|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 关键发现 l 设备后市场服务存在以产品为价值中心、以产品+服务为价值中心和以服务为价值中心三个发展阶段，当前正处于第二阶段。针对运维成本高、备件管理难、服务流程不透明、客户管理难等服务难题，设备后市场服务提供的解决方案能够应对有效上述痛点，并引领制造业服务化转型，推动商业模式变革。 l 工业数据智能平台成为智能制造的核心基建，为智能制造应用场景的拓展提供统一数据能力支撑。湖仓一体、流批一体技术的发展能够为数据治理提供更高质量的数据、满足不同场景下的数据应用需求。同时，工业数据智能平台的建设需要夯实数据安全底座。 l 工业元宇宙引领智能制造发展方向，通过打造一个三维的、低成本的虚拟世界，加速产品优化迭代，应用场景包括研发设计、生产制造、沉浸式营销等。然而从概念走向现实，工业元宇宙亦存在诸多挑战，要求更高的算力、更快的技术融合和更加安全的数据保护等。 l 相较于其他行业，制造业在大模型领域投入较少，相对滞后。通用大模型可帮助企业打破知识和行业经验壁垒，实现突破创新，专业大模型能有效解决大客户特定需求，打破垂直类信息孤岛。制造业需要加快探索和布局大模型的应用。 5|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 目录 1. 报告综述 7 2. 设备后市场服务应用实践分析 11 3. 工业数据智能平台应用实践分析 22 4. 工业元宇宙应用实践分析 32 5. 结语 36 关于爱分析 37 研究咨询服务 38 法律声明 39 6|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 报告综述 7|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 1. 报告综述 中国制造业体量庞大，增长迅速。根据国家统计局数据，2022年我国制造业增加值达33.5亿元，继续保持世界第一制造大国的地位。根据工信部的数据，我国制造业占全球比重也从22.5%上升到近30%。 与此同时，中国制造业面临智能化水平不足、核心技术受制于人、部分工艺流程的人工依赖度较高、产业附加值不足等问题。伴随着我国人口结构和产业结构的转型，制造业的成本将进一步攀升，未来发展面临挑战。 在此背景下，智能制造成为制造业转型升级的核心命题。智能制造是基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称，它以智能工厂为载体，以关键制造环节智能化为核心，以端到端数据流为基础、以网络互联为支撑，能够缩短产品研制周期、降低资源能源消耗、提高生产效率、提升产品质量。 当前，制造业企业的数字化转型实践已经进入深水区，呈现出以下趋势：从业务运营的降本增效走向商业模式变革，从单点场景的验证突破转向平台化能力建设，从成熟技术的应用延伸到新兴技术的探索。 Ÿ 以设备制造行业为代表，设备后市场服务引领服务型制造商业模式变革。伴随着政策指引和制造业观念转变，制造业开始向服务化转型，由原来的以产品为中心转为以价值为中心，通过提供附加值服务来增强产品竞争力。一方面，《中国制造2025》《关于进一步促进服务型制造发展的指导意见》等政策文件中明确指出，要利用工业互联网等新一代信息技术促进生产型制造向服务型制造的转变，推动商业模式和业态的创新。另一方面，越来越多的企业认识到，伴随着市场由 8|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 短缺经济向过剩经济的转变，产品同质化愈加严重，消费者选择空间也更大，服务化经营和差异化战略将成为制造业实现突围的制胜策略。 Ÿ 数据智能平台建设成为智能制造的核心基建。数据已成为继土地、劳动力、资本、技术之后的第五生产要素，数据作为制造业数字化转型的基础要素，决定了智能制造的精度和深度。在2021年12月出台的《“十四五”数字经济发展规划》中也指出，要“加快企业数字化转型升级”“支持有条件的大型企业打造一体化数字平台”“由点及面向全业务全流程数字化转型延伸拓展”，因时因地打造工业数据智能平台已成为制造业集成数据资源、挖掘数据价值以赋能业务场景的必由之路。与此同时，随着领先制造业企业自动化基础建设的基本成熟和上层数字化应用的单点突破，企业亟需建设一个统一的数据资产管理与服务平台，为智能制造各应用场景的拓展提供统一的数据能力支撑。 Ÿ 工业元宇宙指引下一代智能制造发展方向。工业元宇宙作为元宇宙落地的热门场景，一直以来受到众多关注。政策端，国家和各地正在加快出台相关产业政策，以抢占先发优势。2022年10月，工信部发布《工业元宇宙三年行动计划（2022-2015年）》，推广工业元宇宙在具体场景下的应用。工业元宇宙通过虚拟世界对现实生产活动的映射，帮助制造业打破时空限制，降 低 试 错 成 本 ，提升作业效率。但目前工业元宇宙落地时仍面临着数字孪生模型构建难、技术储备不足、技术融合难、数据安全风险突出等问题。未来，如何突破上述难点、拓宽工业元宇宙应用的深度和广度是制造业共同关心的问题。 图1：智能制造市场全景地图 9|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 综上所述，爱分析选择设备后市场服务、工业数据智能平台和工业元宇宙3个重点市场进行应用实践分析，以期为制造业企业决策层以及业务、数据部门、IT部门负责人提供企业数字化转型的实际落地经验，帮助其更好地完成智能制造的升级改造。 10|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 设备后市场服务 应用实践分析 11|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 2. 设备后市场服务应用实践分析 2.1设备后市场服务的过去、现在与未来 图2：设备后市场服务发展历程 传统模式以产品为价值中心：在粗放的传统模式下，装备和设备制造业更多着眼于产品的制造而非附加服务上，产品是企业的价值中心，企业通过提高产品销量和价格、控制生产成本以增加利润。企业为产品提供的服务包括基础的安装、调试和维修等，未能对产品的价值链进行拓展和深挖。由于设备智能化水平较低，这类服务的提供也面临着人力成本高、服务效率低等难题。 当前模式，产品和服务共同构成价值中心：当前正处于制造业价值中心的转移阶段，企业开始逐步拓展服务场景，延伸价值链。在“产品+服务”的商业模式下，装备制造业进一步扩大、深化和创新服务场景，提供的服务包括但不限于常规性运维服务、预测性维护服务、设备升级改造服务、设备报废回收服务、金融租赁服务、供应链服务等。以IBM公司为例，早期该公司以制造打卡机、计算机为主营业务，在企业面临巨额亏损时，采取了“服务价值和按需电子商务(e-business on demand)”的转型策略，如今IBM公司已成功地从生产硬件转为提供服务，成为全球知名的IT服务公司。 未来模式以服务为价值中心：根据制造业“微笑曲线”理论，在产品价值链中，产品附加值主要集中在研发和销售两端，发展服务型制造、增加服务要素投入，是装备制造业降本增效、形成新的增长点 12|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 的必由之路和必然选择，企业将逐步从以“产品+服务”为价值中心过渡到以服务为价值中心。价值中心的转移也将带来商业模式的转型，未来有望推动MaaS（机器即服务）模式的更大规模落地，即装备制造业企业根据产品的服务性能、关键绩效指标的达成定价，客户无需一次性购入整台设备，仅需租赁设备，减少了客户的资本性支出，商业模式的转型有利于企业开拓市场。 2.2 企业在提供后市场服务时面临的痛点 图3：设备后市场服务痛点及解决方案 设备运行状态不透明，运维流程复杂、成本高：由于设备智能化水平不足，导致企业掌握的设备运行状态数据不及时、不精细、不完整，企业只能在设备发生故障时做出响应式维护。复杂的运维流程一方面给企业带来了较高的运维成本，另一方面，由于客户在设备发生故障时无法及时维护，会产生较长的停工时间。 备件管理难：一方面，企业缺乏备品备件的台账和流通数据，导致原厂和副厂的配件混用，严重影响设备运维效果和质量。另一方面，由于缺乏对设备故障数据的统计分析，企业无法据此对备件库存进 13|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 行优化管理，备件库存过高则给企业带来较高的资金成本，库存过低则容易影响备件更换的及时性，降低客户满意度。 服务流程不透明：设备分布在全国乃至全球各地给运维团队的管理造成了一定难度，庞大的运维节点网络导致企业难以获取工单的实时状态，也不便对运维历史记录进行追溯查询。如此，管理端无法及时了解服务的进度与及时性，也无法控制服务的成本；客户端的服务满意度数据也无法及时上传，不能对服务效率形成有效监督。 客户数据分散、不完备，客户关系管理难：首先，由于客户信息分散在各个业务员或部门中，业务或人员变动容易造成客户资源流失。其次，售后服务人员在提供维修服务、经营客户关系时，工作相对独立，行动随意性较大，难以形成集中的客户档案数据，无法为客户提供全生命周期的服务。最后，由于客户信息分散，难以沉淀形成企业数据资产，无法及时挖掘增值服务，难以转化成销售机会。 2.3 设备后市场解决方案 以物联网、边缘计算、人工智能等技术为依托，设备后市场服务解决方案能够有应对传统模式下服务成本高、备件管理难、运维流程不透明、客户关系管理困难等问题。 远程运维：企业通过物联网网关、边缘传感器等实时采集设备运行状况数据和设备监控数据，通过移动网络上传到平台，采集到的数据可作为企业进行故障预警、备件管理的依据。远程运维能够搭建企业与设备专家之间的沟通桥梁，帮助企业快速定位设备故障，减少因维修人员出行时间过长而导致的设备停工时间长。同时，企业可将远程运维数据作为维修经验积累起来，沉淀形成企业数据资产。 预测性维护：不同于被动的响应式维护与定期的预防性维护，预测性维护使用智能状态监控传感器作为数据收集器，将测得的数据与设备健康运行状态参数进行比较，进而判断设备是否需要维护，安排针对性的维护工作。预测性维护一方面可以减少设备的非计划停机时间，另一方面可降低非必要的维护成本。 14|2023昶ⴔ區·兰腊ⵖ鸣应用㹊騨䫣デ 智能备件管理：针对备件质量参差不齐以及备件库存管理难等问题，智能备件管理可以帮助企业构建统一的备件管理流程，实现备件申请、使用、退货全过程的可视化管理。维修工程师可以在线申请备件使用，随时查看各类备件库存和申请的处理进度，保证任务的按时交付。同时，企业可以根据设备监控数据、运维数据等对备件需求量做出预测，据此优化备件库存，保证备件供应的及时性。 精细化客户管理：设备后市场服务以更加完备的客户、设备数据驱动服务升级，企业通过统一设备购买记录、维保记录、投诉记录、备件更换记录等客户数据，形成客户档案，统一客户数据管理，为客户提供更加有针对性的售后服务，提高客户满意度，同时进行二次销售。 案例1: 给清洁设备以“生命”，国邦从生产型制造走向服务型制造的转型之路 国邦协同科技（广州）有限公司（以下简称“国邦”）成立于2011年，是行业领先的清洁解决方案服务商，致力于为客户提供全周期清洁解决方案，提高其清洁品质及效率。在2016年到2020年连续5年的时间里，国邦的营收年复合增长率超过50%，市场占有率在2019年达到了行业前列。 然而，在清洁设备这个看似极其细分的行业里，国邦实现领军地位的道路并非一帆风顺。在一次严峻的市场竞争中，国邦抓住了数字化转型的机遇，完成了从生产型制造走向服务型制造的转型之路。 一、传统销售模式下，国邦面临的生存危机 自2011年成立之初，国邦走的便是高端路线。国邦所在的清洁设备行业主要面向物业、清洁服务公司提供