未来的制造

余鸿彪埃森哲大中华区工业X事业部总裁hongbiao.yu@accenture.cn帕特里克·沃尔默（Patrick Vollmer）埃森哲资深董事总经理，全球工业行业主管恩诺·丹凯（Enno Danke）埃森哲工业X事业部董事总经理，奥地利、瑞士和德国生产与运营，能力与交付部门主管斯特凡·哈图拉（Stefan Hattula）埃森哲商业研究院总监，全球汽车与移动出行行业研究主管大中华区业务联系人作者 未来的制造 马蒂亚斯·瓦伦多夫（Matthias Wahrendorff）埃森哲商业研究院总监，全球工业、运输及物流行业研究主管杰夫·惠利斯（Jeff Wheless）埃森哲商业研究院高级总监，全球工业行业与工业X研究主管 未来的制造目录4引言：把握当下机遇，重塑制造业未来13当务之急：实现自动化，大力提升效率和精准度24结语：实现从管理到协同运作的转变 2040年愿景：超自动化工厂16当务之急：利用AI优化，实现从辅助到自主的跃升 未来的制造把握当下机遇，重塑制造业未来2040年最具竞争力的工厂会是什么样子？答案不仅仅是成本效率与质量。事实上，当下这两项高标准已然成为工厂保持竞争优势的“标配”。真正的差异化优势在于弹性、可持续性与智能化水平――这些能力将决定工厂是否能超越传统自动化，实现先进机器人、数据、AI和数字化工具的无缝集成。我们称这一愿景为“超自动化”。埃森哲近期在全球开展了一项深度调研，参与调研的552名工厂管理者表示，超自动化不仅是一个可实现的目标，更是工厂确立竞争优势的必由之路（参见“调研方法”）。不过，实现这一目标并非易事。因为大多数工厂都面临着一系列挑战，包括劳动力短缺、复杂的既有环境以及缓慢的AI流程部署。为勾勒出未来最理想的发展路径，我们将调研结果及埃森哲自身的客户服务经验相结合。在我们调研的行业中，工厂的规划期通常为五到七年，超出此期限范围的普遍被视为“愿景”。因此，我们以本次调研受访者所描绘的2040年愿景作为出发点，致力于弥合其未来五到七年的规划与更长远的规划及行动之间的差距。本报告依照此结构展开。第一章节阐述了2040年愿景――未来工厂将是怎样一番景象。随后概述了指导原则，为工厂管理者需要在以下四个领域采取的行动提供了指引：劳动力、自动化、AI优化和数字化。对每个领域而言，关键在于平衡好短期举措与打造未来工厂的根本需求。 调研方法2024年8月至12月期间，埃森哲对552位经验丰富的工厂管理者进行了调研，并与15位生产负责人开展了深入的定性访谈。本次调研的参与者包括汽车制造商、汽车供应商、工业机械制造商、工业设备制造商、电气设备制造商、重型设备制造商、商用航空航天制造商及商用航空航天供应商。调研覆盖了来自美国、欧洲、中国、印度和日本的不同规模的工厂，受调工厂的员工数从100人到逾5000人不等。我们在调研中重点关注了工厂管理者，因为他们具有独特的视角，并且他们是决定未来愿景能否实现的关键群体。这些管理者承担着为公司战略决策提供参考，并将决策转化为实际运作的责任。文中未标明出处的企业示例则源自埃森哲的客户服务经验。 2040年愿景：超自动化工厂制造业格局的转型肇始于200多年前的机械化时代。技术进步是当之无愧的驱动力。在这方面，一切都未曾改变：从大规模量产、自动化（现在称之为“有限自动化”）、数字化，再到如今的AI（人工智能），技术始终是革命性变革背后的驱动力。如今的不同之处在于，变革的速度更甚以往。当下，企业在纷纷尝试引进和部署AI，探索如何借力AI实现现有工厂的竞争优势，与此同时更须前瞻布局下一场已初现端倪的革命（见图1）。这意味着企业必须规划并处理所有相关事项，涵盖了技术与人才投入，以及数字核心，即推动持续革新的关键技术能力。这既是支撑工厂未来五年运营的必要条件，也是为后续十五年发展打下根基的关键所在。 未来的制造 未来的制造51%全自动化仓库149%智能互联制造单元149%自主移动机器人（AMR）153%自主运营（I 5.0）147%数字运营孪生152%基于生成式AI的自主学习机器148%数字互联团队145%自动导引车辆（AGV）1如果企业能够身体力行地采取这些行动，那么到2040年，其工厂的格局将焕然一新，与今日大相径庭。他们的工厂将具备自我优化的能力并由AI赋能，并且将机器人、数字孪生和人工监督无缝融入一个智能化、超自动化的制造生态体系。这样的制造生态体系将远不只是能够规模化执行流程，更能实时预见潜在干扰、灵活应变并优化生产，实现实时高度自主的运行状态（见图2）。图2：超自动化工厂的关键要素备注1：工厂管理者评分在“8、9或10分”的百分比，其认为将在2040年前实现这些关键要素的可能性。评分采用1到10分制，其中1分代表“可能性极低”，10分代表“可能性极高”。N=552；完整假设公式详见第27页。资料来源：埃森哲商业研究院分析 未来的制造大体而言，实现超自动化工厂的驱动因素可以分为四个领域：劳动力、自动化、AI驱动的优化和数字化。工厂管理者深知这些因素的重要性。挑战在于，如何将这种理解转化为切实有效的行动，既能应对当前环境，又能为长期愿景提供支持，尤其考虑到2040年的波动性与不确定性必将日益严峻。为此，需要企业深刻反思工厂的运营模式、技术应用的部署以及人机协同的工作方式。而这就需要企业拿出魄力，立即采取行动，重塑员工技能、推广智能自动化应用、将AI融入决策过程，并彻底拥抱数字化，使之成为现代制造业的中流砥柱。 高达七成的受访工厂管理者认为，劳动力转型是推动企业成功的最关键因素。他们的判断是正确的。制造业正面临人才断层的双重挑战：一方面，资深技术工人退休潮来临；另一方面，受人口结构变迁及年轻群体职业偏好变化的影响，新生代劳动力的补充持续乏力，导致劳动力供给急剧萎缩。仅以美国为例，分析师估计到2033年，美国制造业的技能缺口将达到380万个工作岗位。1鉴于此，工厂管理者将知识管理、数据分析融入日常工作流程，以及实现数据驱动的决策列为重中之重，这毫不意外。这些行动目前已成为AI驱动的变革的关键，其对于实现2040年愿景亦将颇为重要。然而，将行动付诸实践却极具挑战。问题之一在于培训成本，近半数（49%）的受访者认为培训投入是一个主要障碍。但是，投资于人才培训是充分实现技术效益的唯一途径。 劳动力转型，夯实和强化关键知识技能当务之急： 未来的制造另一个问题是员工参与度。埃森哲2024年全球变革调研发现，70%的员工在组织变革中缺乏参与感。2部分原因在于，他们不了解自身的工作能为未来做出哪些贡献。另外这也反映出一种担忧，担心帮助公司实施新技术是在“砸自己的饭碗”。尽管技能缺口问题日益严峻，但近一半（46%）受访者表示，工人们担心随着自动化的普及，他们的生产线岗位将被淘汰。图3展示了工厂管理者为在近期（未来五年）取得成功所制定的优先任务，以及所面临的主要障碍。企业必须立即着手克服这些障碍，这不仅关乎短期成效，更是为实现2040年愿景奠定基础。尽管未来工厂的技能需求将发生根本性改变，但对高素质人才的需求始终不变。所以，企业当下亟需明确未来的职业机遇，并为员工提供相应的职业发展通道。此外，企业还需建立新型人才发展模式，支持持续且实时的技能培训。未来的大部分工厂职工将从直接生产转向间接生产，这意味着他们将从体力劳动转向流程监管、决策和优化等职能。随着工作性质的演变，这些人还需要融入一个人机互动与共进的循环：既要向AI学习、与AI共同进步，也要训练AI。他们需要适应与AI协作、操作自主系统及监督复杂的自动化流程的工作常态。 劳动力转型前五大要务1劳动力转型前五大制约因素生产知识管理运用数据分析辅助日常工作数据驱动的决策培养持续学习的文化数字能力培训Figure 5:Workforce transformation priorities and limitations until 2030Top 5 limitations of transformation measures重大培训投资不愿适应扩展后的角色吸引新人才对数字知识水平的要求让工人不堪重负备注1：将相关要素的重要性评为“8、9或10分”的工厂管理者百分比。评分采用1到10分制，其中1分代表“完全不重要”，10分代表“极其重要”，N=552。备注2：选择特定制约因素的工厂管理者百分比。资料来源：埃森哲商业研究院分析 以生产运营为例，未来的工作岗位或将包含超自动化系统集成师和数字化流程协作师。从业人员需要监督去中心化的AI驱动的生产网络、优化实时工艺流程，并解决各类集成问题。另一个新兴职位是AI辅助的机器人工程师，其职责为设计和维护AI驱动的机器人设备及装配线。在质控与质检领域，未来可能会出现智能质量专家岗位，该职位需融合AI分析、物联网传感器和实时监控技术，确保产品完整性、合规性以及流程优化。图4展示了我们目前设想的这些新兴岗位和职责范围，以及维护、修理和大修领域的各种职位与职责。此外，一系列物流与供应链、战略管理及IT集成方面的职位同样不可或缺，其所需技能涵盖战略规划、AI优化、区块链、实时数据分析、网络协调、网络安全和数字化转型等。这些职位未来也将持续发展变化。许多公司在实现2040年愿景方面展现出了颇具洞见性的前瞻思维。总部位于英国的汽车制造商捷豹路虎（JLR）就是其中之一。JLR承诺每年投入2500万美元专项资金，帮助生产岗位上的员工掌握必要的新技术技能和能力，从而适应未来新角色。3当下，我们亟需以全新的视角来审视未来工作模式与劳动力的发展。 某全球食品饮料企业以“人才+流程+技术”三位一体战略，推动智能制造规模化落地任何先进技术，如果没有与之匹配的人才和流程，都会因现有生产运营体系的排异效应而困在技术验证（POC，Proof of Concept）阶段，难以实现规模化落地。该食品企业在推进全球智能制造战略的过程中，在完成POC技术验证阶段后，制定了“未来人才（Future Workforce）”、“未来工作模式（Future Way of Work）”和“数字化技术（DigitalTechnology）”三者合一的战略。在埃森哲工业X团队的支持下，该企业重点从以下几个方面推进“未来人才”培养与“未来工作模式”转型计划：强化精益制造管理目标：利用数字化技术推动精益，持续识别和消除物料、能源、人工和产能损失。构建“未来人才”能力体系a)在数字化技术的加持下，将总部、工厂及车间人员从各种报告、联络和商议（报联商）等非增值活动中释放，推动从“流程导向（Process-oriented）”向“结果导向（Outcome-oriented）”的思维转型；b)培养工艺研发和生产车间人员运用数字化分析工具，如决策模型、知识图谱等，实现精准的问题描述和根因分析；c)培养总部、工厂和车间人员学会与智能体（agent）合作，高效完成复杂任务。向“未来工作模式”转型a)工厂车间运营管理从“事后统计”向“事中干预”和“事先预防”模式转型；b)工艺研发从“一次性工艺发布”的传统模式，转向建立“研发与生产持续交互与改善”的闭环反馈机制，实现持续协同优化。 实现自动化，大力提升效率和精准度当务之急： 高达63%的受访工厂管理者将自动化作为中期优先要务。考虑到自动化所蕴含的降本增效机遇，这并不令人意外。然而，仅有60%的工厂管理者同时也在优先考虑实现2040年愿景所需的关键创新，例如正在变革内部物流和物料搬运的自动导引车（AGVs），以及自主移动机器人（AMRs）。实际上，尽管管理者们展望了2040年的宏伟蓝图，但在规划新生产单元时，只有38%的受访管理者将超自动化工厂视为理想模式。绝大多数管理者的目光仍聚焦于相对初级的目标，比如实现仓库自动化，以及与生产过程实时同步。综合来看，当前的发展重点与2040年的竞争需求之间存在着显著冲突。图5展示了这一差距。图中从左到右展示了在传统工厂，工厂管理者通过专注于近期获益可以实现的目标，以及两类超自动化工厂：既有工厂和新建工厂。先进程度越高，工厂在未来就越能确保生产的韧性、可持续