云端制造：运营和 IT高管将愿景转化为优势.pdf

联合出品方 IBM 商业价值研究院|研究洞察云端制造运营和 IT 高管将愿景转化为优势2IBM 可以帮助制造商利用混合云、AI 和自动化实现全新的业务敏捷水平。我们将依托于久经考验的工业 4.0 参考架构和行业标准来帮助您制定战略方向，在开放平台上始终如一地部署先进车间技术来实现规模化运营，并合理选择制造流程用例来缓解燃眉之急，充分释放价值。如需了解更多信息，请访问 visit 如何提供帮助AWS 通过先进的云解决方案（包括机器学习、物联网、机器人和分析）帮助领先制造商转变其运营方式。AWS 可助力制造商将资源集中投入用于优化生产、创建新的智能产品以及提高整个价值链的运营效率，而不是投入大量资源搭建基础设施。如需了解更多信息，请访问 如何提供帮助1近一半(48%)的受访制造商表示还有空间更充分地释放云计算的价值。企业需要从仅利用孤立云用例节省成本，转变为制定端到端、成效驱动的云战略。创新制造商正在利用云计算夯实数字灵活性的基础。领先制造商更加广泛地实施了数据驱动型文化（与其最接近的对手类别相比高出 1.7 倍），因此更有利于采用推动运营转型的新兴技术。AI 和物联网等云端数字技术推动重塑。领先制造商正在推动工作方式和技术工具现代化，同时投资提升员工团队的数字技能，从而提高绩效和生产力。基于云平台的先进数字技术可以推动制造业转型。摘要2释放云计算的潜力随着工业 4.0 时代的发展，制造组织一直在稳步采用云计算，大多数受访制造组织表示在 2022 年取得了重大实施进展。1 尽管云计算是数字化转型的基石，但 IBM 商业价值研究院(IBM IBV)和 Amazon Web Services(AWS)的最新研究表明，许多制造组织可能并未充分利用云计算的价值和机会。根据我们针对全球制造商开展的一项调研，仅有一半(52%)的受访 IT 高管表示其组织正在充利用云计算的优势。哪些因素在阻碍制造商释放云计算的价值？我们从调研中发现这有三个方面的原因：迁移至云端的制造相关工作负载大幅减少，这阻碍了利用云计算作为关键驱动力的先进运营项目。一些制造商并未制定涵盖云计算、AI、物联网和制造活动应用现代化的整体技术 战略。一些受访制造者高度关注成本节省，而不是改善业务成效，例如释放核心制造业务的绩效和价值。这对制造商有何启示？在采用云计算方面，仅停留于直接迁移工作负载或简单的独立用例是远远不够的。更注重成效的方法可以帮助制造商提高生产力、质量、设备可用性和可持续性，同时加速工程工作和产品生命周期管理。制造组织正在开展下一阶段的复杂技术驱动型项目，包括供应链协同、质量分析与问题解决、材料与生产优化以及预测性资产监控。制造组织也广泛认识到，这些举措需要整合数据、安全性和指数级技术，并以云计算为基石，充分释放创新的强大力量。事实上，根据 IBM 商业价值研究院的最新调研，与仅使用云技术相比，云计算与其他业务转型举措相结合可以将效益提升 13 倍。23图 1在利用数据和数字技术方面的成熟度正在决定制造商如何释放云计算的更深层价值如果缺乏更具战略性、价值驱动的云方法，制造业的数字化转型就会变得更具挑战性。为了探索制造组织如何从云计算和基于云的先进技术中释放更多价值，我们分析了全球 1,100 多家制造企业的制造高管和 IT 高管的调研回答，以评估其组织的数字技术成熟度和数据成熟度。受访者来自汽车、电子、下游石油和天然气、化工、金属和工业机械领域（请参阅第 32 页的“调研和研究方法”）。我们从分析中发现了四种具有代表性的制造商原型类别（见图 1）：受限运营者（Constrained Operators）：在数字技术和数据管理方面均处于落后状态 数字化热衷者（Digital Enthusiasts）：致力于推动数字化转型，但在数据实践方面处于落后状态 数据聚焦决策者（Data-focused Deciders）：投资于数据管理但缺乏技术支持 转型优化者（Transformational Optimizers）：利用数据和技术推动成功。信息来源：IBM 商业价值研究院FIGURE 1Manufacturers maturity in leveraging data and digital technologies is defning how they unlock clouds deeper value数字技术成熟度高数字技术成熟度低数据成熟度高数据成熟度低TO转型优化者27%的受访者DD数据聚焦决策者22%的受访者CO受限运营者24%的受访者DE数字热衷者27%的受访者4根据调研数据，我们确定了“转型优化者”在关键绩效指标上脱颖而出并成功释放云计算优势所具备的五项典型特征：现代云平台 强大的数据基础 数字技术整合 新的工作方式 业务成效与云计算密切相关。本报告深入探讨了上述每一项特征，分析了“转型优化者”在每个领域为支持其运营优先事项所做的努力。行动指南根据制造商在数字技术和数据管理方面的成熟度提供了未来发展的三步计划。制造相关业务的应用/系统工作负载中有四分之三尚未迁移到云端五分之三的制造高管和 IT 高管表示其组织并不关注业务成效。四分之三的制造组织尚未制定涵盖云计算、AI、物联网和制造活动应用现代化的整体技术战略为何只有一半的制造组织利用云计算充分释放了业务成效？问（IT）：贵组织已将多少百分比的应用/系统工作负载从数据中心迁移至云端？问（IT）：请描述贵组织针对以下活动的技术战略。问（制造和 IT）：您在多大程度上同意以下陈述：IT 和制造关注技术项目的业务成效；百分比表示在 5 分制中回答 4 和 5 的比例，其中 1=非常不同意，5=非常同意。5推动制造业转型的特征特征#1现代云平台混合云有助于推动数字转型 它将公有云、私有云和本地部署环境融合在一起，建立统一、灵活、成本最优的 IT 基础架构，让组织能够在最合适的位置处理数据。3 混合云可支持从工厂车间的传感器、设备和机器收集实时数据，并提供给其他工厂资产使用，还可以在企业的整个软件体系中共享，包括 ERP 和其他业务管理软件。4 同样，云平台可支持所需的 IT 负载，例如运营技术(OT)与 IT 集成、边缘分析、OT 安全以及新兴应用和传统应用。云平台可以集中管理来自不同制造业务的数据，从而实现跨工厂洞察、KPI 对比和优化。5 除了基本的云基础架构优势以外，超过 60%的受访高管还指出容器、可移植性和 DevSecOps 等先进云功能是不可或缺的成功因素。但许多制造商的当前云架构不足以支持大部分主要项目，因此也就难以协同多种数字技术来保障这些优先事项的顺利实施（见图 2）。例如，预测性资产管理可能需要依托于云计算、物联网、AI 和 5G。制造质量根源分析则需要依托于云计算、物联网、AI、计算机视觉技术和边缘计算。如果没有相应的云平台来为其他技术提供支持，则这些项目可能会陷于停滞甚至失败。6图 2受访高管表示其组织的云架构不足以支持一些最重要的技术项目。FIGURE 2Executives report their cloud architecture is inadequate for some of their most important technology initiatives.供应协同制造质量根源分析材料优化生产优化预测性资产监控和绩效管理制造质量问题解决运输优化58%52%54%缺口支持48%51%支持支持40%51%缺口缺口缺口44%50%57%55%49%46%50%运营技术项目的重要性 VS 搭建了提供支持的云架构*技术项目的重要性提供支持的云架构*缺口的定义是超过 5%的百分比差距。问（制造）：以下运营技术项目对贵组织的重要程度如何？百分比表示在 5 分制中回答 4 和 5 的比例，其中 1=完全不重要，5=非常重要。问（IT）：贵组织的云架构可为运营项目提供多大程度的支持？百分比表示在 5 分制中回答 4 和 5 的比例，其中 1=完全没有，5=非常高。7“转型优化者”在实施云技术以支持高级运营项目方面取得了最大进展（见图 3）。以供应协同这个重要领域为例，美国制造商协会的一项调研发现，近 80%的受访制造商将供应链中断视为其首要业务挑战。6 更高比例的“转型优化者”表示其云架构可为供应协同提供支持，其比例要比其他组织高 1.5 倍。“转型优化者”正在通过实时跟踪来监控和管理材料流，以及跟踪在制品和成品。借助这种洞察力，此类制造商可以在问题发生时及时进行干预，从而防止库存问题。制造高管估计，经过优化的供应协同可以将供应链成本降低 37%。同样，更高比例的“转型优化者”表示其组织的云架构可为制造质量根源分析项目提供支持，其比例是其他组织的 1.4 倍。识别制造流程中的问题或缺陷并自动纠正是一项重要能力，这有助于更快地确定问题的原因并减少重复出现的问题。受访高管估计，专注于这项重要能力可以将低质量造成的成本影响降低 57%。“转型优化者”在预测性资产管理方面也更有优势 受访高管表示预测性资产管理可以将资产可用性提高 52%。利用数据和分析，预测性功能有助于促进资产利用率，并避免成本高昂的停机和维修。8DE60%38%36%43%62%45%42%48%52%48%51%54%42%49%56%47%35%58%48%26%34%45%50%38%46%52%47%DEDEDDDDDDDDCOCOCOCOCOCOCODEDEDEDDDDDD DE转型优化者数据聚焦决策者数字化热衷者受限运营者表示其组织云架构支持所列运营技术项目的受访者百分比TOTOTOTOTOTOTO制造质量根源分析材料优化生产优化预测性资产监控和绩效管理供应协同制造质量问题解决运输优化图 3“转型优化者”表示已搭建更成熟的云架构来支持运营技术项目。问（IT）：贵组织的云架构可为运营项目提供多大程度的支持？百分比表示在 5 分制中回答 4 和 5 的比例，其中 1=完全没有，5=非常高。9大众汽车推动制造和物流转型7案例研究为了推动汽车制造和物流流程转型，大众集团在 AWS 上构建了大众工业云(Volkswagen Industrial Cloud)，可利用 AWS 物联网服务连接来自 120 多个工厂站点的机器、工厂和系统的数据。大众工业云的目标是将生产力提高 30%，将工厂成本降低 30%，并实现超过 10 亿美元的供应链成本节省。大众集团还利用 AWS 拓展制造业边界，发展共享出行服务、智能网联汽车和沉浸式虚拟购车体验，塑造移动出行的未来。IBM Systems Manufacturing 结合混合云与边缘计算更充分地释放 AI 价值8IBM Systems Manufacturing 并未构建孤立的 AI 解决方案，而是将混合云与边缘计算相结合，助力全球制造企业更加充分地释放 AI 的价值。该团队在位于加拿大、匈牙利、墨西哥和美国的工厂装配线上部署了前所未有的 AI 视觉检测系统。该解决方案旨在利用云和边缘计算来消除在数据中心中运行 AI 推理时出现的带宽和延迟问题。通过将 AI 模型部署到边缘设备，并在边缘处理图像数据，企业可以实时检测到异常并采取行动。AI 模型和边缘设备均在云端采用自动化集中管理的方式，可将软件维护成本降低 20%。在其中一个应用场景中，与人类检查员相比，AI 自动化将检查时间从 10 分钟缩短至 1 分钟。10特征#2强大的数据基础制造商拥有足够的数据来推动影响深远的运营变革，但大约 90%的数据位于孤立的系统中。9 而云计算则改变了这一格局，让制造商能够营造一种积极的文化，以推动高质量数据民主化并支持员工熟练掌握数字技术。来自设备、流程和系统的数据可提供更深入的洞察，从而推动持续流程改进。“转型优化者”展现出了最高的数据成熟度，在实施数据驱动文化方面，其比例是“数据聚焦决策者”的 1.7 倍，并且是“受限运营者”的 2.9 倍。此类领先制造商正在利用云计算和其他技术来加强数据管理实践（见图 4）。例如，近三分之二(63%)的“转型优化者”组建了精通云服务的数据专家团队，并且能够近乎实时地更新数据存储库。这有助于确保员工能够利用最新数据获取洞察，从而改善工厂运营。11图 4云计算支持强大的数据管理实践，从而提高工厂运营效率。问（IT）：您所在的制造组织在多大程度上使用以下数据管理实践？百分比表示在 5 分制中回答 4 和 5 的比例，其中 1=完全没有，5=非常高。DE63%43%51%52%26%38%40%31%36%51%33%40%43%49%25%29%49%40%TOTOTOTOTODEDDDDCOCOCOCOCODEDEDD45%DDDEDD实施所列数据管理实践的受访者百分比转型优化者数据聚焦决策者数字化热衷者受限运营者近乎实时地更新数据存储库利用 API 支持内部数据共享活动公开 API 以便与第三方生态系统共享数据敏感数据迁移至云端并加密精通云服务的数据专家团队12案例研究Panasonic Connect 通过车间分析 应对复杂性10为了支持芯片制造商顺应新的半导体封装趋势，Panasonic Connect 将先进分析融入到两个工艺控制解决方案中，并将两者打造为该公司的首批智能工厂产品。第一个解决方案创建了一种先进的等离子切割机，这是用于更精确地切割和加工半导体晶圆的专用工具，可完全自动化生成“配方”，用于确定影响工艺的最佳变量组合。该解决方案将开发周期时间缩短了 30%。第二个解决方案通过更智能、数据驱动的维护实践优化了等离子清洁机的性能。通过减少不必要的维护、主动订购零部件以及减少机器停机，该公司成功帮助制造客户将维护成本降低了 50%。数据驱动的维护实践帮助制造客户将维护成本降低 50%。13特征#3数字技术整合制造商广泛认识到数字技术对其转型项目的重要性。物联网传感器监控工厂生产、能源消耗、库存和资产维护。增材制造（也称为 3D 打印）可支持制作定制零件并实现敏捷 设计变更。AI 有助于推动制造生产流程自动化并提高质量控制，而生成式 AI 的发展则 为更先进的 AI 用例开启了可能性（请参阅第 17 页的“观点：预测生成式 AI 对制造业的推动”）。协同部署这些技术有助于推动创新。而云计算让这种技术整合成为了可能。“转型优化者”在除 AI 以外的所有领域都比其他组织更大程度地整合了云计算与其他赋能型技术，而“数据聚焦决策者”则有可能在 AI 领域实现其对数据的承诺（见图 5）。14图 5云平台助力整合数字技术以推动创新。问（IT）：您所在制造组织的云平台在多大程度上与组织的以下数字技术实现了集成？百分比表示在 5 分制中回答 4 和 5 的比例，其中 1=完全没有，5=非常高。DE57%66%53%63%57%48%39%51%42%46%60%59%43%49%56%40%25%45%35%30%32%38%46%45%48%26%DE TOTOTOTOTODDTOTODE DDDDDDCOCOCOCOCOCOCODEDEDEDDDDDE55%DD将所列数字技术与云平台整合的受访者百分比转型优化者数据聚焦决策者数字化热衷者受限运营者机器人流程自动化增材制造(3D)AI机器人物联网边缘计算5G15数字孪生技术融合物联网、传统 AI 和生成式 AI 的强大力量，为制造业带来了巨大的潜在效益。数字孪生可以通过虚拟形式呈现系统的整个生命周期，并根据实时数据进行更新，利用模拟、机器学习和推理来加强决策，以及提高效率、创新和竞争力。11“转型优化者”在利用数字孪生技术方面明显超过其他组织（见图 6）。图 6领先制造商利用数字孪生融合实时模拟和控制。56%62%60%42%47%38%25%48%38%33%49%23%数字孪生在制造业务中的使用程度生产优化质量管理预测性维护转型优化者数据聚焦决策者数字化热衷者受限运营者问（制造）：贵组织在制造业务的以下领域中使用数字孪生的程度如何？百分比表示在 5 分制中回答 4 和 5 的比例，其中 1=完全没有，5=非常高。16同样，“转型优化器”表示通过云计算实现了更高的安全就绪度（见图 7）。此类组织认识到将 AI 与云计算相结合对于抵御网络安全威胁至关重要。随着 IT 和 OT 的日益交织，OT 网络和联网 OT 设备面临越来越高的安全风险，而外部供应商对 OT 网络的远程访问进一步扩大了漏洞。事实上，IBM X-Force 报告显示，制造业在 2022 年仍然是遭受攻击最多的行业。12 图 7“转型优化者”正在通过强大的安全实践构建网络弹性。问（IT）：您所在的制造组织在多大程度上采用了以下安全实践？百分比表示在 5 分制中回答 4 和 5 的比例，其中 1=完全没有，5=非常高。63%62%58%47%39%44%49%35%43%40%29%26%安全实践的采用情况开发强大的 OT/工业控制系统(ICS)资产库存通过跨环境的统一 AI 自动化流程来管理事件建立成熟的 OT 或 ICS 补丁管理计划转型优化者数据聚焦决策者数字化热衷者受限运营者17观点预测生成式 AI 对制造业的推动我们的研究揭示了制造高管对生成式 AI 在各个领域改善制造流程的期望（见图）。最具影响力的四个重要支柱包括：生产质量和优化。生成式 AI 系统可以摄取大量生产数据，并主动检测生产中的质量问题。物联网和生成式 AI 相结合可以识别实时异常并相应地优化生产，从而最终提高整体设备效率。寻源和采购。在工厂车间外，生成式 AI 可以在多个方面为供应商提供协助，包括发现和评估、定价、供应链风险评估和合同。预测性维护通过资产传感器持续监控温度、流量和压力等变量，生成式 AI 模型可以利用数据来识别设备的正常运行行为，然后识别偏差以预测和纠正设备问题。产品设计和开发。生成式 AI 模型可以为产品、零件、组件和/或材料创建一系列替代方案。利用工程师指定的成本和运营标准等变量，生成式 AI 算法可以帮助创造全新的创新性设计。SIDEBAR受访高管预计生成式 AI 对各个运营领域的影响62%质量管理1寻源/采购计划58%2生产优化55%3预测性维护52%4识别、设计和开发产品/零件/组件/材料50%5问（制造）：您认为生成式 AI 将对制造业务的各个领域产生多大程度的影响？百分比表示在 5 分制中回答 4 和 5 的比例，其中 1=非常低，5=非常高。18Doosan Digital Innovation 保护数字化转型投资13案例研究Doosan Digital Innovation(DDI)坚信有效、全面的网络安全计划应是数字化转型的基石。为此，DDI 确定了在安全基础架构中工作的员工的适当角色和职责。该公司还将其多个区域性安全运营中心(SOC)整合为统一的全球 SOC，并提供 24x7 全天候监控和保护。为了控制全球 SOC 的运营，DDI 更新了其核心安全基础架构。该团队加强了公司的主动安全事件和事件管理工作，部署技术来监控端点检测和响应，并建立基于 AI 的自动化来进一步简化威胁响应。最终，该公司加快了威胁响应速度，响应时间缩短了约 85%。SRAM 通过下一代制造推动创新14为了改善骑行体验，自行车零部件制造商 SRAM 采用了新材料和先进制造技术。SRAM 与 AWS 及其合作伙伴 Autodesk 携手合作，采用基于 AI 的生成式设计，利用云计算来加快设计速度和上市速度并优化性能。现在，利用生成式设计工具，SRAM 可以在项目初期生成多个概念，然后评估每个概念，从中选择最具前景的概念进行增材制造（3D 打印）。借助这种方法，SRAM 可以在更短的时间内、用更少的资源生产出强度提高一倍、重量减轻 20%的零件。19特征#4新的工作方式“转型优化者”通过以下方式变革了其组织的工作方式：投资发展数字和数据技能 培训员工掌握数字技术 重新定义制造与 IT 之间的关系 建立云运营模型。此类领先组织在各个领域都超越了其他组织，而且还获得了一项额外的好处 使传统普通工厂对技术工作者更具吸引力。培养数字和技术技能尽管每种制造商类别都在积极投资发展技术技能，但“转型优化者”在所有领域中都处于领先地位（见图 8）。“转型优化者”意识到迫切需要打造精通智能自动化、数据和数字技术的员工团队。三分之二的“转型优化者”表示正在培训员工掌握数字技术和智能机器/设备，而其他制造商类别的这一比例都不到一半。CODE65%61%61%47%55%42%33%53%30%39%42%48%39%30%44%34%TOTOTOTOTODEDDCOCOCOCODEDEDD45%DDDEDD43%DD投资发展所列技能以支持数字项目的受访者百分比转型优化者数据聚焦决策者数字化热衷者受限运营者云部署和迁移机器人流程自动化开发DevOps数据科学云安全性图 8制造组织正在通过人才投资缩小数字技能差距。问（IT）：贵组织在多大程度上投资了以下技能来支持制造业的数字化项目？百分比表示在 5 分制中回答 4 和 5 的比例，其中 1=完全没有，5=非常高。20值得注意的是，在提升员工团队的数据科学技能，以支持产品优化、模拟和自动化方面，所有制造商类别都有很大的提升空间。填补这一需求将变得更加困难，因为从 2021 年到 2031 年，对数据科学家的跨行业需求预计将增长 36%。15发挥制造与 IT 之间的协同效应实施制造业 OT 优先事项的关键是要在 IT 高管和制造高管之间达成共识。在所有四种 制造商类别中，大约五分之三的受访制造高管都认同自己与组织的首席信息官/首席技 术官进行了有效的合作。同样，IT 高管也认同自己与首席制造官/制造主管进行了有效的合作。“转型优化者”的一项脱颖而出的特征就是其制造高管与首席信息安全官(CISO)之间，以及 IT 高管与制造维护经理之间的有效合作关系。“转型优化者”表示其的 CISO 和维护经理保持有效合作关系，并且在这方面远远超过其他组织。CISO 的这种合作关系对于提供技术和设备控制，以及保障 OT 环境的安全性至关重要。“转型优化者”认识到，制造业转型是一项需要在多个关键活动中保持协同的团队工作，而不是仅凭领导层的努力就能取得成功的。建立云运营模式“转型优化者”积极推动其运营模式现代化，以支持新的工作方式。作为数据驱动式运营的基石，云计算为文化变革创造了机会，让团队能够做出决策并更有效地开展协作（见图 9）。例如，各个小型团队将自行负责端到端运营任务。跨职能协作不仅可支持基础架构开发，而且还有助于做出关于最有效地实现业务成效的自主决策。21图 9云计算支持赋能和协作文化。问（IT）：贵组织在多大程度上将以下实践应用于云运营？百分比表示在 5 分制中回答 4 和 5 的比例，其中 1=完全没有，5=非常高。68%38%31%70%52%56%64%52%34%40%37%30%62%39%TOTOTOTODEDDCOCOCODEDD47%DDDEDDCODE36%将所列实践应用于云运营的受访者百分比转型优化者数据聚焦决策者数字化热衷者受限运营者跨职能团队负责维护和发展基础架构团队可以自主决定实现良好成效的最佳方式通过分担成本和盈利能力，激励各个团队跨业务和技术职能开展协作小型团队负责所确立的端到端运营任务22Georgia-Pacific 优化制造生产16案例研究Georgia-Pacific 是一家木制品、纸浆和造纸公司。该公司在获取有价值的制造洞察方面面临严峻挑战，原因就是要依靠不同来源才能收集和分析关于材料质量、水分含量、温度、机器校准和其他功能的数据。为解决此问题，该公司选择创建一个基于 AWS 云的新分析解决 方案。Georgia-Pacific 建立了一个中央数据湖，并将来自制造设备的实时结构化和非结构化数据传输到其中进行分析。借助该解决方案，该公司优化了许多工厂的关键制造流程，并实现了许多收益，包括增加了数百万美元的利润，提前 60-90 天预测设备故障以减少停机，以可预测的方式运行更多生产线，以及尽可能快地生产最高品质的产品。Rittal 利用托管边缘设备 进行工业分析17对于制造商来说，运营数据通常位于传统 OT 架构中。电气和 IT 机柜制造商 Rittal GmbH&Co.正在采用 German Edge Cloud 的 ONCITE 来解决这个问题，ONCITE 是一种开放式工业边缘设备，由基于 AI 的分析和混合云提供支持。ONCITE 部署在工厂中的网络边缘以避免延迟，其中包括一系列生产优化工具，例如智能制造运营管理、制造执行系统、工业物联网框架和视觉检查系统。Rittal 使用 ONSITE 管理 250 台联网生产机器，这些机器每天生成多达 18 TB 的数据。通过将工厂站点的实时物联网数据与 ERP 系统的产品信息相结合，ONCITE 可以近乎实时地分析数据。这样一来，管理人员就可以快速可视化生产状态，并获取关于如何实现改进的洞察。23特征#5业务成效与 云计算密切相关为了发挥云计算这项指数级技术引擎的更深层优势，制造领导者必须目标明确地追求其价值。这就需要建立一个具有明确成果的商业案例，并采用持续、严格的云财务管理（也称为 FinOps）。FinOps 可以让您直观了解云服务的需求场景、使用情况、成本以及所创造的业务效益。“转型优化者”展现了将财务职能纳入战略讨论的重要性（见图 10）。此类制造组织认为财务职能有助于促进三项关键任务：为云计算投资创建一致的财务合理性 成为跟踪云计算需求、使用情况和成本的记录系统 将云计算投资与可量化的业务成效联系起来。“转型优化者”利用实时数据来实现流程衡量和报告，从而深入洞悉云计算的优势。通过了解云计算的成本和使用情况，组织可以更好地核算其云计算支出，这有助于避免“云浪费”即云计算成本超支，许多组织都面临这一问题。1824图 10制造领导者通过与财务职能合作来量化云计算的价值。问（IT）：贵组织在多大程度上投资了以下实践来支持制造业的云计算投资？百分比表示在 5 分制中回答 4 和 5 的比例，其中 1=完全没有，5=非常高。53%59%52%42%48%47%41%38%39%37%40%43%制造职能与财务职能之间的协作财务职能深度参与云计算商业案例的开发跨职能团队（包括财务、工程、制造和 IT）预测和分配云计算成本并管理云计算预算实时数据显示云服务的使用方式、使用场景、成本以及所实现的业务收益转型优化者数据聚焦决策者数字化热衷者受限运营者25丰田打造智能数字化工厂19案例研究丰田正在印第安纳制造基地筹备打造不间断持续运行的东部工厂，尽可能减少停机时间和实现零缺陷是至关重要的两个因素。为了为新一代维护工人赋能，丰田将支持设备维护的多种 IT 工具整合到一个共同平台上。该公司实施了一个基于云的企业资产管理系统，整合可编程逻辑控制器(PLC)、传感器和现有制造数据（如工单）以建立情境化环境，并运用 AI 获取更 深入的洞察。借助该解决方案，团队成员可以查看设备及其组件的运行状况，监控异常活动，并使用预测性解决方案将维护工作从被动转变为 主动。基于云的企业资产管理系统和 AI 驱动的分析有助于将维护工作从被动转变为主动。26 为了帮助制造商推动云计算和先进技术的旅程并创造更深层的价值，我们制定了一项分为三步的计划。行动指南01自我评估您需要根据自己在数字技术和数据方面的成熟度来确定下一步行动。深入思考以下问题有助于确定您的当前状态以及与您最相符的制造商类别。数字成熟度 您是否利用云技术来支持实现制造运营的业务成效？您是否投资机器学习/人工智能技能来支持制造业数字化项目？您是否认为物联网、机器人流程自动化、增材制造、人工智能和计算机视觉等数字技术对推动制造业目标至关重要？您的制造组织中是否整合了云服务与数字技术？数据成熟度 您是否积极投资建立数据驱动的架构？您是否鼓励团队利用可用数据开展实验性项目？您在使用数据网格或 Data Fabric 方面的成熟度如何？您是否投资发展数据库（管理、存储、访问数据）技能来支持制造业的数字化项目？2702绘制蓝图无论起点如何，您都应当解决三个核心优先事项，以帮助提高云计算的效益。确定正式范围，定义云驱动转型工作的使命和目标。包括要实施的用例，注意有些用例要比其他用例易于实现（例如，将工程迁移上云较为容易，整体设备效率 OEE 优化比较困难，而供应链协同的难度最大）。制定整体技术战略以支持多种用例。定义云解决方案的架构需求、决策和运营设计；定义总拥有成本、投资回报率和业务价值。可以采用多种业务案例工具来帮助加速云迁移。将数据组织到与制造系统各个级别相协同的“信息架构”中。行动指南围绕 FinOps 设计和构建内部工作流与流程。建立 FinOps 能力的专属组织机构，并获得高管支持。利用来自财务、IT、工程和业务的资源，通过责任分配矩阵建立治理。定义用于衡量 FinOps 成功的 KPI。确定云成本管理工具，以帮助监控、衡量和控制云计算支出、预算编制、预测和分摊。这有助于实现可变成本核算、敏捷的场景规划，并为共同的云计算目标提供激励。实现流程衡量和报告，基于数据提供对云计算效益的可见性。确定云成本分摊。建立云成本和使用情况的数据存储库。维持云预算。28行动指南03持续优化每一个组织的独特结构将决定许多可能性。我们为每一种制造商类别都创建了一个以影响力为中心的指南；转型优化者 利用云环境持续改善业务成效并提升竞争优势。最终采用云应用，实现全面稳定的状态。建立自动化发现流程，关联充实语义并理解业务就绪数据。利用强大的数据基础来支持高优先级计划，例如供应链、材料优化和产品质量。实施治理 AI 模型生命周期的功能，以识别和消除偏差与偏差。推动制造质量问题解决（云、物联网、AI）项目。制造质量体系应自动强制使用经批准的材料。出现偏差时，可自动生成报告，并建立追溯性。与质量体系集成的闭环纠正和预防措施跟踪系统可以识别和解决质量问题。投资开展运输优化（云、物联网、AI、机器人）运营项目。运输管理系统与 ERP 相连，监控货运和车队状态/移动，并跟踪碳排放。不断挑战“现状”以推动创新。利用流程挖掘工具来识别改进机会。鼓励所有团队开展实验。引入数据和数字技术技能。实施组织模型和支持性技术，以在整个企业中扩展项目。29行动指南03 持续优化数据聚焦决策者 部署需要在云端整合数据、安全性和指数级技术的先进运营项目。加速采用云基础，以加快实现业务成效。将数据湖库实施为统一存储库，以支持分析和 AI 工作负载。采用 AI/分析和自动化技术，支持工厂操作员在复杂的制造过程中做出决策。专注于供应协同（云、物联网、AI、边缘）。数据整合对于供需可视性与规划必不可少。控制塔连接到物联网传感器、AI 分析、ERP、运输管理系统及仓库管理系统。使用 AI 和自动化技术重新定义工作方式，旨在优化生产率。引入数据、数字技术、云安全和云部署技能。利用 AI 主动预测和优化业务绩效。数字化热衷者 使用云环境作为实现业务成效的基础引擎。利用云基础继续采用云技术，目标是在短期内实现稳定状态。建立标准化的数据架构、数据共性和治理来增强数据信任。在企业和工业边缘部署数据架构，包括利用 Data Fabric 将多个来源的数据关联起来并将数据视为资产。处理实时数据以计算 KPI 和其他前瞻性指标，有效预测和防范问题。实施推动 OEE 改进的项目。专注于供应链协同。为一线员工提供做出更明智决策所需的信息。引入数据、数字技术和云部署技能。完善运营模式，组建小型团队来管理端到端云运营。收集数据以计算和跟踪量化业务成效的 KPI。受限运营者 制定和实施云战略，以推动实现目标业务成效。建立云基础，以支持将数字技术从工业边缘部署到公有云。建立标准化的数据架构、数据共性和治理来增强数据信任。建立物联网能力，从 OT/工厂捕获实时数据，以支持企业应用。整合数据、安全性和指数级技术，加速数字转型。自动实施安全、隐私和使用政策，以降低监控和数据采集(SCADA)以及工业控制系统的网络风险。增强员工对智能机器的理解。引入数据和数字技术技能。定义指标和 KPI，为当前运营制定基准，并制定利用云端技术所实现的目标。30Jos Favilla 总监兼全球工业 4.0 负责人，全球制造和能源行业IBM T Habib副总裁，全球能源、自然资源和工业领域负责人IBM C 是 IBM 工业 4.0 领域的全球负责人，涵盖所有与制造相关的行业，工作职责包括制定战略、产品与服务、合作伙伴关系和产品上市。他在帮助全球客户推动重大业务转型项目方面拥有超过 35 年的经验。Wendy Bauer副总裁兼总经理，制造和汽车部门Amazon Web S Bauer 在 AWS 担任全球制造和汽车部门的副总裁兼总经理，负责支持全球最大的汽车制造商(OEM)、供应商和跨领域制造公司加速数字化转型，并充分创造价值。Wendy 在汽车行业拥有超过 20 年的领导经验，曾在 OEM 和一级供应商担任领导职务，工作职责涵盖销售、产品战略和业务开发、工程、采购和质量。Wendy 曾被 MotorTrend 评为软件定义汽车创新领导者(2023 年)，并被 Automotive News 评为北美汽车行业 100 位顶尖女性领袖之一(2020 年)以及 OEM 和供应商新星(2016 年)。Zahid 在 IBM Consulting 担任全球能源和资源行业负责人、全球工业领域负责人和副总裁。他负责所有的工业规模化解决方案和上市策略。他在管理咨询、资本项目管理、ERP 转型、AI 和物联网解决方案、交易系统实施、业务流程转型和企业应用集成方面拥有超过 35 年的经验。关于 作者31Spencer Lin 全球研究负责人，石油化工行业及工业品行业IBM 商业价值研究院 Lin 负责市场洞察、思想领导力发展、竞争情报以及针对 CFO 议程和趋势的初步研究。他在财务管理和战略咨询领域拥有超过 25 年的经验。Noriko Suzuki全球研究负责人，汽车、电子、能源行业和公用事业 IBM 商业价值研究院 负责研究汽车、电子和能源行业，并撰写相关的思想领导力内容。她致力于为全球制造客户提供技术战略和实施支持，并拥有 20 多年的相关经验。她最近研究的专业领域包括工业 4.0、运营数字转型、移动出行解决方案和可持续交通。关于 作者Scot Wlodarczak工业营销负责人Amazon Web S 负责管理 AWS 的制造业营销工作。他在制造业运营方面拥有超过 25 年的经验，曾任职于思科和 Rockwell Automation 等公司。他专注于面向工业客户的数字化转型旅程营销，以及弥合 IT 与运营之间的差距。32调研和 研究方法For the study methodology section in the back matter行业企业规模（年收入）汽车(OEM/供应商)16%16%化学品17%18%下游，石油和天然气(炼化)电子产品工业机械/重型部件16%16%金属2.5 亿美元 5 亿美元5+亿美元 10 亿美元10+亿美元 50 亿美元12.7%20.6%20.6%50+亿美元 200 亿美元31.7%200 亿14.4%注：由于四舍五入，百分比总和略低于 100%这些高管来自不同行业和不同规模的组织。所有数据均由受访者自行提交。2023 年 6 月至 7 月，IBM 商业价值研究院和 AWS 与牛津经济研究院合作，针对 21 个国家/地区的 1,171 家制造公司开展了调研。作为这项工作的一部分，我们针对每家公司进行了两项调查。IT 高管：积极参与制定或实施制造领域云计算战略的高管。我们收集了首席信息官、首席技术官和 IT 主管的回答。制造高管：积极参与制定或实施制造组织技术战略的高管。我们收集了首席制造官或等同职务、制造/生产副总裁/总监以及工厂经理的回答。在数据分析方面，我们根据受访组织在两个维度上的能力对其进行了分组：数字成熟度：利用云计算推动实现制造业务成效、投资发展机器学习/AI 技能以支持制造数字项目、数字技术在推进制造目标方面的重要性（计算机视觉）、云平台与数字技术在制造组织中的整合（计算机视觉）。数据成熟度：数据驱动的架构、数据网格或 Da