端至端智能服务创新体系设计研究1

文/郭春荣（宁波工程学院 经济与管理学院）

一、引言

2015年5月8日，国务院正式发布了举世瞩目的《中国制造2025》，其核心是智能制造。智能制造是指将物联网、大数据、云计算等新一代信息技术与设计、生产、管理、服务等制造活动的各个环节深度融合，形成具有信息深度感知、智慧优化决策、精准控制执行等功能的先进制造过程、系统与模式的总称（《国家智能制造标准体系建设指南》）。它意味着产品从创意、设计、制造、交付到回收利用全生命周期环节及其相应的管理服务的优化集成，在满足客户个性化需求的同时促进经济与自然达成平衡的稳态。

智能制造既是实现《中国制造2025》的国家战略也体现了人与自然和谐发展的美好愿景，引起了国内外学者的广泛关注，他们从不同角度对其展开研究并总结出一些规律性内容（表1），从中可见，数据流、信息流及物流等服务要素在智能制造的发展中起到了关键性作用。

经过几年的发展，中国的智能制造已经形成了一些典型模式，例如，以海尔集团为代表的智能工厂模式，以西飞工业为代表的网络协同制造模式及以中国商飞为代表的产品全生命周期数字一体化模式，等等。但是智能制造在发展中也面临着一些急待解决的瓶颈问题，最突出的是目前尚未建立起相应的服务体系，面向智能制造的服务却不智能！而且恰恰表现在信息系统服务、供应链服务等关键环节。根据《经济日报》报道，中国制造业每年单因供应链质量问题所遭受的直接损失就超过1700亿元人民币。我们在倡导制造业向制造服务转化的同时却忽略了需要面向智能制造的智能服务问题。以此为背景，本文从分析智能制造发展所面临的服务问题入手，以服务创新能力、信息系统服务及供应链服务三个方面为着眼点，深刻揭示了智能制造在全链条端面临的严重服务荒问题，然后，以端至端对等服务技术为基础，提出通过云端将供应端、生产端、需求端、市场端与服务端进行有效连接，同时将下一代供应链及区块链有效嵌入、端至端架构面向智能制造的集成服务创新体系，为智能制造的进一步发展赋能。

表1 智能制造的多维要素及其相关研究

二、智能制造发展面临的服务问题分析

（一）面向智能制造的服务创新能力明显不足

1.智能制造缺乏服务覆盖网络、上下游企业无法凝心聚力

目前，我国智能制造设备及其核心部件进口依赖度较高，投资、投入巨大，但由于缺乏服务的顶层设计，智能制造价值链没有相应的服务网络覆盖，有些省份虽然搭建了多个云制造服务平台，但由于采用不同的标准及数据格式，平台之间无法有效衔接，而且企业要同时登录多个平台本身就会引致低效率问题，因此，相应的平台仅能提供研发设计、产品营销等点状服务，上下游企业在技术、运营、业务及市场等环节没有形成集成的协同依赖关系、各行其是，单元化智能制造频繁出现，导致从工具、装备、材料等有形要素到软件、数据、技术等无形要素不能有效集成利用。

2.现有服务及其流程智能化程度低、无法提供系统集成服务

智能制造以客户为导向，从创意、研发，到生产、交付、服务，再到回收、循环利用，各个环节都需要服务行业的紧密协同运作，与智能制造相匹配的服务及其流程也必须是智能化的，表现为服务高度精准化。因此，实现智能制造需要一批既熟悉智能制造技术工艺设备研发、制造、物流、交付等运营环节，又擅长资源调配、整合、集成的系统解决方案服务商。但是，现阶段面向智能制造企业的通常是传统服务商，传统的服务及其流程以产品为主导，服务呈现点状，无法形成辐射效应，自动化、信息化及协同化能力不强，服务响应性差。

3.服务缺乏创新、智能制造提升动力不足

服务创新是知识及技术密集型网络嵌入转化为制造企业智能化升级的主要途径。智能制造及其可持续性实现价值获取必须依靠持续的服务创新注入动力。面向智能制造企业的服务创新能力与基于有形产品的技术创新能力有所不同，它是以智能制造企业的需求端为核心及导向，基于智能产品全生命周期，通过持续性的服务机会识别、网络关系嵌入而进行价值创造的能力，实质上是对智能制造全产业链的各种有形及无形资源禀赋的挖掘、重构、整合、集成、积累以实现与市场环境因素的动态匹配或创造市场的变革能力，必须通过服务企业与制造企业的不断交互与协同过程加以实现。但是，由于缺乏共同的目标及有效的引导，现有的服务商往往缺乏服务创新的动力，具体表现为关系上不主动嵌入，行为上缺乏深度理解，运营上缺乏协同，而且由于服务商无动力从服务对象中进一步获取知识，自然无法为服务创新注入源泉。

（二）信息系统服务无法满足智能制造需求

1.自动化设备缺乏信息系统支撑、数据无法自动采集

在向智能制造转型过程中，有些企业虽然采购了自动化的生产设备，但由于缺乏统一规划，在生产运营方面缺乏信息系统支撑，没有配备相应的软件系统，数据接口关闭，车间没有实现联网，数据无法自动采集，导致生产中多个黑箱并存。有学者研究后发现，80%的企业面临数据荒，数据资源匮乏导致人工、设备、器具、产线不能有效管控，生产运行、订单进度、品质情况等无法掌控。波士顿咨询公司、阿里研究院、百度发展研究中心和滴滴政策研究院联合发布的《中国互联网经济白皮书2.0》显示，欧洲的数字化工厂比例为46%，美国为54%，但中国仅为25%，与此同时，中国消费端的数字化水平领先世界，制造业供给端与消费端数字化水平不相匹配，倒逼生产制造业必须数字化转型。

2.信息系统不协同、数据孤岛问题严重

有学者曾明确指出，当今世界最具有流动性的就是数据，但单个数据本身不具备价值，只有将数据与数据相联才能创造价值。智能制造过程中，运行的生产装备、工作中的感知设备、联网的运行终端，甚至是设备及软件的操控者本身都不断产生数据并呈现出几何级增长；与此同时，设计研发、销售管理、供应链运行等环节也在源源不断的供给数据。虽然数据捕捉采集方差别不大，但要使数据在整个产品生命周期乃至产业价值链体系内流通并加以分析利用则需要具有协同性的信息系统。但现实情况是，无论横向还是纵向链条上的不同的自动化厂商不但拥有自己的工业总线和通信协议，而且应用不同的标准，采用不同的计算机软件，导致获取到的海量数据却处于孤岛状态，无法连通加以赋值而转化为有效的管理，企业的制造管理、资源管理及供应链管理等业务环节割裂，价值链体系无法整合及集成，智能制造全程数字化进程推进受阻。

3.信息安全保障服务体系尚未建立、软硬件同时暴露产生巨大安全隐患

智能制造下，不但要求企业信息网络连接入互联网，而且要求以企业业务信息系统为媒介将原来较为独立的工业控制系统接入互联网，使生产制造环节从封闭的网络环境走向开放的互联网环境，企业的软硬件，甚至产品生命全周期均暴露于互联网环境之下。牵一发而动全身，信息安全威胁渗透力强，直接关乎企业整个物理世界能否正常运行。因此，发展智能制造必须拥有完善的信息安全防护管理体系和技术体系并行，只有制定主动的信息安全解决方案才能做到防患于未然。但现实情况是，数字化车间的设备及系统的安全防护能力差，有些企业急于转型，大量工业控制系统在完全没有保护的情况下被连接到互联网中，安全隐患巨大！而且智能制造产生的海量数据的存储及传输也存在信息安全与节点信任等急待解决的问题。

（三）传统供应链服务无法与智能制造相匹配

1.传统供应链主体缺乏信任、信息可视化程度低。

智能制造下，以前由人们制造的供应链数据将越来越多地由传感器、RFID标签、仪表、执行器、GPSS(General-Purpose System Simulator通用系统模拟器)等设备和系统产生，相应的供应链必须变得更加智能。智能的供应链必须是可视的，即每一供应链节点企业不但可见自己的供应链及货物，合作伙伴之间也具有这种可见性，而且可以根据具体任务访问所需要的信息，使流淌在供应链中的信息能够被有效地捕获、管理、分析。供应链节点企业都理解它的操作将如何影响其他供应链系统实体，并具备选择导致系统目标优化的替代操作的能力，从而使整个供应链的决策更加接近或满足客户需求。但目前智能制造所面对的供应链主要为上一代或传统供应链，利益主体不统一，相互之间缺乏信任，各类信息分别保存在各个环节当中，可视度有限，信息不透明，传递速度慢，还易被人为修改导致失真。供应链上的数据表现出静态、割裂、滞后、无效等缺点，数据透明和隐私保护难以兼顾，产品无法监管溯源，消费者没有可以信任的方式验证购买商品的真实性。有学者通过研究证实，供应链主体的任性度及信息的可视性是当前供应链所面临的最大挑战，影响比例高达70%。

2.传统供应链管理 “中心化” 、协同效果差。

面向智能制造系统的供应链是由所需工具、装备及材料的供应商、智能制造商、零售商、最终用户组成的基于用户导向的复杂网络，它以工业软件、工业大数据、工业人工智能等技术为支撑，并且能够提供有效及灵活的端至端集成服务。相应的供应链管理必须具备全供应链的生态功能，各供应链节点企业能够在对等自治关系下分散集权运作，即基于市场端进行预测与定位，基于产品端进行创意及研发并制定系列实现计划，基于物流端完成有效的交付并合理控制库存，其中不但涉及物流、资金流及信息流的智能流动，而且知识流也穿越始终，交付的产品充分体现了客户的意愿。但现实中的传统供应链大多存在核心企业，供应链上的计划、采购、生产、库存、物流等流程都是通过核心企业进行的“中心化”的设计与管理。在广度上没有思考合作伙伴的横向联系，更缺乏端至端服务机制设计思想，不具备决策及协作等智能活动能力。相应的制造订单也是单纯地以单个交付为目的，客户意愿体现度低，信息呈现出零散、单向状态，既不能令客户满意也无法有效分配及合理利用。

3.传统供应链呈刚性、产成品交付能力差。

基于用户导向的成品交付能力是智能制造企业核心竞争力的集中体现。成品交付能力是指满足顾客对产品及相应服务的需求的响应能力。成品交付过程从客户端接受订单开始，经过研发设计端开发软硬件产品，制造端完成产成品生产，物流端进行产成品交货，客户端验证、收货并正常使用的一系列端至端流程。因此，产品交付能力受产品创意设计、制造装配工艺、生产计划流程、物流效率等因素的影响，相应的供应链必须具备柔性解决能力， 能够进行快速灵活变通以适应市场及用户需求。但目前传统供应链系统无论从装备、智能化还是运作流程及组织等方面均呈现刚性，供应链装备缺乏自主性、落后于生产装备；节点企业信息平台没有设置智能化的物流管理模块，没有详细的物流计划，缺乏有效控制及调整能力；不能保证产品的有效交付，更无法为客户提供主动、整体、系统化的增值服务。

三、端至端架构面向智能制造的集成服务创新体系

（一）提升面向智能制造的服务创新能力

1.建构服务覆盖网络、促进全产业链端至端智能协同

综合运用现代信息技术并通过关系及结构嵌入方式将智能服务根植于智能制造全产业链当中。以满足智能制造的用户端需求为导向，服务端汇同供应端、生产端、配送端一起制定服务管理目标，设计服务路径，将集成服务贯穿于智能产品的整个生命周期，从而构建面向智能制造的全流程服务覆盖网络，为智能制造实现个性化定制、智能化生产、网络化协同、服务化转变提供端至端的智慧化服务支持。基于多种创新技术组合的端至端服务覆盖网络将各种组合式服务资源灵活动态地面向不同的智能制造端点用户进行有效分配及能力释放，并以服务为媒介使整个智能制造价值链体系上的所有企业形成协同的端至端依赖关系。随着服务不断加深嵌入，企业之间、企业与客户之间的黏粘度也不断提升，从而为构筑智能生态体系奠定基础。

2.提供全流程标准化智能服务、端至端变革智能制造生产组织方式

通过市场需求的倒逼机制及政府机构的政策引导促使服务商向端至端全生命周期智能服务集成方向转变，重新设计服务企业的架构，重新界定服务的内涵，提供面向智能制造的服务平台、服务界面、服务产品、服务流程及服务技术并制定相应的服务标准。在运营过程中能够针对智能制造的场景、用户、产品、运营及管理提供数字化服务，不断提升服务企业的综合集成和解决方案能力并创造业务价值和新业务。充分发挥服务的润滑、资源编排及产品拓展功能，通过提供精准化、即时化、高效化及一体化的服务来为智能制造发展赋能，以智能服务驱动智能制造向规模定制化生产及服务型制造模式变革，真正实现价值链向服务端延伸。

3.端至端积聚服务创新资源禀赋、促进智能制造与智能服务融合

服务创新能力的实现是资源禀赋的再挖掘、再积累过程，服务创新能力的构建、演化和转化实际上是为满足客户需求通过资源编排使智能制造企业与环境因素动态协同匹配过程。实现面向智能制造的服务创新必须从智能制造客户需求端出发，到满足客户需求端去，将基于服务定位的创新纳入到智能制造的整体框架当中。端至端智能制造服务是基于对企业现场深入调研与数据分析基础上的整体服务规划及项目分步落地；多源异构的智能制造数据被采集、流转、分析并形成相应的决策和控制命令，通过服务流程、产品及货物智能化增强智能制造业数字化连接能力、数据增值能力、网络集成能力、智能认知能力、智能优化配置能力。端至端服务技术不仅能为客户提供智能制造业务诊断、整体规划、项目实施与运营托管的全面服务，而且其端至端的全移动、全云化、全生态等特性也助推了智能制造产业系统中的物理对象与服务之间的融合。

（二）为智能制造提供量身定制的信息系统服务

1.万物联网端至端驱动智能制造、实时精准采集数据

智能源于数据，智能制造最宝贵的资源就是数据，而获取数据就要互联，即利用传感器、机器视觉、RFID等硬件装置及数据采集、嵌入式数据库、数值分析与可视化仿真、数据设计与建模等软件系统实时准确采集并分析生产设备运行数据、生产管理数据、质量数据等，从而形成端至端的数据流，进而实现制造资源数字化，生产过程数字化，现场运行数字化，质量管控数字化，不断释放数据资源价值。显然，这里首先要解决硬、软两个方面的问题，不但要使数据实时可完整采集、生产过程的实时可见和可精确追溯，而且数据采集方式要与大数据分析相匹配，从而建立实时数据驱动的决策模型，以数据处理服务替代大型数据处理设备，将有价值的智能制造数据转化为有效的智能管理，为智能制造发展提供科学决策。

2.端至端建构信息物理系统、实现数据及信息实时交互

如何将采集到的数据连通起来以数据驱动智能制造的物理世界与信息世界的融合，信息物理系统给出了具体的解决方案。信息物理系统概念由美国国家科学基金会于2006年首次给出具体描述，它强调以信息为媒介将智力资源与物理资源紧密结合及有效协调，从而建构采集物理量数据——同步数据到信息空间——建立虚拟数字模型——物理空间的智能决策及优化控制——知识集成创新这一兼具闭合性及开放性的持续性改进过程。2016年5月国务院发布了《关于深化制造业与互联网融合发展的指导意见》（国发[2016]28号），其中明确指出了信息物理系统的四大核心技术要素：智能硬件、工业软件、工业物联网、工业云和智能服务平台。由此可见，通过构建信息物理系统不但能打通数据孤岛，而且真正实现了信息在供应端——生产端——云端——需求端——市场端——服务端的互联互通。信息物理系统的自我学习及知识增进能力将会提升智能制造全产业链的自适应及自组织能力，进而向构建智能生态体系的目标迈进。

3.端至端构建信息安全保障体系，为智能制造软硬件构筑防护屏障

解决智能制造的信息安全问题首先要从项层设计入手，制定主动性的信息安全解决方案，包括智能制造信息安全防护标的、信息安全标准及相应的安全管理标准、信息安全防护软硬件设备、信息安全防护技术、信息安全风险评估防范机制、信息安全认证体系。即要明晰信息安全工作保护的对象是什么，它们都何时何地遭遇何种风险因素的威胁，如何防护等问题。其次，要加大力度研发安全、可靠、高效的信息安全防护软硬件产品，例如，防火墙、安全防护网关、网络安全隔离卡和线路选择器、安全隔离与信息交换产品等。此外，要在技术服务上下功夫，综合运用云安全、区块链、认证协议或加密、风险识别等技术，端至端建构智能制造系统全生命周期的信息安全保障体系，使智能制造在全面安全环境下平稳运行。

（三）建设面向智能制造的下一代供应链

1.端至端建立共同信任机制、实现供应链动态全程可视

解决供应链主体的不信任问题需要以现代科技为支撑从机制上入手。区块链技术的出现为这一问题的解决带来了极大的可能性。区块链是起源于比特币并建立在密码学、端至端网络技术、共识机制等技术基础之上的现代信息技术，其本质是交易各方为信任而建立的一种去中心化、分布式数据存储解决方案。将区块链嵌入到智能制造供应链当中，利用其基于智能规范和协议的去信任化系统端至端建立供应链的共同信任机制；利用其数据信息不可篡改、可追溯性及共同维护特性建立公开、透明及信任的机制环境，并结合物联网、人工智能等技术打造全程有效可视的供应链系统。其中，物联网传感器负责收集整个供应链的数字接触端点的各种数据，区块链的安全分布式账本提供各种质量信息、资产信息、物流信息和交易信息等，区块链的智能合约在实现数据存储及查询功能的同时兼顾隐私数据的加密保护，这样整个系统将同时具备智能化、安全化及可视化等特点。当智能制造建立在可视的供应链管理服务基础之上时，它将不仅仅停留在生产模式的转变阶段，而是形成商业模式的创新和升级。有学者通过研究表明，拥有智能供应链和高度数字化运营的组织可以期望每年提高4.1%的效率，同时每年增加2.9%的收入。

2.端至端分布式集成管理、实现供应链整体协作

区块链最显著的特点就是去中心化，将区块链技术融入供应链管理当中，在实现供应链节点企业自治的同时将客户从多点嵌入进来，架构端至端分布集成管理体系，实现供应链整体协同运作。具体分为以下几个步骤，首先是供应链节点企业的多主体目标协同，以共同目标甄选供应链合作伙伴，同时保持相应的开放性，从而使供应链全主体均以实现智能制造可持续发展为目标，与智能制造企业一起面对并满足客户需求。其次要构建具有自适应性的区块供应链网络云平台，在全供应链资源可感知、可连接、可决策、可控制、可执行的基础上，综合运用智能制造与供应链管理技术实现资源全生命周期端至端集成、共享、协同与优化。此外，制定端至端供应链集成服务解决方案，将智能工厂的供应商、分销商、零售商及仓储等供应链节点企业乃至最终用户专有的运作解决方案集成化，分布式管理全供应链体系的经营能力、产品、市场及服务，多端点业务协同增加供应链的弹性；同时通过对过程数据差异的自反馈、自补偿、自优化能力提升供应链的风险防范能力，从而使智能制造建立在具备预先的供应链规划及解决方案优化的整个网络的集中需求基础之上。

3.端至端打造柔性供应链，提升产成品交付能力

打造与智能制造相契合的柔性供应链，研发并配置相应的软硬件设备，使供应链在数字化的基础上实现智能调控并且具有随时间演化的动态结构，同时将供应链管理软件与制造企业的制造执行系统、资源管理系统等有效连通，使供应链能够根据信息系统灵活配置系统资源，融会贯通物质与信息子系统元素，各层级制造端都能够通过供应链直接将终端延伸到客户，从而为产成品的有效交付奠定软硬件基础。改进供应链管理技术并优化供应链运营。综合运用大数据、云计算、人工智能、区块链等技术并融入先进的管理经验不断提升供应链网络的自适应性，高效组织供应链各层级合作伙伴完智能定制产品的生产和交付，使供应链所有参与者都满意。值得注意的是，提前期的长短直接决定了交付效果的好坏，因此，建立在客户行为、供应链运行及制造经营数据基础上的预测将使供应链更好的把控提前期，真正提供柔性、定制化的供应链管理服务。

四、结语

本文在分析智能制造发展所面临的服务问题的基础上提出了富含现代信息技术的端至端全生命周期智能集成服务理念。端至端本身具有平等及生态的内涵，通过端至端的集成服务，智能制造产生的海量数据不但能够实时精准采集，而且实现了安全交互；智慧工厂的上下游企业形成了分散集权式的下一代供应链系统，自动化和柔性化延伸到整个价值链体系；服务创新能力不断积聚资源禀赋，为智造业向智造服务转化源源不断注入动力。当然，本文只是在理论上做了探索性的分析，如何将区块链、云服务、下一代供应链等现代技术有效融入服务当中并嵌入到智能制造系统将构成本文的后续研究。