军工企业数字化转型的固定资产投资策略研究

李珑玲

摘 要：固定资产投资可为军工企业实现数字化转型提供有效驱动手段。由于企业规模、协作关系和体制改革约束等原因，当前我国军工企业数字化转型相对缓慢，针对军工企业数字化转型路径探索工作，重点明确转型过程中的目标及要求，分析军工企业数字化转型的固定资产投资发展方向，提出转型发展的策略和相关建议，明确建设成果要求，最终达到持续提升装备数字化水平的目标。

关键词：固定资产投资；数字化转型；军工企业

中图分类号：F23     文獻标识码：A      doi：10.19311/j.cnki.16723198.2023.08.052

0 引言

2022年，国务院印发了关于“十四五”数字经济发展规划的通知，要求“以数字技术与实体经济深度融合为主线，加强数字基础设施建设，完善数字经济治理体系，协同推进数字产业化和产业数字化，赋能传统产业转型升级，培育新产业新业态新模式”。企业数字化转型与新时代企业改革发展密不可分，军工企业既然是我国做好产业高质量发展的引领者，就必然要在数字化转型的大趋势中加快探索和落地。

1 军工企业数字化转型的特殊性分析

军工企业数字化转型存在以下特殊性：一是企业规模普遍偏大，数字化转型改造升级投资规模需求大；二是企业内外部协作、配套关系复杂；三是体制机制改革受制约环节和因素多。但是由于国际军事形势的逐渐演化，必须加快推进军工企业数字化转型，提升装备数字化水平，满足国家防卫需求。因此针对这些特殊性，需要深入明确特定转型目标，制定转型要求，按照军工企业科研发展运行机制针对性提出建设策略。

2 军工企业数字化转型目标

军工企业数字化转型的根本目标是提质、增效、降本、赋能，进而在企业竞争乃至代表国家在国际上的竞争中取得优势和领先地位。具体的数字化转型目标主要有以下几方面：

一是实现企业在产品规划、产品研制过程中的数字化仿真及数字样机验证；

二是实现产品制造、试验过程中的质量把控能力提升；

三是实现产品新能力的赋能，对原有产品附加新的数字价值；

四是实现新的技术颠覆，支撑跨越式的产品形态出现；

五是实现新的产品全寿命服务与支持模式，在产品应用上创造更多管理和服务价值。

3 数字化转型对军工企业固定资产投资建设的要求

军工企业固定资产投资建设是其实现数字化转型的重要支撑，数字化转型主要从以下几个方面对固定资产投资提出要求：一是基础学科的能力建设要求横向互通和纵向贯通，二是从产品深度出发，需要定制化建设与业务强相关的基础支撑能力；三是服务于大量的产品生命周期业务，需要建设完整的“数据-开发-业务”生态。

4 数字化转型投资建设策略分析

4.1 面向产品研制的数字化仿真能力建设

面向军工企业产品，尤其是大型复杂设备，数字化仿真能力是实现产品研发数字化转型的开端，也是形成产品全生命周期数字化能力的必然条件，只有在研发阶段构建好精准的产品结构、模块、系统的数字化模型，才能进一步在验证、试验和产品使用中产生相应的产品数据，并将数据服务于产品性能机理的分析和应用，从而为提高产品能力、改善产品结构、赋予产品新功能奠定基础。面向产品研制的数字化过程主要是实现模型构建与管理、不同学科交叉与模型传递以及系统集成验证与系统仿真测试等，数字化过程的关键是依据产品的真实科学机理，提炼并关注的产品性能参数，通过模型中参数的调整得到不同的产品功能和性能，从而在产品功能、成本、效率、质量间寻求企业期望的最优解。

因此，针对数字化仿真能力的建设需求，主要从4个方面重点开展固定资产投资建设：（1）建立联合仿真顶层工具，实现仿真模型在不同学科之间及不同流程之间传递，并建立相应的产品研发仿真验证规范，按照产品特色规定必须的仿真验证流程。模型传递的互操作性要求不同学科软件之间接口统一、语义一致、结果互用，是实现建设的关键。（2）仿真数据的管理工具建设要求所有仿真历程数据的可追溯性、可复用性和可解读性，即可对任何仿真过程精确复核和重新验证。（3）系统仿真的标准化模型构建是复杂系统实现快速原型，开展产品总体设计高效验证的有效手段，一般来说可以从模型库构建、标准框架设立、系统仿真模型规范制定、通用验证工具库开发积累等几个方面重点开展建设。（4）仿真优化应用工具必须针对产品可优化参数化能够支持快速的调整和评价，进而在不同参数组合下，达到产品设计的总体最优，主要建设方向包括仿真验证及联合分析工具、多参数联合优化算法库以及联合优化计算需要的基础算力等。

4.2 面向产品能力形成的数字孪生能力建设

数字孪生是近年来随着物联感知技术的发展以及仿真科学的进步而融合形成的新的数字化发展方向，数字孪生的宗旨是实现数字模型与产品物理实体的相互映射和同步，实现产品状态的精确感知与控制，进而形成数字与现实两个平行产品的共生和共智，大幅提升产品的自治性、智能性和可追溯性。数字孪生从多个维度反映产品的各方面属性和发展规律，包括物理性状和尺寸、化学特性、力学特性、信号特性、热与振动特性等，多个维度在能力体现为对产品状态的复现、产品问题的分析甚至是产品未来发展趋势的预测。

根据产品多维数字孪生能力框架，建设的主要方向为采集感知手段和设备、数字孪生特性多维表达的工具、数据管理的平台、模型构建的工具以及最终实现数字赋能的公共开发平台。数字孪生技术较为深入的应用方向在于对产品关键机理的揭示和产品性质变化的预测，该方面的建设主要依托各自学科的核心理论提升，这方面不具备一般的建设规律，但是在机理揭示过程中，往往统一用到数据处理工具、模型降阶工具、算法训练工具，这是探索未知机理所采用的各种参数拟合方法的必要手段。

4.3 面向产品全生命周期服务的数据中台能力建设

产品的全寿命周期数据中台需全面涵盖设备的设计数据、仿真数据、试验数据、质量数据、使用数据、运维数据、故障及处置数据、寿命数据等。数据中台能够为深入掌握设备全寿命演变机理，提供深层次的健康管理、故障诊断及预测性维护、更换等工作提供数据基础，进而确保设备持续高可靠运行，减少事故与经济损失。数据中台建设的重点方向是：数据标准、数据关联。数据标准需要对所有数据统筹考虑，制定每个数据时空维度、性能维度、从属维度等方面的唯一标签，从而在数据传递和数据应用过程中确保可读性和唯一性。数据关联与实际业务强相關，因此在建设过程中应尽可能实现基本数据关联关系模板的构建，以及在构架上容许新的数据关联快捷、便利的构建。

因此，面向产品全生命周期数据中台的发展需求，服务于产品数据的产生、回归、处理和应用，主要建设大数据的运算存储、数据清洗与挖掘、数据关联基础模型以及从数据到知识的计算模型，这些基础能力是高效挖掘大数据、以数据精准驱动产品、用数据产生新价值等一系列能力的底层基础。

4.4 面向产品智能化赋能AI能力建设

智能传感及物联网技术，是利用先进的传感器从多个维度感知工业设备的运行状态，通过物联网将各类数据以标准的形式汇集给计算机，从而给计算机提供了一个能够量化理解设备状态和工作逻辑的平台，基于以上原理能够利用数字化过程形成对工业设备有效地、敏捷的管理，同时也为复杂场景下AI技术的介入奠定了技术基础。先进的AI算法能够以远超人类的速度和精准度实现各种复杂的监控和作业，从而代替人从事重复的、长效的工作，甚至在超越人类认知的复杂系统关系中找到其发展的趋势和隐患，服务于产品能力的进化和跨越式提升。

因此，面向数字化转型过程中产品智能化发展需求，有序建设积累智能化研究能力，是固定资产投资的重要内容。AI技术的进步主要依赖三个方面：分别是算力、算法和数据。算力是技术发展的基础，承担大规模AI训练和传统智能算法的高效求解，建设新型的“云+边+端”分布式算力网络，是实现智能化支撑的有效途径。针对算法的建设目标主要是构建通用算法库，以及全面的算法评价平台，支撑算法的快速开发，并对算法的智能性、鲁棒性等指标的验证提供快捷的验证条件。针对数据的建设主要体现在数据清洗、数据挖掘等算法训练的先决条件上，构建符合学科原理、传感器边界及设备性能的数据清洗算法，是决定数据训练有效、AI模型真实反映设备机理的前提。在海量的设备使用数据中挖掘复杂相关性的信息，同样需要建设先进的数据挖掘算法进行支撑。

4.5 面向产品服务的数字化保障与维护能力建设

现代产品尤其是大型复杂系统，其研制能力已不仅需要满足交付用户时的功能和性能状态，更需要在产品服务于用户的全生命周期提供持续性的技术服务，包括产品的使用支持、故障维修以及保障维护等。企业需要对产品提供健康、寿命、性能等全方面的监测能力，并集中构成数字镜像用于产品的监测及服务，同时在用户端采用新型的数字化手段，为用户提供复杂产品的现场指导、排故引导和诊断维修支持，甚至包括多用户协同的数字化使用管理和可视化指导培训，提高用户使用产品的科学性，发挥产品的应有效能，同时科学管理产品的全生命周期状态和数据，为客服提供增值服务，为企业改进产品提供全程的精准反馈。

针对产品的数字化服务保障能力需求，企业在固定资产投资建设方面需要从以下方面重点考虑：一是构建产品集群在全球范围的数据回归和状态监视手段，为精准收集产品一手信息提供基础，同时注重用户保密需求。二是构建企业内面向全部产品的产品支撑框架及基础设施建设。三是建设面向产品服务的数字化软件生态，包括开发生态、算法生态、工具生态等，确保新的产品服务能力快速生成。

5 发展和展望

工业数字化应用的一般流程分为感知—互联—处理—控制—人或机器闭环，采集感知是通过测控的技术手段，更加深入获取设备物理和数据状态的必要过程，是实现设备数字化的前提。目前传感器微型化、智能化以及嵌入式的发展为微观、精准的感知提供了充分的可能，同时多源传感器的信息融合为从多个维度特征协同分析设备状态提供了技术路径。通过物理体状态的感知和互联，数字化可以进一步运用信号处理等技术实现深层次的信息挖掘，为构建自主控制、诊断等核心算法提供依据。将设备的数字化信息特征化后，能够持续促进不同技术领域的先进模型及算法形成，能够加持人工智能等技术对设备的理解和控制。设备的感知和数字化是实现软件定义模型、软件定义算法等各种先进处理方式的前提，最终通过与人交互或者机器自主完成处理闭环，实现工业过程中的共智和自治。这样完整的数字化链路将不断减少各个环节人因要素的介入，在科学的算法和模型支撑下大幅提高工业过程的效率、质量和智能化程度。

综合以上分析，数字化转型过程中，固定资产投资应重点展望以下5个方向能力建设：

（1）基础数据中台能力：构建基础数据中台能力需要构建工业全生命周期统一的数据标准和规范，为产品验证、检测、服务、维修及报废的全部环节提供一致性的数据关系处理和管理能力，进而实现数据驱动的产品历程管控，同时便于回归海量数据，为产品的性能分析提升和多维度的预测提供充足的数据基础。

（2）核心算法能力：企业需要在能力建设时，尽可能充分考虑产品关键核算算法的快速开发及验证能力，一般来讲可根据产品核心能力开展建模，通过搭建算法库和通用算法开发平台，提高算法开发效率，具备算法在精确模型上快速运行的验证能力，缩短先进算法的验证周期，同时构建包含算法智能性、鲁棒性、适应性等性能的高效评价体系，通过成熟的平台能力全面验证产品核心算法的各项指标。

（3）敏捷交付能力：敏捷交付是企业实现数字化转型的产品研制和开发能力的必然目标，敏捷交付能力建设主要从产品通用开发平台建设、软件模块化设计、产品模板范式设计和低代码开发几个角度考虑，企业通过构建敏捷交付能力，既能确保产品品质和标准，同时大幅减少了开发时间成本和设计颠覆带来的成本，为数字化提质、降本带来明显成效。

（4）硬件产品化能力：硬件的产品化能力主要建设方向是顶层形成硬件通用框架，中间层实现接口和协议的标准化，底层实现器件及传感器的模块化，从而根据产品需求的不断变化，快速搭建新的产品形态，并通过长期验证模块化和通用接口的性能及可靠性来有效控制产品质量问题。

（5）产品生态化能力：注重软硬件之间的信息互联互通和互操作性，实现不同软硬件在功能生态上的互补和布局，根据不同的产品要求快速重构实现产品目标。能够大幅提高企业面向产品的竞争力，长期积累技术壁垒，确保产品生态群组优势。

6 结语

军工企业数字化转型的能力建设承担着国防事业高质量发展的重要使命，必须充分解放思想、科学长远规划、精准把控方向，满足武器装备在先进设计、智能感知、数字运维等方面的一系列科研能力需求，建设成果力求实际效益可量化、转型产品可落地，充分发挥数字化转型驱动力，在国际军事格局百年未有之巨变中从容应对。

参考文献

［1］“十四五”数字经济发展规划，国务院，2022.

[2]陶飞，刘蔚然，刘检华，等.数字孪生及其应用探索[J].计算机集成制造系统，2018，24（1）：118.

[3]李勇.融合视域下军工企业与民营企业间项目管理的经验互鉴[J].现代商贸工业，2021，（09）.