您还未登录! 登录 | 注册 | 帮助  

您的位置: 首页 > 行业资讯 > 正文

工业企业遭遇“寒冬”的背后,隐藏着工业物联网爆发的“秘密”

发表于:2019-02-18 作者:彭昭 来源:物联网智库

同处IoT的星球,你、我、他正在经历的有可能截然不同。

比如在工业场景中,一些自动化与智能化企业亲历了2018年底的市场寒冬,遭遇业绩“变脸”,至今仍心有余悸。而另一些企业则迎来了前所未见的增长周期,信心满满,蓄势待发。

为什么会形成两极分化的局面?

这些市场信号背后蕴含的内在规律应该如何解读?

IIOT

现实总是骨感

这次我们直面痛苦,从一次对话开始。

当谈到去年的销售业绩时,我的好友羽总(化名)并没有直接回答,而是用手在空中画出了巨大的“L”。为什么是L型?他继续说,“不是增长下降,而是整体下滑。”

制造业中一些垂直领域的订单正在缩水,直接导致上游工业自动化和智能化厂商的业绩下滑。其实从去年5-6月份开始,拐点就已经出现。他猜到了开头,却没猜到过程和目前的结尾。

这次的市场骤降得没有余温。2018下半年,羽总公司的制造业订单基本是接近于“0”的状态。

此前从没有出现过这种情形。

羽总在一家大型外企工作多年,公司主营传动、控制、传感等综合性自动化产品及解决方案,在工厂自动化领域排名领先,一直发展得顺风顺水。业绩增幅下降的情况都很少见,更别提整体下滑,幅度直逼10%。

羽总的10%还不是最糟。松下、安川、甚至工业智能化巨头,都出现了不同程度的订单量下滑,5-10%比较常见,30-40%也并不稀奇。

不仅外企如此,国内企业也未能幸免。在某些上市公司,这种情况甚至演变成股市暴雷。

根据公开数据,江特电机2015年耗资6亿收购米格电机,形成商誉4.6亿元。后者,米格电机,是国内电机企业中唯一能够生产伺服电机(含步进电机)超过30万台的企业,规模优势非常明显。其下游客户包括大豪科技、英威腾等,得到工厂自动化领域诸多大型企业的认可。

如今,旧时风光不再。江特电机在刚刚发布的2018年度业绩预告修正公告中披露,公司修正后的预计业绩为亏损15至16.4亿元,上年同期为盈利2.8亿元。其全资子公司,米格电机,由于下游需求下滑,利润下降,其商誉存在减值迹象,计提金额约3亿元。

这是现实,但不是全部

制造业整体没钱了吗?采购需求彻底没有了吗?

即便亲历了业绩的突然变脸,但产业需求则一直是循序渐进的。业内反馈普遍是:有钱,有需求。但是钱花得更谨慎了,钱的去处也变的更细化了。

制造业哪个部分的钱不花了?

直接说答案:

  • 贵的系统没人买单了。
  • 周期长的项目没人盲目建了。
  • 不涉及OT提效,只涉及IT 光鲜的泡沫,没人想碰了。

那么,有没有哪个部分的投入还在,甚至更多了?

从硬件来看,大家的反馈非常统一:传感产品。

中小型制造企业购买传感器的意愿正在增强。SICK、康耐视等以智能传感器产品为主的公司,预期增长15-20%。根据康耐视公司最新发布的财报,中国市场2018年销售额为1.26亿美元,2017年销售额为1.08亿美元,增幅16%。

松下、欧姆龙等综合性自动化公司的传感产品线,也基本保持了两位数的增幅。但由于其传感产品的销售增长,无法抵消驱动与控制等产品的业绩下降,导致工厂自动化部分的整体营收还是低于预期。

绝地?征途?

一边是冰冷入骨的工业自动化市场,一边是仍在增长的数据采集场景,为什么会形成两极分化的局面?这些市场信号应该如何解读?

1. 从工业自动化到工业物联网

工业自动化产品一般被用于两个部分,一部分面向设备制造商,作为组件构成整体设备对外销售。另一部分面向工厂管理部门,作为生产线的一部分,起到提质增效的作用。

这两部分对应推进企业发展的两种驱动力,一种是来自于市场增长性的外部拉力,另一种是来自于企业整体效益提升的内在动力。

随着市场环境的变化,整体设备的销量收缩,第一部分的出货量下滑,而第二部分的投入正在发生转型。当经济周期进入新阶段,很多市场的增长红利一望见底,制造企业开始关注可持续的竞争力,开始分析自身的运营效率。如果钱投下去,不能及时有效地转变为新的制造订单,这样的粗放型投入普遍被搁置。

最明显的表现是,第二部分的投入,正在从传统工控,转变为工业物联网。产线扩容的需求变成了升级改造的需求、设备换新的需求变成了性能提升的需求…对于传感产品的部署需求被释放,用于提升企业内部生产的能见度。通过传感数据的分析,企业可以更好的了解并改善自己的生产效益,延长设备的生命周期。

越来越多的工业数据变得在线了,这本身堪称一次质变。

2. 从机器换人到机器助人

潮水退去,越来越多的企业仔细审视着自己的“内功”,审视着自己的供应链管理和生产效率。无论是产品降价的空间、市场份额争夺的空间、生产效率提升的空间,都开始被仔细测算。这时,帮助企业获得效益提升的解决方案备受青睐。

以工厂内部的物流与仓储环节为例。工业机器人、AGV、自动货架等高大上的最新产品虽然技术领先性不言而喻,但相比“一次到位”,制造企业更加重视如何逐步的改进现状。

如果说过去制造企业还“好高骛远”地思考如何机器换人,现在就“真切务实”地转而思考如何让机器更好的与人配合。在不增加太多成本的同时,较短时间内就能提升效率。关键是要见效快。

举个例子,工厂内部的物流管理水平还普遍较低,80-90%的工作仍然由人工操作,短时间内改变这种现状,做到“无人化”并不现实。通过部署不同类型传感器,少量网关等硬件,以及为工作人员装备可穿戴设备,就可以完成仓储效率的提升。

市场上现有的工业物联网解决方案,部署时间仅需要1个月,投资回收周期在1年左右。因为对原有流程变化较小,降低了对人员操作及培训的要求,人力成本可降低30%~50%。

越来越多的企业从小处着眼,让知识在人机之间共享,让效益在双方交互中提升。

3. 工业数据的颗粒度在变细

过去制造企业只需要管好“进销存”,但现在要管好更深的“底盘”才行。

做个比喻,过去的生产线像自助餐厅,每个机器都在做菜,产品源源不断产生,顾客也就络绎不绝。到底哪个厨师做的菜好吃,哪个设备的生产效率最高,并不需要精细颗粒度的数据分析。反正自助餐厅的整体销路好,菜是否好吃,生产效率是高是低,都能分到一杯羹。

数据颗粒度太粗,导致餐厅既不知道顾客是被哪盘菜所吸引,也不会因为某盘菜卖得好,给厨师发奖金。自助餐厅的厨师也就没什么厨艺精进的意愿,毕竟做好做差一个样。菜色日趋平庸是必然。

但现在,顾客口味变高了,个性化更强了,自助餐厅的模式很难生存。这时就要分析每个厨师的表现、每盘菜品的受欢迎程度、甚至每个人厨艺中的优缺点。

具体到制造业,就变成需要追踪每一批次的产品,甚至追踪到每一件独立的产品,比如生产出的一瓶水、一包烟、一根笔…这样的颗粒度。还得了解每条产线,每个工段,甚至每台设备在各种工况下的具体情况。

与数据颗粒度变细这一趋势高度相关的,又是工业物联网系统。

首先是设备联网,通过数据采集的精细化和全面性,覆盖工业过程中的各类变化条件,保证提取出反映对象真实状态的全面性信息。

当然仅仅做到数据联网还不够,需要进一步掌握数据背后的物理意义,以及特征之间关联性的机理逻辑,将数据分析与决策、管理、激励挂钩。

纵情向前

对未来越有信心,对现在就越有耐心。

工艺水平、运营能力和员工素质都是逐步提升的过程,这些事情只有去掉浮躁和泡沫之后,才有韧性扎实去做。

无疑,在2019年,一家制造企业的“底盘”承载着运营效益。这个阶段,“降维打击”可能会成为普遍现象,运营效率不高的企业直接被清除出局。

以上种种,对工业物联网来说,是不幸中的万幸,是“萧条”下的利好。