近年来随着经济快速增长、国内劳动年龄人口数量下降,劳动力供给拐点已经出现,人口红利逐步消失。据国家统计局数据显示,中国15-64岁劳动年龄人口比重自2011年开始下降,15-64岁人口绝对数量也自2014年进入下降阶段,2018年15-64岁人口较2013年峰值累计减少约1200万人。这种人口转变趋势在劳动力市场上反映为劳动力短缺、企业招工难、招工贵等现象。
劳动力成本不断上升催生了“机器换人”需求
随着劳动年龄人口的逐渐减少,国内制造业(规模以上单位)职工平均工资也不断提升,国家统计局数据显示2018年中国国内制造业(规模以上单位)就业人员年平均工资为6.5万元,2013~2018年复合增长率为8.5%,制造业企业用工成本处于快速提升阶段。劳动力成本上升直接影响了制造业企业的健康发展和利润水平,自动化程度较低的劳动密集型生产企业人力成本日益增加,以自动化设备代替人工的需求迫切,在此背景下中国工业机器人市场进入了快速崛起。另一方面,自2012年以来全球工业机器人均价总体呈现稳中有降的趋势,人力成本上升叠加机器人成本下降,“机器换人”的经济性也逐渐凸显。
长期来看,中国人口老龄化、劳动年龄人口数量减少等问题依然严峻
人口结构的变化或将成为中国智能制造升级的长期驱动因素。据联合国人口司预计,2020~2050年中国15-64岁劳动年龄人口的绝对数量和人口比重仍将会持续下降,65岁及以上老龄人口及占比则将不断攀升。随着社会人口老龄化问题的日益突出和年轻一代观念意识的转变,劳动力市场成本逐渐攀升或将成为难以避免的大趋势,制造业利用廉价劳动力竞争的模式亟待改变。在此背景下,我们认为2020~2050年机器替代人工或将成为确定性较高的长期发展趋势,国内对自动化、智能化设备的需求有望持续提升。
伴随技术发展,工业机器人对制造业的影响由“机器换人”变为“智能制造”
“机器换人”过程中工业机器人对企业的积极影响显着。纵观发达国家工业化进程,自动化设备作为提高生产效率的关键手段,其与工业制造技术相结合,在传统装备制造业生产方式的革命性变革进程中起到至关重要的作用。与人工相比,自动化制造设备具有工作效率高,制造精度高等特点,随着企业人工成本的不断上升,智能制造设备在帮助企业优化生产、提高产品质量的同时,帮助企业降低了运营成本,提升了利润。
我们认为未来工业机器人将不再是孤立的存在,智能制造装备发展的趋势方向是自动化、标准化、集成化和信息化,依托工业机器人等核心装备而形成的完整智能工厂将包括:智能仓储系统、智能搬运系统、智能机械设备、智能感知网络和信息整合平台等。主要的变化有三方面:
1)智能制造领域的技术不断升级迭代,新技术方向为智能制造通过传感、机器视觉等系统的应用,形成大数据的采集、反应和对未来的预测,在产品的开发和制造、产品的设计和制造、产品的质量和管理体系三方面形成有效闭环。
2)中国互联网发展水平领先全球,大量终端消费需求已经或即将被互联网化,这种趋势下就会倒推企业加快制造端的互联网化和智能化改造,互联网化的改造也是近年来智能制造行业技术改进的重要方向。
3)在此基础上,领先的业内企业正采用一系列的先进技术实现生产乃至整条供应链的数字化,构建数字化工厂、智能工厂。这些技术包括大数据分析解决方案、端至端的实时规划和互联、自控系统、数字孪生等。凭借这些技术,效率得以提升,企业能够批量生产高度定制化的产品。
在“机器换人”的基础上,技术的飞速进步正在为各行各业开启“智能制造”新需求。智能化工厂可以解决工厂、车间和生产线以及产品的设计到制造实现的转化过程,有效地降低了设计到生产制造之间的不确定性,提高产品的合格率和可靠性,缩短生产周期,实现效益最大化。在智能工厂中,机器社区将自行组织,供应链将自动相互协调,未加工的产品将向机器发送完成其加工所需数据,然后由后者将其变成商品,产品的开发和制造、产品的设计和制造、产品的质量和管理体系三方面形成有效闭环,各机器组直接在统一的信息化系统调度下进行工作,生产效率将得以进一步提升。在未来的竞争中,业内领先的自动化设备提供商将向数字化、信息化领域拓展,向客户提供整体智能工厂规划方案。
制造业企业智能制造升级的典型案例:富士康深圳“熄灯工厂”。据工业富联2018年报,在富士康熄灯工厂里,需要一个将设备与设备、设备与人、人与人连接的桥梁,富士康工业云平台(FiiCloud)承担了沟通的桥梁。它将海量设备连接至边缘计算及云端,目前已应用到表面贴装、数控加工、机器人、组装测试、环境数据采集等场景,目标是覆盖全行业数据采集。同时使用机器人 传感器的模式,开发出机器人AI的自感知、自诊断、自修复、自优化、自适应功能,从而提高产品良率,降低成本浪费。富士康采集核心数据并向上延伸至云网层、平台层、应用层、数据安全等领域。以深圳“熄灯工厂”为例,通过改造,该生产线从318个工作人员降低到38个工作人员,生产效率提升30%,库存周期降低15%。
责任编辑;zl
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)