The Digital Transformation: Unlocking New Dimensions in Manufacturing Efficiency

封面

如何引用文章

全文:

详细

The manufacturing sector stands on the cusp of the digital revolution that holds the promise of fundamentally reshaping its operational landscape. This paper delves into the transformative journey of digital integration within the manufacturing realm. Employing a scoping review methodology, this study amalgamates insights from prior literature and case study analyses to shed light on the digital transformation process and its consequent outcomes. The discourse initiates by scrutinizing the prevailing state of digital transformation in the manufacturing sector, with a particular focus on the embracement of Internet of Things (IoT), Artificial Intelligence (AI), Digital Twin (DT) and Robotics technologies that are at the forefront of driving efficiency and spurring innovation. The article then cites China’s experience in the digital transformation of manufacturing and outlines the challenges that manufacturers may encounter, including cultural inertia and skills deficiencies, and spells out strategic interventions to overcome these obstacles. Moreover, the discussion ventures into prospective trajectories and innovations in manufacturing digitalization, forecasting the ramifications of emergent technologies such as advanced robotics, 5G connectivity, sustainable manufacturing practices, and customization trends. The significance of this research’s contribution to the scholarly domain is underscored, culminating in an exhortation directed towards industry stewards and policy framers to champion and facilitate digital transformation, accentuating its strategic imperative and the competitive leverage it bestows. This article delineates a strategic framework for navigating the intricacies of digital transformation within the manufacturing sector, offering invaluable perspectives for academicians, industry practitioners, and policy architects endeavoring to unravel new paradigms of efficiency and competitive edge in the digital epoch.

作者简介

Jin Baiming

RUDN University

Email: 1042238023@pfur.ru
postgraduate student, Department of National Economy 6 Miklukho-Maklaya St, Moscow, 117198, Russian Federation

Robert Voskerichyan

RUDN University

编辑信件的主要联系方式.
Email: voskerichyan-ro@rudn.ru
Associate Professor, Faculty of Economics, Department of National Economy 6 Miklukho-Maklaya St, Moscow, 117198, Russian Federation

参考

  1. Ahmed, E., Yaqoob, I., Hashem, I.A. T., Khan, I., Ahmed, A.I. A., Imran, M., & Vasilakos, A.V. (2017). The role of big data analytics in Internet of Things. Computer Networks, 129, 459-471. https://doi.org/10.1016/j.comnet.2017.06.013
  2. Attaran, S., Attaran, M., & Celik, B.G. (2024). Digital Twins and Industrial Internet of Things: Uncovering operational intelligence in industry 4.0. Decision Analytics Journal, 10, 100398. https://doi.org/10.1016/j.dajour.2024.100398
  3. Banga, K. (2022). Digital technologies and product upgrading in global value chains: Empirical evidence from Indian manufacturing firms. The European Journal of Development Research, 1-26. https://doi.org/10.1057/s41287-020-00357-x
  4. Baranauskas, G. (2020). Digitalization impact on transformations of mass customization concept: conceptual modelling of online customization frameworks. Marketing & Management of Innovations, (3). https://doi.org/10.21272/mmi.2020.3-09
  5. Brunetti, F., Matt, D.T., Bonfanti, A., De Longhi, A., Pedrini, G., & Orzes, G. (2020). Digital transformation challenges: strategies emerging from a multi-stakeholder approach. The TQM Journal, 32(4), 697-724. https://doi.org/10.1108/TQM-12-2019-0309
  6. Budagov, A.S., & Sukhova, N.A. (2020). Problems of effective business digital transformation management. European Proceedings of Social and Behavioural Sciences. https://doi.org/10.15405/epsbs.2020.10.03.48
  7. De Oliveira, R.I., Sousa, S.O., & De Campos, F.C. (2019). Lean manufacturing implementation: bibliometric analysis 2007-2018. The International Journal of Advanced Manufacturing Technology, 101, 979-988. https://doi.org/10.1007/s00170-018-2965-y
  8. Erol, T., Mendi, A.F., & Doğan, D. (2020, October). Digital transformation revolution with digital twin technology. In 2020 4th international symposium on multidisciplinary studies and innovative technologies (ISMSIT) (pp. 1-7). IEEE. https://doi.org/10.1109/ISMSIT50672.2020.9254288
  9. Georgakopoulos, D., Jayaraman, P.P., Fazia, M., Villari, M., & Ranjan, R. (2016). Internet of Things and edge cloud computing roadmap for manufacturing. IEEE Cloud Computing, 3(4), 66-73. https://doi.org/10.1109/MCC.2016.91
  10. Goel, R., & Gupta, P. (2020). Robotics and industry 4.0. A Roadmap to Industry 4.0: Smart Production, Sharp Business and Sustainable Development, 157-169. https://doi.org/10.1007/978-3030-14544-6_9
  11. Grieves, M. (2014). Digital twin: manufacturing excellence through virtual factory replication. White paper, 1, 1-7
  12. Gul, R., Leong, K., Mubashar, A., Al-Faryan, M.A. S., & Sung, A. (2023). The Empirical Nexus between Data-Driven Decision-Making and Productivity: Evidence from Pakistan’s Banking Sector. Cogent Business & Management, 10(1), 2178290. https://doi.org/10.1080/23311975.2023.2178290
  13. Helo, P., & Hao, Y. (2022). Artificial intelligence in operations management and supply chain management: An exploratory case study. Production Planning & Control, 33(16), 1573-1590. https://doi.org/10.1080/09537287.2021.1882690
  14. Kagermann, H. (2013) Securing Germany’s future as a production location. Implementation recommendations for the future project Industry 4.0. Berlin: Forschungsunion. 116 p
  15. Kamble, S., Gunasekaran, A., & Dhone, N.C. (2020). Industry 4.0 and lean manufacturing practices for sustainable organisational performance in Indian manufacturing companies. International journal of production research, 58(5), 1319-1337. https://doi.org/10.1080/00207543.2019 .1630772
  16. Lasi, H., Fettke, P., Kemper, H.G., Feld, T., & Hoffmann, M. (2014). Industry 4.0. Business & information systems engineering, 6, 239-242. https://doi.org/10.1007/s12599-0140334-4
  17. Li, R., & Qiao, H. (2019). A survey of methods and strategies for high-precision robotic grasping and assembly tasks-Some new trends. IEEE/ASME Transactions on Mechatronics, 24(6), 2718-2732. https://doi.org/10.1109/TMECH.2019.2945135
  18. Lom, M., Pribyl, O., & Svitek, M. (2016, May). Industry 4.0 as a part of smart cities. In 2016 Smart Cities Symposium Prague (SCSP) (pp. 1-6). IEEE. https://doi.org/10.1109/SCSP.2016.7501015
  19. Lu, Y. (2017). Industry 4.0: A survey on technologies, applications and open research issues. Journal of industrial information integration, 6, 1-10. https://doi.org/10.1016/j.jii.2017.04.005
  20. Saeed, S., Altamimi, S.A., Alkayyal, N.A., Alshehri, E., & Alabbad, D.A. (2023). Digital transformation and cybersecurity challenges for businesses resilience: Issues and recommendations. Sensors, 23(15), 6666. https://doi.org/10.3390/s23156666
  21. Shi, Y. (2022). Digital economy: Development and future. Bulletin of Chinese Academy of Sciences (Chinese Version), 37(1), 78-87. https://doi.org/10.16418/j.issn.1000-3045.20211217002
  22. Singh, M., Fuenmayor, E., Hinchy, E.P., Qiao, Y., Murray, N., & Devine, D. (2021). Digital twin: Origin to future. Applied System Innovation, 4(2), 36. https://doi.org/10.3390/asi4020036
  23. Sundar, R., Balaji, A.N., & Kumar, R.S. (2014). A review on lean manufacturing implementation techniques. Procedia Engineering, 97, 1875-1885. https://doi.org/10.1016/j.proeng.2014.12.341
  24. Tran, M.Q., Doan, H.P., Vu, V.Q., & Vu, L.T. (2023). Machine learning and IoT-based approach for tool condition monitoring: A review and future prospects. Measurement, 207, 112351. https://doi.org/10.1016/j.measurement.2022.112351
  25. Wang, W., Guo, Q., Yang, Z., Jiang, Y., & Xu, J. (2023). A state-of-the-art review on robotic milling of complex parts with high efficiency and precision. Robotics and Computer-Integrated Manufacturing, 79, 102436. https://doi.org/10.1016/j.rcim.2022.102436
  26. Wang, Y., & Su, X. (2021). Driving factors of digital transformation for manufacturing enterprises: A multi-case study from China. International Journal of Technology Management, 87 (2-4), 229-253. https://doi.org/10.1504/IJTM.2021.120932
  27. Wolf, M., Semm, A., & Erfurth, C. (2018). Digital transformation in companies-challenges and success factors. In Innovations for Community Services: 18th International Conference, I4CS 2018, Žilina, Slovakia, June 18-20, 2018, Proceedings (pp. 178-193). Springer International Publishing. https://doi.org/10.1007/978-3-319-93408-2_13
  28. Yanyu W., Xin, S. (2021). Driving factors of digital transformation for manufacturing enterprises: a multi-case study from China. International journal of technology management. 87(2/4), 229-253.
  29. Zhu, Z., Tang, X., Chen, C., Peng, F., Yan, R., Zhou, L., Li, Z., & Wu, J. (2022). High precision and efficiency robotic milling of complex parts: Challenges, approaches and trends. Chinese Journal of Aeronautics, 35(2), 22-46. https://doi.org/10.1016/j.cja.2020.12.030

补充文件

附件文件
动作
1. JATS XML
下载

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».