[金属制品、机械和设备修理业] [2023-12-04]
超硬刀具主要分为金刚石刀具与氮化硼刀具,超硬刀具需求占比稳步提升。机械加工早期主要采用高速钢刀具;随后,以硬质合金和陶瓷刀具为代表的新型材料刀具开始逐步替代原有高速钢刀具。随着产业升级与技术进步,超硬材料刀具开始广泛应用于工业加工,并在部分领域替代硬质合金和陶瓷刀具。
[房地产业,计算机、通信和其他电子设备制造业,综合,金属制品、机械和设备修理业,建筑业,金融业] [2023-11-28]
本周景气度改善的领域主要在上游资源品、信息技术和金融地产。上游资源品中钢材、焦煤焦炭价格持续上涨,水泥继续改善。中游制造领域,新能源产业链和光伏价格指数持续下跌,10 月包装专用设备产量同比降幅收窄。信息技术中多层陶瓷电容台股营收改善,移动通信基站设备产量同比跌幅收窄。10 月机械领域景气度仍然较为分化,机床产量明显改善,人形机器人商业化提速。推荐关注景气持续改善的钢材等部分资源品和电子等 TMT 领域,以及改善较为明显的机床工具领域。
[金属制品、机械和设备修理业] [2023-11-10]
刀具为制造业切削加工核心耗材,高壁垒高附加值:刀具为切削加工核心耗材,切削加工约占整个机械加工工作量的 90%。混合料、刀具设计、烧结、涂层为刀具制造核心环节,涉及较多“Know How”,行业高壁垒高附加值,刀具企业近年保持了较高毛利率,尤其是数控刀片、超硬刀具等产品毛利率可达 50%。
[金属制品、机械和设备修理业] [2023-10-09]
实现任务级交互将成为解决人形机器人通用化难题的关键。当前人形机器人行业面临着高需求、低渗透率、商业化落地难的发展瓶颈,其核心原因在于机器人通用化水平不达预期。按照机器人控制层级的划分,通用化能力的提升需要机器人能够拥有高层级的自主规划能力。因此,如何让人形机器人独立完成高层级规划,实现任务级交互,将成为决定人形机器人能否实现商业化落地的关键。
[金属制品、机械和设备修理业] [2023-10-09]
丝杠是数控机床核心传动元件。丝杠是将旋转运动转换成线性运动,或将扭矩转换成轴向反复作用力的传动零件,同时兼具高精度、可逆性和高效率的特点。其广泛应用于数控机床、制造设备、机器人、精密仪器等领域的传动控制系统之中。
[金属制品、机械和设备修理业] [2023-09-28]
根据结构不同,丝杠可分为梯形丝杠、滚珠丝杠和行星滚柱丝杠,行星滚柱丝杠是丝杠所有品类中性能最优异的子类。以价值量和竞争格局分类,梯形丝杠和 C7-C10 级滚珠丝杠属于中低端丝杠,产品价格低,国内成熟供货。C3-C5 级行星滚柱丝杠与滚珠丝杠为中高端丝杠,国产化率低于 30%。C0-C3 级别的行星滚 柱丝杠和滚珠丝杠为高端丝杠,制造难度大、产品认证周期长、价值量最高,国内仅少数厂商可供货,国产化率约 5%,日欧企业占据 90%的份额。
[金属制品、机械和设备修理业] [2023-09-28]
1-8月,150<排量≤250cc累计销售90.34万辆,yoy+1%;排量>250cc累计销售35.68万辆,yoy+2%。8月单月,150<排量≤250cc销售13.21万辆,yoy+23%;排量>250cc销售4.76万辆,yoy-32%。
[金属制品、机械和设备修理业] [2023-09-27]
美国总统拜登在执政以来先后签署了三份大型产业政策立法,分别为《基础设 施投资和就业法案》(IIJA)、《芯片和科学法案》(CHIPS)、和《通胀削减法案》(IRA)。以上三大法案投资基础设施建设,补贴半导体、新能源等产业,体现出拜登政府促进美国经济转型、重振本土制造业的战略意图。
[金属制品、机械和设备修理业] [2023-09-25]
2023H1 板块实现营业总收入 1729.2 亿元,同比+13.0%,归母净利润 139.3 亿元,同比+42.6%,国内营收降幅收窄叠加海外营收维持高增,行业 2021 年上半年以来的下滑态势扭转。值得注意的是,板块利润增速更高,主要系:(1)利润率更高的海外营收占比提升;(2)“国四”升级后主要企业均提价,且中大吨位产品占比提升;(3)成本端原材料价格、海运费均有下降;(4)汇兑收益提升。另外,本轮国内下行周期,企业严格进行风险管控,减值损失占营收比重 1.8%,维持低位。
[综合,金属制品、机械和设备修理业] [2023-09-05]
智能制造是未来制造发展的必然趋势和主攻方向。制造业经历了机械化、电气化 和信息化三个阶段,如今正迈向智能化发展的第四个阶段,即工业 4.0。工业 1.0 到 工业 2.0 实现了从依赖工人技艺的作坊式机械化生产到产品和生产标准化以及简单的刚性自动化。工业 2.0 到工业 3.0 实现了更复杂的自动化,通过先进的数控机床、 机器人技术、PLC 和工业控制系统实现敏捷的自动化,从而实现变批量柔性化制造。 工业 3.0 到工业 4.0 实现了从单一的制造场景到多种混合型制造场景的转变,从基于经验的决策到基于证据的决策,从解决可见的问题到避免不可见的问题,从基于控制的机器学习到基于丰富数据的深度学习。