工業(yè)互聯(lián)網(wǎng)平臺賦能制造業(yè)數(shù)字化轉(zhuǎn)型方法論

1、主要內(nèi)容一、數(shù)字化轉(zhuǎn)型方法論：基于雙螺旋模型的三大視角九大維度二、價值視角：連接維、企業(yè)維、生態(tài)維三、技術(shù)視角：架構(gòu)維、產(chǎn)業(yè)維、數(shù)據(jù)維四、業(yè)務(wù)視角：行業(yè)維、痛點維、場景維企業(yè)為什么要進行數(shù)字化轉(zhuǎn)型？數(shù)據(jù)來源：麥肯錫庫存占用成本 下降20-40%設(shè)計-工程成本 下降10-30%質(zhì)量成本優(yōu)化10-20%制造業(yè)增加值成 本減少25-35%減少廢料20-35%減少能耗5-8%勞動生產(chǎn) 力提高 15-30%設(shè)備停機 時間下降 30-50%預測準確 度提高 85%提高工人每人 每小時勞動生 產(chǎn)率40-60%提高運營部 門間接人工 效率30-40%提升設(shè)備 綜合效率 15-25%提高一次通 過率5-8%數(shù)字

2、化轉(zhuǎn)型的本質(zhì):為企業(yè)創(chuàng)造價值提質(zhì)增效提升勞動生產(chǎn)率優(yōu)化設(shè)備管理提高企業(yè)產(chǎn)量完善質(zhì)量管理節(jié)本降耗節(jié)約生產(chǎn)成本降低企業(yè)庫存降低質(zhì)量成本降低能耗水平生態(tài)培育新技術(shù)新產(chǎn)品新模式新業(yè)態(tài)基礎(chǔ)建設(shè)單項應(yīng)用協(xié)同創(chuàng)新制造業(yè)數(shù)字化轉(zhuǎn)型正在邁向3.0階段：工業(yè)互聯(lián)網(wǎng)平臺賦能綜合集成集成范圍投 資 收 益工業(yè)互聯(lián)網(wǎng)（工業(yè)APP）工業(yè)云（工業(yè)SaaS）工業(yè)軟件制造業(yè)數(shù)字化轉(zhuǎn)型的新載體：工業(yè)互聯(lián)網(wǎng)平臺邊緣層工業(yè) PaaS工業(yè) APPIaaS云基礎(chǔ)設(shè)施（服務(wù)器、存儲、網(wǎng)絡(luò)、虛擬化）數(shù)據(jù)采集協(xié)議解析邊緣智能工業(yè)應(yīng)用開發(fā)工具（專用開發(fā)工具、應(yīng)用模板、圖形化編程）工業(yè)微服務(wù)組件（機理模型、數(shù)據(jù)驅(qū)動模型、微服務(wù)管理）工業(yè)大數(shù)據(jù)分析

3、平臺（數(shù)據(jù)管理、數(shù)據(jù)建模、數(shù)據(jù)分析）通用PaaS平臺（開發(fā)環(huán)境、運行環(huán)境、運營環(huán)境）新型工業(yè)APP傳統(tǒng)軟件云化制造業(yè)數(shù)字化轉(zhuǎn)型方法論要回答三個問題為什么要轉(zhuǎn)？（價值）用什么轉(zhuǎn)？（技術(shù)）怎么轉(zhuǎn)？（業(yè)務(wù)）制造業(yè)數(shù)字化轉(zhuǎn)型框架：以價值重構(gòu)為主線的雙螺旋模型技 視 角 術(shù)業(yè) 務(wù) 視 角價值視角制造業(yè)數(shù)字化轉(zhuǎn)型必須從價值、技術(shù)、業(yè) 務(wù)三個視角統(tǒng)籌考慮。價值重構(gòu)是邏輯起點，技術(shù)支撐是工具， 業(yè)務(wù)落地是內(nèi)核。拋開技術(shù)談業(yè)務(wù)，容易陷入老方案，使用舊地圖找不到新大陸。 拋開業(yè)務(wù)談技術(shù)，容易陷入炫耀鋤頭的自娛自樂。雙螺旋模型的含義：以價值重構(gòu)為主線， 堅持技術(shù)支撐和業(yè)務(wù)落地雙輪驅(qū)動，實現(xiàn)技術(shù)和業(yè)務(wù)雙向迭代。制造業(yè)

4、數(shù)字化轉(zhuǎn)型框架：基于雙螺旋模型的三大視角九大維度技 術(shù) 視 角業(yè) 務(wù) 視 角價值視角主要內(nèi)容一、數(shù)字化轉(zhuǎn)型方法論：基于雙螺旋模型的三大視角九大維度二、價值視角：連接維、效益維、生態(tài)維三、技術(shù)視角：架構(gòu)維、產(chǎn)業(yè)維、數(shù)據(jù)維四、業(yè)務(wù)視角：行業(yè)維、痛點維、場景維工業(yè)互聯(lián)網(wǎng)平臺價值體系全價值鏈全產(chǎn)業(yè)鏈全要素設(shè)備節(jié)耗本增 效提 質(zhì)連接維效益維降從價值視角看， 工業(yè)互聯(lián)網(wǎng)平臺的本質(zhì)是通過工生態(tài)維 業(yè)全要素、全價值鏈和全產(chǎn)業(yè)鏈 的連接，實現(xiàn)對企業(yè)乃至制造業(yè) 的重構(gòu)。工業(yè)互聯(lián)網(wǎng)平臺數(shù)據(jù)應(yīng)用模型企業(yè)運營類研發(fā)制造管理服務(wù)資產(chǎn)管理類狀態(tài)監(jiān)測故障診斷預測預警遠程運維產(chǎn)業(yè)鏈協(xié)同供應(yīng)鏈協(xié)同制造能力共享設(shè)備 模型業(yè)務(wù) 模型

5、二維模型三維模型.研發(fā)設(shè)計模型生產(chǎn)制造模型經(jīng)營管理模型.機理 模型物理模型化學模型.算法 模型分類回歸聚類.level 4業(yè)務(wù)應(yīng)用（PLM、ERP、SCM）level 3生產(chǎn)運行控制（MES/MOM）level 2設(shè)備執(zhí)行監(jiān)控（HMI-SCADA）level 1傳感器（PLC）level 0設(shè)備層工廠1工廠2.全要素：人、機、料、法、環(huán)全產(chǎn)業(yè)鏈：供應(yīng)鏈、空間鏈、金融鏈價值鏈：研發(fā)、制造、服務(wù)工業(yè)互聯(lián)網(wǎng)平臺=工業(yè)全要素、全價值鏈、產(chǎn)業(yè)鏈的連接全 要 素全 產(chǎn) 業(yè) 鏈全 價 值 鏈人機料法環(huán)供應(yīng)鏈空間鏈金融鏈研發(fā)制造服務(wù)產(chǎn)品生產(chǎn) 自動化機器物料機理模型 實體空間知識生產(chǎn) 智能化機器 數(shù)據(jù)數(shù)據(jù)模型+

6、機理模型 數(shù)字孿生空間固定供應(yīng)鏈 線下集群銀行貸款柔性供應(yīng)鏈 線上集群 互聯(lián)網(wǎng)金融推動工業(yè)生產(chǎn)從 3.0向4.0轉(zhuǎn)變打破企業(yè)邊界、商業(yè)邊界、 區(qū)域邊界微笑曲線向數(shù) 據(jù)驅(qū)動的價值 閉環(huán)轉(zhuǎn)變研發(fā)制造服務(wù)附 加 值數(shù)據(jù) 驅(qū)動協(xié)同研發(fā)按需 制造精準 服務(wù)工業(yè)互聯(lián)網(wǎng)平臺=工業(yè)全要素、全價值鏈、產(chǎn)業(yè)鏈的重構(gòu)主要內(nèi)容一、數(shù)字化轉(zhuǎn)型方法論：基于雙螺旋模型的三大視角九大維度二、價值視角：連接維、效益維、生態(tài)維三、技術(shù)視角：架構(gòu)維、產(chǎn)業(yè)維、數(shù)據(jù)維四、業(yè)務(wù)視角：行業(yè)維、痛點維、場景維工業(yè)互聯(lián)網(wǎng)平臺技術(shù)體系工業(yè)APP工業(yè)PaaSIaaS邊緣層5G數(shù) 據(jù) 中 心人 工 智 能數(shù) 字 孿 生數(shù)據(jù)維架構(gòu)維產(chǎn)業(yè)維工業(yè)互聯(lián)網(wǎng)平

7、臺=數(shù)據(jù)+算力+模型+應(yīng)用邊緣層工業(yè) PaaS工業(yè) APPIaaS云基礎(chǔ)設(shè)施（服務(wù)器、存儲、網(wǎng)絡(luò)、虛擬化）數(shù)據(jù)采集協(xié)議解析邊緣智能工業(yè)應(yīng)用開發(fā)工具（專用開發(fā)工具、應(yīng)用模板、圖形化編程）工業(yè)微服務(wù)組件（機理模型、數(shù)據(jù)驅(qū)動模型、微服務(wù)管理）工業(yè)大數(shù)據(jù)分析平臺（數(shù)據(jù)管理、數(shù)據(jù)建模、數(shù)據(jù)分析）通用PaaS平臺（開發(fā)環(huán)境、運行環(huán)境、運營環(huán)境）新型工業(yè)APP傳統(tǒng)軟件云化模型應(yīng)用算力數(shù)據(jù)工業(yè)互聯(lián)網(wǎng)+5g/數(shù)據(jù)中心/人工智能應(yīng)該怎么加？從5g、數(shù)據(jù)中心、人工智能到工業(yè)互聯(lián)網(wǎng)，這幾個概念不是割裂的，而是環(huán)環(huán)相扣的， 構(gòu)成了數(shù)據(jù)采集、傳輸、計算、分析、應(yīng)用的數(shù)據(jù)閉環(huán)，工業(yè)互聯(lián)網(wǎng)平臺建設(shè)的關(guān)鍵是 要實現(xiàn)這些技術(shù)的群

8、體性突破和協(xié)同性創(chuàng)新。邊緣計算5G數(shù)據(jù)采集計算傳輸應(yīng)用分析數(shù)據(jù)數(shù)據(jù)+算力數(shù)據(jù)中心數(shù)據(jù)+算力+模型數(shù)據(jù)+算力+模型+應(yīng)用人工智能工業(yè)互聯(lián)網(wǎng)工業(yè)互聯(lián)網(wǎng)平臺=數(shù)據(jù)+算力+模型+應(yīng)用數(shù)據(jù)+算力+模型+應(yīng)用=工業(yè)互聯(lián)網(wǎng)平臺數(shù)據(jù)上不來設(shè)備類型多協(xié)議封閉接口類型多工況惡劣數(shù)據(jù)存不了數(shù)據(jù)用不好監(jiān)測點多類型多樣流量大性能要求高時間跨度大數(shù)據(jù)量巨大數(shù)據(jù)維度多實時分析難難以定量算法落后5G數(shù)據(jù)中心人工智能一、5G:打通工業(yè)互聯(lián)網(wǎng)最初一公里的有效手段超過80%的5G應(yīng)用場景在工業(yè)互聯(lián)網(wǎng)垂直領(lǐng)域。5G技術(shù)將解決工業(yè)互聯(lián)網(wǎng)落地最初一公里問題。當前“5G+工業(yè)互聯(lián)網(wǎng)”應(yīng)用總體情況仍然處于試點示范和探索階段。eMBB增強移動

9、寬帶10GbpsuRLLC高可靠低時延1msmMTC海聯(lián)物聯(lián)1Million/km21G2G3G4G5G19801990200020102020應(yīng)用場景傳輸速率模擬 語音數(shù)字 語音 短信移動互聯(lián)網(wǎng)應(yīng)用數(shù)字業(yè)務(wù)占主導數(shù)據(jù)洪流 物聯(lián)網(wǎng)115Kb-384Kb384Kb-100Mb100Mb-1Gb10Gb+模擬時代數(shù)字時代移動互聯(lián)網(wǎng)時代萬物互聯(lián)時代5G與工業(yè)互聯(lián)網(wǎng)融合創(chuàng)新打造項目庫培育解決方案供應(yīng)商構(gòu)建供給資源池技術(shù)標準攻關(guān)融合產(chǎn)品研發(fā)和產(chǎn)業(yè)化網(wǎng)絡(luò)技術(shù)和產(chǎn)品部署實施5：打造5個內(nèi)網(wǎng)建設(shè)改造公共服務(wù)平臺1：遴選10個重點行業(yè)2：挖掘20個典型應(yīng)用場景建設(shè)測試床2019年11月12日，工業(yè)和信息化部印發(fā)

10、“5G+工業(yè)互聯(lián)網(wǎng)”512工程推進方案，高 質(zhì)量推進5G與工業(yè)互聯(lián)網(wǎng)融合創(chuàng)新?！?G+工業(yè)互聯(lián)網(wǎng)”512工程推進方案提出要 提升“5G+工業(yè)互聯(lián)網(wǎng)”網(wǎng)絡(luò)關(guān)鍵技術(shù)產(chǎn)業(yè)能力、創(chuàng)新應(yīng)用能力、資源供給能力。提升網(wǎng)絡(luò)關(guān)鍵 技術(shù)產(chǎn)業(yè)能力提升創(chuàng)新 應(yīng)用能力提升資源 供給能力基于“5G+8K超清 視頻+ 深度學習+ 平臺 ”，構(gòu)建大飛機制造機 器視覺，實現(xiàn)復合材料 的無損檢測、拼縫檢測，使檢測時間由原來幾 小時甚至幾天縮短至幾 分鐘； 人員成本降低 95%?；凇?G+遠程控制+AR+平臺”，構(gòu)建機床 自主觸發(fā)物流需求、AGV 自主智能路徑規(guī)劃的智能 物流方式，大幅提升民機 裝配協(xié)同效率， 使傳統(tǒng)的 單項工裝

11、工作人員由3人 減少到1人； 裝配效率提 高70%；降低操作人員成 本20萬/人。基于“5G+射頻+VR+ 平臺”，構(gòu)建基于大數(shù)據(jù)驅(qū) 動的產(chǎn)品、設(shè)備、工裝、物 流、人員及刀量具等生產(chǎn)要 素全過程管控，實現(xiàn)對生產(chǎn) 環(huán)境、生產(chǎn)狀態(tài)、復合材料 等全方位跟蹤與優(yōu)化，提升 生產(chǎn)的智能運營管理，零配 件定位誤差縮小在3厘米以 內(nèi)；運營成本降低20%；生 產(chǎn)效率提高20%以上。中國商飛聯(lián)合互聯(lián)網(wǎng)企業(yè)、設(shè)備制造企業(yè)、移動通信企業(yè)、科研院所等，開展“5G+工業(yè)互聯(lián)網(wǎng)” 在大飛機生產(chǎn)制造、工廠物流、質(zhì)量管控等方面的探索，形成智能生產(chǎn)、智能物流、智能檢測等融 合應(yīng)用實踐。其中，華為提供基于“5G+云”的AR/VR技

12、術(shù)；聯(lián)通提供5G通信技術(shù)及智能制造技 術(shù)；騰訊提供云計算、大數(shù)據(jù)和人工智能技術(shù)；上交提供智能制造創(chuàng)新模式研究支撐。智能生產(chǎn)智能物流智能檢測商飛：基于“5g+工業(yè)互聯(lián)網(wǎng)”的智慧工廠5g專網(wǎng)在工業(yè)互聯(lián)網(wǎng)中的六大應(yīng)用場景2019年7月，全球知名咨詢公司Heavy Reading聯(lián)合全球5G技術(shù)研發(fā)領(lǐng)先企業(yè)高通發(fā)布 了5G專用網(wǎng)絡(luò)在工業(yè)互聯(lián)網(wǎng)中的應(yīng)用白皮書。Heavy Reading白皮書指出在工業(yè)互聯(lián)網(wǎng)領(lǐng)域，5G專用網(wǎng)絡(luò)與 LTE和Wi-Fi相比，具有覆蓋范圍更廣、安全保障能力更強、 性能更加優(yōu)越三大優(yōu)勢，能夠支持苛刻性能要求的工業(yè)場景應(yīng) 用：一是利用5G+AI實現(xiàn)碼頭等特定區(qū)域物流車的智能導航。

13、二是利用5G+AR開展輔助裝配與遠程運維。三是利用5G+機器視覺開展預測性維護。四是利用5G支撐高壓配電網(wǎng)負荷控制。 五是利用5G+NB-IoT解決設(shè)備物聯(lián)問題。六是利用5G專用網(wǎng)絡(luò)對工業(yè)設(shè)備進行遠程控制。二、數(shù)據(jù)中心：支撐工業(yè)互聯(lián)網(wǎng)落地的關(guān)鍵基礎(chǔ)設(shè)施美國IDC機柜數(shù)目前已占全球40%的市場，其后是 中國和日本分別占8%和6%，中國IDC發(fā)展比美國 晚5年。2018年，我國制造業(yè)增加值約占全球30%，互聯(lián)網(wǎng)用戶數(shù)全球占比約21%，穩(wěn)居世界第一制造大國和 網(wǎng)絡(luò)大國，這決定中國IDC規(guī)模不會低于美國。我國數(shù)據(jù)中心發(fā)展前景巨大，預計20202025年中 國IDC市場累計超萬億元。數(shù)據(jù)中心作為工業(yè)互聯(lián)

14、網(wǎng)的重要基礎(chǔ)設(shè)施，更加強調(diào)云計算數(shù)據(jù)中心和邊緣數(shù)據(jù)中心的協(xié) 同性，我國IDC市場空間巨大。數(shù)據(jù)來源：前瞻產(chǎn)業(yè)研究院、 中國IDC圈數(shù)據(jù)來源：中國國家統(tǒng)計局 美國商務(wù)部互聯(lián)網(wǎng)趨勢報告制造業(yè)占GDP比重互聯(lián)網(wǎng)用戶全球占比“規(guī)?；?小微化”數(shù)據(jù)中心協(xié)同發(fā)展會成為主流規(guī)模化數(shù)據(jù)中心架構(gòu)邊緣數(shù)據(jù)中心架構(gòu)傳統(tǒng)的大型規(guī)?；瘮?shù)據(jù)中心難以滿足萬物互聯(lián)的需求，需要建設(shè)小微型數(shù)據(jù)中心，來加強 邊緣計算和數(shù)據(jù)分析的能力。一方面，算力就是生產(chǎn)力，要加快規(guī)?；瘮?shù)據(jù)中心建設(shè)，縮小和美國數(shù)據(jù)中心市場占比的 差距。另一方面，要加快邊緣數(shù)據(jù)中心建設(shè)，滿足企業(yè)帶寬、時延、安全需求。云數(shù)據(jù)中心時延限制網(wǎng)絡(luò)擁塞完全問題.云數(shù)據(jù)中心云D

15、C邊緣DC邊緣數(shù)據(jù)中心邊緣數(shù)據(jù)中 心邊云協(xié)同將加速工業(yè)互聯(lián)網(wǎng)平臺落地Gartner：The edge will eat the cloud(邊緣計算正在吃到云計算)。IDC：40%的數(shù)據(jù)將在邊緣側(cè)進行存儲、處理和分析。邊緣云和云計算協(xié)同將成為工業(yè)互聯(lián)網(wǎng)平臺發(fā)展的重要方向，兩者密不可分、相輔相成。邊緣云的三大功能：邊緣數(shù)據(jù)采集、存儲和分發(fā)。邊緣數(shù)據(jù)的實時分析邊緣設(shè)備的智能控 制。邊緣數(shù)據(jù)中心業(yè)務(wù)不敢傳：涉 及數(shù)據(jù)安全 與保密不需傳：本 地化、實時 性不能傳：網(wǎng)絡(luò)延遲、功 耗、計算量、 協(xié)議適配Predix大型數(shù)據(jù)中心業(yè)務(wù)非實時、大數(shù) 據(jù)量的業(yè)務(wù)需要進行縱向 和橫向?qū)Ρ确治龅臉I(yè)務(wù)需要和業(yè)務(wù)系 統(tǒng)進

16、行集成的 業(yè)務(wù)需要進行全局 優(yōu)化的業(yè)務(wù)三、人工智能：工業(yè)互聯(lián)網(wǎng)平臺的內(nèi)核定義：工業(yè)人工智能是工業(yè)領(lǐng)域中由計算機實現(xiàn)的智能，具有自感知、自學習、自執(zhí)行、自決策、自適應(yīng)等特征，其 本質(zhì)是通過打造狀態(tài)感知、實時分析、精準執(zhí)行、科學決策的數(shù)據(jù)自動流動閉環(huán)，解決工業(yè)的復雜性和不確定性難題。問題：工業(yè)的復雜性、不確定性和人工智能缺乏可靠性、可解釋性之間的矛盾，制約工業(yè)人工智能的發(fā)展。發(fā)展階段判斷：工業(yè)智能仍處于發(fā)展探索時期，工業(yè)人工智能的關(guān)鍵技術(shù)、場景應(yīng)用、產(chǎn)業(yè)發(fā)展均處在起步階段。數(shù)據(jù)（人機物）洞察模型應(yīng)用實時分析狀態(tài)感知科學決策精準執(zhí)行學習提升主要矛盾缺乏可靠性缺乏可解釋性人工智能工業(yè)系統(tǒng)復雜性不確定性

17、數(shù)據(jù)層邊緣層模型層算法機理 模型模型應(yīng)用層故障診斷定位（分類）設(shè)備預測維護（分類+回歸） 產(chǎn)品質(zhì)量檢測（分類）產(chǎn)品自動分揀（分類+回歸）產(chǎn)業(yè)鏈級企業(yè)級設(shè)備 幾何模型模型 壽命模型業(yè)務(wù) 研發(fā)設(shè)計模型生產(chǎn)制造模型經(jīng)營管理模型第一性原理知識圖譜回歸算法分類算法模型聚類算法智能網(wǎng)關(guān)設(shè)備級供應(yīng)鏈管理（回歸）集團輔助決策（分類+回歸）員工數(shù)據(jù)機器數(shù)據(jù)物料數(shù)據(jù)規(guī)則數(shù)據(jù)環(huán)境數(shù)據(jù)智能機器人智能傳感器智能機床模型管理引擎模型推理引擎工業(yè)人工智能框架：邊緣層+數(shù)據(jù)層+模型層+應(yīng)用層智能芯片過程控制（分類+回歸） 生產(chǎn)工藝優(yōu)化（回歸）流程自動監(jiān)控（回歸）智能輔助設(shè)計（分類+回歸）機器 學習算力方面，邊緣層亟需加快研發(fā)

18、適配工業(yè)實時性需求的AI芯片工業(yè)智能邊緣目前處于技術(shù)突破階段，所涉及的硬件基礎(chǔ)設(shè)施、軟件技術(shù)等大多已具備，但仍面臨邊緣節(jié)點對計算能 力的支持、邊緣計算任務(wù)的智能調(diào)度，邊緣計算網(wǎng)絡(luò)架構(gòu)和性能優(yōu)化等挑戰(zhàn)。目前以“AI芯片+兼容解析工具+設(shè)備”為主要形式，通過全面感知、精準計算與自主控制，有效緩解數(shù)據(jù)中心計算 壓力，實現(xiàn)業(yè)務(wù)處理去中心化；未來，其存儲、計算、判斷等性能將繼續(xù)提升，加速向邊云協(xié)同、萬物智聯(lián)轉(zhuǎn)化AI專用芯片兼容性編譯工具&協(xié)議解析工具智能設(shè)備寒武紀研制深度學習專用處理 器芯片，相對于傳統(tǒng)執(zhí)行x86 指令集的芯片，有兩個數(shù)量級 的性能提升。騰訊和阿里基于FPGA的云計 算加速芯片，實現(xiàn)了低

19、成本、低功耗，具有廣泛的應(yīng)用場景。華為針對邊緣服務(wù)器市場推出 Ascend 310芯片，目前已部 署在自動駕駛領(lǐng)域，正在向其 他應(yīng)用領(lǐng)域拓展。英特爾、亞馬遜、谷歌、 Facebook 和 Khronos Group等企業(yè)和機構(gòu)基于各自 優(yōu)勢與競爭考慮打造了相應(yīng)編 譯器或模型表示規(guī)范。中國移動、東方國信、寄云 科技等企業(yè)通過建設(shè)智能網(wǎng)關(guān)， 動態(tài)實現(xiàn)OT與IT間協(xié)議轉(zhuǎn)換， 加強對帶寬資源不足和突發(fā)網(wǎng) 絡(luò)中斷等異常場景的應(yīng)對能力。生產(chǎn)設(shè)備：庫卡、新松等企業(yè)開 發(fā)搭載機器學習算法、路徑規(guī)劃 等技術(shù)的機械臂、運輸載具和智 能機床等產(chǎn)品?？刂圃O(shè)備：針對包裝、焊接、拼 接等作業(yè)場景，伯克利、?？低?視等企業(yè)

20、通過應(yīng)用語音識別、視 頻捕捉等技術(shù)提升人機交互效率。研發(fā)設(shè)備：NetSpeed提供SoC 設(shè)計與架構(gòu)輔助設(shè)計系統(tǒng)，通過 內(nèi)置人工智能算法助力芯片設(shè)計 師尋求最佳解決方案，并提供持 續(xù)的設(shè)計反饋。模型方面，深度學習、知識圖譜和管理引擎將成為重點發(fā)展方向深度學習，主要解決了工業(yè)場景中的識別、監(jiān)控、推理、預測等問題，適用于不可見的復雜問題。知識圖譜，主要解決了工業(yè)要素的挖掘、分析、建模、可視化等問題，適用于認知明確的問題中飛艾維與百度深度合作，基于飛槳（PaddlePaddle） 深度學習框架聯(lián)合開發(fā)海量數(shù)據(jù) AI 分析平臺，實現(xiàn)巡檢 數(shù)據(jù)中特定缺陷辯識，速度達到人工處理近百倍。德國瀚沙公司：基于“

21、深度學習+能耗”預測電網(wǎng)中斷和 停電，識別電網(wǎng)缺陷的可能性提高2倍以上。領(lǐng)邦智能：基于“深度學習+視覺”進行預測性維護、產(chǎn) 品質(zhì)量檢測等工作，誤檢率為十萬分之一，質(zhì)檢效率是 質(zhì)檢員的八倍。東軟集團部署工業(yè)知識圖譜進行知識發(fā)現(xiàn)和決策輔助，實現(xiàn) 了協(xié)助人工高效操作和有效決策。一汽通過構(gòu)建汽車故障診斷知識圖譜，將業(yè)務(wù)方向、售后場 景和細化描述進行關(guān)聯(lián)建模，實現(xiàn)效率支撐、提前發(fā)現(xiàn)和專 業(yè)案例支撐。UTC 聯(lián)合技術(shù)研究中心將知識圖譜引入研發(fā)設(shè)計過程，依靠 知識圖譜分解功能塊，構(gòu)建設(shè)計方案庫，設(shè)計出的換熱傳熱 效率提高 80%，設(shè)計周期加快 9 倍。深度學習知識圖譜應(yīng)用方面，工業(yè)的復雜性、不確定性和人工智

22、能缺乏可靠性、可解釋性之 間的矛盾導致工業(yè)人工智能發(fā)展緩慢設(shè)備預測維護德國蒂森克虜伯集團結(jié)合智能傳感器及機 器學習，開展基于電梯運行數(shù)據(jù)的預測性維護，使電梯停運時間降低50%，維護費 用節(jié)約15%設(shè)備級產(chǎn)品質(zhì)量檢測IBM依托Waston人工智能平臺開展基于 視覺識別的質(zhì)量檢測，有效減少重復人 工成本，質(zhì)檢時間縮短80%，產(chǎn)品質(zhì)量 缺陷率減少7%流程行業(yè)：自動監(jiān)控中海油、中石油等通過建設(shè)智能實時決策 系統(tǒng)，構(gòu)建起以井為中心、井場與基地多 學科協(xié)同作戰(zhàn)的信息系統(tǒng)平臺，每年僅單 平臺操作費就節(jié)省800萬元離散行業(yè)：輔助設(shè)計瑞士紐若公司在自行車設(shè)計中，利用深度 學習網(wǎng)絡(luò)對進行空氣動力學分析，產(chǎn)品動 力

23、學特性比傳統(tǒng)方法高5-20，并將繼續(xù) 應(yīng)用于風機、渦輪機、飛機等設(shè)計過程集團輔助決策GE、殼牌、阿美等巨頭依托 Knowledge Platform，通過知識 圖譜與數(shù)據(jù)科學協(xié)同，在綜合考慮 品牌效益、經(jīng)營成本、經(jīng)濟趨勢等 因素的基礎(chǔ)上，利用人工智能提供 決策和流程優(yōu)化建議供應(yīng)鏈管理華為、西門子、萊比錫等企業(yè)打 造供應(yīng)鏈知識圖譜，通過企業(yè)關(guān) 系網(wǎng)實現(xiàn)供應(yīng)鏈風險管理與零部 件選型離散行業(yè)：過程控制德國施肯拉公司了將檢流計掃描儀與數(shù)字 角度傳感器相結(jié)合，基于機器學習控制系 統(tǒng)的智能掃描頭，實時獨立地計算控制參 數(shù)，幫助系統(tǒng)更快、更精確地工作產(chǎn)品自動分揀愛普生、埃爾森、梅卡曼德等基于 3D 視 覺與

24、深度學習進行不規(guī)則物品的識別和分 揀。利用深度強化學習使機器人具備自主 及協(xié)同學習技能，準確率達到 90%企業(yè)級產(chǎn)業(yè)鏈級案例:富士康基于工業(yè)人工智能的刀具壽命智能預測富士康基于深度學習建立的刀具壽命智能預測模型，實現(xiàn)了從計件換刀到精準換刀的轉(zhuǎn)變，幫助企業(yè)延長刀具壽命 15%，提高產(chǎn)品良率30%。痛點：傳統(tǒng)汽車制造制程中，采取計件換刀的方法，傳感器工控機監(jiān)控系統(tǒng)工具壽命預警機臺、刀具狀況監(jiān)控Deep learning DATA一是不能完全解決加工過程中崩刀、斷刀的問題， 二是刀具的意外損壞會直接造成加工部件的損毀并 造成巨大損失，三是不能充分利用刀具有效壽命。方案：采集機臺振動/電流傳感器和控制

25、器等多類異構(gòu)數(shù)據(jù)，在云端基于深度學習訓練刀具剩余壽命預 測模型，并部署到邊緣側(cè)，實施監(jiān)測分析刀具狀態(tài) 數(shù)據(jù)，智能預測斷刀、崩裂和壽命的異常情況。效果：實現(xiàn)刀具崩刃及斷刀的即時判定準確率93%刀具壽命預計延長15%，預計減少刀具成本15%提升產(chǎn)品良率 30%，節(jié)省材料成本約 10%，提高生產(chǎn)效率 15%。來源：富士康痛點：鋼鐵年產(chǎn)值約8萬億，鋼鐵工序70%的冶煉成本和能耗以及90%的碳排放在煉鐵工序，但煉鐵反應(yīng)器及產(chǎn)品單一生產(chǎn)競爭力在于冶煉成本，對于大型、連續(xù)、高溫、高壓、密閉的反應(yīng)黑箱高爐而言，當前仍以“盲人摸象”式操作和 “師傅帶徒弟”式為主，不同煉鐵廠（人）水平“參差不齊”，不同高爐之間壽

26、命最大相差15年、噸鐵成本相差百元、 燃料比相差百公斤，其數(shù)字化、智能化、科學化水平提升空間巨大。方案：基于機理模型的知識圖譜+基于大數(shù)效果：據(jù)的深度學習單座高爐降低2400萬鐵水質(zhì)量穩(wěn)定性提高20%在全國30%高爐推廣冶煉效率提升10%算法集應(yīng)用 場景知識圖譜設(shè)備故障診斷物流配方優(yōu)化工藝流程優(yōu)化生產(chǎn)過程管理產(chǎn)品質(zhì)量控制服務(wù)效能提升主元分析分類算法聚類算法隨機森林遺傳算法粒子群算法技術(shù)：生產(chǎn)技術(shù)、設(shè)備診斷等工藝：工藝設(shè)計、工藝改善等流程：焦化、燒結(jié)、高爐等東方國信：基于機理+數(shù)據(jù)驅(qū)動的數(shù)字高爐四、區(qū)塊鏈：為工業(yè)互聯(lián)網(wǎng)奠定多方共治、互信共享的基礎(chǔ)邊緣層工業(yè) PaaS工業(yè) APPIaaS云基礎(chǔ)設(shè)施

27、（服務(wù)器、存儲、網(wǎng)絡(luò)、虛擬化）數(shù)據(jù)采集協(xié)議解析可信邊緣智能工業(yè)應(yīng)用開發(fā)工具（專用開發(fā)工具、應(yīng)用模板、智能合約）工業(yè)微服務(wù)組件（機理模型、數(shù)據(jù)驅(qū)動模型、微服務(wù)管理、模型共享、 供應(yīng)鏈優(yōu)化、狀態(tài)溯源、訪問控制、協(xié)作生產(chǎn)）工業(yè)大數(shù)據(jù)分析平臺（可信數(shù)據(jù)管理、工業(yè)分布式賬本、互信共享、數(shù)據(jù)建模、數(shù)據(jù)分析、身份管理）通用PaaS平臺（開發(fā)環(huán)境、運行環(huán)境、運營環(huán)境）新型工業(yè)區(qū)塊鏈應(yīng)用APP傳統(tǒng)軟件云化可信工業(yè)數(shù)據(jù) 采集可信工業(yè)大數(shù) 據(jù)存儲數(shù)據(jù)建模+模 型共享（區(qū)塊鏈）微服務(wù) 生產(chǎn)+集成工業(yè)區(qū)塊鏈應(yīng)用（設(shè)計、生產(chǎn)、銷售、 保險、租賃、二手交 易、維護、回收）柔性監(jiān)管入口可信身份可信傳輸來源：工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟

28、工業(yè)區(qū)塊鏈白皮書五、擴展現(xiàn)實（XR）：一場人機交互的新革命擴展現(xiàn)實XR(Extended Reality) 包括虛擬現(xiàn)實VR(Virtual Reality)、增強現(xiàn)實AR(Augmented Reality)、 混合現(xiàn)實MR(Mixed Reality)、全息現(xiàn)實HR(Holographic Reality)等多種技術(shù)形式。技術(shù)定義特點虛擬現(xiàn)實 VR(Virtual Reality)VR是仿真技術(shù)的一個重要方向，是仿真技術(shù)與計算機圖形學人機接口技術(shù)、多媒體技術(shù)、傳 感技術(shù)、網(wǎng)絡(luò)技術(shù)等多種技術(shù)的集合，是一門富有挑戰(zhàn)性的交叉技術(shù)前沿學科和研究領(lǐng)域。 VR主要包括模擬環(huán)境、感知、自然技能和傳感設(shè)備

29、等方向。沉浸感、交互性和構(gòu)想性增強現(xiàn)實 AR(Augmented Reality)AR是一種能將真實世界信息和虛擬世界信息“無縫”融合的新技術(shù)，是把原本在現(xiàn)實世界的 一定時間空間范圍內(nèi)很難體驗到的實體信息（視覺、聽覺、味覺、觸覺等），通過電腦等科學 技術(shù)，模擬仿真后疊加應(yīng)用到真實世界，被人類感官所感知，從而達到超越現(xiàn)實的感官體驗。 AR主要包含多媒體、三維建模、實時視頻顯示及控制、多傳感器融合、實時跟蹤及注冊、場 景融合等技術(shù)與手段。真實世界和虛擬世界的信息集成、 具有實時交互性、可在三維尺度空間中增添定位虛擬物體混合現(xiàn)實 MR(Mixed Reality)MR是虛擬現(xiàn)實技術(shù)的進一步發(fā)展，該技

30、術(shù)通過在現(xiàn)實場景呈現(xiàn)虛擬場景信息，在現(xiàn)實世界、 虛擬世界和用戶之間搭起一個交互反饋的信息回路，以增強用戶體驗的真實感。MR包括增強 現(xiàn)實和虛擬現(xiàn)實，指的是合并現(xiàn)實和虛擬世界而產(chǎn)生的新的可視化環(huán)境。虛擬物體存在于真實世界中、 用戶可與虛擬物體互動全息現(xiàn)實 HR(Holographic Reality)HR也稱虛擬成像技術(shù)，是利用光的干涉和衍射原理記錄并再現(xiàn)物體真實的三維圖像的技術(shù)。 HR包括拍攝過程和成像過程，拍攝過程利用干涉原理記錄物體光波信息，成像過程利用衍射 原理再現(xiàn)物體光波信息。用戶無需任何穿戴設(shè)備，利用裸眼即可直接看到360度全方位的3D影像。數(shù)據(jù)來源：中興通訊5G云XR應(yīng)用白皮書擴展

31、現(xiàn)實（XR）在工業(yè)互聯(lián)網(wǎng)中的應(yīng)用擴展現(xiàn)實(XR) 可以在產(chǎn)品全生命周期內(nèi)，改善物理空間和賽博空間的交互方式，實現(xiàn)物理空間和賽 博空間更好的融合融合，提高工業(yè)互聯(lián)網(wǎng)賦能水平，為工業(yè)互聯(lián)網(wǎng)帶來廣闊的應(yīng)用場景和增值空間。研發(fā)設(shè)計生產(chǎn)制造倉儲物流產(chǎn)品銷售可視化模擬產(chǎn)品在各種環(huán)境中的 狀態(tài)，提高試驗可靠程度，并降 低研發(fā)成本。全方位仿真產(chǎn)品材料、結(jié)構(gòu)、性 能等參數(shù)，提高產(chǎn)品質(zhì)量管控準 確性；將二維圖紙轉(zhuǎn)化為三維模型，增 強與模型間的互動，提高研發(fā)人 員溝通效率；真實還原生產(chǎn)制造工作場景，提高員工培訓水平，提高生產(chǎn)效率；實時提示危險因素，減少員工誤 操作，保障安全生產(chǎn)；動態(tài)監(jiān)測、展示生產(chǎn)各工序運行 情況，

32、保障生產(chǎn)的流暢性；多維度展示設(shè)備健康狀態(tài)，提前預警設(shè)備故障，減少計劃外停機 時間，降低生產(chǎn)成本。準確顯示產(chǎn)品信息，提高員工分揀速度和準確度，降低分揀成本；實時更新倉庫狀態(tài)，支撐高效物 流決策。虛擬化調(diào)配產(chǎn)品信息，精準掌握 產(chǎn)品庫存變化。可視化精準監(jiān)測倉庫環(huán)境信息，減少火災等事故的發(fā)生，提高倉 庫安全保障。透明化展示產(chǎn)品各種結(jié)構(gòu)信息和 性能信息，減少顧客擔憂；在真實場景展示產(chǎn)品運行狀態(tài)， 提高消費者購買信心；為顧客參與產(chǎn)品設(shè)計提供可視化渠道，降低參與門檻，實現(xiàn)定制 化服務(wù)。案例:PTC基于“Thingworx+AR”開展設(shè)備維護建模定義產(chǎn)品的屬性和行為連接將物理設(shè)備的屬性和行 為與Thing M

33、odel做映射集成通過數(shù)字主線將IOT平臺 與IT平臺進行集成構(gòu)建/映射/發(fā)布構(gòu)建AR體驗，并與IOT平臺數(shù)據(jù)關(guān)聯(lián)體驗基于AR體驗指導維修基于“Thingworx+AR”的設(shè)備維護流程PTC基于“Thingworx+AR”為設(shè)備狀態(tài)監(jiān)測、維護方案選擇做可視化指導，大大提高了設(shè)備維護效率。提高產(chǎn)量提供分步驟的組裝指導，遠程指 導，減少錯誤操作。加速培訓降低成本提高生產(chǎn)效率與安全性，把退休工程師的知識傳到下一代 通過3D訓練優(yōu)化學習曲線。為故障定位提供精細IOT數(shù)據(jù)， 可提前標注可能故障的零件。提供實時、分步驟的指導，提高 安全性，加快訓練進程。數(shù)字孿生是綜合運用感知、計算、建模等信息技術(shù)，通過軟

34、件定義，對物理空間進行描述、診斷、 預測、決策，進而實現(xiàn)物理空間與賽博空間的交互映射。物理對象原理+數(shù)據(jù)軟件是載體數(shù)據(jù)是基礎(chǔ)自我學習模型是核心動態(tài)調(diào)整機理模型+數(shù)據(jù)驅(qū)動模型信息指令模型控制器軟件軟件定義化 模型精準化 計算實時化 數(shù)據(jù)可視化描述 診斷 預測 決策六、數(shù)字孿生:工業(yè)互聯(lián)網(wǎng)的終極版圖一項通用技術(shù)支撐經(jīng)濟社會數(shù)字化轉(zhuǎn)型的通用使能技術(shù)兩大孿生空間交互反饋原子實體邏輯物理空間比特模型軟件賽博空間三大技術(shù)要素數(shù)據(jù)是基礎(chǔ)原理機理模型數(shù)據(jù)驅(qū)動模型模型是核心傳感器數(shù)據(jù)四大功能等級描述診斷預測決策五大典型特征數(shù)據(jù)驅(qū)動模型支撐軟件定義精準映射智能決策軟件是載體軟件定義化模型精準化計算實時化數(shù)據(jù)可視化

35、數(shù)字孿生內(nèi)涵：涵蓋“12345”五大內(nèi)容數(shù)字孿生是工業(yè)互聯(lián)網(wǎng)和工業(yè)4.0參考架構(gòu)的核心數(shù)字世界物理世界物（設(shè)備/機器/產(chǎn)品等）數(shù)字孿 生空間資產(chǎn)層傳感器、驅(qū)動器集成層網(wǎng)絡(luò)、協(xié)議通信層數(shù)據(jù)、模型（數(shù)字孿生實現(xiàn)）信息層資產(chǎn)功能功能層組織和業(yè)務(wù)流程業(yè)務(wù)層德國工業(yè)4.0參考架構(gòu)應(yīng)用平臺數(shù)字孿生空間模型平臺數(shù)據(jù)平臺圖 以數(shù)字孿生體框架為核心的工業(yè)互聯(lián)網(wǎng)Paas系統(tǒng)美國工業(yè)互聯(lián)網(wǎng)聯(lián)盟將數(shù)字孿生作為工業(yè)互聯(lián)網(wǎng)落 地的核心和關(guān)鍵。德國工業(yè)4.0參考架構(gòu)將數(shù)字孿生作為重要內(nèi)容。案例：基于數(shù)字孿生的數(shù)字化設(shè)計幾何數(shù)據(jù)原理數(shù)據(jù)工藝數(shù)據(jù)材料數(shù)據(jù)現(xiàn)場設(shè)備數(shù) 據(jù)現(xiàn)場環(huán)境數(shù) 據(jù)歷史設(shè)計數(shù) 據(jù)歷史測試數(shù) 據(jù)數(shù)據(jù)層達索、PTC

36、、波音等公司綜合運用數(shù)字孿生技術(shù)打造產(chǎn)品設(shè)計數(shù)字孿生體，在賽博空間進行體 系化仿真，實現(xiàn)反饋式設(shè)計、迭代式創(chuàng)新和持續(xù)性優(yōu)化。目前，在汽車、輪船、航空航天、精密 裝備制造等領(lǐng)域已普遍開展原型設(shè)計、工藝設(shè)計、工程設(shè)計、數(shù)字樣機等形式的數(shù)字化設(shè)計實踐。應(yīng)用層集成服務(wù)接口人機交互模擬沉浸式工藝設(shè)計工業(yè)設(shè)計優(yōu)化需求設(shè)計驗證客戶深度體驗虛擬制造設(shè)計協(xié)同輔助生產(chǎn)工程預測第一性原理物理幾何模型優(yōu)化迭代數(shù)模驗證模型 試驗仿真模型產(chǎn)品數(shù)字模型 生產(chǎn)加工模型客 戶生產(chǎn)部門數(shù) 據(jù)動態(tài)數(shù)據(jù)反饋模型層多維動態(tài)的 數(shù)字環(huán)境精確執(zhí)行的 數(shù)字模型同步交付的數(shù)字產(chǎn)品案例：基于數(shù)字孿生的智能工廠西門子、洛馬等國外公司，以及華龍迅達

37、、東方國信科等國內(nèi)公司，在賽博空間打造映射物 理空間的虛擬車間、數(shù)字工廠，推動物理實體與數(shù)字虛體之間數(shù)據(jù)雙向動態(tài)交互，根據(jù)賽博空 間的變化及時調(diào)整生產(chǎn)工藝、優(yōu)化生產(chǎn)參數(shù)，提高生產(chǎn)效率。智能計劃排產(chǎn)物料配給管理生產(chǎn)參數(shù)優(yōu)化庫存動態(tài)管控產(chǎn)品質(zhì)量追蹤協(xié)同工藝規(guī)劃人員安排管控生產(chǎn)環(huán)境管控設(shè)備維護管 理故障預測維修安全可靠保 障能效優(yōu)化分析生產(chǎn)制造經(jīng)營管理產(chǎn)品服務(wù)生產(chǎn)規(guī)劃產(chǎn)品設(shè)計員工數(shù)據(jù)機器數(shù)據(jù)物料數(shù)據(jù)規(guī)則數(shù)據(jù)環(huán)境數(shù)據(jù)多協(xié)議兼容+邊緣數(shù)據(jù)采集設(shè)計制造 協(xié)同模型生產(chǎn)管理 優(yōu)化模型設(shè)備健康 管理模型產(chǎn)品增值 服務(wù)模型制造能力 交易模型生產(chǎn)過程狀 態(tài)監(jiān)測模型故障診斷 模型工藝優(yōu)化 模型質(zhì)量控制 模型節(jié)能減排

38、模型離散行業(yè)流程行業(yè)數(shù)據(jù)層模型層應(yīng)用層案例：基于數(shù)字孿生的設(shè)備健康管理（PHM）GE、空客等公司開發(fā)設(shè)備數(shù)字孿生體并與物理實體同步交付，實現(xiàn)了設(shè)備全生命周期數(shù)字化 管理，同時依托現(xiàn)場數(shù)據(jù)采集與數(shù)字孿生體分析，提供產(chǎn)品故障分析、壽命預測、遠程管理等增 值服務(wù)，提升用戶體驗，降低運維成本，強化企業(yè)核心競爭力。數(shù)據(jù)層模型層應(yīng)用層現(xiàn)場設(shè)備數(shù)據(jù)現(xiàn)場環(huán)境數(shù)據(jù)幾何數(shù)據(jù)功能數(shù)據(jù)歷史狀態(tài)數(shù)據(jù)歷史維護數(shù)據(jù)物理數(shù)據(jù)狀態(tài)監(jiān)測模型遠程診斷模型故障預測模型健康管理模型學習提升模型設(shè)備檢測健康評估異常報警故障定位壽命預測故障預警維修規(guī)劃遠程調(diào)度備件管理增值服務(wù)工藝數(shù)據(jù)主要內(nèi)容一、數(shù)字化轉(zhuǎn)型方法論：基于雙螺旋模型的三大視角九

39、大維度二、價值視角：連接維、效益維、生態(tài)維三、技術(shù)視角：架構(gòu)維、產(chǎn)業(yè)維、數(shù)據(jù)維四、業(yè)務(wù)視角：行業(yè)維、痛點維、場景維工業(yè)互聯(lián)網(wǎng)平臺業(yè)務(wù)體系電子消費品裝備原材料元 級企 業(yè) 級產(chǎn) 業(yè) 鏈 級場景維行業(yè)維痛點維設(shè) 備單級工業(yè)互聯(lián)網(wǎng)平臺業(yè)務(wù)落地的基本原則兩 個 閉 環(huán)三 項 堅 持堅持分業(yè)施策深入行業(yè)，我國制造業(yè)門類眾多，要梳 理每個行業(yè)的典型特征和轉(zhuǎn)型基礎(chǔ)。堅持需求牽引堅持場景驅(qū)動深入問題，認真挖掘設(shè)備級、單元級、 企業(yè)級、產(chǎn)業(yè)級的痛點。深入場景，緊緊抓住智能化生產(chǎn)、網(wǎng)絡(luò) 化協(xié)同、個性化定制、服務(wù)化延伸這個 牛鼻子。形成業(yè)務(wù)-價值閉環(huán)：解決方案要轉(zhuǎn)為企業(yè)的質(zhì)量、成本、效率等方面的效益和新技 術(shù)、新產(chǎn)

40、品、新模式、新業(yè)態(tài)的 培育形成業(yè)務(wù)-技術(shù)閉環(huán)：解決方案要沉淀為企業(yè)的業(yè)務(wù)中臺，沉淀為可復用的能力行業(yè)行業(yè)特點行業(yè)痛點數(shù)字化轉(zhuǎn)型趨勢典型應(yīng)用場景典型企業(yè)鋼鐵生產(chǎn)流程長生產(chǎn)工藝復雜供應(yīng)鏈冗長設(shè)備維護低效化生產(chǎn)過程黑箱化下游需求碎片化環(huán)保壓力加劇化設(shè)備管理由傳統(tǒng)維護向智能維護轉(zhuǎn)變生產(chǎn)工藝由黑箱式向透明化轉(zhuǎn)變供應(yīng)鏈體系由局部協(xié)同向全局協(xié)同轉(zhuǎn) 變環(huán)保管理由粗放型向清潔型轉(zhuǎn)變設(shè)備全生命周期管理智能化生產(chǎn)供應(yīng)鏈協(xié)同綠色化生產(chǎn)東方國信、寶鋼集 團、優(yōu)也信息、南 鋼集團、酒鋼集團石化設(shè)備價值高工藝復雜產(chǎn)業(yè)鏈長危險性高設(shè)備管理不透明工藝知識傳承難產(chǎn)業(yè)鏈上下游協(xié)同水平不高安全生產(chǎn)壓力大設(shè)備管理從黑箱管理健康管理轉(zhuǎn)變

41、知識管理從紙質(zhì)封存向模型封存轉(zhuǎn)變供應(yīng)鏈管理從企業(yè)內(nèi)向企業(yè)間協(xié)同轉(zhuǎn) 變安全管理從人工巡檢向智能巡檢轉(zhuǎn)變設(shè)備健康管理智能煉化生產(chǎn)供應(yīng)鏈協(xié)同安全監(jiān)控青海油田、云南石 化、九江石化、鎮(zhèn) 江石化、茂名石化、 蘭卓信息、石化盈 科風電地理位置偏僻資本技術(shù)密集發(fā)電波動性大風場設(shè)計周期長設(shè)備維護成本高并網(wǎng)協(xié)調(diào)效率低棄風漏風較嚴重數(shù)據(jù)采集由底層互聯(lián)向全面感知轉(zhuǎn)變設(shè)備維護由人工調(diào)試向智能運維轉(zhuǎn)變風場管理由單場單管向虛擬集成轉(zhuǎn)變虛擬風場設(shè)計設(shè)備預測維護智慧風場管理精準柔性供電金風科技、遠景能 源、昆侖數(shù)據(jù)、明 陽智能、華能集團、 Siemens、GE工業(yè)互聯(lián)網(wǎng)平臺垂直行業(yè)業(yè)務(wù)落地的典型場景行業(yè)行業(yè)特點行業(yè)痛點數(shù)字化

42、轉(zhuǎn)型趨勢典型應(yīng)用場景典型企業(yè)航空航天研發(fā)周期長產(chǎn)品種類多、規(guī)模 小產(chǎn)業(yè)鏈特別長數(shù)據(jù)源不統(tǒng)一模型適配性不足故障預測水平有待提升研發(fā)設(shè)計由串行異構(gòu)到并行協(xié)同轉(zhuǎn)變生產(chǎn)制造由以數(shù)映物到數(shù)物融合轉(zhuǎn)變生產(chǎn)管理由單點對接到動態(tài)調(diào)整轉(zhuǎn)變運維服務(wù)由定期維護到視情維護轉(zhuǎn)變基于MBD的研發(fā)設(shè)計基于CPS的智能制造GE、Autodesk、羅基于大數(shù)據(jù)分析的供應(yīng)羅、商飛、西飛鏈管理基于PHM的運營維護家電技術(shù)更新速度 快產(chǎn)品研發(fā)周期 短產(chǎn)品同質(zhì)化程 度高生產(chǎn)智能化水平低供應(yīng)鏈協(xié)同效率低行業(yè)營收增速放緩生產(chǎn)方式由規(guī)?；a(chǎn)向規(guī)模化 定制方向轉(zhuǎn)變經(jīng)營方式由生產(chǎn)型經(jīng)營向平臺型 經(jīng)營轉(zhuǎn)變盈利模式由賣產(chǎn)品向賣服務(wù)轉(zhuǎn)變?nèi)嵝曰a(chǎn)供

43、應(yīng)鏈協(xié)同智能家居解決方案海爾集團、美的 集團、海信集團、 格力電器、松下 電器工程機械設(shè)備產(chǎn)品多樣 化生產(chǎn)過程離散 化供應(yīng)鏈復雜資源調(diào)配效率低下機械設(shè)備運維困難金融生態(tài)不完善設(shè)備維護按需化備件管理精益化產(chǎn)融結(jié)合在線化解決方案服務(wù)化設(shè)備預測性維護備品備件管理智慧施工互聯(lián)網(wǎng)金融卡特彼勒、小松、 日立、徐工集團、 三一重工、中聯(lián) 重科工業(yè)互聯(lián)網(wǎng)平臺垂直行業(yè)業(yè)務(wù)落地的典型場景鋼鐵行業(yè)：抓住工藝優(yōu)化智能化這一牛鼻子鋼鐵行業(yè)具備生產(chǎn)流程長、生產(chǎn)工藝復雜、供應(yīng)鏈冗長等特征，面臨設(shè)備維護低效化、生產(chǎn)過程黑 箱化、下游需求碎片化、環(huán)保壓力加劇化等痛點，正以工藝優(yōu)化為切入點，加速向設(shè)備運維智能化、 生產(chǎn)工藝透明化

44、、供應(yīng)鏈協(xié)同全局化、環(huán)保管理清潔化等方向數(shù)字化轉(zhuǎn)型。設(shè)備全生命周期管理智能化生產(chǎn)供應(yīng)鏈協(xié)同綠色化生產(chǎn)寶鋼集團基于豐富的制造 經(jīng)驗，積極探索基于工業(yè)互聯(lián) 網(wǎng)平臺的實現(xiàn)設(shè)備運行信息的 有效集成與分析挖掘，為遠程 監(jiān)測、故障診斷等全生命周期 服務(wù)管理提供支持。設(shè)備運維成本降低5%；檢修作業(yè)效率提升10；設(shè)備壽命提升30%；設(shè)備整體效率提升5%；東方國信基于Cloudiip工冶煉工藝、高爐安全等開發(fā)了 煉鐵云平臺，并覆蓋了全國 30%左右的高爐。單座高爐每年鐵水質(zhì)量穩(wěn)定 性提高20%；單座高爐每年煉鐵成本降低2400萬元；單座高爐冶煉效率提升10%。酒鋼集團能耗成本和環(huán)保 成本一直居高不下，在實施了

45、東方國信Cloudiip平臺之后，通過采集能耗指標和污染指標， 精準實施工藝優(yōu)化和設(shè)備升級。酒鋼集團單座高爐每年減少 碳排放20000噸。預計整個行業(yè)普及應(yīng)用之后， 每年將減少200億元成本和 2000萬噸碳排放。南京鋼鐵積極適應(yīng)下游個業(yè)互聯(lián)網(wǎng)平臺，圍繞冶煉配方、性化需求，通過構(gòu)建面向供應(yīng)鏈管理的制造云平臺，提供 “JIT+C2M模型的定制服務(wù)”， 實現(xiàn)規(guī)模化定制。設(shè)計成材率提高0.15%；每噸產(chǎn)品附加值提升近百元；用戶滿意度提升至94.26%。石化行業(yè)：抓住生產(chǎn)過程智能化這一牛鼻子石化行業(yè)屬于資產(chǎn)密集型行業(yè)，具有產(chǎn)業(yè)鏈長、工藝復雜、設(shè)備價值高、危險性高的特征，面臨著設(shè)備管理不透明、 工藝知識

46、傳承難、產(chǎn)業(yè)鏈上下游協(xié)同水平不高、安全生產(chǎn)壓力大的痛點，以設(shè)備智能管控為切入點，在設(shè)備健康管理 智能煉化生產(chǎn)、供應(yīng)鏈協(xié)同、安全監(jiān)控四個方向開展數(shù)字化轉(zhuǎn)型。設(shè)備健康管理智能煉化生產(chǎn)供應(yīng)鏈協(xié)同安全監(jiān)控設(shè)備運行控制智能化：京博石 化基于supOS工業(yè)互聯(lián)網(wǎng)平臺， 利用人工智能和大數(shù)據(jù)技術(shù)， 將設(shè)備故障預警和故障處理的 機理模型部署在設(shè)備端，實現(xiàn) 設(shè)備本體的智能化。即，設(shè)備 自己發(fā)現(xiàn)故障征兆，發(fā)出故障 預警并進行故障處理，通知專 家遠程實時監(jiān)測。結(jié)合現(xiàn)場在線分析儀，原來需 要幾個小時才能完成的數(shù)據(jù)報 告，現(xiàn)在5-30分鐘就能出來，工藝優(yōu)化：云南石化在新產(chǎn) 品生產(chǎn)前，對開工原油的煉化工藝流程模擬分析，明

47、確各項常減壓裝置1次開車成功，制 氫聯(lián)合裝置核心設(shè)備投產(chǎn)1次 成功。質(zhì)量管控：九江石化在煉化 生產(chǎn)過程中，利用AI和大數(shù)據(jù)技術(shù)，實時監(jiān)測各項質(zhì)量指操作平穩(wěn)率提高5.3%，操作實現(xiàn)了分析數(shù)據(jù)快速指導生產(chǎn)。 合格率從90.7%提升至100%。企業(yè)內(nèi)協(xié)同：九江石化建設(shè)實現(xiàn)了企業(yè)內(nèi)采購、計劃、調(diào)操作參數(shù)，指導實際生產(chǎn)操作。 度、操作的全過程優(yōu)化，形成了自上而下、由下到上的協(xié)同 生產(chǎn)新模式。員工總數(shù)減少 12%、班組數(shù)量減少13%、外 操室數(shù)量削減35%。企業(yè)間協(xié)同：疫情期間，基 于ProMACE平臺，鎮(zhèn)海煉化、恒力石化和口罩、防護服生產(chǎn)標，進行動態(tài)分析和預測預警。 企業(yè)實時對接、協(xié)同排產(chǎn)，實現(xiàn)了上下游

48、醫(yī)衛(wèi)用品資源配置 的動態(tài)優(yōu)化，提升產(chǎn)業(yè)鏈協(xié)同 效率。生產(chǎn)安全監(jiān)控：茂名石化安了煉化一體化全流程優(yōu)化平臺， 裝191套巡檢儀，配置1121對巡檢點，通過大數(shù)據(jù)數(shù)據(jù)分析， 發(fā)現(xiàn)并消除了約1800多項生產(chǎn) 異常與生產(chǎn)數(shù)據(jù)問題，有65項 異常達到生產(chǎn)安全隱患級別， 避免了多起突發(fā)事件。管道智能巡檢：長慶油田， 利用無人機、機器人，對石油運輸管線全方位智能巡檢，它 將傳統(tǒng)的經(jīng)驗管理、人工巡檢轉(zhuǎn)變?yōu)橄到y(tǒng)掃描。巡井效率提 高數(shù)十倍，用工總量仍保持7萬人不變，勞動生產(chǎn)率提升了2倍以上。風電行業(yè)：抓設(shè)備運維和風場管理智能化這一牛鼻子風電行業(yè)具有地理位置偏僻、資本技術(shù)密集、發(fā)電波動性大等特征，面臨著風場設(shè)計周期長

49、、設(shè)備維護成本高、并 網(wǎng)協(xié)調(diào)效率低、棄風漏風較嚴重等痛點，正將設(shè)計、生產(chǎn)、運維、服務(wù)等環(huán)節(jié)作為切入點，從現(xiàn)場深度化感知、設(shè) 備智能化運維、風場數(shù)字化管理、精準柔性供電等方向加速數(shù)字化轉(zhuǎn)型。虛擬風場設(shè)計設(shè)備預測維護風場管理優(yōu)化精準柔性供電遠景能源開發(fā)格林威治云平臺， 借助大數(shù)據(jù)分析和高性能計算技 術(shù)建立高精度風資源圖譜，將風 資源數(shù)據(jù)誤差控制到 0.5%，機 位風資源誤差控制到 5% ；客戶 利用內(nèi)設(shè)流體仿真、機組排布、 電量評估等工具 32秒 即可完成 宏觀選址規(guī)劃，顯著縮短風場設(shè) 計周期，降低風電項目設(shè)計成本 與建設(shè)風險。昆侖數(shù)據(jù)與國網(wǎng)青海電力聯(lián)合 打造綠能互聯(lián)工業(yè)互聯(lián)網(wǎng)平臺， 通過對風機集

50、群進行動態(tài)監(jiān)測、 狀態(tài)糾偏與參數(shù)優(yōu)化，有效降低 棄風漏風率，提高風場整體運營 效率。平臺現(xiàn)已接入電站130余 座，推動電廠運行人員成本平均 下降40%，電廠備件成本平均降 低 10%，發(fā)電量提升1%-5%。金風科技依托金風云平臺，實時 采集風機齒輪、葉片、軸承等運 行數(shù)據(jù)，集合預警模型與AI分析， 對風電設(shè)備進行狀態(tài)監(jiān)測、故障 診斷、壽命評估與預測維護，變 “被動”維修為“主動”維修， 平均預警準確率達到 80% ，使風 電場設(shè)備運維人員減少66% ，設(shè) 備運維成本降低3040% ，有效 增加風電經(jīng)營收益。遠景中國海裝打造海上風電智能微 網(wǎng)，精確預測風電產(chǎn)量，利用智 能調(diào)度算法對風電供給開展“

51、削 峰填谷“，結(jié)合用電側(cè)需求，在保障電網(wǎng)安全穩(wěn)定運行的前提下， 將風電與光伏、水電、火電等能 源統(tǒng)籌考慮、協(xié)同調(diào)配，制定智 能供電方案，有效加強風電消納 水平，提升電力供給穩(wěn)定性。航空航天行業(yè)：抓設(shè)計、制造、管理、運維網(wǎng)絡(luò)化協(xié)同這一牛鼻子航空航天屬于最復雜的離散行業(yè)之一，具有研發(fā)周期長、產(chǎn)品種類多、規(guī)模小、產(chǎn)業(yè)鏈特別長、設(shè)備可靠性要求特別高等特征。面 臨數(shù)據(jù)源差異大、模型適配性差、管理調(diào)整能力差、故障預測能力差等痛點，正以網(wǎng)絡(luò)化協(xié)同為切入點，從整合研發(fā)資源、重構(gòu)生產(chǎn) 范式、變革管理模式、提升維護效率等方向進行數(shù)字化轉(zhuǎn)型?；贛BD的研發(fā)設(shè)計基于CPS的智能制造基于大數(shù)據(jù)分析的供應(yīng)鏈 管理基于P

52、HM的運營維護波音公司構(gòu)建全球化的研發(fā)體系， 基于統(tǒng)一數(shù)據(jù)源和統(tǒng)一模型進行研 發(fā)設(shè)計，波音777實現(xiàn)了全球238個 DBT團隊，總成員8000余人協(xié)同研 發(fā)，減少了90%的設(shè)計更改，設(shè)計 周期縮短一半。在C919ARJ21-70的研發(fā)中，構(gòu)建 異地協(xié)同的數(shù)字化信息平臺,形成一 航商飛、一飛院兩地、四個主機廠、 十九家國外供應(yīng)商之間協(xié)同數(shù)字化 研制模式。西飛在新飛豹的制造中, 通過數(shù)字化 定義的三維模型在廠所間傳遞、協(xié) 調(diào)和共享。實現(xiàn)全機51897個零件、 43萬個標準件、487個關(guān)鍵件的三維 數(shù)模直接用于數(shù)字化生產(chǎn)。西飛建立智能精益加工中心、智能 部件裝配工廠和智能總裝配工廠， 實現(xiàn)資源、信息

53、、物料和人的高度 互聯(lián)，將整機制造周期壓縮到15個 月左右。商飛構(gòu)建基于工業(yè)云的飛機研制管 理一體化平臺，整合全球近150個 一級供應(yīng)商，實現(xiàn)基于統(tǒng)一數(shù)據(jù)源 的設(shè)計、制造、供應(yīng)一體化協(xié)同。西飛按生產(chǎn)計劃實時更新裝配進度 信息和配套缺件動態(tài)信息，將計劃、 庫房、缺件結(jié)合起來，航材備件月 結(jié)庫存時間，由原來的1天縮短為 不到4小時。GE利用AI技術(shù)，進行發(fā)動機內(nèi)窺鏡 檢查，故障識別準確率達到95-97%， 且該系統(tǒng)具有自我學習能力，隨著數(shù) 據(jù)量增多，動態(tài)優(yōu)化模型，進一步提 高識別精度。羅羅公司在發(fā)動機維護中引入大數(shù)據(jù) 技術(shù)。采集環(huán)境、時間、發(fā)動機狀態(tài) 等信息，建模分析各因素對發(fā)動機的 影響，將分析結(jié)果傳遞到生產(chǎn)、制造、 管理、運維部門，支撐設(shè)計改進、工 業(yè)優(yōu)化、供應(yīng)匹配、視情維護。家電行業(yè)：抓生產(chǎn)定制化和供應(yīng)鏈整合這一牛鼻子供應(yīng)鏈協(xié)同柔性化生產(chǎn)智能家居解決方案海爾集團依托COSMOPlat 平臺打造 了15家互聯(lián)工廠，形成以用戶需求驅(qū)動的即 需即供、彈性部署、橫向擴展的柔性生產(chǎn)能 力。以膠州互聯(lián)工廠為例，其中：生產(chǎn)效率提升了60%；開發(fā)周期縮短50%以上；交貨周期縮短50%以上；全流程運營成本下降20%；個性化定制產(chǎn)品占比達10% 。美的集團基于平臺打造全自動柔