5G+ 智慧水泥解决方案 目 录 CONTENTS 行业洞察 解决方案 实践案例 一 二 三 行业概述： 基础建筑材料、典型流程制造 水泥作为国民经济建设中重要的 基础性原材料 ，广泛应用于土木建筑、水利等工程。水泥生产属于 典型流程性生产 ，作业区域主要为矿山、 厂区两大部分，由矿石采集、生料制备、熟料烧成、水泥制成、贮存及出厂 五大工序、十大环节 构成，流程核心为 “两磨一烧” 个主要业务环节 ， ** 以 5G 网络为切入点，打造 远程化、无人化、智能化 的 5G 应用试点。逐步围绕生产、设备、 质量等综合性主题，形成 监测、分析、控制 闭环的一体化的产品体系。 目 录 CONTENTS 行业洞察 解决方案 实践案例 一 二 三 能力体系： 构建“ 1+1+8”** 智慧水泥解决方案体系 围绕水泥生产流程关键环节，以 5G 专网和 ** 云为基础底座，通过 座椅等）下发指令，实现高精度定位及远程操控，并通过技术措施 提升自动化水平及远程操控效率 。 • 视频拼接及 AR 辅助 • 远程操控辅助驾驶 • 远程操控安全保障 智能姿态监控及 激光雷达 视觉感知 毫米波雷达 痛点分析 • 自然环境恶劣，扬尘多，只能白天工作，开采 人员工作强度大。 • 环境危险，爆破的落石威胁工作人员安全。 • 设备状态无法实施掌握，故障率高。 方案价值 •

L3 有条件准入许可正式落地，智能化产业变革提速，智驾渗透率将快速提升，产 业链将充分受益。重点关注四条方向，智能化检测：高阶智驾时代，检测需求大 幅提升。感知层：高阶智驾需要更多激光雷达、毫米波雷达等传感器。决策层： 智驾芯片算力需求显著提升。执行层：方向盘解耦趋势下，线控转向迎来新机遇。 2025 年底工信部发布有条件准入许可，L3 正式落地。2025 年 12 月 15 日，工业 和信息化部在第 内的稳定性与合规性。 由此，检测任务的工作量与专业性要求同步激增，直接驱动检测服务价值量显著 提升。感知层：高阶智能驾驶需要更多数量的激光雷达、毫米波雷达等传感器。 更高的自动驾驶等级对高精度传感器的数量需求也相应提升，因此 L3 上路有望 直接带动激光雷达和毫米波雷达渗透率提升。决策层：智驾芯片算力需求显著提 升。高级别自动驾驶对芯片的算力需求大幅提升，目前主要有自研与外采两种选 择，自研的代表作是特斯拉 图8：人形机器人与智能汽车零部件高度重合 数据来源：未来制造业公众号 传感器方面，智能汽车的多传感器融合在机器人领域实现技术复用。在传感器领 域，智能汽车产业积累的摄像头、毫米波雷达、激光雷达等多传感器融合技术可 迁移至机器人领域，支持实时动态环境感知与障碍物规避，实现技术复用。小米 CyberOne 搭载 Mi-Sense 深度视觉模组，通过欧菲光协同开发的 iToF+RGB

智慧园区解决方案 （包括园区 IOC 平台、大数据管理平台、 可视化指挥平台、运维管理平台） 目 录 第一章 项目概述...............................................................................................8 1.1 园区格局的变化............................ 状况，一旦事情发生后可以通过集成平台进行远程呼叫、开关门、声光警示等 动作，同时可以通过移动 APP 快速调度附近人员去现场查看处理。做到事中的 及时处理。 运维：实时监测系统中各项参数，包括摄像机的在线状况、图像质量、录 像完整度、告警事件、网络流量、资产管理、风险评估等。主动记录系统运行 中发生的一切动作，同时支持手动录入重大事件（可编辑文字、上传图片、视 频等附件），做到事后的有源可溯，有记可查 1.3.6 等音频编解码器标准实现音频同步存储。 具有足够的扩展空间，存储的图像数据应保证 720P/1080P 以上的图像分 辨率； 应考虑对录像文件的采取防篡改或完整性检查措施；支持按图像来源、纪 录时间、报警事件类别等多种方式对存储的图像数据进行检索，支持多用户同 时并发访问同一数据源； 支持图像纪录、网络回放的双工、双码流模式。 设备管理：要求平台内的存储系统，在同一的管理平台下，实现对所有存

推荐产品 1 工地现状 2 工地安防方案 3 亮点功能 目 录 页 环境（扬尘、泥土）噪声污染严重 安全事故 ( 倒塌、火灾 ) 频 发 空间广，点位分散孤立 ，响应不 便 偷盗、打架斗殴事件频发 人员、车辆进出管理混乱 工地现状 | 受人诟 病 5 推荐产品 1 工地现状 2 工地安防方案 3 亮点功能 目 录 页 监控中心 监控集成中心 业务单元 工地监控中心 视频监控系统 高清摄像机 GIS 系统 移动终端 视频存储 大屏监控 动环主机 智能分析 一体化平台 高层施工检测 风速传感器 推荐产品 1 工地现状 2 工地安防方案 3 亮点功能 目 录 页 • 核心 ：双电源、双引擎， 提高 系 统稳定性。提供多种业务板 卡， 满足不同业务需求。提供 多种安 全策略，增强网络系统 安全性。 • 接入层设备 ：工业级设计宽 温 （ -40-75℃

API 适配器 协议链接器 应用使能 行业资产 智慧出园 资源分配 智能排产 智能分拣 智慧装车 智能配载 智能补货 智能 波次 AI 使能 智慧仓储 库位规划仿真 智能补货 自动盘点 智慧入库 智慧入园 数字月台 智慧上架 智慧运配 智能排线 承运商管理 门禁、静电消除仪：库房门禁 管理人员进出授权 ，记录查询 周界布放：智能识别入侵 ， 告警画面回传 高点全景：细节清晰可 见 ， AI 算法智能识别烟火 车闸人闸：人、车权限精准管 控， 出入人员、车辆及时记 录 园区巡逻：巡逻任务可管、可 查 二 三 五 四 第五道防线： 门禁管理 第三道防线： 车闸人闸 14 日产 4500 吨高端乳制品 • 园区内 6 车道 *20 小时连续作业

驾驶功能。 1.2 智能驾驶的逻辑架构 智能驾驶系统由车端传感器、车端平台层、车端算法层、 云端服务层四大部分组成，车端平台层以芯片、域控制 器、车载通信和操作系统等驱动摄像头、激光雷达、毫 米波雷达等传感器进行环境感知，并通过车载通信实现 车云协同；车端算法层整合管理域、算法、应用及安全 域，实时解析传感器数据生成决策指令；云端提供全导 航、数据管理和模型训练等功能，通过 OTA 向车端推 执行的全链路智能化驾驶。 第一章 智能驾驶概念与发展辨析 05 图 1-2 智能驾驶整体技术架构图 车端传感器层包含摄像头、激光雷达、毫米波雷达、车 载通信等设备，具有多模态融合、全天候工作的特点。 摄像头提供高分辨率图像识别交通标识，激光雷达构建 三维点云感知障碍物轮廓，毫米波雷达实现恶劣天气下 的目标探测，车载通信模块保障车内外信息交互。这些 传感器通过平台层的接口进行数据同步与时空对齐，形 （3）毫米波雷达 毫米波雷达是通过发射毫米波频段的电磁波，经目标 反射后被接收，并对接收到的信号进行处理，进而探 测物体之间的距离、方位和相对速度等的传感器设备。 毫米波雷达可以根据多普勒效应检测目标的速度，还可 通过天线阵列确定目标的角度，从而实现对目标的探测 与跟踪，根据是否具备测量高度能力可分为传统毫米波 雷达和 4D 毫米波雷达，其中 4D 毫米波雷达相较传统 毫米波雷达具备测量识别目标高度的能力。与激光雷达

智能汽车头部公司 NOA 系统发展概况 AI 大模型将从根本上改变自动驾驶产业的发展 资料来源：中信证券 硬件配置方面 ，需要车辆使用满足 L3 级自动驾驶功能的智能化传感器 ，如摄像头、激光雷达、毫米波雷达等， 能实时感知各类路面情况；还需要车辆的自动驾驶芯片有足够高的算力 ，能在毫秒之内识别信息 ，并提出应 对策略。 应用智能传感器是实现 NOA 的基础 辅之以摄 像头、 毫米波雷达等。 图片来源：特斯拉、毫末智行 特斯拉 FSD V12 利用 了 1.4 万个 GPU 训练 集群 支持 AI 大模型运 算， 特斯拉预期其算力规模 会在 2024 年 2 月进入 全 球前五。 AI 大模型可以大大降低自动驾驶成 本 特斯拉坚持走视觉路线 ， 其 Model 3 应用的是 8 个摄像头 + 1 个毫米波 雷达的配置方案。 自动驾驶能力的提 万个英伟达的 GPU 来训练 AI 模型，使用了 14 亿帧 画面 训练一个神经网络，对应的是 10 万个 GPU 工时。 数据驱动时代，对算力的要求更高 资料来源：蔚来汽车，新汽车研究所 4D 毫米波雷达可以提供高质量的点云数据， 前 向 4D 成像雷达角分辨率可达 1° 方位角和 2° 俯仰 角。这种特性使车、人的反射点将不再只 是一个 简单的点 ，而是成百上千的点组合的图 象 ，从而

目 录 CONTENTS 01 需求分析 02 解决思路 03 解决方案 01 需求分析 01 需求分析 1.1 政策引导 l全面提高建筑业信息化水平：着力增强BIM、大数据、智能化、移动通讯、云计算、物联网等信息技术集成能力，初步建 成一体化行业监管和服务平台 l建立完善建筑施工安全监管信息系统：实现施工企业、人员、项目等安全监管信息互联共享，提高施工安全监管水平 住建部：《十三五建筑业信息化发展纲要》（ 要求有效抓拍率不低 于90%。指标是在人 脸无遮挡、无干扰、 低头角度不超过20°、 左右侧脸不超过45° 情况下。 防护 • 配金属护罩，有效防 止破坏，TVS6000V、 防雷、防浪涌、防突 波。 视频流带宽和存储 • 1080P(的H.264的每 路摄像头的比特率为 4Mbps，每路摄像头 视频流传输带宽（上 行带宽）为4Mbps。 每月存储为1.5T。

先进的需求预测引擎 提供丰富的预测模型，覆盖时间序列、机器学习 和深度学习等功能，模型可以定期重新自动调参 和迭代，实时滚动更新发布最新预测结果，并提 供丰富的报表与 KPI 展示，快速精准捕捉市场波 动。 需求驱动的智能补货决策 在需求预测的指导下，针对不同仓库网络类型和 商品特性，我们均可为企业提供定制化的智能补 货策略，包含动态安全库存补货、长尾品补货、 易腐品补货、促销活动补货等，帮助企业在提升 装车作业 拣货作业 交叉转运 上架作业 库存盘点 基于人工智能 + 运筹学的仓储大 脑 基于人工智能及优化运筹算法，突破传统标准业 务规则下的效率瓶颈，动态配置上架策略、补货 策略、波次策略、拣货路径优化策略及任务分配 策略，大幅提升库内整体作业效率。 多样化的功能配置 算法具有高度的扩展性与灵活性，结合行业特 性与业务特色，为企业量身定制智能、轻量、 可配置的仓储算法优化解决方案，最大化仓库 给出最优路径规划，提升效率 • 通过 API 的方式实现与传统 WMS 的对接 TMS 系统 ERP/MES/OMS 系统 WMS 系统 智慧算法 API 布局优化 路径优化 任务均衡 波次优化 拣选优化 补货优化 上架策略 作业分区 PLC AS/RS shuttle AGV 自动化设备 WCS 系统 2.1.2 仓储优化算法功能概览 上架优化 路径优化 × 布局优化

先进的需求预测引擎 提供丰富的预测模型，覆盖时间序列、机器学习 和深度学习等功能，模型可以定期重新自动调参 和迭代，实时滚动更新发布最新预测结果，并提 供丰富的报表与 KPI 展示，快速精准捕捉市场波 动。 需求驱动的智能补货决策 在需求预测的指导下，针对不同仓库网络类型和 商品特性，我们均可为企业提供定制化的智能补 货策略，包含动态安全库存补货、长尾品补货、 易腐品补货、促销活动补货等，帮助企业在提升 装车作业 拣货作业 交叉转运 上架作业 库存盘点 基于人工智能 + 运筹学的仓储大 脑 基于人工智能及优化运筹算法，突破传统标准业 务规则下的效率瓶颈，动态配置上架策略、补货 策略、波次策略、拣货路径优化策略及任务分配 策略，大幅提升库内整体作业效率。 多样化的功能配置 算法具有高度的扩展性与灵活性，结合行业特 性与业务特色，为企业量身定制智能、轻量、 可配置的仓储算法优化解决方案，最大化仓库 给出最优路径规划，提升效率 • 通过 API 的方式实现与传统 WMS 的对接 TMS 系统 ERP/MES/OMS 系统 WMS 系统 智慧算法 API 布局优化 路径优化 任务均衡 波次优化 拣选优化 补货优化 上架策略 作业分区 PLC AS/RS shuttle AGV 自动化设备 WCS 系统 30 2.1.2 仓储优化算法功能概览 上架优化 路径优化