智能制造从数字化开始 4 中车信息公司简介 中车信息技术有限公司 版权所有 2015 目录 单 C R R C 车间制造执行数据 3 打造全流程数字化模型 基础数据管理 BOM 数据管理 设备大数据管理 中车信息技术有限公司 版权所有 2015 目录 单 C R R C 在大数据时代下 ，数据已经成为了企业的核心资产。大数据主要表现为四个特征 ：海量的数据规模、 快速 下的决策方法是实施企业发展战略的重要工具 数据是现代企业创造价值的最大来源 数据质量管理是大数据时代企业发展的必经之路 高 度 共 享 业 务 关 键 数据资产的价值 单 C R R C 基础数据管理问题多多 随着企业日益向全球化迈进 ，为应对不 同业务部门的个性化需求，信息系统的 功能划分日趋细化，企业中系统应用的 数量不断增加 同一个应用系统内所涉及的产品、人员、 首都汽车 地址 昌平路 ? 名称 首汽 构建基础数据管理框架 没有统一的数据标准 没有统一的分类标准 没有标准的属性规范 没有标准的管理流程 缺乏数据质量管理制度 缺乏数据质量考核体系 没有数据质量管理流程 没有明确数据产生源头 ★ 建设管理制度和流程 ★ 实施数据管理工 具 ★ 统一数据标准

部门级 IT 时代（ 2.0 ） 企业级 IT 时代（ 3.0 ） 数 字化运营 时代（ 4.0 ） 控制阶段 整合阶段 数据管理阶段 成熟 阶段 初始阶段 行业领先实践 集团现状 系统整合与价值提升阶段 分散建设阶段 规划与重构 扩展阶段 战略型 战术型 投 入 时间 转型 - 7 - 年重组的上海电气，面临着 先有子公司再有母公司的情况， 导致管控不力 • 生产、供应到销售都自成体系， 工厂间缺少协同管理，处处信 息孤岛，无法汇总数据 • 建立上海电气集团主数据管理平台、统 一的主数据管理标准 • 实现一体化销售，实现订单项目的计划、 进度和成本等全过程管理，实现集中采 购、仓储管理、财务会计、管理会计、 固定资产等管理 散到整合的发展阶段 信息化既是一把手工程， BO M - 21 - PL C 整体策略要求 主数据管理的整体策略， 结合企业管控模式和主数据特点， 实现统一标准、集中 管控、专业负责、分级审核 • 根据主数据管控的不同层级分别进行管控 • 根据集团管控及业务要求不同， 主数据按照不同 层级进行集中管控 • 针对不同的主数据组建不同的主数据管理小组， 由不同的专业人员负责 整体策略

汽车行业智能制造大型企业数字化转型解决 方案 项目实施概述 01 蓝图设计阶段工作回顾 02 主数据管理方案汇报 03 各模块蓝图设计方案汇报 04 下一阶段工作计划及关注重点 05 开篇 从 2022 年 6 月 6 日项目启动到今天，在 XX 各级领导的关心和支持下，经过项目组成员的 共同努力和辛勤劳动，顺利开展并完成了业务调研、蓝图设计阶段工作，各部门关键用户、模块 组长、流程负责人对业务蓝图进行了确认。在此， 对各位领导及项目组成员表示： 深深的敬意和衷心的感谢！ 本次项目的总体目标 总体目标： 实现 XX 产品设计、研发和供应链协同，营销及业财一体化，借助 SAP 的实施建立高度统一、集中、实时、透明的主数据管理和 业务应用平台，提高各部门日常管理和数据分析能力，夯实数字化转型的基础。 以 ERP 系统为核心，集成 PLM ，实现主数据的集中管理 和共享，规范企业基础数据 , 提高数据的准确性、及时性， 理、项目成本归集 2 销售管理（ SD ） 含客户管理、销售定价、销售订单管理、发货管理、 发票管理 3 生产管理 (PP) 含生产主数据管理、生产计划管理、生产排产、生产 订单与执行管理 4 物料管理 (MM) 含供应商管理、询报价管理、采购管理、出入库管理、 仓储管理、质量主数据管理，来料检验 5 财务管理 (FICO) 含总账、应收、应付、固定资产、成本管理、利润中 心、获利分析 系统集成范围 序号

业务上存在商务 BOM 及生产 BOM ，但是目前没有严格进行管理；  ERP 未维护工艺路线及工时数据，电子表维护工时，数据比较分散、不集成；  借助目前总部对主数据管理进行规范梳理，结合 SAP 物料主数据管理功 能，打造统一高效的数据管理平台  多版本、多用途的 BOM 管理，可根据实际生产情况选择不同版本 BOM ；  基于生产管理及成本核算需在在 ERP 中维护工艺路线，分不同类型可维 我们对行业的理解及业务需求理解 2 公司简介及案例介绍 1 规范统一的主 数据管理 计划与生产 协同管理 高效的供应链 业务支撑 精细化的财务 核算管理平台 全面的信息化 系统集成 21 建立数据管理中心，统一集团编码规则及申请流程 德龙 ...... 供应链 暖通 数 据 中 心 各 分 公 司 数据维护中心 总部数据管理中心 （物料 / BOM 、工艺路线 / 客户 / 供应商） 数据集中管理，建立集团化数据架构的思想，为多组织结构和不断扩张的业务和数据分析打好基础！ 支持一键 模板导入 物料状态维护流程 22 从标准、职能、流程和平台统筹管理企业的数据 建立集团统一主数据管理组织  负责标准的制定、决策、解释、维 护和完善；  监督标准的贯彻和实施；  日常数据维护审核工作；  数据建模；  数据新增、修改、删除审批流 程；  集团级数据生命周期管理；

式增长的业务数据、多模态数据管理要 求、以及数据架构复杂与有限 IT 资源之间的矛盾，传统数据架构已难以胜任。零售企业必须打 造新一代数据底座，从而跨越海量数据洪流与实时洞察的鸿沟，激活企业“一方数据”价值，支 撑 AI 全链路应用，满足综合成本最优诉求。 一体化云数据库是新一代数据底座的核心组成部分 为了支撑智能化转型，数据底座要满足实时决策洞察、多模态数据管理、集成 AI 推理能力等诉 万元。 人工智能技术的持续迭代突破，让零售企业普遍存在“FOMO“（Fear of Missing Out）情绪， 希望尽快将 AI 转化为业务增长动力。企业核心竞争力正在发生转移，从流程控制、数据管理， 最终走向以 AI 驱动的业务自驱和创新。人工智能已不仅仅是一种提升效率的工具，它更是零售 企业建立差异化竞争优势、实现战略增长的核心引擎。 当前人工智能已贯穿零售行业“研、产、供、销、服、管”全链路，显著提升企业精细化运营能 零售企 业破局的关键主要是因为具备以下四大能力特征。 10 图 1：一体化云数据库四大关键能力（来源：爱分析） 第一，HTAP 突破 ETL 瓶颈，实现实时运营决策 一体化云数据库简化了数据管理，通过将事务处理（OLTP）、分析处理（OLAP）整合至单一平 台，直接解决了零售业“数据类型复杂多元”和“多种异构系统堆叠”的痛点。从根本上简化了 技术栈，消除了数据冗余和 ETL 复杂性，从而显著降低了运维负担和总拥有成本。

EAM 工厂能源管理系统 前端 展现层 业务 管理层 数据 采集 服务 层 www. sun wayland com.. cn 数据采集 数据处理 数据管理不维护 数据実核不申报 手工录入 智 慧 能 源 管 理 体 系 及 规 范 数据接口服务 碳排放甲报 企业碳核算 企业碳核柖 量、模型优化、新产品研发、柔性生产提供支持。 工业大数据建设主体思路 逐步实现基础信息环境 ，为企业数据中心建设提供基础数据。 实现数字化工厂的基础上 ，建立企业数据主数据管理平台。 全面实现基础信息化呾信息收集 企业生产主数据管理 提升 提升 工 www. sun wayland com.. cn 工业数据源分类与多样性 分类 系统类型 典型系统 数据结构 数据特点 实时性 管理系统 pSpace 各类 数据源 仪表 / 传感器 PLC 控制器 数据安全 安全协议与 技术认证 访问控制 完整性验证 物理隔离 隐私保护 加密技术 Spark （基础） 数据管理 报警引擎 统计分析 Spark （扩展） 实时流 历史数据 业务数据 配置数据 Kafka 消息队 列 实时数据 历史数据 实时报警 历史报警 配置信息

坚实的一步， ERP 、 CAx 、 PDM 、 PLM 等项目纷纷上马，但“信息孤岛 化”现象严重。对系统的应用还不成熟，功能利用率不高。信息化系统大多 只涵盖了企业级管理（ ERP ）和工艺设计和数据管理（ CAx ， PDM 等） 方面，缺乏一套专门针对车间，连接计划、工艺到实际的生产制造系统 实现方式 主要是通过导入 MES 系统（生产制造执行系统），打通信息壁垒， 与其他系统的无缝集成 生产进度 7 生产执行 过程加工采集 物料信息采集 材料批次采集 设备信息采集 模具信息采集 在线 SOP 人员信息采集 过程质量采集 业务蓝图规划 销售订单 销售预测 基础数据管理 盘点管理 AGV 任务管理 人工合托管理 楼层输送任务管理 入库管理 调拨管理 入库任务管理 物料分拣管理 物流设备管理 库内管理 库内预警管理 出库任务管理 托盘回流管理 人力资料管理 采购管理 财务管理 销售管理 物料管理 MRP 计算 设备实时监控 生产数据记录 设备异常处理 库存数据 工单叫料、物料配送 及产品入库 基础数据管理 生产调度执行 计件薪资管理 生产计划管理 质量管理 预警管理 05- 仓储 \ 辅助物流管理 (WMS\WCS) 01-ERP 企业资源计划 (ERP) 03-MES 制造运营（执行）系统

月新华网关于“中国大型 客机机头工程样机主体结构交付”的 报导中指出，Ｃ 919 大型客机机头工 程样机运用大量先进制造技术，不仅 首次全部采用模块化定义规范开展全 三维数字化设计和模块化管理，还利 用 PDM 数据管理系统开展在线全关联 设计，使得协调便捷快速。 MBD 技术从 2007~2008 年开始逐步引入 国内，MBD 技术在国内的应用得到了快速的 发展，主要表现在： • MBD 技术现在已经在国内得到了极大 NC 加工程序的快速编制 ◇ NC 加工程序的有序管理 ◇ 数控加工的一次性正确制造 √ 应对 ◇ 加工模板和基于特征加工等 NC 加 工编程的自动化应用 ◇ 基于 PDM 的加工数据管理 ◇ 车间对加工数据的直接访问 图 24 数控工序数据的编制和管理 图 25 EWI 和 3D PDF 作业指导书 图 23 三维工序模型的关联创建和表示 图 22 结构化工艺设计 的实施是一项长期、复杂而又艰巨的工 作，涉及信息化平台的支持、标准规范的建立、 管理模式和人员培养等各方面： • 有效的产品数据管理平台是成功应用 MBD 的基础。产品数据管理平台是 产品研发的基础平台，支持产品研发 的核心业务流程。三维设计软件（如 NX 软件）只有存在于与之高度集成的 产品数据管理平台系统中，才是实现 MBD 的唯一途径。 • MBD 模型建立应与 MBD 标准和规范 的建立紧密关联。需要针对各种不同

建设背景、目标、定位、预期成果及效益 分析 • 智能工厂总体结构规划 • 技术架构设计 • 数字孪生模型构建 • MES 与 ERP 整合 CATALOGUE 目录 • 智能工厂建设核心要素 • 数据管理与分析 • 智能控制与优化 • 系统安全与稳定 • 总结与展望 建设背景、目标、定位、预期成果及效益分析 01 数字化转型 01 越来越多的企业开始进行数字化转型，采用大数据、物联网、人工智能 建设数字孪生模型：工艺仿真使能的生产规划 数据管理与分析 07 数据采集 数字孪生智能工厂的数据采集主要包括设备状态监测、生产线运行数据、产品信息等。 数据采集的准确性和及时性对于数字孪生模型的真实性和有效性至关重要。 数据存储 数字孪生智能工厂的数据存储主要包括设备数据、生产线数据、产品信息等。数 据存储的安全性和可靠性对于数字孪生模型的安全性和有效性至关重要。 数据管理体系建设 数据可视化 数字孪生智能工厂的数据可视化

4/5G AI 边缘计算 协议网关 工地小站 5G/4G 模组 存储 服务器 工地智柜 交换机 防湿防尘柜体 后备电源 制冷系统 内置传感器、网关 升降式杆体 设备管理 数据管理 云端结合， SaaS 化服务加一体化硬件 人机料法，一键选购，一站安装，一个服务体系 数据云端化、算力边缘化 - 智慧工地“云 + 边”应用 工地现场 智慧工地 SaaS 化服务平台 本地云柜 告警分析 监理单位 集团管理部门、工地项目部 施工单位 PC 门户 手机 app/ 小程序 智能大屏 智慧工地中台 技术中台 接入管理 设备管理 应用使能 数据管理 数据中台 业务中台 AI 原子算法库 AI 应用集市 音视频管理 边缘设备管理 一体化 资源层 安全设备 网络交换机 UPS 制冷系统 服务器 共享存储空间 AI 算力单元 物联网平台 智慧工地驾驶舱 应用管理 应用订购 计费结算 租户与权限管 理 应用集成管理 1物联网 2技术中台 3大数据 4 5G 5人工智能 6SaaS 化运营 7软件硬件化 8 边缘计算 业务数据分析 数据管理 设备管理模块 数据采集和互操作层 服务插件 平台 - V1 设备通讯框架 应用层 摄像头 闸口 地磁 数据采集 设备管理 数据采集 设备配置 数据采集 设备配置 数据接口 管理接口