简化建模到部署的流程 历史数据 数据处理 变量降维 数据采样 创建模型 评分校验 解释模型 部署模型 简化 自 动 自 动 简化 APC 内 置 Python APC 控制 12 特点三：挖掘数据潜能 实现智能寻优控制 Introduction - 12 最佳设定值不是来自 专家的经验 而是来自 “工厂数据的经验” ——“操作秘籍” 与能管系统联动，实现智能自 动 寻优 APC ：自适应控制，保证最优的实现

智能化转型是大势所趋。人工智能已贯穿零售行业“研、产、供、销、服、管”全链路，成为零 售企业建立差异化竞争优势、实现战略增长的核心引擎。 传统的数据架构在智能化时代已捉襟见肘。数据底座的革新成为零售企业解锁 AI 潜能、实现敏 捷运营与差异化竞争的破局关键。新一代数据底座要具备跨越海量数据洪流与实时洞察的鸿沟， 满足零售独特业态下综合成本最优诉求，激活“一方数据”价值以及支撑 AI 全链路应用等能力要 求。 项目的整个生命周期中， 数据科学家和工程师高达 80% 的时间和精力花费在数据准备、清洗、整合和标注上。这极大地 降低了项目效率，拖延了 AI 应用的上线。 数据底座的革新成为零售企业解锁 AI 潜能、实现敏捷运营与差异化竞争的破局关键。智能化时 代，零售企业数据底座需要具备以下关键能力。 首先是跨越海量数据洪流与实时洞察的鸿沟。 全渠道服务零售业态必然会产生交易流水、用户订单、会员行为、IoT

字基础设施、数字服务和 数 据 。 ” —— 《 G20 ：通往衡量数字经济的通用框 架的路线图》 （ 2020.5 ） 加快数字化发展，建设数字中国……迎接数字时代，激活数据要素潜能， 推进网络强国建设， 加快建设数字 经济、数字社会、数字政府， 以数字化转型整体驱动生产方式、生活方式和治理方式变革。 —— 《中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年保持世界第一制造大国地位。 中国制造业“大而不强”，实现制造业的高质量发展关乎能否实现中华民族伟大复兴的中国梦。 制造业是研发创新和效率提升的核心领域， 制造业的先进性决定着经济发展的实力和潜能 全球技术密集型产业仍然集中于制造业，经济发展的技术壁垒也仍在制造业 主要工业发达国家以技术创新为突破，持续筑高技术竞争壁垒 制造业仍然是全球竞争的主战场

问题、解决问题。这种文化的形成，才能让积木式数字化不至于半途而废，而是转化为企业的长 期竞争力。 需要强调的是，这三层能力不是简单地叠加，而是一种全新的创新逻辑，即从数据中寻找灵 感，从积木中构建体系，从人才与组织中释放潜能。正是这种循环递进、不断演化的力量，推动 企业形成新型制造系统，让数字化创新不再是偶然的火花，而是恒久的火种。当越来越多的中小 制造企业掌握这三层能力，我们将看到一幅壮阔的图景——中国制造不再只是全球价值链的参与

分析应用 2 分析应用 n 数据通道 数据应用能力 通过大数据治理，降低业务对技术依赖，充分发挥业务创新潜能 传统数据管理 创新数据管理 建设背景

不同的应用领域标准要求——使用 MBD 数据的人员需求变化比较大，如 需要哪些 MBD 数据的子集 ? 他们希望 这些数据如何显示？ 只有以上这些问题的有效解决，才能进一 步推动 MBD 技术在国内的普及应用，且发挥 其潜能。 以下是国内企业实施 MBD 时常见的挑战 和应对策略： • 基于 MBD 的产品设计 √ 挑战： ◇ 三维模型包含所有产品研制的信息 ◇ 三维模型上信息的分类管理和显示 ◇ 面向制造的设计

统性规划确 保举措协同发力，精准转化技术投入为治理与服务效能。 （一）坚持系统性思维，以顶层设计引领转型路径 以“产业大脑”和行业平台为核心，高效汇聚、治理与应用产业数据，降低转型门槛、激活要素潜能、催生 创新应用，使数据真正成为高质量发展新引擎。 （二）坚持平台化赋能，以数据要素驱动价值创造 从政策给予者转向生态培育者和资源链接者，构建“诊断+金融+人才”普惠服务体系，形成服务闭环，有