如今，随着通信互联、工业物联网、大数据分析等新技术的推陈出新与逐渐成熟，正 推动工业创新与数字化转型。愈来愈多的制造业企业，通过打造标杆智慧工厂，实践 数字化、智能化创新。 普华永道思略特持续关注工业4.0相关实践，结合众多成功大型、标杆智慧工厂的实 战项目经验与行业洞察，为广大制造业企业提供智慧工厂最新发展趋势洞察与实施方 案解析分享。 前言 智慧工厂发展趋势洞察与实施方案解析 | 思略特 3 智慧工厂发展趋势 化、数字化和智能化水平，实现运营成本、设备 综合效率以及资本回报率的多维度优化，在推动 运营效率升级的同时持续提升客户满意度。在后 端运营支持层，通过数据流打通，实现企业管理 的实时可视化，结合智能化实时数据分析，为企 业提供分析决策支撑，提升决策效率与质量。 技术角度 智能 终端 生产 连接 智能 设备 智能 机器人 设备 连接 外部 连接 云计算 大数据 深度 学习 智能物流和服务 备预防性维护、物料智能预警管理、计划与生产 可视化实时报告等解决方案，赋能智能化人机料 法管理。在内外部协同场景，通过可视化物料供 应网络、数字化新产品导入管理、智能需求预测 与计划，建立网络化协同能力。同时结合数字化 手段优化定制产品生产交付时效与成本、实现订 单交付实时进度共享，在交付场景，更好地满足 客户差异化、个性化需求。 智慧工厂赋能多行业发展 行业赋能 3C电子 机械制造 汽车 零售

在处理错误数据时，首先需要识别错误类型。常见的错误包括 格式错误、逻辑错误和业务规则错误。例如，日期格式错误可以通 过正则表达式进行校正；逻辑错误如年龄为负数，可以通过设定合 理范围进行修正；业务规则错误如订单金额为负数，则需要结合业 务逻辑进行校正。 数据格式的统一是数据清洗中的重要环节。不同的数据源可能 采用不同的数据格式，如日期格式、货币单位、计量单位等。在数 据清洗过程中，需要将这些格式统一为标准格式，以便后续的处理 具体来说，采用自适应优化算法如 AdamW，结合混合精度训练技 术，进一步优化计算资源利用率和训练效率。 为了确保模型的泛化能力，采用交叉验证和早停技术进行训练 监控。通过设置验证集，实时评估模型性能，并在验证损失不再下 降时提前停止训练，防止过拟合。同时，引入模型检查点机制，定 期保存训练过程中的最佳模型，便于后期模型部署和调优。 在训练策略上，采用迁移学习技术，利用预训练模型作为初始 参数，结合工业园区特定数据进行微调，提升模型在特定任务上的 接下来，模型初始化阶段需要根据任务类型选择合适的预训练 模型或定制化架构，并结合工业园区的业务场景进行参数初始化。 为了提高训练效率，可以采用迁移学习技术，利用开源预训练模型 作为基础，通过微调适配具体任务。分布式训练是处理大规模数据 和复杂模型的必要手段，需要设计高效的通信机制和负载均衡策 略。采用参数服务器架构或 AllReduce 通信模式，结合 GPU 集群 的计算能力，确保训练过程的高吞吐量和低延迟。

训练，尤其在数据量和参数量上将迎来显著跃升。 多模态融合 大模型将逐渐融入图⽚ 、⾳频、视频等多种模态信息 ，实现跨模态的交互与理解 ，从⽽拓 宽其应⽤场景和实⽤价值。 大模型小模型化 在产业应⽤层⾯ ，结合底层基础大模型和针对特定⾏业的精简数据微调，将训练出更为实 用、更易于产业落地的小型化大模型。 产业端 国产 AI 芯片自主研发 为确保中国大模型的长远发展和避免外部制裁风险，国内 AI ，研究团队进一步设计了可 控和可 信学习算法。 结合百度飞桨自适应大规模分布式训练技术和“鹏城云脑Ⅱ ”领先算力 集群 ，解决了超大模型训练中的多个公认技术难题。在应用上 ，首创 大 模型在线蒸馏框架 ，大幅降低了大模型落地成本 是最重要的落地场景之一。 来源：文心一言官网 与百度的方案类似，各科技大厂基于云平台、算力基础设施和大模型技术相结合，推动行业应用落地，汽车产业链当然也 产业研究 自己的 端 到端自动驾驶方案，在算法上端到端已经成为大势所趋。 但在发展路径上，行业预计也会经历渐进的过程。早期玩家致力于将算法从模块化架构平稳过渡到端到端，远期大语言模型和端到端 基 础模型有望结合形成“系统一”和“系统二”共同赋能自动驾驶，最终强大的通用人工智能（ AGI ）或许可覆盖所有驾驶能力。 算力层面 规模法则驱动下，海量的算力成为开发优秀 AI 算法的基础 数据方面 数据的体量

工厂 规划设计 智能应用 移动应用 智能分析 智能服务 三维工厂 智能设备 智能 决策层 经营 大数据中心 … 质量 大数据中心 制造 大数据中心 采购管理 智能控制结合了工艺设计、电气自动化设 计、水、暖通等专业设计要求，实现了多 种技术的综合应用，涵盖了质量控制要 求、 DCS 系统控制要求、智能设备选择、 智能传感及智能检测应用、专家优化等多 种技术的综合设计，是实现提质、增效、 智能应用 移动应用 智能分析 智能服务 三维工厂 智能设备 智能 决策层 经营 大数据中心 … 质量 大数据中心 制造 大数据中心 采购管理 三维与安全、维修、工艺、运行、设备结合，提供全方位的可视化管理 Sinoma International Engineering Co., Ltd. 中材国际（南 智能 生产 控制 层 经营 管控层 设备管理 能源管理 智能物流 起。 它是以产品全生命周期的相关数据为基础，在计算机虚拟环境中，对整个生产过 程进行仿真、评估和优化，并进一步扩展到整个产品生命周期的新型生产组织方 式，是现代数字制造技术与计算机仿真技术相结合的产物。 数字工厂是以产品全生命周期的相关数据为基础的数字模型、方法和工具的综 合网络。 Sinoma International Engineering Co., Ltd. 中材国际（南

作为《未来汽车产业战略家》项目的联席学术导师，我们为首期班学员感到骄傲，并一起践行“ 共建、共创、共进”的办学理念，通过课堂内的教学研讨和外部的调研访学，共建教学内容和体 验；通过学员自发选题并结合各自企业在专题领域的实践，共创对汽车产业发展前沿的洞察； 基于共建和共创，伴随并促成中国汽车产业从大到强，实现与伟大时代的共进。在这场探索未 来的创新教学之旅中，学员们展现出了对汽车产业发展前沿的敏锐洞察和深刻思考，让我们对 的主要方向之一，同时，中国汽车产业已经成 为全球汽车产业的重要创新策源地。AIGC是当今人工智能发展的前沿，对汽车行业的影响是全 方位的，值得业界深入探讨。未来汽车产业战略家班的学员们和中国一汽结合AIGC的前沿实践 和战略分析，将集体智慧汇聚成这份白皮书，为中国汽车产业在大模型时代提供了宝贵的参考 和借鉴。中国汽车工业协会作为《未来汽车产业战略家》项目的智库指导单位，对首期学员们 的出色表现感到由衷的欣慰和自豪。 分析。 将知识图谱强大的推理能力和大模型强大的自然语言处理能力结合，取长补短，是确保汽车设计 AIGC系统生成内容符合严肃专业领域的有效手段。具体方案为：首先采用自然语言处理和文字识别 技术，将自然语言书面文件转化为计算机可识别处理的信息，进而实现知识的自动抽取。其次，将抽 取到的知识构建成知识图谱，建立关联性。这一过程结合大模型的语言理解能力，协助实现图谱构建 中实体和关系抽取的过程，

乡镇、园区网络改造，推动建设各类行业级、双跨类工业互联网平台，为企业上云用数提供保障。 （三）“改”痛点，推动项目实施 用好现有相关评估工具，开展评估工具解读宣贯，推动服务商辅导评估和企业自评估相结合，帮助企业 了解自身数字化智能化发展水平，同时，为诊断服务、标杆培育、资金政策等多项工作推进提供参考，提高政 策精准性。 （一）“评”基础，摸底数智水平 二、主要做法 构建场景、车间、工厂、板 将问题清单化、动态化丰富注意事项，督促数字化服务商 规范服务流程。建立“通报+督导”机制，定期召开督导通报会，通过表扬先进、鞭策后进，切实为企业数字化 转型保驾护航。完善“提醒+辅导”企业服务方式，结合中小企业数字化转型试点专项工作，对企业数字化改 造中存在的问题，通过“提醒函+专项辅导”等方式帮助企业合规、有效开展改造。 （二）市县共联动 （三）企业作主体 构建政策支持体系，出台《泉州市推 供应链协同等领 域，建设并引导企业接入园区特色工业互联网平台，促进园区企业集群转型。 19 ①城市篇 明确推动制造业数字化转型“提质扩面”的工作路径，坚持“企业作主体、标杆成引领”的推进思路，结合不 同行业、不同规模企业的特点，分类施策打造一批标杆示范项目，以标杆示范激发同行业企业转型内生动力， 推动企业加快转型进程。 （二）强化标杆引领，推动企业深度转型 强化软件开发商、自动化集成商、

度低、协同效率低下、成本浪费明显，且管理难度大。因此，该公司决定发展“5G+ 工业互联网”项目，以赋能机械加工行业的生产制造。此项目的核心在于利用 5G 新技术实现网络互连、数据互通，以及生产自动化与信息化的结合，旨在提 高企业生产效率、提高产品质量、减少资源浪费，并通过数据互联互通和数据可 视化实现质量管理的闭环，进一步推进精益制造和高绩效运营管理。 2. 项目简介 安徽一六八航空航天精密器件有限公司正在实施“5G+工业互联网”项目， 控，避 免不良产品流入产线。结合 5G 技术，使生产进程信息实时获取，实现生产计划 和产品质量的实时控制。 2.产品生产过程可追溯：实现产品生产流程和品质的全程追溯，快速追溯物 料投入和员工作业记录，利用快速报表统计，方便历史信息追溯。 3.数据信息可视化：应用 5G 技术和数字大屏，实现生产进度和生产信息的 实时反馈、采集和共享。 4.数据中心：结合 5G 和大数据技术，实现工厂运营数据的实时准确分析， 现系统 间的实时信息共享。 二、项目实施概况 1. 项目总体架构和主要内容 图 1 系统整体架构图 5 图 2 解决方案逻辑图 本项目秉承 PDCA 理念，以订单全流程闭环管理为目标，结合公司管理需 求及信息化现状，进行以下建设： 1.平台构建：基于企业级工业互联网平台，实现 ERP、MES、WMS、电子 图纸系统、能耗监管系统、视频监控系统间的数据互通。 2.透明化管理：利用

面实现智能化做了基本要求。 2021 年 6 月 能源局、矿山安 监局 《煤矿智能化建设指南（ 2021 年版）》 持 、 达 。 标相结合，建立健全智能化煤矿建设、评 2021 年 12 月 工信部商用密码 应用推进标准工 作组等 《工业互联网安全标准体系（ 2021 年 版）》 提出面向矿山的 5G+ 工业互联网应用安全技术要求。 生产作业系统化 √ √ √ √ √ 安全监管智慧化 √ √ √ √ √ √ √ 设备管理预测化 √ √ √ √ √ √ 企业管理协同化 √ √ √ 1.3.2 技术支持：新兴技术与智能矿山深度结合，为不同解决方案提供 底 层技术支持 u 从技术应用场景出发，亿欧智库将智能矿山解决方案分为七大模块，并梳理每个模块对应的技术。 亿欧智库：智能矿山解决方案及对应技术 © 亿欧智库 - 叶子 ，进行的资源储 量估算 、勘探设计的智 能地址勘探系统 基于野外数据 、地质勘 探数据 ，进行的资源储 量估算 、勘探设计的智 能地址勘探系统 结合地址勘探形成的数 据 ，形成三维地质模型 ， 并动态地下采矿设计、 回采爆破设计 、露天开 采优化设计 、工程测量 验收和工程绘制等。 基于地质资源和开采规划的

务，提出构建卫星总装智能工厂。阐述了卫星总装智能工厂的内涵和体系架构，提出了基于工业互联网的产业链 跨域协同、面向人机协作的柔性智能成套装备、人工智能辅助工艺决策与执行控制、基于数字孪生的工厂运行智能 管控等关键技术。结合实例开展了卫星总装智能工厂集成应用验证，生产综合效能得到显著提升，为推动卫星智 能制造模式转型提供有益借鉴。 关键词: 卫星总装； 智能工厂； 工业互联网； 数字孪生； 人工智能（AI） 中图分类号: 造智能工厂规划与建设具有重要的指导意义。 围绕离散制造业智能工厂的建设与应用，汽车等 大规模制造行业已形成成熟的理论技术体系、丰富的 工程实践经验与完备的标准支撑体系 ［12-19］。在航空产 品制造领域，单继东等 ［20］结合航空发动机制造企业的 业务特点，提出了航空发动机制造企业智能工厂信息 化应用架构，阐述了主要建设内容、实现方法。 “十四 五”以来，我国卫星高密度、短周期、低成本、高质高效 研制挑战日益严峻，商业巨型星座建设规划如火如 象（产 品/设 备）、不同过程（设计/工艺/制造）、不同场景（智能 工艺/智能调度）的模型库、数据库与知识库，支撑 业务集成与创新应用。4） 通信层：建立“多网络环 境+多采集手段+多传输方式”相结合的跨域信息 协同环境及工业互联网平台，满足设计-制造-配套 多单位远程跨域协同、工厂制造全要素数据感知需 求。5） 设备层：开发应用激光投影装配引导、视觉 在线检测、智能辅助装配、高精度在线测量、自动仓

系统优化、空气管路优化等。性能更优的部件模型。 • 外气动优化设计：对各类汽车，如微型车、小型车、中大型车、 SUV 、 MPV 、跑车等进行外 气动优化设计。结合气动阻力分析技术，提高外形设计效率。 • 结构部件优化设计：包括白车身架构、悬臂系统、曲轴、传动系统等结构部件进行优化设计。 结合部件质量、尺寸等约束条件对部件进行强度优化设计。 • 泵、风机、汽轮机、燃机等行业优化设计：各类泵、风机、涡轮增压器及汽轮机等 各 服务水平优化 需求预测 补货计划 促销优化 多级库存优化 帮助权衡更高的服务水平与额外库存 成本的关系，通过敏感性分析指导企 业在指定库存需求的情况下达到最合 理的服务水平，找到最佳的经营模式 结合传统时间序列与 AI 算法，充分 利用企业内外部数据，为多种类别 的商品提供更精准的需求预测，同 时也将新品、促销等特殊场景纳入 考量，对补货及库存优化提供支持 基于需求预测对常规品、长尾品、易腐 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 内各业务流程的效率同时协同合作 。 仓内优化的关键环节  更高的出库效率  更均衡的仓内任务负载