图形 1 AI+ 设备（预测性维护）方案 图形 1 背景 加入星球获取更多更全的数智化解决方案 预测性维护是工业大数据和人工智能结合落地的重要应用场景 ，为企业带来多方 面效益 预测性维护（ Predictive Maintenance ，简称 PDM ）是以设备状态为依据的新兴的维护方式 ，在设备运行时对其主要部位进行周期性 或 持续监测 ，判定其所处的状态 ，预测状态未来的发展趋势 内容、方式。预测性维护可以为企业带来以下效益： ☐ 降低维保成本 ☐ 延长设备寿命 ☐ 提高设备使用率 ☐ 减少库存成本 ☐ 提升生产安全 维护触发点 固定周期，不考虑设备实际 状态，可能带来过度维护 必要时，预留足够应对时间 给一线人员在故障前做出应对 维护方式 根据零部件的平均损坏率进行维护， 不考虑实际运行状态 根据设备的实际运行状态 决定维护方式及关注点 维护成本 维护成本高， 维护成本高， 停机停产时间较长 维护成本低， 停机停产时间较短 使用场景 无法准确获得单体 设备运行状态时 单体设备状态可获知时 预测性维护与预防性维护虽然只有一字 之差 ，在理念上却截然不同。预防性维 护不考虑系统设备当前的运行状态和健 康状态 ，是按照已经安排好的时间来完 成计划内的维护工作 ，会引起过度维护 和维护不足的问题。 两种方式的特点对 比见右表。 方式

01 目 录 工业互联网与智能制造 PART 01 1 加入星球获取更多更全的数智化解决方案 工业互联网发展历程 8 世纪 60 年代到 19 世纪中 期 随着蒸汽驱动的机械制造设备的出现， 人类开始进入蒸汽时代 第一次 第二次 工业互联网 2012 年由 GE 公司提出，根据 GE 公司的定义，工业互联网是把人、数据和机器连接起来， 是工业革命的第三次浪 用户需求越来越苛刻和个性化，源于数字化原生代已经成为未来消费趋势 制造业成本高 • 中国制造企业的人均成本不断攀升，产能瓶颈非常明显 为何需要智能制造：制造业的痛点和解决思路 数据 工业互联网 厂外市场 （设备） 厂内市场 （制造） 打造差异化服务能力： 服务响应能力 技术服务能力 产品维修能力 备件支援能力 提升产品研发效率： 产品研制能力 科技投入能力 创新管理能力 成果转化能力 外场质量管理能力 供应商质量管理能力 物流服务能力 供应商响应能力 强化精益能力： 降本增效 质量提升 能源管控 精益管理 塑造客户洞察能力： 市场发展能力 产品营销能力 客户发展能力 提升企业软件能力 数字科技能力 设备智能化 提升产品客户数字粘性 拓宽企业应收赛道 打造智慧工厂，以数据赋能工业、赋能制造，用数据创造企业新的增长力！ 以工业互联网平台为新基座的智能化时代 工业资源要素 智能化时代， 呼唤工业互联网平台作为新基座

订单追踪功能模块..................................................................................... 20 3.3.7 设备管理功能模块..................................................................................... 21 3.3 ............................... 30 3.5．设备管理部分..................................................................................................... 30 3.5.1 设备的采购管理................................... ................................. 31 3.5.2 设备台账管理 ............................................................................................ 31 3.5.3 设备点检..........................................

资产的可用性、安全性影响生产的高效、安 全 能源管理 • 能耗费用的比例较大 • 国家对节能减排的监管日益加强 运营管理 • 信息孤岛严重 • 众多设备无法有效管理 ，资源浪费极大 • 设备与 MES 脱离、设备信息与生产信息脱 离 人员管理 • 招人难 ，用工难 ，人力成本高 。工业制造困境 困 • 人员难以管理 ，安全隐患巨 大 人 不通 物 。困境解析 协同能力低下 孤岛现象严重 系统风险高 信息屏障多 部署 、 运行难度高 ， 需专业人员调试 ， 人员培训成本 高 海量设备无法统一协调管理 ， 系统抗灾能力低 海量设备难以连接 ， 连接周期长 应用层面 金融层面 人员层面 技术层面 设备层面 缺少资金去做智能化的升级改造 ， 试错成本高 五大屏障阻碍企业互联化 应用开发周期长 ， 无法做到标准化 万物互联带来全新工业生态 透明 • 人与人、人员设备 • 人与系统、系统与系 统柔性 • 现场生产柔性流水线 • 高效的满足个人的要 求 16 目 录 CONTENT 1. 背 景 分 析 2. 智 慧 工 厂 特 点 3 智 慧 化 解 决 方 案 4. 收 益 分 析 透明 近距无线 广域无线 有线通信 设备与设备连接 基于 BCCA 秒接各种协议设备 CAN open

与其他系统的无缝集成，为企业提供了一个连接计划、工艺和生产车间、 设备的桥梁。 企业资源管理 ERP 车间 MES 制造执行系统 数据采集 • 设备 / 人员工时 • 实际产量 实际产量 • 换模 • 废品 • 停机 生产监控 • 任务分配 • 生产进度 • 设备实时状态 • 设备停机记录 • 模具使用记录 • 质量问题 排产与优化 • 生产精细日程安排 • 自动设备调度 • 自动换模优化 • 自动模具调度 • 自动人力资源调度 • 订单优先级 • 计划手工调整 • 计划结果模拟与预测 • 物料仓库 生产车间 成品仓库 入库 领料 盘点 入库 发货 盘点 加工 检测 不良 生产计划 设备 装配 包装 1. 实现：物料和质量以及生产过程的可追溯 2. 生产过程可视化 3. 与设备进行交互：自动取设备加工参数 给设备下达生产指令 ･ MES 系统属于定制开发 ･可以单独开发其中一个模块 采 用 的 技 术 条形码

现了人与机器 的相互协调合作，其本质是人机交互。 关键词 自动化程度高 智能工厂采用智能化设备和机器人等自动化技 术，实现生产流程的自动化和智能化，减少人 工干预，提高生产效率和质量。 01 智能化设备管理 智能工厂通过物联网技术实现对设备的监测、 预测性维护和故障诊断，提高设备的运行效率 和延长使用寿命。 02 数据化管理 智能工厂通过传感器和数据采集技术，实现对 产品质量和生产过程难以进行实时监控和优化 设备维护人工巡检，难以进行预测性维护 生产过程缺乏全面数据分析和监控，难以优化和改进 能源利用率相对较低 需要较多的人力成本和时间投入 运作模式是产品、服务相互结合 生产单元之间没有明确界限，各生产加工环节并行进行且充分参与， 具有强大的协调能力 自动化和智能化水平较高，生产效率大幅提高 生产过程能够实时监控和优化，提高产品质量 设备管理能够自动化和智能化，实现预测性维护 实践指南 3 步骤详解 4 在传统工厂升级为智能工厂的过程中，应该先进行全面的分析和评估，包括 生产流程、设备和工艺等方面，了解目前工厂存在的瓶颈和问题，以及可优化 的地方。 根据评估结果，可以制定升级计划和实施方案，确定先升级哪些领域。一般来 说，建议从搭建数据底座 - 设备互联、数据采集、生产流程优化等方面 入手，通过采用物联网、大数据、人工智能等技术手段进行升级改造，从而提 高

：工业物联网平台自动采集入网设备的运行数据 ，对水、 电、气、 热、 冷等能耗数据 和设备运行状况进行采集 ，使其以符合规范和标准的数据格式传输和存储。 数据可视化 ：在数据采集的基础上 ，应用强大的 BI 商务智能工具 ，对原始数据进行统计分析、 聚 合计算、数据钻取和可视化 ，方便业务分析和决策。 节能指标化 ：通过制定合理的节能指标化体系 ，实现定额管理。 在用户智能设备端显示节能等设备 指标及目标数据 ：为用户和运营人员提供人性化的提醒、 警示和督办等信息服务 ，包括安全运维、 售 后管理、故障诊断等 ，大大减轻运维人员的劳动强度 ，提升设备维护的管理水平 ，有效降低运营成本。 管理动态化 ：建立大数据智能建模平台 ，通过数据分析、 机器学习 ，在数据可视化的基础上实现 “可预测”的智能设备管理 ，使设备指标与管理动态紧密结合 ，为用户提供真正的智能管理和运行依据。 决策智能化 ： BI 商务智能技术和 AI 制粒 配料 混合 粉碎 原料膨化 制粒 / 膨化 电耗 设备运行状态 变频自动控制 水分在线监测 蒸 汽 流 量 / 温度 / 压力 控制 11

制约了公司的发展规模。 项目建设主要目标 1 2 3 4 5 通过智能化建设实现生产过程质量的设备信息、工艺参数、检验参数、闭环 校正补偿等功能，实现生产过程质量的实时采集、快速响应、优化生产参数、全面 控制与管理，以及质量自动闭环校正、设备主动预防性维修等先进管理模式。建立 智能化制造运营流程，实现制造过程透明化管理。 项目建设内容 1 2 3 4 5  1 ） K56 生产线：共 20 台套设备和 2 套桁架机械手。其中有勇克磨床 3 台；改造设 备 7 台；新增设备 10 台。 5 新增设备清单 序号 设备名称 数量（台） 1 斜切磨床 2 2 在线检测平台 2 3 油孔抛光操作台 2 4 修整操作台 2 5 清洗机 1 6 轴颈尺寸检测平台 1 合计 10 改造设备清单 序号 设备名称 数量（台） 1 数控车床 2 条生产线 1 2 3 4 （ 2 ） K9 生产线：共 10 台套设备和 2 套桁架机械手。其中改造设备 3 台；新增设备 7 台。 5 新增设备清单 序号 设备名称 数量（台） 1 定位档数控磨床 1 2 斜切磨床 2 3 在线检测平台 1 4 油孔抛光操作台 1 5 清洗机 1 合计 6 改造设备清单 序号 设备名称 数量（台） 1 立式加工中心 1 2 荧光磁粉探伤机

工具链：孪生工厂遵循 DevOps 进行微服务开发， 调用 AI 求解器进行运筹计算， 同时调用统一门户进行用户、组织等管理。 孪生与数字底座中台 ▌ 业务中台：所有公共和共享业务场景汇集到中台包括设备中心、订单中心、计划中心等，并将业务数据给数据中台进行治理，同时孪 生仿真结果反馈业务系统的优化建议。 ▌ 数据中台： 汇聚入湖的业务数据范围包括 AS 、立库、物流、质量、 MOM 、 形成业务数据模型供孪生工厂使用。 孪生与数字底座模型 利用数据模型建立各模型的关联关系网， 通过统一模型的统一编码识别到虚拟设备， 将物模型 / 业务模型贯通到虚拟设备 中，形成数据驱动虚拟设备的仿真可视。将算法模型 / 成本模型引入到虚拟设备， 用作孪生的仿真分析及优化。 数据模型关系图谱 孪生与数字底座 IOT ▌ 数据采集：软网关采集完数据后会将实时数据统一推送到 平台会进行数据物模型构建，把实时性要求高的数据 通过数字底座 IOT kafka 推送 /mqtt 订阅到孪生工厂进行调用 ， 同时数据中台进行存储供孪生工厂进行历史回溯分析。 ▌ 反向控制：针对部分设备的控制，孪生应用先通过 IOT 传输控制信号到 kepware 网关进行试点处理。试点验证后所有上下行都 通过物联网平台 - 软网关链路。 入

单一产品工艺策划 冲压、涂装、焊装、总装材料开发 工艺平台规划 工艺新技术开发 中长期产品工艺策划 BOM 开发 工艺执行 工艺变更 工艺文件管理 工艺技术、预批量技术验证 可制造性评审 设备、夹具、模具开发 新产品项目质量 产品审核、过程审核 外协件质量 检测计量 质量法规 工艺开发 项目采购 生产材料采购 一般材料采购 预批量生产计划、预批量物料计划 EOP 计划 项目物流规划 中长期需求与能力保障 订单履行 供应链计划 保障供应 生产制造 精准交付 营销 计划 生产 物流 设备 采购 生产人员 生产现场 生产控制 持续改进 供应商 生产计划 物料计划 外委计划 现场物料 现场物流 第三方物流 集中采购 一般材料采购 供应商管理 设备 / 工装 能源管理 采购订单 采购结算 平台采购 验收入库 配送出库 库存监控 废弃物资处置 剩余物处置 物流运行监控 物流设备管理 物流器具管理 准入管理 绩效评价 费用管理 服务内容变更 退出管理 采购资源 采购合同 采购结算 协同采购 供应商准入 绩效评价 供应商支持 退出管理 信息管理 设备资料 保养 维修 改进 转移 处置 入库 出库 库存监控 维修 验收 质量评价 质量检验 试装管理 问题分析及促进