1 实现降本增效 By ：施耐德电气 梅峰 建材及矿业能力中心经理 如何通过预测与控制 智能工厂 智能工厂建设目标： 5 个方向 故障维修 预防维护 人工操作 机器操作 事后统计 质量预控 人工经验 智能决策 资源效率 安环第一 人 机 料 法 环 3 战略决策 持续发展 设备效率 业务运营 能效管理 生产工艺控制 设备级 生产级 控制级 企业级 山 实时性 4 层架 构 智能化的三层深度 数字化 3 2 1 • 信息的记录、存储、查询、汇总、展示 • 移动 APP 访问信息 • 便于数据的追溯、比对、分析、总结 •智能预测 •智能分析 •智能决策 •让机器替代人形成强大劳动力 信息化 智能化 物理工厂 人的经验 经验知识化 知识模型化 模型算法化 算法代码化 代码软件化 软件使用 • 质量 • • 物流 • 书面信息数字化 • 智能设备 自 动 数 据 采 集 • 自 动取样 • 在线分析 • 自 动感知 人 智 ” 到 “ 智机 3 层深 度 5 APC 智能预测与控制 6 借助于智能控制，可以消除人与人的差别 操作员不同，造成成本和质量上的差异 288 万 每月能耗成本节约 24 万 每年能耗节约 288 万 CO2 减排 8400

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 ，并依据该状态发展趋势和可能的故障模式 ，并依据该状态发展趋势和可能的故障模式 ，预先制定维修计划 ，确定机器应该修 理的时间、 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， 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

Object DB 新型时序数据库 数字孪生 智能增强的工业机理 血液 大数据 数据湖 数据建模 高级数据分析 IT Data OT Data Social Data 描述分析 诊断分析 预测分析 规范分析 后验 洞察 预见 智慧 大脑 AI 智能感知 AR/VR Computer Vision NLP Fusion Sensing 智能规划与智能决策 智能规划 智能决策 广东海洋装备 22 2. 智能化供应 23 2.1 智慧供应链 可以为制造型企业提供从需求预测，采购，生产，物流等端到端的智慧供应链解决方案。 供应链决策驾驶舱 供应网络端到端可视，监测与异常告警功能 销售和业务运作智慧工具集 衔接战略与战术决策流程 业务需求模块 需求感知与统计预测 库存 & 物流管理模 块 多阶库存优化 & 物流优 化 智慧排产模块 1.受限供应与无限需求计划 小区域仓 小区域仓 门店 门店 运营层优化：门店配补货优化 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

算法的边缘部署和实现。  支持质量、装配和人员管理。  实时交互信息采集和内容推送。  提高工艺控制水平和生产效率。  数字化终端信息采集和交互。  支持自动化设备监控、质量控制 和预测性维护等。 5G 5G+AI+MEC ，实现机器视觉检测产线 … 工艺 质量 装配 岗位 区域 5G 边缘云 中心云  5G 网络宏微结合灵活覆盖  采集设备接入 5G 网络  互联网 数据 LEAP DataHub 数据集成平台 MQTT HTTP …… 批量数据 导入 互联网数据 采集 … 深度学习 机器学习 算法建模 数据探索 分析预测 品质检测 预测性维护 运筹优化 数据采集 数据传输 存储处理 智能分析 数据应用 提供覆盖企业大数据全技术栈的解决方案 99 仓储库存数据 成本数据 外部 市场 设备 物联 财务数据 搜索与查询 可视化分 析 第三方工具 数据管理平台 LEAP DataGov 元数据 数据安全 数据生命周 期 数据标准 数据质量 数据模型 大数据 计算平台 LEAP HD 知识库 预测库 深度学习分布式框架 DeepNEX 机器学习工具箱 ML Toolkit 优化库 数据智能 平台 LEAP AI 分析应用 多租户管理 集群管理 性能管理 容灾管理 自动化部署

B. 订单管理 — 确保订单准时交付 物料供应对 需求管理 的要求 供应商约束 生产资源约束 A. 需求管理 — 提升计划准确率 , 降低库 存 销售目标 整机库存 基于商机的 联合预测 需求计划 订单信息 D. 零部件计划与交付 — 确保零部件准时供应 交付与 供应计划 E. 生产执行与物流 — 实现精益化生产 , 提升效 率 计划模式（订单组织方式、计划体系） — 建立计划流与订单流的管理基准 个 模 式 个 解 决 方 案 5 1 ▪需求计划管理方式 ▪销售预测方法 ▪整机库存管理方法 ▪自上而下的推行机制 ▪月度 S&OP 会议机制 ▪周度 S&OP 会议机制 ▪主机生产计划 ▪结构件计划与下料计划 ▪零部件计划 ▪零部件供应策略 ▪零部件配送 ▪缺料预警机制 承诺 通过打通计划流与订单流，构建出“规则 + 承诺、柔性 + 例外”的集成计划体 系，从而实现“快速响应市场变化、灵活应对订单调整” • 与 CRM 打通，连 接商机管 理 • 引入科学 预测方法 • 建立合理 库存管理 方法 • 建立订单 规则，实 现订单交 期承诺、 订单可视、 分类及优 先级管理 • 明确不同机型订单组织方式 • 完善计划体系，建立 APS 高级排产平台，实现预排产

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 护报价工时以及标准工时；  需求来源众多，有销售预测、销售订单、库存备货等；  生产齐套工作量大且效率较低， MRP 运行速度慢，需要手工匹配库存与 在制品生成采购需求；  计划的协同性较差，生产计划的变更不能及时进行响应与调整；  针 到一个生产计划流程中；  从销售订单库存分配、 MRP 采购齐套、生产订单缺料核查三个方面保证 物料的齐套；  建立标准化的计划变更管理流程，以 MRP 为支撑实现计划的高效协同；  预测数据准确性不高；  外销目前基本通过人工线下进行选配工作，操作繁琐且业务效率低下，准确 性难以保证；  针对不同需求来源制定不同的计划策略，用于后续生产采购指导；  采用 SAP 的专 的公司间交易解决方案，同时满足核算以及实际管理的要求；  未来在 SAP 中启用应收、应付、资产模块，提升财务会计的管理水平；  未来在 SAP 中建立精准的成本核算体系，厘清物料主数据与 BOM 。为建立事前 预测、事中控制、事后分析的精细化的成本核算；  在 SAP 中实现高度自动化程度的报表体系，减少人为处理的工作量；  全面梳理月结相关的业务，结合项目实施过程中梳理的月结步骤。特别是在成本 分析与核算上提升工作效率，实现快速月结；

服务化延伸 设计协作 供应协作 制造协作 智能服务 全 面 互 联 端 管 云 网络化协同 个性化定制 C2B 定 制 数据采集 数据连接与传输 数据计算与处理 数 据 智 能 产品良率 预测性运维 智能装备 机器人 智能产品 …… 工厂 / 企业外互联 工厂 / 企业内互联 信息 / 生产系统互 联 …… 工厂 / 企业内专有云 外部专有云 / 公有云 …… 先进材料 先进工艺 外部网关 工业数据平台 PLC 在现有制造系统基础上，通过部署嵌入式系统和新型网络，实现现场数据的采集和集成，并开展大 数据分析优化，实现智能生产与管理。 应用场景：产线优化、智能排程、设 备预测性维护、基于大数据分析的质 量优化、现场库存优化等 展示页 8 GUANLIJISHUHUA GUANLIJISHUHUA 传统制造 认知制造 • ERP • 套装软件 • 数据库 • 工业自动化 服务化延伸 设计协作 供应协作 制造协作 智能服务 全 面 互 联 端 管 云 网络化协同 个性化定制 C2B 定 制 数据采集 数据连接与传输 数据计算与处理 数 据 智 能 产品良率 预测性运维 智能装备 机器人 智能产品 …… 工厂 / 企业外互联 工厂 / 企业内互联 信息 / 生产系统互 联 …… 工厂 / 企业内专有云 外部专有云 / 公有云 …… 先进材料 先进工艺

大幅缩短原有流程的时长。 例如,AI 技术 可以帮助企业实时监控和评估生产流程的效率,分析 生产流程中的瓶颈,从而调整资源配置,优化生产线布 局,提高整体生产效率。 同时,AI 技术能够通过分析 设备的运行数据,预测设备故障的可能性,提前进行优 化维护,从而减少设备故障导致的停机时间,提高了生 产线的整体效率。 1. 2 AI 促进制造业提高产品质量 AI 技术通过优化生产流程和智能控制能够显著 提高制造业的产品的良品率。 法优化能源使用。 例如,AI 可以在设备闲置时自动降 低其功耗,或者在能源价格较低时安排高能耗的生产 ·43· ���E�����0 任务,从而减少能源消耗;通过对历史能耗数据和生产 计划的分析,可以预测未来的能源需求,并优化能源的 采购和使用,避免不必要的能源浪费。 其次,AI 通过精确的生产过程控制,可以减少原 材料的浪费。 例如,在金属切割或塑料成型过程中,AI 可以通过优化切割路径或成型工艺 从而降低碳足 迹;还可以预测市场需求,帮助企业更准确地制订生产 计划,避免过度生产和库存浪费。 2 制造业 AI 的关键技术 AI 技术能够从研发设计、生产制造、运营管理到 产品服务的制造业全流程中,全面推动制造业升级。 在研发设计阶段,通过智能原型设计和智能工艺设计 实现产品构思快速落地,缩短研发周期;在生产制造阶 段,通过智能调度系统、质量控制机制及预测性维护等 技术实现生产效率

6 现场 --- 定期现场巡检 7 值守 --- 远程安全值守服务 8 加固 --- 安全加固服务 27 PART 05 智能应用的建设 智能应用 28 基础设备层 实时控制层 预测控制 模糊控制 神经网络控制 遗传算法 系统优化层 数字化视频监控 数据资产智能化管理 三维地理信息系统 生产运行层 智能化燃 料 管理 主辅机全流程智能优化 环保智能优化系统 风机智能维护系统部署于风电场，通过对实时数据、历史数据、异常数据进行 监测，对风功率预测曲线、 SCADA 状态参数、传动链振动监测数据、报警数据进行 实时监控、显示。引入美国 IMS 中心大数据分析工具，提供从风场级到部件级的多 层次状态评估及故障预测功能、风场调度与维护排程优化功能、和风场区域风功率 预测及发电量预测功能，实现风机资产预测性维修维护、动态经济性能分析与优化 功能。 锅炉智能诊断系统 压缩机运行智能检测与优化系统 通过采集压缩机运行过程中的状态参数，结合机器学习和人工智能等先进数据 建模手段，实现对压缩机运行过程中的实时状态进行评估、预测、诊断、及优化功 能。对压缩机喘振故障、失衡、轴承机械故障、效率下降、和过负 载 运行等异常模 式进行预测和控制参数优化建议，从而保证压缩机安全、稳定、和高效地持续运行。 远程振动监测与分析系统 振动监测作为工业装备资产状态监测最常见的手段之一，但其分析对专家的依

层、设备层、通信层、数据层、业务层、应用层 6 个层 级。具体如下：1） 应用层：融合数据挖掘、数字孪 生、人工智能技术与卫星制造业务，形成可视化监 控、资源瓶颈诊断、智能动态调度、进度/质量/状态 预测、数据挖掘分析等创新应用。2） 业务层：实现 工厂跨域协同管理、工艺设计管理、计划/资源/质 量管理、供应链协同管理、产品全周期管理、工厂生 产运营管理等业务集成应用。3） 数据层：构建以大 System，MES）数据链路，采 用自动化货柜、AGV 等仓储物流装备，以总装工位实 时物料需求拉动线边库在线出库与 AGV 自动配送。 依据计划进度、生产节拍、消耗速度、库存数量及配套 周期，构建数据驱动的安全库存动态预测模型，实时 评估高频消耗物资的库存状态、预警缺料风险、驱动 提前采购备货，卫星总装智能工厂仓储物流管控系统 应用场景如图 7 所示。 2.2.2 人机协同机器人智能辅助装配技术 针对多品种卫星变批量制造过程舱板模块集成、 协同作业规范性、便捷性和智能化水平。 2.4 基于数字孪生的工厂运行智能管控技术 2.4.1 卫星总装工厂多维数字孪生模型构建 针对卫星总装工厂运行状态及产品研制状态透 明管控、关键过程高置信仿真与分析预测需求，研究 构建卫星总装工厂多维数字孪生模型，如图 14 所示。 面向卫星产品、关键工艺过程与单元产线多个维度， 构建工厂全要素高保真数字模型，基于企业级物联网 平台，采用 TCP/IP、Modbus、OPC-UA