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， 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 预防性维护

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 管 理 质 量 管 理 设 备 管 理 物 流 管 理 原 料 管 理 数 字 矿 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 • 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

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 数字化成熟度评估 企业数字化转型战略规划 与时俱进的方法体系 —— 从实践中不断沉淀与更新知识资产，始终保持行业前沿 电力投资信息化能力模型 基于工信部工业互联网白皮书 以及行业实践形成具有可落地 性的工业互联网能力框架 从 11 个（离散型） /10 个 （流程型）关键能力，对企业 全面进行智能制造成熟度评估。 基于企业实际现状构建集团级 云计算能力，并制定相关的行 动路线图 工业互联网能力框架 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

云基站（云平台、加速硬件等） • 配套网关 • 促进其他产品的销售：服务器、交换机等 方案重点覆盖范围 5G 在制造行业的使用场景 极精确任务 无线覆盖 远程维护控制 区域内通信 产线快速重组 机器间互联，移动性 需要精确的时间和 流程控制的任务 AR/VR ，实时视频 人员，机器，控制 中心，广播 5G 全面支撑智能制造 大带宽 低时延 大连接 边缘云 灵活独立部署 紧靠生产节点 算力下放 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  分流采集数据至边缘计算平台 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 产品

SAP ERP 十八期 优化 & 报表项目 SAP ERP 二十期 超低温工厂迁移项 目 SAP ERP 十六期 系统迁移项目 6 案例介绍 - 格兰仕 格兰仕集团是一家世界级综合性白色品牌企业。自 1978 年创立至今，格兰仕由一个 7 人创业的乡镇小厂发展成为 拥有近 5 万名员工的跨国白色集团，是中国业最具影响力的龙头企业之一。 格兰仕过去 30 多年的创新发展历程， 管理 产品系列化、多元化，注重技术创新，产品更新换代快，强调产品的序列号管理 各种促销方法和价格政策，价格的制订具有地域性，企业对价格、折扣、营销组织管理控制 严格 , 实行客户信用额度控制，同时为促进销售，也会有灵活的折让政策 各种促销方法和价格政策，价格的制订具有地域性，企业对价格、折扣、营销组织管理控制 严格 , 实行客户信用额度控制，同时为促进销售，也会有灵活的折让政策 存货品种多，数量大并且变化快，材料核算复杂 存货品种多，数量大并且变化快，材料核算复杂 , 库存管理任务繁重 存货品种多，数量大并且变化快，材料核算复杂 , 库存管理任务繁重 设立区域性维修服务机构，强调售后服务和跟踪 设立区域性维修服务机构，强调售后服务和跟踪 行业特点总结 行业特点总结 14 企业管理面临的挑战 1 2 3 5 4 低成本、快速 订单交付 协同、精益 供应链计划与生产 协同、高效 供应商协作 精细、主动 财务业务风险控制

需求计划准确率偏低，对生产和采购指导性不强 缺乏端到端的订单管理，订单处理规则不明确 产销平衡机制有待完善 3 日锁定计划难以真正锁定，影响生产稳定性 零部件计划对供应商备货及生产指导性不足 因计划变更等造成的零部件缺件较多，供应及预警机制 需完善 工程变更频繁且信息下达不及时，影响生产的顺畅运行 MES 自动化集成化程度较低，影响生产制造精益化水平 集成计划指标体系还不完善，过程性管理指标较少 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

提供产品定制开发、产品 培训、产品实施等服务 智能化供应 02 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 货策略，包含动态安全库存补货、长尾品补货、 易腐品补货、促销活动补货等，帮助企业在提升 服务水平的同时降低库存积压。  更精准快速的销量预测  更低的库存占用成本  更高的库存周转率  更有效的部门间协同计划 2.1.1 库存优化解决方案技术架构 打通分析、预测、补货、库存的全链条、可扩展的模块组合 商品数据 促销数据 销售数据 季节气候 人口数据 舆情数据 地理数据 商圈数据

禁、智能 点巡检等。 智能化电厂的发展需要不断与移动互联网、云计算、大数据和物联网等先进技术相 互融合，促进电厂的进一步转型升级。 物资流转 智能化 动 态 库 存 ， 制 定 预 见 性 检 修 维护计划。 管理智能 化 智 能 化 的 生 产 管 理 、 资 产 管 理 和 决 策 支 持 系统 ０ 9 PART 03 总体设计 建设目标 10 设备生物化 应用，构建智能化辅助决策功能。 建设内容 12 数据输入 外部数据、内部数据、资产数据。 软件 & 分析 连接数据源，网络安全保障，针对不同 层面的用户提供各类型应用软件。 建议输出 盈利能力、生产效率、安全可靠性。 云平台 13 部署数据采集端（布置传感器或从已有 DCS 、 SIS 、 MIS 、 OA 等数据库采集）；通过 3D 、 VR 、 AR 等智能工具将数据可视化，实时监控设施； 结合 1 系统性与完整性：将整个集团看作一个有机整 体，统一规划，基于“服务生产，面向管理，辅助决 策”的设计思想。 2 实用性与先进性：为适应集团公司、电厂不同 层次人员，使用简单实用、高效的工作平台里；选 用平台具有先进性、前瞻性、扩充性、开放性。 3 开放性与标准化：软硬件产品坚持标准化和开 放性原则，采用开放性体系结构；具有良好的可移 植性、可扩展性、可维护性和互连性。 4 可靠性与安全性：采用统一的用户认证，权限

此类技术能力在 2022 年工业应用案 例中的占比高达 47. 5% [2]。 例如,西门子利用自监督 学习技术能够有效缓解质检中的小样本和实时性问 题。 此外,数据建模优化类技术依托机理分析进行参 数确定和 AI 模型选择,显著提升了建模的精度和可解 释性,其 应 用 占 比 也 达 到 2022 年 工 业 应 用 案 例 的 ·42· �N����7C7� �� �����0 ���� 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。 技术能够实时监控生产过程并进行 质量检测,AI 系统可以在生产线上自动识别缺陷产 品,确保只有符合标准的产品进入下一环节,显著减少 不良品的产生。 另外,AI 技术能够促进产品创新,满足产品的个 性化需求。 通过分析大量市场数据、用户反馈和产品 性能数据,AI 技术能够帮助企业识别潜在的市场需求 和趋势。 企业可以根据客户的具体需求进行灵活生 产,而不是依赖传统的大规模生产模式。 这种方式不