中小工厂数字化的现状和挑战 数字化如何重新定义好工厂 如何高效搭建日成本监 控体系 数字化工具如何减少管 理成本 如何搭建快交付体系 总结： 中小工厂数字化新路径 中小工厂数字化新路径 3 数字化的主战场在中小工厂 中等规上企业不足 10% ， 小微数字化基本为零 协同类数字化渗透率现状： 大型企业基本实现 中小微工厂 90%+ 制造企业 战略 交付 竞 争 力 成本 为什么而搞？ 中小工厂数字化的底层思考框架 要不要搞？ 如何搞？ 7 中小工厂数字化的现状和挑战 数字化如何重新定义好工厂 如何高效搭建日成本监 控体系 数字化工具如何减少管 理成本 如何搭建快交付体系 总结： 中小工厂数字化新路径 中小工厂数字化新路径 8 好工厂 = 有竞争 力 数字化重新定义好工厂 如何建立数据收集系统 面 点 线 动态齐套 数据超市 指标监控 智能提醒 车间统计 防呆防错 中小工厂数字化的现状和挑战 数字化如何重新定义好工厂 如何高效搭建日成本监 控体系 数字化工具如何减少管 理成本 如何搭建快交付体系 总结： 中小工厂数字化新路径 中小工厂数字化新路径 17 成本 控制 工艺 改进 1 、销售费用最低化

擎，其管理和运营模式正面临深刻的变革。传统管理模式在应对复 杂多变的产业环境时，逐渐显现出效率低下、信息孤岛、决策滞后 等一系列问题。为了提升工业园区的综合竞争力，推动智慧园区的 建设，构建一个高效、智能、协同的数字政府领域大模型底座成为 当务之急。该底座不仅是工业园区数字化转型的技术基础，更是实 现数据共享、业务协同和智能决策的核心支撑。 工业园区数字政府领域大模型底座的设计旨在通过整合多源异  构建统一的数据平台，实现多源数据的无缝接入和高效管理；  提供智能化的分析工具，支持对园区运营状态的实时监控和预 测；  优化资源配置，提升园区的运营效率和服务水平；  强化数据安全和隐私保护，确保平台的可靠性和稳定性。 通过上述措施，工业园区数字政府领域大模型底座将显著提升 园区的数字化管理水平，推动园区向智能化、绿色化、高效化方向 发展。以下是一个简化的数据流程图，展示了底座的核心功能模块 型底座作为人工智能技术的集大成者，能够有效整合园区内的多源 异构数据，提供智能化决策支持，优化资源配置，提升管理效率。 通过大模型底座的部署，园区能够实现从传统管理模式向数据驱 动、智能决策的转变，为企业和居民提供更加精准、高效的公共服 务。 具体而言，大模型底座在工业园区数字政府建设中的应用意义 主要体现在以下几个方面： - 数据整合与共享：打破各部门之间的信息孤岛，实现跨部门、跨 系统的数据互联互通，提升数据资源的利用效率。

AI 赋能离散制造业 ， 打造高效精益卓越工厂 > 01 AI 全方位助力制造业发展 > 02 数字化工厂解决方案 > 03 客户成功案例 行业背景 2025 年 6 月，工信部在审议《工业和信息化部信息化和工业 化融合 2025 年工作要点》时，明确提出要实施“人工智能 + 制 造”行动，加快重点行业智能升级，打造智能制造“升级版”。这 堆垛机 传输线 机器臂 … 运营管理 大数据中心 PDM WCS WMS SCADA MES … AI+ 智慧工厂整体构建 柔性化智慧工厂 数字化透明工厂 自动化高效工厂 精益化高效益工厂 持续降低运营成本 增加产量和利润率 赢得市场和份额 生产过程透明化 更优的生产工艺 更好的车间级协同 供应链体系持续优化 SCM 供应链协同 更高的产值和更低的成本 更信赖的服务 行业模型 TOC ( 约束规则 ) 人机交互设置 作业指令 投料计划 备货计划 备货计划 自动化高效工厂： 高级计划与排程（ APS ） / 系统优势 APS

。人 工智能与云计算等前沿技术的蓬勃发展，正成为推动汽车产业从传统制造向智 能化转型的强大驱动力。 随着技术的不断进步，消费者对汽车的期望已远远超越了简单的交通工具 范畴，转而追求更加安全、高效、舒适且个性化的出行体验。在此背景下，人 工智能技术在汽车领域的广泛应用已成为必然趋势。从智能驾驶技术的逐步成 熟，到智能座舱和智能客服提供的个性化服务，再到车企内部各生产经营环节 的持续优化，AI AI助力提升生产力 汽车行业AI应用场景全景图 2 10 7 14 18 6 智能化成为汽车行业发展的核心趋势 AI助力汽车产业智能化升级 智能驾驶 AI基础设施架构：高性能算力与高效资源协同的突破 数据闭环处理：虚实融合与智能治理的能力 大模型技术：低成本与场景化落地的深化 智能座舱 智能客服 研发设计 生产制造 供应链管理 2 4 10 7 7 8 随着新技术的不断涌现，汽车产业正迎来前所未有的发展机遇。特别是人工智能与云计算技术的融合应用， 为汽车行业的转型升级提供了强有力的技术支撑。智能化不仅改变了汽车的设计和制造方式，还重新定义了驾 驶体验和出行模式，推动整个行业向更加高效、安全和环保的方向发展。 近年来，随着人工智能、大数据分析以及云计算等前沿数字技术的迅猛发展及其在汽车工业中的深度应用， 汽车产业正经历着前所未有的转型升级。 在智能驾驶领域，AI 驱动的视觉

要从传统的水务工程升级到现代化的水务管理，实现从粗放型资源管理到精细化运营的战 略性跃迁，企业不仅要解决“数据孤岛”的难题，构建数据集成与共享能力，还需要提升水 务设施的智能化水平，强化精准监控和高效管理，并加强网络安全防护，保障基础设施关 键信息的安全。 作为全球领先的工业软件解决方案提供商，AVEVA剑维软件能够为水行业提供从工程设 计与建造到生产运营优化，再到资产管理的一整套端到端的全生命周期数字化转型解决方 运营）等轻资产模式转变和拓展8。 十四五期间，水行业相关企业承担着水资源可持续发展的 重任。“工欲善其事，必先利其器。”随着云计算、大数据、 物联网 等数字化工具和工业软件的成熟和普及，水企也面 临着挑战： 如何高效地设计和建造水利和水行业设施满足不同的环 保场 景和用水需求，提升项目执行和交付的效率，改善 投资回报 如何改造基础设施，补充和整合基础数据，有效地监测和 运营分布式和大型水利、水务以及其他环保设施，满足一 操作人 员，避免生产异常和事故发生。 4.历史数据存储 对重要的数据进行历史数据归档，方便事件追溯和事后 分析。 5. 远程访问 随着现代技术的发展，运营人员需要实时了解生产运行状 况，以提高效率并减少人为错误。 6. 对业务系统提供接口 平台需要能够与其他业务系统进行集成，实现数据互通和 信息交换。 业务挑战 1.实时数据采集与分析 实时监控数据的采集、存储与分析是确保系统稳定运行的

安全性。无人驾驶的需求包括传统的覆盖、容量、时延、可靠性、速率、移动性、安全、 成本、功耗等。 5G 边缘计算和切片技术为自动驾驶提供保障 车联网的 12 个基本场景 5G 使能高阶自动驾驶场景，更高效更安全 4 个高阶场景 5G 使能高阶自动驾驶场景，更高效更安全（续） 目录 1. 5G 关键技术介绍 2. 车联网解决方案  车联网概述  车联网需求分析  车联网解决方案  车联网案例 3. 智慧医疗解决方案 交通枢纽 事故 车载导航 未来交通：人便其行，货畅其流  目标：  安全、畅通、便捷、高效、绿色  促进城市功能转型和结构拓展  立体交通的综合监测  可视化的交通运行调度  高效的应急处置  高效便捷的交通运输管理  门到门的交通信息服务  高效准确的决策分析  一体化公共交通  车路协调、自动驾驶的车联网 未来很美好，现实很骨感，交通信息化面临的挑战  车联网解决方案  车联网案例 3. 智慧医疗解决方案 4. 智能教育解决方案 5. 智能电网解决方案 6. 研讨 & 演练 业务设计：中期 5G 使能 4G 以上自动驾驶，更 安全更高效 车联网业务战略分为三个层级 车联网战略： ICT 使能车和路，服务于未来出行 的变革 车联网解决方案 基于 C-V2X ，构建车 - 路协同的合作式智能交通 C-V2X 特性 • PC5

数智赋能离散制造业解决方案 02 精益 +AI+ 数字智能工厂建设的实 践 03 模型化发展能力 01 AI+ 精益 + 数字的企业价值 目 录 好的企业， “产品捅上天 、文化扎下根， 管理高效 ······ 规范工厂组织 + 精益管理 （一个流实现） 实 践 证 明， 以“精 益 、 数 字 ”为 核 心 思 想 的“企 业 运 营 管 理 ”， 是 企 业 成 长 的 隐 形 曲 ： 标准作 业与数字化 智 能 分 析 辅 助 决 策 工厂运营业务实现线下转到线上， 从订单接收到产品交付， 记录大 量的数据， 通过统计分析， 改进 不足， 使业务更高效 Q\CD 。 其中数字化运用的着力点在精益化标准基础上的数字采集 、统计分析 、智能管控。 精益驱动， 数字赋能， 让制造更简单 / 高 效 STEP2 ： 数据 应 用辅助决策 ＋ LEAN TPS TPM 万事万物具象化 的形态 （可管 、 可控 、 可 预测） 数字应用 现实与虚拟的连接 （有序到高效） 数字化的导入 业务开展科学逻辑 与方法 （无序到有序） 精益标准导入 精 益 化 数 字 变 革 体 系 IOT 数据采集

识图谱等技术实现多源异构数据采集、汇聚、流通、分析和 反馈控制。 （二）基于工业互联网平台的业务优化和模式创新，工 业大数据和 AI 分析、系统化，可复用 APP 应用、多业务场景 下端+边+云高效协同等领域，令“用数赋智”创新应用越发 的成熟：  业务优化主要方向：生产和工艺流程优化、安全和环保 管控优化、产品（设备）全生命周期优化、供应链协同 优化等。  模式创新主要方向：个性化定制、网络化协同制造、服 建企业级的工业互联网平台，实现平台作为企业数据中心，并基于数据中心，提 供基于平台能力的数据服务。 2. 平台互联架构 面向企业，提供一体化 MES + 轻 ERP 生产数字化解决方案，实现以生产为 核心的产供销一体化数据连通和高效协同，帮助企业缩短订单交付周期、提升产 品品质、提升内部沟通效率等，进而降低企业管理成本，提高生产效率。 10 3. 具体应用场景和应用模式  5G+远程设备运维 场景描述：通过云平台下 、质检、维修返工、 库存等浪费，提高加工、组装效率，缩短产品的制造周期，并提高生产过程的稳 定性。 （3）通过 5G+互联网赋能的设备数采、加工数量抓取、MES 条码流程管理 等技术建立灵活高效的过程质量控制体系,加强实时监控,降低不合格率、减少检 验工时，提高成品出厂合格率。 （4）通过企业实时管理数据采集和各个系统模块的互联互通，揭示重点工 位、产线的实时运行的质量、订单完成率、设备利用率等数据，提示生产制造的

库存与线上 订单不同步、会员数据分散在多个平台、促销活动难以跨渠道协同 —— 这些痛点的本质，是企 业需要一套更灵活、更敏捷的信息系统，用极简架构支撑复杂业务。对于有一定体量的企业，" 简单即高效" ：技术栈越简洁，运维成本越低，业务响应速度越快。 随着业务复杂度指数级上升，我们对 IT 架构提出了 "4A" 诉求 ——Anytime（全时响应）、 Anywhere（全域覆盖）、Anyd AI 在零售“研、产、供、销、服、管”全链路的深度应用，对底层数据底座提出了前所未有的要 求 。 这包括高实时性（模型推理需要分钟级甚至秒级获取最新业务数据反馈）、强大的多模态数据管 理能力（必须高效处理海量非结构化和半结构化数据，转化为模型可理解的特征数据），以及统 一的数据视图与关联分析（实现交易数据、行为数据、内容数据、知识数据的深度融合与关联查 询）。 8 9 面对 AI 时代 OLAP）和各种专用数据库组成， 在数字化时代已显现出其复杂运维难度和高昂运营成本。 进入智能化时代，面对零售企业智能化转型的需求，数据库必须具备弹性伸缩应对波峰波谷、统 一融合处理多模数据、高效利用一方数据、支撑 AI 实时需求等能力，这直接决定了企业智能化 转型的最终成效。 加之当下国内市场竞争日趋激烈，大部分零售企业都会开拓出海业务，故而在数据库部署形态上 会倾向于选择云数据库来

制造企业的平均用工人数由 8 711 万人下滑至 6 550 万人,制造业面临着技术工人短缺的问题。 在生产技 术方面,我国许多传统制造企业的生产技术落后,难以 适应现代制造业高效、灵活和智能化的要求。 此外,制 造业作为高耗能和高污染行业,面临着越来越严格的 环保法规和社会责任压力 [1]。 在制造 业 面 临 诸 多 挑 战 的 背 景 下, 人 工 智 能 (Artificial 减少废料的产生;同时协助废料管理和循环利 用,帮助识别和分类生产过程中产生的废料,并优化废 料的处理和回收流程,从而提高资源的循环利用率。 最后,AI 能够实现供应链优化,降低碳足迹。 AI 通过对供应链各环节的优化,实现更高效的物流和库 存管理,减少不必要的运输和库存积压,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 让用户根据需要实时洞察生产经营数据,从而降低数 据洞察门槛和提升企业决策效率。 最后是知识管理。 依托自然语言处理与知识图谱 技术,大模型被用于提升企业内部知识资源的整理和 分类效率,对文档、手册、案例研究等资料进行高效归 档和标签化,使员工能够通过智能搜索迅速且精确地 访问所需信息。 这不仅提升了信息检索效率,也使员 工能够更专注于核心工作。 2. 4 产品服务环节 AI 赋能制造业产品服务环节,帮助提供定制化服